# pilab_research_fields **Repository Path**: rtang_heu/pilab_research_fields ## Basic Information - **Project Name**: pilab_research_fields - **Description**: 西北工业大学飞行器智能感知与控制实验室 - 研究方向 - **Primary Language**: Unknown - **License**: GPL-3.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 65 - **Created**: 2021-10-02 - **Last Updated**: 2021-10-02 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 飞行器智能感知与控制实验室 - 研究方向 实验室围绕飞行器开展环境感知、空间认知、控制等方面的研究工作，研究工作的体系架构如下图所示： ![research-system](images/research_system.png) 研究工作介绍可以查阅： * [《Visual SLAM and Navigation》实验室研究整体介绍](http://www.adv-ci.com/download/202004_VisualSLAM_Navigation.pdf) * [《实验室研究成果视频》](https://www.bilibili.com/video/BV1a5411j7kH/) * [《发表论文列表》](http://www.adv-ci.com/blog/publications/) * [《实验室Seminar》](https://gitee.com/pi-lab/seminar) ， [《实验室Seminar视频》](https://www.bilibili.com/video/BV1uK4y1Y7et) * [《实验室公开课》](https://gitee.com/pi-lab/open-course)， [《实验室公开课视频》](https://www.bilibili.com/video/BV1oy4y1S78z) 部分研究方向如下所列： * [《语义定位与地图》](https://gitee.com/pi-lab/research_semantic_localization)：主要研究如何通过构建认知地图的方式，实现空间定位等。 * [《SLAM》](https://gitee.com/pi-lab/research_deep_SLAM)： 主要研究如何融合传统的SLAM与深度学习SLAM，从而模拟人类的环境感知。 * [《在线学习与增量学习》](https://gitee.com/pi-lab/research_online_learning)： 研究如何实现模型训练与推理融合一体，从而应对新的场景与变化。 * [《差异检测》](https://gitee.com/pi-lab/research_change_detection)：研究如何有效对比不同时刻的图像，判断语义层面的差异和变化 * [《智能控制》](https://gitee.com/pi-lab/intelligent-control)： 主要研究如何通过机器学习等人工智能方法实现类人的智能控制。 * [《无人机与地面机器人的协同环境感知与控制》](https://gitee.com/pi-lab/research_air_gound_collaboration)：研究将机器人与无人机有机融合，使用无人机来进行快速的环境感知并实时传输给机器人实现协调任务执行。 * [《无人机飞行控制器》](https://gitee.com/pi-lab/research_flight_controller)：研究无人机飞控、地面站、集群控制。 ## 1. 如何做研究 关于如何做研究，请仔细阅读[《如何做研究》](tips/HowToResearch.md) 想要取得好的研究成果，很好的编程、数学、思维能力必不可少，但刚开始的时候各项能力都比较弱，会处处受挫，所以不要着急，每个人需要根据自己的特点，找到一个突破口，慢慢从这个突破口取得成绩并获得成就感。例如你觉得理论能力相对好，可以先从理论创新开始，然后补其他编程基础的短板；如果自己觉得自己的编程能力比较强，可以先从修改程序入手，逐步加入新的想法，然后逐步学习理论知识。 由于研究生期间的时间比较短，而所需要学习的东西非常多，因此合理的时间分配是十分重要的。此外对所做的研究需要找到相关资料、了解已有哪些方法、问题有哪些等。因此需要在开始研究之后，制定自己的[《研究计划》](tips/master_life/Guidelines_for_ResearchPlanning.md)。制定计划的时候，不用贪多求全，可以先把已经知道的写好，通过研究过程认识的加深不断完善，从而最终完成研究计划和研究本身。更多的内容请参考[《如何做研究》](tips/HowToResearch.md) ## 2. 学习研究的前奏 在开始研究之前，需要将下列基础知识的学习、练习完成，从而加快后续研究的效率。**磨刀不误砍柴工！** 1. 研究不仅仅是时间的付出，更多的是学习、琢磨研究的方法等，因此需要先学习一下： - [《学习成功之道》](tips/Tao_for_Success) - [《如何做研究》](tips/HowToResearch.md) - [《如何学习 - 研究的心得与方法》](tips/README.md) 2. 编程在研究过程非常重要，比较强的编程能力能够快速将想法实现，在相关研究开始之前，先学习一下编程、数据结构、算法、Debug、常用工具等。课程主页在：[《一步一步学编程》](https://gitee.com/pi-lab/learn_programming) 3. 相关研究的基础的自学： - [《飞行器智能感知与控制实验室 - 入门教程》](https://gitee.com/pi-lab/SummerCamp) ， [（视频）](https://www.bilibili.com/video/BV1dq4y1M7i8/) - 以及对应的练习题: [《飞行器智能感知与控制实验室 - 入门教程配套练习题》](https://gitee.com/pi-lab/SummerCampHomework) 4. 机器学习越来越多的应用到各个研究方向，是一项必备的研究技能 - [《机器学习教程》](https://gitee.com/pi-lab/machinelearning_notebook) - [《机器学习作业》](https://gitee.com/pi-lab/machinelearning_homework) ## 3. 教程 ### 3.1 一步一步、基础教程 * 研究方法论 - [《学习成功之道》](tips/Tao_for_Success) - [《如何做研究》](tips/HowToResearch.md) - [《研究的心得与方法》](tips/README.md) - [《人生中转站 - 人生目标与能力模型》](https://gitee.com/pi-lab/terminal) * [研究文献的汇总](references/README.md) * 学术研究 - [《本科毕业设计指南》](https://gitee.com/pi-lab/graduation_project_guide)， [《西北工业大学 - 学士论文LaTex模版与示例》](https://gitee.com/pi-lab/template_bachelor) - [《硕士研究与毕业指南》](https://gitee.com/pi-lab/master_project_guide)， [《西北工业大学 - 硕士论文LaTex模版与示例》](https://gitee.com/pi-lab/template_master) - [《博士研究与毕业指南》](https://gitee.com/pi-lab/doctor_project_guide) * 实验室研究活动 - [《实验室研究成果视频》](https://www.bilibili.com/video/BV1a5411j7kH/) - [《发表论文列表》](http://www.adv-ci.com/blog/publications/) - [《实验室Seminar》](https://gitee.com/pi-lab/seminar)， [《实验室Seminar视频》](https://www.bilibili.com/video/BV1uK4y1Y7et) - [《实验室公开课》](https://gitee.com/pi-lab/open-course)， [《实验室公开课视频》](https://www.bilibili.com/video/BV1oy4y1S78z) - [《实验室读书会》](https://gitee.com/pi-lab/book_reading) * 写作等基本技能 - [《一步一步学写作》](https://gitee.com/pi-lab/learn_writting) - [《如何写论文》](tips/paper_writting/README.md) - [《如何审论文》](tips/paper_writting/paper_review/README.md) - [《如何回复审稿意见》](tips/paper_writting/paper_response/README.md) - [《如何申请专利》](tips/patent_writting/README.md) - [《如何申请基金》](tips/funding_proposal/README.md) * 教程、编程开发技能 - [《一步一步学编程》](https://gitee.com/pi-lab/learn_programming) - [《一步一步学SLAM》](https://gitee.com/pi-lab/learn_slam) - [《一步一步学ROS》](https://gitee.com/pi-lab/learn_ros) - 飞行器智能感知与控制实验室-暑期培训 - [《飞行器智能感知与控制实验室-暑期培训教程》](https://gitee.com/pi-lab/SummerCamp) , [（视频）](https://www.bilibili.com/video/BV1dq4y1M7i8/) - [《飞行器智能感知与控制实验室-暑期培训作业》](https://gitee.com/pi-lab/SummerCampHomework) - 机器学习教程与作业 - [《机器学习教程》](https://gitee.com/pi-lab/machinelearning_notebook) - [《机器学习课程作业》](https://gitee.com/pi-lab/machinelearning_homework) - [《实现、编程方法论》](tips/research_method/README.md) * 项目、产品技能 - [《一步一步学项目管理》](https://gitee.com/pi-lab/learn_project_management) - [《一步一步学产品开发》](https://gitee.com/pi-lab/learn_product_development) ### 3.2 资源文件等 * [实验室Wiki](https://gitee.com/pi-lab/Wiki) ， [实验室Wiki (内网)](http://192.168.1.3/PI_LAB/Wiki) * 研究小组 - 智能感知研究方向 https://gitee.com/pi-lab/research_intelligent_perception - 智能感知与控制方向 https://gitee.com/pi-lab/group-meeting---wind-estimation - [resources-research](https://gitee.com/pi-lab/resources-research) , [resources-research (内网)](http://192.168.1.3/PI_LAB/resources-research) - [resources-book](https://gitee.com/pi-lab/resources) , [resources-book (内网)](http://192.168.1.3/PI_LAB/resources) - [resources-fonts](https://gitee.com/pi-lab/resources-fonts) , [resources-fonts (内网)](http://192.168.1.3/PI_LAB/resources-fonts) ### 3.3 工具教程 * [Linux](https://gitee.com/pi-lab/learn_programming/tree/master/6_tools/linux) * [Git](https://gitee.com/pi-lab/learn_programming/tree/master/6_tools/git) * [Markdown](https://gitee.com/pi-lab/learn_programming/tree/master/6_tools/markdown) * [CMake](https://gitee.com/pi-lab/learn_programming/tree/master/6_tools/cmake) ## 4. 软件、代码、数据 软件和代码的总览可在[《Source/Data》](http://www.adv-ci.com/blog/source/)找到全部的列表，代码实例片段可以[《Code Cook》](https://gitee.com/pi-lab/code_cook)中找到。下面是详细的分类： ### 4.1 C++编程 C++在计算机视觉、机器学习领域有非常多的应用，如果有比较好的C++编程基础，则能够显著提高研究过程试错的速度。 * [Svar](https://gitee.com/pi-lab/Svar) : 一个模块化的C++11库，提供了参数读取、调用、JSON、Python绑定、插件架构 * [简单的路径规划模拟系统](https://gitee.com/pi-lab/DynamicPathPlanning) ： 提供了一个简单的C++模拟系统，支持地图编辑、路径规划、可视化等功能 * [C++的2D SLAM演示系统](https://gitee.com/pi-lab/fastslam) : 一个简单的2D EKF/Fast SLAM演示系统，通过这个演示系统，能够学会如何将算法、Qt GUI结合起来 * [GSLAM](https://gitee.com/pi-lab/GSLAM) : 提供了一套SLAM的插件化设计接口、库函数 ### 4.2 Qt编程 Qt是一个非常便捷的跨平台GUI、可视化编程框架，通过可视化能够提高自己研究成果的显示度、并提高Debug的效率等等。 * [C++的2D SLAM演示系统](https://gitee.com/pi-lab/fastslam) : 一个简单的2D EKF/Fast SLAM演示系统，通过这个演示系统，能够学会如何将算法、Qt GUI结合起来 * [SimpGCS](https://gitee.com/pi-lab/SimpGCS) : 一个简单的地面站程序，通过解析MAVLINK协议，将无人机的位置等信息可视化在Qt的地图控件上 * [opmapcontrol_ex](https://gitee.com/pi-lab/opmapcontrol_ex) : 一个卫星地图控件，了解如何编写复杂的Qt GUI程序，并了解如何将复杂的功能进行包装 * [简单的路径规划模拟系统](https://gitee.com/pi-lab/DynamicPathPlanning) ： 提供了一个简单的C++模拟系统，支持地图编辑、路径规划、可视化等功能 * [FastGCS无人机地面站](https://gitee.com/pi-lab/FastGCS)：能够支持航线飞行、定点飞行的无人机地面站，整合了无人机实时地图、无人机飞行仿真 ### 4.3 仿真 * [C++的2D SLAM演示系统](https://gitee.com/pi-lab/fastslam) : 一个简单的2D EKF/Fast SLAM演示系统，通过这个演示系统，能够学会如何将算法、Qt GUI结合起来 * [简单的路径规划模拟系统](https://gitee.com/pi-lab/DynamicPathPlanning) ： 提供了一个简单的C++模拟系统，支持地图编辑、路径规划、可视化等功能 * [基于视觉Marker的无人机自动着陆系统](https://gitee.com/pi-lab/uav-autolanding) ： 提供了一套无人机视觉引导降落的系统 ### 4.4 计算机视觉 * [GSLAM](https://gitee.com/pi-lab/GSLAM) : 提供了一套SLAM的插件化设计接口、库函数 * [PI-SLAM](https://gitee.com/pi-lab/pi-slam) : 智能系统实验室开发的插件化SLAM系统，能够学习视觉SLAM编程 * [Map2DFusion](https://gitee.com/pi-lab/Map2DFusion) ： 实时二维地图拼接，通过视觉SLAM解算位姿，并增量式拼接二维地图 * [序列化图像的SfM重建](https://gitee.com/pi-lab/SequenceSfM) : 本实例程序演示了如何编写基本的SfM程序，通过利用序列化数据的特点加快重建的速度 ### 4.5 机器学习 * [航拍图像的物体检测](https://gitee.com/pi-lab/pi-det)：演示如何使用YOLO+PyTorch实现物体检测与在线增量学 * [基于像素对应的差异检测](https://gitee.com/pi-lab/Mask-CDNet) : 演示了如何通过像素级对应实现差异的检测 * [PyTorch版本的NetVLAD](https://gitee.com/hu_jinsong/pytorch_-net-vlad)：基于PyTorch的NetVLAD代码，实现场景认识、重定位 * 目标识别与跟踪 - [静态目标识别—yolov4_pytorch实现](https://gitee.com/hu_jinsong/yolov4_-py-torch) - [人工画框后跟踪—pysot实现](https://gitee.com/hu_jinsong/py-sot_-tracking-after-artificial-frame) - [自动识别跟踪—deepsort_yolov4实现](https://gitee.com/hu_jinsong/deepsort_yolov4)