CN107111958A - 使用光、声和/或多光谱模式检测的商用和通用飞机规避 - Google Patents
使用光、声和/或多光谱模式检测的商用和通用飞机规避 Download PDFInfo
- Publication number
- CN107111958A CN107111958A CN201580065086.9A CN201580065086A CN107111958A CN 107111958 A CN107111958 A CN 107111958A CN 201580065086 A CN201580065086 A CN 201580065086A CN 107111958 A CN107111958 A CN 107111958A
- Authority
- CN
- China
- Prior art keywords
- uav
- signal
- flyer
- spatial domain
- track
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 33
- 230000003993 interaction Effects 0.000 claims description 23
- 230000003287 optical effect Effects 0.000 claims description 19
- 241000894007 species Species 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000001737 promoting effect Effects 0.000 claims 1
- 238000001228 spectrum Methods 0.000 abstract description 28
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 36
- 238000012360 testing method Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 17
- 238000012544 monitoring process Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 13
- 230000005236 sound signal Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 238000005286 illumination Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000000576 coating method Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 239000011248 coating agent Substances 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 241000428198 Lutrinae Species 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000036528 appetite Effects 0.000 description 2
- 235000019789 appetite Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 239000010763 heavy fuel oil Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
- G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0004—Transmission of traffic-related information to or from an aircraft
- G08G5/0008—Transmission of traffic-related information to or from an aircraft with other aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0039—Modification of a flight plan
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0078—Surveillance aids for monitoring traffic from the aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本公开涉及一种用于无人机(“UAV”)的检测和规避设备,以及与在UAV飞行期间的自动物体检测和规避有关的系统、装置和技术。所述系统可以通过从物体发射或反射的声信号、视觉信号、红外信号、多光谱信号、高光谱信号或物体可检测信号来检测所述UAV的空域内的物体。所述系统可以通过将所述接收到的信号的特征与数据库中的已知源信号进行比较来识别所述物体可检测信号的来源。所述特征可以是例如与所述物体相关联的灯布置或灯的数量。此外,可以基于所述物体的诸如巡航速度、机动性等的特性性能参数来确定所述物体的轨迹包络。所述UAV可以基于所述UAV的空域内的检测到的物体的所述轨迹包络来确定优化的飞行计划,以规避所述检测到的物体。
Description
相关申请的交叉引用
本专利要求2014年12月12日提交的题为“使用光模式检测的商用和通用飞机规避(Commercial and General Aircraft Avoidance using Light Pattern Detection)”的美国实用专利申请序列号14/569,125、2014年12月12日提交的题为“使用多光谱波检测的商用和通用飞机规避(Commercial and General Aircraft Avoidance using Multi-spectral wave Detection)”的美国实用专利申请序列号14/569,233、以及2014年12月12日提交的题为“使用声模式识别的商用和通用飞机规避(Commercial and GeneralAircraft Avoidance using Acoustic Pattern Recognition)”的美国实用专利申请序列号14/569,183的优先权,每个申请的全部内容单独并组合通过引用并入本文。
背景技术
无人机(UAV)在业余爱好者、商业实体(例如航空摄影)和军事用户中已比较常见。这些飞行器通常在空中交通最繁忙和最不可预测的低海拔地区操作。例如,商用飞机的起飞和降落、试飞、私人飞行员活动、业余爱好者、气球和气球飞艇、航空广告、水上飞机、应急响应器和其他UAV可能更有可能存在于UAV的空域内。自主操作或受操作者控制的UAV必须主动规避干扰存在于UAV的空域内的移动和静止的其他物体。
飞机防撞系统(ACAS)和飞机间隔确保系统(ASAS)旨在独立于地面空中交通控制器来操作。若干系统通常用于载人飞机上,以规避碰撞并维持飞机间隔,例如机载雷达和交通防撞系统。然而,这些系统通常是沉重的、昂贵的和/或依赖于进行询问的飞机附近的飞机的应答器的主动询问。较轻的系统通常是被动的,并且依靠于来自附近飞机的应答器信息的传输,从而仅被动地防止在发射飞行器附近的飞机之间的相互作用。在一些情况下,物体可能未配备应答器,并且因此对于使用这些技术的被动检测来说将不可见。此外,在最繁忙和最不可预测的空域(即低海拔)中,载人飞行器通常依赖于飞行员和空中交通控制器来防止飞机之间的相互作用并维持足够的间隔。
附图说明
参考附图来描述详细的说明。在图中,参考数字中最左侧的数字标识所述参考数字首次出现的图。在不同图中的相同参考数字指示类似或相同的项目。
图1是说明性无人机(UAV)空域的示意图,其部分由UAV、移动和静止的物体、UAV传感器以及动态更新UAV飞行计划的UAV飞行管理系统组成。
图2是UAV的空域的示意图,示出一个或多个UAV检测区域,包括周边物体检测区域和内部主动物体监测区域。
图3是示出UAV的飞行管理系统的框图,其包括处理器、计算机可读介质、一个或多个传感器、声发射器和无线通信组件。
图4是说明性性能参数数据库的示意图,其将所识别的物体与特性性能参数相关联和将可缩放的轨迹包络与所标识的物体相关联。
图5是UAV的空域的示意图,其指示表示物体的当前位置、轨迹和轨迹在未来时间变化的可能性的概率导出图。
图6A是表示UAV的空域的图示平面图,其包括具有代表性照明系统(包括导航和防撞灯)的飞机。此表示进一步描绘在维持UAV之间的网络通信的同时检测飞机的多个UAV。
图6B是图6A的飞机的图示侧视图。图6B表示在维持UAV之间的网络通信的同时检测与图6A中同一架飞机的多个UAV。
图7是表示UAV的空域的平面图并且示出能够扩展各个UAV的检测限并提高网络内的各个UAV的信号强度的UAV对等(P2P)通信网络的示意图。
图8是用于检测和识别物体并管理UAV飞行计划的说明性过程的流程图。
图9是用于使用表示UAV的空域的图像来检测和识别物体并管理UAV飞行计划的说明性过程的流程图。
图10是用于使用表示UAV的空域的声信号来检测和识别物体并管理UAV飞行计划的说明性过程的流程图。
图11是用于检测和识别物体并管理UAV飞行计划的说明性过程的流程图,示出通过多UAV通信网络的信息交换。
具体实施方式
综述
本公开涉及无人机(“UAV”)以及在UAV的操作期间与物体检测和/或物体间隔和规避有关的系统、装置和技术。UAV可以用于将货物例如从运营中心运送到一个或多个目的地,并且可以随后返回运营中心或其他位置以检索其他货物以便另外运输到一个或多个附加目的地。UAV可以包括多个传感器,包括例如能够捕获一种或多种波长的电磁能量(包括红外和/或视觉)的一个或多个摄像机、声传感器(例如,麦克风等)和/或用于在UAV操作期间检测和自主规避物体的多光谱传感器。UAV还可以包括一个或多个发射器,诸如声发射器。
UAV可以询问由传感器捕获的数据以确定源、源轨迹和源操作特性(例如,速度和/或加速度)。UAV还可以通过分析在一段时间内捕获的信号数据来识别与传输源相关联的物体类型(例如,静止物体、固定翼飞行器、旋翼飞机、气球飞艇/气球等)和源的轨迹变化的可能性。通过物体识别和轨迹变化的可能性,UAV可以随后确定由UAV检测到的一个或多个物体中的个体的轨迹包络。UAV还可以将其自己的飞行计划与一个或多个轨迹包络进行比较,并且更新其自己的飞行计划,以最小化或消除与一个或多个物体相互作用的可能性。物体规避系统可以用来在UAV的整个操作过程中持续地确保UAV和物体在UAV的空域内的安全行驶。
在各种实施方案中,物体检测和规避系统可以包括一个或多个监测区域。在一种实现中,UAV可以主动地监测一个或多个空域区域,包括最靠近UAV的内部主动监测区域。UAV还可以监测超出主动监控区域的检测区域并且达到UAV的传感器的最大检测限。超出检测区域,UAV可能无法监测物体或物体位置。然而,UAV可以与一个或多个附近的UAV交换关于物体的信息,以有效地增加UAV的检测限和/或检测区周界。
当物体存在于最外侧监测的空域区域、检测区域中时、UAV可以持续地监测物体的低保真操作特性,诸如相对位置和/或轨迹。当物体移动到最内的空域区域、主动监测区域中时,UAV可以以更高的保真度来持续地监测物体的特性。例如,UAV可以至少维持物体的活动位置、物体的轨迹和/或所检测的物体的轨迹包络线。
根据一个或多个实施方案,UAV可以配备有飞行管理系统,所述飞行管理系统包括处理器、计算机可读介质、一个或多个传感器、一个或多个输出装置和无线通信组件。飞行管理系统可以接收并分析代表来自UAV的空域的信号的传感器数据。飞行管理系统可以将分析的数据与数据库信息进行比较,以识别信号源。飞行管理系统可以部分地基于接收到的信号的变化来确定所识别的物体的操作特性。此外,飞行管理系统可以至少部分基于通过物体性能参数数据库与物体相关联的性能参数来确定一个或多个检测到的物体的轨迹包络。飞行管理系统还可以维持动态UAV飞行计划并更新计划,以减少或消除干扰在UAV的空域内操作的一个或多个物体的可能性。
在一些实施方案中,物体性能参数数据库可以维持表征与UAV的空域内的一个或多个物体相关联的性能参数的信息。例如,物体参数数据库可以包括在任何给定空域内共同或可能遇到的物体(例如,飞机、静止物体等)的特性。样本特性可以包括但不限于爬升速率和/或下降速率、物体的操作天花板、范围、速度、机动性和/或可缩放轨迹包络。此外,性能参数数据库中的物体的特性可以被组织成一种或多种类型的飞机,诸如固定翼飞机、旋翼飞机、气球飞艇和/或气球、实验飞机等。
此外,物体性能参数数据库可以包括每个物体的可缩放轨迹包络。可缩放轨迹包络可以是三维几何,其基于与物体相关联并且存储在性能参数数据库中的性能参数来描述物体的轨迹变化的概率。此外,飞行管理系统可以使用物体的当前操作特性(诸如相对于UAV的位置和/或物体的确定轨迹(包括速度))来缩放与物体相关联的可缩放轨迹包络并且确定表示物体轨迹变化的概率的轨迹包络。此外,飞行管理系统可以基于缩放的轨迹包络更新其自己的飞行计划,以最小化对物体的干扰。
在另外的实施方案中,UAV的飞行管理系统可以确定在UAV的空域中检测到的一个或多个物体的轨迹包络。可以至少部分基于物体的操作特性和/或物体的轨迹变化的概率来确定轨迹包络。此外,飞行管理系统可以至少部分基于检测到的物体的当前轨迹、物体的性能参数以及与物体相关联的一个或多个性能参数来确定UAV与物体之间的相互作用的概率。取决于物体的当前操作特性和/或与物体相关联的性能参数,相互作用的概率可以在距物体更远的距离和/或随时间变化。
在一些实施方案中,UAV可以捕获表示UAV的空域的多个图像,并且分析所捕获的图像以便指示物体。指示可以是飞机的轮廓和/或飞机上的一个或多个导航或防撞灯。此外,指示可以包括一个或多个识别的飞机灯的开关频率或旋转频率。UAV可以分析收集的图像以便指示类似的照明方案或类似的闪光频率和/或持续时间,并且参考物体数据库来识别物体。此外,物体性能参数可以根据多个图像内的识别的物体相对于UAV的位置的变化来确定。
在另外的实施方案中,UAV可以在一段时间内捕获表示UAV的空域的声信号并分析所捕获的声信号,以识别发射或反射声信号的一个或多个物体和/或物体轨迹(例如,方向和/或速度)的变化。捕获的声信号可以表示为光谱图,并且识别表示指纹的光谱图的部分。随后可以使用指纹来识别物体。此外,基于一段时间内的声信号的变化,物体的操作参数(例如,轨迹和/或速度等)。此外,可以确定轨迹包络以描述物体与UAV的当前飞行计划相互作用的可能性。如果可能或甚至很可能进行相互作用,那么可以更新UAV的飞行计划。
仍然在一些实施方案中,UAV可以通过对等(P2P)网络与一个或多个附近的UAV进行通信,以共享传感器捕获的信息。附近的UAV可以具有关于共享空域中的物体的附加信息。网络中的一个或所有UAV可以用共享数据补充捕获的数据,以提高物体检测和分类的准确性。
仍然在另外的实施方案中,一个或多个UAV可以维持通信网络以扩展网络内的任何单个UAV的检测限。传感器可以具有固有的仪器检测限,从而创建距离UAV的最大物体检测距离。然而,第一UAV可以维持与第一多个附近UAV的通信链路。此外,第一多个中的单个UAV可以在第一UAV的检测限之内或之外。继而,第一多个UAV中的每个成员可以维持与在第二多个UAV内一个或多个附加UAV的通信链路。第一UAV可以捕获与在其自身的检测限内检测到的物体相关的信息,并且与包括第二UAV的第一多个中的一个或多个UAV共享捕获的信息。继而,第一多个中的一个或多个UAV随后可以与第二多个共享捕获的信息和/或利用用于物体检测的信息。因此,通过通信网络共享的捕获信息可以用来提高物体检测和分类的准确性,并且扩展网络内的各个UAV的确定限。
本文描述的技术、设备和系统可以以多种方式来实现。下文参考以下附图来提供示例性实现。
图1是说明性UAV的空域100的示意图,其部分包括UAV 114;移动和静止物体102;UAV传感器,其包括例如光学传感器124和/或声传感器126;以及动态地更新UAV飞行计划132的UAV飞行管理系统120。空域100可以是例如UAV的基地位置128与一个或多个目的地位置130之间的空域。UAV的空域100还可以包括与UAV装载(即,UAV装载有效载荷110以便进行递送的地方)、分离和/或递送)相关联的空域。一个或多个物体102和一个或多个附近的UAV116的相对位置不是限制性的,并且因此它们可以在UAV的空域100内相对于UAV 114的任何位置处。
UAV的空域100可以包括多个物体102。物体可以包括许多物体类型。例如,如图1所示,物体102(1)可以是固定翼飞机。然而,物体102还可以包括任何类型的飞行器,例如附近的UAV 116、旋翼飞机和/或气球飞艇或气球。此外,物体102可以是静止物体诸如建筑物或工厂、天线102(2)、高压电力线、控制塔、跑道或跑道照明、桥、野生动物(例如鸟等)、树或其他自然形态(例如像山脉或岩层)。
物体102可以与一个或多个操作特性104相关联,例如像轨迹、速度和/或加速度。此外,物体102可以产生一个或多个可捕获指示。例如,物体产生的指示可以是指由物体产生、反射和/或发射的能量波,例如包括声音或电磁能量(即,可见光108和红外频率)和/或声信号106。物体102还可以根据构成物体102的材料或系统反射和/或发射整个电磁光谱中的独特频率。例如,高光谱成像或多光谱成像可以用于通过捕获反射的电磁能的特定频率来确定物体102的成分。在一个实施方案中,涂料或类似涂层的聚合物可以产生独特的光谱指纹,可以通过所述光谱指纹来识别物体102。
此外,UAV可以容纳飞行管理系统120以指导信号捕获和分析;物体检测和对UAV的飞行计划的修改。以下参照图3更详细地描述飞行管理系统120的实施方案。例如,飞行管理系统120可以访问物体指示(例如,从物体引起的声音106产生的信号、从物体发射的光108产生的信号)并且将指示处理成适合于分析的格式。例如,声信号106可以被格式化成表示信号随时间的频率变化的光谱图。飞行管理系统120随后可以识别表示物体的信号的特性,并将这些特性与和已知物体相关联的特性的数据库进行比较。因此,飞行管理系统可以肯定地识别与指示相关联的物体。随后,飞行管理系统可以将来自数据库121的性能参数与所识别的物体相关联,以确定操作包络123或轨迹变化的概率。
此外,飞行管理系统120可以确定UAV 114与一个或多个识别物体102之间的距离。此距离可以通过测距技术来确定,诸如但不限于测距聚焦机构、激光测距仪、脉冲雷达技术或超声测距技术。飞行管理系统120可以首先识别在UAV的空域中操作的物体,并且随后使用测距技术来确定物体的距离和操作特性。
此外,UAV的飞行管理系统120可以将UAV的操作特性112和当前飞行计划132与所识别物体的操作包络进行比较,以确定修改当前飞行计划132的必要性。飞行管理系统120可以通过确定与所识别的物体的操作包络的相互作用的最小可能性以及用于递送有效载荷110的最大效率(燃料消耗和/或飞行时间)来更新飞行计划。
UAV 114可以维持诸如对等网络(P2P网络)的通信网络122或UAV114与一个或多个附近的UAV 116之间的类似通信接口。UAV 114可以利用从附近的UAV 116收集的信息来提高物体识别的准确性,并且扩展UAV的感测设备的检测限以包括网络的一个或多个附近的UAV 116的检测限。此外,通过通信接口122共享的数据可以用于三角测量物体102随时间的位置,并且提高确定的操作物体特性104和/或UAV空域100内存在的一个或多个附近的UAV116的操作特性118的准确性。
此外,飞行管理系统120可以维持UAV 114的动态飞行计划132。动态飞行计划132可以描述UAV的基地位置128与一个或多个目的地位置130之间的飞行路径的完成部分和/或计划部分。飞行管理系统120可以考虑燃料水平、有效载荷110的重量、到目的地位置130中的一个或多个的距离、从基地位置128行进的距离、空域拥堵等。此外,飞行管理系统120可以包括一个或多个远程充电站的位置、由于空域拥堵而暂停操作和/或干扰UAV的空域100中的物体102的可能性或者作为飞行计划132的最优化的部分的其他未计划的目的地。
图2是UAV的空域的示意图,示出一个或多个UAV检测区域,包括周边物体检测区域和内部主动物体监测区域200。在一些实施方案中,UAV检测区域可以包括主动物体监测区域202和物体检测区域204。UAV 212可以分别在周边距离216和218处维持两个区域。然而,可以使用更多或更少的区域。主动监测区域202保持在一定距离处,其确保UAV 212相对于UAV的操作特性214以及UAV的空域100内的一个或多个物体的操作特性的安全操作。因此,主动监测区域202的周边距离216可以根据各种因素而变化。此外,物体检测区域距离218可以维持在UAV的传感器230的检测限处。可以使用物体的视觉和/或声学签名来检测和监测在主动物体监测区域202或物体检测区域204中操作的物体。例如在声学检测中,UAV可以接收物体产生的或反射的声学指示(即,来自物体操作的声波)。此外或可替代地,UAV可以捕获UAV的空域的视觉图像,包括与一个或多个物体相关联的照明,以识别并监测物体。
UAV的空域100可以包含一个或多个未监测的物体226、一个或多个检测到的物体220和/或一个或多个主动监测的物体206。可替代地,UAV的空域100内的任何一个区域或所有区域可以不包含物体。此外,未监测的物体226可以在UAV的传感器230的检测限之外。UAV212可以从一个或多个附近的UAV 230获得未监测的物体操作特性228,以使得当物体进入UAV的检测区域204时,一个或多个附近的UAV 230通过通信接口共享未监测的物体操作特性228。
UAV 212可以监测物体检测区域204内的物体的一个或多个操作特性222,诸如物体220的位置、速度和/或轨迹。在一些情况下,由于传感器的限制、相互作用的可能性和/或其他原因,UAV 212可能不监测检测区域外部的物体的操作特性228。此外,UAV 212可以将轨迹包络224与物体220相关联,并且UAV的飞行管理系统可以更新UAV的飞行计划,以避免未来与轨迹包络224相互作用。
对于在UAV的检测区域204中操作的物体,从物体接收的可检测信号可以在任何时间点与物体220和UAV 212之间的距离成比例。因此,UAV212可以将轨迹包络224与物体220相关联,其与相对于历史信号强度的信号强度成比例地缩放和/或当信号强度低于阈值水平时以最大缩放因子缩放。此外,轨迹包络224可以反映UAV操作者希望假设与UAV的空域100内的其他物体相互作用的可能性的风险水平。所得到的轨迹包络将相对于确定的物体操作特性是最大的。在一些情况下,UAV 212可以暂停操作以适应UAV 212可能无法确定足够无风险的飞行计划的繁忙空域。
当物体(例如,物体206)进入主动监测区域202并且位于距离UAV 212的距离216内时,UAV 212可以转变到物体的主动监测。也可以在主动监测区域202内首先检测物体206。UAV 212可以基于对由观察物体的传感器230产生的信号的分析来确定物体的操作特性208以及识别物体类型。因此,UAV 212可以相对于检测区域204内的物体220维持主动检测监测区域202内的物体206的较高保真度细节。例如,UAV 212可以通过至少部分基于与物体206相关联的所产生的信号来确定物体类型,从而识别物体206。UAV 212可以随后至少部分基于与所识别的物体类型相关联的性能参数来确定与物体相关联的轨迹变化的概率,诸如最大爬升速率和下降速率(即,下沉速率)、所识别的物体的操作天花板、范围、最大速度和总体机动性或操作包络。识别的物体类型可以是静止的或移动的,物体的操作特性和轨迹变化的确定概率可以反映所识别的物体类型。UAV的飞行管理系统可以并入物体的操作特性208的较高保真细节来确定物体的轨迹包络210,并且至少部分基于所确定的轨迹包络210来更新UAV的飞行计划。
图3是示出UAV的飞行管理系统300的框图,其包括处理器、计算机可读介质、一个或多个传感器、声发射器和无线通信组件。参考图1来讨论图3。UAV 114可以容纳飞行管理系统300。飞行管理系统300可以包含处理器302、计算机可读存储介质304以及包括例如光学传感器316、声传感器318和/或多光谱传感器320的一个或多个传感器。飞行管理系统300还可以包括声发射器322和无线通信组件324。此外,飞行管理系统可以包括一个或多个数据库,包括例如特性特征数据库312和性能参数数据库314。
计算机可读存储介质304可以包括飞行计划管理器模块306、物体轨迹模块308和信号处理器模块310。此外或可替代地,信号处理器模块310可以至少部分地在远程服务器上实现以便进行分析(例如,上传并分析到云服务器或专用服务器)。信号处理器模块310可以获得并处理由一个或多个传感器捕获的信号。信号处理器模块310可以将信号中的特征与已知特征的数据库进行比较,从而将与信号相关联的物体与已知物体类型(例如,固定翼飞机,或者更具体地,飞机的特定模型)相关联。物体轨迹模块308可以比较在一段时间内的经处理的信号,以确定物体相对于UAV114的轨迹。此外,物体轨迹模块308可以从信号处理器模块310接收识别的物体类型,并将物体类型与和多个物体类型相关联的性能参数314的数据库进行比较。物体轨迹模块308可以从信号处理器模块308接收物体的标识,并且利用物体性能参数和当前操作特性来确定物体的轨迹包络。
飞行计划管理器模块306可以存储UAV的当前飞行计划并且与物体轨迹模块308相互作用以根据需要来更新UAV的飞行计划。例如,飞行计划管理器模块306可以确定UAV的当前飞行计划132与物体的轨迹包络之间的相互作用的可能性。飞行计划管理器模块306可以确定优化的飞行计划,以规避与物体的轨迹包络的相互作用,以及确定诸如以下的因素:燃料水平、有效载荷重量、到一个或多个目的地的距离、从基地位置行进的距离、空域拥堵等。
光学传感器316可以利用成像传感器或其他类型的光学传感器来随时间捕获UAV的空域(例如,图1所示的空域100)的一个或多个图像,以供信号处理器模块310进行分析。例如,光学传感器316可以捕获包含一个或多个物体(例如,图1所示的物体102)的UAV的空域的多个图像。信号处理器模块310可以检测图像内的物体的一个或多个特性特征,以便与特性特征数据库312进行比较。当物体的特性特征与特性特征数据库312中的一个或多个特征之间存在正匹配时,将物体识别为特定物体类型。例如,图像分析可以在与固定翼物体相关联的布置(例如,距离/间隔和/或位置)中检测多个导航或防撞灯的存在。如上所述,信号处理器模块310可以可能使用UAV距离物体的距离信息来确定多个灯的特性特征,诸如灯模式的间隔和/或闪光频率或旋转频率。可以通过从图像识别的特性特征与特性特征数据库312之间的比较来识别物体。
更具体地,图像分析可以用来识别飞机上存在的常见照明模式。例如,在调节空域中操作的商用飞机通常需要一个或多个导航灯和防撞照明。通常,导航照明至少包括在飞机左舷或左侧上的红灯和白灯,以及飞机右舷或右侧上的绿灯和白灯。此外,飞机在机翼的末端和飞机的机身上可以具有白灯,并且在飞机的机身上的前方位置处可以具有防撞灯。信号处理器模块310可以将识别的特性特征(诸如飞机上的一个或多个检测到的照明布置的相对位置)与存储在特性特征数据库模块312中的相似特征进行比较,以确定飞机的身份。此外,信号处理器模块314可以参考特性特征数据库模块308来确定所识别的照明布置的闪光频率,以便识别飞机102。
此外,可以通过将一个或多个物体的视觉特性与存储在特性特征数据库模块312中的特性进行比较来识别一个或多个物体。例如,如果物体是固定翼飞机,那么信号处理器模块310可以使用诸如边缘检测和特征提取的图像分析技术来确定物体具有翼展为三十六英尺的直机翼、常规轮式起落架、7.32的纵横比、二十七英尺的长度和/或螺旋桨。通过将所识别的特性特征与特性特征数据库312进行比较,信号处理器模块310可以确定物体为“塞斯纳(Cessna)172”(一种类型的小型私人飞机)或类似级别内的另一种飞行器。
声传感器318可以基于由物体产生或反射的声音来产生声信号。声传感器318可以是声传感器的阵列组件的形式。通过信号处理,可以诸如通过使用波束成形技术来确定与产生的声信号相关联的物体的方向性和/或移动。因此,产生的信号的处理可以使得能够跟踪物体的位置、取向和/或移动,以及确定指示与声音相关联的物体类型的分类的信号的独特签名。此外,声发射器322可以传输可以由在空域内操作的一个或多个物体反射的声波。
信号处理器模块310可以将信号表示为信号强度、时间和频率的光谱图。在1006处,信号处理器模块310可以识别表示捕获的声信号的独特指纹的光谱图的部分。例如,信号处理器模块310可以识别基于相对于光谱图的信噪比的信号强度的满足或超过阈值的光谱图的指纹部分。通过将识别的指纹与特性特征数据库312进行比较,信号处理器模块310可以确定物体为小型私人飞机(例如,塞斯纳(Cessna)172)或类似级别内的另一种飞机。如上所述,信号处理器模块310可以采用波束成形处理来定位声音的方向和/或跟踪声源的移动。
此外或可替代地,多光谱传感器320可以捕获对物体反射或发射的电磁能,以识别物体的特定特性。例如,对于特定设计或类型的飞机是独特的基于聚合物的涂层可以反射特定波长的电磁能。多光谱传感器320可以通过信号处理器模块310从由涂层反射的捕获的电磁能中识别指纹,并且指纹与特性未来数据库312的比较可以导致物体的识别。
飞行管理系统300可以进一步参考性能参数数据库模块314识别物体的性能参数。飞行管理系统300可以使用性能参数数据库模块314交叉参考所确定的所识别物体的物体类型,以确定所识别物体的性能参数。例如,性能参数可以包括爬升速率和/或下降速率、飞机的操作天花板、范围、速度、机动性和/或所识别的物体的飞行包络。例如,参考上述所识别的小型私人飞机,性能参数数据库314可以确定物体具有122节的巡航速度、163节的最大速度、13,500英尺的服务天花板以及每分钟721英尺的爬升速率。飞行管理系统300可以使用物体的性能参数和操作特性来确定轨迹包络并更新UAV的飞行计划。
物体轨迹模块308可以接收并分析UAV的空域的一个或多个图像,结合来自信号处理器模块310的物体识别结果和确定的物体性能参数,以确定识别物体102的当前轨迹,以及轨迹变化的概率或轨迹包络。例如,所识别的小型私人飞机可以具有锥形轨迹包络并且被缩放以反映小型私人飞机的操作特性。相对于图4和图5进一步详细地讨论轨迹包络。
飞行管理系统300还可以包括能够维持多个UAV之间的通信网络(诸如图1所示的通信网络122)或P2P网络的无线通信组件324。例如,在UAV的空域内操作的UAV和一个或多个附近的UAV可以传输数据库信息、物体识别数据和/或表示从UAV的空域捕获的信号的数据。此外,位于多个UAV的检测限内的物体可以允许相对于UAV网络的物体位置的三角测量。
图4是说明性性能参数数据库400的示意图,其将所识别的物体与特性性能参数相关联和将可缩放的轨迹包络和所标识的物体相关联。数据库400可以包括多个性能参数402,诸如爬升速率、操作天花板、范围、机动性、下降速率,巡航速度等,以及相关联的值403。维持在数据库400中的每个物体可以具有与性能参数402中的每一个相关联的值。物体可以基于物体类型404来进一步分类,所述物体类型404诸如固定翼404(1)、旋翼飞机404(2)、气球/气球飞艇404(3)、静止物体等。在一些实施方案中,数据库400可以包括特定的飞机和/或物体,诸如飞机的特定模型。每种物体类型404可以具有一个或多个子类别,从而进一步以更高的特异性来识别物体。例如,“固定翼”可以进一步细分为“商业”和私人飞行员”,并且再次进一步细分为“商业货物”和“商业乘客”。此外,每种物体类型404可以由一个或多个视觉表示406来表示。一个或多个视觉表示可以用于识别所识别的物体的结构特征。此外,数据库400可以包括用于每种物体类型的可缩放的轨迹包络。可缩放的轨迹包络可以基于一个或多个性能参数402例如像机动性、速度或操作天花板以及可识别物体的相关联的性能值403来反映物体的轨迹变化的概率。
轨迹包络轮廓可以被表征为表示轨迹包络的可缩放体积。可以基于所识别的物体的操作特性(诸如速度和/或加速度)、可用于物体的轨迹的历史信息来对可缩放体积进行缩放。例如,缩放因子的大小可以设定为反映与UAV的空域内的物体相关联的可预测性因素。此外,如果检测的物体的轨迹在预定时间段过程中已改变超过阈值量和/或超过UAV的空域内的实例的阈值数量,那么缩放因子与如果物体的轨迹在相同的预定时间量内是恒定的相比将要更大。对于可能基于历史数据维持恒定轨迹的物体,可预测性因素可能接近值“1”。
可缩放体积可以是物体类型的特性。例如,固定翼408飞机的性能参数通常导致起飞、着陆和高度变化之外的相对恒定的飞行路径,以规避湍流或其他飞机。因此,所产生的可缩放体积410可以导致锥形的可缩放体积410,其反映出飞机的相对适度的机动性和飞机的相对较窄的速度和加速度包络。可以通过尺寸特性412在数学上描述可缩放轨迹包络。尺寸特性可以被缩放以表示物体的操作特性。
类似地,相对于固定翼飞机408具有较高机动性的旋翼飞机414可以具有泪滴状可缩放体积416。泪滴状体积可以表示旋翼飞机快速改变方向、速度和/或加速度的能力。旋翼飞机的可缩放体积416可以由类似的尺寸特性417来在数学上表示,所述尺寸特性417可以被缩放以反映旋翼飞机的操作特性。
第三示例、气球或气球飞艇418可以具有相对小的球形可缩放体积420,从而反映物体的窄性能参数,诸如速度和机动性。例如,体积420可以是反映气球飞艇相对于固定翼飞机408或旋翼飞机414的不可预测性的球形。球形可以由尺寸特性422来表示,并且被缩放以反映气球飞艇的操作特性。
图5是UAV的空域的示意图,其指示表示物体的当前位置、轨迹和轨迹在未来时间变化的可能性的概率导出图500。例如,UAV的飞行管理系统300可以将物体识别为固定翼飞机504,并且随后确定由锥形形状表示的三维轨迹包络并且被缩放以表示物体的当前操作特性508。轨迹包络可以进一步表示为三维等概率(即恒定概率)轨迹图。轨迹图的等概率线的密度表示在由轨迹包络描述的体积内的任何给定点处找到物体508的变化概率。例如,具有密集的等概率线的点可以指示在此点处相对于当前轨迹的轨迹变化的较高可能性。
例如,可以由1到n个等概率线506来描述在未来的某个时间点找到固定翼飞机的位置的概率。靠近物体的当前位置的轨迹变化的概率506(1)可能相对较低。反向关系可以表述为物体将位于靠近物体的当前位置的点处的可能性相对较高。然而,在距离当前位置更远的点506(n)处,与更靠近的位置506(1)相比,轨迹变化的概率相对较高,并且因此未来在更远点506(n)处找到固定翼飞机504的可能性会更低。
然而,旋翼飞机物体512可以比固定翼飞机504更具有可操纵性,并且因此更加不可预测。在旋翼飞机示例中,旋翼飞机512远远向前的等概率线可以被更加压缩,从而表示旋翼飞机可能改变轨迹的可能性很高。在当前轨迹之后并且距当前轨迹90度和180度的等概率线可以不太密集,从而反映旋翼飞机512的快速变化过程的能力,同时考虑到旋翼飞机512将维持其当前操作特性516(即,旋翼飞机更可能长期而不是短期地改变前进方向)的概率。
UAV的飞行计划管理系统300可以将UAV的当前操作特性510和飞行计划132与UAV的空域100中的一个或多个物体的当前操作特性以及与每个物体相关联的概率图进行比较,以确定用于UAV 502的最低风险的飞行计划。以这种方式,UAV 502可以相对于UAV的空域100来管理不同程度的风险。例如,在更受控制的环境(诸如有效载荷拾取位置)中,可以增加UAV 502的风险承担能力,以反映环境内的适当的附加控制机构。
在一些情况下,与飞行计划相关联的风险水平可以包括考虑管理机构(诸如联邦航空管理局)提交的飞行计划。提交的飞行计划可以包括飞机标识、设备类型(即物体类型)、巡航速度、飞行时间等。UAV的飞行计划管理系统300可以询问针对飞机提交的飞行计划的数据库,以把风险评估、UAV的飞行计划132与UAV的空域100中物体的提交的飞行计划之间的相互作用的可能性作为因素计入。
UAV操作者可能希望在有效载荷递送期间显著降低或消除UAV 502在规定空域内的任何风险承担能力,以确保安全。这可能导致UAV 502暂停其飞行计划,以适应UAV 502可能无法确定足够无风险的飞行计划的繁忙空域。
图6是表示UAV的空域的图示平面图,其包括具有代表性照明系统(包括导航和防撞灯600)的飞机。检测到的飞机602的这些照明系统可以包括在飞机的左侧上的红灯604和白灯606。绿灯608和白灯610在飞机右侧上,并且白灯612在飞机后部处(通常在飞机尾部上)。此外,飞机可以在飞机的中间部分的顶部上具有白灯626。此外,飞机可以在飞机的机身的后部上具有白灯630,以及通常位于机翼和推进系统之前并且在飞机机身上的防撞灯628。照明系统的目的通常是在低可见度的情况(诸如雾/云或夜间)期间提高飞机从各个方向的可视性。
如上面关于图3所讨论的,飞行管理系统300的光学传感器316可以捕获飞机照明系统600的相对位置、闪光频率和/或旋转频率。例如,防撞照明618可以具有每分钟40到100个循环之间的旋转频率。通过将位置和/或频率与特性特征数据库308进行比较,飞行管理系统300可以识别物体类型,并且进一步确定物体的物体操作特性和轨迹包络。
当多个UAV在同一个空域中操作时,它们可以建立对等网络624以共享关于其检测到的环境的信息。例如,第一UAV 614可以具有检测的飞机602的右侧上的绿灯608和白灯610以及顶部白灯626的可视性。第一UAV614可以使用光学传感器618来捕获多个图像616。
第二UAV 620可以具有对后部白灯612、左侧红灯604和白灯606以及后部白灯630和防撞灯628的直接可视性。第二UAV 620可以使用其光学传感器622来捕获多个图像616。此外,每个UAV可以与在网络624内操作的其他UAV共享捕获的图像和处理的数据。关于图7所示的多UAV通信网络来进一步描述数据共享。
图7是表示UAV的空域的平面图并且示出能够扩展各个UAV的检测限并提高网络内的各个UAV的信号强度的UAV对等(P2P)通信网络700的示意图。两个或更多个UAV可以通过P2P网络702进行通信,例如其中两个或更多个UAV可以交换与在其各自的检测限内检测的物体相关的信息。因此,UAV可以通过P2P网络702将其检测限的范围扩展成包括一个或多个附加UAV的检测限。此外,UAV的网络可以提高网络702内的任何个别UAV的准确性,并且提供数据以三角测量物体相对于网络的UAV的位置,其中物体处于多个UAV的检测限内。
例如,通信网络700可以包括在空域内操作的1到n个UAV和多个物体。网络的第一UAV 706可以具有与其传感器的范围相关联的检测限704。此外,UAV 706可以在其检测限704内具有一个或多个物体。例如,这可以包括多个固定翼飞机,一个在仅第一UAV 706的检测限内操作,并且第二固定翼飞机716在第一UAV 706和第二UAV 708两者的检测限内操作。第二UAV 708具有与其传感器的检测能力相关联的检测限730。
如上所述,第一UAV 706可以检测并识别两个物体以及确定每个物体的操作特性。此外,如上面关于图4和图5所讨论的,第一UAV 706可以确定每个物体的轨迹包络。第二UAV708也可以检测第二固定翼飞机716并确定其操作特性724以及物体的轨迹包络。P2P网络702可以在两个UAV之间传输由第一UAV和第二UAV确定的操作特性数据。利用附加数据,每个UAV可以更新其确定的操作特性和轨迹包络。此外,每个UAV可以使用从另一个UAV收集的数据,利用两个UAV相对于网络已知的位置,对飞机716相对于两个UAV的位置进行三角测量。
除了第二飞机716之外,第二UAV 708可以检测并识别第三固定翼飞机714和飞机的操作特性722。由于第三飞机714在第一UAV 706的检测限704之外,所以第二UAV 708可以通过P2P网络702将与第三飞机714有关的信息(诸如操作特性722)传送给第一UAV 706。这可以赋予第一UAV 706在其检测限704之外操作的物体的更高可视性。
同样,第n个UAV 710可以具有与其传感器相关联的在第一UAV或第二UAV的检测限之外的检测限728。第n个UAV 710可以与在P2P网络702内的一个或多个UAV共享在其检测限728内检测到的物体718的操作特性726,以提高超出在P2P网络中操作的每个UAV的检测限的空域的可视性。
在一些实施方案中,第一UAV 706可以通过在P2P网络702上共享信息来提高其检测方案的准确性。例如,当物体716位于第一UAV 706的外部检测限704,并且物体716可以仅由通过UAV的传感器收集的低能量信号可检测时,第一UAV 706可以依赖于由第二、更近的UAV 708捕获的更高能量信号。当由UAV捕获的信号的信噪(SN)比接近一时,并且当附近的UAV捕获具有较高SN比的信号并且在同一个P2P网络702内操作时,可以触发数据共享。
图8是用于检测和识别物体并管理UAV飞行计划800的说明性过程的流程图。不希望将操作描述次序理解为限制性,并且所描述的方框的任何数量可以任何次序组合和/或并行来实施此过程。参考图1和图3来描述过程800。
在802处,UAV 114通过其一个或多个传感器来捕获表示UAV的空域100的信号。UAV114可以捕获从在UAV的空域100中操作的物体102产生的一个或多个物体可检测信号106。传感器可以包括例如光学传感器316、声传感器318和/或多光谱传感器320。例如,如果物体是飞机,那么声传感器318可以捕获由飞机的推进系统产生的一个或多个声信号。此外,飞机可以通过由飞机的推进系统产生的热量来发射热签名,并且可以由能够在红外光谱中具有电磁能的光学传感器316来检测。此外,光学传感器316可以收集表示UAV的空域100的可视图像。
多光谱传感器320可以接收从物体反射的电磁信号以形成多光谱图像。多光谱图像可以用于确定构成物体并反映特定能量签名的特定结构特征,诸如涂层类型、材料类型等。与物体相关联的独特结构特征可以用来识别物体。
此外,多光谱传感器可以接收广谱的电磁能,但是在804处可以由信号处理器310来仅仅分析此光谱内的特定谱带。例如,可能在UAV的空域中操作并且包括在特性特征数据库308中的物体可以具有存储在特性特征数据库308中的已知光谱签名。光谱签名可以包括与物体独特相关联的一个或多个特定的电磁能带。因此,信号处理器模块310可以接收整个光谱或者仅全部光谱的部分或谱带。谱带与可能存在于UAV的空域中的物体的已知光谱签名相关联。同样,信号处理器模块310可以分析整个光谱或者仅分析与可能存在于空域中的物体相关联的谱带。
在804处,信号处理器模块310可以以在操作806中可以分析的格式来接收从传感器产生的信号、表示所捕获的传感器数据的信号。此外,信号处理器模块310可以处理所接收的信号以识别并利用信号中存在的特性特征。此外,信号处理器模块310可以接收从在UAV的空域中操作的另一UAV的传感器产生并且通过对等网络发送到UAV的信号。例如,信号处理器模块310可以基于相对于全信号的信噪比的信号强度来识别信号的满足或超过阈值的部分。
在806处,信号处理器模块310可以针对特性特征来分析所产生的信号。特性特征可以是红外能量的独特光谱指纹,或者由光谱图的一个或多个独特时间-频率特性表示的声学图案。信号处理器模块310还可以使表示产生信号的数据通过无线通信组件到远程服务器以便进行分析(例如,上传并分析到云服务器或专用服务器)。
信号处理器模块310随后可以在操作808处确定空域中的一个或多个物体的存在。信号处理器模块310可以通过将所产生的信号的特性特征与特性特征数据库312进行比较并将所识别的特征与已知物体产生的信号的数据库特征312进行匹配来实现此。当所产生的信号的特性特征类似于特性特征数据库312中的一个或多个特性特征时,信号处理器模块310可以部分基于在UAV的空域中找到物体的可能性来识别物体。例如,在华盛顿州西雅图中操作的UAV可以(由于此区域中的水上飞机的盛行)将固定翼物体的特性特征与水上飞机相关联。然而,在亚利桑那州坦佩市操作的UAV(由于UAV在沙漠中遇到水上飞机的边缘可能性)可以或可以不将特征与水上飞机特性特性特征数据库312相关联。
特性特征数据库模块308可以将接收信号的关键特征与数据库进行比较,并且从而识别物体。根据接收到的信号的强度和质量,特性特征数据库模块308可以返回特定物体标识,例如标识为加拿大德哈维兰DHC-3水獭(de Havilland Canada DHC-3Otter)的水上飞机。在存在低信号强度或低信噪比条件的情况下,特性特征数据库模块308可以仅返回物体类型。例如,信号数据库模块可以将标识返回为“固定翼”,或者更具体地返回“水上飞机”物体类型。此外,特性特征数据库模块308可以返回无身份或空身份。
在810处,UAV 114基于传感器数据和来自信号处理器模块310的源的标识来确定物体的操作特性104。例如,UAV 114可以监测一个或多个物体可检测信号106,并且基于信号强度和/或方向性随时间的变化来确定物体的操作特性104。
在812处,UAV 114可以确定物体102的轨迹包络。物体轨迹模块308可以从性能参数数据库314查找与所识别的物体102相关联的一个或多个性能参数。性能参数可以包括最大速度、操作天花板、机动性等。物体轨迹模块308可以把物体的性能参数作为因素计入,以确定物体将相对于UAV改变其轨迹的可能性。这种轨迹变化的可能性随后可以用来确定由UAV识别的每个物体的轨迹包络的形状和大小。这将相对于图4和图5进行详细描述。
例如,如果在操作806处识别的物体是DHC-3水獭,那么物体轨迹模块308可以基于此特定飞机的相对机动性来确定轨迹变化的中等可能性。所得到的轨迹包络可以是圆锥形,其尺寸可以是DHC-3水獭的比例操作特性。
在步骤814处,UAV可以应用来自操作810的轨迹包络来更新UAV的飞行计划132。例如,如果UAV的当前飞行特性112可能与确定的轨迹包络相交,那么UAV 114可以更新其飞行计划132以最小化或消除干扰物体102的可能性。此外,UAV 114可以考虑其自己的飞行计划132的特征,以确定相对于到达目的地130的距离、有效载荷重量、剩余燃料、充电站的接近度和/或从基地位置128行进的距离以及其他因素优化的更新的飞行计划。在一些情况下,由于拥堵的空域100,UAV 114可能需要暂停操作。例如,UAV 114还可以确定由于燃料不足、不可用加油站和/或干扰识别物体102的高可能性而需要返回到基地位置128的飞行计划132。
UAV 114可以在整个UAV的操作过程中持续地监测所收集的信号,如过程800所述。
图9是用于使用表示UAV的空域的图像来检测和识别物体并管理UAV飞行计划的说明性过程的流程图。例如,过程900可以是周期性的或连续的,这取决于诸如燃料水平、UAV的空域100中的拥堵或风险水平的操作者偏好的因素。不希望将操作描述次序理解为限制性,并且所描述的方框的任何数量可以任何次序组合和/或并行来实施此过程。参考图1和图3来讨论图9。
在902处,UAV的光学传感器124在一段时间内收集表示UAV的空域100的一个或多个图像。时间段可以相对于所接收的数据的质量(即,信号强度或信噪比)来确定或者在图像内是否没有检测到物体102来确定。因此,如果光学传感器124接收到低质量数据,那么时间段可以更长,并且如果数据质量相对较好,那么时间段可以更短。
在904处,UAV的信号处理器模块310可以分析所收集的图像以确定一个或多个物体的存在。例如,图像可以包含表示检测到的物体的导航灯或防撞灯的多个灯。
在906处,信号处理器模块310可以将所确定的特性特征与已知物体源的特性特征数据库312进行比较。在步骤910处,比较可以导致肯定识别的物体。然而,如果没有识别物体,那么在912处将空值返回给物体轨迹模块308,从而导致默认的轨迹包络。默认的轨迹包络可以确保期望的安全系数。
在916处,信号处理器模块310将在预定时间段内捕获图像内的物体的变化进行比较,以确定物体102的操作特性104。例如,相对于UAV 114的图像中的变化可以指示物体102的轨迹、物体相对于UAV 114的速度和/或加速度。
如果通过将特征与特性特征数据库312进行比较来识别物体102,那么在步骤918处,所识别的物体102可以与来自性能参数数据库314的物体性能参数相关联。例如,此关联可以通过查找表来完成,所述查找表将所识别的物体与一个或多个性能参数(诸如最大爬升速率和下降速率、所识别的物体的操作天花板、范围、最大速度和/或整体机动性)相关联。性能参数数据库314还可以包括如上关于图4所述的一个或多个可缩放体积。
在920处,飞行计划管理器模块306可以将物体102的确定的轨迹包络与UAV的动态飞行计划132进行比较,以确定相互作用的可能性。轨迹包络可以是来自912的默认包络。UAV 114可以更新其动态飞行计划132,以最小化相互作用的可能性并且优化UAV的基地位置128与一个或多个目的地位置130之间的飞行计划132。
图10是用于使用表示UAV的空域的声信号来检测和识别物体并管理UAV飞行计划的说明性过程的流程图。在1002处,声传感器126可以接收物体产生的或反射的声信号。声传感器126可以是能够检测捕获的声信号的方向性的传感器阵列组件的形式。不希望将操作描述次序理解为限制性,并且所描述的方框的任何数量可以任何次序组合和/或并行来实施此过程。
在1004处,信号处理器模块310可以将信号表示为信号强度、时间和频率的光谱图。在1006处,信号处理器模块310可以识别表示捕获的声信号的独特指纹或签名的光谱图的部分。例如,信号处理器模块310可以识别基于相对于光谱图的信噪比的信号强度的满足或超过阈值的光谱图的指纹部分。
此外,认为有意义的信噪比的范围可以根据信号质量(即,强度和总体信噪比)而变化。此外,如果没有识别出显著特征,那么信号处理器模块310可以扩大被认为是有意义的信噪比的范围。此外,如果在步骤1010处没有识别到物体,那么信号处理器模块还可以扩大信噪比的范围。
在1008处,信号处理器模块310可以将指纹映射到特征数据库,以在1010处识别物体102。然而,如果没有识别物体,那么在1012处将空值返回给物体轨迹模块308,从而导致默认的轨迹包络。默认的轨迹包络可以确保期望的安全系数。
在1014处,信号处理器模块310可以识别在预定时间段内光谱图中的变化,以便确定识别的物体102的操作特性104。例如,捕获的声信号的强度或方向性的变化可以指示物体102相对于UAV 114的轨迹、速度和/或加速度。
在1010处的物体的标识还可以由物体轨迹模块308用来在1016处将性能参数与识别的物体102相关联。例如,物体轨迹模块308可以在性能参数数据库314中查找所识别的物体102,并且将性能参数与识别的物体102相关联。物体轨迹模块308可以在1018处至少部分基于物体的操作特性104和相关联的性能参数来确定轨迹包络。
在1020处,物体轨迹模块308可以确定UAV的飞行计划132与物体的轨迹包络之间的相互作用是否可能。轨迹包络可以是来自1012的默认包络。如果不可能进行相互作用,那么UAV 114可以在1022处维持其当前飞行计划132。然而,如果确定相互作用是可能的,那么UAV 114可以在1024处更新其动态飞行计划132,以最小化相互作用的可能性并且优化UAV的基地位置128与一个或多个目的地位置130之间的飞行计划132。
图11是用于检测和识别物体并管理UAV飞行计划的说明性过程的流程图,示出通过多UAV通信网络1100的信息交换。不希望将操作描述次序理解为限制性,并且所描述的方框的任何数量可以任何次序组合和/或并行来实施此过程。参考图6来描述图11。
例如,操作1102-1114和1116-1128每个镜像图8中描述的处理步骤。操作1102-1114由第一UAV 614上的飞行管理系统来进行,并且步骤1116-1128由第二UAV 620上的飞行管理系统来进行。在操作1104、1106、1108、1110和/或1112处,第一UAV 614可以通过通信网络624向第二UAV 620提供信息,并且反之亦然。
例如,第一UAV 614可以向第二UAV 620提供原始信号数据或在步骤1106处的分析的信号特性。第二UAV 620可以基于其自己捕获的信号质量来接收或拒绝数据。例如,如果第二UAV 620确定其自身信号的信号强度或信噪比太低,那么第二UAV 620可以通过网络接口624接受来自第一UAV 614的数据。
在一些实施方案中,第一UAV 614可以从在1120处的第二UAV 620接收分析的信号特性。在这种情境下,第二UAV 620可以不执行操作1122-1128,但是可以仅仅将信息传递给第一UAV 614以便进行处理。第一UAV 614可以接受或拒绝从第二UAV 620接收的数据。如果第一UAV 614接受信息,那么第一UAV 614将并入来自第二UAV 620的分析信号特性,以确定在1108处识别的一个或多个物体的轨迹包络。此外,第一UAV 614可以与第二UAV 620共享来自1112的用于一个或多个物体的确定的轨迹包络。以这种方式,第二UAV 620可以用作感测UAV,并且将分析的传感器数据中继到第一UAV 614。这可以规避重复工作。然而,第二UAV620可以独立地确定轨迹数据。
本文公开的一个或多个实施方案可以包括一种包含以下各项中的一项或多项的方法:在一段时间内由耦合到UAV的一个或多个传感器捕获表示围绕UAV的空域的传感器数据;在传感器数据中检测表示与飞行物体相关联的多个发射的信息;确定UAV与飞行物体之间的估计距离;部分基于所述传感器数据和所述UAV与所述飞行物体之间的估计距离来确定所述多个发射的一个或多个特性特征;至少部分基于所述多个发射的一个或多个特性特征来使用特性特征数据库识别所述飞行物体;至少部分基于传感器数据来确定飞行物体的估计空速;至少部分基于与所识别的飞行物体相关联的性能参数和飞行物体的估计空速来确定飞行物体的轨迹包络;和/或至少部分基于飞行物体的轨迹包络来更新UAV的飞行计划。在上述方法中,多个发射可以包括但不限于以下各项中的一项或多项:光或图像发射、声波发射和/或来自由飞行物体发射和/或反射的电磁波的光谱的多光谱信号。在上述方法中,一个或多个传感器可以包括但不限于以下各项中的一项或多项:光学传感器、声传感器和/或多光谱电磁波传感器。
可选地,一个或多个特性特征可以限定物体签名并且包括外部飞机照明系统中的至少一个、一个或多个防撞灯,并且其中可以至少部分地通过确定多个检测的灯中的至少两个之间的估计的距离和/或一个或多个检测的防撞灯的旋转频率中的至少一个来识别物体。
可选地,识别可以包括至少部分基于一个或多个特性特征来将飞行物体与飞行物体的种类相关联,还可以包括通过在数据库中查找飞行物体的种类来将飞行物体与一个或多个性能参数相关联,并且可以包括至少部分基于与飞行物体的种类相关联的性能参数来确定轨迹包络。
可选地,特性特征数据库可以存储物体的爬升速率、下降速率和/或机动性参数中的至少一个,其中轨迹包络可以至少部分基于通过特性特征数据库与飞行物体相关联的爬升速率、下降速率或机动性参数中的至少一个。
可选地,方法还可以包括:在确定飞行物体的大致位置和/或大致空速之前使用波束成形器处理声信号和/或多光谱信号以产生波束成形的信号,以及确定飞行物体的轨迹包络可以使用波束成形的信号来执行。
可选地,声信号的一个或多个特性特征随时间形成光谱图形式的信号指纹,并且一个或多个特性特征可以由声信号的满足或超过阈值的信噪比来确定。
可选地,多光谱信号可以包括来自电磁波光谱内的限定谱带。可选地,限定谱带可以至少部分基于特定物体存在于UAV的空域中的可能性来确定,所述特定物体具有已知的光谱签名。
可选地,特性特征可以包括一种或多种物体组成、一个或多个物体表面涂层、一个或多个物体表面光洁度和/或颜色特性。
本文公开的一个或多个实施方案可以包括一种UAV,所述UAV包括以下各项中的一项或多项:一个或多个处理器;用于存储计算机可读指令的存储器;耦合到UAV的一个或多个传感器,所述一个或多个传感器被配置来通过从至少部分地围绕UAV的空域内的物体接收的发射来产生信号;和/或存储在所述存储器内的飞行管理组件,所述飞行管理组件在执行时引起所述一个或多个处理器完成以下各项中的一项或多项:接收与所述物体相关联的信号;至少部分基于对信号的分析来确定与信号相关联的物体的身份;至少部分基于物体的身份来确定物体的性能参数;并且至少部分基于所述性能参数来确定所述物体的轨迹包络。在上述UAV中,发射可以包括但不限于以下各项中的一项或多项:光或图像发射、声波发射和/或来自由飞行物体发射和/或反射的电磁波的光谱的多光谱信号。在上述UAV中,一个或多个传感器可以包括但不限于以下各项中的一项或多项:光学传感器、声传感器和/或多光谱电磁波传感器。
可选地,飞行管理组件可以进一步被配置来确定物体的大致位置和空速。飞行管理组件可以被配置来使用波束成形器处理信号来产生波束成形的信号,并且其中可以至少部分基于波束成形的信号来确定物体的位置和空速。
可选地,飞行管理组件可以被配置来将物体定位在围绕UAV限定的多个区域中的一个区域内。
可选地,UAV还可以包括通信组件以与一个或多个附近的UAV建立对等网络,所述通信组件被配置来交换信号、物体的身份、物体的一个或多个操作特性和/或物体与一个或多个附近的UAV的轨迹包络中的至少一个。
可选地,UAV还可以包括通信组件,所述通信组件维持在UAV与在UAV的空域内操作的一个或多个附加的UAV之间的通信网络,其中检测至少部分地围绕UAV的空域中的物体可以进一步至少基于从一个或多个附加UAV接收的附加信号。
可选地,飞行管理组件可以被配置来使用三角测量至少部分基于从至少一个附近的UAV交换的信息来确定物体的大致位置和空速。
可选地,性能参数可以存储在数据库中,并且可以至少包括与各种物体的每个相关联的爬升速率、下降速率和/或机动性参数。
可选地,物体的身份可以包括飞机的模型,并且其中性能参数可以与飞机的模型相关联。
可选地,飞行管理组件可以进一步引起一个或多个处理器完成以下各项中的一项或多项:确定UAV与和物体相关联的轨迹包络之间的相互作用的可能性;和/或更新UAV飞行计划,以规避UAV与轨迹包络之间的相互作用。
可选地,确定一个或多个操作特性还可以包括以下各项中的一项或多项:确定相关联的灯的第一灯与相关联的灯的第二灯之间的距离;和/或通过查找操作将相关联的灯的第一灯与第二灯之间的距离与存储在数据库中的物体的一个或多个特性特征相关联。
本文公开的一个或多个实施方案可以包括一种飞行管理系统,所述飞行管理系统包括一个或多个处理器和用于存储计算机可执行指令的存储器中的一个或多个,所述计算机可执行指令在执行时引起所述一个或多个处理器执行包括以下各项中的一项或多项的动作:接收围绕UAV的空域的至少一部分的成像;分析成像以检测成像中所示的照明源的一个或多个特性特征;通过将所述一个或多个特性特征与数据库进行比较来识别与所述照明源相关联的物体;以及至少部分基于所述标识来确定所述物体的轨迹包络。
可选地,由飞行管理系统执行的动作可以包括至少部分基于UAV与物体的轨迹包络之间的相互作用的概率来更新UAV的飞行计划。
可选地,由飞行管理系统执行的动作可以包括使用数据库将一个或多个性能参数与物体相关联,并且其中确定轨迹包络至少部分基于性能参数。性能参数可以至少包括与各种物体的每个相关联的爬升速率、下降速率和机动性参数。
可选地,成像中所示的照明源的一个或多个特性特征可以包括成像中所示的至少一个照明源的旋转频率和/或闪光频率。
可选地,轨迹包络可以由空域的体积来表示,并且可以反映物体将在预定时间量内移动到空域体积内的给定位置的概率。预定时间量可以部分地基于UAV的一个或多个操作特性。
可选地,与照明源相关联的物体可以包括静止物体。
本文公开的一个或多个实施方案可以包括一种物体检测和规避系统,其包括一个或多个处理器和存储计算机可执行指令的存储器,所述计算机可执行指令在执行时引起所述一个或多个处理器执行包括以下各项中的一项或多项的动作:基于从物体发射的电磁能捕获的多光谱信号来识别物体;通过从物体捕获的声音来产生音频信号;至少部分基于所述音频信号的一个或多个特性特征来识别所述物体;至少部分基于所述物体的识别来确定所述物体的性能参数;以及至少部分基于所述性能参数来确定所述物体的轨迹包络。物体检测和规避系统可以包括使用多光谱信号、音频信号或者多光谱信号和音频信号两者来识别物体。物体检测和规避系统还可以包括使用图像或光信号来识别物体。
可选地,由处理器执行的动作可以包括至少部分基于UAV与物体的轨迹包络之间的相互作用的概率来更新UAV的飞行计划。
可选地,识别物体可以包括将多光谱和/或音频信号的一个或多个特性特征与数据库中存储的信号特征进行匹配,所述数据库将各个信号特征与各自物体或物体组相关联。
可选地,由处理器执行的动作可以包括至少部分基于预定时间段内的多光谱和/或音频信号的变化来确定物体的大致空速。可以使用可以至少部分基于物体的大致空速和性能参数来缩放的可缩放体积来形成轨迹包络。
可选地,执行的动作还可以包括以下各项中的一项或多项:从一个或多个附近的UAV接收至少一些音频信号;从一个或多个附近的UAV接收至少一些多光谱信号;将至少一些生成的音频信号发送到一个或多个附近的UAV;将至少一些所捕获的多光谱信号发送到一个或多个附近的UAV。
可选地,物体检测和规避系统还可以包括一个或多个光学传感器,其被配置来捕获至少部分围绕UAV的空域的并且识别一个或多个特性特征的信号,一个或多个特性特征限定物体签名并且包括外部飞机照明系统或防撞灯的至少一个,并且其中所述物体至少部分地通过以下各项中的一项或多项来识别:确定所述多个检测到的灯中的至少两个之间的距离和/或检测到的防撞灯的旋转频率中的至少一个以确定所述物体的物理特性,旋转频率与特定飞机类型相关联。
可选地,物体检测和规避系统还可以包括分析从物体捕获的电磁能的光谱内的一个或多个谱带,并且其中所述一个或多个谱带被至少部分基于特定物体存在于UAV的空域中的可能性来确定,所述特定物体具有已知的光谱签名。
结论
尽管已以对结构特征和/或方法动作专用的语言描述了主题,但是应当理解,所附权利要求中限定的主题不一定限于所描述的具体特征或动作。相反,具体的特征和动作是作为实现权利要求书的说明性形式而公开。
Claims (15)
1.一种方法,其包括:
在一段时间内由耦合到无人机(UAV)的一个或多个光学传感器捕获表示所述UAV周围的空域的图像的传感器数据;
在所述传感器数据中检测表示与飞行物体相关联的多个灯的信息;
确定所述UAV与所述飞行物体之间的估计距离;
至少部分基于所述传感器数据和所述UAV与所述飞行物体之间的所述估计距离来确定所述多个灯的一个或多个特性特征;以及
至少部分基于所述多个灯的所述一个或多个特性特征来使用特性特征数据库识别所述飞行物体。
2.如权利要求1所述的方法,其还包括:
至少部分基于所述传感器数据来确定所述飞行物体的估计空速;
至少部分基于与识别的飞行物体相关联的性能参数和所述飞行物体的所述估计空速来确定所述飞行物体的轨迹包络;以及
至少部分基于所述飞行物体的所述轨迹包络来更新所述UAV的飞行计划。
3.如权利要求1或2中任一项所述的方法,其中所述一个或多个特性特征限定物体签名并且包括外部飞机照明系统中的至少一个或一个或多个防撞灯,并且其中所述物体至少部分地通过确定以下各项中的至少一项来识别:
所述多个检测的灯中的至少两个之间的估计的距离,或者
检测到的防撞灯的旋转频率。
4.如权利要求2或3中任一项所述的方法,
其中所述识别包括至少部分基于所述一个或多个特性特征来将所述飞行物体与飞行物体的种类相关联;
还包括通过在数据库中查找飞行物体的所述种类来将所述飞行物体与所述一个或多个性能参数相关联;以及
其中确定所述轨迹包络是至少部分基于与飞行物体的所述种类相关联的所述性能参数。
5.如权利要求2、3或4中任一项所述的方法,其中所述特性特征数据库存储物体的爬升速率、下降速率或机动性参数中的至少一个,并且其中所述轨迹包络是至少部分基于通过所述特性特征数据库与所述飞行物体相关联的所述爬升速率、所述下降速率或所述机动性参数。
6.如权利要求1、2、3、4或5中任一项所述的方法,其还包括:
通过所述UAV的一个或多个声传感器从通过推进所述飞行物体而产生的声波来产生声信号;
确定所述声信号的一个或多个声特征;
至少部分基于所述一个或多个声特征与已知声信号的数据库的比较来识别所述飞行物体;
7.如权利要求1、2、3、4、5或6中任一项所述的方法,其还包括:
通过所述UAV的一个或多个多光谱传感器从由所述飞行物体反射或发射的电磁波的光谱来产生多光谱信号;
确定所述多光谱信号的一个或多个多光谱特征;
至少部分基于所述一个或多个多光谱特征与已知信号特征的数据库的比较来识别所述飞行物体;
8.一种无人机(UAV),其包括:
一个或多个处理器;
存储器,其用于存储计算机可读指令;
一个或多个光学传感器,其用于捕获信号,所述信号提供至少部分围绕所述UAV的空域的视觉表示;以及
飞行管理组件,其存储在所述存储器中,所述飞行管理组件在执行时引起所述一个或多个处理器:
从所述信号检测至少部分地围绕所述UAV的所述空域中的物体;
至少部分基于与所述物体相关联的灯来从所述信号确定与所述物体相关联的一个或多个操作特性;以及
至少部分基于所述一个或多个操作特性来确定与所述物体相关联的轨迹包络。
9.如权利要求8所述的UAV,其中所述飞行管理组件在执行时进一步引起所述一个或多个处理器:
确定所述UAV与和所述物体相关联的所述轨迹包络之间的相互作用的可能性;以及
更新UAV飞行计划,以规避所述UAV与所述轨迹包络之间的相互作用。
10.如权利要求8或9中任一项所述的UAV,其还包括通信组件,所述通信组件维持在所述UAV与在所述UAV的空域内操作的一个或多个附加的UAV之间的通信网络,其中所述通信组件发送以下各项中的至少一项:
所述空域的所述信号的一个或多个,
所述物体的所述一个或多个操作特性,或者
与所述物体相关联的所述轨迹包络。
11.如权利要求10所述的UAV,其中所述通信网络是所述UAV与所述一个或多个其他UAV之间的对等网络。
12.如权利要求8、9、10或11中任一项所述的UAV,其还包括通信组件,所述通信组件维持在所述UAV与在所述UAV的空域内操作的一个或多个附加的UAV之间的通信网络,其中检测至少部分地围绕所述UAV的所述空域中的物体进一步至少基于从所述一个或多个附加UAV接收的附加信号。
13.如权利要求8、9、10、11或12中任一项所述的UAV,其还包括声传感器,所述声传感器用于捕获由所述物体发射或反射的声能,所述飞行管理组件引起所述一个或多个处理器:
从表示捕获的声能的声信号检测至少部分地围绕所述UAV的所述空域中的所述物体;以及
至少部分基于与表示捕获的所述声信号相关联的指纹从表示捕获的声能的所述声信号确定与所述物体相关联的一个或多个不同的操作特性,
其中确定所述轨迹包络进一步至少部分基于所述一个或多个不同的操作特性。
14.如权利要求8、9、10、11、12或13中任一项所述的UAV,其还包括多光谱传感器,所述多光谱传感器用于捕获由所述物体反射或发射的电磁能,并且指示与所述物体相关联的独特材料的特定波长,并且还包括至少部分基于由所述物体反射或发射的电磁能的所述特定波长来识别所述物体。
15.如权利要求8、9、10、11、12、13或14中任一项所述的UAV,其中确定一个或多个操作特性进一步包括:
确定相关联的灯的第一灯与相关联的灯的第二灯之间的距离;以及
通过查找操作将相关联的灯的所述第一灯与所述第二灯之间的距离与存储在数据库中的物体的一个或多个特性特征相关联。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/569,183 US9685089B2 (en) | 2014-12-12 | 2014-12-12 | Commercial and general aircraft avoidance using acoustic pattern recognition |
US14/569,233 | 2014-12-12 | ||
US14/569,233 US9997079B2 (en) | 2014-12-12 | 2014-12-12 | Commercial and general aircraft avoidance using multi-spectral wave detection |
US14/569,125 | 2014-12-12 | ||
US14/569,125 US9761147B2 (en) | 2014-12-12 | 2014-12-12 | Commercial and general aircraft avoidance using light pattern detection |
US14/569,183 | 2014-12-12 | ||
PCT/US2015/065352 WO2016094849A1 (en) | 2014-12-12 | 2015-12-11 | Commercial and general aircraft avoidance using light, sound, and/or multi-spectral pattern detection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107111958A true CN107111958A (zh) | 2017-08-29 |
CN107111958B CN107111958B (zh) | 2021-06-18 |
Family
ID=55083484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580065086.9A Active CN107111958B (zh) | 2014-12-12 | 2015-12-11 | 使用光、声和/或多光谱模式检测的商用和通用飞机规避方法及使用其的无人机 |
Country Status (5)
Country | Link |
---|---|
EP (3) | EP3564927A1 (zh) |
JP (2) | JP6480587B2 (zh) |
CN (1) | CN107111958B (zh) |
CA (1) | CA2968864C (zh) |
WO (1) | WO2016094849A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109302263A (zh) * | 2018-10-29 | 2019-02-01 | 天津大学 | 一种基于音频识别的全空域无人机干扰机系统 |
CN112249345A (zh) * | 2020-10-15 | 2021-01-22 | 航宇救生装备有限公司 | 一种椅载电子式开伞器状态指示装置及方法 |
CN112775962A (zh) * | 2019-11-07 | 2021-05-11 | 西门子股份公司 | 用于确定安全区域的方法、机器人系统和计算机程序 |
CN114998761A (zh) * | 2022-06-15 | 2022-09-02 | 北京庚图科技有限公司 | 一种飞机目标检测方法、装置、电子设备及介质 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3208706A1 (en) | 2016-08-25 | 2018-03-01 | Intelligent Sciences Ltd. | Aircraft acoustic position and orientation detection method and apparatus |
WO2019035014A1 (en) * | 2017-08-15 | 2019-02-21 | Ottenheimers, Inc. | CAPTURE OF REMOTE OBJECTS |
JP7178351B2 (ja) * | 2017-09-15 | 2022-11-25 | 株式会社Nttドコモ | 飛行制御システム |
JP6791823B2 (ja) | 2017-09-25 | 2020-11-25 | Kddi株式会社 | 管理装置、飛行管理方法及びプログラム |
JP6603950B1 (ja) * | 2018-07-23 | 2019-11-13 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | マルチコプター |
JP2022502663A (ja) * | 2018-10-02 | 2022-01-11 | フォルテム テクノロジーズ,インコーポレイテッド | ドローンおよび物体の分類のためのシステムおよび方法 |
CN112088344B (zh) * | 2018-12-04 | 2024-02-02 | 深圳市大疆创新科技有限公司 | 控制可移动装置的移动的方法及系统 |
US11307581B2 (en) | 2019-02-28 | 2022-04-19 | Rockwell Collins, Inc. | Multispectrally enhanced synthetic vision database system and method |
US11163320B1 (en) * | 2019-02-28 | 2021-11-02 | Rockwell Collins, Inc. | Processing of multispectral sensors for autonomous flight |
DE102019114354A1 (de) * | 2019-05-28 | 2020-12-03 | Volocopter Gmbh | Verfahren und System zur Vermeidung von Kollisionen zwischen Fluggeräten und anderen fliegenden Objekten |
US20220366685A1 (en) * | 2019-06-19 | 2022-11-17 | Nippon Telegraph And Telephone Corporation | Barrier data collection device, barrier data collection method, and barrier data collection program |
US20220309699A1 (en) * | 2019-07-05 | 2022-09-29 | Sony Group Corporation | Information processing apparatus, information processing method, program, and information processing system |
US20210020049A1 (en) * | 2019-07-17 | 2021-01-21 | Honeywell International Inc. | Methods and systems for modifying flight path around zone of avoidance |
US20230324529A1 (en) * | 2020-09-03 | 2023-10-12 | The Regents Of The University Of California | Temporally and spectrally adaptive sonar for autonomous vehicle navigation |
JP6858921B2 (ja) * | 2020-12-25 | 2021-04-14 | Kddi株式会社 | 管理装置、飛行管理方法及びプログラム |
EP4080482A1 (en) * | 2021-04-22 | 2022-10-26 | Honeywell International Inc. | System and method for obstacle detection and database management |
CN114119677A (zh) * | 2022-01-26 | 2022-03-01 | 华中科技大学 | 一种面向低慢小目标的机动光电探测识别系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5581250A (en) * | 1995-02-24 | 1996-12-03 | Khvilivitzky; Alexander | Visual collision avoidance system for unmanned aerial vehicles |
JP2004218935A (ja) * | 2003-01-15 | 2004-08-05 | Mitsubishi Electric Corp | 敵味方識別機能付き飛しょう体システム |
JP2007279308A (ja) * | 2006-04-05 | 2007-10-25 | Mitsubishi Electric Corp | 情報表示装置及び情報表示システム |
CN101385059A (zh) * | 2006-03-13 | 2009-03-11 | 波音公司 | 飞机碰撞感测和规避系统和方法 |
EP2177966A2 (en) * | 2008-10-20 | 2010-04-21 | Honeywell International Inc. | Systems and methods for unmanned aerial vehicle navigation |
US20100174475A1 (en) * | 2005-03-30 | 2010-07-08 | The Boeing Company | Trajectory prediction based on state transitions and latencies |
US20110137498A1 (en) * | 2008-12-03 | 2011-06-09 | Satoshi Suzuki | Unmanned aircraft and aerial surveillance system for unmanned aircraft |
CN201918032U (zh) * | 2010-12-31 | 2011-08-03 | 同济大学 | 一种飞行器低空飞行防撞的装置 |
CN102749927A (zh) * | 2012-07-20 | 2012-10-24 | 常州大学 | 无人飞机自动规避障碍物的系统及其规避方法 |
CN103473957A (zh) * | 2012-05-30 | 2013-12-25 | 霍尼韦尔国际公司 | 机场场面碰撞避免系统(ascas) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6493609B2 (en) * | 2001-04-27 | 2002-12-10 | Lockheed Martin Corporation | Automatic flight envelope protection for uninhabited air vehicles |
US7606115B1 (en) * | 2007-10-16 | 2009-10-20 | Scientific Applications & Research Associates, Inc. | Acoustic airspace collision detection system |
US8060295B2 (en) * | 2007-11-12 | 2011-11-15 | The Boeing Company | Automated separation manager |
JP5086490B1 (ja) * | 2012-05-16 | 2012-11-28 | 二郎 工藤 | 飛翔体の障害物接近警告システム |
US9214021B2 (en) * | 2012-10-09 | 2015-12-15 | The Boeing Company | Distributed position identification |
US9061756B2 (en) * | 2013-04-23 | 2015-06-23 | The Boeing Company | Aircraft performance monitoring system |
JP6379575B2 (ja) * | 2014-03-27 | 2018-08-29 | 日本電気株式会社 | 無人航空機、無人航空機の制御方法、および、管制システム |
JP6423521B2 (ja) * | 2015-03-31 | 2018-11-14 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | 無人航空機を制御するシステム |
-
2015
- 2015-12-11 JP JP2017531325A patent/JP6480587B2/ja active Active
- 2015-12-11 EP EP19177711.9A patent/EP3564927A1/en active Pending
- 2015-12-11 EP EP15823242.1A patent/EP3230972B1/en active Active
- 2015-12-11 CN CN201580065086.9A patent/CN107111958B/zh active Active
- 2015-12-11 EP EP19177712.7A patent/EP3567568A1/en active Pending
- 2015-12-11 CA CA2968864A patent/CA2968864C/en active Active
- 2015-12-11 WO PCT/US2015/065352 patent/WO2016094849A1/en active Application Filing
-
2019
- 2019-02-07 JP JP2019021023A patent/JP6807966B2/ja active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5581250A (en) * | 1995-02-24 | 1996-12-03 | Khvilivitzky; Alexander | Visual collision avoidance system for unmanned aerial vehicles |
JP2004218935A (ja) * | 2003-01-15 | 2004-08-05 | Mitsubishi Electric Corp | 敵味方識別機能付き飛しょう体システム |
US20100174475A1 (en) * | 2005-03-30 | 2010-07-08 | The Boeing Company | Trajectory prediction based on state transitions and latencies |
CN101385059A (zh) * | 2006-03-13 | 2009-03-11 | 波音公司 | 飞机碰撞感测和规避系统和方法 |
JP2007279308A (ja) * | 2006-04-05 | 2007-10-25 | Mitsubishi Electric Corp | 情報表示装置及び情報表示システム |
EP2177966A2 (en) * | 2008-10-20 | 2010-04-21 | Honeywell International Inc. | Systems and methods for unmanned aerial vehicle navigation |
US20100100269A1 (en) * | 2008-10-20 | 2010-04-22 | Honeywell International Inc. | Systems and Methods for Unmanned Aerial Vehicle Navigation |
US20110137498A1 (en) * | 2008-12-03 | 2011-06-09 | Satoshi Suzuki | Unmanned aircraft and aerial surveillance system for unmanned aircraft |
CN201918032U (zh) * | 2010-12-31 | 2011-08-03 | 同济大学 | 一种飞行器低空飞行防撞的装置 |
CN103473957A (zh) * | 2012-05-30 | 2013-12-25 | 霍尼韦尔国际公司 | 机场场面碰撞避免系统(ascas) |
CN102749927A (zh) * | 2012-07-20 | 2012-10-24 | 常州大学 | 无人飞机自动规避障碍物的系统及其规避方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109302263A (zh) * | 2018-10-29 | 2019-02-01 | 天津大学 | 一种基于音频识别的全空域无人机干扰机系统 |
CN112775962A (zh) * | 2019-11-07 | 2021-05-11 | 西门子股份公司 | 用于确定安全区域的方法、机器人系统和计算机程序 |
CN112249345A (zh) * | 2020-10-15 | 2021-01-22 | 航宇救生装备有限公司 | 一种椅载电子式开伞器状态指示装置及方法 |
CN112249345B (zh) * | 2020-10-15 | 2024-04-16 | 航宇救生装备有限公司 | 一种椅载电子式开伞器状态指示装置及方法 |
CN114998761A (zh) * | 2022-06-15 | 2022-09-02 | 北京庚图科技有限公司 | 一种飞机目标检测方法、装置、电子设备及介质 |
CN114998761B (zh) * | 2022-06-15 | 2024-06-14 | 北京庚图科技有限公司 | 一种飞机目标检测方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3564927A1 (en) | 2019-11-06 |
EP3230972A1 (en) | 2017-10-18 |
JP6480587B2 (ja) | 2019-03-13 |
CA2968864A1 (en) | 2016-06-16 |
WO2016094849A1 (en) | 2016-06-16 |
JP6807966B2 (ja) | 2021-01-06 |
JP2019083061A (ja) | 2019-05-30 |
CA2968864C (en) | 2019-08-27 |
EP3567568A1 (en) | 2019-11-13 |
CN107111958B (zh) | 2021-06-18 |
JP2017539033A (ja) | 2017-12-28 |
EP3230972B1 (en) | 2020-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107111958A (zh) | 使用光、声和/或多光谱模式检测的商用和通用飞机规避 | |
US10109204B1 (en) | Systems and methods for unmanned aerial vehicle object avoidance | |
US9997079B2 (en) | Commercial and general aircraft avoidance using multi-spectral wave detection | |
US9685089B2 (en) | Commercial and general aircraft avoidance using acoustic pattern recognition | |
JP7185034B2 (ja) | 目標航空機の無力化及び捕捉のための展開可能な航空上の対策手段 | |
US9193458B2 (en) | Air-to-surface surveillance and/or weapons system and method for air-based inspection and/or engagement of objects on land or sea | |
JP2022502663A (ja) | ドローンおよび物体の分類のためのシステムおよび方法 | |
US9874878B2 (en) | System and method for adaptive multi-scale perception | |
KR20140076484A (ko) | 나무 계측 시스템 | |
US10767996B2 (en) | System and methods for reducing the map search space requirements in a vision-inertial navigation system | |
KR20180043912A (ko) | 협업형 안티 드론 시스템 및 안티 드론 협업 제어 방법 | |
Barnell et al. | High-Performance Computing (HPC) and machine learning demonstrated in flight using Agile Condor® | |
Al-lQubaydhi et al. | Deep learning for unmanned aerial vehicles detection: A review | |
Dale et al. | An initial investigation into using convolutional neural networks for classification of drones | |
CN110033490B (zh) | 一种基于光电图像自动识别的机场低慢小目标防控方法 | |
Garvanov et al. | Detection of unmanned aerial vehicles based on image processing | |
KR102349818B1 (ko) | 개선된 cnn 기반으로 한 도로 균열 감지 자율 비행 드론 | |
US9583012B1 (en) | System and method for detection and avoidance | |
Satyarthi et al. | Drone Technologies: Aviation Strategies, Challenges, and Applications | |
WO2019123526A1 (ja) | 航空機運航実績情報の収集装置 | |
Dafrallah et al. | Malicious UAV detection using various modalities | |
Al-Zahrani | Unauthorized Drones: Classifications and Detection Techniques | |
Gothandaraman et al. | Detection and Classification in Ballistic Drone Capturing Based on Transfer Learning Networks Using Infrared Images | |
CN109709543A (zh) | 一种搜索侦测无人机的方法 | |
Antonenko et al. | OBJECT RECOGNITION SYSTEMS USING INTELLIGENT TECHNOLOGIES IN UAV |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |