CN108645769A - 一种基于无人机的环境空气质量监测方法 - Google Patents
一种基于无人机的环境空气质量监测方法 Download PDFInfo
- Publication number
- CN108645769A CN108645769A CN201810568538.0A CN201810568538A CN108645769A CN 108645769 A CN108645769 A CN 108645769A CN 201810568538 A CN201810568538 A CN 201810568538A CN 108645769 A CN108645769 A CN 108645769A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- node
- data
- air quality
- route
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000007613 environmental effect Effects 0.000 title claims abstract description 12
- 239000004071 soot Substances 0.000 claims abstract description 44
- 239000008187 granular material Substances 0.000 claims abstract description 35
- 239000000428 dust Substances 0.000 claims abstract description 34
- 238000003860 storage Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000011109 contamination Methods 0.000 claims description 6
- 238000003915 air pollution Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 4
- 239000003500 flue dust Substances 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 239000003570 air Substances 0.000 abstract description 39
- 230000033001 locomotion Effects 0.000 abstract description 14
- 239000012080 ambient air Substances 0.000 abstract description 2
- 239000002245 particle Substances 0.000 description 15
- 239000003016 pheromone Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 241000256844 Apis mellifera Species 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000009191 jumping Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 235000019504 cigarettes Nutrition 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000238876 Acari Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种基于无人机的环境空气质量监测方法,该方法包括:为搭载烟尘颗粒浓度传感器的无人机预先定义巡航路线;在无人机的飞行过程中,所述烟尘颗粒浓度传感器采集环境空气中的烟尘颗粒浓度数据;无人机智能控制终端收集所述传感器采集到的烟尘颗粒浓度数据并发送至云端服务器。本发明提出了一种基于无人机的环境空气质量监测方法,利用无人机设备对环境空气质量进行准确和便捷的烟尘浓度数据采集和监控,通过智能控制端对无人机的运动控制实现了烟尘排放源的定位和追踪。
Description
技术领域
本发明涉及环境监测,特别涉及一种基于无人机的环境空气质量监测方法。
背景技术
随着工业化进程的不断推进,我国空气污染问题也日益严峻。近年来绝大部分地区持续遭受到了严重的烟尘污染的侵袭,持续的污染会带来一系列问题,首要问题是对人体的健康问题所带来的影响。传统的空气质量监测方式主要以在固定位置布设环境监测仪器来进行烟尘污染监测为主,这种方法通常监测范围有限并且成本高,一般通过增加监测站点的个数和观测频率来提高监测质量。而且监测传感器通常固定在某一位置,被动地监测烟尘浓度数据,在某些场合会影响监测精度,更无法实现烟尘排放源的定位和追踪。
发明内容
为解决上述现有技术所存在的问题,本发明提出了一种基于无人机的环境空气质量监测方法,包括:
为搭载烟尘颗粒浓度传感器的无人机预先定义巡航路线;
在无人机的飞行过程中,所述烟尘颗粒浓度传感器采集环境空气中的烟尘颗粒浓度数据;
无人机智能控制终端收集所述传感器采集到的烟尘颗粒浓度数据并发送至云端服务器。
优选地,在所述云端服务器部署空气质量监测可视化应用,所述云端服务器接收到无人机采集的数据后,进行数据的存储、分析处理并进行空气质量监测显示;和/或
通过移动终端应用获取无人机所发送的空气污染数据、无人机巡航路线、空气质量监测结果信息。
优选地,所述无人机还装配有摄像头和GPS定位模块;在采集空气中的相应烟尘颗粒的浓度指标的同时,拍摄烟尘排放源的图像,然后传输监测到的污染数据、航拍图像、GPS位置信息给智能控制终端。
优选地,所述云端服务器进一步用于,当有用户提出空气质量数据查询请求时,将请求信息通过云端服务器主节点发送给多个计算节点进行处理;主节点收集处理结果并返回给用户;若有新的空气质量监测数据待存储,则所述智能控制终端向主节点提出存储请求,主节点选择计算节点并将存储位置返回给所请求的分布式存储节点,然后请求分布式存储节点将数据发送给分配的计算节点进行存储。
优选地,所述智能控制终端向无人机发送预定义指令来实现对无人机的实时控制;当进行烟尘排放源追踪时,所述智能控制终端向无人机发送控制指令,根据预设追踪算法自动调整无人机的飞行路线规划,控制无人机自动搜索烟尘排放源。。
本发明相比现有技术,具有以下优点:
本发明提出了一种基于无人机的环境空气质量监测方法,利用无人机设备对环境空气质量进行准确和便捷的烟尘浓度数据采集和监控,通过智能控制端对无人机的运动控制实现了烟尘排放源的定位和追踪。
附图说明
图1是根据本发明实施例的一种基于无人机的环境空气质量监测方法的流程图。
具体实施方式
下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明,但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定,并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节,并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。
本发明的一方面提供了一种基于无人机的环境空气质量监测方法。图1是根据本发明实施例的一种基于无人机的环境空气质量监测方法流程图。
本发明基于无人机的空气质量监测系统分为感知平面、传输平面和服务平面。感知平面通过无人机搭载的烟尘颗粒浓度传感器采集环境中的烟尘颗粒浓度指标,在规定的检测区域内按预定义巡航路线进行飞行并测量,传输平面中的无人机智能控制终端与无人机的远程数据传输接口进行连接,收集传感器采集到的烟尘颗粒浓度指标,将采集到的数据通过传输平面传输到服务平面。服务平面部署的是基于云计算的空气质量监测可视化应用。
所述无人机通过空气烟尘颗粒浓度传感器、摄像头、GPS定位模块等传感设备,来采集空气中的相应烟尘颗粒的浓度指标,并拍摄烟尘排放源的图像。之后实时传输监测到的污染数据、航拍图像、GPS位置信息给智能控制终端,从而实现感知平面的数据采集。
传输平面的智能控制终端收集到发送来的数据,通过ZIGBEE接口进行远距离的数据传输至服务平面。云端服务器通过传输平面接收到无人机采集的数据,进行数据的存储、分析处理之后进行空气质量监测显示,用户也可以通过移动终端应用来获取空气污染数据、无人机巡航路线、空气质量监测结果信息。
进一步地,所述智能控制终端将采集到的数据通过无线网络实时上传到云端服务器。所述云端服务器用于提供数据访问的接口和保存空气质量数据,将所有数据上传到后台的数据存储和处理平台。当有用户提出空气质量数据查询请求时,请求信息被通过云端服务器主节点发送给多个计算节点进行处理;主节点收集处理结果并返回给用户。若有新的空气质量监测数据需要存储,则所述智能控制终端向主节点提出存储请求,主节点选择计算节点并将存储位置返回给请求存储的节点,然后请求分布式存储节点将数据发送给分配的计算节点进行存储。
智能控制终端实现对无人机的飞行控制和传输控制。智能控制终端与无人机之间通过蓝牙无线传输通信,实时接收解析无人机传回的各种状态数据,显示在智能控制终端界面;通过智能控制终端向无人机发送各种预定义指令,从而实现对无人机的实时控制。通过使用惯性导航模块IMU的陀螺仪和加速度计获取到无人机六自由度信息,通过姿态解算算法得到飞行的pitch、yaw、roll信息,在主界面实时显示无人机状态参数。根据飞行任务在地图上设置目标路线点。所述飞行任务包括空气污染监测定位和烟尘排放源追踪和拍照。在飞行的过程中,无人机实时传回飞行状态参数,与采集到的烟尘排放源浓度指标。这些采集到的污染数据通过数据库层临时保存在系统本地数据库中,然后通过系统的ZIGBEE发送到服务平面。在飞行过程中向智能控制终端系统进行数据的收发。而智能控制终端系统收集、解析、存储和回放传来的数据,这些数据被存储在智能控制终端的信息数据库中,可供需要时查询,在排放源追踪模式下向无人机发送控制指令,根据预设追踪算法自动调整无人机的飞行路线规划,控制无人机自动搜索烟尘排放源;在巡航路线规划过程中产生的数据包括目标路线节点信息,被存储在巡航路线数据库。巡航路线管理模块用于管理无人机的飞行路线。无人机在开始空气质量监测任务时,每个一段时间记录当前位置的经纬度坐标和当前时间作为一个记录节点,传回云端服务器。云端服务器记录无人机在飞行任务中各个节点的数据。当无人机进行污染监测时,服务平面的空气质量监测可视化应用实时显示污染等级情况,并将实时数据存入本地数据库。并根据检索条件来查询环境空气数据。
为更好地采集历史空气质量数据,本发明另一实施例提出的无人机空气质量监测方法中,所述感知平面基于传感器网络,即包括与固定设置的监测传感器节点以及无人机搭载的移动sink节点,移动sink节点通过无人机的飞行路线而与在预定义通信范围内与所述固定传感器节点相通信,以便在最短的时间内收集所有传感器节点的历史数据。所述固定设置的监测传感器节点固定设置在地面或高层建筑物中。而无人机即移动sink节点的移动轨迹控制是基于数据量的可变路线控制策略,移动sink节点进入传感网络通信区域后,第一个能与无人机sink节点通信的固定监测节点称为初始节点。初始节点收到移动sink节点信息后,向相邻节点广播路线建立广播信息,该消息带有广播节点自身ID。所有收到该广播信息的相邻节点回复一个广播应答消息,该消息带有自身ID和待发送数据量。初始节点根据这些信息选择数据量最大的节点为路线下一跳,并标记所有收到路线公告消息的下一跳节点。路线下一跳节点重复此过程,直到网络中所有节点都收到路线建立公告消息。具体过程如下:
1)初始时,所有节点跳数设置为0,确定第一个与无人机移动sink节点通信的固定传感器节点为起始节点,并将起始节点跳数设为0;
2)跳数为0的节点广播第一数据包,第一数据包中的节点ID标志节点的地址,第一数据包中的消息类型表明是路线建立公告消息。
3)所有能够接收到路线建立公告消息,且跳数不为0的节点都返回第二数据包,第二数据包包括自身ID信息、消息类型和需要发送的数据量。
4)任一A节点接收到路线建立广播应答消息后选择数据量最大节点为无人机移动sink节点下一跳,记为B节点。A节点记录B节点为下一跳,同时发送第一数据包给B节点,通知B节点将跳数设置为0,将A节点记录为前一跳,转到步骤2)。重复上述步骤直到某一跳数为0的节点接收不到回复的消息并将该节点标记为飞行路线的末端节点,将所有跳数为0的节点连接起来即得到一条无人机的移动路线。
通过节点的交换信息就确定了一条基于数据量的可变移动控制路线,并且巡航路线经过的节点记录了前一跳和后一跳节点,为移动控制和数据转发提供了方便。
设计出无人机巡航路线后,接下来需要控制无人机的运动。通过上述过程得到的路线是数据量最大化路线,以此路线作为无人机移动sink节点运动轨迹。sink节点开始与某个节点通信时,应首先确定无人机的移动是否正确。无人机和固定传感器节点都记录运动轨迹信息,因此需比较无人机记录的后一跳节点与固定传感器节点记录的当前节点是否相同。如果相同,则无人机按预定路线移动,否则没有按照预定路线移动,需修正运动轨迹,回到移动路线上。在确定无人机按照预定轨迹移动之后,无人机将运动轨迹信息更新为固定传感器节点保存的运动轨迹信息,并根据轨迹信息计算新的飞行方向。
移动路线上的固定传感器节点与无人机移动sink节点通信后首先将前一跳节点、当前节点、后一跳节点ID都发送给移动sink节点。移动sink节点比较本地记录的后一跳节点ID是否为0或者与这次接收数据中的当前节点ID是否相同。如果相同即移动路线正确,此时更新无人机运动轨迹信息即前一跳节点、当前节点和后一跳节点记录。如果不同则说明移动轨迹需要修正。无人机的移动sink节点继续与从固定传感器节点得到数据包进行比较,判断数据包中携带的当前节点地址是否与已保存的轨迹信息中当前节点地址相同,如果相同就不需要改变飞行方向;否则沿反方向移动。
在保证移动路线正确后,根据相关记录得到下一跳节点的位置(x′,y′),无人机利用GPS功能可以得到移动sink节点的当前位置(x,y),计算新的飞行方向。假设无人机X轴速度vx,Y轴速度为vy。如果x′>x,则新的飞行方向等于vx;x′<x,则新的X轴飞行方向等于-vx。同理,如果有y′>y,则新的Y轴飞行方向等于vy;y′<y,则新的Y轴飞行方向-vy。根据整个判断标准,可以确定无人机每一步的飞行方向。
对于不能直接与移动sink节点通信的固定传感器节点,必须经过地面路由转发给能够与sink节点直接通信的节点,才能被采集。然后执行以下步骤:1)在得到预测的移动路线后,所有跳数为0的节点广播路由通知信息,其包含节点ID号和跳数的值。能够接收到该数据包并且跳数不为0的固定传感器节点修改当前节点路由表项,将跳数修改为1,下一跳为空。2)跳数为一跳的传感节点继续广播第一路由包,其中第一路由包的节点ID为当前节点的ID,跳数的值也修改为当前节点的跳数值。3)相邻节点收到第一路由包后,选择跳数值最小路线更新自己的路由表的即将路由信息的跳数值加1后替换路由表项中的跳数值,节点ID替换路由表项中的下一跳。如果跳数值相等,选择信号强度最强的那个节点充当下一跳路由地址,并和跳数为一跳节点一样修改路由信息,然后向其它节点广播路由信息,重复步骤3)直到所有不能直接通信的节点建立自己的路由表项。
在移动路线的预测步骤中,移动路线上能直接与无人机移动sink节点通信的固定传感器节点已经记录了下一跳节点。假如无人机已经过某固定传感器节点,则该固定传感器节点可将未能发送的数据根据记录的下一跳转发数据,所以只需判断无人机是否经过了当前固定传感器节点。路线预测开始时,路线上的固定传感器节点也记录了前一跳节点ID。移动sink节点在与某个节点通信并确定移动路线正确后,当前节点就可以通知它的前一跳节点无人机已经过,前一跳节点根据记录的下一跳节点转发数据。移动路线上的最后一个节点的下一跳节点为0,当无人机到达移动路线的末端节点时,末端节点可发送一消息通知无人机,无人机在接受到通知后,将速度修改为0即悬停在当前位置。
在所述烟尘排放源追踪过程中,本发明采用以下算法,首先在搜索空间中随机的初始化一群无质量粒子,当接触到烟尘颗粒时以粒子群搜索策略在搜索空间中移动搜索最优解。以迭代的方式向排放源趋近。具体流程可描述为:
步骤1:初始化粒子群速度和位置;将D维搜索空间中,第i个粒子的位置表示为向量Xi(t)={Xi,1,Xi,2,…Xi,D},飞行速度表示为向量Vi(t)={Vi,1,Vi,2,…Vi,D},粒子的个体极值表示为向量XPi(t)={XPi,1,XPi,2,…XPi,D},粒子全局极值表示为向量XGi(t)={XGi,1,XGi,2,…XGi,D};
步骤2:采用颗粒发现算法控制无人机通过携带的浓度传感器探测当前位置的烟尘颗粒浓度值,即:
设置初始变量T0,并随机产生初始解i0,计算能量函数值E(i0),令当前变量Tk=T0,迭代次数为k=1。确定初始解后,进入邻域搜索阶段,无人机在最优解的邻域进行搜索,以获得最优解邻域采样,无人机每前进距离Ls或者检测到当前浓度值Ck大于E(Xopt)时将当前位置标记为新解Xk,并判断是否接受新解为最优解,状态转移公式为:
其中,在邻域搜索过程中经过了迭代后最优解的位置未发生改变,则认为该区域为局部浓度极值区域,则进入全局搜索阶段。在全局搜索阶段中,无人机重新采用漫游算法对整个所搜区域进行覆盖,以扩大搜索范围。一旦浓度值Ck超过了阈值hi,则相应的位置被标记为新解Xk,并根据上式判断是否接受为最优解,同时无论是否接受新解,都以位置中心触发邻域搜索运动,并对该区域进行邻域搜索。每当算法进入全局搜索阶段,则将hi初始化为E(Xopt),在全局搜索开始阶段,阈值hi足够高,随后阈值缓慢降低,使无人机被其他高浓度区域所吸引,并对此区域进行邻域搜索。当算法退出全局搜索时令k增1,更新Tk,判断是否满足终止条件。如果不是则继续进行邻域搜索,否则认为找到最优解,输出最优解Xopt;
步骤3:无人机进行烟尘颗粒路线估计;将采集的烟尘颗粒浓度作为粒子的适应度值;
步骤4:更新粒子个体极大值点和粒子群的全局极大值点;然后在第t+1次迭代进化中,粒子根据本次飞行经验和历史飞行经验更新自身的位置Xij(t+1)和速度Vij(t+1):
Vij(t+1)=ωVij(t)+c1r1(XPij(t)-Xij(t))+c2r2(XPij(t)-Xij(t))
Xij(t+1)=Xij(t)+Vij(t+1)
其中,j∈[1,D],ω为惯性权重,c1和c2为学习因子,用于调节粒子飞向个体极大值点和全局极大值点的权重程度,r1和r2是[0,1]之间的随机数,其中Vij的绝对值不大于用户设定的最大粒子飞行速度Vm;ωVij(t)为粒子的惯性部分,表示粒子的当前速度对粒子飞行速度的影响;
步骤5:判断是否满足最大迭代次数或者允许的误差范围。若满足,则停止迭代输出结果,否则转步骤2。
当无人机探测到的烟尘颗粒浓度达到一定阈值后,无人机则自动停止运动,整个排放源搜索成功完成。
其中在步骤3中,为了能使无人机在时变流动空气下对烟尘颗粒的接触作出正确的响应,使用可变浓度阈值以进行颗粒浓度的归一化。其中,可变浓度阈值定义为颗粒浓度的均值,表示为:
式中,c(tk)为tk时刻测得的烟尘颗粒浓度,t0为排放源追踪任务的开始时间,λ∈[0,l]。
使用可变浓度阈值的颗粒浓度归一化方法可表达为:
其中,Z(tk)=1表示tk时刻发生一个浓度感知事件,Z(tk)=0表示未感知事件。
此外,直接在三维网格图中对所有的网格进行搜索找到最优路线需要的计算量很大,所以本发明对部分网格采用以下改进的蜂群算法中进行搜索以找到最优巡航路线。在进行路线搜索时,已知起点S所在的网格的坐标值(Xstart,Ystart,Zstart),终点所在网格的坐标值(Xend,Yend,Zend),巡航路线规划时需要先选定X方向或Y方向作为无人机运行的主方向。选择主方向的方法为:比较起点和终点横纵坐标的变化值大小,即比较(Xstart-Xend)/XGrid和(Ystart-Yend)/YGrid的大小,如果(Xstart-Xend)/XGrid大于(Ystart-Yend)/YGrid,则选择X方向作为主方向;否则选择Y方向为主方向。XGrid和YGrid分别为X轴即纬度方向和Y轴即经度方向的网格单位大小。
选定主方向后沿主方向前进方向,如果选定X方向为主方向,沿X轴方向从Xstart到Xend划分成n=|Xstart-Xend|+1个平面,编号为H1,H2,…,Hn,则将无人机巡航路线就分成(n-1)段。假设无人机运行至第i个平面Hi上的一点(Xi,Yi,Zi)处,那么下一个运行的网格就在Hi+1上,下一个网格坐标选择的具体步骤为:X方向上直接以平面Hi+1的横坐标作为下一个节点的横坐标,即新的X坐标值为Xi+1;Y方向和Z方向坐标值的选择是在平面Hi+1选择可通行网格放入序列Vacanti中;否则被舍弃。然后从中选择一个网格点作为下一个运行网格。
在每次飞行一段或全部路线时,就对信息素值进行更新,本发明将信息素值存储在三维空间一系列离散的点中,然后对这些离散点的信息素值进行更新,对于每一个网格来说都有一个信息素值,这个信息素值就代表了该网格对蜜蜂的吸引程度,每个网格的信息素值在蜜蜂经过之后进行更新。信息素的更新分为邻域更新和全局更新。邻域更新是指只要有蜜蜂经过某网格,该网格的信息素值就会被更新,更新后网格的信息素值会被减少,这个网格在以后的搜索中被选中的概率就被降低,而相应地增加其他未被搜索的网格被搜索的概率,这样就可以达到全局搜索的目的。邻域搜索的信息素更新公式为:τX,Y,Z=(1-ζ)τX,Y,Z式中:ζ表示信息素衰减系数,τX,Y,Z表示网格(X,Y,Z)的信息素值。全局信息素更新是指蜜蜂完成一条巡航路线搜索时,计算该路线的适应度值,从现有的搜索到的路线中选择出最短的巡航路线,更新适应度值最小的巡航路线所经过的所有网格的信息素值,信息素更新公式为:
τX,Y,Z=(1-ρ)τX,Y,Z+ρΔτX,Y,Z;
ΔτX,Y,Z=ρ/min(length(m))
式中:length(m)表示蜜蜂m经过的路线长度;ρ表示信息素挥发系数。
在进行巡航路线规划实现时,首先确定各项参数设置。将三维网格地图原点坐标为(X0,Y0,Z0),则无人机的放置位置(Slat,Slon,Sh)和其所在网格的网格坐标位置(Xstart,Ystart,Zstart)的关系为:
Xstart=ceil[(Slat-X0)/XGrid]×XGrid+X0
Ystart=ceil[(Slon-Y0)/YGrid]×YGrid+Y0
Zstart=ceil[(Sh-Z0)/ZGrid]×ZGrid+Z0
式中:ceil表示正方向取整运算。
在巡航路线搜索过程中,假设PopNum只蜜蜂中的第k只蜜蜂已运行至平面Hi上的点(Xi,Yi,Zi)处,搜索在平面Hi+1上以(Xi+1,Yi,Zi)为中心的count=(2×bcmax+1)×(2×hcmax+1)个点,bcmax和hcmax分别为邻域搜索时经纬度和高度的预设边界长度。将count个网格中所有的可通行网格放入序列Vacanti中。如果序列Vacanti为空,那么将当前点(Xi,Yi,Zi)的Zi坐标值加1,即当前点坐标变为(Xi,Yi,Zi+1),重新搜索平面上的可通行网格,直到序列Vacanti不为空。从序列Vacanti中选出一个可行的网格作为平面Hi+1上的巡航路线节点。下一步就是对平面Hi上的节点进行邻域信息素更新。
对上述内容重复进行,直到到达平面Hn-1,平面Hi上的节点(Xn-1,Yn-1,Zn-1)直接与平面Hn上的节点(Xend,Yend,Zend)即终点相连,这样就构成了一条完整的巡航路线。按照适应度值函数计算每条巡航路线的适应度值,比较找出最小适应度值,而最小适应度对应的巡航路线即为当前最优巡航路线。
如果Hn-1平面上的节点和Hn平面上终点是不可通行的,则以Hn-1平面上的节点(Xn-1,Yn-1,Zn-1)为起点,以Hn平面上终点(Xend,Yend,Zend)为终点,再次搜索巡航路线。记第一次搜索的主方向上平面划分为H1,1,H1,2,…,H1,n1,搜索节点依次为(X1,1,Y1,1,Z1,1),(X1,2,Y1,2,Z1,2),…,(X1,n1-1,Y1,n1-1,Z1,n1-1);同理,第m次搜索的主方向上平面划分为Hm,1,Hm,2,…,Hm,nm,搜索节点依次为(Xm,1,Ym,1,Zm,1),(Xm,2,Ym,2,Zm,2),…,(Xm,n1-1,Ym,n1-1,Zm,n1-1)。最终的巡航路线为(X1,1,Y1,1,Z1,1),…,(X1,n1-1,Y1,n1-1,Z1,n1-1),(X2,2,Y2,2,Z2,2),…,(X2,n1-1,Y2,n1-1,Z2,n1-1),…,(Xm,2,Ym,2,Zm,2),…,(Xm,nm-1,Ym,nm-1,Zm,nm-1),(Xend,Yend,Zend)。
假设搜索策略所搜索出的一条可行巡航路线为route=(r1,r2,…,rn)。首先将节点r1放入新巡航路线序列kroute中,判断r1与rn的可通行性,如果是可通行的,将r1放入序列kroute中;否则判断r1与rn-1的可通行性,直到找到一个点ri与r1是可通行的。对ri进行相同的操作,直到终点。
在本发明进一步的实施例中,考虑在空气流动环境下烟尘颗粒快速流动,无人机飞行过快会使无人机与烟尘颗粒的接触时间变短,从而使测得的颗粒浓度不够显著,且烟尘颗粒的浓度具有明显的间歇性,假设无人机最近一次测得烟尘颗粒的时刻为tj,位置为L(tj)。在流动空气中,检验某个位置是否为烟尘排放源,本发明采用的方法是使无人机处于该点沿当前空气流动指向的方向进行嗅探,为了检验该区域中是否存在排放源,规划一条位于烟尘颗粒路线当前气流方向的搜索路线,然后使无人机沿规划的搜索路线运动以对烟尘颗粒路线所在区域进行遍历。若在此过程中再次测得烟尘颗粒,则开始新一轮的烟尘颗粒路线估计及路线规划。反复执行上述过程,即可使无人机逐步逼近排放源,完成排放源跟踪过程。
首先获取当前气流方向θ(tk),tk为当前时间。由此,将沿当前气流方向进行偏移后的路线节点表达为Loff(t)。
式中,kroute为烟尘颗粒原始估计路线节点;为从kroute向θ(tk)方向的偏移量,其中
基于上述公式,将无人机的搜索路线表达为SL={SLf,SLb},并将每一段搜索路线离散化为路线节点序列,各序列中元素的排列方向均为从左向右。其中,SLf,SLb分别为偏移路线的逆流和顺流部分对应的节点子序列,分别描述如下
SLf={Loff(t)||ang(Loff(t)-L(tk))-tanθ(tk)|}>π/2}
SLb={Loff(t)||ang(Loff(t)-L(tk))-tanθ(tk)|}≤π/2}
式中ang(x)表示向量x的角。
无人机在到达排放源后并不知道已得到最终结果,因此继续沿着规划的搜索路线向前搜索,直到完成飞行路线后返回并继续跟踪顺流部分的搜索路线SLb。将无人机从L(tk)向前跟踪的最远直线距离设置上限Lmax。即先从SLb和见SLf中删去距离L(tk)超过Lmax的节点。无人机在每个控制周期总是从SL中取出最前面的路线节点作为当前目标点进行跟踪,从而完成沿整个搜索路线的运动。当出现以下两种情况时,从SL中删除当前目标点:①当无人机与当前目标点之间的距离小于给定误差时;②当目标点与网格地图上标示的障碍物之间的距离小于无人机的安全距离时。
综上所述,本发明提出了一种基于无人机的环境空气质量监测方法,利用无人机设备对环境空气质量进行准确和便捷的烟尘浓度数据采集和监控,通过智能控制端对无人机的运动控制实现了烟尘排放源的定位和追踪。
显然,本领域的技术人员应该理解,上述的本发明的各模块或各步骤可以用通用的计算系统来实现,它们可以集中在单个的计算系统上,或者分布在多个计算系统所组成的网络上,可选地,它们可以用计算系统可执行的程序代码来实现,从而,可以将它们存储在存储系统中由计算系统来执行。这样,本发明不限制于任何特定的硬件和软件结合。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (5)
1.一种基于无人机的环境空气质量监测方法,其特征在于,包括:
为搭载烟尘颗粒浓度传感器的无人机预先定义巡航路线;
在无人机的飞行过程中,所述烟尘颗粒浓度传感器采集环境空气中的烟尘颗粒浓度数据;
无人机智能控制终端收集所述传感器采集到的烟尘颗粒浓度数据并发送至云端服务器。
2.根据权利要求1所述的方法,其特征在于,还包括:
在所述云端服务器部署空气质量监测可视化应用,所述云端服务器接收到无人机采集的数据后,进行数据的存储、分析处理并进行空气质量监测显示;和/或
通过移动终端应用获取无人机所发送的空气污染数据、无人机巡航路线、空气质量监测结果信息。
3.根据权利要求1所述的方法,其特征在于,所述无人机还装配有摄像头和GPS定位模块;在采集空气中的相应烟尘颗粒的浓度指标的同时,拍摄烟尘排放源的图像,然后传输监测到的污染数据、航拍图像、GPS位置信息给智能控制终端。
4.根据权利要求1所述的方法,其特征在于,所述云端服务器进一步用于,当有用户提出空气质量数据查询请求时,将请求信息通过云端服务器主节点发送给多个计算节点进行处理;主节点收集处理结果并返回给用户;若有新的空气质量监测数据待存储,则所述智能控制终端向主节点提出存储请求,主节点选择计算节点并将存储位置返回给所请求的分布式存储节点,然后请求分布式存储节点将数据发送给分配的计算节点进行存储。
5.根据权利要求1所述的方法,其特征在于,还包括:
所述智能控制终端向无人机发送预定义指令来实现对无人机的实时控制;当进行烟尘排放源追踪时,所述智能控制终端向无人机发送控制指令,根据预设追踪算法自动调整无人机的飞行路线规划,控制无人机自动搜索烟尘排放源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810568538.0A CN108645769B (zh) | 2018-06-05 | 2018-06-05 | 一种基于无人机的环境空气质量监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810568538.0A CN108645769B (zh) | 2018-06-05 | 2018-06-05 | 一种基于无人机的环境空气质量监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108645769A true CN108645769A (zh) | 2018-10-12 |
CN108645769B CN108645769B (zh) | 2020-05-05 |
Family
ID=63759375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810568538.0A Active CN108645769B (zh) | 2018-06-05 | 2018-06-05 | 一种基于无人机的环境空气质量监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108645769B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109521449A (zh) * | 2019-01-23 | 2019-03-26 | 吉林大学 | 一种基于出租车gps轨迹选择巡航目的地的方法 |
CN110267221A (zh) * | 2019-05-30 | 2019-09-20 | 杭州李奥信息科技有限公司 | 基于物联网的无线电子收费系统 |
CN112488897A (zh) * | 2020-12-11 | 2021-03-12 | 深圳市宇航智造技术有限公司 | 空气的消毒方法、系统及计算机可读存储介质 |
CN113311119A (zh) * | 2021-07-28 | 2021-08-27 | 深圳市图元科技有限公司 | 气体源头追踪方法、装置及系统 |
CN113759441A (zh) * | 2021-09-08 | 2021-12-07 | 长春嘉诚信息技术股份有限公司 | 基于风玫瑰图及污染源监测的空气质量溯源方法 |
CN115355954A (zh) * | 2022-10-24 | 2022-11-18 | 派欧尼尔环境净化工程(北京)有限公司 | 一种用于洁净室移动机器人的检测方法及系统 |
CN116225070A (zh) * | 2023-04-28 | 2023-06-06 | 成都市环境应急指挥保障中心 | 一种基于无人机自动巡护的环境监测方法及系统 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6989525B2 (en) * | 2003-05-14 | 2006-01-24 | Lockheed Martin Corporation | Method for using very small particles as obscurants and taggants |
CN101221235A (zh) * | 2008-02-02 | 2008-07-16 | 北京航空航天大学 | 一种基于跳数的无线传感器网络定位求精方法 |
CN101808289A (zh) * | 2010-04-07 | 2010-08-18 | 上海交通大学 | 基于移动汇聚节点的无线传感器网络的数据收集方法 |
CN102393961A (zh) * | 2011-06-29 | 2012-03-28 | 山东电力研究院 | 基于计算机视觉的飞行器输电线路实时检测跟踪方法 |
CN102572997A (zh) * | 2012-03-03 | 2012-07-11 | 南昌航空大学 | 移动无线传感器网络Sink节点的开发方法 |
CN102905365A (zh) * | 2012-09-19 | 2013-01-30 | 南京邮电大学 | 一种无线传感器网络节点定位方法 |
CN103075922A (zh) * | 2013-02-05 | 2013-05-01 | 王海龙 | 具有抗激光打击、释放烟雾功能的反拦截飞行物 |
CN103823028A (zh) * | 2014-03-13 | 2014-05-28 | 山东省计算中心 | 基于无人机的固定污染源烟气排放机动监测系统及方法 |
CN104097772A (zh) * | 2014-06-13 | 2014-10-15 | 芜湖特源鑫复合材料科技有限公司 | 一种烟雾追踪式飞行器 |
CN104133042A (zh) * | 2014-08-01 | 2014-11-05 | 江苏恒创软件有限公司 | 一种基于无人机的空气质量监测装置及监测方法 |
CN104296598A (zh) * | 2013-07-18 | 2015-01-21 | 贵州贵航飞机设计研究所 | 一种无人机载光电稳瞄系统抗烟雾稳定跟踪照射目标的方法 |
CN104573182A (zh) * | 2014-12-09 | 2015-04-29 | 南京航空航天大学 | 一种用于飞行器多模态控制系统的设计方法 |
CN104573812A (zh) * | 2014-07-07 | 2015-04-29 | 广西民族大学 | 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法 |
CN105142239A (zh) * | 2015-07-21 | 2015-12-09 | 西北大学 | 基于数据价值动态估计的无线传感网移动sink数据收集方法 |
CN105243627A (zh) * | 2015-09-06 | 2016-01-13 | 天维尔信息科技股份有限公司 | 基于无人机的消防监控系统 |
CN205158117U (zh) * | 2015-11-24 | 2016-04-13 | 杭州冷倍冠科技有限公司 | 一种电力巡线无人机控制系统 |
CN105741466A (zh) * | 2015-11-03 | 2016-07-06 | 天津艾思科尔科技有限公司 | 用于环保监测的飞行器 |
CN105758993A (zh) * | 2016-02-22 | 2016-07-13 | 陈勇 | 基于自主导航无人机的烟雾远程探测系统及其探测方法 |
US20160214715A1 (en) * | 2014-11-21 | 2016-07-28 | Greg Meffert | Systems, Methods and Devices for Collecting Data at Remote Oil and Natural Gas Sites |
US20160290912A1 (en) * | 2015-03-06 | 2016-10-06 | Scanit Technologies, Inc. | Personal airborne particle monitor with quantum dots |
CN106211256A (zh) * | 2016-07-08 | 2016-12-07 | 西北大学 | 一种基于数据关键性节点的无人机数据收集方法 |
CN106557091A (zh) * | 2015-09-25 | 2017-04-05 | 四川省科技交流中心 | 基于无人机集群的空气质量监测系统及方法 |
CN106951956A (zh) * | 2017-03-14 | 2017-07-14 | 中国矿业大学 | 一种基于果蝇优化算法的多机器人气味源定位方法 |
CN107085436A (zh) * | 2017-06-14 | 2017-08-22 | 亨利智创(北京)科技有限公司 | 一种蜂巢救援型无人机云计算平台 |
CN107861436A (zh) * | 2017-12-01 | 2018-03-30 | 上海市环境科学研究院 | 一种多旋翼无人机高空环境侦测系统 |
-
2018
- 2018-06-05 CN CN201810568538.0A patent/CN108645769B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6989525B2 (en) * | 2003-05-14 | 2006-01-24 | Lockheed Martin Corporation | Method for using very small particles as obscurants and taggants |
CN101221235A (zh) * | 2008-02-02 | 2008-07-16 | 北京航空航天大学 | 一种基于跳数的无线传感器网络定位求精方法 |
CN101808289A (zh) * | 2010-04-07 | 2010-08-18 | 上海交通大学 | 基于移动汇聚节点的无线传感器网络的数据收集方法 |
CN102393961A (zh) * | 2011-06-29 | 2012-03-28 | 山东电力研究院 | 基于计算机视觉的飞行器输电线路实时检测跟踪方法 |
CN102572997A (zh) * | 2012-03-03 | 2012-07-11 | 南昌航空大学 | 移动无线传感器网络Sink节点的开发方法 |
CN102905365A (zh) * | 2012-09-19 | 2013-01-30 | 南京邮电大学 | 一种无线传感器网络节点定位方法 |
CN103075922A (zh) * | 2013-02-05 | 2013-05-01 | 王海龙 | 具有抗激光打击、释放烟雾功能的反拦截飞行物 |
CN104296598A (zh) * | 2013-07-18 | 2015-01-21 | 贵州贵航飞机设计研究所 | 一种无人机载光电稳瞄系统抗烟雾稳定跟踪照射目标的方法 |
CN103823028A (zh) * | 2014-03-13 | 2014-05-28 | 山东省计算中心 | 基于无人机的固定污染源烟气排放机动监测系统及方法 |
CN104097772A (zh) * | 2014-06-13 | 2014-10-15 | 芜湖特源鑫复合材料科技有限公司 | 一种烟雾追踪式飞行器 |
CN104573812A (zh) * | 2014-07-07 | 2015-04-29 | 广西民族大学 | 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法 |
CN104133042A (zh) * | 2014-08-01 | 2014-11-05 | 江苏恒创软件有限公司 | 一种基于无人机的空气质量监测装置及监测方法 |
US20160214715A1 (en) * | 2014-11-21 | 2016-07-28 | Greg Meffert | Systems, Methods and Devices for Collecting Data at Remote Oil and Natural Gas Sites |
CN104573182A (zh) * | 2014-12-09 | 2015-04-29 | 南京航空航天大学 | 一种用于飞行器多模态控制系统的设计方法 |
US20160290912A1 (en) * | 2015-03-06 | 2016-10-06 | Scanit Technologies, Inc. | Personal airborne particle monitor with quantum dots |
CN105142239A (zh) * | 2015-07-21 | 2015-12-09 | 西北大学 | 基于数据价值动态估计的无线传感网移动sink数据收集方法 |
CN105243627A (zh) * | 2015-09-06 | 2016-01-13 | 天维尔信息科技股份有限公司 | 基于无人机的消防监控系统 |
CN106557091A (zh) * | 2015-09-25 | 2017-04-05 | 四川省科技交流中心 | 基于无人机集群的空气质量监测系统及方法 |
CN105741466A (zh) * | 2015-11-03 | 2016-07-06 | 天津艾思科尔科技有限公司 | 用于环保监测的飞行器 |
CN205158117U (zh) * | 2015-11-24 | 2016-04-13 | 杭州冷倍冠科技有限公司 | 一种电力巡线无人机控制系统 |
CN105758993A (zh) * | 2016-02-22 | 2016-07-13 | 陈勇 | 基于自主导航无人机的烟雾远程探测系统及其探测方法 |
CN106211256A (zh) * | 2016-07-08 | 2016-12-07 | 西北大学 | 一种基于数据关键性节点的无人机数据收集方法 |
CN106951956A (zh) * | 2017-03-14 | 2017-07-14 | 中国矿业大学 | 一种基于果蝇优化算法的多机器人气味源定位方法 |
CN107085436A (zh) * | 2017-06-14 | 2017-08-22 | 亨利智创(北京)科技有限公司 | 一种蜂巢救援型无人机云计算平台 |
CN107861436A (zh) * | 2017-12-01 | 2018-03-30 | 上海市环境科学研究院 | 一种多旋翼无人机高空环境侦测系统 |
Non-Patent Citations (2)
Title |
---|
LU Y 等: "A UAV-Mounted Whole Cell Biosensor System for Environmental Monitoring Applications", 《IEEE TRANSACTIONS ON NANOBIOSCIENCE》 * |
程展: "环保部:用无人机监控华北违法排污企业", 《企业改革与管理》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109521449A (zh) * | 2019-01-23 | 2019-03-26 | 吉林大学 | 一种基于出租车gps轨迹选择巡航目的地的方法 |
CN109521449B (zh) * | 2019-01-23 | 2022-10-28 | 吉林大学 | 一种基于出租车gps轨迹选择巡航目的地的方法 |
CN110267221A (zh) * | 2019-05-30 | 2019-09-20 | 杭州李奥信息科技有限公司 | 基于物联网的无线电子收费系统 |
CN110267221B (zh) * | 2019-05-30 | 2022-11-11 | 深圳市秒加能源科技有限公司 | 基于物联网的无线电子收费系统 |
CN112488897A (zh) * | 2020-12-11 | 2021-03-12 | 深圳市宇航智造技术有限公司 | 空气的消毒方法、系统及计算机可读存储介质 |
CN113311119A (zh) * | 2021-07-28 | 2021-08-27 | 深圳市图元科技有限公司 | 气体源头追踪方法、装置及系统 |
CN113759441A (zh) * | 2021-09-08 | 2021-12-07 | 长春嘉诚信息技术股份有限公司 | 基于风玫瑰图及污染源监测的空气质量溯源方法 |
CN113759441B (zh) * | 2021-09-08 | 2022-04-22 | 长春嘉诚信息技术股份有限公司 | 基于风玫瑰图及污染源监测的空气质量溯源方法 |
CN115355954A (zh) * | 2022-10-24 | 2022-11-18 | 派欧尼尔环境净化工程(北京)有限公司 | 一种用于洁净室移动机器人的检测方法及系统 |
CN115355954B (zh) * | 2022-10-24 | 2023-01-10 | 派欧尼尔环境净化工程(北京)有限公司 | 一种用于洁净室移动机器人的检测方法及系统 |
CN116225070A (zh) * | 2023-04-28 | 2023-06-06 | 成都市环境应急指挥保障中心 | 一种基于无人机自动巡护的环境监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108645769B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108645769A (zh) | 一种基于无人机的环境空气质量监测方法 | |
Yanmaz et al. | Drone networks: Communications, coordination, and sensing | |
Semsch et al. | Autonomous UAV surveillance in complex urban environments | |
Berrahal et al. | Border surveillance monitoring using quadcopter UAV-aided wireless sensor networks | |
Sharma et al. | A cooperative network framework for multi-UAV guided ground ad hoc networks | |
Dasgupta | A multiagent swarming system for distributed automatic target recognition using unmanned aerial vehicles | |
Nuske et al. | Autonomous exploration and motion planning for an unmanned aerial vehicle navigating rivers | |
CN109923589A (zh) | 构建和更新高程地图 | |
CN109478062A (zh) | 用于无人机的wwan无线电链路质量导航 | |
IT201800003849A1 (it) | Sistema e metodo per gestire sistemi aerei senza pilota (UAS) che eseguono una missione adattiva | |
CN106541404A (zh) | 一种机器人视觉定位导航方法 | |
JP7106417B2 (ja) | 飛行計画算出装置及びプログラム | |
CN112432649A (zh) | 一种引入威胁因子的启发式无人机蜂群航迹规划方法 | |
CN113536564B (zh) | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 | |
EP4180895A1 (en) | Autonomous mobile robots for coverage path planning | |
Simi et al. | Distributed task allocation and coordination scheme for a multi-UAV sensor network | |
CN114115289A (zh) | 一种自主无人集群侦察系统 | |
KR101877900B1 (ko) | 배터리 소모량 예측을 통한 3차원 비행경로 생성 시스템 및 방법 | |
Kiam et al. | An ai-based planning framework for HAPS in a time-varying environment | |
Wei et al. | High-performance UAV crowdsensing: A deep reinforcement learning approach | |
Afifi et al. | Cellular Network-Supported Machine Learning Techniques for Autonomous UAV Trajectory Planning | |
US20220089176A1 (en) | Optimization for distributing autonomous vehicles to perform scouting | |
CN115599123B (zh) | 一种用于无人机集群多着陆区协同着陆的分布式方法 | |
CN111638728A (zh) | 一种基于车载无人机的快速大范围人群聚集情况监控方法 | |
CN116754722A (zh) | 一种基于无人机实现碳排放监测的方法及系统 |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: 510700 Room 312, Third Floor, North Tower, 12 Nanyun Third Road, Huangpu District, Guangzhou City, Guangdong Province Patentee after: GUANGZHOU RONGSHENG ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd. Address before: 510655 22 yuan 303, two Heng Road Park, Tianhe District village, Guangzhou, Guangdong. Patentee before: GUANGZHOU RONGSHENG ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |