CN108303996A - 基于脑电与半自主导航的飞行器目标搜索系统和方法 - Google Patents
基于脑电与半自主导航的飞行器目标搜索系统和方法 Download PDFInfo
- Publication number
- CN108303996A CN108303996A CN201710025638.4A CN201710025638A CN108303996A CN 108303996 A CN108303996 A CN 108303996A CN 201710025638 A CN201710025638 A CN 201710025638A CN 108303996 A CN108303996 A CN 108303996A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- semi
- region
- autonomous navigation
- feasible
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 210000004556 brain Anatomy 0.000 title claims abstract description 21
- 230000005611 electricity Effects 0.000 title claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims abstract description 31
- 230000004888 barrier function Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 2
- 230000003340 mental effect Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 6
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000007477 logistic regression Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000012880 independent component analysis Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000009187 flying Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000337 motor cortex Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001103 thalamus Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/12—Target-seeking control
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)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及基于脑电与半自主导航的飞行器目标搜索系统和方法，系统包括：飞行器，电极帽和PC端地面控制系统。方法包括：飞行器通过二维激光测距仪采集环境数据进行处理，得到飞行器的可行方向，并发送至PC端地面控制系统；PC端地面控制系统显示飞行器的可行方向；并将由电极帽采集的脑电信号转换成选择飞行方向的控制指令，发送至飞行器。本发明采用基于采集至6导联左、右手运动想象的脑‑机接口与基于二维激光测距仪的半自主导航结合的方式实现多旋翼飞行器室内二维空间目标搜索，具有智能程度高、计算开销低、易于操作、控制稳定，可令使用者同时完成更多的控制任务等优点。
Description
技术领域
本发明涉及导航技术领域、控制工程技术领域、信息工程技术和生物机械电子工程交叉领域，具体涉及一种基于脑-机接口与半自主导航的多旋翼飞行器室内二维空间目标搜索系统与方法。
背景技术
近十几年来，多旋翼飞行器受到越来越多的关注。随着多旋翼飞行器高自主性的增强，其在军事与民用领域均有广泛的应用价值与前景，例如：搜索与救援、边界巡逻、航空测绘、目标跟踪、灾难通讯恢复、电网检测、交通环境检测与空气污染检测等。
尽管自主性在不断增强，但是，多旋翼飞行器仍然存在诸多应用瓶颈，例如：在室内二维空间目标搜索中，全自主导航系统无法在没有预先规划的前提下立即识别障碍物，且无法在路口处做出瞬时决策。由于半自主导航系统的智能决策是由人做出的，减少了全自主导航系统的计算负担，因此，与全自主导航相比，其更智能。半自主导航系统具有计算开销低与控制效率高的优势，这些特性使得半自主导航系统更适合多旋翼飞行器完成室内二维空间目标搜索。
通常，人使用双手操控飞行器，这导致其无法同时完成更多的控制任务。此外，由于实际应用中存在无法预测的复杂性，有时需要人为控制的介入，但是，人的操作水平不同，往往对飞行器的控制产生不同影响。因此，如何引入更加智能、稳定且易于操作的控制模式，成为多旋翼飞行器实现目标搜索定位的一个亟待深入研究的问题。目前，各种接口控制系统被用于控制设备并且可为健康或残疾人士提供行动能力。它们可以通过红外线头戴式操纵杆、姿势、视觉信息、眼部运动、肌电(EMG)、眼电(EOG)与脑电(EEG)等不同方式实现。在这些不同的方法中，由于易于实施和良好的时间分辨率特性，EEG与EOG常用于非侵入式接口控制系统。脑-机接口(BCI)是指在人脑与计算机之间或其他设备之间建立的直接交流和控制通道，其不依赖于脑的正常生理输出通路。使用者可以通过大脑直接表达想法或控制设备，无需语言或肢体动作等。在BCI系统中，运动想象(MI)是一种研究最多的EEG信号。
发明内容
针对上述技术不足，本发明提供一种基于脑-机接口与半自主导航的多旋翼飞行器室内二维空间目标搜索系统与方法。
本发明解决其技术问题所采用的技术方案是：基于脑电与半自主导航的飞行器目标搜索系统，包括：
飞行器，用于通过二维激光测距仪采集环境数据进行处理，得到飞行器的可行方向，并发送至PC端地面控制系统；
电极帽，用于用户佩戴；
PC端地面控制系统，用于显示飞行器的可行方向；采集电极帽的电极信号，并转换成选择飞行方向的控制指令，发送至飞行器。
所述飞行器与PC端地面控制系统通过WIFI通信。
所述飞行器设有捷联惯性导航系统。
基于脑电与半自主导航的飞行器目标搜索方法，包括以下步骤：
飞行器通过二维激光测距仪采集环境数据进行处理，得到飞行器的可行方向，并发送至PC端地面控制系统；
PC端地面控制系统显示飞行器的可行方向；并将采集的电极帽电极信号转换成选择飞行方向的控制指令，发送至飞行器。
所述环境数据包括-90°～90°范围内的飞行器前方二维空间环境与飞行器之间的距离；其中，飞行器正前方为0°。
所述飞行器通过二维激光测距仪采集环境数据进行处理，得到飞行器的可行方向包括以下步骤：
二维激光测距仪扫描飞行器前方环境；将采集到的环境数据以扫描范围界限为限值，等距分成若干组，并计算每组数据的最大距离、最小距离；
将所有组的最大距离、最小距离的均值作为障碍物的识别门限Ta，设置Ta的最小值为1.5m；如果某方向上的环境与飞行器之间的距离小于Ta，则相应区域被视作障碍物并移除；其它区域则被视作待定的可行方向并保留；
将保留的区域对应的环境数据依次排序；可行方向的区域Oi的宽度为：
其中，i为区域编号；s2i-1为二维激光测距仪与区域Oi起始点间距离；s2i为二维激光测距仪与区域Oi终止点间距离；t2i-1为二维激光测距仪0°至区域Oi起始点间的角度；t2i为二维激光测距仪0°至区域Oi终止点间的角度；
当Oi的宽度大于可行方向门限To时，则相应区域Oi被视作可行方向；依据t2i-1，t2i以及飞行器当前偏航角tU，确定可行方向的中心角度，用于飞行器的方向控制。
所述可行方向的中心角度为：
所述区域Oi起始点为重新排列环境数据后、区域Oi在障碍物的识别门限上的第一个环境数据点；所述区域Oi终止点为重新排列环境数据后、区域Oi在障碍物的识别门限上的第二个环境数据点。
所述将采集的电极帽电极信号转换成选择飞行方向的控制指令包括以下步骤：
采集电极帽的多个电极的数字信号，分别经过滤除噪声与剔除伪迹；
选择某通道为参考通道，采用CC方法从每个互相关序列中提取特征，包括均值、标准偏差、偏度、峰度、最大值与最小值；然后将提取的特征作为LR方法分类器的输入，得到LR方法分类器的输出：
1)执行MI任务y为1，表示用户当前正在执行左手或右手MI任务；空闲状态y为0，表示用户当前未执行左手或右手MI任务，即放松状态；若用户未选择提供的可行方向，则控制飞行器前向飞行；
2)左手MI任务y为1，表示若用户正在进行提供的可行方向选择，即选择可行方向的中心角度作为飞行器的偏航角，用于飞行器沿此方向的后续自主飞行；若用户未选择提供的可行方向，则控制飞行器左旋转；右手MI任务y为0，表示若用户正在进行提供的可行方向选择，即不选择当前方向；若用户未选择提供的可行方向，则控制飞行器右旋转；
将分类器的输出作为飞行方向的控制指令。
本发明具有以下有益效果及优点：
本发明创新性的采用基于采集至6导联左、右手运动想象的脑-机接口与基于二维激光测距仪的半自主导航结合的方式实现多旋翼飞行器室内二维空间目标搜索，具有智能程度高、计算开销低、易于操作、控制稳定，可令使用者同时完成更多的控制任务等优点。经过测试验证，该系统具有较好的适应性与控制稳定性。
附图说明
图1为本发明一种实施例的系统总体结构框图；
图2为本发明一种实施例的方法流程图；
图3(a)为真实环境示意图；
图3(b)为按角度与相应距离排列的环境数据示意图；
图3(c)为经过极坐标变换修正后的环境数据示意图；
图3(d)为重新排列的环境数据与估计的可行方向示意图；
图4(a)为单一MI任务的EEG数据采集过程示意图；
图4(b)为连续MI任务的EEG数据采集过程示意图；
图5为本发明一种实施例的搜索方法中MI任务的EEG信号处理过程图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明。
本发明是一种以多旋翼飞行器为控制对象，实现室内二维空间目标搜索系统与方法。其采用半自主导航子系统接收二维激光测距仪获取的实时环境信息数据，估计可行飞行方向与实现半自主避障；采用捷联惯性导航子系统实时获取多旋翼飞行器的瞬时惯性导航数据；通过PC端地面控制系统实现多旋翼飞行器远程控制，实时获取前视图像、环境信息数据与可行飞行方向，飞行姿态与惯性导航数据实时回传；采用决策子系统分析采集至6导联(C3，C4，CP3，CP4，FC3与FC4)的左、右手运动想象(MI)任务的脑电(EEG)特征，采用互相关(CC)方法完成MI特征提取，采用逻辑回归(LR)方法完成MI特征分类与决策；本系统与方法具有智能程度高、操作简单、控制稳定，可令使用者同时完成更多的控制任务等优点。
如图1所示，一种基于脑电与半自主导航的飞行器目标搜索系统和方法，包括：
半自主导航子系统：用于接收二维激光测距仪获取的实时环境信息数据，估计可行飞行方向与实现半自主避障，并通过COM接口将数据传输至多旋翼飞行器的主飞行控制板；
决策子系统：通过分析采集至6导联的左、右手运动想象(MI)任务的脑电(EEG)特征而建立，其采用互相关(CC)方法完成MI特征提取，采用逻辑回归(LR)方法完成MI特征分类与决策，PC端地面控制系统将最终决策转换为控制指令通过WIFI传输至多旋翼飞行器；
多旋翼飞行器：根据PC端地面控制系统的控制指令工作，并将实时获取的前视图像、捷联惯性导航实时定位信息、半自主导航系统获取的实时环境信息数据回传输至PC端地面控制系统；其中，环境信息包括二维激光测距仪采集得到的-90°～90°范围内的飞行器正前方二维空间环境(飞行器正前方为0°)与飞行器间的相对距离数据(单位：m)。
捷联惯性导航子系统：用于通过气压计、陀螺仪、加速度计与磁力计获取多旋翼飞行器的瞬时惯性导航数据，并通过SPI接口将数据传输至多旋翼飞行器的主飞行控制板；
WIFI与视频模块：用于多旋翼飞行器与PC端地面控制系统之间的控制指令传输以及将获取的多旋翼飞行器前视图像通过WIFI传输至PC端地面控制系统；
PC端地面控制系统：用于对多旋翼飞行器远程控制，根据多旋翼飞行器实时获取的前视图像、半自主导航子系统获取的实时环境信息数据以及瞬时惯性导航数据，通过决策子系统的运动想象(MI)EEG信号控制多旋翼飞行器：被试者使用单一放松MI任务起飞飞行器。飞行器起飞后，半自主导航子系统将自动为决策子系统提供可行飞行方向，并依据可行飞行方向为飞行器实现半自主避障。被试者需要在决策子系统中使用MI任务完成可行飞行方向选择(左手MI任务为“是”，即选择当前方向；右手MI任务为“否”，即不选择当前方向)。半自主导航子系统提供的可行飞行方向逐个显示在显示器上供被试者选择。如果被试者选择了其中的某个可行飞行方向，则被选择的可行飞行方向被设置为飞行器的偏航角，飞行器将沿此方向完成后续的自主飞行。决策子系统每间隔30ms发送前向飞行控制指令。在前向飞行的情况下，单一的右手MI任务用于降落飞行器。在选择可行飞行方向过程中，飞行器保持悬停。如果被试者未选择半自主导航子系统提供的可行飞行方向，他们必须完全依靠自己通过执行MI任务控制飞行器(左手MI任务为左旋转；右手MI任务为右旋转；空闲MI任务为前向飞行)。此时，决策子系统每间隔30ms发送前向飞行控制指令，持续时间为3s。如果飞行器在后续2s内未接收到任何控制指令，其将悬停并等待接收控制指令。被试者需要手动完成飞行器降落。在飞行过程中，如果飞行器到达死路，其将自动旋转180°。
多旋翼飞行器的二维激光测距仪、主飞行控制板、捷联惯性导航子系统依次重叠放置在多旋翼飞行器的旋翼支架交汇处，即多旋翼飞行器的理论质心位置；捷联惯性导航子系统通过SPI接口与多旋翼飞行器的主飞行控制板连接，半自主导航系统通过COM接口与多旋翼飞行器的主飞行控制板连接，多旋翼飞行器与PC端地面控制系统通过WIFI建立无线连接。
多旋翼飞行器的主飞行控制板采用ARM9处理器，并运行Linux 2.6.32操作系统。其主要用于实现多旋翼飞行器操控、姿态控制等；捷联贯性导航系统由一个气压计、9自由度的惯性测量单元(3轴陀螺仪、3轴加速度计与3轴磁力计)构成。
采用所述的基于脑-机接口与半自主导航的多旋翼飞行器室内二维空间目标搜索方法，如图2所示，包括以下步骤：
步骤1、被试者使用单一放松MI任务起飞飞行器，PC端地面控制系统向多旋翼飞行器发送起飞控制指令；
步骤2、捷联惯性导航子系统实时获取多旋翼飞行器的瞬时惯性导航数据，并通过SPI接口将数据传输至多旋翼飞行器的主飞行控制板；
步骤3、半自主导航子系统实时获取二维激光测距仪提取的瞬时环境特征与估计的可行方向，并通过COM接口将数据传输至多旋翼飞行器的主飞行控制板；
半自主避障与可行方向估计方法如下：
二维激光测距仪扫描-90°～90°范围内(平行于地面的平面上)的飞行器正前方环境(飞行器正前方为0°)。依据二维激光测距仪的扫描范围，将采集到的环境数据等距分成9组，并计算每组数据的最大与最小距离。图3(a)～3(d)为本发明一种实施例的搜索方法半自主导航环境特征提取示例图；图3(a)为真实的环境，图3(b)与图3(c)分别描述了按角度与相应距离排列的环境数据以及经过极坐标变换修正后的环境数据。飞行器在飞行过程中可能遇到狭窄或开阔空间，因此，将9组环境数据的最大与最小距离的均值作为障碍物的识别门限(Ta)。为保证飞行器能够安全且成功避障，设置Ta的最小值为1.5m。如果某方向上的环境距离(即某方向的环境与飞行器之间的距离)小于Ta，则相应区域被视作障碍物并移除；其它区域则被视作待定的可行方向并保留。经过上述步骤后，半自主导航系统将依据保留的区域重新排列环境数据：半自主导航系统将被视作障碍物的区域删除，然后将剩余环境数据按角度与相应距离重新排列。图3(d)展示了重新排列后的环境数据与估计的可行方向。其中S1、S2、S3、S4分别表示飞行器与区域O1起始点与终止点以及飞行器与区域O2起始点与终止点间的距离，t1、t2、t3、t4分别表示二维激光测距仪0°与区域O1起始点与终止点以及二维激光测距仪0°与区域O2起始点与终止点间的角度；大于识别门限的环境数据、该数据与识别门限的交点与飞行器的连线构成区域Oi；
对于区域O1与O2，Oi的宽度定义为：
式(1)中，i为区域编号；s2i-1为二维激光测距仪与区域Oi起始点间距离；s2i为二维激光测距仪与区域Oi终止点间距离；t2i-1为二维激光测距仪0°至区域Oi起始点间的角度；t2i为二维激光测距仪0°至区域Oi终止点间的角度。将Oi的宽度与可行方向门限(To，设置To的最小值为1.5m)相比，如果Oi的宽度大于To，则相应区域Oi被视作可行方向。
区域Oi起始点：移除障碍物区域并重新排列数据后、区域Oi在障碍物的识别门限上的第一个环境数据点(从-90°～90°排序)；区域Oi终止点：移除障碍物区域并重新排列数据后、区域Oi在障碍物的识别门限上的第二个数环境数据点(从-90°～90°排序)。二维激光测距仪的正前方定义为0°。
若存在多个Oi的宽度大于To，则这些宽度大于To的区域Oi都被视作可行方向。
依据t2i-1，t2i以及飞行器当前偏航角(tU)，定义可行方向的中心角度作为飞行器后续飞行的偏航角，为：
步骤4、多旋翼飞行器将主飞行控制板处理后的飞行姿态、惯性导航数据、提取的环境数据(包括二维激光测距仪采集得到的-90°～90°范围内的飞行器正前方二维空间环境数据(飞行器正前方为0°)与飞行器间的相对距离数据(单位：m))、估计的可行方向(逐个显示在显示器上供被试者选择)与前视图像通过WIFI无线传输至PC端地面控制系统；
步骤5、判断是否完成最终的目标搜索(通过判断飞行器是否降落实现。飞行器降落则认为是完成目标搜索。)：是，则执行步骤7；否，则执行步骤6；
步骤6、多旋翼飞行器依据可行飞行方向为飞行器实现半自主避障：被试者需要在决策子系统中使用MI任务完成可行飞行方向选择(左手MI任务为“是”，即选择当前方向；右手MI任务为“否”，即不选择当前方向)，直至完成最终的目标搜索。
所述步骤6包括如下步骤：
步骤6-1、判断被试者是否选择半自主导航子系统提供的可行飞行方向：如果被试者选择了其中的某个可行飞行方向，执行步骤6-2；如果被试者未选择半自主导航子系统提供的可行飞行方向，执行步骤6-3；
步骤6-2、在选择可行飞行方向过程中，飞行器保持悬停；被选择的可行飞行方向被设置为飞行器的偏航角，飞行器将沿此方向完成后续的自主飞行，决策子系统每间隔30ms发送前向飞行控制指令；返回执行步骤2；
决策子系统方法如下：
将由电极帽(NuAmps,Neuroscan，40导联)的6个电极(FC3，C3，CP3，FC4，C4与CP4)分别不间断采集、放大，并以250Hz采样频率存储的数字信号(图4(a)～4(b)为单一MI任务与连续MI任务的EEG数据采集过程的示例图；图4(a)为单一MI任务的EEG数据采集过程，图4(b)为连续MI任务的EEG数据采集过程)，首先经过50Hz的陷波滤波器滤除工频电源噪声；然后，再将EEG信号经过0.5-30Hz带通滤波器滤除噪声，如果滤波后的EEG信号幅度大于50-70μV，它们将被视为由眼球运动与眨眼等因素产生的伪迹，采用ICA(Independent ComponentAnalysis，独立成分分析)方法剔除伪迹；采用CC方法从每个互相关序列中提取均值、标准偏差、偏度、峰度、最大值与最小值等特征，其中，选择通道C3为CC方法的参考通道(为了从大脑活动中区分不同运动想象的意图，其最主要任务是区分感觉运动节律调节的不同空间位置。由于运动想象与体感皮质区为拓扑排列，因此，这些位置均对应人体相应的部位。由于通道C3对应大脑运动皮质区，可以提供更多的信息，并且对MI任务特别敏感，因此，选择通道C3为CC方法的参考通道)；从每个互相关序列(将通道C3与其他每个通道分别进行互相关计算所产生的序列)中提取的六个特征作为LR方法分类器的输入，分类决策过程分为两个步骤：1)MI任务是否执行判定。执行MI任务y为1，空闲状态y为0；2)MI任务判定。左手MI任务y为1，右手MI任务y为0；
1)执行MI任务y为1，表示被试者当前正在执行左手或右手MI任务；空闲状态y为0，表示被试者当前未执行左手或右手MI任务，即放松状态(若被试者未选择提供的可行方向，则控制飞行器前向飞行)；
2)左手MI任务y为1，表示若被试者正在进行提供的可行方向选择，即选择当前方向；若被试者未选择提供的可行方向，则控制飞行器左旋转(本实施例为15°/s)；右手MI任务y为0，表示若被试者正在进行提供的可行方向选择，即不选择当前方向；若被试者未选择提供的可行方向，则控制飞行器右旋转(本实施例为15°/s)；将上述分类决策过程的结果(0与1)转换成相应的控制指令发送给飞行器。
基于CC方法与LR方法的MI任务特征提取与分类过程为现有技术，如图5所示。
步骤6-3、被试者必须完全依靠自己通过执行MI任务控制飞行器(左手MI任务为左旋转；右手MI任务为右旋转；空闲MI任务为前向飞行)，此时，决策子系统每间隔30ms发送前向飞行控制指令，持续时间为3s。如果飞行器在后续2s内未接收到任何控制指令，其将悬停并等待接收控制指令；待接收控制指令后，返回执行步骤2；
步骤7、判断是否选择半自主导航子系统提供的可行飞行方向：是，则被试者使用单一的右手MI任务降落飞行器；否，则被试者需要手动完成飞行器降落。
Claims (9)
1.基于脑电与半自主导航的飞行器目标搜索系统，其特征在于包括：
飞行器，用于通过二维激光测距仪采集环境数据进行处理，得到飞行器的可行方向，并发送至PC端地面控制系统；
电极帽，用于用户佩戴；
PC端地面控制系统，用于显示飞行器的可行方向；采集电极帽的电极信号，并转换成选择飞行方向的控制指令，发送至飞行器。
2.根据权利要求1所述的基于脑电与半自主导航的飞行器目标搜索系统，其特征在于所述飞行器与PC端地面控制系统通过WIFI通信。
3.根据权利要求1所述的基于脑电与半自主导航的飞行器目标搜索系统，其特征在于所述飞行器设有捷联惯性导航系统。
4.基于脑电与半自主导航的飞行器目标搜索方法，其特征在于包括以下步骤：
飞行器通过二维激光测距仪采集环境数据进行处理，得到飞行器的可行方向，并发送至PC端地面控制系统；
PC端地面控制系统显示飞行器的可行方向；并将采集的电极帽电极信号转换成选择飞行方向的控制指令，发送至飞行器。
5.根据权利要求4所述的基于脑电与半自主导航的飞行器目标搜索方法，其特征在于所述环境数据包括-90°～90°范围内的飞行器前方二维空间环境与飞行器之间的距离；其中，飞行器正前方为0°。
6.根据权利要求4所述的基于脑电与半自主导航的飞行器目标搜索方法，其特征在于所述飞行器通过二维激光测距仪采集环境数据进行处理，得到飞行器的可行方向包括以下步骤：
二维激光测距仪扫描飞行器前方环境；将采集到的环境数据以扫描范围界限为限值，等距分成若干组，并计算每组数据的最大距离、最小距离；
将所有组的最大距离、最小距离的均值作为障碍物的识别门限Ta，设置Ta的最小值为1.5m；如果某方向上的环境与飞行器之间的距离小于Ta，则相应区域被视作障碍物并移除；其它区域则被视作待定的可行方向并保留；
将保留的区域对应的环境数据依次排序；可行方向的区域Oi的宽度为：
其中，i为区域编号；s2i-1为二维激光测距仪与区域Oi起始点间距离；s2i为二维激光测距仪与区域Oi终止点间距离；t2i-1为二维激光测距仪0°至区域Oi起始点间的角度；t2i为二维激光测距仪0°至区域Oi终止点间的角度；
当Oi的宽度大于可行方向门限To时，则相应区域Oi被视作可行方向；依据t2i-1，t2i以及飞行器当前偏航角tU，确定可行方向的中心角度，用于飞行器的方向控制。
7.根据权利要求6所述的基于脑电与半自主导航的飞行器目标搜索方法，其特征在于所述可行方向的中心角度为：
。
8.根据权利要求6所述的基于脑电与半自主导航的飞行器目标搜索方法，其特征在于所述区域Oi起始点为重新排列环境数据后、区域Oi在障碍物的识别门限上的第一个环境数据点；所述区域Oi终止点为重新排列环境数据后、区域Oi在障碍物的识别门限上的第二个环境数据点。
9.根据权利要求6所述的基于脑电与半自主导航的飞行器目标搜索方法，其特征在于所述将采集的电极帽电极信号转换成选择飞行方向的控制指令包括以下步骤：
采集电极帽的多个电极的数字信号，分别经过滤除噪声与剔除伪迹；
选择某通道为参考通道，采用CC方法从每个互相关序列中提取特征，包括均值、标准偏差、偏度、峰度、最大值与最小值；然后将提取的特征作为LR方法分类器的输入，得到LR方法分类器的输出：
1)执行MI任务y为1，表示用户当前正在执行左手或右手MI任务；空闲状态y为0，表示用户当前未执行左手或右手MI任务，即放松状态；若用户未选择提供的可行方向，则控制飞行器前向飞行；
2)左手MI任务y为1，表示若用户正在进行提供的可行方向选择，即选择可行方向的中心角度作为飞行器的偏航角，用于飞行器沿此方向的后续自主飞 行；若用户未选择提供的可行方向，则控制飞行器左旋转；右手MI任务y为0，表示若用户正在进行提供的可行方向选择，即不选择当前方向；若用户未选择提供的可行方向，则控制飞行器右旋转；
将分类器的输出作为飞行方向的控制指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710025638.4A CN108303996A (zh) | 2017-01-13 | 2017-01-13 | 基于脑电与半自主导航的飞行器目标搜索系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710025638.4A CN108303996A (zh) | 2017-01-13 | 2017-01-13 | 基于脑电与半自主导航的飞行器目标搜索系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108303996A true CN108303996A (zh) | 2018-07-20 |
Family
ID=62872170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710025638.4A Withdrawn CN108303996A (zh) | 2017-01-13 | 2017-01-13 | 基于脑电与半自主导航的飞行器目标搜索系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108303996A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110658851A (zh) * | 2019-08-27 | 2020-01-07 | 北京航空航天大学 | 一种基于脑电信号的无人机航迹规划系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102419588A (zh) * | 2011-12-28 | 2012-04-18 | 许冰 | 一种基于脑电信号及运动信号对目标控制的方法及装置 |
| WO2013025550A3 (en) * | 2011-08-12 | 2014-05-15 | Aerovironment, Inc. | Electric motor |
-
2017
- 2017-01-13 CN CN201710025638.4A patent/CN108303996A/zh not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013025550A3 (en) * | 2011-08-12 | 2014-05-15 | Aerovironment, Inc. | Electric motor |
| CN102419588A (zh) * | 2011-12-28 | 2012-04-18 | 许冰 | 一种基于脑电信号及运动信号对目标控制的方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| TIANWEI SHI等: ""Brain Computer Interface system based on indoor semi-autonomous navigation and motor imagery for Unmanned Aerial Vehicle control"", 《EXPERT SYSTEMS WITH APPLICATIONS》 * |
| 伏云发 等: ""基于SSVEP 直接脑控机器人方向和速度研究"", 《自动化学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110658851A (zh) * | 2019-08-27 | 2020-01-07 | 北京航空航天大学 | 一种基于脑电信号的无人机航迹规划系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180190014A1 (en) | Collaborative multi sensor system for site exploitation | |
| Poggi et al. | A wearable mobility aid for the visually impaired based on embedded 3D vision and deep learning | |
| Shi et al. | Brain Computer Interface system based on indoor semi-autonomous navigation and motor imagery for Unmanned Aerial Vehicle control | |
| CN104854428B (zh) | 传感器融合 | |
| Sanjana et al. | Drone design for first aid kit delivery in emergency situation | |
| Grabe et al. | Robust optical-flow based self-motion estimation for a quadrotor UAV | |
| CN110494360A (zh) | 用于提供自主摄影及摄像的系统和方法 | |
| US10409292B2 (en) | Movement control method, autonomous mobile robot, and recording medium storing program | |
| WO2018090208A1 (zh) | 基于三维地图的导航方法和设备 | |
| Yuan et al. | Human gaze-driven spatial tasking of an autonomous MAV | |
| WO2008045144A2 (en) | Gesture recognition method and apparatus | |
| US20100013944A1 (en) | Gesture Recognition Apparatus and Method | |
| CN108733201A (zh) | 基于脑电与眼电的飞行器三维空间目标搜索系统和方法 | |
| CN202583884U (zh) | 无人飞行器有效载荷与自动驾驶仪综合控制计算机系统 | |
| CN106023389A (zh) | 基于人脸识别技术的机场智慧航显方法和系统 | |
| US20190377474A1 (en) | Systems and methods for a mixed reality user interface | |
| CN110471442A (zh) | 一种目标观察方法、相关设备及系统 | |
| CN106155075A (zh) | 一种可分离式无人机控制系统 | |
| KR101657086B1 (ko) | 고정 카메라를 장착한 무인 항공기의 영상기반 유도 제어시스템 | |
| NO20120297A1 (no) | UAV-kontroll | |
| CN114020043A (zh) | 无人机建筑工程监理系统、方法、电子设备及存储介质 | |
| CN106371460A (zh) | 寻找目标的方法及装置 | |
| Wang et al. | An intelligent ground-air cooperative navigation framework based on visual-aided method in indoor environments | |
| Pandey et al. | Pandemic drone with thermal imaging and crowd monitoring system (DRISHYA) | |
| CN108303996A (zh) | 基于脑电与半自主导航的飞行器目标搜索系统和方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180720 |
|
| WW01 | Invention patent application withdrawn after publication |