Robust Control Technology in Low-Altitude Aerial Vehicle

课程简介

低空航空器先进传感技术：传感技术概览：详细研究各种传感技术，如GNSS、LiDAR、视觉传感器、毫米波雷达、热成像相机和深度传感器，强调这些技术在提升飞行器导航和障碍物检测中的作用。操作集成：这些仪器的集成和校准技术，以在各种环境条件下实现最佳功能，包括城市和农村景观。 航空系统数据集成与分析技术：数据处理技术：探索从多个传感器获取大量数据的方法，重点在于同步、对齐和实时处理的挑战。高级分析：使用复杂的算法进行噪声抑制、特征提取，并结合数据源创建全面的环境模型，增强决策过程。 航空系统计算工具与方法：工具集熟练度：深入培训使用现代编程语言开发和测试机器学习模型。介绍专门适用于航空数据分析的软件环境和库。学习技术：详细探讨监督学习、无监督学习和强化学习范式及其在低空环境中的应用，如预测建模、异常检测和自适应感知。 动态环境中的稳健场景感知：场景分析：全面覆盖动态场景理解算法，包括用于跟踪车辆运动的视觉里程计和3D建图以创建详细的环境表示。算法挑战：讨论在低空场景中实施这些算法的挑战，如应对可变光照条件、天气影响和移动障碍物。 低空航空系统中的实际应用：数据驱动解决方案：重点在于应用模式发现、主题建模和预测分析等技术，以增强低空环境中的导航和操作决策。实际考虑：讨论对于实时应用至关重要的机器学习模型的可扩展性和可解释性。同时，还讨论在此背景下部署数据分析的法律、社会和伦理考虑。

学习目标

1. 介绍低空航空器最流行的空域感知算法的基本原理、概念和模型。 2. 提供低空航空器空域感知模型的理论和实践理解，包括机器学习和深度学习。 3. 使用现代编程语言设计、训练和优化低空航空器的空域感知模型，提高专业技能。

先修要求

无

教学模式

课程采用讲授、辅导、实验室课程和小组项目相结合的方式，促进学习。讲授全面覆盖课程概念，并通过示例和互动问答环节增强理解。辅导和实验室课程通过实际练习强化理论知识，强调使用稳健空域感知工具和技术的动手经验。小组项目让学生合作将理论概念应用于实际场景，增强他们的分析和解决问题的能力。