Programowanie · trafność 40
Indeks pełnotekstowy
Wyszukiwanie
24 wyników dla „Kalman”
EW i Counter-UAS · trafność 38
Fuzja sensorów Counter-UAS — pomiar, track, niepewność i C2
Fuzja jako osobny system, a nie wspólna mapa: signal/measurement/track/identity/situation levels, modele obserwacji radaru, RF, acoustic, EO i RID, event vs processing time, układy ENU/ECEF/WGS84/AGL/MSL, covariance i protection of uncertainty. Obejmuje Kalman/EKF/UKF/IMM, gating i association, zależności oraz double counting, klasyfikację z conflict, cooperative authorization, lifecycle tracku, cue scheduler, event-sourced model danych, interoperacyjność, HMI, evidence/provenance, system metrics, fault injection, degraded operation i cyber. Kończy się na defensywnym alertowaniu.EW i Counter-UAS · trafność 8
Radar w Counter-UAS — od echa do wiarygodnego tracku
Techniczny przewodnik po radarze jako niezależnym sensorze pierwotnym C-UAS: równanie z zależnością R⁴, zmienny z aspektem RCS, rozdzielczość range/angle, impulsowy/CW/FMCW, Doppler i problem zawisu, mikro-Doppler wirników, clutter i multipath, CFAR, inicjacja oraz podtrzymanie tracku, klasyfikacja z uncertainty, site survey i wieloradarowe pokrycie. Obejmuje radar-to-EO cue, semantics danych C2, metryki Pd/Pfa/latency/continuity, EMI i site-specific spectrum, utrzymanie oraz ograniczenia; bez kierowania efektorami.Nawigacja i autonomia · trafność 4
Dead reckoning UAV
Dead reckoning jako kontrolowany tryb systemowy: rozróżnienie czystej propagacji inercyjnej od aiding optical flow/VIO/airspeed, warunki wejścia i wyjścia, covariance i time-to-limit, continuity controller, source switching, odzyskanie GNSS bez skoku oraz plan testów dropout.Flight controllery · trafność 3
Flight controller — jak działa
Przekrojowa techniczna anatomia kontrolera lotu: sprzęt, domeny czasu, sensory, estymacja stanu, regulatory kaskadowe, alokacja sterowania, wyjścia, zasilanie, odporność na awarie, logowanie i uruchomienie platformy.Diagnostyka · trafność 3
Diagnostyka problemów GNSS w UAV
Metodyczna diagnostyka toru GNSS od anteny i LNA przez interfejs odbiornika po fuzję w EKF: czas do fixa, C/N0 per sygnał, geometria satelitów, accuracy estimates, update rate i latency, multipath i self-jamming, stan korekt RTK, różnice między raw fix a pozycją estymowaną, innowacje pozycji/prędkości, porównanie dwóch odbiorników oraz bezpieczne reakcje na zakłócenia i podejrzenie spoofingu.Sensory · trafność 2
IMU w dronie
Przekrojowa inżynieria toru inercyjnego UAV: znaczenie pomiarów gyro i accel, modele błędów, zakresy, ODR, aliasing, timestamp, FIFO i DMA, filtry, drgania, montaż, kalibracja temperaturowa, redundancja, health monitoring oraz kwalifikacja laboratoryjna.Sensory · trafność 2
Akcelerometr MEMS w UAV
Co naprawdę mierzy akcelerometr, dlaczego w spoczynku pokazuje około 1 g i jak bias, skala, nieortogonalność, wibracje oraz saturacja wpływają na estymację.Sensory · trafność 2
Magnetometr w UAV
Magnetometr jako trójosiowy miernik lokalnego pola: model Ziemi, kalibracja elipsoidy, zakłócenia prądowe i zasady bezpiecznego użycia w estymatorze.Sensory · trafność 2
Barometr w UAV
Zależność ciśnienie–wysokość, pogoda i temperatura, błędy montażowe, tor cyfrowy sensora oraz fuzja barometru z IMU, GNSS i dalmierzem.Programowanie · trafność 2
Filtr komplementarny orientacji
Od filtra pierwszego rzędu dla jednej osi do obserwatora na SO(3): dobór pasm, korekcja wektorowa, bias żyroskopu, odrzucanie zaburzeń i testy.Programowanie · trafność 2
Kwaterniony w kontrolerze lotu
Kwaternion jako reprezentacja obrotu 3D: konwencje, mnożenie, obracanie wektorów, integracja żyroskopu, normalizacja i pułapki implementacyjne.Flight controllery · trafność 2
Redundancja sensorów w flight controllerze
Redundancja bez liczenia samych układów: niezależność zasilania i magistral, wykrywanie stuck/noise/bias, voting, równoległe estymatory i kontrolowane failover.Nawigacja i autonomia · trafność 2
GNSS w UAV
Od pseudoodległości do rozwiązania RTK: integracja odbiornika, antena, opóźnienie, układy odniesienia i walidacja z innymi sensorami.Podstawy · trafność 2
Układy współrzędnych w UAV
Łańcuch transformacji od współrzędnych geodezyjnych przez ECEF i lokalną płaszczyznę do body/sensor frame, z pułapkami wysokości, originu, osi i kowariancji.Sensory · trafność 2
Optical flow w UAV
Optical flow jako pomiar kątowego ruchu obrazu: model projekcyjny, skala z dalmierza, kompensacja obrotu, rolling shutter, tekstura i oświetlenie, układy osi, timestamp, opóźnienie, kalibracja oraz walidacja w EKF.Nawigacja i autonomia · trafność 2
INS w UAV
INS w UAV od siły właściwej i całkowania delta-angle/delta-velocity przez kwaterniony, grawitację, Coriolisa, coning/sculling oraz układy NED/ECEF do inicjalizacji, biasów MEMS, wzrostu błędu, luźnej/ścisłej integracji GNSS i innych źródeł aiding, obserwowalności oraz testów integralności.Nawigacja i autonomia · trafność 2
Visual odometry i VIO w UAV
Architektura visual odometry i visual-inertial odometry dla UAV: geometria projekcyjna, frontend cech, estymacja ruchu, skala monocularna, preintegracja IMU, filtry i optymalizacja sliding-window, układy odom/map/body/camera, kalibracja czasu i ekstrynsyki, metryki jakości, resety oraz bezpieczne podanie wyniku do autopilota.Nawigacja i autonomia · trafność 2
SLAM dla UAV
SLAM jako system dwóch produktów — ciągłej odometrii i korygowanej mapy: visual, lidar oraz lidar-inertial frontend, scan matching, keyframes i submapy, pose graph i loop closure, occupancy/octree, TSDF i ESDF dla planowania, obsługa zmian ramy, pamięci, dynamiki sceny, jakości oraz testów regresyjnych.Sensory · trafność 2
Prędkościomierz i rurka Pitota w UAV
Kompletny tor airspeed: geometria rurki Pitota i portu statycznego, równanie Bernoulliego oraz poprawki gęstości, wybór zakresu czujnika różnicowego, pneumatyka i kondensacja, I²C/DroneCAN, offset i ratio, position error, lot kalibracyjny w wielu kierunkach, plausibility względem GNSS i wiatru, dual sensor, failure cases, użycie przez TECS i VTOL oraz kwalifikacja od manometru po próby w locie.Symulacja · trafność 2
Model sensora w symulacji UAV
Metodyka budowy modelu sensora między stanem prawdziwym symulatora a sterownikiem: poprawne układy osi i punkt pomiaru, mechanika próbkowania oraz timestamp, pasmo i anti-aliasing, opóźnienie i jitter, white noise jako density zależna od częstotliwości, bias statyczny i dynamiczny, random walk, skala, nieliniowość, cross-axis, kwantyzacja, clipping, dropout i błędy statusu. Obejmuje modele IMU, GNSS, barometru, magnetometru, airspeed, lidar/kamery, estymację parametrów z danych, covariance, walidację statystyczną oraz deterministyczne testy regresji.Platformy · trafność 1
Crazyflie jako platforma badawcza
Crazyflie 2.1+ jako instrument badawczy, nie zabawka: dual-MCU STM32F405/nRF51822, BMI088/BMP388, brushed propulsion i wariant Brushless, 2,4 GHz/BLE/CRTP, architektura estimator–controller, param/log API, automatycznie wykrywane decki z konfliktem pinów i wersjonowaniem firmware, systemy pozycjonowania Lighthouse, Loco UWB, motion capture i Flow, swarm scaling oraz rygor powtarzalności, synchronizacji czasu, bezpieczeństwa i kwalifikacji eksperymentu.EW i Counter-UAS · trafność 1
Detekcja akustyczna UAV — od harmonicznych do tracku
Praktyczny opis pasywnej akustycznej detekcji UAV: dźwięk rotorów/silnika, blade-passing frequency, tłumienie i refrakcja, wind/background noise, mikrofon i osłona, FFT/STFT, log-mel/MFCC, event detection oraz kalibracja false alerts. Obejmuje array geometry, delay-and-sum/MVDR/MUSIC, GCC-PHAT i TDOA, propagacyjne opóźnienie dźwięku, tracking, rozmieszczenie nodes, fusion cue, dataset leakage, cross-site tests, privacy-by-design i utrzymanie. Sensor jest pozycjonowany głównie jako wtórna walidacja, nie uniwersalny dalekosiężny detektor.EW i Counter-UAS · trafność 1