CN108133076A - 基于四维坐标的无人机碰撞模型的建模方法 - Google Patents
基于四维坐标的无人机碰撞模型的建模方法 Download PDFInfo
- Publication number
- CN108133076A CN108133076A CN201711240698.4A CN201711240698A CN108133076A CN 108133076 A CN108133076 A CN 108133076A CN 201711240698 A CN201711240698 A CN 201711240698A CN 108133076 A CN108133076 A CN 108133076A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- machine
- invasion
- parameter information
- nar
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于四维坐标的无人机碰撞模型建模方法,包括如下步骤:获取无人机和入侵机的初始参数信息;确定无人机和入侵机的相对运动情况,排除没有入侵可能性的入侵机;计算无人机与入侵机运动轨迹中最接近点的坐标及各自抵达最接近点所需时间;计算无人机与入侵机的最短距离;将无人机与入侵机的最短距离与无人机碰撞盒数据进行比较,判断入侵机的碰撞可能性;无人机和入侵机的初始参数信息及历史参数信息为包括三维空间位置及速度的四维坐标信息。本发明采用加入了实时速度的四维坐标分析方法,并将数据实时更新,实时分析。避免了现有技术没有考虑无人机之间速度差异的缺陷,结果表明,此方法比较适用于无人机,具有较强的可行性。
Description
技术领域
本发明涉及低空空域监测技术领域,具体涉及一种基于四维坐标的无人机碰撞模型的建模方法。
背景技术
随着我国低空空域的逐步开放,空中飞行流量日趋增大,特别是各种用途的无人机数量随之增加,多无人机共空域执行任务已成为无人机发展的重要趋势。伴随着无人机的广泛应用,低空飞行空域日益拥堵,自由飞行的实施可以提高空域资源的利用率,解决空域拥挤问题。
但无人机自由飞行过程中发生碰撞的可能性也越来越大,自由飞行频频面临无人机撞损、坠毁等安全事故,无人机与无人机、无人机与有人机共空域飞行所面临的碰撞冲突已成为影响无人机自主自由飞行的突出问题。
图1a-图1c为已有的碰撞模型中飞行器的飞行情况,分别表示无人机与入侵机为同向飞行、相向飞行及交叉飞行的三种飞行情况,现有的碰撞模型分别对这三种飞行情况进行判断并分析碰撞情况,但这种方法只考虑了飞行器的位置信息,没有考虑飞行器的实时速度,以上三种飞行情况中除了相向飞行必然会出现两飞行器逐渐靠近的情况外,同向飞行与交叉飞行,在不同的飞行速度下均有两飞行器逐渐靠近与逐渐远离的情况。
由于已有的无人机碰撞模型只是对无人机之间的间距进行分析,以此建立碰撞模型,并没有考虑到无人机之间的速度差异,分析结果与实际飞行碰撞情况差距较大。所以,提出一种新型的适用于无人机的碰撞模型至关重要。
发明内容
为解决现有技术存在的不足,本发明提供了一种基于四维坐标的无人机碰撞模型建模方法,包括如下步骤:
步骤S1:获取无人机和入侵机的初始参数信息;
步骤S2:根据无人机和入侵机的初始参数信息,确定无人机和入侵机的相对运动情况,排除没有入侵可能性的入侵机;
步骤S3:通过对无人机和入侵机的初始参数信息以及上一时刻的历史参数信息进行综合分析,计算无人机与入侵机运动轨迹中最接近点的坐标及各自抵达最接近点所需时间;
步骤S4:根据无人机与入侵机抵达最接近点所需时间,计算无人机与入侵机的最短距离;
步骤S5:将无人机与入侵机的最短距离与无人机碰撞盒数据进行比较,判断入侵机的碰撞可能性;
其中,无人机和入侵机的初始参数信息及历史参数信息为包括三维空间位置及速度的四维坐标信息。
其中,所述步骤S1中,无人机和入侵机的初始参数信息分别为(x1,y1,z1,V1)及(x2,y2,z2,V2),其中,x1、y1、z1、x2、y2及z2分别为无人机及入侵机的三维空间坐标值,V1及V2分别为无人机及入侵机的速度值;
所述步骤S2中,通过下述公式确定无人机及入侵机的相对运动情况:
l=(x1-x2)(Vx1-Vx2)+(y1-y2)(Vy1-Vy2)+(z1-z2)(Vz1-Vz2) ①
其中,Vx1、Vy1、Vz1、Vx2、Vy2、Vz2分别表示无人机与入侵机在三个坐标轴方向上的速度分量;
没有入侵可能性的入侵机为l>0或l=0的入侵机。
其中,所述步骤S3包括:
步骤S31:获取无人机及入侵机的上一时刻的历史参数信息:(x′1,y′1,z′1,V1)及(x′2,y′2,z′2,V2);
步骤S32:确定无人机及入侵机的最接近点的坐标A(X,Y,Z,V1)及B(U,V,W,V2)与无人机及入侵机的初始参数信息和历史参数信息的关系:
其中,s与h均为未知参数;
步骤S33:根据公式②及公式③确定A、B两点的距离:
步骤S34:确定下述公式:
f(s,h)=AB2=(X-U)2+(Y-V)2+(Z-W)2 ⑤;
步骤S35:通过确定公式⑤关于s和h的偏导数,得出变量s和h:
步骤S36:根据变量s和h,得到最接近点A和B的坐标值;
步骤S37:根据最接近点A和B的坐标值,得到无人机达到A点以及入侵机达到B点所需的时间:
其中,所述步骤S4中,通过下述公式得到AB两点最短距离,即无人机与入侵机的最短距离:
其中,t1和t2分别为无人机和入侵机达到最接近点所需的时间。
其中,所述步骤S5中,无人机碰撞盒数据包括碰撞层CAR、临近层NAR以及探测层SAR,其中,
碰撞层CAR为入侵机进入后则认为无人机与入侵机发生碰撞的区域;
临近层NAR为无人机的有效避险区域;
探测层SAR为无人机能够探测入侵机的最大范围。
其中,所述临近层NAR的半径计算公式为:
RNAR=RCAR+max(0,V(t))T
其中,RNAR与RCAR分别为t时刻时无人机临近层NAR与碰撞层CAR的区域半径;V(t)为t时刻无人机与入侵机之间的相对速度;T为无人机能够进行有效避险的最长时间;max(0,V(t))为当前采集点与上一个采集点之间,无人机与入侵机的最大相对速度。
其中,所述临近层NAR的半径计算公式为:
RNAR=RCAR+V(t)T
其中,RNAR与RCAR分别为t时刻时无人机临近层NAR与碰撞层CAR的区域半径;V(t)为t时刻无人机与入侵机之间的相对速度;T为无人机能够进行有效避险的最长时间。
本发明采用加入了实时速度的四维坐标分析方法,并将数据实时更新,实时分析。避免了现有技术没有考虑无人机之间速度差异的缺陷,结果表明,此方法比较适用于无人机,具有较强的可行性。
附图说明
图1a:已有的碰撞模型中无人机与入侵机为同向飞行的飞行情况;
图1b:已有的碰撞模型中无人机与入侵机为相向飞行的飞行情况;
图1c:已有的碰撞模型中无人机与入侵机为交叉飞行的飞行情况;
图2:本发明的无人机碰撞模型对应的碰撞盒示意图;
图3:本发明的无人机碰撞模型建模流程图。
具体实施方式
为了对本发明的技术方案及有益效果有更进一步的了解,下面结合附图详细说明本发明的技术方案及其产生的有益效果。
本发明提供的基于四维坐标的无人机碰撞模型建模方法,主要将无人机实时速度信息加入到无人机空间坐标,然后对探测目标进行初步排除,对有可能发生碰撞的探测目标进行分析,判断是否有发生碰撞的可能性。
无人机为一种高机动性飞行器,考虑到无人机没有固定飞行高度,没有固定飞行路线,也没有固定飞行速度,典型的球状模型比较适合无人机碰撞模型的建立。
图2为本发明的无人机碰撞模型对应的碰撞盒示意图,如图2所示,无人机周围的区域可划分为探测层SAR、临近层NAR与碰撞层CAR,三个区域均以无人机作为球心,将研究对象称为本机(或无人机),其周围一定范围内的无人机称为入侵机,入侵机进入CAR则称碰撞发生。
探测层SAR范围最大,这是本机能精确探测入侵机的最大范围。在此范围内,对探测到的入侵机进行初步排除,并根据四维坐标分析计算本机最优的避险时间与避险路线。临近层NAR为本机可以进行有效避险的区域,其范围由本机和入侵机的相对速度及历史轨迹等信息决定,即
RNAR=RCAR+max(0,V(t))T
其中,RNAR与RCAR分别为t时刻时本机临近层NAR与碰撞层CAR的区域半径;V(t)为t时刻本机与入侵机之间的相对速度;T为本机可进行有效避险的最长时间;max(0,V(t))为当前采集点与上一个采集点之间,无人机与入侵机的最大相对速度。
或者,也可以通过下述公式计算临近层的半径:
RNAR=RCAR+V(t)T
其中,RNAR与RCAR分别为t时刻时无人机临近层NAR与碰撞层CAR的区域半径;V(t)为t时刻无人机与入侵机之间的相对速度;T为无人机能够进行有效避险的最长时间。
碰撞层CAR为本机的简化模型,为防止本机与入侵机之间有效碰撞的发生,碰撞层CAR的范围设置的比本机实际大小略大,且如果入侵机进入本机的碰撞层CAR,则认为两飞行器发生碰撞。此时本机以最大加速度向本机与入侵机连线的反向躲避,这样有一定躲避碰撞的可能性。
图3为本发明的无人机碰撞模型建模流程图,如图3所示,在探测飞行器之间发生碰撞的可能性时,将探测到的所有入侵机进行筛选,将没有碰撞可能性的入侵机排除,之后根据历史四维坐标对有碰撞可能性的入侵机进行分析,这样大大减少了系统的运算量,提高系统处理数据的速度。
本发明提供的基于四维坐标的无人机碰撞模型建模方法,以经典球状模型为基础,通过本机与入侵机的历史四维坐标信息及当下的初始四维坐标信息,计算出两飞行器轨迹的最接近点以及两飞行器达到最接近点的时间和距离,并以此判断风险等级,从而确定避险路线,不必再根据两飞行器是否是同向飞行、相向飞行还是交叉飞行进行分类分析。
具体的,本发明的建模方法,包括下述步骤:
1、获取无人机和入侵机的初始四维坐标信息,分别为(x1,y1,z1,V1)及(x2,y2,z2,V2),其中,x1、y1、z1、x2、y2及z2分别为无人机及入侵机的三维空间坐标值,V1及V2分别为无人机及入侵机的速度值;
2、通过下述公式确定无人机及入侵机的相对运动情况,并排除没有入侵可能性的入侵机:
l=(x1-x2)(Vx1-Vx2)+(y1-y2)(Vy1-Vy2)+(z1-z2)(Vz1-Vz2) ①
其中,Vx1、Vy1、Vz1、Vx2、Vy2、Vz2分别表示无人机与入侵机在三个坐标轴方向上的速度分量;
当l<0时,说明无人机与入侵机在逐渐接近;当l=0时,说明无人机与入侵机相对静止;当l>0时,说明无人机与入侵机逐渐远离。
确定两飞行器的相对运动情况后,将相对运动情况为相对静止与逐渐远离的入侵机排除,这是没有碰撞可能的入侵机,接下来只对逐渐接近的入侵机进行分析就可以了。
3、假设短时间内两飞行器的运动轨迹均为直线,首先根据无人机与入侵机的历史四维坐标信息,计算出两预测轨迹中最接近点的坐标以及各自抵达最接近点的坐标所需的时间,具体包括下述步骤:
(1)获取无人机及入侵机的上一时刻的历史四维坐标信息:(x′1,y′1,z′1,V1)及(x′2,y′2,z′2,V2);
(2)确定无人机及入侵机的最接近点的坐标A(X,Y,Z,V1)及B(U,V,W,V2)与无人机及入侵机的初始四维坐标信息和历史四维坐标信息的关系:
其中,s与h均为未知参数;
(3)根据公式②及公式③确定A、B两点的距离:
(4)确定下述公式:
f(s,h)=AB2=(X-U)2+(Y-V)2+(Z-W)2 ⑤;
(5)通过确定公式⑤关于s和h的偏导数,得出变量s和h:
(6)根据变量s和h,得到最接近点A和B的坐标值;
(7)根据最接近点A和B的坐标值,得到无人机达到A点以及入侵机达到B点所需的时间:
4、通过下述公式得到AB两点最短距离,即无人机与入侵机的最短距离:
5、结合图2所示的无人机碰撞模型对应的碰撞盒示意图,将无人机与入侵机的最短距离与无人机碰撞盒数据进行比较,判断入侵机的碰撞可能性,得到相应的无人机碰撞风险等级,合理确定避险路线。
本发明提供的基于四维坐标的无人机碰撞模型建模方法,采用经典球状模型作为无人机碰撞模型的碰撞盒,并将无人机周围划分为SAR、NAR与CAR三个区域,根据无人机的特点分别定义三个范围半径,由于无人机飞行的不确定性,舍弃了常用的位置分析的方法,采用加入了实时速度的四维坐标分析方法,并将数据实时更新,实时分析。结果表明,此方法比较适用于无人机,具有较强的可行性。
虽然本发明已利用上述较佳实施例进行说明,然其并非用以限定本发明的保护范围,任何本领域技术人员在不脱离本发明的精神和范围之内,相对上述实施例进行各种变动与修改仍属本发明所保护的范围,因此本发明的保护范围以权利要求书所界定的为准。
Claims (7)
1.一种基于四维坐标的无人机碰撞模型建模方法,其特征在于:包括如下步骤:
步骤S1:获取无人机和入侵机的初始参数信息;
步骤S2:根据无人机和入侵机的初始参数信息,确定无人机和入侵机的相对运动情况,排除没有入侵可能性的入侵机;
步骤S3:通过对无人机和入侵机的初始参数信息以及上一时刻的历史参数信息进行综合分析,计算无人机与入侵机运动轨迹中最接近点的坐标及各自抵达最接近点所需时间;
步骤S4:根据无人机与入侵机抵达最接近点所需时间,计算无人机与入侵机的最短距离;
步骤S5:将无人机与入侵机的最短距离与无人机碰撞盒数据进行比较,判断入侵机的碰撞可能性;
其中,无人机和入侵机的初始参数信息及历史参数信息为包括三维空间位置及速度的四维坐标信息。
2.如权利要求1所述的基于四维坐标的无人机碰撞模型的建模方法,其特征在于:
所述步骤S1中,无人机和入侵机的初始参数信息分别为(x1,y1,z1,V1)及(x2,y2,z2,V2),其中,x1、y1、z1、x2、y2及z2分别为无人机及入侵机的三维空间坐标值,V1及V2分别为无人机及入侵机的速度值;
所述步骤S2中,通过下述公式确定无人机及入侵机的相对运动情况:
l=(x1-x2)(Vx1-Vx2)+(y1-y2)(Vy1-Vy2)+(z1-z2)(Vz1-Vz2) ①
其中,Vx1、Vy1、Vz1、Vx2、Vy2、Vz2分别表示无人机与入侵机在三个坐标轴方向上的速度分量;
没有入侵可能性的入侵机为l>0或l=0的入侵机。
3.如权利要求2所述的基于四维坐标的无人机碰撞模型的建模方法,其特征在于:
所述步骤S3包括:
步骤S31:获取无人机及入侵机的上一时刻的历史参数信息:(x′1,y′1,z′1,V1)及(x′2,y′2,z′2,V2);
步骤S32:确定无人机及入侵机的最接近点的坐标A(X,Y,Z,V1)及B(U,V,W,V2)与无人机及入侵机的初始参数信息和历史参数信息的关系:
其中,s与h均为未知参数;
步骤S33:根据公式②及公式③确定A、B两点的距离:
步骤S34:确定下述公式:
f(s,h)=AB2=(X-U)2+(Y-V)2+(Z-W)2 ⑤;
步骤S35:通过确定公式⑤关于s和h的偏导数,得出变量s和h:
步骤S36:根据变量s和h,得到最接近点A和B的坐标值;
步骤S37:根据最接近点A和B的坐标值,得到无人机达到A点以及入侵机达到B点所需的时间:
4.如权利要求2所述的基于四维坐标的无人机碰撞模型的建模方法,其特征在于:
所述步骤S4中,通过下述公式得到AB两点最短距离,即无人机与入侵机的最短距离:
其中,t1和t2分别为无人机和入侵机达到最接近点所需的时间。
5.如权利要求1所述的基于四维坐标的无人机碰撞模型的建模方法,其特征在于:
所述步骤S5中,无人机碰撞盒数据包括碰撞层CAR、临近层NAR以及探测层SAR,其中,
碰撞层CAR为入侵机进入后则认为无人机与入侵机发生碰撞的区域;
临近层NAR为无人机的有效避险区域;
探测层SAR为无人机能够探测入侵机的最大范围。
6.如权利要求5所述的基于四维坐标的无人机碰撞模型的建模方法,其特征在于:
所述临近层NAR的半径计算公式为:
RNAR=RCAR+max(0,V(t))T
其中,RNAR与RCAR分别为t时刻时无人机临近层NAR与碰撞层CAR的区域半径;V(t)为t时刻无人机与入侵机之间的相对速度;T为无人机能够进行有效避险的最长时间;max(0,V(t))为当前采集点与上一个采集点之间,无人机与入侵机的最大相对速度。
7.如权利要求5所述的基于四维坐标的无人机碰撞模型的建模方法,其特征在于:
所述临近层NAR的半径计算公式为:
RNAR=RCAR+V(t)T
其中,RNAR与RCAR分别为t时刻时无人机临近层NAR与碰撞层CAR的区域半径;V(t)为t时刻无人机与入侵机之间的相对速度;T为无人机能够进行有效避险的最长时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240698.4A CN108133076B (zh) | 2017-11-30 | 2017-11-30 | 基于四维坐标的无人机碰撞模型的建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240698.4A CN108133076B (zh) | 2017-11-30 | 2017-11-30 | 基于四维坐标的无人机碰撞模型的建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108133076A true CN108133076A (zh) | 2018-06-08 |
CN108133076B CN108133076B (zh) | 2021-06-25 |
Family
ID=62389028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711240698.4A Active CN108133076B (zh) | 2017-11-30 | 2017-11-30 | 基于四维坐标的无人机碰撞模型的建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133076B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191919A (zh) * | 2018-08-01 | 2019-01-11 | 清华大学 | 基于所需到达时间限制的四维轨迹速度调节方法及装置 |
CN112578471A (zh) * | 2020-11-13 | 2021-03-30 | 河北科技大学 | 一种探地雷达杂波噪声去除方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6604044B1 (en) * | 2002-02-14 | 2003-08-05 | The Mitre Corporation | Method for generating conflict resolutions for air traffic control of free flight operations |
US20090027253A1 (en) * | 2007-07-09 | 2009-01-29 | Eads Deutschland Gmbh | Collision and conflict avoidance system for autonomous unmanned air vehicles (UAVs) |
CN102854883A (zh) * | 2012-07-04 | 2013-01-02 | 北京航空航天大学 | 一种无人机动态紧急避撞区的建模方法 |
US9412278B1 (en) * | 2015-03-31 | 2016-08-09 | SZ DJI Technology Co., Ltd | Authentication systems and methods for generating flight regulations |
CN106949894A (zh) * | 2017-04-13 | 2017-07-14 | 山东科技大学 | 一种用于无人机自动避撞的最优常值导引指令求解方法 |
CN107016882A (zh) * | 2017-01-18 | 2017-08-04 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种低空域的无人机冲突避免系统及方法 |
-
2017
- 2017-11-30 CN CN201711240698.4A patent/CN108133076B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6604044B1 (en) * | 2002-02-14 | 2003-08-05 | The Mitre Corporation | Method for generating conflict resolutions for air traffic control of free flight operations |
US20090027253A1 (en) * | 2007-07-09 | 2009-01-29 | Eads Deutschland Gmbh | Collision and conflict avoidance system for autonomous unmanned air vehicles (UAVs) |
CN102854883A (zh) * | 2012-07-04 | 2013-01-02 | 北京航空航天大学 | 一种无人机动态紧急避撞区的建模方法 |
US9412278B1 (en) * | 2015-03-31 | 2016-08-09 | SZ DJI Technology Co., Ltd | Authentication systems and methods for generating flight regulations |
CN107016882A (zh) * | 2017-01-18 | 2017-08-04 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种低空域的无人机冲突避免系统及方法 |
CN106949894A (zh) * | 2017-04-13 | 2017-07-14 | 山东科技大学 | 一种用于无人机自动避撞的最优常值导引指令求解方法 |
Non-Patent Citations (1)
Title |
---|
吴学礼: "基于ADS-B视技术的飞行器纵向最小间隔研究", 《河北科技大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191919A (zh) * | 2018-08-01 | 2019-01-11 | 清华大学 | 基于所需到达时间限制的四维轨迹速度调节方法及装置 |
CN112578471A (zh) * | 2020-11-13 | 2021-03-30 | 河北科技大学 | 一种探地雷达杂波噪声去除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108133076B (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107885209B (zh) | 一种基于动态窗口与虚拟目标点的避障方法 | |
CN105223956B (zh) | 一种全向移动机器人的动态避障方法 | |
CN109829351A (zh) | 车道信息的检测方法、装置及计算机可读存储介质 | |
CN109116867A (zh) | 一种无人机飞行避障方法、装置、电子设备及存储介质 | |
CN108762264A (zh) | 基于人工势场与滚动窗口的机器人的动态避障方法 | |
CN108062600A (zh) | 一种基于矩形建模的车辆碰撞预警方法及装置 | |
CN110362077A (zh) | 无人驾驶车辆紧急避险决策系统、方法及介质 | |
KR20180029973A (ko) | 표면을 자동으로 검사하기 위한 시스템 및 방법 | |
CN106325280A (zh) | 一种多机器人防碰撞方法及系统 | |
CN107009968A (zh) | 车载激光雷达控制方法、装置及车载设备 | |
Wang et al. | Autonomous flights in dynamic environments with onboard vision | |
CN109814594B (zh) | 无人机群防碰撞控制方法、装置及计算机可读存储介质 | |
CN112198901B (zh) | 一种基于三维动态碰撞区的无人机自主避撞决策方法 | |
CN107424443A (zh) | 一种基于Vicsek模型的飞行器集群调控方法及装置 | |
CN107491087B (zh) | 一种基于碰撞锥的无人机编队避障优先级在线配置方法 | |
CN108759839A (zh) | 一种基于态势空间的无人飞行器路径规划方法 | |
CN107168342A (zh) | 一种用于机器人路径规划的行人轨迹预测方法 | |
CN115027464A (zh) | 一种基于方向包围盒的自动驾驶碰撞检测方法 | |
CN108133076A (zh) | 基于四维坐标的无人机碰撞模型的建模方法 | |
Hong et al. | A modified dynamic window approach to obstacle avoidance combined with fuzzy logic | |
CN107942293A (zh) | 机场场面监视雷达的点迹处理方法及系统 | |
Khazraei et al. | Learning-based vulnerability analysis of cyber-physical systems | |
CN105083193B (zh) | 用于打开外部气囊的方法 | |
CN115755888A (zh) | 多传感器数据融合的agv障碍物检测系统及避障方法 | |
CN114035605A (zh) | 一种基于比例导引的飞行器避障方法 |
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 |