CN105629985B - 室内四旋翼无人机360°三维避障系统 - Google Patents
室内四旋翼无人机360°三维避障系统 Download PDFInfo
- Publication number
- CN105629985B CN105629985B CN201610166707.9A CN201610166707A CN105629985B CN 105629985 B CN105629985 B CN 105629985B CN 201610166707 A CN201610166707 A CN 201610166707A CN 105629985 B CN105629985 B CN 105629985B
- Authority
- CN
- China
- Prior art keywords
- ultrasonic sensor
- avoidance
- quadrotor drone
- sensor
- fuzzy
- 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.)
- Expired - Fee Related
Links
- 230000004927 fusion Effects 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 230000004888 barrier function Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 26
- 238000002604 ultrasonography Methods 0.000 claims description 7
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 5
- 229910052744 lithium Inorganic materials 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 abstract description 8
- 230000002093 peripheral effect Effects 0.000 abstract description 6
- 238000013461 design Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000835 fiber Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 229920000049 Carbon (fiber) Polymers 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004917 carbon fiber Substances 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002657 fibrous material Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000007770 graphite material Substances 0.000 description 1
- 238000005087 graphitization Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
室内四旋翼无人机360°三维避障系统，属于控制科学与控制工程领域。针对四旋翼无人机在进行室内巡航，抢险救灾等任务下由于室内环境相对复杂、GPS信号较弱且不易部署外设给四旋翼无人机带来的飞行问题，设计四旋翼无人机360°三维障碍物检测及避障决策装置。以STM32f103为核心处理器，通过合理配置超声波传感器的数量和位置搭建采集周围环境信息的模型实现三维障碍检测。该避障决策系统在四旋翼无人机执行航行任务时，将采集到的障碍距离值经过卡尔曼滤波处理后分方向进行数据融合，将融合后的数据通过模糊逻辑算法进行避障决策，并将避障决策通过串口发送给飞行控制器，之后由飞行控制器来控制无人机的飞行姿态完成避障任务。
Description
技术领域
本发明涉及无人机智能避障控制系统，具体涉及一种应用于室内微小型四旋翼无人机的360°三维避障系统，属于控制科学与控制工程领域。
背景技术
无人机(Unmanned Aerial Vehicle，UAV)是一种由动力驱动，通过无线电远程遥控或在机载程序控制下自动飞行的无人驾驶航空器。按照结构的不同，无人机可以分为固定翼无人机和旋翼无人机两种。其中四旋翼无人机由于具有螺旋桨机械结构简单，回转效应较小，耗能低，对飞行空间要求低，非常适合在狭小的空间(如室内，城区等)内执行任务等特点应用于各领域深受各行业各部门各系统的青睐。近年来微小型四旋翼无人机在户外领域的迫切要求，促进了能够在室外和室内进行无缝导航工作的微小型四旋翼无人机的快速发展。四旋翼无人机如果想要在复杂多变的室内环境中实现安全的自主飞行，关键在于如何让四旋翼无人机具备自动检测影响其飞行的障碍物，并且可以自行进行数据处理，做出避开障碍物的决策的功能。如果四旋翼无人机不能够及时检测到障碍进行避障，在室内环境下对人而言就是切肉机，对自身以及障碍安全构成很大威胁。由于室内GPS信号较差，传统的户外避障路径规划方式很难应用于室内。如果单纯的靠人工操作来实现避开障碍的飞行不仅要求操作者有熟练的驾驶技术而且人工规划难以考虑到多方面因素规划出精确的轨迹并且工作量巨大、成本较高，同时过多的人工干预也不利于实现无人机过高的自动化程度。如果在室内布置过多的外设如视觉相机等不仅增加了成本，对用户的隐私以及室内的美观等设计也会影响；当用于突发性事件如火灾救援时，事发现场也不一定具备导航避障的外设条件，所以用于障碍信息采集的装置最好安装在无人机本身上。
目前无人机上用于信息采集的传感器主要包括超声波传感器，红外反射式传感器，激光雷达以及视觉相机等。北京航空航天大学的张博翰等人2010年通过双目立体视觉实现无人机的横向位置坐标定位，通过灰度匹配方法检测障碍物并生成避障导航点的方法，实现了无人机在未知、动态的室内走廊环境中的自主定位与简单避障。但由于信息量大，处理环境中距离算法复杂，影响了导航要求的实时性而且易受环境的光线影响。
发明内容
本发明提供了一种室内四旋翼无人机360°三维障碍检测以及避障决策装置，通过配置测距传感器的数量和位置搭建采集周围环境信息的模型，实现三维环境下的障碍物检测。安装该避障决策系统的四旋翼无人机在执行航行任务时，避障决策系统上搭载的超声波传感器实时检测周围环境的动态信息，将采集到的障碍距离值经过卡尔曼滤波处理后分方向进行数据融合，将融合后的数据通过模糊逻辑算法进行避障决策，并将避障决策通过串口发送给飞行控制器。之后由无人机上的飞行控制器来控制无人机的飞行姿态完成避障任务。
本发明提出的无人机避障系统硬件模块为：三维障碍物检测模块；软件模块为：数据处理模块和避障决策模块。三维障碍物检测模块包括三维障碍物检测系统架构以及经过合理配置安装好的传感器。数据处理模块包括周围环境信息数据的采集、滤波处理以及分方向数据融合的实现。避障决策模块包括基于模糊逻辑算法的避障决策的实现。
本发明室内四旋翼无人机360°三维避障系统其特征结构为：
STM32F103控制器01，水平圆环02，竖直前后圆环03、竖直左右圆环04，上方超声波传感器05，下方超声波传感器06，前左方超声波传感器07、前右方超声波传感器08，后方超声波传感器09，左侧超声波传感器10，右侧超声波传感器11，上前方超声波传感器12，下前方超声波传感器13，近左侧超声波传感器14、左前方超声波传感器15，近右侧超声波传感器16、右前方超声波传感器17，四旋翼无人机18，右后方连接杆19、右前方连接杆20、左前方连接杆21、左后方连接杆22，串口23，飞行控制器24，右后方电机25、右前方电机26、左前方电机27、左后方电机28，右后方螺旋桨29、右前方螺旋桨30、左前方螺旋桨31、左后方螺旋桨32，锂电池33。
如果只是实现简单的三维避障至少需要八个传感器，且只需对传感器进行变动其它部分无需改变，八个传感器的具体布置为：上方超声波传感器05，下方超声波传感器06，后方超声波传感器09，左侧超声波传感器10，右侧超声波传感器11，这五个传感器位置不变。左前方超声波传感器15，前左方超声波传感器07，右前方超声波传感器17与左侧超声波传感器10，右侧超声波传感器11以45°间隔均匀分布在水平圆环02上。
更进一步，传感器包括：
上方超声波传感器05，下方超声波传感器06，前左方超声波传感器07，前右方超声波传感器08，后方超声波传感器09，左侧超声波传感器10，右侧超声波传感器11，上前方超声波传感器12，下前方超声波传感器13，近左侧超声波传感器14，左前方超声波传感器15，近右侧超声波传感器16，右前方超声波传感器17。
本发明解决其技术问题所采用的技术方案是：
右后方连接杆19、右前方连接杆20、左前方连接杆21、左后方连接杆22用于连接四旋翼无人机18以及水平圆环02和竖直前后圆环03、竖直左右圆环04，超声波传感器05、06、07、08、09、10、11、12、13、14、15、16、17用于四旋翼无人机18周围三维环境下障碍物距离值的检测。其中上方超声波传感器05、下方超声波传感器06分别安装在竖直前后圆环03与竖直左右圆环04的交汇处用于检测无人机上方以及下方的障碍信息。上前方超声波传感器12、下前方超声波传感器13分别安装在竖直前后圆环03的上前方与下前方，用于检测无人机上前方以及下前方的障碍信息，并与上方超声波传感器05、下方超声波传感器06以及水平圆环02与竖直前后圆环03的交点以45°的间隔均匀排列在竖直前后圆环03上。左侧超声波传感器10，右侧超声波传感器11分别安装在水平圆环02与竖直左右圆环04的交汇处，用于检测无人机左侧以及右侧的障碍信息，并与前左方超声波传感器07、前右方超声波传感器08、近左侧超声波传感器14、左前方超声波传感器15，近右侧超声波传感器16、右前方超声波传感器17以180°/7的角度均匀排列在水平圆环02上，其中前左方超声波传感器07、前右方超声波传感器08、近左侧超声波传感器14、左前方超声波传感器15，近右侧超声波传感器16、右前方超声波传感器17分别用于检测前方、左前方、右前方的障碍信息。
对每个超声波采集到的距离值进行滤波，将滤波后的有效数据分前、后、左、右、上、下、左前、右前8个方向进行数据融合，将融合后的数据在STM32F103控制器01中进行避障决策，并通过串口23将避障决策发送给飞行控制器24，飞行控制器24通过调节右后方电机25、右前方电机26、左前方电机27、左后方电机28的转速来改变右后方螺旋桨29、右前方螺旋桨30、左前方螺旋桨31、左后方螺旋桨32的转动速度完成避障飞行任务。
室内四旋翼无人机360°三维避障系统，其特征在于，采用近、中、远的避障方式，即当前方、左前方、右前方、上前方、下前方任意一个方向距离d，其数值范围为50cm＜d≤150cm，发现障碍物时先减速飞行；当距离前方、左前方、右前方、上前方、下前方任意一个方向障碍物距离d，其数值范围为0cm＜d≤50cm时进行避障决策；当左侧、右侧、上方、下方任意一个方向距离d，其数值范围为50cm＜d≤100cm发现障碍物时进行减速飞行，当距离左侧、右侧、上方、下方任意一个方向障碍物d，其数值范围为0cm＜d≤50cm时进行避障决策；当距离后方100cm发现障碍物时进行报警。
所述的室内四旋翼无人机360°三维避障系统，其特征在于，采用一个水平二维平面和一个垂直二维平面来实现三维空间的避障，具体为：
(1)定义模糊逻辑控制器在每个平面上的输入输出变量；
①水平二维平面上输入变量定义为：
I1＝{L、LF、F、RF、R}，其中L、LF、F、RF、R分别为经数据融合后获得的四旋翼无人机的左方、左前方、前方、右前方、右方的障碍物距离，取值范围为0-200cm；根据超声波传感器的波束角对测距精度的限制，定义输入变量L、LF、F、RF、R的模糊语言变量{N1,M1}＝{近，中}；
水平二维平面上输出变量定义为：
O1＝{V、Angle1}；其中，V表示四旋翼无人机的移动速度，输出的速度范围为(0～3m/s)；Angle1表示四旋翼无人机的转向角度，取值为(-90°，0°，90°)；定义V的模糊语言变量为{SV,MV,FV}＝{慢，中，快}，定义angle1的模糊语言变量为{TL,TZ,TR}＝{左转，不变，右转}，当四旋翼无人机向左转动时，angle1为负；当四旋翼无人机向右转动时，angle1为正；
②垂直二维平面上输入变量定义为：
I2＝{U、F、D}，其中U、F、D分别为经数据融合后获得的四旋翼无人机的上方、前方、下方的障碍物距离，取值范围为0-200cm；根据超声波传感器的波束角对测距精度的限制，定义输入变量U、F、D的模糊语言变量{N2,M2}＝{近，中}；
垂直二维平面上输出变量定义为：
O2＝{V、Angle2}；其中，V表示四旋翼无人机的移动速度，输出的速度范围为(0～3m/s)；Angle2表示四旋翼无人机的转向角度，取值为(-90°，90°)；定义V的模糊语言变量为{SV,MV,FV}＝{慢，中，快}，定义angle2的模糊语言变量为{TU,TD}＝{上飞，下飞}，当四旋翼无人机向上飞行时，angle2为正；当四旋翼无人机向下飞行时，angle2为负；
(2)建立隶属度函数
隶属度函数的确定包括确定隶属度函数的形状以及隶属度函数的阈值；取各个语言变量的隶属度函数形状为对称的三角形隶属函数曲线且模糊分割也是对称的如图12所示；
(3)建立模糊控制规则
当障碍物位于无人机的左侧时，则无人机右转；当障碍物位于无人机的右侧时，则无人机左转；定义如下If-Then规则；
①水平二维平面
If(L is N1)and(LF is N1)and(F is N1)and(RF is M1)and(R is M1)
Then(V is SV and angle1is TR)
②垂直二维平面
If(U is M2)and(F is N2)and(D is N2)
Then(V is SV and angle2is TU)
根据输入输出变量以及模糊语言变量，利用MATLAB的模糊工具箱为该模糊推理系统建立如上If-Then控制规则；
(4)生成避障决策
将(3)中决策结果进行解模糊化计算，采用重心法对模糊集进行解模糊；
将解模糊化后的避障决策通过串口发送给飞行控制器。
有益效果：
1、本发明安装方便，通用性强，安全性高，成本低。该避障系统安装于无人机自身避免了大量外设的安装、在无外加避障导航设备的场所也可以实现避障功能同时降低了成本。具备自主巡航功能的微小型四旋翼无人机只需通过连杆与该避障系统连接易于装卸、方便携带、通用性强。安装该避障系统后可以自动检测并避开周围障碍保证人等障碍物的安全的前提下也保证了无人机自身的安全。
2、本发明可以实现360°三维障碍物检测。该避障系统通过合理配置传感器位置以及数量和避障距离可以实现无人机本身的三维覆盖，实现无死角检测，保证了检测范围的广泛性以及全面性，从而更好地实现安全性要求。
3、本发明是基于三维空间的避障决策。采用分组的避障决策方式，由于无人机在执行飞行任务的时候大体或短距离下是在平面飞行的所以我们采用一个水平二维平面和一个竖直二维平面进行避障，从而实现三维空间下的无人机避障决策。
4、本发明采用分时的避障决策。采用近、中、(远)的避障方式，当所有方向距离障碍物较远时正常飞行；当前方、左前方、右前方、上前方、下前方任意一个方向距离d(50cm＜d≤150cm)发现障碍物时先减速飞行，当距离前方、左前方、右前方、上前方、下前方任意一个方向障碍物距离d(0cm＜d≤50cm)时进行避障决策；当左侧、右侧、上方、下方任意一个方向距离d(50cm＜d≤100cm)发现障碍物时进行减速飞行，当距离左侧、右侧、上方、下方任意一个方向障碍物d(0cm＜d≤50cm)时进行避障决策；当距离后方100cm发现障碍物时进行报警。
模拟人开车的行为，当发现远方的障碍物后先进行减速，当靠近障碍物后在进行避障决策，以此来减少模糊控制的控制规则降低模糊控制算法的难度，保证避障有效性的同时也保证了避障的实时性。
5、超声波传感器相对于其它传感器优势显著。采用视觉相机进行避障时当光线不足或者黑暗条件下无法进行障碍信息采集，而采用超声波传感器进行障碍信息采集不受光线影响，在夜间也可使用。红外传感器容易受可见光影响而且测量距离较近不足一米。激光雷达传感器体积较大，成本也比较高很难应用在四旋翼无人机上。
附图说明
图1a为本发明所涉及系统的机械结构图；
图1b为本发明从另一个角度所涉及系统的机械结构图；
图2为本发明所涉及的连接示意图；
图3为本发明所涉及系统的系统组成框图；
图4为本发明所涉及系统运行过程流程图；
图5为本发明所涉及数据处理方法的流程图；
图6为本发明所涉及避障决策方法的流程图；
图7为本发明所涉及系统的主体视图：(a)主体前视图，(b)后视图，(c)左视图，(d)上视图；
图8是波束角看做一个圆锥形示意图
图9是波束角其横截面的一半
图10是障碍物的有效覆盖面积圆的及内接正方形
图11模糊控制器的结构
图12输入变量的隶属度函数
图中：01为STM32F103控制器，02为水平圆环，03为竖直前后圆环、04为竖直左右圆环，05为上方超声波传感器，06为下方超声波传感器，07为前左方超声波传感器、08为前右方超声波传感器，09为后方超声波传感器，10为左侧超声波传感器，11为右侧超声波传感器，12为上前方超声波传感器，13为下前方超声波传感器，14为近左侧超声波传感器、15为左前方超声波传感器，16为近右侧超声波传感器、17为右前方超声波传感器，18为四旋翼无人机，19为右后方连接杆、20为右前方连接杆、21为左前方连接杆、22为左后方连接杆，23为串口，24为飞行控制器，25为右后方电机、26为右前方电机、27为左前方电机、28为左后方电机，29为右后方螺旋桨、30为右前方螺旋桨、31为左前方螺旋桨、32为左后方螺旋桨，33为锂电池。
具体实施方式
下面结合附图对本发明作进一步说明。
图1a和图1b为360°三维避障系统的机械结构图，只是从不同角度看。主要包括一个STM32控制器，13个超声波传感器，三个外围圆环以及无人机。
附图2为360°三维避障系统的连接示意图。现结合四旋翼无人机介绍连接的方法：
通过右后方连接杆19、右前方连接杆20、左前方连接杆21、左后方连接杆22将四旋翼无人机18以及水平圆环02、竖直前后圆环03、竖直左右圆环04连接。如附图2所示，水平圆环02为一个完整的圆环，在水平圆环02的一周以90°的间隔均匀分布着四个连接口，每个连接口侧面都有螺孔用于和螺丝一起固定。同时在水平圆环02上与四个连接口相隔45°有四个矩形凹槽用于和右后方连接杆19、右前方连接杆20、左前方连接杆21、左后方连接杆22连接。竖直前后圆环03、竖直左右圆环04并不是一个完整的圆环，而是由两个由四个四分之一圆环组成的半球状组成的，每个四分之一圆环的末端都有一小段凸起的圆柱用于和水平圆环02的连接口连接，同时凸起的圆柱上都有螺孔用于和螺丝一起固定。右后方连接杆19、右前方连接杆20、左前方连接杆21、左后方连接杆22的一端与水平圆环02的连接是通过预留在水平圆环02上的四个矩形凹槽连接的。右后方连接杆19、右前方连接杆20、左前方连接杆21、左后方连接杆22的另一端与四旋翼无人机18之间是通过锁扣将连接杆与四旋翼无人机的四个轴连接的，其中右后方连接杆19、右前方连接杆20、左前方连接杆21、左后方连接杆22根据无人机大小有10cm、15cm与20cm三种，无人机尺寸较小时由于到水平圆环的距离较远应选择20cm的连接杆，用户也可根据实际情况选择连接杆长度。超声波传感器与水平圆环02，竖直前后圆环03、竖直左右圆环04的连接是通过螺丝固定的，这种连接方式方便装卸同时当某个超声波传感器损坏时也可以及时更换，不会影响系统的性能。当用户需要避障决策功能时可以根据以上说明自己进行组装，当不需要避障决策功能时又可以将避障决策装置卸掉，既装卸方便又便于携带。本发明水平圆环02、竖直前后圆环03、竖直左右圆环04直径均为60cm，对于所有两个对角螺旋桨最大距离小于60cm的四旋翼无人机是通用的。
附图3为360°三维避障系统的组成框图。避障系统由四部分组成，分别是感知模块、数据处理模块、电源模块以及避障决策模块。感知模块包含超声波传感器，数据处理模块以及避障决策模块为STM32控制器，电源模块为锂电池。
STM32控制器安装在无人机中心是避障系统的核心。STM32控制器的主处理芯片采用的是ARM公司的f103zet6芯片，Cortex-M3是ARM公司在2004年推出的一款微处理器，这是第一款针对微控制器领域推出的产品，它采用了V7指令集,速度相比于ARM7要快了将近三分之一，然而它的功耗却比之低了四分之三，而且实现了更小的芯片面积。这款芯片的主要特性包括：高达72M的频率，数据，指令分别走不同的流水线，以确保CPU运行速度达到最大化。支持片外高速晶振(8M)和片外低速晶振(32K)。利用外置的纽扣电池可实现掉电数据保存功能。多达80个IO(大部分兼容5V逻辑)，4个通用定时器，2个高级定时器，2个基本定时器，3路SPI接口，2路I2S接口，2路I2C接口，5路USART，一个USB从设备接口，一个CAN接口，SDIO接口，可兼容SRAM，NOR和NAND Flash接口的16位总线-FSMC，可以满足本系统所需的多传感器数据处理和避障算法的运行，以达到避障系统的控制要求。
超声波传感器按照系统要求布置在无人机外侧水平圆环和竖直圆环上用于检测无人机周围环境信息。在众多超声波传感器中hc-sr04传感器模块由于其价格、量程、发射角度、精度等可满足本设计需要故采用其为测距装置，其主要特色包括：5V工作用电压，静态工作电流小于5mA，探测角度不大于30度，探测距离2cm-700cm，精度可达0.3cm，盲区(2cm)，可以和国外的MB1300、SRF08相媲美。当系统给一个大于10us的高电平信号后，模块自动发出8个40Khz的方波，自动检测是否有信号返回；有信号返回，通过IO输出一高电平，高电平持续的时间就是超声波从发射到返回的时间.测试距离＝(高电平时间*声速(340M/S))/2。
外围圆环以及连接杆采用碳纤维材料。碳纤维是一种含碳量在95％以上的高强度、高模量纤维的新型纤维材料。它是由片状石墨微晶等有机纤维沿纤维轴向方向堆砌而成，经碳化及石墨化处理而得到的微晶石墨材料。碳纤维质量比金属铝轻，但强度却高于钢铁，并且具有耐腐蚀、高模量的特性，在国防军工和民用方面都是重要材料。
电源模块安装在STM32控制器的下方，采用一块输出电压为7.4V的锂电池，容量为2200mah，重量116g，尺寸为105mm×33.5mm×15mm。配置一个电压转换器，将7.4V转换成5V和3.3V。
本发明所述三维避障系统运行过程流程图如附图4所示。首先由超声波感知模块采集周围环境信息并进行处理，然后根据障碍物体位置进行避障决策并将避障决策发送给飞行控制器进行避障。综上所述三维避障系统的方法包括以下步骤：
步骤1：避障系统传感器数量以及位置的配置。
由于超声波在进行测量时会有一定的发射角度，本系统采用的超声波测距模块发射角度为30°，为了实现该系统所需的三维检测功能需要对所使用的超声波模块进行合理布置。根据超声波的测距原理，超声波工作时发出一束波，其波束开角越大检测范围越广精度越低，常见的超声波波束角有15°、30°、45°，本系统采用的hc-sr04超声波测距模块其开角为30°，在不考虑超声波侧畔的理想情况下其波束角可以看做一个圆锥形，如图8所示：
其横截面的一半如图9所示为一个直角三角形：
如图其竖直直角边长度记为x，水平直角边长度记为y(y值由传感器采集而来)，由三角函数可知：
在θ已知的情况下x值和y值是一一对应的，本系统θ取30°，所以
由上式可知当y取不同值时x的对应值如表1所示：表1
| y(cm) | 200 | 150 | 100 | 75 | 50 | 30 | 20 | 10 | 5 |
| x(cm) | 53.590 | 40.192 | 26.795 | 20.096 | 13.397 | 8.038 | 5.359 | 2.679 | 1.340 |
由图8和图9可知x即为超声波所能探测到障碍物的有效覆盖面积圆的半径，根据圆的内接正方形如图10所示：
由
x2+x2＝z2
可知：
由上式可知x值和z值也是一一对应关系，由表1中x值可得z值如表2所示：表2
| y(cm) | 200 | 150 | 100 | 75 | 50 | 30 | 20 | 10 | 5 |
| x(cm) | 53.590 | 40.192 | 26.795 | 20.096 | 13.397 | 8.038 | 5.359 | 2.679 | 1.340 |
| z(cm) | 75.787 | 56.840 | 37.893 | 28.420 | 18.946 | 11.367 | 7.579 | 3.789 | 1.895 |
由于微小型四旋翼无人机尺寸在50厘米以内，所以在避障过程中超声波检测范围只要大于无人机尺寸即可。由表2中数据可知当避障距离不小于150cm只要上下左右前后位置各安装一个超声波传感器即可实现360°三维无死角检测以实现避障要求。所以本发明装置至少需要六个超声波传感器进行周围三维环境障碍信息的采集。为了减小避障距离以及增强避障有效性本发明360°三维检测的实现上采用的方案是：当前方、左前方、右前方、上前方、下前方任意一个方向距离d(50cm＜d≤150cm)发现障碍物时先减速飞行，当距离前方、左前方、右前方、上前方、下前方任意一个方向障碍物距离d(0cm＜d≤50cm)时进行避障决策；当左侧、右侧、上方、下方任意一个方向距离d(50cm＜d≤100cm)发现障碍物时进行减速飞行，当距离左侧、右侧、上方、下方任意一个方向障碍物d(0cm＜d≤50cm)时进行避障决策；当距离后方100cm发现障碍物时进行报警。
由此上方超声波传感器05、下方超声波传感器06分别安装在竖直前后圆环03、竖直左右圆环04的交汇处，上前方超声波传感器12、下前方超声波传感器13分别安装在竖直前后圆环03的上前方与下前方，并与上方超声波传感器05、下方超声波传感器06以及水平圆环02与竖直前后圆环的03的交点以45°的间隔均匀排列在竖直前后圆环03上。左侧超声波传感器10，右侧超声波传感器11分别安装在水平圆环02与竖直左右圆环04的交汇处，并与前左方超声波传感器07、前右方超声波传感器08，近左侧超声波传感器14、左前方超声波传感器15，近右侧超声波传感器16、右前方超声波传感器17以180°/7的角度均匀排列在水平圆环02上。一共13个超声波传感器。
步骤2：数据的采集与处理。
步骤2.1：数据的采集。
在STM32控制器01中编程并采集距离值，为了解决数据的采集中超声波侧畔以及串扰的影响，采用分时复用的方法进行距离值的测量。
步骤2.2：对采集的数据进行滤波处理。
由于测量值与真实值之间会存在一定的误差。本系统对每个超声波采集的数据进行卡尔曼滤波获得各传感器信号的局部最优估计，以减少超声波传感器自身精度和外界环境干扰所造成的误差。传感器数据信息的状态估值计算方程为：
Xik＝Xi(k)+Kik(Zik-HikXi(k)),i＝1,2,3,…,n
传感器数据信息的估计均方差方程为：
Pik＝(I-KikHik)Pi(k),i＝1,2,…,n
其中Xi(k)为第i个超声波传感器第k次采样的距离信息状态值。Kik为第i个超声波传感器第k次采样的滤波增益。Zik为第i个超声波传感器第k次采样的距离信息观测值。Hik为第i个超声波传感器第k次采样的测量矩阵，因为超声波传感器测量值为距离障碍物的距离值，与状态值同量纲，所以Hik＝1。Pi(k)为第i个超声波传感器第k次采样的一步预测均方差。i为融合的超声波传感器个数，k为采样的次数,n表示超声传感器的个数。
由此获得第i个超声波传感器第k次滤波的状态最优估计Xik和第i个超声波传感器第k次滤波的局部估计均方差Pik。
步骤2.3：对采集的数据分方向进行数据融合。
实验中由于上方、下方、左侧、左前方、前方、右前方、右方采用的是多个传感器进行距离值得测量，如果将其全部作为模糊控制器的输入会导致模糊规则的复杂性，增加算法的运算，耗费较多的系统资源。所以在进行模糊处理前需要对这些传感器采集的距离值进行数据融合处理，但此时己经不再是具体的距离长度，而是各方向上障碍距离的模糊信息。为合理利用传感器来获取无人机在这七个方向上的障碍信息，对传感器数据作联邦kalman滤波融合处理。
联邦kalman滤波器融合方法是当前应用最为成功的数据融合方法，它具有运算效率高，适用范围广等优点。相比于简单的加权平均法，联邦kalman滤波融合可以更加有效的利用距离数据信息，因为联邦kalman滤波融合可以在有传感器失效，部分传感器不能给出测量值的情况出现时，减少问题数据对于融合数据结果的影响，从而减少对于后续决策的影响。
经过分散化并行运算的kalman滤波器的处理,得到各超声波传感器的最优估计Xik以及估计均方差Pik，基于Xik和Pik,设计联邦kalman滤波器，其主要功能为得到所需的上方、下方、左侧、左前方、前方、右前方、右方障碍物信息的最优估计值Xk。
取Xk为各个超声波传感器的最优估计Xik的加权和，即
其中Pk为联邦kalman滤波器的估计均方差，并且
将(2)、(3)代入(1)可得，
由(4)可知，在传感器系统信息融合的过程中，如果某一个传感器经过滤波后的均方差Pik小，则联邦kalman滤波器对这个传感器输出的利用权重就大；反之利用权重就小。联邦kalman滤波融合方法的使用，提高了无人机掌握外部障碍物距离信息的稳定性。
步骤3：基于模糊控制算法的三维避障实现。
由于三维检测空间范围方向比较多如果每个方向的距离值同时进入模糊控制器进行避障决策会增加算法的难度与计算量、降低系统实时性。所以我们采用分时避障和分组避障的策略来保证系统的实现。
步骤3.1：分时避障策略的实现。
针对不同的操作环境设置不同的距离输出范围，以此来降低数据的处理量，从而降低数据处理的难度、提高实时性。
对于远距离的处理不放入模糊控制决策，而是在数据的输入前进行处理，如同驾驶汽车一样，当看到障碍物后首先降低车速，当临近障碍物时在决定如何处理。这样就由以前的远中近、远近、中近变为了(远)中近，减少了模糊控制输入的同时又保证了避障的有效性。
步骤3.2：分组的避障决策。
在采用分时的避障决策后虽然降低了部分输入，但由于三维空间的复杂性在方向上的输入依然比较多，本系统为了保障避障功能的实现采用一个水平二维平面和一个垂直二维平面来实现三维空间的避障。模糊控制器的结构如图11所示。：
(1)定义模糊逻辑控制器在每个平面上的输入输出变量。
①水平二维平面上输入变量定义为：
I1＝{L、LF、F、RF、R}，其中L、LF、F、RF、R分别为经数据融合后获得的四旋翼无人机的左方、左前方、前方、右前方、右方的障碍物距离，取值范围为(0-200cm)。根据超声波传感器的波束角对测距精度的限制，定义输入变量L、LF、F、RF、R的模糊语言变量{N1,M1}＝{近，中}。
水平二维平面上输出变量定义为：
O1＝{V、Angle1}。其中，V表示四旋翼无人机的移动速度，输出的速度范围为(0～3m/s)。Angle1表示四旋翼无人机的转向角度，取值为(-90°，0°，90°)。定义V的模糊语言变量为{SV,MV,FV}＝{慢，中，快}，定义angle1的模糊语言变量为{TL,TZ,TR}＝{左转，不变，右转}，当四旋翼无人机向左(右)转动时，angle1为负(正)。
②垂直二维平面上输入变量定义为：
I2＝{U、F、D}，其中U、F、D分别为经数据融合后获得的四旋翼无人机的上方、前方、下方的障碍物距离，取值范围为(0-200cm)。根据超声波传感器的波束角对测距精度的限制，定义输入变量U、F、D的模糊语言变量{N2,M2}＝{近，中}。
垂直二维平面上输出变量定义为：
O2＝{V、Angle2}。其中，V表示四旋翼无人机的移动速度，输出的速度范围为(0～3m/s)。Angle2表示四旋翼无人机的转向角度，取值为(-90°，90°)。定义V的模糊语言变量为{SV,MV,FV}＝{慢，中，快}，定义angle2的模糊语言变量为{TU,TD}＝{上飞，下飞}，当四旋翼无人机向上(下)飞行时，angle2为正(负)。
(2)建立隶属度函数
隶属度函数的确定包括确定隶属度函数的形状以及隶属度函数的阈值。取各个语言变量的隶属度函数形状为对称的三角形隶属函数曲线且模糊分割也是对称的如图12所示。
(3)建立模糊控制规则
无人机避障系统的基本思想是当发现障碍威胁时自动进行避障决策来躲避障碍物。因此，建立其仿生的行为方式是当障碍物位于无人机的左(右)侧时，则无人机右(左)转。定义如下If-Then规则。
①水平二维平面
If(L is N1)and(LF is N1)and(F is N1)and(RF is M1)and(R is M1)
Then(V is SV and angle1is TR)
②垂直二维平面
If(U is M2)and(F is N2)and(D is N2)
Then(V is SV and angle2is TU)
根据输入输出变量以及模糊语言变量，利用MATLAB的模糊工具箱为该模糊推理系统建立如上If-Then控制规则。
(4)生成避障决策
将(3)中决策结果进行解模糊化计算，这里采用重心法对模糊集进行解模糊。
步骤4：将解模糊化后的避障决策通过串口发送给飞行控制器。
效果：安装该避障决策系统的四旋翼无人机在执行航行任务时，避障决策系统上搭载的超声波传感器实时检测周围三维环境的动态信息，将采集到的障碍距离值经过卡尔曼滤波处理后分方向进行数据融合，将融合后的数据通过模糊逻辑算法进行避障决策，并将避障决策通过串口发送给飞行控制器。之后由四旋翼无人机上的飞行控制器来控制无人机的飞行姿态避开飞行任务中出现的静止或动态障碍物，保证人等障碍物安全的同时也保证了无人机自身的安全，从而保证飞行任务的顺利完成。
Claims (3)
1.室内四旋翼无人机360°三维避障系统，包括：三维障碍物检测模块；STM32F103控制器，水平圆环，竖直前后圆环，竖直左右圆环，右后方连接杆，右前方连接杆，左前方连接杆，左后方连接杆，串口，飞行控制器，右后方电机，右前方电机，左前方电机，左后方电机，右后方螺旋桨，右前方螺旋桨，左前方螺旋桨，左后方螺旋桨，锂电池；
其特征在于，至少需要八个传感器，八个传感器的具体布置为：上方超声波传感器，下方超声波传感器，后方超声波传感器，左侧超声波传感器，右侧超声波传感器；左前方超声波传感器，前左方超声波传感器，右前方超声波传感器与左侧超声波传感器，右侧超声波传感器以45°间隔均匀分布在水平圆环上；
采用一个水平二维平面和一个垂直二维平面来实现三维空间的避障，具体为：
(1)定义模糊逻辑控制器在每个平面上的输入输出变量；
①水平二维平面上输入变量定义为：
I1＝{L、LF、F、RF、R}，其中L、LF、F、RF、R分别为经数据融合后获得的四旋翼无人机的左方、左前方、前方、右前方、右方的障碍物距离，取值范围为0-200cm；根据超声波传感器的波束角对测距精度的限制，定义输入变量L、LF、F、RF、R的模糊语言变量{N1,M1}＝{近，中}；
水平二维平面上输出变量定义为：
O1＝{V、Angle1}；其中，V表示四旋翼无人机的移动速度，输出的速度范围为(0～3m/s)；Angle1表示四旋翼无人机的转向角度，取值为(-90°，0°，90°)；定义V的模糊语言变量为{SV,MV,FV}＝{慢，中，快}，定义angle1的模糊语言变量为{TL,TZ,TR}＝{左转，不变，右转}，当四旋翼无人机向左转动时，angle1为负；当四旋翼无人机向右转动时，angle1为正；
②垂直二维平面上输入变量定义为：
I2＝{U、F、D}，其中U、F、D分别为经数据融合后获得的四旋翼无人机的上方、前方、下方的障碍物距离，取值范围为0-200cm；根据超声波传感器的波束角对测距精度的限制，定义输入变量U、F、D的模糊语言变量{N2,M2}＝{近，中}；
垂直二维平面上输出变量定义为：
O2＝{V、Angle2}；其中，V表示四旋翼无人机的移动速度，输出的速度范围为(0～3m/s)；Angle2表示四旋翼无人机的转向角度，取值为(-90°，90°)；定义V的模糊语言变量为{SV,MV,FV}＝{慢，中，快}，定义angle2的模糊语言变量为{TU,TD}＝{上飞，下飞}，当四旋翼无人机向上飞行时，angle2为正；当四旋翼无人机向下飞行时，angle2为负；
(2)建立隶属度函数
隶属度函数的确定包括确定隶属度函数的形状以及隶属度函数的阈值；取各个语言变量的隶属度函数形状为对称的三角形隶属函数曲线且模糊分割也是对称的；
(3)建立模糊控制规则
当障碍物位于无人机的左侧时，则无人机右转；当障碍物位于无人机的右侧时，则无人机左转；定义如下If-Then规则；
①水平二维平面
If(L is N1)and(LF is N1)and(F is N1)and(RF is M1)and(R is M1)
Then(V is SV and angle1 is TR)
②垂直二维平面
If(U is M2)and(F is N2)and(D is N2)
Then(V is SV and angle2 is TU)
根据输入输出变量以及模糊语言变量，利用MATLAB的模糊工具箱为该模糊推理系统建立如上If-Then控制规则；
(4)生成避障决策
将(3)中决策结果进行解模糊化计算，采用重心法对模糊集进行解模糊；
将解模糊化后的避障决策通过串口发送给飞行控制器。
2.根据权利要求1所述的室内四旋翼无人机360°三维避障系统，其特征在于，传感器还包括：前右方超声波传感器，上前方超声波传感器，下前方超声波传感器，近左侧超声波传感器，左前方超声波传感器，近右侧超声波传感器，右前方超声波传感器。
3.根据权利要求1或2所述的室内四旋翼无人机360°三维避障系统，其特征在于，采用近、中、远的避障方式，即当前方、左前方、右前方、上前方、下前方任意一个方向距离d，其数值范围为50cm＜d≤150cm，发现障碍物时先减速飞行；当距离前方、左前方、右前方、上前方、下前方任意一个方向障碍物距离d，其数值范围为0cm＜d≤50cm时进行避障决策；当左侧、右侧、上方、下方任意一个方向距离d，其数值范围为50cm＜d≤100cm发现障碍物时进行减速飞行，当距离左侧、右侧、上方、下方任意一个方向障碍物d，其数值范围为0cm＜d≤50cm时进行避障决策；当距离后方100cm发现障碍物时进行报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610166707.9A CN105629985B (zh) | 2016-03-20 | 2016-03-20 | 室内四旋翼无人机360°三维避障系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610166707.9A CN105629985B (zh) | 2016-03-20 | 2016-03-20 | 室内四旋翼无人机360°三维避障系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105629985A CN105629985A (zh) | 2016-06-01 |
| CN105629985B true CN105629985B (zh) | 2018-09-04 |
Family
ID=56045039
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610166707.9A Expired - Fee Related CN105629985B (zh) | 2016-03-20 | 2016-03-20 | 室内四旋翼无人机360°三维避障系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105629985B (zh) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105955298B (zh) * | 2016-06-03 | 2018-09-07 | 腾讯科技（深圳）有限公司 | 一种飞行器的自动避障方法及装置 |
| CN105955304A (zh) * | 2016-07-06 | 2016-09-21 | 零度智控（北京）智能科技有限公司 | 一种避障方法、避障装置及无人飞行器 |
| CN107662706A (zh) * | 2016-07-28 | 2018-02-06 | 深圳航天旭飞科技有限公司 | 灭虫无人机 |
| CN106226774B (zh) * | 2016-08-26 | 2019-02-12 | 涂超 | 一种基于多传感器融合的机器人测距方法 |
| CN106598066A (zh) * | 2016-11-30 | 2017-04-26 | 浙江大学 | 一种电力巡线四旋翼无人机自主避障系统 |
| CN106680832B (zh) * | 2016-12-30 | 2019-07-26 | 深圳优地科技有限公司 | 一种移动机器人的障碍物检测方法、装置和移动机器人 |
| RU2757549C2 (ru) * | 2017-01-06 | 2021-10-18 | Аурора Флайт Сайенсиз Корпорейшн | Система и способ для предупреждения столкновений беспилотного летательного аппарата |
| CN106647812B (zh) * | 2017-02-15 | 2019-06-07 | 中国人民解放军海军航空大学 | 一种基于保角映射分析的无人飞行器空间避障方法 |
| CN108459613A (zh) * | 2017-02-21 | 2018-08-28 | 成都弥新科技有限公司 | 一种高压线路巡检无人机系统 |
| CN113466822B (zh) * | 2017-07-04 | 2024-06-25 | 百度在线网络技术（北京）有限公司 | 用于检测障碍物的方法和装置 |
| CN107492377A (zh) * | 2017-08-16 | 2017-12-19 | 北京百度网讯科技有限公司 | 用于控制自拍飞行器的方法和装置 |
| CN107313800A (zh) * | 2017-08-19 | 2017-11-03 | 中国矿业大学 | 一种矿井侦测飞机飞行通道识别系统 |
| CN107943074A (zh) * | 2017-11-20 | 2018-04-20 | 国网山东省电力公司莱芜供电公司 | 一种电力巡检微型多旋翼无人机安全间距保持系统 |
| CN108363396A (zh) * | 2018-03-06 | 2018-08-03 | 苏州登阳信息技术有限公司 | 一种基于速度与距离的自动驾驶系统 |
| CN108573482B (zh) * | 2018-03-22 | 2019-02-05 | 深圳市精一控股有限公司 | 警示枪触发式计算机操作平台 |
| CN109617596A (zh) * | 2018-12-29 | 2019-04-12 | 芜湖鑫芯微电子有限公司 | 一种基于网络传感器的无人机追踪方法 |
| CN110108982A (zh) * | 2019-04-30 | 2019-08-09 | 广州供电局有限公司 | 高压验电系统、方法以及装置 |
| CN110333738A (zh) * | 2019-07-10 | 2019-10-15 | 华东师范大学 | 一种基于仿真模拟软件的无人机集群验证方法 |
| FR3110999B1 (fr) | 2020-05-28 | 2022-10-14 | Airbus Helicopters | Procédé et système de détection et d’évitement d’obstacles à plusieurs espaces de détection pour aéronef |
| CN113703466A (zh) * | 2021-07-14 | 2021-11-26 | 浙江理工大学 | 一种频率可调的四旋翼无人机避障方法 |
| CN114721437A (zh) * | 2022-05-06 | 2022-07-08 | 山东浪潮科学研究院有限公司 | 一种基于fpga的无人机高速避障系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4120861C2 (de) * | 1991-06-25 | 2001-02-22 | Mannesmann Vdo Ag | Stellweg-Meßeinrichtung |
| CN201373919Y (zh) * | 2009-04-01 | 2009-12-30 | 南昌航空大学 | 一种全方位球阵列多超声障碍物检测仪 |
| US8284382B2 (en) * | 2005-07-08 | 2012-10-09 | Lockheed Martin Corporation | Lookdown and loitering LADAR system |
| CN104002886A (zh) * | 2014-05-22 | 2014-08-27 | 战强 | 一种可变形球形探测机器人 |
| CN104408844A (zh) * | 2014-12-08 | 2015-03-11 | 成都唯昂新材料有限公司 | 一种全方位入侵探测器 |
| CN204631622U (zh) * | 2015-04-28 | 2015-09-09 | 南京航空航天大学 | 基于超声波距离检测的无人机避障系统 |
| CN104908964A (zh) * | 2014-06-06 | 2015-09-16 | 苏州晓炎自动化设备有限公司 | 一种球形机器人 |
| CN204846371U (zh) * | 2015-05-22 | 2015-12-09 | 刘道满 | 一种可避障的无人机系统 |
-
2016
- 2016-03-20 CN CN201610166707.9A patent/CN105629985B/zh not_active Expired - Fee Related
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4120861C2 (de) * | 1991-06-25 | 2001-02-22 | Mannesmann Vdo Ag | Stellweg-Meßeinrichtung |
| US8284382B2 (en) * | 2005-07-08 | 2012-10-09 | Lockheed Martin Corporation | Lookdown and loitering LADAR system |
| CN201373919Y (zh) * | 2009-04-01 | 2009-12-30 | 南昌航空大学 | 一种全方位球阵列多超声障碍物检测仪 |
| CN104002886A (zh) * | 2014-05-22 | 2014-08-27 | 战强 | 一种可变形球形探测机器人 |
| CN104908964A (zh) * | 2014-06-06 | 2015-09-16 | 苏州晓炎自动化设备有限公司 | 一种球形机器人 |
| CN104408844A (zh) * | 2014-12-08 | 2015-03-11 | 成都唯昂新材料有限公司 | 一种全方位入侵探测器 |
| CN204631622U (zh) * | 2015-04-28 | 2015-09-09 | 南京航空航天大学 | 基于超声波距离检测的无人机避障系统 |
| CN204846371U (zh) * | 2015-05-22 | 2015-12-09 | 刘道满 | 一种可避障的无人机系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105629985A (zh) | 2016-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105629985B (zh) | 室内四旋翼无人机360°三维避障系统 | |
| CN107278282B (zh) | 路径规划的方法、装置、飞行控制系统、全方位避障系统与无人机 | |
| Cheng et al. | Mobile robot navigation based on lidar | |
| CN206057974U (zh) | 一种应用在旋翼无人机上的避障系统 | |
| CN105892489A (zh) | 一种基于多传感器融合的自主避障无人机系统及控制方法 | |
| Wang et al. | Applications and prospects of agricultural unmanned aerial vehicle obstacle avoidance technology in China | |
| CN109923492A (zh) | 飞行路径确定 | |
| CN106054896A (zh) | 一种智能导航机器人小车系统 | |
| WO2015100899A1 (zh) | 基于无线充电奇数轴飞行器的智能巡航机器人 | |
| CN207397097U (zh) | 城市河道排污口巡查系统 | |
| CN102854881A (zh) | 无人机uav自动控制系统 | |
| CN111348161A (zh) | 一种应用于海洋牧场的资源环境监测系统及其操作方法 | |
| CN106373435B (zh) | 面向飞行员的非集中式安全间隔自主保持系统 | |
| CN104133482A (zh) | 一种无人机模糊控制飞行方法 | |
| CN108469820A (zh) | 一种两轮驱动低速全天候无人驾驶巡逻车系统 | |
| CN113093737B (zh) | 水空两栖式全方位自主搜救舰队 | |
| Yu et al. | ECHO: An efficient heuristic viewpoint determination method on frontier-based autonomous exploration for quadrotors | |
| Wang et al. | Research on autonomous planning method based on improved quantum Particle Swarm Optimization for Autonomous Underwater Vehicle | |
| Li et al. | Design and implementation of a new jet-boat based unmanned surface vehicle | |
| Ennong et al. | Design and experiment of a sea-air heterogeneous unmanned collaborative system for rapid inspection tasks at sea | |
| Dongyue et al. | The investigation of the obstacle avoidance for mobile robot based on the multi sensor information fusion technology | |
| CN113859482B (zh) | 基于gps巡航与姿态解算的智能救生系统及控制方法 | |
| CN215707042U (zh) | 一种应用于海洋牧场的资源环境监测系统 | |
| CN113371161A (zh) | 一种新型两推进器智能水下机器人 | |
| CN106598066A (zh) | 一种电力巡线四旋翼无人机自主避障系统 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180904 Termination date: 20210320 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |