会员服务
学成 · 深度学习 · Processing（编程语言） · 相同 · 计算学习理论 ·
2021 年 9 月 17 日
Autonomous Vision-based UAV Landing with Collision Avoidance using Deep Learning
翻译：利用深层学习在避免碰撞避免下着陆
Tianpei Liao,Amal Haridevan,Yibo Liu,Jinjun Shan
Tianpei Liao,Amal Haridevan,Yibo Liu,Jinjun Shan

There is a risk of collision when multiple UAVs land simultaneously without communication on the same platform. This work accomplishes vision-based autonomous landing and uses a deep-learning-based method to realize collision avoidance during the landing process.


翻译：当多个无人驾驶航空器在同一平台上同时降落而没有通信联系时,就有可能发生碰撞。 这项工作实现了基于愿景的自动着陆,并使用了基于深层学习的方法在着陆过程中实现避免碰撞。
0
下载
关闭预览

相关内容

【MIT】反偏差对比学习，Debiased Contrastive Learning
【MIT】反偏差对比学习，Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
46+阅读 · 2020年1月23日
【新书】使用OpenCV学习计算机视觉，深度学习CNNs和RNNs，Learn Computer Vision Using OpenCV With Deep Learning CNNs and RNNs，附163页pdf，
【新书】使用OpenCV学习计算机视觉，深度学习CNNs和RNNs，Learn Computer Vision Using OpenCV With Deep Learning CNNs and RNNs，附163页pdf，
专知会员服务
109+阅读 · 2020年1月22日
【目标检测 | 2019最新综述】基于深度学习的目标检测综述，附30页PDF， A Survey of Deep Learning-based Object Detection（From Fast R-CNN to NAS-FPN）
【目标检测 | 2019最新综述】基于深度学习的目标检测综述，附30页PDF， A Survey of Deep Learning-based Object Detection（From Fast R-CNN to NAS-FPN）
专知会员服务
55+阅读 · 2019年11月15日
【课程推荐】理科学校的深度学习（Deep Learning for Science School）
【课程推荐】理科学校的深度学习（Deep Learning for Science School）
专知会员服务
15+阅读 · 2019年11月10日
【麻省理工学院课程】MIT 6.S094: Deep Learning for Self-Driving Cars，深度学习和自动驾驶课程
【麻省理工学院课程】MIT 6.S094: Deep Learning for Self-Driving Cars，深度学习和自动驾驶课程
专知会员服务
50+阅读 · 2019年11月1日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
Successor representations 强化学习表示的生物学启发
Successor representations 强化学习表示的生物学启发
CreateAMind
6+阅读 · 2019年9月5日
ICRA 2019 论文速览 | 基于Deep Learning 的SLAM
ICRA 2019 论文速览 | 基于Deep Learning 的SLAM
计算机视觉life
41+阅读 · 2019年7月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类：Deep Self-Evolution Clustering
深度自进化聚类：Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【推荐】深度学习目标检测全面综述
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】深度学习目标检测概览
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Andrew NG的新书《Machine Learning Yearning》
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Hierarchies of Planning and Reinforcement Learning for Robot Navigation
Arxiv
0+阅读 · 2021年11月5日
Optimal Inverted Landing in a Small Aerial Robot with Varied Approach Velocities and Landing Gear Designs
Arxiv
0+阅读 · 2021年11月5日
Deep Learning for UAV-based Object Detection and Tracking: A Survey
Arxiv
59+阅读 · 2021年10月25日
Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies
Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies
Arxiv
11+阅读 · 2020年6月10日
Zero-shot Deep Reinforcement Learning Driving Policy Transfer for Autonomous Vehicles based on Robust Control
Zero-shot Deep Reinforcement Learning Driving Policy Transfer for Autonomous Vehicles based on Robust Control
Arxiv
3+阅读 · 2018年12月7日
The Bottleneck Simulator: A Model-based Deep Reinforcement Learning Approach
The Bottleneck Simulator: A Model-based Deep Reinforcement Learning Approach
Arxiv
11+阅读 · 2018年7月12日
CIRL: Controllable Imitative Reinforcement Learning for Vision-based Self-driving
CIRL: Controllable Imitative Reinforcement Learning for Vision-based Self-driving
Arxiv
8+阅读 · 2018年7月10日
No Blind Spots: Full-Surround Multi-Object Tracking for Autonomous Vehicles using Cameras & LiDARs
Arxiv
6+阅读 · 2018年2月23日
Safety-aware Adaptive Reinforcement Learning with Applications to Brushbot Navigation
Arxiv
4+阅读 · 2018年1月29日
Cellular-Connected UAVs over 5G: Deep Reinforcement Learning for Interference Management
Arxiv
4+阅读 · 2018年1月16日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
学成
深度学习
Processing（编程语言）
相同
计算学习理论
相关VIP内容
【MIT】反偏差对比学习，Debiased Contrastive Learning
【MIT】反偏差对比学习，Debiased Contrastive Learning
专知会员服务
90+阅读 · 2020年7月4日
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
46+阅读 · 2020年1月23日
【新书】使用OpenCV学习计算机视觉，深度学习CNNs和RNNs，Learn Computer Vision Using OpenCV With Deep Learning CNNs and RNNs，附163页pdf，
【新书】使用OpenCV学习计算机视觉，深度学习CNNs和RNNs，Learn Computer Vision Using OpenCV With Deep Learning CNNs and RNNs，附163页pdf，
专知会员服务
109+阅读 · 2020年1月22日
【目标检测 | 2019最新综述】基于深度学习的目标检测综述，附30页PDF， A Survey of Deep Learning-based Object Detection（From Fast R-CNN to NAS-FPN）
【目标检测 | 2019最新综述】基于深度学习的目标检测综述，附30页PDF， A Survey of Deep Learning-based Object Detection（From Fast R-CNN to NAS-FPN）
专知会员服务
55+阅读 · 2019年11月15日
【课程推荐】理科学校的深度学习（Deep Learning for Science School）
【课程推荐】理科学校的深度学习（Deep Learning for Science School）
专知会员服务
15+阅读 · 2019年11月10日
【麻省理工学院课程】MIT 6.S094: Deep Learning for Self-Driving Cars，深度学习和自动驾驶课程
【麻省理工学院课程】MIT 6.S094: Deep Learning for Self-Driving Cars，深度学习和自动驾驶课程
专知会员服务
50+阅读 · 2019年11月1日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
热门VIP内容
相关资讯
Successor representations 强化学习表示的生物学启发
Successor representations 强化学习表示的生物学启发
CreateAMind
6+阅读 · 2019年9月5日
ICRA 2019 论文速览 | 基于Deep Learning 的SLAM
ICRA 2019 论文速览 | 基于Deep Learning 的SLAM
计算机视觉life
41+阅读 · 2019年7月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
深度自进化聚类：Deep Self-Evolution Clustering
深度自进化聚类：Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【推荐】深度学习目标检测全面综述
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】深度学习目标检测概览
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Andrew NG的新书《Machine Learning Yearning》
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
相关论文
Hierarchies of Planning and Reinforcement Learning for Robot Navigation
Arxiv
0+阅读 · 2021年11月5日
Optimal Inverted Landing in a Small Aerial Robot with Varied Approach Velocities and Landing Gear Designs
Arxiv
0+阅读 · 2021年11月5日
Deep Learning for UAV-based Object Detection and Tracking: A Survey
Arxiv
59+阅读 · 2021年10月25日
Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies
Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies
Arxiv
11+阅读 · 2020年6月10日
Zero-shot Deep Reinforcement Learning Driving Policy Transfer for Autonomous Vehicles based on Robust Control
Zero-shot Deep Reinforcement Learning Driving Policy Transfer for Autonomous Vehicles based on Robust Control
Arxiv
3+阅读 · 2018年12月7日
The Bottleneck Simulator: A Model-based Deep Reinforcement Learning Approach
The Bottleneck Simulator: A Model-based Deep Reinforcement Learning Approach
Arxiv
11+阅读 · 2018年7月12日
CIRL: Controllable Imitative Reinforcement Learning for Vision-based Self-driving
CIRL: Controllable Imitative Reinforcement Learning for Vision-based Self-driving
Arxiv
8+阅读 · 2018年7月10日
No Blind Spots: Full-Surround Multi-Object Tracking for Autonomous Vehicles using Cameras & LiDARs
Arxiv
6+阅读 · 2018年2月23日
Safety-aware Adaptive Reinforcement Learning with Applications to Brushbot Navigation
Arxiv
4+阅读 · 2018年1月29日
Cellular-Connected UAVs over 5G: Deep Reinforcement Learning for Interference Management
Arxiv
4+阅读 · 2018年1月16日
Top
微信扫码咨询专知VIP会员
Top