本發明涉及無人機測試調姿試驗艙和測試方法，包括：艙體、基座滑臺、無人機調姿裝置和姿態測量系統，其中，所述艙體內設置有試驗工位，所述試驗工位上設置有所述基座滑臺和無人機調姿裝置，所述無人機調姿裝置固定于所述基座滑臺上；所述無人機調姿裝置上...

本發明提供了一種無人機集群視頻圖片渲染及后處理的方法、介質和裝置，涉及圖像處理技術領域，能夠避免采用計算機CPU進行數據解碼和情報后處理帶來的時間消耗大的問題，有效提高渲染處理效率，滿足實時性的要求；該方法采用著色器對視頻流或圖片進行渲...

本發明涉及一種無人機氣動布局，機翼機身采用翼身融合設計，包括翼身融合體、機翼、任務載荷、發動機防雨裝置；其中，所述翼身融合體的前端連接所述任務載荷；所述翼身融合體的后端連接所述發動機防雨裝置；所述翼身融合體的左右兩側分別連接兩所述機翼；...

本發明提供一種傘降無人機用發動機空中停槳控制系統及方法，涉及飛行器回收技術領域，能夠實現快速停槳、精確控制停槳角度和位置，對降落傘實現鎖定和解鎖，保證停槳期間不開傘；該系統包括：螺旋槳位置傳感器，用于采集螺旋槳位置數據；停槳控制器，用于...

本發明公開了一種二沖程航空活塞增壓發動機自適應控制方法，屬于二沖程航空活塞增壓發動機領域。該方法包括：任務時序規劃步驟：根據發動機控制需求進行任務時序規劃；工作狀態評估步驟：采集工作參數及接收指令并評估發動機工作狀態；控制參數自學習及預...

本發明公開了一種無人機蜂群協同偵察下的多源戰場圖像快速鑲嵌融合算法，屬于圖像處理、計算機視覺領域。該方法包括，分別對多路可見光戰場圖像和多路紅外戰場圖像進行地理位姿校正并進行圖像鑲嵌，得到可見光鑲嵌圖像和紅外鑲嵌圖像；提取可見光鑲嵌圖像...

本發明涉及圖像處理及機器視覺技術領域，提供了一種無人機偵查地面目標的輕量化自動檢測方法，包括S1、模型建立與訓練：采用改進后的SSD算法對無人機偵查圖像進行特征提取、標注框框回歸和類別預測，完成模型訓練；改進后的SSD算法采用Squee...

本發明公開一種航空活塞二沖程增壓發動機的控制系統和故障診斷方法，屬于二沖程航空活塞增壓發動機領域。該故障診斷方法包括：獲取發動機運行參數，對傳感器信號進行初步診斷；建立發動機進氣量計算模型并計算發動機進氣量；確定噴油脈寬，采用前饋加反饋...

本發明提供了一種基于無人車的自動發射回收裝置及方法，涉及無人設備收發技術領域，能夠集無人機發射、回收和儲運于一體，結構簡單、氣動外形得到優化，提高飛行氣動效率和有效載荷能力；該裝置包括：無人車平臺，用于為無人機的發射提供所需的動力以及在...

本發明提供了一種用于無人機電氣設備的拓撲式在線編程方法及無人機，涉及無人機技術領域，能夠利用無人機對外單一接口，通過拓撲式結構對整機航電設備實現在線編程，提高工作效率，降低維護成本；該方法在無人機航電系統中選出一個設備作為主節點，與該設...

本發明公開了一種機械式彈用減速傘展開裝置及展開方法，涉及減速傘領域。該彈用減速傘展開機構包括：彈體、吊耳、空投脫插、減速傘傘艙、減速傘展開機構，所述彈體通過安裝于其上的吊耳和空投脫插與掛架連接，所述減速傘傘艙一端與彈體連接，另一端安裝有...

本發明提供了一種自動收放式無人機機臂組件及其無人機，涉及無人機設計技術領域，能夠實現機臂螺旋槳的收放，提高四旋翼無人機在狹小空間的通行能力；該機臂組件包括：一個多級傳動系統，為機臂收放機構提供動力；若干機臂收放機構，將動力傳遞給螺旋槳并...

本發明屬于航空飛行器的導航領域，特別涉及一種旋翼無人機的航向快速估計方法。該方法通過控制無人機進行S彎機動，加快卡爾曼組合導航濾波的航向收斂速度；同時增加濾波器中的協方差矩陣Q的值，從而增加了外部觀測量的權重，導致增益矩陣K增大，進一步...

本發明提供一種小型航空活塞二沖程渦輪增壓發動機，所述增壓發動機包括活塞二沖程發動機、排氣脈沖轉換系統、廢氣渦輪增壓器和排氣放氣閥，所述排氣脈沖轉換系統一端同時連接廢氣渦輪增壓器和排氣放氣閥，另一端連接活塞二沖程發動機，本發明所述增壓發動...

本發明主要屬于衛星導航技術領域，具體涉及基于陣列天線的單頻測姿的方法。包括：設計直線型陣列天線，并按照設定規則配置天線陣元間距；根據載波相位測量模型建立載波相位單差方程或載波相位雙差方程，共鐘接收機之間采用所述載波相位單差方程，不共鐘接...

本發明涉及數據總線通信技術領域，具體涉及基于輪詢與均態時隙相結合的總線系統及數據傳輸方法。所述總線系統包括總線、總線適配器和電子設備，所述總線與多個所述總線適配器雙向通信，每個所述總線適配器與多個所述電子設備雙向或單向通信；所述總線與所...

本發明涉及一種無人機偵察目標的高速跟蹤方法，屬于圖像處理、計算機視覺領域。在操作人員或其他算法獲取粗略目標位置后，首先，通過目標精確包絡提取模塊，獲取精確目標框；其次，通過運行高速目標跟蹤模塊，獲取目標在后續視頻序列中的位置；最后，通過...

本發明主要屬于機器學習、模式識別領域，具體涉及基于循環神經網絡的無人機偵察目標演變規律預測方法。通過目標屬性量化模塊，根據目標屬性的不同對目標屬性取值進行歸一化；通過噪聲去除模塊，對所述目標屬性采集時的發生錯誤和部分數據缺失的情況進行處...

本發明涉及圖像處理領域，具體涉及一種基于增強學習的多源圖像融合方法。所述方法對多源圖像進行分解得到高頻系數信號和低頻系數信號，對所述高頻系數信號和所述低頻系數信號進行加權重構得到融合圖像；所述方法采用增強學習中的Q學習算法對高頻系數信號...

本發明涉及圖像處理領域，具體涉及一種無人機偵察視頻圖像目標自動檢測方法。所述方法采用目標粗提取算法與精提取算法對視頻圖像進行目標區域的預提取，采用分類器對預提取區域進行判斷，剔除非目標的預提取區域，保留并標記目標區域實現對視頻圖像中目標...