CN106526074B - 旋翼无人机机载三维气味来源方向检测方法 - Google Patents
旋翼无人机机载三维气味来源方向检测方法 Download PDFInfo
- Publication number
- CN106526074B CN106526074B CN201610845950.3A CN201610845950A CN106526074B CN 106526074 B CN106526074 B CN 106526074B CN 201610845950 A CN201610845950 A CN 201610845950A CN 106526074 B CN106526074 B CN 106526074B
- Authority
- CN
- China
- Prior art keywords
- particle
- smell
- weight
- aerial vehicle
- unmanned aerial
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method, e.g. intermittent, or the display, e.g. digital
Abstract
本发明涉及一种旋翼无人机机载三维气味来源方向检测方法,在所采用的旋翼无人机的中心安装有惯性测量单元和磁力计,气味传感器均匀排布在以中心为圆形的圆周上,采用粒子滤波框架,每个粒子被视为一个虚拟气味源,每个粒子连续不断释放虚拟气味包,通过比较虚拟气味包造成的气味传感器信号时间延迟、波动方差和实际测量的信号时间延迟、波动方差,得到每个粒子的似然度;在每个计算周期,粒子的权重根据其似然度进行更新,似然度较高的粒子获得较大的权重;为实时跟踪气味来源方向,在每个算法周期内都进行一次重采样,删除权重过小的粒子,分裂权重过大的粒子;气味的来源方向为各粒子位置矢量的加权矢量和。
Description
技术领域
本发明涉及一种气味检测装置,特别是能进行三维气味来源方向的感知。
背景技术
随着工业化的发展,突发毒害气体泄漏引发的恶性事故频频发生,造成重大人员伤亡和财产损失,使生态环境受到严重破坏,甚至还引发社会恐慌等问题。因此有毒有害气味泄漏源的探测有着重要的意义。
气味来源的探测设备可以分为被动式和主动式。被动式探测设备是指探测仪器不具有自主移动能力,探测过程需要人工参与;主动式探测设备可以自主移动寻找气味来源。目前气味来源探测主要依靠的商业手持可燃/有毒气体探测仪{专利CN200810059559.6}就是一种被动式探测仪器,它只能测量仪器所在位置的气体浓度,操作人员通过测量多点的浓度,人工判断气味来源,这种方式搜寻效率低,且有毒有害气体对操作人员有潜在危害。
日本东京农工大学的Ishida教授开发了一种可指示气味来源方向的气味罗盘{Ishida H,Nakamoto T,Moriizumi T.Study of odor compass[C].IEEE/SICE/RSJInternational Conference on Multisensor Fusion and Integration forIntelligent Systems.IEEE,1996:222-226.},该气味罗盘是一种机械式的气味指示装置,它使用风扇和旋转挡板来判断气味来源方向,由于采用的机械部件较多,难以做到小型化,同时也存在易老化易损坏的问题。
孟庆浩等提供一种可指示气味源方向的便携式气体探测装置及方法{专利CN201410605741.2},并设计了手持仪器{Wei Y.-T.,Meng Q.-H.,Jing Y.-Q.,et al.APortable Odor-Tracing Instrument[J].IEEE Transactions on Instrumentation&Measurement,2016,65(3):631-642.},该发明设计了一种将多个气体传感器连通的气室,通过综合多个气体传感器测得的浓度信息估计出气味源方向,避免了机械式气味罗盘的机械旋转操作。但是该发明的不足之处是,它只能探测二维平面上的气味来源方向,不能获得气味来源的高度信息,且必须在有风环境中使用,另外,由于它是一种手持式设备,当有毒有害气体泄漏事件发生时,需要操作人员手持设备深入污染区域作业,这对操作人员的健康有潜在危害。
移动机器人主动嗅觉{孟庆浩、李飞.主动嗅觉研究现状[J].机器人28.1(2006):89-96}是利用机器人移动寻找气味来源的一个研究方向,因此嗅觉机器人是一种主动式探测设备。但是这个方向的成果目前还处在二维(地面)气味来源搜索{专利CN200810054299.3}的阶段,采用的移动机器人为地面轮式机器人,搜索环境一般限制在结构化的环境,不适用于三维环境及复杂地形。
发明内容
本发明的目的是提供一种可感知三维气味来源方向的旋翼无人机机载气味检测方法。本发明的技术方案如下:
一种旋翼无人机机载三维气味来源方向检测方法,在所采用的旋翼无人机的中心安装有惯性测量单元和磁力计,气味传感器均匀排布在以中心为圆心的圆周上,采用粒子滤波框架,粒子集为三维气味来源的可能方向的集合,在计算中采用虚拟气味源与无人机的相对位置矢量来描述气味来源的可能方向,这样每个粒子被视为一个虚拟气味源,每个粒子连续不断释放虚拟气味包,通过比较虚拟气味包造成的气味传感器信号时间延迟、波动方差和实际测量的信号时间延迟、波动方差,得到每个粒子的似然度,即每个虚拟气味源是真实气味源的概率;在每个计算周期,粒子的权重根据其似然度进行更新,似然度较高的粒子获得较大的权重;为了实时跟踪气味来源方向,在每个算法周期内都进行一次重采样,删除权重过小的粒子,并分裂权重过大的粒子;气味的来源方向为各粒子位置矢量的加权矢量和。
优选地,在一个算法周期内,采用如下的步骤:
1)采用卡尔曼滤波对气味传感器采集的信号进行预处理。
2)对1)预处理后的信号进行高频率重新采样,并使用高斯滤波器对最近一段时间的信号进行平滑处理。
3)对2)平滑处理后的信号求取高阶导数信号。
4)对3)的结果进行归一化处理。
5)对4)的结果进行滑动互相关运算,求取传感器信号之间的时间延迟信息,并且求取步骤2)平滑处理后的各个传感器信号的波动方差。
6)根据惯性测量单元和磁力计的历史输出计算传感器历史位置信息,采用扩张状态观测器估计风扰。
7)假设每个粒子连续不断释放虚拟气味包,结合旋翼无人机的下洗气流特征和估计的风扰,计算该粒子释放的虚拟气味包的运动轨迹,并使用高斯核函数计算这些虚拟气味包造成的传感器信号时间延迟和波动方差。
8)比较步骤7)与步骤5)的结果,计算各个粒子的似然度,结果较近似的粒子获得较高的似然度。
9)更新各个粒子的权重,具有较高似然度的粒子获得较大的权重,气味的来源方向为各粒子位置矢量的加权矢量和。
10)重采样粒子,设定权重阈值的上限和下限,将权重过小的粒子删除,并将权重过大的粒子分裂为多个以高斯分布围绕该粒子的新粒子。
可以使用预定尾流模型(prescribed wake model)近似计算旋翼无人机的下洗气流特征。
本发明主要优点及特色体现在如下几个方面:
1、本发明的气味检测方法利用旋翼无人机的下洗气流诱导产生的局部气味扩散模式,通过融合多枚气体传感器、惯性测量单元和磁力计的信息,估计三维气味来源方向。
2、相较于传统的可燃/有毒气体探测仪,本发明不仅能够提供被测点的气味浓度信息,而且能够提供三维气味来源方向的信息。
3、本发明不涉及传统气味罗盘的机械旋转操作,而且相较于“可指示气味源方向的便携式气体探测装置及方法”{专利CN201410605741.2},本发明不仅可以计算二维平面上的气味来源方向,也可以估计气味源与装置的高度差,另外,由于利用了旋翼的泵吸作用,本发明在有风环境和无风环境均适用。
4、相对于移动机器人主动嗅觉来说,本发明由于采用旋翼无人机作为运动载体,在复杂环境和地形下,通过性更强。
附图说明
图1为本发明的气味检测装置结构示意俯视图。
图2为本发明的气味检测装置结构示意侧视图。
图3为本发明的三维气味来源方向感知算法流程图。
具体实施方式
本发明使用的气体传感器需要为相同型号,实际中根据待测气体进行选型。本发明对使用的惯性测量单元和磁力计的精度要求不高,实际中可采用最常用的集成式陀螺仪/加速度计/磁力计(电子指南针)芯片。
本发明涉及的核心传感部件由三枚气体传感器、惯性测量单元和磁力计组成(俯视图参见图1,侧视图参见图2)。
惯性测量单元和磁力计安装在底板1的中心,底板1以捷联方式安装在旋翼无人机的中心,且与电机8、9、10、11构成的平面平行。横板2、3、4与底板1通过螺丝固定,它们以等角度间隔呈放射状固定在与底板同一平面的四周,横板2、3、4的末端分别放置气体传感器5、6、7,传感器的放置方式是气敏侧朝向旋翼。同时需要控制横板2、3、4的厚度,使传感器气敏侧的高度小于旋翼无人机的电机高度,以使传感器不阻挡旋翼的正常旋转,且离旋翼的旋转平面有一定的微小距离。
本发明利用上述的气味检测装置实现的三维气味来源方向感知方法,利用旋翼下洗气流特征和多枚气体传感器信号的相关性实现三维气味来源方向感知。更具体地说,本方法将三维气味来源方向分解为水平(二维)分量和竖直分量,这是因为,不同水平分量方向扩散而来的气味会造成多枚气体传感器不同的信号时间延迟模式,根据信号时间延迟可以逆推气味来源方向的水平分量,另外,由于旋翼对其上方空气的泵吸作用和对其下方空气的下洗作用,气味扩散轨迹在旋翼附近会产生扭曲,这会造成多枚气体传感器不同的信号波动方差,根据信号波动方差可以估计气味来源方向的竖直分量。
由于旋翼下洗气流特征具有非线性的特点,而且旋翼无人机在正常飞行时,它的姿态、位置是不断变化的,很难建立气体传感器信号时间延迟、波动方差与气味来源方向的解析表达,因此本发明采用粒子滤波框架,将三维气味来源的可能方向建模为粒子集,每个粒子连续不断释放虚拟气味包,这样通过比较虚拟气味包造成的气体传感器信号时间延迟、波动方差和实际测量的信号时间延迟、波动方差,可以得到每个粒子的似然度。
本发明的三维气味来源方向感知方法如下所述(参见图3):
[1]旋翼无人机上电时,气味检测装置也上电开始初始化。惯性测量单元和磁力计进行校准,气体传感器开始预热,不同的气体传感器的预热时间不同。
[2]旋翼无人机起飞时,气味检测装置的处理器开始执行算法循环,初始化粒子集,每个粒子表示气味源的可能方向,粒子保持在以旋翼无人机为中心的一定范围内,此时粒子在以旋翼无人机为中心的球面上均匀分布。算法的执行频率可根据所采用的处理器性能有所调整,本实例的算法执行频率为10Hz。
[3]在一个算法周期内,处理器首先采用卡尔曼滤波处理气味传感器的电压信号,以抑制旋翼无人机的电机产生的电磁噪声影响。
[4]对步骤[3]的结果进行高频率重新采样(本实例使用的模数转换芯片的采样率较低,如果采样率较高则不需要重新采样),并使用高斯滤波器对最近一段时间(本实例为10s)的信号进行平滑。
[5]对步骤[4]的结果求取高阶导数信号,本实例采用二阶导数。
[6]对步骤[5]的结果进行归一化处理。
[7]对步骤[6]的结果进行滑动互相关运算,求取传感器信号之间的时间延迟信息。并且求取步骤[4]结果的各传感器信号的波动方差。
[8]根据惯性测量单元和磁力计的历史输出计算传感器历史位置信息并估计风向。
[9]假设每个粒子连续不断释放气味包,结合旋翼无人机的下洗气流特征和估计的风向,计算该粒子释放的气味包的运动轨迹,并使用高斯核函数计算这些气味包造成的传感器信号时间延迟和波动方差。本实例使用预定尾流模型(prescribed wake model)近似计算旋翼无人机的下洗气流特征。
[10]比较步骤[9]与步骤[7]的结果,计算各个粒子的似然度。结果较近似的粒子获得较高的似然度。
[11]根据步骤[10]的结果更新各个粒子的权重,计算气味的来源方向为各粒子方向的加权矢量和。本实例采用旋翼无人机的机体坐标系,气味的来源方向为各粒子位置矢量的加权矢量和。
[12]在必要时进行粒子的重采样。
[13]在下一个算法执行周期,返回步骤[3]。
Claims (4)
1.一种旋翼无人机机载三维气味来源方向检测方法,在所采用的旋翼无人机的中心安装有惯性测量单元和磁力计,气味传感器均匀排布在以中心为圆心的圆周上,采用粒子滤波框架,粒子集为三维气味来源的可能方向的集合,在计算中采用虚拟气味源与无人机的相对位置矢量来描述气味来源的可能方向,这样每个粒子被视为一个虚拟气味源,每个粒子连续不断释放虚拟气味包,通过比较虚拟气味包造成的气味传感器信号时间延迟、波动方差和实际测量的信号时间延迟、波动方差,得到每个粒子的似然度,即每个虚拟气味源是真实气味源的概率;在每个计算周期,粒子的权重根据其似然度进行更新,似然度较高的粒子获得较大的权重;为了实时跟踪气味来源方向,在每个算法周期内都进行一次重采样,删除权重过小的粒子,并分裂权重过大的粒子;气味的来源方向为各粒子位置矢量的加权矢量和。
2.根据权利要求1所述的检测方法,其特征在于,在一个算法周期内,采用如下的步骤:
1)采用卡尔曼滤波对气味传感器采集的信号进行预处理;
2)对步骤1)预处理后的信号进行高频率重新采样,并使用高斯滤波器对最近一段时间的信号进行平滑处理;
3)对步骤2)平滑处理后的信号求取高阶导数信号;
4)对步骤3)的结果进行归一化处理;
5)对步骤4)的结果进行滑动互相关运算,求取传感器信号之间的时间延迟信息,并且求取步骤2)平滑处理后的各个传感器信号的波动方差;
6)根据惯性测量单元和磁力计的历史输出计算传感器历史位置信息,采用扩张状态观测器估计风扰;
7)假设每个粒子连续不断释放虚拟气味包,结合旋翼无人机的下洗气流特征和估计的风扰,计算该粒子释放的虚拟气味包的运动轨迹,并使用高斯核函数计算这些虚拟气味包造成的传感器信号时间延迟和波动方差;
8)比较步骤7)与步骤5)的结果,计算各个粒子的似然度,结果较近似的粒子获得较高的似然度;
9)更新各个粒子的权重,具有较高似然度的粒子获得较大的权重,气味的来源方向为各粒子方向的加权矢量和;
10)重采样粒子,设定权重阈值的上限和下限,将权重过小的粒子删除,并将权重过大的粒子分裂为多个以高斯分布围绕该粒子的新粒子。
3.根据权利要求1所述的检测方法,其特征在于,使用预定尾流模型(prescribed wakemodel)近似计算旋翼无人机的下洗气流特征。
4.根据权利要求1所述的检测方法,其特征在于,采用旋翼无人机的机体坐标系,气味的来源方向为各粒子位置矢量的加权矢量和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610845950.3A CN106526074B (zh) | 2016-09-23 | 2016-09-23 | 旋翼无人机机载三维气味来源方向检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610845950.3A CN106526074B (zh) | 2016-09-23 | 2016-09-23 | 旋翼无人机机载三维气味来源方向检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106526074A CN106526074A (zh) | 2017-03-22 |
CN106526074B true CN106526074B (zh) | 2018-09-28 |
Family
ID=58344082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610845950.3A Active CN106526074B (zh) | 2016-09-23 | 2016-09-23 | 旋翼无人机机载三维气味来源方向检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106526074B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107132313B (zh) * | 2017-05-08 | 2020-10-27 | 南京信息工程大学 | 一种无人机排查污染源的方法及污染源排查系统 |
CN108828140A (zh) * | 2018-04-26 | 2018-11-16 | 中国计量大学 | 一种基于粒子群算法的多无人机协同恶臭溯源方法 |
CN108445524B (zh) * | 2018-05-11 | 2021-02-19 | 山东大学 | 基于无人机平台的隧道内放射性监测系统及方法 |
CN108956864A (zh) * | 2018-05-23 | 2018-12-07 | 广东容祺智能科技有限公司 | 一种基于无人机的气体浓度检测标识系统及其检测标识方法 |
CN108593213A (zh) * | 2018-07-12 | 2018-09-28 | 中冶北方(大连)工程技术有限公司 | 无人机地下矿巡检及气味追踪装置 |
CN108845584B (zh) * | 2018-09-06 | 2021-05-11 | 江南大学 | 一种基于ls-svm控制的风抗无人机追溯突发气体污染源方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005061836A (ja) * | 2003-08-11 | 2005-03-10 | Toyoe Moriizumi | 悪臭源検出排除方法及び悪臭源検出排除装置 |
CN101210817A (zh) * | 2007-12-24 | 2008-07-02 | 河北工业大学 | 室内环境下机器人自主搜寻气味源的方法 |
CN101344513A (zh) * | 2008-08-26 | 2009-01-14 | 天津大学 | 时变流场环境中机器人搜寻气味源方法 |
CN102034030A (zh) * | 2010-12-28 | 2011-04-27 | 杭州电子科技大学 | 一种多机器人系统合作定位危险气味源方法 |
CN103176164A (zh) * | 2013-04-11 | 2013-06-26 | 北京空间飞行器总体设计部 | 基于无线传感器网络的多目标无源跟踪方法 |
CN104360018A (zh) * | 2014-10-31 | 2015-02-18 | 天津大学 | 一种可以指示气味源方向的便携式气体探测装置及方法 |
CN104914167A (zh) * | 2015-06-17 | 2015-09-16 | 南京航空航天大学 | 基于序贯蒙特卡洛算法的声发射源定位方法 |
-
2016
- 2016-09-23 CN CN201610845950.3A patent/CN106526074B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005061836A (ja) * | 2003-08-11 | 2005-03-10 | Toyoe Moriizumi | 悪臭源検出排除方法及び悪臭源検出排除装置 |
CN101210817A (zh) * | 2007-12-24 | 2008-07-02 | 河北工业大学 | 室内环境下机器人自主搜寻气味源的方法 |
CN101344513A (zh) * | 2008-08-26 | 2009-01-14 | 天津大学 | 时变流场环境中机器人搜寻气味源方法 |
CN102034030A (zh) * | 2010-12-28 | 2011-04-27 | 杭州电子科技大学 | 一种多机器人系统合作定位危险气味源方法 |
CN103176164A (zh) * | 2013-04-11 | 2013-06-26 | 北京空间飞行器总体设计部 | 基于无线传感器网络的多目标无源跟踪方法 |
CN104360018A (zh) * | 2014-10-31 | 2015-02-18 | 天津大学 | 一种可以指示气味源方向的便携式气体探测装置及方法 |
CN104914167A (zh) * | 2015-06-17 | 2015-09-16 | 南京航空航天大学 | 基于序贯蒙特卡洛算法的声发射源定位方法 |
Non-Patent Citations (3)
Title |
---|
Ishida H etal.Mobile robot navigation using vision and olfaction to search for a gas/odor source.《Autonomous Robots》.2006,第20卷(第3期), * |
Meng Qinghao etal.Collective odor source estimation and search in time-varient airflow environment.《sensors》.2011,第11卷(第4期), * |
李飞等.基于P-PSO算法的室内有障碍通风环境下的多机器人气味源搜索.《自动化学报》.2009,第35卷(第12期), * |
Also Published As
Publication number | Publication date |
---|---|
CN106526074A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526074B (zh) | 旋翼无人机机载三维气味来源方向检测方法 | |
CN104061934B (zh) | 基于惯性传感器的行人室内位置跟踪方法 | |
EP2740256B1 (en) | Moving direction determination with noisy signals from inertial navigation systems on mobile devices | |
Zhang et al. | A handheld inertial pedestrian navigation system with accurate step modes and device poses recognition | |
JP6285316B2 (ja) | 屋内測位システム | |
Hernandez Bennetts et al. | Mobile robots for localizing gas emission sources on landfill sites: is bio-inspiration the way to go? | |
CN105910601B (zh) | 一种基于隐马尔科夫模型的室内地磁定位方法 | |
CN106442879B (zh) | 用于三维环境中气味源方向指示的检测方法 | |
CN103340634B (zh) | 一种基于加速度变化检测人运动状态的方法 | |
CN107396321A (zh) | 基于手机传感器和iBeacon的无监督式室内定位方法 | |
CN104864873B (zh) | 一种利用人体运动特征辅助地图定位的方法 | |
CN106840163A (zh) | 一种室内定位方法及系统 | |
CN106643711A (zh) | 一种基于手持设备的室内定位方法及系统 | |
CN108426573A (zh) | 一种终端设备的行人步态检测方法及终端设备 | |
Gao et al. | XINS: The anatomy of an indoor positioning and navigation architecture | |
Pei et al. | Using motion-awareness for the 3D indoor personal navigation on a Smartphone | |
CN108519105A (zh) | 一种基于差分统计的零速校正定位方法 | |
Lu et al. | A step length estimation model of coefficient self-determined based on peak-valley detection | |
CN108420392A (zh) | 一种轮廓检测及模型生成方法 | |
Witschger et al. | Simplified method for testing personal inhalable aerosol samplers | |
CN103791910B (zh) | 导航仪根据车内气压变化进行道路匹配的工作方法 | |
CN109917372A (zh) | 基于目标预测的扩展目标量测集划分和跟踪方法 | |
CN104075710B (zh) | 一种基于航迹预测的机动扩展目标轴向姿态实时估计方法 | |
Rutkowski et al. | A robotic platform for testing moth-inspired plume tracking strategies | |
CN102595309A (zh) | 一种基于无线传感器网络的穿墙跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |