Pourquoi nous faire confiance à votre entreprise?
Nous sortons la panique des achats. Nous stockons des millions de pièces difficiles à trouver provenant de nos sources fiables. Nous actualisons nos listes de produits en quelques minutes et les achats en ligne sont effectués en temps réel et expédiés tous les jours.
Fondée en 2002, MFGChips est un chef de file local de la distribution de composants électroniques et est également reconnue comme l'une des entreprises les plus respectées et les plus innovantes sur le marché local. MFGChips, dont le siège social est situé à Hong Kong, a acquis une réputation impressionnante en matière de service exceptionnel et de développement de solutions efficaces et complètes pour la chaîne logistique mondiale.
Apprendre encore plus >
Navigation d'UAV dans des environnements gs.
Alors que les drones font partie intégrante des villes intelligentes et de l'inspection des infrastructures, cette recherche ouvre la voie à des opérations plus sûres et plus efficaces dans des environnements gs.
La navigation sur les véhicules aériens sans pilote (UAV) sans signaux fiables de système de positionnement mondial (GPS) reste un défi essentiel dans la technologie aérospatiale moderne.Une étude récente de l'Université Prince Sultan, plonge dans les méthodes d'amélioration de la localisation des UAV dans des environnements où les signaux GPS sont faibles ou indisponibles, tels que les canyons urbains ou les zones de catastrophe.La recherche met l'accent sur le potentiel des systèmes basés sur la vision et des approches hybrides combinant divers capteurs et algorithmes pour une navigation plus fiable et en temps réel.
Le GPS, une composante cruciale de la navigation par les drones, échoue souvent dans les zones avec des signaux obstrués ou bloqués.Alors que des alternatives comme les capteurs inertiels et le lidar se sont révélés prometteurs, ils souffrent souvent de problèmes tels que la dérive et les coûts de calcul élevés.L'étude explore les systèmes hybrides qui fusionnent les données de plusieurs capteurs - tels que les unités de mesure lidar, radar et inertielle (IMU) - pour créer des solutions de navigation plus fiables.
La revue analyse plus de 130 articles de recherche, en se concentrant sur deux approches principales pour la navigation par les drones: la localisation absolue, qui repose sur des données sur les terrains pré-mappées, et la localisation relative, qui utilise des données de capteurs en temps réel, comme le slam (localisation simultanée et cartographie) et l'odométrie visuelle inertiale.Bien que les méthodes absolues fonctionnent bien dans des environnements connus, ils luttent dans des zones sans traits ou changements rapides.D'un autre côté, les méthodes relatives offrent une flexibilité mais exigent une puissance de calcul importante.
Les systèmes basés sur la vision, en particulier ceux améliorés par l'IA pour la reconnaissance des fonctionnalités, gagnent du terrain, bien que des défis tels que les conditions d'éclairage persistent.L'étude souligne l'importance de la fusion multi-capteurs, démontrant comment la combinaison des données de divers capteurs et l'application de techniques de filtrage avancées, comme les filtres Kalman, peuvent améliorer la précision de la navigation.Le traitement en temps réel - activé par des accélérateurs matériels comme les GPU - joue un rôle crucial dans la réalisation de la prise de décision plus rapide et plus efficace.
L'auteur principal, le Dr Imen Jarraya, a noté qu'aucun capteur ou algorithme unique ne peut relever pleinement les défis de la navigation par GPS.La recherche souligne la nécessité d'une optimisation plus approfondie des systèmes hybrides pour gérer l'imprévisibilité des environnements allant des zones urbaines denses aux zones de catastrophe à distance.
Les résultats ont des implications importantes pour les industries telles que la logistique, l'agriculture et la défense.Les UAV pourraient fournir des fournitures aux zones frappées de catastrophes sans GPS, ou les drones militaires pourraient opérer dans des régions de signalisation.