CN108509753A - 一种无人机编队任意图形变换时的防碰撞轨迹仿真算法 - Google Patents

一种无人机编队任意图形变换时的防碰撞轨迹仿真算法 Download PDF

Info

Publication number
CN108509753A
CN108509753A CN201810436191.4A CN201810436191A CN108509753A CN 108509753 A CN108509753 A CN 108509753A CN 201810436191 A CN201810436191 A CN 201810436191A CN 108509753 A CN108509753 A CN 108509753A
Authority
CN
China
Prior art keywords
point
source
target
coordinate
distance
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
Application number
CN201810436191.4A
Other languages
English (en)
Other versions
CN108509753B (zh
Inventor
戴大蒙
方书田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cangnan Institute Of Cangnan
Original Assignee
Cangnan Institute Of Cangnan
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cangnan Institute Of Cangnan filed Critical Cangnan Institute Of Cangnan
Priority to CN201810436191.4A priority Critical patent/CN108509753B/zh
Publication of CN108509753A publication Critical patent/CN108509753A/zh
Application granted granted Critical
Publication of CN108509753B publication Critical patent/CN108509753B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/21—Collision detection, intersection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

一种无人机编队任意图形变换时的防碰撞轨迹仿真算法。将原状态的图形作为源散点图(以下简称源图)，将预设的变换后的图形作为目标散点图(以下简称目标图)；将源图中的单个点与目标图中点的位置做对应点匹配并得到各点的出发时间。本发明解决了无人设备的防碰撞问题以及在防碰撞的前提下，快速进行坐标匹配并作出图像变换。

Description

一种无人机编队任意图形变换时的防碰撞轨迹仿真算法
技术领域
本发明涉及图形变换的算法领域，特别涉及一种用于无人机、无人车或无人船等无人控制设备的无人机编队任意图形变换时的防碰撞轨迹仿真算法。
背景技术
自英特尔公司实现了Shooting StarTM编队飞行进行灯光秀表演，创造出美轮美奂的夜间空中景观以来，无人机群凭借其对图形的精确控制能力、呈现出的多样艺术化视觉效果以及良好的环保特性，被越来越多地应用于艺术、娱乐和灯光秀等领域，目前大多数灯光秀工程大多会采用多个图案的切换显示方案以增加视觉效果，这里首要解决的是多个无人设备在运动过程中的防碰撞问题，同时还要兼顾构成不同图案的切换速度。
发明内容
为了解决背景技术中的问题，本发明提供一种无人机编队任意图形变换时的防碰撞轨迹仿真算法。
本发明解决其技术问题所采用的技术方案是：一种无人机编队任意图形变换时的防碰撞轨迹仿真算法，将原状态的图形作为源图，将预设的变换后的图形作为目标图；将所述源图中的各个点与所述目标图中点的位置做对应点匹配，对应点匹配过程如下：
步骤一：初始化；
源图和目标图以相同的几何中心为坐标原点O，建立坐标系；初始化k＝1；以源图上所有点的坐标构成集合A，第i个元素记为(xi，yi)；以目标图上所有点的坐标构成集合B，第j个元素记为
其中，xi和yi为源图中第i个点的坐标，和为目标图中第j个点的坐标；
步骤二：计算源图中每个点到目标图中每个点的欧式距离，并将其保存在矩阵D中，即：
其中，Dij为所述源图的第i个点到所述目标图的第j个点的距离，xi和yi为源图中第i个点的坐标，和为目标图中第j个点的坐标；
步骤三：计算源图上点i到目标图的最短距离
求得所有点对应的最短距离中最大的距离
求得最大距离对应的源图中的点
求得最大距离对应的目标图中的点
其中，M为集合A中元素的个数；
步骤四：根据求得的源坐标目标位置的坐标以及它们之间
的距离s得到矩阵E
将集合A与集合B中的对应点删去
步骤五：若匹配工作结束完成，否则令k＝k+1，返回步骤三。
所述对应点匹配完成后，计算各点延时出发的时间
t＝(E(k,5)-E(1,5))/v
其中，E(k,5)对应的元素为第k个点的移动距离，E(1,5)对应的元素为第一个点的移动距离，v为匀速移动的速度。
源图中的点a的移动方向前方有其它点b，且点a的所需移动距离较点b的所需移动距离更远，则点a与点b同时出发。
所述方法同时适用于源图为致密的实心圆，目标图为稀疏型点阵图形；源图是稀疏型点阵图形，目标图是致密的实心圆；源图和目标图均为稀疏型点阵图形或源图和目标图均为稀疏点阵的三维图形。
本发明的有益效果是：解决了智能机群的防碰撞问题以及在防止碰撞的前提下，快速进行坐标匹配并实现所有个体同时到达指定坐标作出图像变换。
附图说明
图1为本发明防碰撞优化示意图。
图2为图案切换设计效果图。
图3、图4为图案变换前后的示意图。
图5中(a)、(b)、(c)、(d)为密集散点扩散过程示意图。
具体实施方式
下面结合附图对本发明实施例作进一步说明：
本发明实施例以解决无人机群编队过程中的防碰撞问题为例做仿真说明，所述方法过程如下：
将原状态的无人机群构成的图形作为源图，将预设的变换后的无人机群构成的图形作为目标图；将源图中的单个无人机与目标图中的位置对应匹配，对应位置的匹配步骤如下：
步骤一：初始化；
约定源图和目标图具有相同的几何中心并以该几何中心为坐标原点O，建立坐标系；初始化k＝1，以源图上所有点的坐标构成集合A，第i个元素记为(xi，yi)；以目标图上所有点的坐标构成集合B，第j个元素记为
其中，xi和yi为第i架无人机的分布位置对应在源图中的坐标，和为预设图形中无人机需所处的第j个位置对应在目标图中的坐标。
步骤二：计算源图中每个点到目标图中每个点的欧式距离，并将其保存在矩阵D中，即：
其中，Dij为所述源图的第i个点到所述目标图的第j个点的距离，xi和yi为源图中第i个点的坐标，和为目标图中第j个点的坐标。
步骤三：计算源图上无人机i到目标图的最短距离
求得所有无人机对应的最短距离中最大的距离
求得最大距离对应的源图中的无人机
求得最大距离对应的目标图中的预设位置
其中，M为集合A中元素的个数。
步骤四：根据求得的无人机对应的源坐标目标位置的坐标
以及它们之间的距离s得到矩阵E
将集合A与集合B中的对应点删去
步骤五：若匹配工作结束，否则令k＝k+1，返回步骤三。
匹配完成后，为实现同时到达指定位置的目标，需要移动距离最远的无人机第一个出发，其他无人机以不同的延时时间出发，并与第一个无人机同时到达目的地。根据对应点匹配计算可知，第一个无人机的移动距离为E(1,5)，第k个无人机的移动距离为E(k,5)，若无人机飞行速度为v，则第k个无人机的延时出发时间可以由
(E(k,5)-E(1,5))/v
计算得到；
经延时出发后，各无人机做匀速直线扩散运动，同时到达匹配位置。
根据实际情况分析，所述方法还有如下优化设计：
如图1所示，假设图形转换还有最后两点a1，a2，要分别移动到b1，b2，|a1b1|>|a1b2|>|a2b1|>|a2b2|，根据步骤2可知距离矩阵D为按照算法应该移动a2到b1，移动a1到b2，由于|a1b2|>|a2b1|，因此a1要先出发，这样就有可能发生碰撞，故优化为：如果后面点的移动距离更远，那么出发时间要与前一个同步，即a1、a2同时出发，该优化大幅减少了碰撞问题。
原算法中对应点匹配算法的时间复杂度为O(N3)，所以当N较大时，运算时间会比较长。为了提高运算效率，我们对算法进行了优化，运用贪婪算法的思想，选取目标图中离圆心最远的若干点(如矩阵B中的前32个点)和源图中的最外围点(源图各行和各列的两端共个点)进行距离计算，取得了几乎相同的运算结果，但算法的时间复杂度降低为O(N3/2)，运行速度也大幅提升。
如图2所示，为验证算法所设计的图案变换效果图，在前六幅图中，钟盘展示5秒倒计时动态效果，计时为“0”时，要求在最短时间内由时钟散点(密集型点阵图形)向艺术字散点(稀疏型点阵图形)扩散，同时散点无交叉碰撞情况。
扩散过程如下，图3、图4为图形变换的散点处理效果，图5为密集散点图向稀疏散点图扩散扩散的示意图。
本方法实现的图案切换模型经计算机仿真实验，验证了模型既能有效防范无人机的碰撞，又能较快地实现不同图像间的转换，是一种可操作性很强的无人机群队形转换方案。本例以致密的实心圆的源图和稀疏型点阵图形的目标图作仿真实验，也可以推广应用到以下三种情况：
1.源图是稀疏型点阵图形，目标图是致密的实心圆：该情况是“密集散点扩散”算法的逆操作，只需将出发点、到达点对换，再同时出发就可以；
2.源图和目标图均为稀疏型点阵图形：先将源图生产致密的实心圆点阵图，再变换为目标图，这样能实现任意两个二维图案的切换；
3.源图和目标图均为稀疏点阵的三维图形，只需用三维空间距离替换欧式平面距离，以“密集散点扩散”算法生成致密的实心圆点阵图；再逆操作变换为目标图。这样也能方便地实现任意两个三维图案的切换。
各位技术人员须知：虽然本发明已按照上述具体实施方式做了描述，但是本发明的发明思想并不仅限于此发明，任何运用本发明思想的改装，都将纳入本专利专利权保护范围内。

Claims (4)

1.一种无人机编队任意图形变换时的防碰撞轨迹仿真算法，其特征在于：将原状态的图形作为源图，将预设的变换后的图形作为目标图；将所述源图中的各个点与所述目标图中点的位置做对应点匹配后延时出发，对应点匹配过程如下：
步骤一：源图和目标图以相同的几何中心为坐标原点O，建立坐标系；初始化k＝1；以源图上所有点构成集合A，第i个元素记为(xi，yi)；以目标图上所有点构成集合B，第j个元素记为
其中，xi和yi为源图中第i个点的坐标，和为目标图中第j个点的坐标；
步骤二：计算源图中每个点到目标图中每个点的欧式距离，并将其保存在矩阵D中，即：
其中，Dij为所述源图的第i个点到所述目标图的第j个点的距离，xi和yi为源图中第i个点的坐标，和为目标图中第j个点的坐标；
步骤三：计算源图上点i到目标图的最短距离
求得所有点对应的最短距离中最大的距离
求得最大距离对应的源图中的点
求得最大距离对应的目标图中的点
其中，M为集合A中元素的个数；
步骤四：根据求得的源坐标目标位置的坐标以及它们之间的距离s得到矩阵E
矩阵
将集合A与集合B中的对应点删去
步骤五：若匹配工作结束完成，否则令k＝k+1，返回步骤三。
2.根据权利要求1或2所述的无人机编队任意图形变换时的防碰撞轨迹仿真算法，其特征在于：所述对应点匹配完成后，计算各点延时出发的时间
t＝(E(k,5)-E(1,5))/v
其中，E(k,5)对应的元素为第k个点的移动距离，E(1,5)对应的元素为第一个点的移动距离，v为匀速移动的速度。
3.根据权利要求1所述的无人机编队任意图形变换时的防碰撞轨迹仿真算法，其特征在于：所述方法同时适用于源图为致密的实心圆图，目标图为稀疏型点阵图；
源图是稀疏型点阵图，目标图是致密的实心圆图；
源图和目标图均为稀疏型点阵图；
或源图和目标图均为稀疏点阵的三维图形。
4.根据权利要求1所述的无人机编队任意图形变换时的防碰撞轨迹仿真算法，其特征在于：所述源图中的任意一点a的移动方向前方有其它点b，且点a的所需移动距离较点b的所需移动距离更远，则点a与点b同时出发。
CN201810436191.4A 2018-05-09 2018-05-09 一种无人机编队任意图形变换时的防碰撞轨迹仿真算法 Expired - Fee Related CN108509753B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810436191.4A CN108509753B (zh) 2018-05-09 2018-05-09 一种无人机编队任意图形变换时的防碰撞轨迹仿真算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810436191.4A CN108509753B (zh) 2018-05-09 2018-05-09 一种无人机编队任意图形变换时的防碰撞轨迹仿真算法

Publications (2)

Publication Number Publication Date
CN108509753A true CN108509753A (zh) 2018-09-07
CN108509753B CN108509753B (zh) 2019-02-05

Family

ID=63400040

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810436191.4A Expired - Fee Related CN108509753B (zh) 2018-05-09 2018-05-09 一种无人机编队任意图形变换时的防碰撞轨迹仿真算法

Country Status (1)

Country Link
CN (1) CN108509753B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111343082A (zh) * 2020-03-06 2020-06-26 梁冠岚 微型机器人集群立体显示方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941728A (zh) * 2014-04-24 2014-07-23 北京航空航天大学 一种无人机密集自主编队的队形变换方法
CN104407619A (zh) * 2014-11-05 2015-03-11 沈阳航空航天大学 不确定环境下的多无人机同时到达多个目标方法
CN106681331A (zh) * 2017-02-24 2017-05-17 王红军 一种基于测地线理论的栅格路径规划方法
US9685089B2 (en) * 2014-12-12 2017-06-20 Amazon Technologies, Inc. Commercial and general aircraft avoidance using acoustic pattern recognition
CN107015571A (zh) * 2017-05-12 2017-08-04 南京航空航天大学 一种编队无人机追踪与规避移动目标的算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941728A (zh) * 2014-04-24 2014-07-23 北京航空航天大学 一种无人机密集自主编队的队形变换方法
CN104407619A (zh) * 2014-11-05 2015-03-11 沈阳航空航天大学 不确定环境下的多无人机同时到达多个目标方法
US9685089B2 (en) * 2014-12-12 2017-06-20 Amazon Technologies, Inc. Commercial and general aircraft avoidance using acoustic pattern recognition
CN106681331A (zh) * 2017-02-24 2017-05-17 王红军 一种基于测地线理论的栅格路径规划方法
CN107015571A (zh) * 2017-05-12 2017-08-04 南京航空航天大学 一种编队无人机追踪与规避移动目标的算法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111343082A (zh) * 2020-03-06 2020-06-26 梁冠岚 微型机器人集群立体显示方法

Also Published As

Publication number Publication date
CN108509753B (zh) 2019-02-05

Similar Documents

Publication Publication Date Title
CN104881043B (zh) 一种针对多动态目标的多无人机智能协同察打方法
CN110162096A (zh) 基于人工势场法的无人机编队队形形成与保持方法
CN109816725A (zh) 一种基于深度学习的单目相机物体位姿估计方法及装置
CN111142562B (zh) 基于应力矩阵的混合条件约束下的编队变换控制方法
CN108665496A (zh) 一种基于深度学习的端到端的语义即时定位与建图方法
CN107278262A (zh) 飞行轨迹的生成方法、控制装置及无人飞行器
CN106447725B (zh) 基于轮廓点混合特征匹配的空间目标姿态估计方法
CN108733074A (zh) 一种基于匈牙利算法的多无人机编队航迹规划方法
CN102426424B (zh) 基于分布式架构的临近空间飞行器视景仿真方法
CN108108410B (zh) 一种网络游戏迷宫地图生成方法
CN109509211A (zh) 同时定位与建图技术中的特征点提取与匹配方法及系统
CN109062229A (zh) 基于双目视觉的水下机器人系统的领航跟随编队方法
CN109765936A (zh) 移动终端的定位和控制方法、装置及无人机
CN106780337B (zh) 基于二维图像的无人机着舰视景模拟方法
CN108509753B (zh) 一种无人机编队任意图形变换时的防碰撞轨迹仿真算法
CN109254592A (zh) 一种无人机队形变化控制方法及系统
CN105096376A (zh) 一种信息处理方法及电子设备
Kurt et al. Two-dimensionally stable self-organization arises in simple schooling swimmers through hydrodynamic interactions
CN104898653A (zh) 一种飞行控制系统
CN104460345B (zh) 一种智能集群自组织控制仿真系统及方法
CN110209191A (zh) 一种群体队形快速变换的控制方法
WO2019147938A3 (en) Systems and methods for rapid alignment of digital imagery datasets to models of structures
CN108171651A (zh) 基于多模型几何拟合和分层单应变换的图像对齐方法
Kim et al. Multiple sources of information and time-to-contact judgments
CN106157321A (zh) 基于平面表面高动态范围图像的真实点光源位置测算方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190205

Termination date: 20200509

CF01 Termination of patent right due to non-payment of annual fee