个人无人机信息 · 持续更新

从会飞到会识别
用项目带你入门无人机视觉

这里没有资讯搬运和杂项推荐。只有可复现的教学路径、真实的识别项目、以及踩坑记录。 从飞行基础到 YOLO 部署,一个人也能把无人机视觉学明白。

YOLOv8n · 实时检测
🛩️

开始学飞

从模拟器到真机首飞,结构原理、航线规划、图传设置,一步不跳。

进入路径 →
🎯

识别实战

用 YOLO 训练自己的无人机视角数据集,从标注到推理全流程。

查看项目 →
📁

我的项目

可运行的代码、权重、踩坑记录,全部开源在 GitHub。

浏览仓库 →

教学路径:从飞到识

按顺序走,每一步都有可交付的小成果。

01

飞行基础与安全

无人机结构、飞行原理、模拟器练习、第一次真机飞行。先建立手感,再谈识别。

模拟器 首飞检查 安全规范
02

航线规划与图传

航点规划、相机参数、图传链路设置。为后续采集识别数据打好基础。

航点 相机参数 图传
03

识别入门:OpenCV + YOLO 环境

Python 环境、OpenCV 图像基础、YOLO 快速跑通,先用公开权重感受效果。

OpenCV YOLOv8 环境搭建
04

识别实战:训练自己的模型

标注无人机视角数据集、训练轻量模型、部署到地面端或机载端,输出可演示的识别结果。

数据标注 YOLO 训练 部署

识别项目展示

每个项目都有代码、权重和真实检测结果,不是纸上谈兵。

🚗 车辆检测 · 航拍视角

VisDrone 车辆识别

用 YOLOv8n 在 VisDrone 子集上微调,针对小目标优化输入分辨率,展示检测框与置信度。

📦 数据集: VisDrone ⚡ mAP@0.5: 0.72 💻 模型: YOLOv8n
GitHub 仓库 →
🚁 机载实时检测 · 边缘部署

机载端实时目标检测

将 YOLOv8n 部署到 Jetson Nano,配合无人机图传实现低延迟检测,记录帧率与功耗。

📦 硬件: Jetson Nano ⚡ 15 FPS 💻 TensorRT
GitHub 仓库 →
🧠 自定义目标识别 · 标注到推理

自建数据集:特定目标识别

自己采集并标注 800 张无人机视角图像,训练轻量模型,展示从标注到推理的完整流程。

📦 数据: 800 张自采 ⚡ 推理: 22ms 💻 模型: YOLOv8s
GitHub 仓库 →

最近笔记

碎片记录,保持更新。

👨‍💻

关于我

无人机爱好者,计算机视觉方向。这里记录我的教学路径和识别项目,希望用可复现的内容帮助更多人入门。 所有项目代码和权重都会开源,欢迎交流。