CN105222770A - 一种基于边界的烟田无人机自主导航算法 - Google Patents
一种基于边界的烟田无人机自主导航算法 Download PDFInfo
- Publication number
- CN105222770A CN105222770A CN201510551590.1A CN201510551590A CN105222770A CN 105222770 A CN105222770 A CN 105222770A CN 201510551590 A CN201510551590 A CN 201510551590A CN 105222770 A CN105222770 A CN 105222770A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- upsi
- dtri
- centerdot
- psi
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种基于边界的烟田无人机自主导航算法,该算法在无人机的探测区域内产生候选边界点,通过建立合理的目标函数,从候选边界点中选择目标点,建立的无人机运动状态模型,控制无人机朝该目标点方向运动,再预测和更新无人机的运动状态,该算法从确定的边界点中选择下一步运动目标点,目标点的选择范围可更宽,并在一定程度上避免陷入局部最优。
Description
技术领域
本发明涉及无人机导航算法领域,更具体地,涉及一种基于边界的烟田无人机自主导航算法。
背景技术
目前烟田无人机导航一般采用的方法是同步定位与地图构建,该方法是假定运动轨迹预先已知的,这种被动形式的方法与环境的未知性相矛盾,现有的主动的同步定位与地图构建方法主要是最优控制方法、局部子图法,而最优控制方法建立的目标函数是选择航迹规划点的基础,但是容易陷入局部最优,局部子图的方法更适用于多无人机协同的同步定位与地图构建航迹规划,对于单个无人机而言,除了可以减小一定计算量外,并没有明显的优势。
发明内容
本发明提供一种基于边界的烟田无人机自主导航算法,该算法目标点的选择范围较宽,可在一定程度上避免陷入局部最优。
为了达到上述技术效果,本发明的技术方案如下:
一种基于边界的烟田无人机自主导航算法,包括以下步骤:
S1:在烟田中设置若干地标,并取候选边界点:
S2:对候选的边界点进行评价确定边界点;
S3:使无人机朝确定的边界点运动并对无人机运动状态进行预测和更新。
进一步地,所述步骤S1的过程如下:
将无人机作业区域分为若干大小相等的小单元,每一个单元内的边界点分为相同的组,取每组中的边界点的重心的位置作为候选边界点。
进一步地,所述步骤S2的过程如下:
构建无人机观测地标的目标函数:
J=ω1ΔI+ω2ΔS
式中Pjj(k|k)表示k时刻第j个地标的方差,N为地标总数,是无人机在边界点位置观测到的新的地标数L占总地标数的百分比,ω1、ω2是根据经验选取的权值;k时刻J值最大的候选边界点确定为一个边界点。
进一步地,所述步骤S3的过程如下:
1)令无人机的运动状态模型为:
Xv=[xyψ]T
式中x、y是无人机在二维平面中的位置,ψ是方位角;
令控制量U=[ΔdΔψ]T,Δd是一个时间步长对应的无人机运动距离,Δψ为姿态变化量,其中:
则无人的运动状态模型方程为:
无人机与第i个地标的测量方程为:
式中mi,k表示第i个地标的状态,mi=[mxmy]T,地标是静止的则mi,k=mi,k-1,Wk和υk运动噪声向量;
2)无人机的运动状态预测过程为:
式中和分别是f(·)相对无人机状态变量X(k)和运动噪声向量υ(k)的雅克比矩阵,Q(k)是运动噪声向量W(k)的协方差;
3)无人机的运动状态更新过程为:
P(k+1|k+1)=P(k+1|k)-W(k+1)·Sγγ(k+1|k)·WT(k+1)
式中R(k)是运动噪声向量υ(k)的协方差,表示h(·)相对于状态变变量X(k)的雅克比矩阵。
与现有技术相比,本发明技术方案的有益效果是:
本发明算法在无人机的探测区域内产生候选边界点,通过建立合理的目标函数,从候选边界点中选择目标点,建立的无人机运动状态模型,控制无人机朝该目标点方向运动,再预测和更新更新无人机的运动状态,该算法从确定的边界点中选择下一步运动目标点,目标点的选择范围可更宽,并在一定程度上避免陷入局部最优。
附图说明
图1为本发明算法的流程图;
图2为本发明算法的仿真实验图;
图3为最优控制法的仿真实验图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
一种基于边界的烟田无人机自主导航算法,包括以下步骤:
S1:在烟田中设置若干地标,并取候选边界点:
S2:对候选的边界点进行评价确定边界点;
S3:使无人机朝确定的边界点运动并对无人机运动状态进行预测和更新。
进一步地,所述步骤S1的过程如下:
将无人机作业区域分为若干大小相等的小单元,每一个单元内的边界点分为相同的组,取每组中的边界点的重心的位置作为候选边界点。
步骤S2的过程如下:
构建无人机观测地标的目标函数:
J=ω1ΔI+ω2ΔS
式中Pjj(k|k)表示k时刻第j个地标的方差,N为地标总数,是无人机在边界点位置观测到的新的地标数L占总地标数的百分比,ω1、ω2是根据经验选取的权值;k时刻J值最大的候选边界点确定为一个边界点。
步骤S3的过程如下:
1)令无人机的运动状态模型为:
Xv=[xyψ]T
式中x、y是无人机在二维平面中的位置,ψ是方位角;
令控制量U=[ΔdΔψ]T,Δd是一个时间步长对应的无人机运动距离,Δψ为姿态变化量,其中:
则无人的运动状态模型方程为:
无人机与第i个地标的测量方程为:
式中mi,k表示第i个地标的状态,mi=[mxmy]T,地标是静止的则mi,k=mi,k-1,Wk和υk运动噪声向量;
2)无人机的运动状态预测过程为:
式中和分别是f(·)相对无人机状态变量X(k)和运动噪声向量υ(k)的雅克比矩阵,Q(k)是运动噪声向量W(k)的协方差;
3)无人机的运动状态更新过程为:
P(k+1|k+1)=P(k+1|k)-W(k+1)·Sγγ(k+1|k)·WT(k+1)
式中R(k)是运动噪声向量υ(k)的协方差,表示h(·)相对于状态变变量X(k)的雅克比矩阵。
利用本算法与最优控制法进行仿真对比,如图2和图3所示最优控制法的探测环境有限,并且无人机的运动状态呈现混乱无规律的特点,经常会陷入某个区域而不能离开,而采用本发明算法航迹规划,则能够较好地克服这种情况,无人机航迹平滑有序,显然,采用本发明算法时,无人机可以探测到更大范围的环境,并得到了较高的地标估计值。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (4)
1.一种基于边界的烟田无人机自主导航算法,其特征在于,包括以下步骤:
S1:在烟田中设置若干地标,并取候选边界点:
S2:对候选的边界点进行评价确定边界点;
S3:使无人机朝确定的边界点运动并对无人机运动状态进行预测和更新。
2.根据权利要求1所述的基于边界的烟田无人机自主导航算法,其特征在于,所述步骤S1的过程如下:
将无人机作业区域分为若干大小相等的小单元,每一个单元内的边界点分为相同的组,取每组中的边界点的重心的位置作为候选边界点。
3.根据权利要求1所述的基于边界的烟田无人机自主导航算法,其特征在于,所述步骤S2的过程如下:
构建无人机观测地标的目标函数:
J=ω1ΔI+ω2ΔS
式中Pjj(k|k)表示k时刻第j个地标的方差,N为地标总数,是无人机在边界点位置观测到的新的地标数L占总地标数的百分比,ω1、ω2是根据经验选取的权值;k时刻J值最大的候选边界点确定为一个边界点。
4.根据权利要求1所述的基于边界的烟田无人机自主导航算法,其特征在于,所述步骤S3的过程如下:
1)令无人机的运动状态模型为:
Xv=[xyψ]T
式中x、y是无人机在二维平面中的位置,ψ是方位角;
令控制量U=[ΔdΔψ]T,Δd是一个时间步长对应的无人机运动距离,Δψ为姿态变化量,其中:
则无人的运动状态模型方程为:
无人机与第i个地标的测量方程为:
式中mi,k表示第i个地标的状态,mi=[mxmy]T,地标是静止的则mi,k=mi,k-1,Wk和υk运动噪声向量;
2)无人机的运动状态预测过程为:
式中和分别是f(·)相对无人机状态变量X(k)和运动噪声向量υ(k)的雅克比矩阵,Q(k)是运动噪声向量W(k)的协方差;
3)无人机的运动状态更新过程为:
P(k+1|k+1)=P(k+1|k)-W(k+1)·Sγγ(k+1|k)·WT(k+1)
式中R(k)是运动噪声向量υ(k)的协方差,表示h(·)相对于状态变变量X(k)的雅克比矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510551590.1A CN105222770A (zh) | 2015-08-31 | 2015-08-31 | 一种基于边界的烟田无人机自主导航算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510551590.1A CN105222770A (zh) | 2015-08-31 | 2015-08-31 | 一种基于边界的烟田无人机自主导航算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105222770A true CN105222770A (zh) | 2016-01-06 |
Family
ID=54991860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510551590.1A Pending CN105222770A (zh) | 2015-08-31 | 2015-08-31 | 一种基于边界的烟田无人机自主导航算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105222770A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索系统中的环境探测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104320607A (zh) * | 2014-08-06 | 2015-01-28 | 江苏恒创软件有限公司 | 基于无人机的监控农田作物生长的方法 |
CN104503464A (zh) * | 2014-12-30 | 2015-04-08 | 中南大学 | 基于计算机的凸多边形农田无人机喷洒作业航迹规划方法 |
CN104808660A (zh) * | 2015-03-04 | 2015-07-29 | 中南大学 | 凹凸混合复杂多边形农田无人机喷洒作业航迹规划方法 |
-
2015
- 2015-08-31 CN CN201510551590.1A patent/CN105222770A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104320607A (zh) * | 2014-08-06 | 2015-01-28 | 江苏恒创软件有限公司 | 基于无人机的监控农田作物生长的方法 |
CN104503464A (zh) * | 2014-12-30 | 2015-04-08 | 中南大学 | 基于计算机的凸多边形农田无人机喷洒作业航迹规划方法 |
CN104808660A (zh) * | 2015-03-04 | 2015-07-29 | 中南大学 | 凹凸混合复杂多边形农田无人机喷洒作业航迹规划方法 |
Non-Patent Citations (2)
Title |
---|
李立春等: ""基于边缘与区域特征的无人机图像地平线检测‘", 《弹箭与制导学报》 * |
沈永福等: ""基于边界的无人机主动SLAM 算法"", 《海军航空工程学院学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索系统中的环境探测方法 |
CN108983781B (zh) * | 2018-07-25 | 2020-07-07 | 北京理工大学 | 一种无人车目标搜索系统中的环境探测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yao et al. | Real-time path planning of unmanned aerial vehicle for target tracking and obstacle avoidance in complex dynamic environment | |
Yao et al. | UAV feasible path planning based on disturbed fluid and trajectory propagation | |
Saska et al. | Coordination and navigation of heterogeneous UAVs-UGVs teams localized by a hawk-eye approach | |
Howard et al. | Receding horizon model-predictive control for mobile robot navigation of intricate paths | |
Saska et al. | Motion planning and control of formations of micro aerial vehicles | |
Mendeck et al. | Entry guidance design and postflight performance for 2011 Mars Science Laboratory mission | |
Oh et al. | Persistent standoff tracking guidance using constrained particle filter for multiple UAVs | |
Mcfadyen et al. | Aircraft collision avoidance using spherical visual predictive control and single point features | |
CN106371312B (zh) | 基于模糊控制器的升力式再入预测-校正制导方法 | |
Manathara et al. | Reactive collision avoidance of multiple realistic UAVs | |
Otte et al. | Any-time path-planning: Time-varying wind field+ moving obstacles | |
CN103592941A (zh) | 一种飞行速度限制下的无人飞行器航迹规划方法 | |
CN104121903A (zh) | 一种基于边界值问题的滚动航路规划方法 | |
Luders et al. | Robust trajectory planning for autonomous parafoils under wind uncertainty | |
CN108020226A (zh) | 一种固定翼无人机自主避障的航迹规划方法 | |
Kashino et al. | Multi-UAV based autonomous wilderness search and rescue using target iso-probability curves | |
CN106197432A (zh) | 一种基于FastSLAM算法的无人机着陆方法 | |
Oh et al. | Coordinated standoff tracking of groups of moving targets using multiple UAVs | |
Hall et al. | Reactive route selection from pre-calculated trajectories–application to micro-UAV path planning | |
CN105222770A (zh) | 一种基于边界的烟田无人机自主导航算法 | |
Flores et al. | Pid switching control for a highway estimation and tracking applied on a convertible mini-uav | |
Humphreys et al. | Dynamic re-plan of the loyal wingman optimal control problem | |
Fügenschuh et al. | Flight planning for unmanned aerial vehicles | |
Kahn et al. | Formation flying control via elliptical virtual structure | |
CN112258896A (zh) | 基于航迹的无人机融合空域运行方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160106 |
|
RJ01 | Rejection of invention patent application after publication |