CN109582032B - 多旋翼无人机在复杂环境下的快速实时避障路径选择方法 - Google Patents

多旋翼无人机在复杂环境下的快速实时避障路径选择方法 Download PDF

Info

Publication number
CN109582032B
CN109582032B CN201811183406.2A CN201811183406A CN109582032B CN 109582032 B CN109582032 B CN 109582032B CN 201811183406 A CN201811183406 A CN 201811183406A CN 109582032 B CN109582032 B CN 109582032B
Authority
CN
China
Prior art keywords
path
aerial vehicle
unmanned aerial
current
local
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.)
Active
Application number
CN201811183406.2A
Other languages
English (en)
Other versions
CN109582032A (zh
Inventor
侯永宏
吴琦
吕华龙
李士超
肖任意
许贤哲
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN201811183406.2A priority Critical patent/CN109582032B/zh
Publication of CN109582032A publication Critical patent/CN109582032A/zh
Application granted granted Critical
Publication of CN109582032B publication Critical patent/CN109582032B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种多旋翼无人机在复杂环境下的快速实时避障路径选择方法，该方法包括如下步骤：1.建立多旋翼无人机飞行位置周围局部三维地图；2.建立一个无人机飞行的小规模本地路径库；3.建立一套不同情况下本地库路径遍历选择的顺序以及规则，根据无人机当前飞行状况作出不同的路径规划；4.根据所给的局部三维地图，并结合上述提出的路径选择方法进行路径规划，直到飞行终点。发明所提出的避障策略，实时性高，工程实现性强。实现了无人机绕过障碍物安全迅速到达目的地。

Description

多旋翼无人机在复杂环境下的快速实时避障路径选择方法
技术领域
本发明属于无人机航路规划技术领域，涉及避障路径选择，尤其是一种多旋翼无人机在复杂环境下的快速实时避障路径选择方法。
背景技术
多旋翼无人机可以实现定点悬停、垂直起降等，飞行灵活、可控性强、抗干扰能力好，近年来受到研究人员的广泛关注，在物流、资源探测，航拍和科研等方面得到了越来越多的应用。
无人机的路径规划是实现无人机自主飞行的核心技术之一，它需要考虑导航精度、机动性能、环境约束、能量消耗、飞行时间和障碍物威胁等各种因素，为无人机规划出一条从起始点到目标点的无碰撞优化航路。
现有的无人机路径选择方法大多数由于计算量大导致路径规划时间长，无人机飞行速度慢的缺点，或者是基于建立好的全局地图来进行离线路径规划，所以需要对以往的路径规划算法提出改进，使得无人机能够实时在线的快速规划出一条无人机可以执行的路径，来提高无人机自主避障飞行的性能。
发明内容
本发明的目的在于克服现有的无人机航路规划方法所存在的一些不足，提出了一种多旋翼无人机在复杂环境下的快速实时避障路径选择方法，结合多旋翼无人机自身飞行特性和局部避障策略，实现在复杂环境中无人机快速实时地进行路径规划。
本发明为解决其技术问题采用如下技术方案：
一种多旋翼无人机在复杂环境下的快速实时避障路径选择方法，包括如下步骤：
步骤1：建立多旋翼无人机飞行位置周围局部三维地图；
步骤2：建立一个无人机飞行的小规模本地路径库；
步骤3：建立一套不同情况下本地库路径遍历选择的顺序即规则，根据无人机当前飞行状况作出不同的路径选择；
步骤4：根据所给的局部三维地图，并结合上述提出的路径选择方法进行路径规划，直到飞行终点。
步骤1的具体过程如下：
步骤1.1：利用推扫式的双目相机深度估计方法估计固定深度的平面；
步骤1.2：利用laplacian边缘提取算法提取步骤1.1得到的固定深度平面中的边缘和纹理丰富的像素点，并利用水平仪检测去除地平线像素点；
步骤1.3：将步骤1.2中得到的像素点转化成世界坐标系三维坐标点，加入到局部三维地图当中；
步骤1.4：不断的重复步骤1.1到1.3构建局部三维地图，并设定一定的条件对局部地图进行更替。
步骤2的具体过程如下：
步骤2.1：选取无人机飞行时的左转，右转，直线飞行(长距离和短距离)，向终点飞行的可跟踪的路径(根据当前无人机位姿点和终点的矢量方向确定)，并将路径库路径编号为p0,p1,p2,p3...p6，作为本地路径库路径。
步骤2.2：将无人机的主要飞行路径进行离散化处理，存放在本地路径库和csv文件中。
步骤3的具体过程如下：
步骤3.1：选择当前执行路径离当前地图障碍物的最近距离dobs当做判断当前执行路径上是否有障碍物的标准，并且设定一个参考阈值dref，如果dobs≤dref，则认为当前执行路径上有障碍物，反之则认为是没有障碍物(即当前执行路径安全)；
步骤3.2：无人机的路径选择过程是对路径库的路径按照后文所述的顺序来进行遍历，选择一个路径当做当前执行的路径。
步骤3.3：首先根据当前执行路径是否有障碍物将路径库路径的遍历顺序分成两个集合Aobs,Anoobs，随后在两个集合中按照当前执行路径pcurrent是向左飞行，向右飞行，直线飞行等，对应将对路径库路径的遍历顺序分成不同的小集合o1,o2,o3，o1,o2,o3是构成集合Aobs,Anoobs的元素；
步骤4的具体过程如下：
步骤4.1：根据步骤1得到的局部实时地图，计算当前执行路径离地图中最近障碍物点的距离dobs，并与dref进行比较，如果小于，那么需要立即根据Aobs中元素重新规划路径，否则继续执行当前路径到tmax后，根据Anoobs中元素重新规划路径。
步骤4.2:在步骤4.1中重新规划路径之前，都需要重新计算当前位姿到终点的路径来更新路径库中的向终点飞行路径；
步骤4.3：重复步骤4.1和步骤4.2，直到到达飞行任务的终点。
本发明的优点和有效益效果：
本发明提出一利用添加了不同场景下不同遍历顺序的本地路径库路无人机径规划算法。所提出的避障策略适应多旋翼无人机飞行特性，实时性高，工程实现性强。实现无人机实时地高速度地在不同复杂情况下(如森林，城市街道)避过障碍物自主飞行的目的。
附图说明
图1为本发明整体实现流程图；
图2为双目相机测距原理图；
图3为本发明深度估计算法筛选得到固定深度平面障碍物点示例图；
图4为本地路径库简图；
图5为本发明路径规划及策略实测仿真图；
图6为路径规划路径安全半径膨胀图。
具体实施方式
下面结合附图并通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
图1为本发明整体实现流程图。
步骤1：建立多旋翼无人机飞行位置周围局部三维地图；
步骤1.1：根据双目相机立体测距原理，d视差＝b*f/z，b,f与z都是已知量，根据公式便可求得固定物距在双目相机成像像素块的固定视差；
图2位双目相机测距原理图
步骤1.2：遍历左侧所有像素块P1，找到右侧相对应的固定视差d处的像素块P2，分别计算P1与P2中所有像素点的像素值的绝对值和为s1与s2，计算并比较|s1-s2|与sthreshold，若小于则初步认为这两个像素块相匹配，反之则跳过；
步骤1.3：将上面步骤筛选得到的像素块分别计算像素块内的laplacian值绝对值之和l1和l2，若l1和l2都大于设定的阈值lthreshold，则认为该像素块纹理丰富或者是物体的边缘像素块；
步骤1.4：接下来利用上述步骤得到的像素块来进行水平检测，即去掉步骤1.2中误匹配得到的地平线，进过上述几个步骤，取上述像素块的中心坐标，就可以得到我们需要的固定推扫平面的障碍物点像素坐标以及转化过后的世界坐标系坐标；
图3为本发明深度估计算法筛选得到固定深度平面障碍物点示例，图中用小方框框出的像素块即为筛选的固定深度的障碍物像素点，用于加入到三维地图当中；
步骤1.5：分别将障碍物坐标点加入到当前地图map1和在建地图map2，构成一个实时的三维立体地图，假设map1存在的时间为t1，则在t＝0.5*t1的时候，计算当前飞机位置离map1中障碍物点的最近距离d1，若大于一定的值，(1)则map1由map2替换，并且map2会重新进行初始，(2)否则直到d1大于该值才进行(1)步骤。
步骤2：建立一个无人机飞行的小规模本地路径库；
图4为本地路径库简图，包括左飞，右飞，直飞，图中较长的那条曲线是根据图中假设的终点计算出来的向终点飞行的轨迹；
步骤2.1：将无人机向左飞行，向右飞行以及直线飞行能够跟踪的一个轨迹作为多旋翼无人机左转右转以及直线飞行的路径库路径path1，path2，path0；
步骤2.2：同时在重新选择路径之前实时根据当前无人机位姿，速度以及终点坐标利用最优化方程计算出一条无人机能够跟踪的向终点飞行的轨迹path4；
步骤2.3：将离散化处理之后的path0，path1，path2，path4以t,x,y,z的形式存储在本地文件当中，在飞行任务启动时从文件中读取并初始化本地路径库，随后在路径规划之后按照一定的频率发布无人机的航点位姿。
步骤3：建立一套不同情况下本地库路径遍历选择的顺序即规则，根据无人机当前飞行状况作出不同的路径规划；
步骤3.1：选择当前执行路径离当前地图障碍物的最近距离dobs当做判断当前执行路径上是否有障碍物的标准，并且设定一个参考阈值dref，如果dobs≤dref，则认为当前执行路径上有障碍物，反之则认为是没有障碍物(即当前执行路径安全)；
步骤3.2：无人机的路径选择过程是对路径库的路径按照一定的顺序来进行遍历，选择一个路径当做当前执行的路径。
步骤3.3：首先根据当前执行路径是否有障碍物将路径库路径的遍历顺序分成两个大集合Aobs,Anoobs，随后在两个集合中按照当前执行路径pcurrent是向左飞行，向右飞行，直线飞行等，将对对应路径库路径的遍历顺序分别分成不同的顺序集合o1,o2,o3...，o1,o2,o3...是构成集合Aobs,Anoobs的元素；
步骤3.4：路径库遍历顺序：
(1)Aobs，pcurrent＝path4或者path0，pplan的遍历顺序o1为path0>path2>path1
(2)Anoobs,pcurrent＝path2,pplan的遍历顺序o2为path4>path0>path2
(3)Anoobs,pcurrent＝path1,pplan的遍历顺序o3为path4>path0>path1，(2)和(3)是在多旋翼无人机调整其偏航角之后不断试探向终点飞行与直线飞行是否可行，一般在这一步无人机在调整偏航角大到一定程度之后无人机会选择直线飞行，否则继续向左或右飞行并调整偏航角，等待直线飞行；如果当此时飞行路径上有障碍物，跳转到(5)或(6)；
(4)Anoobs,pcurrent＝path0,pplan的遍历顺序o4为path4>path0，在直线飞行轨迹上无障碍物的时候，如果可以向终点飞行则优先选择向终点飞行，否则继续直线飞行；如果当此时直线飞行路径上有障碍物，跳转到(1)；
(5)Aobs，pcurrent＝path1，pplan的遍历顺序o5为path1，调整偏航角；
(6)Aobs，pcurrent＝path1，pplan的遍历顺序o6为path2，调整偏航角；
不断经过上述(1)(2)(3)(4)(5)(6)，路径库的路径选择和路径规划形成一个闭合的循环，保证路径规划的稳定性。
图5为本发明路径规划及策略实测仿真图，图中上方的是障碍物，较短的线是从当前位置指向当前规划航点最远航点的矢量线，连续的线代表实际飞行的轨迹，从图中可以看出无人机在避开前面的障碍物的时候，首先不停的向右飞行和旋转偏航角，随后选择沿着障碍物直线飞行，直到指向终点的飞行路径是可以安全飞行的，则选择向终点飞行的路径；
步骤3.5：上述选择的路径，在该路径离散点的基础上向外膨胀半径为rsafe，从而能保证该路径上的点向外膨胀半径为rsafe的范围内的三维空间是没有障碍物的，从而保证了当飞行轨迹与规划的路径有差异和漂移的时候也能够保证无人机的飞行安全；
图6为选择路径的安全膨胀半径，图中矩形半透明的区域为飞行路径的膨胀半径，从图中可以看出无人机的飞行轨迹全部在矩形区域范围内，从而保证无人机飞行的安全性；
步骤4：根据所给的局部三维地图，并结合上述提出的路径选择方法进行路径规划，直到飞行终点。
步骤4.1：根据步骤1得到的局部实时地图，计算当前执行路径离地图中最近障碍物点的距离dobs，并与dref进行比较，如果小于，那么需要立即根据Aobs中子集重新规划路径，否则继续执行当前路径到tmax0.15s后，根据Anoobs中元素重新规划路径。
步骤4.2:在步骤4.1中重新规划路径之前，都需要重新计算当前位姿到终点的路径来更新路径库中的向终点飞行路径；
步骤4.3：利用4.1与4.2得到的局部路径与飞机当前的位姿，将飞机坐标系下的局部路径转化为ENU坐标系下的世界坐标系坐标作为多旋翼无人机飞行的航点；
步骤4.4：重复步骤4.1和步骤4.2，直到到达飞行任务的终点。
以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (1)

1.一种多旋翼无人机在复杂环境下的快速实时避障路径选择方法，其特征在于：包括如下步骤：
步骤1：建立多旋翼无人机飞行位置周围局部三维地图；
步骤2：建立一个无人机飞行的小规模本地路径库；
步骤3：建立一套不同情况下本地库路径遍历选择的先后顺序，根据无人机当前飞行状况作出不同的路径规划；
步骤4：根据所给的局部三维地图，并结合多旋翼无人机在复杂环境下的快速实时避障路径选择方法进行路径规划，直到飞行终点；
所述的步骤3的具体过程如下：
步骤3.1：选择当前执行路径离当前地图障碍物的最近距离dobs当做判断当前执行路径上是否有障碍物的标准，并且设定一个参考阈值dref，如果dobs≤dref，则认为当前执行路径上有障碍物，反之则认为是没有障碍物；
步骤3.2：无人机的路径选择过程是对路径库的路径按照一定的顺序来进行遍历，选择一个路径当做当前执行的路径；
步骤3.3：首先根据当前执行路径是否有障碍物将路径库路径的遍历顺序分成两个集合Aobs,Anoobs，随后在两个集合中按照当前执行路径pcurrent是向左飞行，向右飞行，直线飞行，对应将对路径库路径的遍历顺序分成不同的小集合o1,o2,o3，o1,o2,o3是构成集合Aobs,Anoobs的元素；
步骤3.4：路径库遍历顺序：
(1)Aobs，pcurrent＝path4或者path0，pplan的遍历顺序o1为path0>path2>path1
(2)Anoobs,pcurrent＝path2,pplan的遍历顺序o2为path4>path0>path2
(3)Anoobs,pcurrent＝path1,pplan的遍历顺序o3为path4>path0>path1，
如果当此时飞行路径上有障碍物，跳转到(5)或(6)；
(4)Anoobs,pcurrent＝path0,pplan的遍历顺序o4为path4>path0，在直线飞行轨迹上无障碍物的时候，如果可以向终点飞行则优先选择向终点飞行，否则继续直线飞行；如果当此时直线飞行路径上有障碍物，跳转到(1)；
(5)Aobs，pcurrent＝path1，pplan的遍历顺序o5为path1，调整偏航角；
(6)Aobs，pcurrent＝path1，pplan的遍历顺序o6为path2，调整偏航角；
不断经过上述(1)(2)(3)(4)(5)(6)，路径库的路径选择和路径规划形成一个闭合的循环，保证路径规划的稳定性；
步骤3.5：上述选择的路径，在该路径离散点的基础上向外膨胀半径为rsafe；
其中，path1为无人机左转；path2为无人机右转；path0为无人机直线飞行；path4为无人机能够跟踪的向终点飞行的轨迹；pplan为无人机计划路径；pcurrent为无人机当前执行路径；Aobs为有障碍物集合，Anoobs为无障碍物集合；
步骤1的具体过程如下：
步骤1.1：利用推扫式的双目相机深度估计方法估计固定深度的平面；
步骤1.2：利用laplacian边缘提取算法提取步骤1.1得到的固定深度平面中的边缘和纹理丰富的像素点，并利用水平仪检测去除地平线像素点；
步骤1.3：将步骤1.2中得到的像素点转化成世界坐标系三维坐标点，加入到局部三维地图当中；
步骤1.4：不断的重复步骤1.1到1.3构建局部三维地图，并设定一定的条件对局部地图进行更替；
步骤2的具体过程如下：
步骤2.1：选取无人机飞行时的左转，右转，直线飞行，向终点飞行的可跟踪的路径，并将路径库路径编号为p0,p1,p2,...p6，作为本地路径库路径；
步骤2.2：将无人机的主要飞行路径进行离散化处理，存放在本地路径库和csv文件中；
步骤4的具体过程如下：
步骤4.1：根据步骤1得到的局部实时地图，计算当前执行路径离地图中最近障碍物点的距离dobs，并与dref进行比较，如果小于，那么需要立即根据Aobs中元素重新规划路径，否则继续执行当前路径到tmax后，根据Anoobs中元素重新规划路径；tmax为0.15S；
步骤4.2:在步骤4.1中重新规划路径之前，需要重新计算当前位姿到终点的路径来更新路径库中的向终点飞行路径；
步骤4.3：重复步骤4.1和步骤4.2，直到到达飞行任务的终点。
CN201811183406.2A 2018-10-11 2018-10-11 多旋翼无人机在复杂环境下的快速实时避障路径选择方法 Active CN109582032B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811183406.2A CN109582032B (zh) 2018-10-11 2018-10-11 多旋翼无人机在复杂环境下的快速实时避障路径选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811183406.2A CN109582032B (zh) 2018-10-11 2018-10-11 多旋翼无人机在复杂环境下的快速实时避障路径选择方法

Publications (2)

Publication Number Publication Date
CN109582032A CN109582032A (zh) 2019-04-05
CN109582032B true CN109582032B (zh) 2021-10-12

Family

ID=65919988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811183406.2A Active CN109582032B (zh) 2018-10-11 2018-10-11 多旋翼无人机在复杂环境下的快速实时避障路径选择方法

Country Status (1)

Country Link
CN (1) CN109582032B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111766891A (zh) * 2019-05-23 2020-10-13 北京京东尚科信息技术有限公司 用于控制无人机飞行的方法和装置
CN110146085B (zh) * 2019-05-30 2022-04-19 中国人民解放军国防科技大学 基于建图和快速探索随机树的无人机实时规避重规划方法
CN110780678A (zh) * 2019-10-29 2020-02-11 无锡汉咏科技股份有限公司 一种基于点云数据的无人机视觉导航控制方法
CN112861887A (zh) * 2019-11-08 2021-05-28 中国科学院长春光学精密机械与物理研究所 一种障碍物快速检测方法、系统及终端设备
CN115373426B (zh) * 2022-10-26 2023-02-17 四川腾盾科技有限公司 一种固定翼集群无人机区域覆盖在线路径协同规划方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067557A (zh) * 2007-07-03 2007-11-07 北京控制工程研究所 适用于自主移动车辆的环境感知的单目视觉导航方法
CN101976079A (zh) * 2010-08-27 2011-02-16 中国农业大学 智能导航控制系统及方法
CN102520721A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种基于双目立体视觉的巡视探测器自主避障规划方法
CN102566576A (zh) * 2012-02-24 2012-07-11 山东鲁能智能技术有限公司 一种用于变电站顺控系统的多巡检机器人协同运作方法
CN104462662A (zh) * 2014-11-14 2015-03-25 中国海洋石油总公司 水下生产设施虚拟装配方法
US9002511B1 (en) * 2005-10-21 2015-04-07 Irobot Corporation Methods and systems for obstacle detection using structured light
CN104597910A (zh) * 2014-11-27 2015-05-06 中国人民解放军国防科学技术大学 一种基于瞬时碰撞点的无人机非协作式实时避障方法
CN105578173A (zh) * 2016-02-20 2016-05-11 深圳市晶源动力科技有限公司 一种快速三维空间投影摄像视觉识别系统
CN105759836A (zh) * 2016-03-14 2016-07-13 武汉卓拔科技有限公司 一种基于3d摄像头的无人机避障方法及装置
CN106054900A (zh) * 2016-08-08 2016-10-26 电子科技大学 基于深度摄像头的机器人临时避障方法
CN106204443A (zh) * 2016-07-01 2016-12-07 成都通甲优博科技有限责任公司 一种基于多目复用的全景无人机系统
WO2017014012A1 (ja) * 2015-07-22 2017-01-26 本田技研工業株式会社 経路生成装置、経路生成方法、および経路生成プログラム
EP3133459A1 (en) * 2014-04-14 2017-02-22 Ecovacs Robotics Co., Ltd. Local obstacle avoidance walking method of self-moving robot
CN106681330A (zh) * 2017-01-25 2017-05-17 北京航空航天大学 基于多传感器数据融合的机器人导航方法及装置
WO2018032457A1 (en) * 2016-08-18 2018-02-22 SZ DJI Technology Co., Ltd. Systems and methods for augmented stereoscopic display
CN107883962A (zh) * 2017-11-08 2018-04-06 南京航空航天大学 一种多旋翼无人机在三维环境下的动态航路规划方法
CN108171796A (zh) * 2017-12-25 2018-06-15 燕山大学 一种基于三维点云的巡检机器人视觉系统及控制方法
CN108195378A (zh) * 2017-12-25 2018-06-22 北京航天晨信科技有限责任公司 一种基于环视相机的智能视觉导航系统
CN108227738A (zh) * 2017-12-28 2018-06-29 湖北电鹰科技有限公司 一种无人机避障方法及系统
CN108475059A (zh) * 2015-12-15 2018-08-31 高通股份有限公司 自主视觉导航
CN108594843A (zh) * 2018-02-09 2018-09-28 深圳臻迪信息技术有限公司 无人机自主飞行方法、装置及无人机

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7110881B2 (en) * 2003-10-07 2006-09-19 Deere & Company Modular path planner
US20100013615A1 (en) * 2004-03-31 2010-01-21 Carnegie Mellon University Obstacle detection having enhanced classification
US20080059015A1 (en) * 2006-06-09 2008-03-06 Whittaker William L Software architecture for high-speed traversal of prescribed routes
US9334052B2 (en) * 2014-05-20 2016-05-10 Verizon Patent And Licensing Inc. Unmanned aerial vehicle flight path determination, optimization, and management
US10248349B2 (en) * 2016-03-22 2019-04-02 Oracle International Corporation Efficient and thread-safe objects for dynamically-typed languages

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9002511B1 (en) * 2005-10-21 2015-04-07 Irobot Corporation Methods and systems for obstacle detection using structured light
CN101067557A (zh) * 2007-07-03 2007-11-07 北京控制工程研究所 适用于自主移动车辆的环境感知的单目视觉导航方法
CN101976079A (zh) * 2010-08-27 2011-02-16 中国农业大学 智能导航控制系统及方法
CN102520721A (zh) * 2011-12-08 2012-06-27 北京控制工程研究所 一种基于双目立体视觉的巡视探测器自主避障规划方法
CN102566576A (zh) * 2012-02-24 2012-07-11 山东鲁能智能技术有限公司 一种用于变电站顺控系统的多巡检机器人协同运作方法
EP3133459A1 (en) * 2014-04-14 2017-02-22 Ecovacs Robotics Co., Ltd. Local obstacle avoidance walking method of self-moving robot
CN104462662A (zh) * 2014-11-14 2015-03-25 中国海洋石油总公司 水下生产设施虚拟装配方法
CN104597910A (zh) * 2014-11-27 2015-05-06 中国人民解放军国防科学技术大学 一种基于瞬时碰撞点的无人机非协作式实时避障方法
WO2017014012A1 (ja) * 2015-07-22 2017-01-26 本田技研工業株式会社 経路生成装置、経路生成方法、および経路生成プログラム
CN108475059A (zh) * 2015-12-15 2018-08-31 高通股份有限公司 自主视觉导航
CN105578173A (zh) * 2016-02-20 2016-05-11 深圳市晶源动力科技有限公司 一种快速三维空间投影摄像视觉识别系统
CN105759836A (zh) * 2016-03-14 2016-07-13 武汉卓拔科技有限公司 一种基于3d摄像头的无人机避障方法及装置
CN106204443A (zh) * 2016-07-01 2016-12-07 成都通甲优博科技有限责任公司 一种基于多目复用的全景无人机系统
CN106054900A (zh) * 2016-08-08 2016-10-26 电子科技大学 基于深度摄像头的机器人临时避障方法
WO2018032457A1 (en) * 2016-08-18 2018-02-22 SZ DJI Technology Co., Ltd. Systems and methods for augmented stereoscopic display
CN106681330A (zh) * 2017-01-25 2017-05-17 北京航空航天大学 基于多传感器数据融合的机器人导航方法及装置
CN107883962A (zh) * 2017-11-08 2018-04-06 南京航空航天大学 一种多旋翼无人机在三维环境下的动态航路规划方法
CN108171796A (zh) * 2017-12-25 2018-06-15 燕山大学 一种基于三维点云的巡检机器人视觉系统及控制方法
CN108195378A (zh) * 2017-12-25 2018-06-22 北京航天晨信科技有限责任公司 一种基于环视相机的智能视觉导航系统
CN108227738A (zh) * 2017-12-28 2018-06-29 湖北电鹰科技有限公司 一种无人机避障方法及系统
CN108594843A (zh) * 2018-02-09 2018-09-28 深圳臻迪信息技术有限公司 无人机自主飞行方法、装置及无人机

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
A two-view stereoscopic video demonstration system based on industrial camer;Hou Chunping;Tang Junlin;Hou Yonghong;Li Wei;《2011 6th International Conference on Pervasive Computing and Applications》;20111231;第95-98页 *
New generation of human machine interfaces for controlling UAV through depth-based gesture recognition;Mantecón T,del Blanco C R,Jaureguizar F,etal.;《International Society for Optics and Photonics 》;20141231;第90840 C-1-90840 C-11页 *
Skeleton Optical Spectra-Based Action Recognition Using Convolutional Neural Networks;Yonghong Hou;Zhaoyang Li;Pichao Wang;Wanqing Li;《IEEE Transactions on Circuits and Systems for Video Technology》;20180331;第807-811页 *
基于光流算法的无人机动态航迹规划技术研究;金钊;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180915;第C031-67页 *
基于双目视觉的小型无人飞行器的导航与避障;苏东;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315;第I138-6491页 *
基于双目视觉的微型无人机室内3维地图构建;余小欢等;《信息与控制》;20141231;第392-397页 *
基于双目视觉的智能小车路径规划;赵阳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180615;第I140-470页 *
基于深度学习的无人机人机交互系统;侯永宏等;《天津大学学报(自然科学与工程技术版)》;20170930;第967-974页 *
基于超声波测距与图像信息相融合的旋翼无人机避障算法研究;任耀庭;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170215;第C031-263页 *
视觉无人机棚内煤场自主飞行与地图构建;周武根等;《导航定位与授时》;20180731;第32-36页 *

Also Published As

Publication number Publication date
CN109582032A (zh) 2019-04-05

Similar Documents

Publication Publication Date Title
CN109582032B (zh) 多旋翼无人机在复杂环境下的快速实时避障路径选择方法
CN106371445B (zh) 一种基于拓扑地图的无人车规划控制方法
Saunders et al. Static and dynamic obstacle avoidance in miniature air vehicles
Fraundorfer et al. Vision-based autonomous mapping and exploration using a quadrotor MAV
Zhou et al. Survey on path and view planning for UAVs
CN114812581B (zh) 一种基于多传感器融合的越野环境导航方法
CN110262518A (zh) 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质
CN108398960B (zh) 一种改进APF与分段Bezier相结合的多无人机协同目标追踪方法
Zhao et al. Dynamic motion planning for autonomous vehicle in unknown environments
EP2818957A1 (en) System and method for UAV landing
CN112684807A (zh) 无人机集群三维编队方法
CN103676944A (zh) 基于Dubins路径和稀疏A*搜索的无人机航迹规划方法
CN104155998B (zh) 一种基于势场法的航迹规划方法
Campos‐Macías et al. Autonomous navigation of MAVs in unknown cluttered environments
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
CN112947594B (zh) 一种面向无人机的航迹规划方法
CN110146085A (zh) 基于建图和快速探索随机树的无人机实时规避重规划方法
CN107167140A (zh) 一种无人机视觉定位累积误差抑制方法
CN114593739A (zh) 基于视觉检测与参考线匹配的车辆全局定位方法及装置
CN117406771B (zh) 一种基于四旋翼无人机的高效自主探索方法、系统及设备
Li et al. An overview on sensor map based localization for automated driving
CN113674310A (zh) 一种基于主动视觉感知的四旋翼无人机目标跟踪方法
Oleynikova et al. A complete system for vision-based micro-aerial vehicle mapping, planning, and flight in cluttered environments
Kamat et al. A survey on autonomous navigation techniques
Fassbender et al. Landmark-based navigation in large-scale outdoor environments

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