CN104656663A - 一种基于视觉的无人机编队感知与规避方法 - Google Patents
一种基于视觉的无人机编队感知与规避方法 Download PDFInfo
- Publication number
- CN104656663A CN104656663A CN201510082625.1A CN201510082625A CN104656663A CN 104656663 A CN104656663 A CN 104656663A CN 201510082625 A CN201510082625 A CN 201510082625A CN 104656663 A CN104656663 A CN 104656663A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- formation
- target obstacle
- flight
- coordinate system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于视觉的无人机编队感知与规避方法,通过编队中每一架无人机上设置的机载视觉传感器检测出目标障碍物在其对应的图像平面坐标系中的位置,推导出目标障碍物对应的相机坐标系到对应的世界坐标系的转移矩阵M;然后,选取任意两架机载视觉传感器得到的目标障碍物对应的相机坐标系到对应的世界坐标系的转移矩阵M,计算出目标障碍物在世界坐标系中的位置;确定目标障碍物是否对虚拟掌机和虚拟安全区域造成威胁;确定编队采取的避撞方式。使编队在保持队形不变以及编队队形打破重新组合的方式规避目标障碍物。
Description
技术领域
本发明属于无人机导航与控制技术领域,具体涉及一种基于视觉的无人机编队感知与规避方法。
背景技术
无人机编队飞行,即多架无人机为适应任务要求而进行的某种队形排列和任务分配的组织模式,它既包含编队飞行的队形产生、保持和变化,也包括飞行任务的规划和组织。多无人机编队(Multi-UAV,MUAV)应世事需求而生:在军用领域,通过数以百计、千计的无人机能够实现快速构建战区立体化传感器网络,实现整个战场的全方位,多视角环境感知。在民用领域,多无人机可以实现大视场的环境监控,灾害快速反应、快速的地图生成,全局视频直播等任务。无人机编队协同能够使实现微小型无人机的效能最大化,不仅能够扩大其在军事领域的作战能力,也能在民用领域给国民经济带来巨大的推动作用。
现代的无人机越来越密集,无人机在大量的军民两用的使用中变得越来越广泛,随着微小飞行器的快速发展,未来的空域会变得越来越密集。开展无人机感知与规避(Sense and avoid,SAA)研究变得越来越紧迫。随着信息化水平的快速提高和航空技术的飞速发展,无人机在军事领域以及民用领域的不断拓展,一些远程的大型无人机不断涌现,飞行范围、运行时间成倍增长,远程无人机使用空域运行已经是必然趋势。无人机感知与规避技术是指无人机利用机载传感器或者地面监视系统完成对空域飞行环境的监视和飞行目标的状态获取,对潜在的碰撞威胁的目标进行规避路径规划,完成规避机动任务,从而保证无人机航路飞行安全。
随着飞机自动控制技术与传感器技术的发展,空域中飞行器对于碰撞威胁的规避能力也在逐步的改进和完善。早期的飞机防撞系统都是在预先规划的航路及设定操作规程的基础上建立的,由于需要对碰撞威胁做出分析和判断,因此飞行员的操作在早期的飞机防撞系统中是必不可少的环节,但是,飞行员的操作会容易受到各种因素的影响,由此产生了安装在飞机上的自动防撞系统,这些自动防撞系统利用传感器数据预测飞机发生碰撞的机率,有的自动防撞系统还可以产生相应的避障制导指令。上世纪九十年代初,功能相对简单的飞机空中防撞系统已经作为空中交通管理系统(Air TrafficControl System)的一部分,如空中交通碰撞预警和规避系统(Traffic Alert andCollision Avoidance System,TCAS)。近年来,美国研制了更为先进的交通碰撞探测和规避系统,这些系统利用包含当前空域中所有飞机航路的数据链信息,保证飞机在空域中的飞行安全,如广播式自动相关监视系统(AutomaticDependent Surveillance-Broadcast System,ADS-B)。
现代无人机在尺寸、重量、作战距离和高度上都有很大不同。目前世界各国所用的无人机也像北约在科索沃使用的七种无人机一样,执行的主要任务是监视、侦察和目标截获,提供图像情报。其所用的任务有效载荷都是光学照相机、红外行扫描器、电视摄像机、前视红外等无源成像探测设备。无人机执行监视、侦察和目标截获任务最主要是用光学照相机、红外行扫描器、电视摄像机和前视红外(热成像器)等任务有效载荷获取敌方图像情报提供指挥作战。无人机自身体积小,有效载荷相对较小,分布在10克~1千克,因此需要搭载的传感器尽量的体积小,质量轻。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足,提供一种基于视觉的无人机编队感知与规避方法,使编队在保持队形不变以及编队队形打破重新组合的方式规避目标障碍物。
利用多机编队的双目测距,根据检测的信息,实时跟踪与测量,通过建立飞行安全区域,在保持队形不变以及编队队形打破重新组合的。
为解决上述技术问题,本发明采用的技术方案是,一种基于视觉的无人机编队感知与规避方法,其特征在于,包括以下步骤:
步骤一、通过编队中每一架无人机上设置的机载视觉传感器检测出目标障碍物在其对应的图像平面坐标系中的位置,推导出目标障碍物对应的相机坐标系到对应的世界坐标系的转移矩阵M;
步骤二、选取步骤一中所得的任意两架机载视觉传感器得到的目标障碍物对应的的相机坐标系到对应的世界坐标系的转移矩阵M,通过双目视觉测距的原理,计算出目标障碍物在世界坐标系中的位置;
步骤三、在编队中定义虚拟掌机和虚拟安全区域,由步骤二中所得的目标障碍物在世界坐标系中的位置,计算得出目标障碍物与虚拟掌机及虚拟安全区域的距离,确定目标障碍物是否对虚拟掌机和虚拟安全区域造成威胁;
步骤四、根据步骤三所得的结果,当目标障碍物不对虚拟掌机和虚拟安全区域造成威胁时,编队保持原航路飞行;
当目标障碍物对虚拟掌机和虚拟安全区域造成威胁时,编队中相应的无人机进行规避,完成避撞后,进入原来的编队,编队回归原来的航路。
进一步地,步骤一中的具体过程如下:
根据机载视觉传感器监测到的目标障碍物的信息,计算出其在图像平面坐标系中的位置;然后依次计算出目标障碍物在成像平面坐标系中的位置、目标障碍物在相机坐标系中的位置、目标障碍物相对于机体坐标系的位置、目标障碍物在世界坐标系中的位置;其中选用的相机坐标系,采用四元算法进行姿态转移,以解决姿态转移中的奇异值问题。
进一步地,步骤二中的具体过程如下:
选取编队中任意两架无人机,将由步骤一种所得的它们分别对应的目标障碍物的转移矩阵M建立方程组,通过最小二乘法,计算出目标障碍物在世界坐标系中的位置。
进一步地,步骤三中的具体过程如下:
计算出虚拟掌机的位置,其中:PGC为编队中心位置,是第i架无人机的飞行位置;
确定虚拟掌机的虚拟安全区域,将虚拟安全区域定义为椭球飞行包络:
其中,编队采取安全飞行模式,定义编队飞行方向为x方向,z轴沿编队位置向上,y轴满足右手规则;a为x轴上的长半轴,b为y轴上的短半轴,c为z轴方向上的短半轴,无人机飞行过程中,以飞行安全碰撞时间为长半轴,这样定义最短碰撞距离d,定义b=c,选取黄金分割点:这样就完成了椭球飞行包络的定义;
则ds的方向与编队飞行方向一致,即编队速度方向;
其中:ds是飞行的安全距离,R为定制,根据编队队形进行系统性定义;D为飞行安全距离;T为飞行安全最短时间;VT为目标障碍物飞行速度;VP为编队飞行速度;
这样,当a=||ds||.可以计算出虚拟掌机的虚拟安全区域,即椭球飞行包络;
计算编队中单架次无人机的飞行安全区域,
对编队每一架飞机进行飞行安全区域划分,计算每一架飞机的最小分离距离
其中:为目标障碍物的相运动速度,其中和分别是目标障碍物的运动速度以及单架次无人机的运动速度,定义相对运动速度径向距离为无人机与目标障碍物的径向距离。
进一步地,步骤四中的具体过程如下:
计算由单架次无人机的转弯半径:
和单架次无人机的最大转弯加速度由以上可得:
则其中VFLN∈(Vmin,Vmax),acent≤f(VL,RL,Vmax);为单架次无人机的转弯半径的范围;
无人机在飞行过程中的速度必须满足(Vmin,Vmax),其中Vmin为单架次无人机的最小的速度值,Vmax为单架次无人机的最大的速度值,f是无人机能够提供的最大推力以及侧向力矩;
计算编队中的单架次无人机由虚拟掌机左侧避撞与右侧避撞的最大转弯半径,要使单架次无人机满足的飞行要求,通过信息交互,当所有编队成员具有满足同一侧避撞需求时,即进行无人机编队同侧避撞;当某几架无人机不能满足飞行要求是,必须离开编队,打破原来的队形,组成独立的编队,进行避撞;完成避撞后,打开的独立编队重新整合,进入原来的编队,编队回归原来的航路。
本发明一种基于视觉的无人机编队感知与规避方法,通过机载视觉传感器,在视觉测距缺失的情况下,引入了多机编队的双目测距方法。根据检测到的目标障碍物的信息,实时跟踪与测量,通过建立的椭球形飞行包络,来达到判断是否存在威胁的目的。最后,通过威胁检测范围的划分,在保持队形不变以及编队队形打破重新组合的方法来满足避撞与任务完成的要求。
附图说明
图1是本发明算法步骤图。
图2是本发明双机双目目标位置检测示意图。
图3是本发明中无人机编队与入侵机示意图。
图4是本发明无人机编队飞行安全包络。
图5是本发明编队进行避撞无需打开队形示意图。
图6本发明编队需要打开编队队形进行避撞示意图。
具体实施方式
如图1所示,本发明一种基于视觉的无人机编队感知与规避方法,包括以下步骤:
一、通过编队中每一架无人机上设置的机载视觉传感器检测出目标障碍物在其对应的图像平面坐标系中的位置,推导出目标障碍物对应的相机坐标系到对应的世界坐标系的转移矩阵M;
根据机载视觉传感器监测到的目标障碍物的信息,计算出其在图像平面坐标系中的位置;然后依次计算出目标障碍物在成像平面坐标系中的位置、目标障碍物在相机坐标系中的位置、目标障碍物相对于机体坐标系的位置、目标障碍物在世界坐标系中的位置;其中选用的相机坐标系,采用四元算法进行姿态转移,以解决姿态转移中的奇异值问题;具体过程如下:
通过机载传感器与机载信息处理系统,计算出目标障碍物在图像坐标系O0-uv中的坐标(u,v);
计算目标障碍物在成像平面坐标系O1-uv中的位置(x,y),其中dx,dy分别为x轴和y轴上的焦距分量、v0,u0为中心坐标,s1为相机偏移系数;
根据目标障碍物在成像平面坐标系中的位置(x,y),得出目标障碍物在相机坐标系Oc-XcYcZc中的位置(Xc,Yc,Zc),其中,Zc与摄相机的光轴重合,f是有效焦距;
根据相机坐标系与机体坐标系的转换关系,计算目标障碍物相对于机体坐标系Ox-xyz的位置(Xx,Yy,Zz);
设相机云台具有三轴方向的旋转,且相机坐标系与机体坐标系、世界坐标系具有相同的方向。这样,设云台与三轴方向的姿态角为:为了解决姿态转移中的奇异值问题,采用四元数法进行姿态转移,则四元数表示法有:
则姿态旋转矩阵为:
相机坐标系转移到机体坐标系之间的转移关系为:
Px=R*Pc+T (5);
其中,T为相机坐标系相对机体坐标系的位置偏移量。则通过公式(5),可以得到式(6),即:
通过公式(6)计算目标障碍物在世界坐标系O-XwYwZw下的位置(XwYwZw);
其中,Tw(x,y,z)为无人机相对于世界坐标系的位置偏移,Rw(,θ,Ψ)为无人机的姿态转移矩阵。
通过从式(1)至式(7)的推导关系,可以建立目标障碍物在图像平面坐标系到世界坐标系之间的位置转移关系:
由于公式(8)中只有两个已知量(u,v)需要计算出目标障碍物在世界坐标系下的位置(XwYwZw)是一个不可解量。
二、选取如上所得的任意两架机载视觉传感器得到的目标障碍物对应的的相机坐标系到对应的世界坐标系的转移矩阵M,通过双目视觉测距的原理,应用最小二乘法,计算出目标障碍物在世界坐标系中的位置;具体过程如下:
如图2所示,根据双目测距原理,根据两个相机中目标障碍物在图像平面坐标系的位置,可以计算出目标障碍物在世界坐标系中位置关系。和通常的双目测距不同的是,相机的内参标定已知,而外参的标定时通过成像平面坐标系与云台坐标系,云台坐标系与机体坐标系,机体坐标系与世界坐标系之间的转换关系得到。相机坐标系与机体坐标系,机体坐标系与世界坐标系之间的姿态角是通过角度测量仪得到,因此可以知道矩阵M是一个时变矩阵,则通过时变矩阵关系得到。
通过式(8)中第i,j架飞机的转移矩阵M,可以建立方程组,得到i,j双目测距下的目标障碍物的位置Pij(Xw,Yw,Zw);
其中,(u1,v1),(u2,v2)为两架飞机在图像平面坐标系下的坐标,则(9)(10)联立得:
由这个方程组可以解出相机坐标系下三个解,得到Pij(Xw,Yw,Zw)。
通过最小二乘原理,设定一个无人机编队中具有N架无人机,则依据两架飞机可以计算出目标的当前位置,根据数值加权可得到目标的位置:
其中是第i个飞机和第j个飞机的所确定的无人机的位置坐标。
三、在编队中定义虚拟掌机和虚拟安全区域,由步骤二中所得的目标障碍物在世界坐标系中的位置,计算得出目标障碍物与虚拟掌机及虚拟安全区域的距离,确定目标障碍物是否对虚拟掌机和虚拟安全区域造成威胁;
定义编队虚拟掌机:
其中,是第i架无人机的飞行位置,PGC为编队中心位置。由编队飞行规则可知,无人机编队飞行过程中,始终跟着飞行编队方向飞行,无人机与虚拟掌机按照一种跟随模式飞行。飞行过程中,虚拟掌机采用矢量叠加法,按照预先定好的位置,即本机相对于虚拟掌机的矢量为: 按照事先预定好的编队队形进行飞行。通过获取虚拟掌机的GPS数据与本机GPS数据检测出虚拟掌机与本机的位置矢量,改变编队成员的位置来保持位置矢量的不变性。虚拟掌机为编队中的领导机。
如图4所示,确定虚拟掌机的虚拟安全区域,将虚拟安全区域定义为椭球飞行包络:
其中,编队采取安全飞行模式,定义编队飞行方向为x方向,z轴沿编队位置向上,y轴满足右手规则;a为x轴上的长半轴,b为y轴上的短半轴,c为z轴方向上的短半轴,无人机飞行过程中,以飞行安全碰撞时间为长半轴,这样定义最短碰撞距离d,定义b=c,选取黄金分割点:这样就完成了椭球飞行包络的定义;
则ds的方向与编队飞行方向一致,即编队速度方向;
其中:ds是飞行的安全距离,R为定制,根据编队队形进行系统性定义;D为飞行安全距离;T为飞行安全最短时间;VT为目标障碍物飞行速度;VP为编队飞行速度;
这样,当a=||ds||.可以计算出虚拟掌机的虚拟安全区域,即椭球飞行包络;
当目标障碍物进入椭球飞行包络后,即可认为是具有威胁,进行告警预示。同时开启避撞检测算法。当具有威胁时,则立即建立避撞系统。
同时,需对每一架飞机进行飞行安全区域的划分,计算每一架飞机的最小分离距离
对编队每一架飞机进行飞行安全区域划分,计算每一架飞机的最小分离距离
其中:为目标障碍物的相运动速度,其中和分别是目标障碍物的运动速度以及单架次无人机的运动速度,定义相对运动速度径向距离为无人机与目标障碍物的径向距离。
进入椭球飞行包络范围的无人机可以进行避撞主要采用两种避撞策略,即①采用编队队形统一避撞,②编队队形打开进行避撞,避撞完成后编队会重新组合。根据上述步骤计算出的无人机飞行安全等级,在满足避撞需求的情况下,建立避撞系统。
四、根据步骤三所得的结果,当目标障碍物不对虚拟掌机和虚拟安全区域造成威胁时,编队保持原航路飞行;
如图3所示,当目标障碍物对虚拟掌机和虚拟安全区域造成威胁时,编队中相应的无人机进行规避,完成避撞后,进入原来的编队,编队回归原来的航路。
根据无人机的性能,计算由单架次无人机的转弯半径:
和单架次无人机的最大转弯加速度由以上可得:
其中VFLN∈(Vmin,Vmax),acent≤f(VL,RL,Vmax);为单架次无人机的转弯半径的范围;
无人机在飞行过程中的速度必须满足(Vmin,Vmax),其中Vmin为单架次无人机的最小的速度值,Vmax为单架次无人机的最大的速度值,f是无人机能够提供的最大推力以及侧向力矩;
对于编队飞行的无人机而言,为了保持无人机编队队形的一致性,必须使得每架无人机保持相同的转弯半径RFLN,但是,这不符合每架无人机的飞行安全机制。根据中单架次飞机的飞行安全距离,无人机的相对避撞可以有两种避撞策略;
编队中的每架成员计算虚拟掌机左侧避撞与右侧避撞的最大转弯半径的情况下的,本机能够满足编队最小安全距离的飞行要求。通过信息交互,编队成员将具有的左侧避撞与右侧避撞计算,当所有编队成员具有满足同一侧避撞需求时,即进行无人机编队同侧避撞,如图5所示。当某几架无人机不能满足飞行要求是,必须离开编队,打破原来的队形,组成独立的编队,进行避撞,如图6所示。
完成避撞,打开独立编队重新整合,进入原来的编队,编队回归原来的航路。
对于轻小型编队飞行无人机,光电传感器作为对非合作目标是一种非常重要和有效的感知与规避方法。本发明适用于军民两用领域。
Claims (5)
1.一种基于视觉的无人机编队感知与规避方法,其特征在于,包括以下步骤:
步骤一、通过编队中每一架无人机上设置的机载视觉传感器检测出目标障碍物在其对应的图像平面坐标系中的位置,推导出目标障碍物对应的相机坐标系到对应的世界坐标系的转移矩阵M;
步骤二、选取步骤一中所得的任意两架机载视觉传感器得到的目标障碍物对应的的相机坐标系到对应的世界坐标系的转移矩阵M,通过双目视觉测距的原理,计算出目标障碍物在世界坐标系中的位置;
步骤三、在编队中定义虚拟掌机和虚拟安全区域,由步骤二中所得的目标障碍物在世界坐标系中的位置,计算得出目标障碍物与虚拟掌机及虚拟安全区域的距离,确定目标障碍物是否对虚拟掌机和虚拟安全区域造成威胁;
步骤四、根据步骤三所得的结果,当目标障碍物不对虚拟掌机和虚拟安全区域造成威胁时,编队保持原航路飞行;
当目标障碍物对虚拟掌机和虚拟安全区域造成威胁时,编队中相应的无人机进行规避,完成避撞后,进入原来的编队,编队回归原来的航路。
2.按照权利要求1所述的一种基于视觉的无人机编队感知与规避方法,其特征在于,所述步骤一中的具体过程如下:
根据机载视觉传感器监测到的目标障碍物的信息,计算出其在图像平面坐标系中的位置;然后依次计算出目标障碍物在成像平面坐标系中的位置、目标障碍物在相机坐标系中的位置、目标障碍物相对于机体坐标系的位置、目标障碍物在世界坐标系中的位置;其中选用的相机坐标系,采用四元算法进行姿态转移,以解决姿态转移中的奇异值问题。
3.按照权利要求1所述的一种基于视觉的无人机编队感知与规避方法,其特征在于,所述步骤二中的具体过程如下:
选取编队中任意两架无人机,将由步骤一种所得的它们分别对应的目标障碍物的转移矩阵M建立方程组,通过最小二乘法,计算出目标障碍物在世界坐标系中的位置。
4.按照权利要求1所述的一种基于视觉的无人机编队感知与规避方法,其特征在于,所述步骤三中的具体过程如下:
3.1.计算出虚拟掌机的位置,其中:PGC为编队中心位置, 是第i架无人机的飞行位置;
其中,n为编队中无人机的架数;i为自然数,且i属于(1,2……n);
3.2.确定虚拟掌机的虚拟安全区域,将虚拟安全区域定义为椭球飞行包络:
其中,编队采取安全飞行模式,定义编队飞行方向为x方向,z轴沿编队位置向上,y轴满足右手规则;a为x轴上的长半轴,b为y轴上的短半轴,c为z轴方向上的短半轴,无人机飞行过程中,以飞行安全碰撞时间为长半轴,这样定义最短碰撞距离d,定义b=c,选取黄金分割点: 这样就完成了椭球飞行包络的定义;
则ds的方向与编队飞行方向一致,即编队速度方向;
其中:ds是飞行的安全距离,R为定制,根据编队队形进行系统性定义;D为飞行安全距离;T为飞行安全最短时间;VT为目标障碍物飞行速度;VP为编队飞行速度;
这样,当a=||ds||.可以计算出虚拟掌机的虚拟安全区域,即椭球飞行包络;
3.3.计算编队中单架次无人机的飞行安全区域,
对编队每一架飞机进行飞行安全区域划分,计算每一架飞机的最小分离距离
当时,为其飞行安全区域;
其中:为目标障碍物的相运动速度,其中和分别是目标障碍物的运动速度以及单架次无人机的运动速度,定义相对运动速度径向距离为无人机与目标障碍物的径向距离。
5.按照权利要求4所述的一种基于视觉的无人机编队感知与规避方法,其特征在于,所述步骤四中的具体过程如下:
计算由单架次无人机的转弯半径:
和单架次无人机的最大转弯加速度
其中:VFLN∈(Vmin,Vmax),acent≤f(VL,RL,Vmax);为单架次无人机的转弯半径的范围;f是无人机能够提供的最大推力以及侧向力矩;
无人机在飞行过程中的速度必须满足(Vmin,Vmax),其中Vmin为单架次无人机的最小的速度值,Vmax为单架次无人机的最大的速度值;
计算编队中的单架次无人机由虚拟掌机左侧避撞与右侧避撞的最大转弯半径,要使单架次无人机满足的飞行要求,通过信息交互,当所有编队成员具有满足同一侧避撞需求时,即进行无人机编队同侧避撞;当某几架无人机不能满足飞行要求是,必须离开编队,打破原来的队形,组成独立的编队,进行避撞;完成避撞后,打开的独立编队重新整合,进入原来的编队,编队回归原来的航路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510082625.1A CN104656663B (zh) | 2015-02-15 | 2015-02-15 | 一种基于视觉的无人机编队感知与规避方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510082625.1A CN104656663B (zh) | 2015-02-15 | 2015-02-15 | 一种基于视觉的无人机编队感知与规避方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104656663A true CN104656663A (zh) | 2015-05-27 |
CN104656663B CN104656663B (zh) | 2017-12-01 |
Family
ID=53247921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510082625.1A Active CN104656663B (zh) | 2015-02-15 | 2015-02-15 | 一种基于视觉的无人机编队感知与规避方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104656663B (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045278A (zh) * | 2015-07-09 | 2015-11-11 | 沈阳卡迩特科技有限公司 | 一种微型无人机自主感知与规避方法 |
CN105222760A (zh) * | 2015-10-22 | 2016-01-06 | 一飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测系统及方法 |
CN105425817A (zh) * | 2015-12-09 | 2016-03-23 | 周润华 | 一种多无人机编组飞行控制系统 |
CN105974939A (zh) * | 2016-07-25 | 2016-09-28 | 零度智控(北京)智能科技有限公司 | 无人机编队阵型自动生成方法及装置 |
CN106325301A (zh) * | 2016-10-27 | 2017-01-11 | 浙江理工大学 | 基于GPS和ZigBee的四旋翼飞行器编队飞行系统及编队方法 |
CN106444423A (zh) * | 2016-09-30 | 2017-02-22 | 天津大学 | 室内多无人机编队飞行仿真验证平台及其实现方法 |
CN106527000A (zh) * | 2016-12-18 | 2017-03-22 | 吴凡 | 像素装置及显示方法及系统 |
CN106873621A (zh) * | 2017-02-26 | 2017-06-20 | 南京航空航天大学 | 一种基于拉格朗日方程的无人机编队队形控制算法 |
CN106919184A (zh) * | 2016-12-20 | 2017-07-04 | 北京理工大学 | 双无人机协同作业系统及双无人机协同作业方法 |
CN107305396A (zh) * | 2016-04-19 | 2017-10-31 | 空中客车运营简化股份公司 | 跟随飞行器相对于侵入飞行器的碰撞规避方法和系统 |
CN108009124A (zh) * | 2017-11-29 | 2018-05-08 | 天津聚飞创新科技有限公司 | 旋转矩阵计算方法及装置 |
CN108052110A (zh) * | 2017-09-25 | 2018-05-18 | 南京航空航天大学 | 基于双目视觉的无人机编队飞行方法和系统 |
CN108196582A (zh) * | 2018-02-12 | 2018-06-22 | 深圳技术大学(筹) | 一种室内视觉导航无人机集群飞行控制系统及方法 |
CN108447309A (zh) * | 2018-03-14 | 2018-08-24 | 广州亿航智能技术有限公司 | 无人机起降方法、装置和计算机储存介质 |
CN108845590A (zh) * | 2018-07-06 | 2018-11-20 | 哈尔滨工业大学(威海) | 一种时延环境下的多无人机协同编队控制方法 |
CN109388153A (zh) * | 2017-08-03 | 2019-02-26 | 空中客车运营简化股份公司 | 用于控制尾随飞行器相对前导飞行器的路径的方法和装置 |
CN110308742A (zh) * | 2019-07-30 | 2019-10-08 | 南京邮电大学 | 基于同步策略的多无人机时变编队控制方法 |
CN110333723A (zh) * | 2019-07-17 | 2019-10-15 | 广东华中科技大学工业技术研究院 | 一种基于双通信设备的无人艇协同编队方法 |
CN110427044A (zh) * | 2019-07-17 | 2019-11-08 | 河北科技大学 | 基于改进速度障碍法的无人机冲突探测与冲突解脱方法 |
CN110525650A (zh) * | 2016-12-22 | 2019-12-03 | 深圳市大疆创新科技有限公司 | 无人机及其控制方法 |
CN110991545A (zh) * | 2019-12-10 | 2020-04-10 | 中国人民解放军军事科学院国防科技创新研究院 | 一种面向多智能体对抗的强化学习训练优化方法及装置 |
CN111338382A (zh) * | 2020-04-15 | 2020-06-26 | 北京航空航天大学 | 一种安全态势引导的无人机路径规划方法 |
CN111452046A (zh) * | 2020-03-31 | 2020-07-28 | 佛山科学技术学院 | 基于虚拟现实的排爆机器人系统、控制方法及存储介质 |
CN111830995A (zh) * | 2020-08-06 | 2020-10-27 | 中国科学院自动化研究所 | 基于混合式架构的群体智能协同方法和系统 |
CN112731962A (zh) * | 2020-12-13 | 2021-04-30 | 西北工业大学 | 一种多无人系统协同编队控制方法 |
CN113406975A (zh) * | 2021-08-19 | 2021-09-17 | 北京科技大学 | 一种仿生智能多无人机集群自主编队导航控制方法及装置 |
CN114020029A (zh) * | 2021-11-09 | 2022-02-08 | 深圳大漠大智控技术有限公司 | 一种针对集群的航拍航线自动生成方法、装置及相关组件 |
CN114677833A (zh) * | 2022-03-28 | 2022-06-28 | 广州小鹏汽车科技有限公司 | 车辆队列的控制方法、车辆队列和存储介质 |
CN115662188A (zh) * | 2022-10-25 | 2023-01-31 | 吉林大学 | 一种队列行驶车辆的避障系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090306840A1 (en) * | 2008-04-08 | 2009-12-10 | Blenkhorn Kevin P | Vision-based automated landing system for unmanned aerial vehicles |
CN102591358A (zh) * | 2012-03-12 | 2012-07-18 | 北京航空航天大学 | 一种多无人机的动态编队控制方法 |
CN102707724A (zh) * | 2012-06-05 | 2012-10-03 | 清华大学 | 一种无人机的视觉定位与避障方法及系统 |
CN103412564A (zh) * | 2013-07-26 | 2013-11-27 | 中国科学院计算技术研究所 | 一种无人系统分布式一致性编队控制方法及其系统 |
CN103869822A (zh) * | 2014-04-01 | 2014-06-18 | 西北工业大学 | 多旋翼无人机感知与规避系统及其规避方法 |
CN103995539A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 一种无人机自主编队评价指标与mpc编队控制方法 |
CN104102218A (zh) * | 2014-06-30 | 2014-10-15 | 西北工业大学 | 基于视觉伺服的感知与规避方法及系统 |
US20140316614A1 (en) * | 2012-12-17 | 2014-10-23 | David L. Newman | Drone for collecting images and system for categorizing image data |
-
2015
- 2015-02-15 CN CN201510082625.1A patent/CN104656663B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090306840A1 (en) * | 2008-04-08 | 2009-12-10 | Blenkhorn Kevin P | Vision-based automated landing system for unmanned aerial vehicles |
CN102591358A (zh) * | 2012-03-12 | 2012-07-18 | 北京航空航天大学 | 一种多无人机的动态编队控制方法 |
CN102707724A (zh) * | 2012-06-05 | 2012-10-03 | 清华大学 | 一种无人机的视觉定位与避障方法及系统 |
US20140316614A1 (en) * | 2012-12-17 | 2014-10-23 | David L. Newman | Drone for collecting images and system for categorizing image data |
CN103412564A (zh) * | 2013-07-26 | 2013-11-27 | 中国科学院计算技术研究所 | 一种无人系统分布式一致性编队控制方法及其系统 |
CN103869822A (zh) * | 2014-04-01 | 2014-06-18 | 西北工业大学 | 多旋翼无人机感知与规避系统及其规避方法 |
CN103995539A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 一种无人机自主编队评价指标与mpc编队控制方法 |
CN104102218A (zh) * | 2014-06-30 | 2014-10-15 | 西北工业大学 | 基于视觉伺服的感知与规避方法及系统 |
Non-Patent Citations (4)
Title |
---|
周炜等: "基于层次分解策略无人机编队避障方法", 《系统工程与电子技术》 * |
席庆彪等: "基于最小二乘的无人机无线导航方法研究", 《计算机测量与控制》 * |
方挺: "无人机协同编队飞行中的视觉感知关键技术研究", 《中国博士学位论文全文数据库》 * |
杨忠等: "基于视觉传感器的UAV编队飞行", 《第二十七届中国控制会议论文集》 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045278A (zh) * | 2015-07-09 | 2015-11-11 | 沈阳卡迩特科技有限公司 | 一种微型无人机自主感知与规避方法 |
CN105222760A (zh) * | 2015-10-22 | 2016-01-06 | 一飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测系统及方法 |
CN105425817A (zh) * | 2015-12-09 | 2016-03-23 | 周润华 | 一种多无人机编组飞行控制系统 |
CN105425817B (zh) * | 2015-12-09 | 2018-06-22 | 深圳市峰创科技有限公司 | 一种多无人机编组飞行控制系统 |
CN107305396A (zh) * | 2016-04-19 | 2017-10-31 | 空中客车运营简化股份公司 | 跟随飞行器相对于侵入飞行器的碰撞规避方法和系统 |
CN107305396B (zh) * | 2016-04-19 | 2021-09-14 | 空中客车运营简化股份公司 | 跟随飞行器相对于侵入飞行器的碰撞规避方法和系统 |
CN105974939A (zh) * | 2016-07-25 | 2016-09-28 | 零度智控(北京)智能科技有限公司 | 无人机编队阵型自动生成方法及装置 |
CN105974939B (zh) * | 2016-07-25 | 2018-12-28 | 天津远度科技有限公司 | 无人机编队阵型自动生成方法及装置 |
CN106444423A (zh) * | 2016-09-30 | 2017-02-22 | 天津大学 | 室内多无人机编队飞行仿真验证平台及其实现方法 |
CN106325301A (zh) * | 2016-10-27 | 2017-01-11 | 浙江理工大学 | 基于GPS和ZigBee的四旋翼飞行器编队飞行系统及编队方法 |
CN106527000A (zh) * | 2016-12-18 | 2017-03-22 | 吴凡 | 像素装置及显示方法及系统 |
CN106919184A (zh) * | 2016-12-20 | 2017-07-04 | 北京理工大学 | 双无人机协同作业系统及双无人机协同作业方法 |
CN106919184B (zh) * | 2016-12-20 | 2019-12-13 | 北京理工大学 | 双无人机协同作业系统及双无人机协同作业方法 |
CN110525650B (zh) * | 2016-12-22 | 2021-05-25 | 深圳市大疆创新科技有限公司 | 无人机及其控制方法 |
CN110525650A (zh) * | 2016-12-22 | 2019-12-03 | 深圳市大疆创新科技有限公司 | 无人机及其控制方法 |
CN106873621A (zh) * | 2017-02-26 | 2017-06-20 | 南京航空航天大学 | 一种基于拉格朗日方程的无人机编队队形控制算法 |
CN109388153A (zh) * | 2017-08-03 | 2019-02-26 | 空中客车运营简化股份公司 | 用于控制尾随飞行器相对前导飞行器的路径的方法和装置 |
CN108052110A (zh) * | 2017-09-25 | 2018-05-18 | 南京航空航天大学 | 基于双目视觉的无人机编队飞行方法和系统 |
CN108009124A (zh) * | 2017-11-29 | 2018-05-08 | 天津聚飞创新科技有限公司 | 旋转矩阵计算方法及装置 |
CN108196582A (zh) * | 2018-02-12 | 2018-06-22 | 深圳技术大学(筹) | 一种室内视觉导航无人机集群飞行控制系统及方法 |
CN108447309B (zh) * | 2018-03-14 | 2020-11-06 | 广州亿航智能技术有限公司 | 无人机起降方法、装置和计算机储存介质 |
CN108447309A (zh) * | 2018-03-14 | 2018-08-24 | 广州亿航智能技术有限公司 | 无人机起降方法、装置和计算机储存介质 |
CN108845590A (zh) * | 2018-07-06 | 2018-11-20 | 哈尔滨工业大学(威海) | 一种时延环境下的多无人机协同编队控制方法 |
CN108845590B (zh) * | 2018-07-06 | 2021-05-28 | 哈尔滨工业大学(威海) | 一种时延环境下的多无人机协同编队控制方法 |
CN110427044A (zh) * | 2019-07-17 | 2019-11-08 | 河北科技大学 | 基于改进速度障碍法的无人机冲突探测与冲突解脱方法 |
CN110333723A (zh) * | 2019-07-17 | 2019-10-15 | 广东华中科技大学工业技术研究院 | 一种基于双通信设备的无人艇协同编队方法 |
CN110333723B (zh) * | 2019-07-17 | 2022-03-22 | 广东华中科技大学工业技术研究院 | 一种基于双通信设备的无人艇协同编队方法 |
CN110308742B (zh) * | 2019-07-30 | 2022-04-22 | 南京邮电大学 | 基于同步策略的多无人机时变编队控制方法 |
CN110308742A (zh) * | 2019-07-30 | 2019-10-08 | 南京邮电大学 | 基于同步策略的多无人机时变编队控制方法 |
CN110991545A (zh) * | 2019-12-10 | 2020-04-10 | 中国人民解放军军事科学院国防科技创新研究院 | 一种面向多智能体对抗的强化学习训练优化方法及装置 |
CN111452046A (zh) * | 2020-03-31 | 2020-07-28 | 佛山科学技术学院 | 基于虚拟现实的排爆机器人系统、控制方法及存储介质 |
CN111338382A (zh) * | 2020-04-15 | 2020-06-26 | 北京航空航天大学 | 一种安全态势引导的无人机路径规划方法 |
CN111830995A (zh) * | 2020-08-06 | 2020-10-27 | 中国科学院自动化研究所 | 基于混合式架构的群体智能协同方法和系统 |
CN111830995B (zh) * | 2020-08-06 | 2021-05-11 | 中国科学院自动化研究所 | 基于混合式架构的群体智能协同方法和系统 |
CN112731962A (zh) * | 2020-12-13 | 2021-04-30 | 西北工业大学 | 一种多无人系统协同编队控制方法 |
CN112731962B (zh) * | 2020-12-13 | 2022-12-06 | 西北工业大学 | 一种多无人系统协同编队控制方法 |
CN113406975A (zh) * | 2021-08-19 | 2021-09-17 | 北京科技大学 | 一种仿生智能多无人机集群自主编队导航控制方法及装置 |
CN113406975B (zh) * | 2021-08-19 | 2021-11-30 | 北京科技大学 | 一种仿生智能多无人机集群自主编队导航控制方法及装置 |
CN114020029A (zh) * | 2021-11-09 | 2022-02-08 | 深圳大漠大智控技术有限公司 | 一种针对集群的航拍航线自动生成方法、装置及相关组件 |
CN114677833A (zh) * | 2022-03-28 | 2022-06-28 | 广州小鹏汽车科技有限公司 | 车辆队列的控制方法、车辆队列和存储介质 |
CN114677833B (zh) * | 2022-03-28 | 2023-10-31 | 广州小鹏汽车科技有限公司 | 车辆队列的控制方法、车辆队列和存储介质 |
CN115662188A (zh) * | 2022-10-25 | 2023-01-31 | 吉林大学 | 一种队列行驶车辆的避障系统 |
CN115662188B (zh) * | 2022-10-25 | 2024-04-19 | 吉林大学 | 一种队列行驶车辆的避障系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104656663B (zh) | 2017-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104656663A (zh) | 一种基于视觉的无人机编队感知与规避方法 | |
Mcfadyen et al. | A survey of autonomous vision-based see and avoid for unmanned aircraft systems | |
Kumar et al. | Recent developments on target tracking problems: A review | |
CN104102218B (zh) | 基于视觉伺服的感知与规避方法及系统 | |
Accardo et al. | Flight test of a radar-based tracking system for UAS sense and avoid | |
Aswini et al. | UAV and obstacle sensing techniques–a perspective | |
Meshcheryakov et al. | An application of swarm of quadcopters for searching operations | |
Zsedrovits et al. | Onboard visual sense and avoid system for small aircraft | |
CN107783119A (zh) | 应用在避障系统中的决策融合方法 | |
Zarandy et al. | A novel algorithm for distant aircraft detection | |
Mittal et al. | Vision-based autonomous landing in catastrophe-struck environments | |
Shakernia et al. | Sense and avoid (SAA) flight test and lessons learned | |
Sherman et al. | Cooperative search and rescue using autonomous unmanned aerial vehicles | |
Minwalla et al. | Experimental evaluation of PICAS: An electro-optical array for non-cooperative collision sensing on unmanned aircraft systems | |
Geyer et al. | Avoiding collisions between aircraft: State of the art and requirements for UAVs operating in civilian airspace | |
Morais et al. | Trajectory and Guidance Mode for autonomously landing an UAV on a naval platform using a vision approach | |
Bi et al. | Robust autonomous flight and mission management for mavs in gps-denied environments | |
Loffi et al. | Evaluation of onboard detect-and-avoid system for sUAS BVLOS operations | |
Fang | Risk-based supervisory guidance for detect and avoid involving small unmanned aircraft systems | |
Li et al. | Research on the intelligent obstacle avoidance and path planning strategy of UAV based on multi-sensor fusion | |
Clark | Collision avoidance and navigation of UAS using vision-based proportional navigation | |
Gunasinghe et al. | A strategy for mid-air collision avoidance: Speed modulation to increase minimum separation using a mutually independent and mutually beneficial technique | |
Forlenza | Vision based strategies for implementing Sense and Avoid capabilities onboard Unmanned Aerial Systems | |
Opromolla et al. | Conflict Detection Performance of Non-Cooperative Sensing Architectures for Small UAS Sense and Avoid | |
Gunasinghe et al. | A mid-air collision warning system: Vision-based estimation of collision threats for aircraft |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220718 Address after: 710072 2 2-308-18, Qing'an Park, No. 9, Gaoxin Second Road, high tech Zone, Xi'an, Shaanxi Province Patentee after: Xi'an Chenhang Zhuoyue Technology Co.,Ltd. Address before: 710072 No. 127 Youyi West Road, Shaanxi, Xi'an Patentee before: Northwestern Polytechnical University |
|
TR01 | Transfer of patent right |