CN109923589A - 构建和更新高程地图 - Google Patents
构建和更新高程地图 Download PDFInfo
- Publication number
- CN109923589A CN109923589A CN201680090489.3A CN201680090489A CN109923589A CN 109923589 A CN109923589 A CN 109923589A CN 201680090489 A CN201680090489 A CN 201680090489A CN 109923589 A CN109923589 A CN 109923589A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- map
- hypsographic map
- apparent height
- hypsographic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 126
- 238000003860 storage Methods 0.000 claims description 71
- 238000004891 communication Methods 0.000 claims description 62
- 238000001514 detection method Methods 0.000 claims description 53
- 230000005540 biological transmission Effects 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000001413 cellular effect Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 description 49
- 230000033001 locomotion Effects 0.000 description 27
- 230000007246 mechanism Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 17
- 230000015654 memory Effects 0.000 description 16
- 230000008859 change Effects 0.000 description 14
- 238000013519 translation Methods 0.000 description 13
- 230000001133 acceleration Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000005183 dynamical system Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 5
- 239000012491 analyte Substances 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 241001465382 Physalis alkekengi Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000001141 propulsive effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000271566 Aves Species 0.000 description 1
- 241000282465 Canis Species 0.000 description 1
- 241001481833 Coryphaena hippurus Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241000700647 Variola virus Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 206010006514 bruxism Diseases 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
- G01S13/935—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft for terrain-avoidance
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
-
- 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
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2264—Multidimensional index structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Aviation & Aerospace Engineering (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Traffic Control Systems (AREA)
Abstract
提供了用于构建二维(2D)高程地图的系统和方法。构建二维(2D)高程地图的方法包括:接收关于2D坐标系中的2D坐标的传感器数据,其中传感器数据由飞行器的一个或多个传感器获取(1310);基于传感器数据,计算针对2D坐标的表面高度(1320);基于传感器数据,向所计算的表面高度指派置信指标(1330);以及,将针对2D坐标的所计算的表面高度和所指派的置信指标存储在数据库中(1340),从而构建2D高程地图。
Description
背景技术
诸如无人机(UAV)之类的无人载运工具可以用于在针对军事和民用应用的各种环境中执行监测、侦察和勘探任务。UAV可以由远程用户手动控制,或者可以以半自主或完全自主的方式操作。这种UAV可以包括用于自动确定其飞行路径的处理器。
用于获得环境数据和构建对应的地图的现有方法在某些情况下可能不是最优的。例如,一些UAV可能需要保持轻量级,因此不会产生或仅产生有限的传感器环境数据。另一方面,典型的三维地图会难以构建和维持。
发明内容
提供了用于构建和管理高程地图的系统和相关方法,所述高程地图指示针对二维区域的表面高度。可以基于由轻型无人机(UAV)机载的少量传感器产生的数据来构建高程地图。所述数据包含与可能的障碍物的位置相关的有用信息,并且通常易于维持。由不同的UAV创建的高程地图可以通过中央服务器进行调和与整合,从而实现共享由不同UAV创建的高程数据。
在一个方面中,提供了一种构建二维(2D)高程地图的方法。所述方法包括:接收与2D坐标系中的2D坐标相关的传感器数据,其中所述传感器数据由飞行器的一个或多个传感器获取;基于所述传感器数据计算所述2D坐标的表面高度;基于所述传感器数据向计算出的表面高度指派置信指标;以及将针对所述2D坐标的计算出的表面高度和指派的置信指标存储在数据库中,从而构建2D高程地图。
在一些实施例中,表面高度是相对于参考平面来计算的,并且参考平面是地平面或海平面。在一些实施例中,一个或多个传感器包括相机、雷达、激光雷达或超声传感器。在一些实施例中,传感器数据是在飞行器在操作时由一个或多个传感器获取的。在一些实施例中,传感器数据是根据预定时间表来接收的。在一些实施例中,一个或多个传感器位于飞行器的前部、侧部或后部。
在一些实施例中,所述方法还包括:当获取了传感器数据时,接收与飞行器的一个或多个传感器相关联的一个或多个参数;以及基于所述一个或多个参数,将接收到的传感器数据从相对于飞行器定义的第一坐标系转换到2D坐标系。在一些实施例中,所述一个或多个参数与飞行器的一个或多个传感器与飞行器之间的空间关系相关。
在一些实施例中,置信指标指示针对2D坐标计算出的表面高度与2D坐标的实际表面高度之间的关系。在一些实施例中,当所计算的表面高度是实际表面高度的最小值时,置信指标被指派第一值;当所计算的表面高度是实际表面高度的最大值时,置信指标被指派第二值;以及当所计算的表面高度等于实际表面高度时,置信指标被指派第三值。
在一些实施例中,置信指标涉及与飞行器相关的特征。在一些实施例中,针对2D坐标计算出的表面高度等于距所述2D坐标预定距离内的多个相邻坐标的最大表面高度。
在一些实施例中,所述方法还包括:通过通信网络向远程系统发送所述2D坐标、所述计算出的表面高度和所指派的置信指标。在一些实施例中,远程系统是云计算平台、服务器群或并行计算装置。在一些实施例中,通信网络是互联网、蜂窝网络或短距离无线网络。在一些实施例中,所述方法还包括:检测针对所述2D坐标计算出的表面高度和所述2D坐标先前确定的表面高度之间的差异,其中所述发送是响应于所述检测来执行的。在一些实施例中,当要被发送的数据量超过阈值时,或者响应于来自远程系统的请求,基于预定时间表执行所述发送。
在一些实施例中,所述方法还包括:将包括多个2D坐标在内的区域划分成多个块;识别所述多个2D坐标中的每个2D坐标所属的块;其中,所述存储包括:将针对每个2D坐标计算出的表面高度和针对每个2D坐标指派的置信指标保存到分配给所述块的储存区域中。在一些实施例中,所述方法还包括:当本地数据库中的储存区域尚未被分配给所述块时,将本地数据库中的储存区域分配给所述块;以及当本地数据库中的储存区域已被分配给所述块时,定位所述储存区域。在一些实施例中,所述方法还包括:通过块编号来索引被分配给块的储存区域,并且以树形结构来组织所述储存区域。在一些实施例中,所述方法还包括:将属于块的相邻2D坐标的数据顺序地存储在分配给该块的存储区域中。
在一些实施例中,所述方法还包括:基于2D高程地图创建飞行器的飞行路径。在一些实施例中,所述接收、所述计算、所述指派以及所述存储是借助于飞行器机载的一个或多个处理器来执行的。在一些实施例中,所述接收、所述计算、所述指派以及所述存储中的至少一个是借助于非由飞行器机载的一个或多个处理器来执行的。
另一方面,提供了一种用于构建二维(2D)高程地图的系统。所述系统包括:至少一个存储器;以及至少一个处理器,与至少一个存储器连接,并且被配置为执行以下操作:接收与2D坐标系中的2D坐标相关的传感器数据,其中所述传感器数据由飞行器的一个或多个传感器获取;基于所述传感器数据计算所述2D坐标的表面高度;基于所述传感器数据向计算出的表面高度指派置信指标;以及将针对所述2D坐标的计算出的表面高度和指派的置信指标存储在数据库中,从而构建2D高程地图。
在又一方面中,提供了一种存储有指令的非暂时性计算机可读存储介质,所述指令在由计算系统执行时使所述计算系统执行构建二维“2D”高程地图的方法。所述方法包括:接收与2D坐标系中的2D坐标相关的传感器数据,其中所述传感器数据由飞行器的一个或多个传感器获取;基于所述传感器数据计算所述2D坐标的表面高度;基于所述传感器数据向计算出的表面高度指派置信指标;以及将针对所述2D坐标的计算出的表面高度和指派的置信指标存储在数据库中,从而构建2D高程地图。
在另一方面中,提供了一种管理飞行器上存储的局部信息的方法。所述方法包括:飞行器通过通信网络从远程系统接收全局2D高程地图的至少一部分,其中,所述全局2D高程地图包括针对第一多个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及借助于一个或多个处理器,解析飞行器上存储的局部信息与全局2D高程地图之间的不一致,从而管理所述局部信息。
在一些实施例中,局部信息包括局部2D高程地图,其中局部2D高程地图包括针对第二多个2D坐标的由飞行器确定的估计表面高度和与所述估计表面高度相关联的置信指标。在一些实施例中,所述解析包括:向所述局部2D高程地图添加全局2D高程地图中针对不属于所述第二多个2D坐标的全部2D坐标的数据。在一些实施例中,所述解析包括:对于所述第一多个2D坐标和所述第二多个2D坐标二者中的一个或多个2D坐标,将所述局部2D高程地图中的数据替换为所述全局2D高程地图中的对应数据。在一些实施例中,对于所述第二多个2D坐标中的至少一个2D坐标,所述局部2D高程地图还包括在所述局部2D高程地图中的时间戳,所述时间戳指示何时获取用于导出估计表面高度和相关联的一个或多个置信指标的传感器数据。在一些实施例中,所述方法还包括:基于所述解析的结果向远程系统发送所述局部2D高程地图中的数据。在一些实施例中,被发送到所述远程系统的所述数据包括所述局部2D高程地图中针对不属于所述第一多个2D坐标的全部2D坐标的数据。在一些实施例中,所发送的数据包括所述局部2D高程地图中针对属于所述第一多个2D坐标的一个或多个2D坐标的数据。在一些实施例中,所述方法还包括:基于针对局部地图中和全局地图中的每个2D坐标的估计表面高度和置信指标的组合的比较,选择所述一个或多个2D坐标。
在一些实施例中,所述解析包括:向所述局部信息添加所述全局2D高程地图。
在一些实施例中,所述方法还包括:基于所述解析的结果更新局部信息;以及将更新后的局部信息存储在飞行器上。
在一些实施例中,所述方法还包括:向远程系统发送飞行器的标识符。
在一些实施例中,所述方法还包括:向所述远程系统发送针对所述全局2D高程地图的请求,响应于该请求而接收所述全局2D高程地图。在一些实施例中,所述请求指示特定区域,并且全局地图包括与特定区域相对应的数据。在一些实施例中,与估计表面高度相关联的每个置信指标与以下中的一项或多项相关:a)与所述飞行器相关的特征、b)与所述飞行器相关的环境状况、或者c)当用于产生数据的所述飞行器机载的传感器产生数据时所述传感器的状况,其中根据该数据计算估计表面高度。
在一些实施例中,一个或多个处理器是由飞行器机载的。在一些实施例中,当飞行器在空中时执行所述接收和所述解析。
在另一方面中,提供了一种用全局2D高程地图来更新局部信息的系统。所述系统包括:至少一个存储器;以及至少一个处理器,与至少一个存储器连接,并且被配置为执行以下操作:通过通信网络从远程系统接收全局2D高程地图的至少一部分,其中,所述全局2D高程地图包括针对第一多个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及借助于一个或多个处理器,解析飞行器上存储的局部信息与全局2D高程地图之间的不一致,从而管理所述局部信息。
在另一方面中,提供了一种存储有指令的非暂时性计算机可读存储介质,所述指令在由计算系统执行时使所述计算系统执行利用全局2D高程地图来更新局部信息的方法。所述方法包括:通过通信网络从远程系统接收全局2D高程地图的至少一部分,其中,所述全局2D高程地图包括针对第一多个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及借助于一个或多个处理器,解析飞行器上存储的局部信息与全局2D高程地图之间的不一致,从而管理所述局部信息。
在又一方面中,提供了一种管理二维(2D)高程数据的方法。所述方法包括:通过第一通信网络从第一可移动物体接收第一局部高程地图,所述第一局部高程地图包括针对一个或多个2D坐标的第一集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;通过第二通信网络从第二可移动物体接收第二局部高程地图,所述第二局部高程地图包括针对一个或多个2D坐标的第二集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及借助于一个或多个处理器,解析第一局部高程地图与第二局部高程地图之间的不一致,以更新全局高程地图。
在一些实施例中,所述方法还包括:向一个或多个飞行器发送针对高程地图的请求,其中响应于所述请求接收第一局部高程地图或第二局部高程地图。
在一些实施例中,第一可移动物体或第二可移动物体是飞行器。在一些实施例中,与估计表面高度相关联的每个置信指标与以下中的一项或多项相关:a)与所述飞行器相关的特征、b)与所述飞行器相关的环境状况、或者c)所述飞行器机载的传感器的状况,所述传感器用于产生数据,根据该数据计算估计表面高度。在一些实施例中,传感器的状况包括传感器分辨率。在一些实施例中,环境状况包括光照状况或GPS信号强度。
在一些实施例中,所述解析包括:对于属于第一2D坐标集合和第二2D坐标集合两者的2D坐标,当针对所述第一局部高程地图中的2D点的置信指标大于针对所述第二局部高程地图中的2D点的置信指标时,选择所述第一局部高程地图而不是所述第二局部高程地图中的2D坐标的估计表面高度和置信指标以包括在所述全局高程地图中。在一些实施例中,对于属于所述第一2D坐标集合和所述第二2D坐标集合两者的2D坐标,所述解析是基于以下两项的比较来执行的:针对所述第一局部高程地图中的2D坐标的估计表面高度和相关联的置信指标的组合、以及针对所述第二局部高程地图中的2D坐标的估计表面高度和相关联的置信指标的组合。在一些实施例中,所述解析包括:对于所述2D坐标,当所述第一局部高程地图中的估计表面高度大于所述第二局部高程地图中的估计表面高度、并且所述第一局部高程地图中的置信指标大于预定阈值时,选择所述第一局部高程地图而不是所述第二局部高程地图中的估计表面高度和置信指标以包括在所述全局高程地图中。
在一些实施例中,对于属于所述第一2D坐标集合和所述第二2D坐标集合的2D坐标,所述第一局部高程地图还包括指示何时获取传感器数据的时间戳,根据该传感器数据导出所述估计表面高度和相关联的置信指标,以及对于所述2D坐标,所述第二局部高程地图包括指示何时更新所述估计表面高度和相关联的置信指标的时间戳。在一些实施例中,所述解析包括:对于所述2D坐标,当所述第一局部高程地图中的时间戳比所述第二局部高程地图中的时间戳指示更晚的时间时,选择所述第一局部高程地图中的估计表面高度和置信指标以包括在所述全局高程地图中。
在一些实施例中,对于属于所述第一2D坐标集合和所述第二2D坐标集合的2D坐标,所述第一局部高程地图包括有助于创建所述第一局部高程地图中的估计表面高度和置信指标的第一飞行器的标识符,以及,对于所述2D坐标,所述第二局部高程地图包括有助于创建所述第二局部高程地图中的估计表面高度和置信指标的第二飞行器的标识符。在一些实施例中,所述方法还包括:区分多个飞行器的优先级,所述多个飞行器包括第一飞行器和第二飞行器,其中,所述解析包括:对于所述2D坐标,当所述第一飞行器具有比所述第二飞行器更高的优先级时,选择所述第一局部高程地图中的估计表面高度和置信指标,以将估计表面高度和置信指标包括在所述全局高程地图中。在一些实施例中,区分优先级基于与所述多个飞行器中的每个飞行器或所述每个飞行器机载的传感器相关联的状况。
在一些实施例中,所述方法还包括:向一个或多个飞行器发送所述全局高程地图的一部分或全部。在一些实施例中,所述方法还包括:从第三飞行器接收针对全局高程地图的请求,其中响应于所述请求执行所述发送。在一些实施例中,所述发送是响应于对所述全局地图的更新而执行的。
在一些实施例中,第一局部高程地图还包括与针对所述第一2D坐标集合中的一个2D坐标的估计表面高度相关联的高度范围,以及,所述第二局部高程地图还包括与针对所述第二2D坐标集合中的一个2D坐标的估计表面高度相关联的高度范围。在一些实施例中,与估计表面高度相关联的高度范围指示获取用于得到所述估计表面高度的数据的传感器在数据获取时的高度范围。在一些实施例中,对于属于所述第一2D坐标集合和所述第二2D坐标集合两者的2D坐标,仅当所述第一局部高程地图和所述第二局部高程地图中的所述2D坐标的高度范围相等时才执行所述解析。在一些实施例中,所述方法还包括:对于属于所述第一2D坐标集合和所述第二2D坐标集合两者的2D坐标,当所述第一局部高程地图中的高度范围小于所述第二局部高程地图中的高度范围时,选择所述第二局部高程地图中的估计表面高度和置信指标以包括在所述全局高程地图中。
在一些实施例中,所述方法还包括记录对全局高程地图的更新。在一些实施例中,所述方法还包括:对所述全局高程地图中的估计表面高度或置信指标进行彩色编码;以及基于所述彩色编码向显示装置发送所述全局地图的图形表示。
在另一方面中,提供了一种管理二维(2D)高程数据的系统。所述系统包括:至少一个存储器;至少一个处理器,与至少一个存储器连接,并且被配置为执行以下操作:通过第一通信网络从第一可移动物体接收第一局部高程地图,所述第一局部高程地图包括针对第一2D坐标集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;通过第二通信网络从第二可移动物体接收第二局部高程地图,所述第二局部高程地图包括针对第二2D坐标集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;借助于一个或多个处理器,解析所述第一局部高程地图和所述第二局部高程地图之间的关于估计表面高度或置信指标的不一致,以更新全局高程地图。
在另一方面中,提供了一种存储有指令的非暂时性计算机可读存储介质,所述指令在由计算系统执行时使所述计算系统执行管理二维“2D”高程数据的方法。所述方法包括:通过第一通信网络从第一可移动物体接收第一局部高程地图,所述第一局部高程地图包括针对第一2D坐标集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;通过第二通信网络从第二可移动物体接收第二局部高程地图,所述第二局部高程地图包括针对第二2D坐标集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;借助于一个或多个处理器,解析所述第一局部高程地图和所述第二局部高程地图之间的关于估计表面高度或置信指标的不一致,以更新全局高程地图。
应当理解,可以单独地、共同地或彼此组合地理解本发明的不同方面。本文描述的本发明的各个方面可以应用于下面提及的任何特定应用或任何其它类型的可移动物体。本文对飞行器的任何描述可以应用于且用于任何可移动物体(例如,任何载运工具)。此外,本文在空中运动(例如,飞行)的上下文下所公开的系统、装置和方法也可以在其它类型的运动(例如,在地面或水上运动、水下运动或太空中的运动)的上下文下应用。此外,本文对旋翼或旋翼组件的任何描述可以应用于并且用于被配置为通过旋转产生推进力的任何动力系统、装置或机制(例如,螺旋桨、轮子、轴)。
通过阅读说明书、权利要求书和附图,本发明的其它目的和特征将变得显而易见。
通过引用并入
本说明书中提到的所有出版物、专利和专利申请通过引用并入本文,其程度如同每个单独的出版物、专利或专利申请被明确且单独地指示通过引用并入。
附图说明
本发明的新颖特征在所附权利要求中具体阐述。通过参考下面的详细描述及其附图,将更好地理解本发明的特征和优点,所述详细描述中阐述了利用本发明的原理的说明性实施例,所述附图中:
图1示出了根据实施例的在室外环境中操作的UAV;
图2示出了根据实施例的在室内环境中操作的UAV;
图3示出了本申请中公开的系统可以操作的环境。
图4示出了UAV处理器的示例部件。
图5示出了中央服务器的示例部件。
图6示出了UAV可以如何获得用于高程地图的信息。
图7示出了UAV可以如何获得用于高程地图的信息。
图8示出了UAV可以如何获得用于高程地图的信息。
图9示出了UAV可以如何获得用于高程地图的信息。
图10示出了UAV如何根据传感器数据来构建高程地图。
图11示出了高程地图的示例3D表示。
图12示出了针对2D坐标存在多个表面高度的情况。
图13示出了由UAV执行的构建高程地图的示例处理。
图14示出了UAV可以如何共享数据以创建全局地图。
图15示出了由中央服务器执行的管理全局高程地图的示例处理。
图16示出了由UAV执行的管理局部高程地图的示例处理。
图17示出了根据实施例的UAV;
图18示出了根据实施例的包括载体和搭载物在内的可移动物体;以及
图19示出了可以被配置为实现本申请所公开的任何计算系统的计算机系统。
具体实施方式
提供了用于创建和维持地图的系统和方法。在控制可移动物体(例如,无人机(UAV))时,该地图会很有用。该地图可以是高程地图,高程地图可以指示二维区域相对于通常为静态地平面或海平面的参考平面的表面高度。表面高度包含与地形和可能障碍位置相关的有用信息。
可以基于UAV机载传感器产生的数据来构建高程地图。在一些实施例中,UAV可以适用于承载被配置为收集环境数据的多个传感器。一些传感器可以是不同类型的(例如,与接近传感器组合使用的视觉传感器)。UAV可以使用所产生的地图来执行各种操作,其中一些操作可以是半自动的或全自动的。例如,在一些实施例中,可以使用高程地图来自动确定用于将UAV从其当前位置导航到目标位置的飞行路径。作为另一示例,高程地图可以用于确定一个或多个障碍物的空间布局,从而使得UAV能够执行避障操作。有利地,如本文所公开的使用多种类型的传感器来收集环境数据即使在不同的环境和操作状况下也可以提高映射的精度,从而增强了UAV功能(比如,导航和避障)的鲁棒性和灵活性。
由不同的UAV创建的高程地图可以通过中央服务器进行调和与整合,从而实现共享由不同UAV创建的高程数据。这可以有利地允许UAV访问它们之前未经过的区域中的高程数据。多个UAV共享信息可以允许各个UAV在更多数据的帮助下导航环境。在一些实施例中,可以基于UAV的当前位置,将高程地图的局部部分提供给UAV。这可以提供的优点在于:在多个UAV之间共享数据,同时仅占用UAV访问与它们相关的地图部分所需的存储和/或处理量。
本文中提供的实施例可以应用于各种类型的UAV。例如,UAV可以是重量不超过10kg和/或最大尺寸不超过1.5m的小型UAV。在一些实施例中,UAV可以是旋翼飞机,比如通过多个螺旋桨推进而在空中移动的多旋翼飞行器(例如,四旋翼机)。下文进一步详细描述适用于本文呈现的实施例的UAV和其它可移动物体的附加示例。
本文所述的UAV可以完全自主地(例如,通过诸如机载控制器之类的合适的计算系统)、半自主地或手动地(例如由人类用户)操作。UAV可以从合适的实体(例如,人类用户或自主控制系统)接收命令,并且通过执行一个或多个动作来响应这样的命令。例如,UAV可以被控制为从地面起飞、在空中移动(例如,具有多达三个平移自由度以及多达三个旋转自由度)、移动到目标位置或移动到一系列目标位置、悬停在空中、落在地面上等等。作为另一示例,UAV可以被控制为以指定的速度和/或加速度(例如,具有多达三个平移自由度以及多达三个旋转自由度)或沿着指定的移动路径移动。此外,这些命令可以用于控制一个或多个UAV部件,例如本文所述的部件(例如,传感器、致动器、动力单元、搭载物等)。例如,一些命令可以用于控制诸如相机之类的UAV搭载物的位置、取向和/或操作。可选地,UAV可以被配置为根据一个或多个预定的操作规则进行操作。操作规则可以用于控制UAV的任何合适的方面,比如UAV的位置(例如,纬度、经度、高度)、取向(例如,横滚、俯仰、偏航)、速度(例如,平移的和/或有角度的)、和/或加速度(例如,平移的和/或有角度的)。例如,操作规则可以被设计为使得UAV不被允许飞行超过阈值高度,例如,UAV可以被配置为在离地面不超过400m的高度处飞行。在一些实施例中,操作规则可以适用于提供用于改进UAV安全性和防止安全事故的自动机制。例如,UAV可以被配置为检测受限制的飞行区域(例如,机场)并且不在受限制的飞行区域的预定距离内飞行,从而避免与飞机和其它障碍物的可能碰撞。
现在转到附图,图1示出了根据实施例的在室外环境100中操作的UAV 102。室外环境100可以是城市、郊区或农村环境、或者至少部分不在建筑物内的任何其它环境。UAV 102可以相对接近地面104(例如,低空)或相对远离地面104(例如,高空)来操作。例如,在离地面小于或等于大约10m处操作的UAV 102可以被认为处于低空,而在离地面大于或等于大约10m处操作的UAV 102可以被认为处于高空。
在一些实施例中,室外环境100包括一个或多个障碍物108a至108d。障碍物可以包括会妨碍UAV 102移动的任何对象或实体。一些障碍物可以位于地面104上(例如,障碍物108a、108d),例如建筑物、地面车辆(例如,汽车、摩托车、卡车、自行车)、人、动物、植物(例如,树木、灌木丛)、和其它人造的或自然的结构。一些障碍物可以与地面104、水、人造结构或天然结构接触和/或由它们支撑。备选地,一些障碍物可以全部位于空气106中(比如,障碍物108b、108c),包括飞行器(例如,飞机、直升机、热气球、其它UAV)或鸟。空中障碍物可以不由地面104、或水、或任何自然的或人造的结构支撑。位于地面104上的障碍物可以包括实质上延伸到空气106内的部分(例如高耸结构,比如塔楼、摩天大楼、灯柱、无线电塔、电力线、树木等)。
图2示出了根据实施例的在室内环境250中操作的UAV 252。室内环境250位于具有地板256、一个或多个墙壁258、和/或天花板或屋顶260的建筑物254的内部。示例性建筑物包括住宅、商业或工业建筑物,例如房屋、公寓、办公室、制造场所、储存场所等。建筑物254的内部可以完全被地板256、墙壁258和天花板260封闭,使得UAV 252被限制在内部空间中。相反地,地板256、墙壁258或天花板260中的至少一个可以不存在,从而使得UAV 252能够从内部飞到外部,或者反之亦然。备选地或组合地,可以在地板256、墙壁258或天花板260中形成一个或多个孔口264(例如,门、窗户或天窗)。
类似于室外环境200,室内环境250可以包括一个或多个障碍物262a至262d。一些障碍物可以位于地板256(例如,障碍物262a)上,例如家具、家电、人、动物、植物以及其它人造的或自然的物体。相反,一些障碍物可以位于空中(例如,障碍物262b),例如鸟或其它UAV。室内环境250中的一些障碍物可以由其它结构或物体支撑。障碍物也可以附接到天花板260(例如,障碍物262c)上,例如灯具、吊扇、横梁或其它安装在天花板上的家电或结构。在一些实施例中,障碍物可以附接到墙壁258(例如,障碍物262d),例如灯具、架子、橱柜和其它壁挂式家电或结构。值得注意的是,建筑物254的结构部件也可以被认为是障碍物,包括地板256、墙壁258和天花板260。
本文描述的障碍物可以是实质上静止的(例如,建筑物、植物、结构)或实质上移动的(例如,人、动物、车辆或能够移动的其它物体)。一些障碍物可以包括静止部件和移动部件的组合(例如,风车)。移动障碍物或障碍物部件可以根据预定的或可预测的路径或模式而移动。例如,汽车的移动可以是(例如,根据道路的形状)相对可预测的。备选地,一些移动障碍物或障碍物部件可以沿着随机的轨迹或其它方式不可预测的轨迹移动。例如,诸如动物之类的生物可以以相对不可预测的方式移动。
为了确保安全和高效的运行,为UAV提供用于检测和识别环境对象(比如,障碍物)的机制会是有益的。此外,识别环境对象(比如,地标和特征)可以促进导航,特别是在UAV以半自主或完全自主的方式操作的情况下。此外,了解UAV在环境中的精确位置以及UAV与周围环境对象的空间关系对于各种UAV功能来说会是有价值的。UAV可以利用一个或多个环境地图来确定其在环境内的位置,并且访问与对象相关的信息,比如地形特征、障碍物、地标等。UAV可以借助UAV上机载的一个或多个传感器来创建地图或地图的一部分。备选地或附加地,地图可以包括由一个或多个其它UAV机载的传感器收集的数据。因此,本文描述的UAV可以包括被配置为收集相关数据(比如,与UAV状态、周围环境或环境内的对象相关的信息)的一个或多个传感器。适用于本文所公开的实施例的示例性传感器可以包括:位置传感器(例如,全球定位系统(GPS)传感器、实现位置三角测量的移动装置发射机)、视觉传感器(例如,能够检测可见光、红外光或紫外光的成像装置,例如相机)、近距离传感器或距离传感器(例如,超声传感器、激光雷达、飞行时间相机或深度相机)、惯性传感器(例如,加速度计、陀螺仪、惯性测量单元(IMU))、高度传感器、姿态传感器(例如,罗盘)、压力传感器(例如,气压计)、音频传感器(例如,麦克风)、或场传感器(例如,磁力计、电磁传感器)。可以使用任何合适数量的传感器和任何合适的传感器的组合,例如一个、两个、三个、四个、五个或更多个传感器。可选地,可以从不同类型的传感器(例如,2种、3种、4种、5种或更多种类型)接收数据。不同类型的传感器可以测量不同类型的信号或信息(例如,位置、取向、速度、加速度、接近度、压力等)和/或利用不同类型的测量技术来获得数据。例如,传感器可以包括有源传感器(例如,从其自己的能源产生能量和测量能量的传感器)和无源传感器(例如,检测可用能量的传感器)的任意合适的组合。作为另一示例,一些传感器可以产生相对于全局坐标系提供的绝对测量数据(例如,由GPS传感器提供的位置数据、由罗盘或磁力计提供的姿态数据),而其它传感器可以产生相对与局部坐标系提供的相对测量数据(例如,由陀螺仪提供的相对角速度;由加速度计提供的相对平移加速度;由视觉传感器提供的相对姿态信息;由超声传感器、激光雷达或飞行时间相机提供的相对距离信息)。在一些情况下,局部坐标系可以是相对于UAV定义的机体坐标系。
本文描述的传感器可以由UAV承载。传感器可以位于UAV的任何合适的部分上,比如在UAV的机体的上方、下方、侧面或内部。一些传感器可以与UAV机械地连接,使得UAV的空间布局和/或运动与传感器的空间布局和/或运动相对应。传感器可以经由刚性连接件与UAV连接,使得传感器不会相对于其所附接的UAV的一部分移动。备选地,传感器和UAV之间的连接件可以允许传感器相对于UAV移动。连接件可以是永久性连接件或非永久性(例如可拆卸的)连接件。合适的连接方法可以包括胶粘剂、粘合、焊接和/或紧固件(例如螺钉、钉子、销钉等)。可选地,传感器可以与UAV的一部分一体地形成。此外,传感器可以与UAV的一部分(例如,处理单元、控制系统、数据储存设备)进行电耦合,以使得由传感器收集的数据能够用于UAV的各种功能(例如,导航、控制、动力、与用户或其它装置的通信等),如本文讨论的实施例。
传感器可以被配置为收集各种类型的数据,例如与UAV、周围环境或环境中的对象相关的数据。例如,至少一些传感器可以被配置为提供与UAV的状态相关的数据。由传感器提供的状态信息可以包括与UAV的空间布局相关的信息(例如,诸如经度、纬度和/或高度之类的定位或位置信息;诸如横滚、俯仰和/或偏航之类的取向信息)。状态信息还可以包括与UAV的运动相关的信息(例如,平移速度、平移加速度、角速度、角加速度等)。例如,传感器可以被配置为关于多达六个自由度(例如,位置和/或平移方面的三个自由度、取向和/或旋转方面的三个自由度)确定UAV的空间布局和/或运动。可以相对于全局坐标系或相对于局部坐标系(例如,相对于UAV或另一实体)提供状态信息。例如,传感器可以被配置为确定UAV与控制UAV的用户之间的距离、或者UAV与UAV的飞行起始点之间的距离。
由传感器获得的数据可以提供各种类型的环境信息。由传感器收集的环境信息可以包括与环境中的对象(例如,本文中所述的障碍物)相关的信息。障碍物信息可以包括与环境中的障碍物的数量、密度、形状、几何形状和/或空间布局相关的信息。此外,传感器数据可以指示环境类型,例如室内环境、室外环境、低空环境、或高空环境。传感器数据还可以提供与当前环境状况相关的信息,包括天气(例如,晴朗、下雨、下雪)、可见度状况、风速、一天中的时间等。
在一些实施例中,通过组合由多个传感器获得的传感器数据(也称为“传感器融合”)来产生感测结果。例如,传感器融合可以用于组合由不同类型的传感器(包括GPS传感器、惯性传感器、视觉传感器、激光雷达、超声传感器等)获得的感测数据。作为另一示例,传感器融合可以用于组合不同类型的感测数据,例如绝对测量数据(例如,相对于全局坐标系提供的数据,比如GPS数据)和相对测量数据(例如,相对于局部坐标系提供的数据,比如视觉感测数据、激光雷达数据或超声感测数据)。传感器融合可以用于补偿与各个传感器类型相关联的限制或不精确,从而提高最终感测结果的精度和可靠性。
提供了用于为一组UAV构建和维持高程地图的系统和相关方法。在一些实施例中,UAV在其飞行期间收集数据,并且基于所收集的数据构建二维(2D)或三维(3D)地图。作为一个示例,UAV可以明了空域内是否存在任何对象。作为另一示例,UAV可以跟踪针对传入的GPS信号、传入的控制信号、传出的数据信号等的各种类型的无线发送。所得到的信号图可以为UAV提供特定空域内的参考信号强度。例如,UAV能够检测与附近空域中的对象相关的高程数据。高程数据可以是基础地形(underlying terrain)的高程、和/或基础地形上呈现的任何建筑物或结构的高程。高程数据可以指示UAV可能希望避开的对象。
除了由UAV的传感器收集的数据外,UAV还可以并入由其它UAV收集的数据、或者在飞行前或飞行期间或在任何时间时记录在其它数据源中的数据。例如,各种地形地图和天气地图可以供公众消费。UAV还可以基于由UAV的传感器产生的新数据或者在任何时间从其它来源获得的新数据针对特定坐标来更新UAV的地图。
图3示出了本申请中公开的系统可以操作的环境。在一些实施例中,对于成组以利用由组中的其它UAV形成的地图的每个UAV 310a、310b或310c,组中的UAV需要共享它们的相应的地图。优选的是具有中央服务器330或能够调和由多个UAV形成的地图的分布式协调的中央服务器集合,使得组中的每个UAV可以访问一致的、高质量的地图数据。中央服务器330可以是云计算平台、服务器群、并行计算装置等,其具有足够的计算源和数据储存设备以高效地处理大量数据。中央服务器330还可以依靠由个人计算装置(比如,蜂窝电话、膝上型计算机、台式计算机、平板电脑等)提供的计算机功率。例如,UAV 310a和310c可以向中央处理器330发送UAV 310a和310c的局部地图320a和320c,然后中央服务器330可以将不同局部地图调和成全局地图340或者以其它方式将不同局部地图组合成全局地图340。每个UAV310还可以使其局部地图与全局地图同步。在一些实施例中,与UAV分离的服务器可以处理UAV上存储的局部地图,并且管理UAV的局部地图。因此,这样的服务器可以充当UAV和中央服务器330之间的中间人。如上所述,这些局部服务器也可以并入个人计算装置。中央服务器330和/或这种局部服务器可以由第三方服务、UAV的操控者、政府机构等提供。UAV 310a至310c可以通过一个或多个有线或无线网络(例如,直接短距离通信通道(例如,红外的)或间接通信通道(例如,蜂窝)与中央服务器和/或局部服务器通信。
在一些实施例中,每个UAV 310向中央服务器330发送传感器数据,并且依靠中央服务器330来构建对应的地图。中央服务器330可以向UAV 310回发所得到的地图的副本,解析该副本与全局地图中的内容之间的任何差异或冲突。在一些情况下,当差异等于或大于预定阈值时,服务器可以解析该副本与全局地图中的内容之间的差异。全局地图可以根据需要基于该副本进行扩展。如下所述,每个UAV 310还可以预处理传感器数据以执行构建地图的一些步骤,并且依靠中央服务器330执行其它步骤,包括坐标系变换。
在备选实施例中,UAV彼此直接通信而无需中央服务器的协调。例如,当这些UAV位于彼此的无线发送范围内时,这些UAV可以经由直接的短距离通信信道交换局部地图。那些倾向于在一小群区域内飞行的UAV可以决定在它们之间共享局部地图,而不是从中央服务器接收任何高程数据和向中央服务器发送任何高程数据。
提供了用于通过UAV和中央服务器来构建和维持高程地图的系统和相关方法。图4示出了UAV机载的系统的示例部件。在一些实施例中,该系统包括传感器模块402、网络模块404、处理模块406和/或电机模块408。传感器模块402被配置为与UAV机载的一个或多个传感器通信。传感器模块402可以从传感器接收数据或向传感器发送控制信号。网络模块404被配置为通过通信网络(比如,蜂窝网络或卫星网络)与远程装置(比如,中央服务器或UAV外部的另一处理器)通信。网络模块404可以从中央服务器接收全局地图或者向中央服务器发送局部地图中的数据。处理模块406被配置为分析数据并产生控制信号。处理模块406可以分析从其它模块接收到的数据(包括来自传感器模块402的传感器数据和来自网络模块404的全局地图),并且构建或更新局部地图。处理模块406还可以向其它模块发送数据,包括到电机模块408的、用以引导电机基于局部地图来遵循特定飞行路径的命令。电机模块408被配置为与UAV机载的一个或多个电机通信。电机模块408可以从电机接收可以指示故障或其它异常状况的数据,或者向电机发送主要用于引导UAV移动以例如遵循特定飞行路径的控制信号。
图5示出了中央服务器的示例部件。在一些实施例中,该系统包括可选的用户模块512、网络模块514和/或控制模块516。用户模块512被配置为与用户通信。用户模块可以是可以接收用户输入和/或向用户提供输出的输入/输出(I/O)模块。用户模块可以可选地提供图形用户接口(GUI)或以其它方式允许用户访问由中央服务器管理的全局地图。网络模块514被配置为通过通信网络与外部装置(比如,UAV、另一服务器)或用户装置(比如,台式计算机、膝上型计算机、蜂窝电话、平板电脑、可穿戴装置等)通信。网络模块514可以从UAV接收局部地图中的数据,或者向UAV发送全局地图的一部分或全部中的数据。网络模块514还可以提供应用编程接口(API)以允许另一装置分析或以其它方式访问全局地图中的数据。控制模块516被配置为处理数据。控制模块516可以解析从UAV接收的局部地图之间的差异或不一致。在一些情况下,当差异等于或大于预定阈值时,控制模块可以解析该副本与全局地图中的内容之间的差异。控制模块也可以产生与全局地图中的数据有关的报告等。
这些模块可以被实现为通用或专用硬件、软件或固件(或其任何组合)部件。这些模块通常是可以使用指定输入来产生有用数据或其它输出的功能部件。模块可以是或可以不是自包含的。根据特定实现或其它考虑,模块可以是功能上或物理上集中式的或分布式的。以下详细描述这些模块之间的交互。
在一些实施例中,为了使UAV具有更高的飞行效率,UAV仅包括一个传感器或少量的传感器,以减轻重量或设计复杂度。传感器可以位于UAV的前方,具有延伸远离UAV的前方的检测范围。此外,UAV可以包括位于UAV的背面或侧面的传感器,其中该传感器可以有适当的检测范围。传感器也可以位于UAV的底部,具有从UAV的底部延伸的检测范围。当UAV旋转使得传感器直接面向参考平面时,这样的传感器会是有用的。此外,可以以任何方式使得传感器是有角度的。例如,位于UAV前方的传感器可以旋转90度,以便检测范围不限于UAV前方的检测范围,而是可以覆盖UAV的侧面的检测范围。此外,传感器可以在UAV内移动,并且可以跟踪改变位置以明了检测范围的已知空间布局。
在一些实施例中,传感器能够检测相对于UAV的对象的存在。传感器可以使用视觉、热量、声音、振动和/或任何其它技术来检测对象。传感器可以或可以不利用反射信号,并且传感器能够检测对象距UAV的距离。例如,相机可以以某一分辨率捕获视图,或者激光器可以以某一精度检测到可以通过相对于传感器的位置的某一高度、宽度和深度表征的检测范围内的对象的距离。可以处理传感器数据以构建高程地图,高程地图指示2D坐标系中的每个点相对于参考平面(比如,地平面或海平面)的表面高度信息。表面高度也可以使用一个或多个传感器(例如,产生将被投射到参考平面上的3D坐标的GPS接收机、或产生将被转换成距海平面的距离的值的气压计)来确定。2D坐标系的比例可以变化。例如,2D坐标系中的每个单元可以与一平方米相对应,并且被投射到同一单元上的全部3D坐标具有相同的2D坐标。在另一示例中,2D坐标系和3D坐标系可以具有不同的比例。当传感器检测到具有相同2D坐标的不同点(例如,检测范围内的建筑物的不平坦顶部上的点)的不同高度时,传感器可以选择最大检测高度来作为该2D坐标的表面高度。
在一些实施例中,UAV通过分析传感器数据来构建高程地图。图6至图9示出了UAV可以如何获得用于高程地图的信息。UAV 610可以具有传感器615,传感器615具有检测范围640。UAV的位置可以被映射到参考平面630上的点618,并且特别地传感器的位置可以被映射到参考平面630上的点616。
在图6中,在点650处从参考平面630延伸的对象620与检测范围640相交。然而,仅对象620的中间部分在检测范围内,而对象620的顶部不在检测范围内。通过分析由与检测范围640相对应的传感器615产生的数据,UAV可以得出结论:对象620的顶部高于检测范围的顶部660,或者换句话说,从检测范围的顶部660到参考平面的距离是点650处的表面高度的最小值。因此,UAV可以在高程地图中存储该距离或其误差幅度来作为具有2D坐标的点650相对于参考平面的表面高度的估计、以及指示估计值是表面高度的下限阈值或最小值的类别(以下称“红色类别”)。该类别通常表示在估计地面高度处存在障碍物、并且在更高的高度处可能也存在障碍物,并且因此撞上在估计表面高度附近处的障碍物的风险为高风险。UAV在避开障碍物方面的选择较少,因此可能希望避开具有与红色类别相关联的二维坐标的点。
在图7中,在点750处从参考平面730延伸的对象780(比如,一段陆地)也与检测范围740相交。具体地,对象780的顶部770处于检测范围内。通过分析由与检测范围740相对应的传感器715产生的数据,UAV可以确定从顶部770到参考平面的距离,该距离将是点750处的表面高度的实际值。因此,UAV可以在高程地图中存储该距离来作为点750处的表面高度的估计、以及指示估计值是表面高度的实际值的类别(以下称为“绿色类别”)。该类别通常表示估计表面高度处存在对象、但在(在对应的检测范围内的)更高的高度处不存在对象,并且因此撞上在估计表面高度附近处的障碍物的风险为中等风险。
在图8中,在点850处从参考平面830延伸的对象890不与检测范围840相交。通过分析由与检测范围840相对应的传感器815产生的数据,UAV可以得出结论:如果在点850处存在从参考平面830延伸的任何对象(例如,对象890),则对象的顶部不高于检测范围895的底部,或者换句话说,距离检测范围895的底部的距离是点850处的表面高度的最大值。因此,UAV可以在高程地图中存储该距离来作为点850处的表面高度的估计、以及指示估计值是表面高度的上限阈值或最大值的类别(以下称为“蓝色类别”)。该类别通常表示在估计表面高度处没有对象(尽管对象可能出现在超出对应检测范围的较低高度或较高高度处),并且因此撞上估计表面高度附近的障碍物的风险为小风险。
在一些实施例中,UAV可以不具有某些2D坐标相对于参考平面的表面高度信息,因为这些2D坐标上方的点在该UAV的检测范围之外,对于与中央服务器通信的其它UAV或者将相关数据存放在对于与中央服务器通信的UAV来说可访问的数据库中的任何其它UAV亦是如此。然而,缺乏信息并不一定意味着没有障碍物。为了完整性,对于UAV没有其表面高度信息的点来说,UAV可以在高程地图中存储默认值、最大值或某一其它值来作为表面高度的估计、以及指示估计是无用的类别(以下称为“空白类别”)。以这种方式,高程地图在构建和维持方面相对容易,并且可以用于在确定飞行路径时避开障碍物或其它不期望位置。
在一些实施例中,当传感器815是针对检测范围产生2D图像的相机时,可以使用现有的图像分析技术来识别对象的边界,并且因此确定对象的顶部是否处于检测范围内以及对象的顶部位于相对于检测范围的何处。当传感器815是激光装置、超声装置或针对检测范围来确定距离或深度分布(profile)的其它装置时,该分布可以用于容易地确定对象的顶部是否处于检测范围内以及对象的顶部处于相对于检测范围的何处。传感器数据的分析还可以基于传感器的属性和位置来确定检测到的对象距离传感器的距离,从而确定点850的精确坐标。对于小型UAV或有限检测范围,可以认为点850与点818或点816重合。
在图9中,在点950处从参考平面930延伸的对象920与检测范围940相交。然而,仅对象920的中间部分在检测范围内,而对象920的顶部不在检测范围内。通过分析由与检测范围940相对应的传感器915产生的数据,UAV可以得出结论:对象920的顶部高于检测范围的顶部960,或者换句话说,从检测范围的顶部960到参考平面的距离是点950处的表面高度的最小值。在一些实施例中,传感器915由安装在UAV上的载体(例如,图9中未示出的1轴的、2轴的或3轴的云台)承载。载体可以被配置为通过调整传感器915的空间布局(例如,取向、位置)来控制检测范围940。例如,载体可以控制传感器915相对于UAV 910的俯仰角955。在一些实施例中,由传感器915获取的传感器数据可以相对于相应的坐标系(例如,基于传感器915相对于UAV 910的机体的位置和取向)来表示。因此,为了有助于确定表面高度,可以使用传感器融合将传感器数据转换到单个坐标系中。例如,相对于局部坐标系的传感器数据表示可以被转换到全局坐标系中,反之亦然。坐标系转换可以基于在获取传感器数据时获取的与传感器915和/或UAV 910相关联的一个或多个参数来完成。在一些实施例中,一个或多个参数可以包括与传感器915和UAV 910之间的空间关系(例如,相对位置、取向或姿态)相关联的第一参数集。例如,当传感器915经由云台安装在UAV 910上时,空间关系可以包括传感器915与UAV 910的机体之间的相对俯仰、偏航和横滚角。在一些实施例中,一个或多个参数还可以包括与UAV 910相关联的第二参数集,比如UAV 910相对于全局坐标系的位置、飞行高度、取向或姿态。然后,可以基于确定的一个或多个参数来确定用于将传感器数据转换到单个坐标系中的转换计算。基于转换后的传感器数据,可以确定全局坐标系中2D坐标的表面高度。在一些情况下,对于全局坐标系中的单个2D坐标,可以存在多于一个的对应的传感器数据(像素)(例如,建筑物的竖直边缘)。2D坐标的表面高度可以通过以下操作来计算:(1)选择2D坐标或包括2D坐标在内的单位区域(例如,1m×1m的正方形)内的多个2D坐标的最大表面高度值,(2)例如平均2D坐标或者包括2D坐标的单位区域(例如,1m×1m的正方形)内的多个2D坐标的表面高度。
在一些实施例中,UAV为传感器设置数据产生的频率,这可以确定数据分析的频率。数据产生的频率可以取决于UAV的飞行速度或飞行高度、飞行区域的特性或其它因素。例如,较大的飞行速度会需要较大的数据产生频率,并且不太可能存在障碍物的较大的飞行高度会需要较小的数据产生频率。类似地,已知包含许多障碍物在内的区域会需要较小的数据产生频率。另一方面,当传感器数据变得可用、当传感器数据达到预定大小时,就可以分析传感器数据,或者可以根据预定时间表来分析传感器数据。例如,在储存能力有限的情况下,UAV会需要频繁分析传感器数据,向中央服务器发送所得到的高程数据,并且删除分析后的传感器数据。作为另一示例,响应于在某一截止期限之前向中央服务器作出的对高程数据的请求,UAV希望尽快完成分析可用传感器数据。
图10示出了UAV如何根据传感器数据来构建高程地图。UAV1010机载的传感器1015的检测范围可以具有圆锥形状或其它形状,UAV可以将检测范围划分成多个单位区域,包括单位区域1012。通过分析传感器数据,UAV可以计算于每个单位区域相对应的2D坐标的表面高度的估计(例如,针对单位区域1012的10.0)、以及与表面高度的估计(例如,表面高度的最大值)相关联的类别。在该示例中,传感器1015的检测范围可以允许仅确定在5.0和10.0之间的估计表面高度,估计表面高度不一定是实际表面高度,并且不排除在低于5.0的地方处存在障碍物的可能性。最初,与检测范围之外的点相对应的局部地图中可以没有高程数据或者与空白类别相关联的高程数据。此外,可以通过合并若干个2D点的数据来整合高程地图中的数据。例如,一个2D坐标的表面高度可以等于与到该2D坐标的预定距离相对应的多个相邻坐标的最大表面高度。
图11示出了高程地图的示例3D表示。该地形示出了地面上2D坐标的估计高度,而地形的着色示出了2D坐标的类别。点1102的2D坐标具有红色类别,这意味着在点1102处示出的高度是在该2D坐标处的实际表面高度的最小值。类似地,深灰色点1104的2D坐标具有绿色类别,浅灰色点1106的2D坐标具有蓝色类别,并且白色点608的2D坐标具有空白类别。这样的视觉表示对于控制UAV的用户来说会是有用的。
在一些实施例中,高程地图还包括一个或多个置信指标或估计质量的其它指标。这些置信指标可以基于定性的、但在本质上将是定量的测量,并且在确定飞行路径时很容易并入成本函数。这些置信指标可以补充、并入或替代类别信息,使得与相同类别相关联的2D坐标可以与不同的置信指标相关联。具体地,空白、红色、蓝色和绿色类别通常表征表面高度的不确定性的性质,其中绿色类别与关于障碍物高度的最小不确定性相关联。然而,如上所述,绿色、蓝色和红色类别与撞上在估计高度处的对象的增加的风险相关联,并且可以按照该顺序进一步转换为越来越小的置信指标,指示在估计高度处飞行的障碍、危险或所需的谨慎程度越来越高。置信指标还可以与传感器的状况(例如能力、质量)、传感器数据产生时的环境状况、与UAV相关的特征等相关。作为一个示例,具有较高分辨率的相机可以产生具有更多细节的图像,因此可以更精确地捕获视图,这可以导致对表面高度的估计更精确。作为另一示例,暴风雨可以意味着传感器的可见度较低,从而导致图像较暗或模糊,进而导致对表面高度的估计不精确。作为又一示例,较弱的GPS信号强度可以意味着对于UAV的位置和对应的2D坐标的确定较弱。作为又一示例,具有更强引擎或更好操控者的UAV可以意味着传感器的稳定性更高,从而实现更清晰的图像,从而可以使得表面高度的估计更精确。更一般地,可以基于可以影响传感器数据的质量的不同特征(例如,引擎或处理器特性、操控者、飞行任务、飞行区域、飞行高度、飞行时间等)对UAV进行排序。然后,置信指标可以基于这样的排序。
在一些实施例中,除了每个2D坐标的估计表面高度以及指示不确定性的性质的类别或与估计高度相关联的置信指标之外,高程地图还包括当UAV机载的传感器产生用于形成估计表面高度的数据时的UAV的飞行高度。这些信息对于具有多个表面高度的2D坐标来说尤其有用,因为存在没有从地面开始一直延伸的对象。图12示出了针对2D坐标存在多个表面高度的情况。针对桥1204下方的点1202确定的估计表面高度和不确定性的性质可以根据如下高度范围而不同,所述高度范围为在数据获取时获取用于形成估计表面高度的数据的传感器可以所处的、或者在数据获取时安装有传感器的正在飞行的UAV所处的高度范围。例如,UAV可以确定针对点1202的在0m和10m之间的高度范围内的表面高度等于地平面或海平面,因此向该估计高度指派绿色类别,而UAV可以确定针对点1202的在10m和20m之间的高度范围内的表面高度至少为20m,因此向该估计高度指派红色类别。因此,给定包括与2D坐标的估计高度相关联的高度范围在内的高程地图,UAV可以将高度范围与其当前飞行高度进行比较以更好地确定其飞行路径,可以利用额外的飞行空间(例如,桥下的区域)。在一些实施例中,UAV在高程地图中存储2D坐标的附加信息以用于记录保存或冲突解析的目的,如下所述。附加信息可以包括用于UAV的传感器何时产生用于形成2D坐标处的表面高度的估计的数据的时间戳,因为数据新鲜度可以在把针对相同2D坐标的不同数据区分优先级方面起作用。特别地,可以包括在传感器产生数据时的传感器的方向,以用于操纵目的。此外,传感器数据可以揭示障碍物的类型,这样的信息也可以并入高程地图中。例如,相机可以显示障碍物的图形表示,而超声传感器可以显示障碍物的表面材料所指示的光反射/折射分布。如上所述,UAV还可以将UAV的标识符附加到高程地图中的全部2D坐标,因为UAV的标识符也可以在把针对相同2D坐标的不同数据区分优先级方面起作用。
图13示出了由UAV执行的构建高程地图的示例处理。在步骤1310中,UAV从传感器接收数据。UAV识别相对于参考平面的与传感器的检测范围相对应的2D坐标集合。例如,UAV可以确定UAV的当前GPS坐标,从而确定在检测范围内的点,并且将这些点的GPS坐标投射到地平面。对于所识别的2D坐标中的每一个,在步骤1320和1330中,UAV计算表面高度并且基于接收到的传感器数据向2D坐标指派与2D坐标的表面高度相对应的一个或多个置信指标。置信指标指示针对2D坐标计算出的表面高度与2D坐标的实际表面高度之间的关系。在一些实施例中,置信指标可以被表示为与表面高度相关联的类别(例如,红色、绿色、蓝色或空白)。在步骤1340中,UAV将估计表面高度连同一个或多个置信指标、何时产生传感器数据的时间戳、或者针对2D坐标的其它相关信息一起存储在高程地图中。在步骤1350和1360中,UAV返回到为所标识的2D坐标中的每一个2D坐标产生高程数据的处理,直到在步骤1370结束,其中结束可以是飞行结束、当映射函数关闭时等。UAV可以基于所需的数据分析频率重复此处理。
在一些实施例中,全局高程地图随时间扩展,覆盖给定空域内的越来越多的区域。根据高程地图所覆盖的总区域和每个单位区域的大小(例如,一立方米),在高程地图中,即使针对2D坐标的高程地图通常会比针对3D坐标的地图更简单,但是这些高程地图的大小可以非常快速地增长。因此,对于存储这些高程地图来说,通常优选动态分配储存空间。例如,单位区域可以成组为块。当高程地图中的数据可用于特定块时,可以将连续储存区域分配给每个块,每个块中的各个单元区域的数据将被连续存储。然后,可以以链接列表、树或其它数据结构形式维持储存区域,以便高效访问。此外,适当选择块的大小或块中的单元区域的数量可以实现对数据结构形式的与块相对应的储存区域的高效索引和搜索。例如,当块大小为512或2的某次幂时,可以经由按位操作直接由硬件执行索引。这些方法减少了存储要求并提高了处理速度。
图14示出了UAV可以如何共享数据以创建全局地图。一个或多个UAV 1410a、1410b、1410c可以收集对于形成各个UAV周围的环境的局部地图有用的数据。如本文别处更详细描述的,每个UAV可以承载可以用于收集环境数据的一个或多个传感器。如本文其它地方所述,环境数据可以包括高度数据。UAV可以产生针对其各自的区域的局部高程地图1420a、1420b和1420c。UAV能够以自主或半自主的方式创建和访问高程数据,以避免与对象发生碰撞。
例如,第一UAV可以在第一区域A处并且创建针对区域A的地图,而第二UAV可以在第二区域B处并且创建针对区域B的地图。每个UAV可以在飞行时创建自己的局部地图,或者可以定期地或者响应某些事件,向中央服务器连续发送自己的局部地图中的数据。UAV也可以仅向中央服务器或局部处理器发送原始传感器数据,然后中央服务器或局部处理器起到将传感器数据转换为高程数据的作用。不同的区域大小和/或形状可以取决于UAV的飞行路径。UAV可以具有不同的传感器,这些传感器具有不同的范围和/或可以影响收集到的数据的范围和性质的灵敏度。当接收到局部高程地图1420a、1420b、1420c中的数据时,中央服务器1430就可以整合和调和所接收到的数据,并且将可以包括所接收到的数据的变体在内的结果存储在全局地图1440中。
在一些实施例中,用于局部高程地图的2D坐标系彼此不同或与用于全局高程地图的2D坐标系不同。例如,由UAV选择的2D坐标系可以相对于UAV的起飞点。通常,局部高程地图包括由单个UAV创建并存储该单个UAV上的高程数据,所述单个UAV会由于飞行的不同或随着时间段的不同而不同,而全局地图包括由多个UAV创建的高程地图。
在一些实施例中,当UAV构建局部高程地图时,局部高程地图可以被发送到中央服务器,使得其它UAV可以利用局部高程地图中的数据。中央服务器也可以基于预定的时间表或响应于某些事件向一个或多个UAV发送对于UAV的局部地图中的数据的请求。例如,当从UAV接收到的数据指示特定位置中突然出现障碍物时,中央服务器可以向当前正在该特定位置周围的区域中飞行的其它UAV发送请求,以获得关于障碍物或特定位置的更大图像。当不同的局部高程地图与不同的2D区域或不同的飞行高度相关联时,中央服务器可以将这些局部高程地图中的全部数据存储到一个或多个全局高程地图中。例如,UAV可以针对不同的2D地区、不同的飞行高度等存储单独的全局高程地图。否则,中央服务器可以以各种方式来解析不同局部地图之间的冲突或不一致。
在一些实施例中,对于与相同飞行高度相关联的数据,中央服务器通过考虑一个或多个不同因素来解析不同局部地图之间的冲突或不一致。对于给定的2D坐标,冲突可以仅在不同的估计高度之间。中央服务器可以选择不同估计高度中的最大估计高度或者这些不同估计高度的总和。具体地,对于单个2D坐标,可以存在多于一个的对应的传感器数据(像素)(例如,建筑物的竖直边缘)。因此,计算表面高度有两种方法:(1)选择2D坐标或包括2D坐标在内的单位区域(例如,1m×1m的正方形)内的多个2D坐标的最大表面高度值,或者(2)平均2D坐标或者包括2D坐标的单位区域(例如,1m×1m的正方形)内的多个2D坐标的表面高度。当不同的估计高度与红色或绿色类别相关联时,较小的估计表面高度会是优选的,并且当不同的估计高度与绿色或蓝色类别相关联时,为了安全起见,较大的估计表面会是优选的。对于更复杂的冲突,中央服务器可以以不同的方式把不同的高程数据区分优先级。冲突也可以仅在不同的类别或置信指标之间。为了安全起见,中央服务器可以选择保留与撞上局部地图中的障碍物的更大的风险相关联的类别。然而,中央服务器也可以选择保留较大的置信指标,以作为普通估计高度的更好质量指标。中央服务器还可以存储大于两个可比较的置信指标的值,所述两个可比较指标可以被认为是相互确认的。
在一些实施例中,中央服务器可以使用更高级的方法来解析更复杂的冲突。建筑施工或破坏工程或气候变化可以随时间改变地形。因此,中央服务器会优选与更近时间相对应的估计表面高度。由于置信指标通常指示估计的质量,因此中央服务器会优选与较高置信指标相关联的估计表面高度。中央服务器还可以将估计表面高度与指定类型的障碍物相关联。例如,当表面高度的估计与具有1,000楼层的建筑物相对应时,障碍物是建筑物的一部分的指示可能不太可靠。此外,中央服务器可以选择将与绿色类别相关联的估计表面高度存储到全局高程地图中以消除不必要的不确定性,或者为了安全起见存储更大的估计表面高度,特别是当这些估计高度与绿色或红色类别相关联时。
在一些实施例中,中央服务器以不同方式处理与不同飞行高度相关联的数据。如前所述,全部这些数据都可以保留并存储到与不同飞行高度相对应的不同全局高程地图中。这种方法消除了调和不一致的需要,并入了更多信息,并且为UAV确定飞行路径提供了更多的选择。另一方面,中央服务器可以维持具有针对每个2D坐标的一个估计高度的单个全局地图,以更高效地利用计算资源。为了安全起见,中央服务器可以选择将与更大的飞行高度相关联的数据存储在全局地图中,特别是当估计高度与绿色或红色类别相关联时。中央服务器也可以替代地选择与更小的飞行高度相关联的数据,以允许UAV以更低、更容易的高度飞行,特别是当估计高度与蓝色类别相关联时。
在一些实施例中,中央服务器向特定UAV或UAV组发送全局地图中的数据。中央服务器可以根据预定时间表(比如,定期地、当一段时间内对全局高程地图的更新量超过阈值时、当一段时间内从其接收到数据的UAV的数量超过阈值时等)发送数据。中央服务器也可以根据需要发送数据。例如,当全局高程地图的最近更新指示紧急情况(例如,突然出现障碍物的紧急情况)时,中央服务器可以向在该障碍物附近飞行的UAV发送这样的更新。中央服务器也可以响应来自UAV的请求向UAV发送数据。
在一些实施例中,中央服务器随时间来清理全局高程地图。例如,中央服务器可以删除与非常旧的时间戳相关联的条目,或者当检测到UAV机载的传感器发生故障时移动由UAV产生的全部数据。UAV可以将全部更新记录到全局高程地图,或者递增地存储由UAV提交的或以UAV的名义提交的全局高程地图中的全部改变。此外,中央服务器可以对全局高程地图中的数据进行各种分析。例如,中央服务器可以识别表面高度频繁改变的2D区域、具有越来越高的表面高度的2D区域、留有相对未探索的2D区域等。中央服务器还可以提供允许其它系统分析全局高程地图中的数据的API。此外,中央服务器可以提供用户接口,比如允许用户检查和可视化全局高程地图中的数据以及从全局高程地图导出的相关分析结果的GUI。
图15示出了由中央服务器执行的管理全局高程地图的示例处理。在步骤1510和1520中,中央服务器同时或不同时接收两个UAV上存储的局部高程地图。例如,中央服务器可以在第一时间T1时从第一UAV接收第一局部高程地图,并且将第一局部高程地图存储为全局高程地图的一部分。在一段时间之后,中央服务器可以在第二时间T2时从第二UAV接收第二局部高程地图。中央服务器可以被配置为处理两个局部高程地图的数据(例如,估计表面高度、置信指标或与估计表面高度相关联的类别)以解析任何冲突或不一致,以更新全局高程地图。局部高程地图可以与不同或重叠的区域相对应。在步骤1530中,中央服务器检查局部高程地图,并且解析局部高程地图之间的任何不一致或冲突。例如,对于重叠区域的每个2D坐标,中央服务器可以识别局部高程地图之间的与2D坐标相关联的数据(例如,估计表面高度、置信指标或与估计表面高度相关联的类别)有关的差异。当存在差异时,中央服务器可以基于置信指标和与估计表面高度相关联的类别来确定解析数据。通常,选择具有较高置信指标的估计表面高度来作为解析数据。在步骤1540中,中央服务器基于冲突解析将解析数据存储到全局高程地图中,从而更新全局高程地图。这个处理可以扩展以涵盖仅来自一个UAV的局部高程地图需要被并入到全局高程地图中的情况和来自多于两个UAV的局部高程地图需要被并入到全局高程地图中的情况。一般来说,不与某一UAV上存储的任何局部高程地图和任何高程地图冲突的、来自另一UAV的局部高程地图的任何部分可以直接存储在全局高程地图中。当两个或更多UAV上存储的局部高程地图某些部分彼此冲突但与全局高程地图不冲突时,冲突解析的结果可以存储到全局高程地图中。局部地图与任何全局高程地图的任何冲突都需要被解析,并且冲突解析的结果都可以被存储在全局高程地图中。可以在解析局部高程地图与全局高程地图的冲突之前解析局部高程地图之间的冲突,也可以同时解析这两种冲突。每当接收到局部高程地图时,就可以连续执行此处理。
在一些实施例中,UAV向中央服务器发送局部高程地图中的数据。如上所述,UAV可以确定何时向中央服务器发送数据,类似于中央服务器如何确定何时向UAV发送数据。作为一个示例,当UAV的主要目的是为高程地图收集数据时,UAV可以快节奏地收集数据,并且可能想要定期或频繁地将局部高程地图卸载到中央服务器,以便它可以将全部收集的数据存储在本地存储器中。作为另一示例,当UAV飞行通过已知表面高度连续改变的区域时,UAV可能想要尽快向中央服务器发送局部高程地图,以保持其他UAV的更新。
在一些实施例中,UAV从中央服务器接收数据。即使当来自遥控器的控制信号较弱或丢失时,通过全局高程地图中的数据补充的局部地图也可以辅助UAV进行导航。如上所述,来自中央服务器的数据可以来自全局高程地图中的数据的周期性分发、紧急通知、或最近对全局高程地图的更新、或者响应于来自UAV的请求。UAV可以在开始新飞行之时或恰在开始新飞行之前或在当前飞行期间向中央服务器发送请求。该请求可以针对沿着计划飞行路径的全部区域或者选择区域,例如在UAV存储的任何局部高程地图中没有信息可用的2D区域,或者已知表面高度连续改变的2D区域。
在一些实施例中,当UAV不具有传感器并且因此不维持局部高程地图时、当UAV尚未开始构建局部高程地图时、或者当UAV当前所具有的局部高程地图是作为先前清理的结果的空的局部高程地图、或在其它类似情况下,UAV可以将从中央服务器接收到的全部数据添加到受其储存能力限制的新的或现有的局部高程地图中。当从中央服务器接收的数据超出其储存能力时,UAV可以选择存储那些数据中的与更近的时间戳或更大的置信指标相关联的一部分、覆盖更接近其当前位置的区域的一部分、与其当前飞行高度更接近的或者大于其当前飞行高度的飞行高度相关联的一部分、与红色类别或绿色类别相关联的一部分、等等。
在一些实施例中,从中央服务器接收到的数据与由UAV存储的局部高程地图中的数据冲突。由于全局高程地图中的数据通常是仔细冲突解析的结果,因此UAV可以选择让全局高程地图优先,从而使用从中央服务器接收到的数据覆盖局部高程地图中的数据。备选地,UAV可以解析从中央服务器接收到的数据与局部高程地图中的数据之间的冲突,类似于中央服务器如何解析从不同UAV接收到的数据之间的不一致(如上所述),并且根据需要更新局部高程地图。此外,UAV可以接收新的传感器数据,形成与局部高程地图中的数据冲突的地图数据。例如,当UAV在不同高度飞行时,对应于局部高程地图中的相同2D坐标而获取的传感器数据可能不同。如上所述,UAV可以解析该新的地图数据与局部高程地图中的数据之间的冲突,类似于中央服务器如何解析从不同UAV接收到的数据之间的不一致,或单独存储与不同飞行高度相对应的数据。
图16示出了由UAV执行的管理局部高程地图的示例处理。在步骤1610中,UAV从中央服务器接收一个或多个全局高程地图。全局高程地图和局部高程地图可以包括不同的或重叠的区域。在步骤1620中,UAV相对于机载存储的任何局部高程地图来检查全局高程地图,并且解析全局高程地图和局部高程地图之间的任何不一致或冲突。例如,对于重叠区域的每个2D坐标,UAV可以识别全局高程地图和局部高程地图之间的与2D坐标相关联的数据(例如,估计表面高度、置信指标或与估计表面高度相关联的类别)有关的差异。当存在差异时,UAV可以基于置信指标和与估计表面高度相关联的类别来确定解析数据。通常,选择具有较高置信指标的估计表面高度作为解析数据。在步骤1630中,UAV基于冲突解析将解析数据存储到局部高程地图中,从而管理局部高程地图。全局高程地图中的与任何局部高程地图不冲突的任何部分以及冲突解析的结果都可以存储在局部高程地图中。每当从中央服务器接收到全局高程地图,就可以连续执行此处理。
在一些实施例中,UAV基于局部高程地图来确定其飞行路径。例如,UAV可以选择远离包含在局部高程地图中的与红色类别相关联的2D坐标上的许多点在内的区域。进一步的细节在2016年11月14日提交的题为“Flight Path Determination”的待审申请中已经有所描述。
图17示出了根据本发明的实施例的无人机(UAV)1700。UAV可以是如本文所述的可移动物体的示例。UAV 800可以包括具有四个旋翼1702、1704、1706和1708的动力系统。可以提供任何数量的旋翼(例如,一个、两个、三个、四个、五个、六个或更多个)。旋翼可以是本文其它地方描述的自紧式旋翼的实施例。无人机的旋翼、旋翼组件或其它动力系统可以使得无人机能够悬停/维持位置、改变取向和/或改变位置。相对旋翼的轴之间的距离可以是任何合适的长度1710。例如,长度1710可以小于或等于2m、或小于等于5m。在一些实施例中,长度1710可以在40cm至1m、10cm至2m、或5cm至5m的范围内。本文中对UAV的任何描述可以应用于可移动物体,例如不同类型的可移动物体,并且反之亦然。
在一些实施例中,可移动物体可以被配置为承载负载。负载可以包括乘客、货物、装备、仪器等中的一种或多种。负载可以设置在壳体内。所述壳体可以与可移动物体的壳体分离,或者作为可移动物体的壳体的一部分。备选地,负载可以设置有壳体,而可移动物体不具有壳体。备选地,负载的一部分或整个负载可以不设置有壳体。负载可以相对于可移动物体刚性地固定。可选地,负载可以是相对于可移动物体可移动的(例如,相对于可移动物体可平移或可旋转)。
在一些实施例中,负载包括搭载物。搭载物可以被配置为不执行任何操作或功能。备选地,搭载物可以是被配置为执行操作或功能的搭载物,也被称为功能型搭载物。例如,搭载物可以包括用于勘测一个或多个目标的一个或多个传感器。可以将任何合适的传感器并入搭载物中,比如图像捕获装置(例如,相机)、音频捕获装置(例如,抛物面麦克风)、红外成像装置或紫外成像装置。传感器可以提供静态感测数据(例如,照片)或动态感测数据(例如,视频)。在一些实施例中,传感器提供针对搭载物的目标的感测数据。备选地或组合地,搭载物可以包括用于向一个或多个目标提供信号的一个或多个发射器。可以使用任何合适的发射器,例如照明源或声源。在一些实施例中,搭载物包括一个或多个收发机,比如用于与远离可移动物体的模块进行通信。可选地,搭载物可以被配置为与环境或目标进行交互。例如,搭载物可以包括能够操纵对象的工具、仪器或机构,例如机器人手臂。
可选地,负载可以包括载体。可以针对搭载物提供载体,并且搭载物可以直接(例如,直接接触可移动物体)或间接(例如,不接触可移动物体)经由载体与可移动物体连接。相反,搭载物可以安装在可移动物体上而不需要载体。搭载物可以与载体一体形成。备选地,搭载物可以可拆卸地与载体连接。在一些实施例中,搭载物可以包括一个或多个搭载物元件,并且一个或多个搭载物元件可以是相对于可移动物体和/或载体可移动的,如上所述。
载体可以与可移动物体一体形成。备选地,载体可以可拆卸地与可移动物体连接。载体可以直接或间接地与可移动物体连接。载体可以提供对搭载物的支撑(例如,承载搭载物的至少一部分重量)。载体可以是能够稳定和/或引导搭载物的移动的合适的安装结构(例如,云台平台)。在一些实施例中,载体可以适于控制搭载物相对于可移动物体的状态(例如,位置和/或取向)。例如,载体可以被配置为相对于可移动物体移动(例如,相对于一个、两个或三个平移度和/或一个、两个或三个旋转度),使得搭载物相对于合适的参考系保持其位置和/或取向,而与可移动物体的移动无关。参考系可以是固定参考系(例如周围环境)。备选地,参考系可以是移动参考系(例如,可移动物体、搭载物目标)。
在一些实施例中,载体可以被配置为允许搭载物相对于载体和/或可移动物体移动。该移动可以是相对于多达三个自由度(例如,沿着一个、两个或三个轴)的平移或者相对于多达三个自由度的旋转(例如,围绕一个、两个或三个轴)或其任何合适的组合。
在一些情况下,载体可以包括载体框架组件和载体致动组件。载体框架组件可以为搭载物提供结构支撑。载体框架组件可以包括各个载体框架部件,其中的一些载体框架部件可以是相对于彼此可移动的。载体致动组件可以包括致动各个载体框架部件的运动的一个或多个致动器(例如,电机)。致动器可以允许多个载体框架部件同时移动,或者可以被配置为一次仅允许单个载体框架部件移动。载体框架部件的移动可以引发搭载物的对应移动。例如,载体致动组件可以致动一个或多个载体框架部件围绕一个或多个旋转轴(例如,横滚轴、俯仰轴或航向轴)旋转。一个或多个载体致动框架部件的旋转可以使得搭载物相对于可移动物体围绕一个或多个旋转轴旋转。备选地或组合地,载体致动组件可以致动一个或多个载体框架部件沿着一个或多个平移轴平移,并且由此引发搭载物相对于可移动物体沿着一个或多个对应轴的平移。
在一些实施例中,可移动物体、载体和搭载物相对于固定参考系(例如,周围环境)和/或相对于彼此的移动可由终端控制。终端可以是远离可移动物体、载体和/或搭载物的遥控装置。终端可以设置在或固定在支撑平台上。备选地,终端可以是手持式或可穿戴式装置。例如,终端可以包括智能电话、平板电脑、膝上型电脑、计算机、眼镜、手套、头盔、麦克风或其合适的组合。终端可以包括诸如键盘、鼠标、操纵杆、触摸屏或显示器之类的用户接口。可以使用任何合适的用户输入来与终端进行交互,诸如手动输入的命令、语音控制、手势控制或位置控制(例如,经由终端的移动、位置或倾斜)。
终端可以用于控制可移动物体、载体和/或搭载物的任何合适的状态。例如,终端可以用于控制可移动物体、载体和/或搭载物相对于固定参考系和/或彼此的位置和/或取向。在一些实施例中,终端可以用于控制可移动物体、载体和/或搭载物的各个元件,例如载体的致动组件、搭载物的传感器或搭载物的发射器。终端可以包括适于与可移动物体、载体或搭载物中的一个或多个通信的无线通信装置。
终端可以包括用于观看可移动物体、载体和/或搭载物的信息的合适的显示单元。例如,终端可以被配置为显示可移动物体、载体和/或搭载物的关于位置、平移速度、平移加速度、取向、角速度、角加速度或其任何合适的组合方面的信息。在一些实施例中,终端可以显示由搭载物提供的信息,例如由功能型搭载物提供的数据(例如,由相机或其它图像捕获装置记录的图像)。
可选地,相同的终端既可以控制可移动物体、载体和/或搭载物、或者可移动物体、载体和/或搭载物的状态,又可以接收和/或显示来自可移动物体、载体和/或搭载物的信息。例如,终端可以在显示由搭载物捕获的图像数据或与搭载物的位置有关信息的同时,控制搭载物相对于环境的定位。备选地,不同的终端可以用于不同的功能。例如,第一终端可以控制可移动物体、载体和/或搭载物的移动或状态,而第二终端可以从可移动物体、载体和/或搭载物接收信息和/或显示信息。例如,第一终端可以用于控制搭载物相对于环境的定位,而第二终端显示由搭载物捕获的图像数据。在可移动物体和用于控制可移动物体并接收数据的集成终端之间,或者在可移动物体与用于控制可移动物体并接收数据的多个终端之间,可以使用各种通信模式。例如,在可移动物体和用于控制可移动物体并从可移动物体接收数据的终端之间,可以形成至少两种不同的通信模式。
图18示出了根据实施例的包括载体1802和搭载物1804的可移动物体1800。尽管可移动物体1800被描绘为飞机,但是该描述并不旨在限制,并且可以使用任何合适类型的可移动物体,如本文前方所述。本领域技术人员将理解,本文在飞机系统的上下文中描述的任何实施例可以应用于任何合适的可移动物体(例如,UAV)。在一些情况下,搭载物1804可以设置在可移动物体1400上,而不需要载体1802。可移动物体1800可以包括推进机构1806、感测系统1808和通信系统1810。
如前所述,动力机构1806可以包括旋翼、螺旋桨、桨叶、引擎、电机、轮子、轮轴、磁体或喷嘴中的一个或多个。例如,如本文其它地方所述,动力机构1806可以是自紧式旋翼、旋翼组件或其它旋转动力单元。可移动物体可以具有一个或多个、两个或多个、三个或多个、或四个或多个动力结构。动力机构都可以是相同类型的。备选地,一个或多个动力机构可以是不同类型的动力机构。可以使用任何合适的装置(比如,如本文中其它地方所述的支撑元件(例如,驱动轴))将动力机构1806安装在可移动物体1800上。动力机构1806可以安装在可移动物体1800的任何合适的部分上,比如顶部、底部、前部、后部、侧面或其合适的组合。
在一些实施例中,动力机构1806可以使可移动物体1800能够竖直地从表面起飞或竖直地着陆在表面上,而不要求可移动物体1800的任何水平移动(例如,无需沿着跑道行进)。可选地,动力机构1806可以可操作地允许可移动物体1800以特定位置和/或取向悬停在空气中。动力机构1800中的一个或多个可以独立于其它动力机构受到控制。备选地,动力机构1800可以被配置为同时受到控制。例如,可移动物体1800可以具有多个水平取向的旋翼,所述旋翼可以向可移动物体提供升力和/或推力。可以致动多个水平取向的旋翼以向可移动物体1800提供竖直起飞、竖直着陆和悬停能力。在一些实施例中,水平取向旋翼中的一个或多个可以沿顺时针方向旋转,而水平旋翼中的一个或多个可以沿逆时针方向旋转。例如,顺时针旋翼的数量可以等于逆时针旋翼的数量。为了控制由每个旋翼产生的升力和/或推力,从而调整可移动物体1800(例如,相对于多达三个平移度和多达三个旋转度)的空间布局、速度和/或加速度,可以独立地改变每个水平取向的旋翼的转速。
感测系统1808可以包括可以感测可移动物体1800(例如,相对于多达三个平移度和多达三个旋转度)的空间布局、速度和/或加速度的一个或多个传感器。一个或多个传感器可以包括全球定位系统(GPS)传感器、运动传感器、惯性传感器、近距离传感器或图像传感器。由感测系统1808提供的感测数据可以用于(例如,使用合适的处理单元和/或控制模块,如下所述)控制可移动物体1800的空间布局、速度和/或取向。备选地,感测系统1808可以用于提供与可移动物体周围的环境有关的数据,例如天气状况、到可能障碍物的接近度、地理特征的位置、人造结构的位置等。
通信系统1810能够经由无线信号1816与具有通信系统1814的终端1812进行通信。通信系统1810、1814可以包括适合于无线通信的任意数量的发射机、接收机和/或收发机。所述通信可以是单向通信,使得只能沿单向发送数据。例如,单向通信可以仅涉及可移动物体1800向终端1812发送数据,反之亦然。可以从通信系统1810的一个或多个发射机向通信系统1812的一个或多个接收机发送数据,或者反之亦然。备选地,所述通信可以是双向通信,使得可以在可移动物体1800和终端1812之间沿两个方向发送数据。双向通信可以涉及从通信系统1810的一个或多个发射机向通信系统1814的一个或多个接收机发送数据,并且反之亦然。
在一些实施例中,终端1812可以向可移动物体1800、载体1802和搭载物1804中的一个或多个提供控制数据,并且从可移动物体1800、载体1802和搭载物1804中的一个或多个接收信息(例如,可移动物体、载体或搭载物的位置和/或运动信息;由搭载物感测的数据,例如由搭载物相机捕获的图像数据)。在一些情况下,来自终端的控制数据可以包括用于可移动物体、载体和/或搭载物的相对位置、移动、致动或控制的指令。例如,控制数据(例如,经由动力机构1806的控制)可以导致可移动物体的位置和/或取向的修改,或(例如,经由载体1802的控制)使得搭载物相对于可移动物体移动。来自终端的控制数据可以实现对搭载物的控制,比如对相机或其它图像捕获装置的操作的控制(例如,拍摄静止或运动图像、放大或缩小、接通或关断、切换成像模式、改变图像分辨率、改变焦点、改变景深、改变曝光时间、改变视角或视野)。在一些情况下,来自可移动物体、载体和/或搭载物的通信可以包括来自(例如,感测系统1808或搭载物1804的)一个或多个传感器的信息。通信可以包括来自一个或多个不同类型的传感器(例如,GPS传感器、运动传感器、惯性传感器、近距离传感器或图像传感器)的感测信息。这样的信息可以涉及可移动物体、载体和/或搭载物的定位(例如位置、取向)、移动或加速度。来自搭载物的这种信息可以包括由搭载物捕获的数据或搭载物的感测状态。由终端1812发送提供的控制数据可以被配置为控制可移动物体1400、载体1802或搭载物1804中的一个或多个的状态。备选地或组合地,载体1402和搭载物1404也可以各自包括被配置为与终端1812进行通信的通信模块,使得该终端可以独立地与可移动物体1800、载体1802和搭载物1804中的每一个进行通信并对其进行控制。
在一些实施例中,可移动物体1800可以被配置为与除了终端1812之外的或者代替终端1812的另一远程装置通信。终端1812还可以被配置为与另一远程装置以及可移动物体1800进行通信。例如,可移动物体1800和/或终端1812可以与另一可移动物体或另一可移动物体的载体或搭载物通信。当需要时,远程装置可以是第二终端或其它计算装置(例如,计算机、膝上型电脑、平板电脑、智能电话或其它移动装置)。远程装置可以被配置为向可移动物体1800发送数据、从可移动物体1800接收数据、向终端1812发送数据、和/或从终端1812接收数据。可选地,远程装置可以与互联网或其它电信网络连接,使得从可移动物体1800和/或终端1812接收的数据可以上传到网站或服务器。
本文描述的系统、装置和方法可以应用于各种可移动物体。如前所述,本文对UAV的任何描述可以适用于任何可移动物体并用于任何可移动物体。本发明的可移动物体可以被配置为在任何合适的环境中移动,例如在空气中(例如,固定翼飞机、旋转翼飞机或既不具有固定翼也不具有旋转翼的飞机)、在水中(例如,船或潜艇)、在地面上(例如,机动车辆,比如汽车、卡车、公共汽车、货车、摩托车;可移动的结构或框架,比如棒状物、钓竿;或火车)、地下(例如,地铁)、在太空中(例如,太空飞机、卫星或探测器)、或这些环境的任何组合。可移动物体可以是载运工具,比如本文其它地方描述的载运工具。可移动物体可以是不需要人力输入的自推式无人载运工具。在一些实施例中,可移动物体可以安装在诸如人或动物的活体上。合适的动物可以包括禽类、犬类、猫类、马类、牛类、羊类、猪类、海豚类、啮齿类或昆虫类。在一些实施例中,可移动物体可以被承载。
可移动物体能够相对于六个自由度(例如三个平移自由度和三个旋转自由度)在环境内自由移动。备选地,可移动物体的移动可以相对于一个或多个自由度(例如,通过预定的路径、轨道或取向)进行约束。该移动可以由任何合适的致动机构(例如,引擎或电机)来致动。可移动物体的致动机构可以由任何合适的能源(例如电能、磁能、太阳能、风能、重力能、化学能、核能或其任何合适的组合)供电。可移动物体可以经由动力系统自推进,如本文别处所述。动力系统可以可选地涉及能源(例如电能、磁能、太阳能、风能、重力能、化学能、核能或其任何合适的组合)。备选地,可移动物体可以由生物体承载。
在一些情况下,可移动物体可以是运载工具。合适的运载工具可以包括水中运载工具、飞行器、太空运载工具或地面运载工具。例如,飞行器可以是固定翼飞机(例如飞机、滑翔机)、旋转翼飞机(例如直升机、旋翼飞机)、具有固定翼和旋转翼的飞机、或没有固定翼和旋转翼的飞机(例如,飞艇、热气球)。运载工具可以自推进式的,例如在空气中、在水中或水下、在太空中、或在地面上或地下自推进的。自推进运载工具可以利用动力系统,例如包括一个或多个引擎、电机、轮子、轴、磁体、旋翼、螺旋桨、桨叶、喷嘴或其任何合适的组合的动力系统。在一些情况下,动力系统可以用于使可移动物体从表面起飞、在表面上降落、维持其当前位置和/或取向(例如,悬停)、改变取向和/或改变位置。
可移动物体可以由用户遥控,或者可以由可移动物体内或可移动物体上的占用者对可移动物体进行本地控制。在一些实施例中,可移动物体是诸如UAV的无人可移动物体。诸如UAV的无人可移动物体可以没有该可移动物体机载的占用者。可移动物体可以由人或自主控制系统(例如,计算机控制系统)或其任何合适的组合来控制。可移动物体可以是自主的或半自主的机器人,例如配置有人工智能的机器人。
图19示出了可以被配置为实现本申请所公开的任何计算系统的计算机系统1901。计算机系统1901可以包括移动电话、平板电脑、可穿戴装置、膝上型计算机、台式计算机、中央服务器等。
计算机系统1901包括中央处理单元(CPU,本文中也称为“处理器”和“计算机处理器”)1905,CPU 1905可以是单核或多核处理器、或用于并行处理的多个处理器。计算机系统1901还包括存储器或存储位置1910(例如,随机存取存储器、只读存储器、闪存)、电子储存单元1915(例如,硬盘)、用于与一个或多个其它系统通信的通信接口1920(例如,网络适配器)、以及外围装置1925(可选的)(比如,缓存、其它存储器、数据储存设备和/或电子显示适配器)。存储器1910、储存单元1915、接口1920和外围装置1925通过诸如主板之类的通信总线(实线)与CPU 1905通信。储存单元1915可以是用于存储数据的数据储存单元(或数据存储库)。计算机系统1901可以借助于通信接口1920可操作地连接到计算机网络(“网络”)1930。网络1930可以是互联网、内联网和/或外联网、或者与互联网通信的内联网和/或外联网。网络1930在某些情况下是电信和/或数据网络。网络1930可以包括一个或多个计算机服务器,该计算机服务器可以实现分布式计算(比如,云计算)。网络1930在一些情况下借助于计算机系统1901可以实现对等网络,该对等网络可以使得连接到计算机系统1901的装置能够充当客户端或服务器。
CPU 1905可以执行一系列机器可读指令,所述指令可以以程序或软件来体现。这些指令可以存储在诸如存储器1910之类的存储位置中。指令可以指向CPU 1905,CPU 1905随后可以编程或以其它方式配置CPU 1905以实现本公开的方法。由CPU 1905执行的操作的示例可以包括提取、解码、执行和写回。
CPU 1905可以是电路(例如集成电路)的一部分。系统1901的一个或多个其它部件可以被包括在电路中。在一些情况下,电路是专用集成电路(ASIC)。
储存单元1915可以存储诸如驱动程序、库和保存的程序之类的文件。储存单元1915可以存储用户数据(例如,用户偏好和用户程序)。计算机系统1901在一些情况下可以包括位于计算机系统1901外部(比如,位于通过内联网或互联网与计算机系统1901通信的远程服务器上)的一个或多个附加数据储存单元。
计算机系统1901可以通过网络1930与一个或多个远程计算机系统进行通信。例如,计算机系统1901可以与用户的远程计算机系统进行通信。远程计算机系统的示例包括个人计算机、平板PC、智能电话、个人数字助手等。用户可以经由网络1930访问计算机系统1901。
本文所述的方法可以通过计算机系统1901的电子储存位置(例如,存储器1910或电子储存单元1915)上存储的机器(例如,计算机处理器)可执行代码来实现。机器可执行代码或机器可读代码可以以软件的形式提供。在使用期间,代码可以由处理器1905执行。在一些情况下,代码可以从储存单元1915取回,并且存储在存储器1910上以准备好供处理器1905访问。在一些情况下,电子储存单元1915可以被排除,并且机器可执行指令被存储在存储器1910上。
代码可以被预编译并配置为与具有适于执行代码的处理器的机器一起使用,或者可以在运行时期间被编译。代码可以以编程语言提供,可以选择编程语言以使代码能够以预编译或编译的方式执行。
本文提供的系统(比如,计算机系统1901)和方法的各方面可以以编程方式来体现。本技术的各方面可以被认为是典型地具有机器(或处理器)可执行代码和/或一种类型的机器可读介质上承载的或以一种类型的机器可读介质的类型体现的相关数据的形式的“产品”或“制造品”。机器可执行代码可以存储在电子储存单元(比如,存储器(例如,只读存储器、随机存取存储器、闪存等)或硬盘)。“储存”型介质可以包括计算机、处理器等的有形存储器或其相关模块(比如,各种半导体存储器、磁带驱动器、磁盘驱动器等)中的任何或全部,这样的介质可以随时为软件编程提供非暂时性储存。全部或部分软件有时可以通过互联网或各种其它电信网络进行通信。例如,这样的通信可以使软件能够从一台计算机或处理器加载到另一台计算机或处理器,例如从管理服务器或主计算机加载到应用服务器的计算机平台中。因此,可以承载软件元件的另一类型的介质包括光学、电学和电磁波,比如通过有线和光学陆地通讯线网络以及各种空中链路在本地装置之间的物理接口上使用的光学、电学和电磁波。承载这种波的物理元件(例如,有线或无线链路、光链路等)也可以被认为是承载软件的介质。如本文所使用的,除非限于非暂时性的有形“储存”介质,否则诸如计算机或机器“可读介质”之类的术语指代参与向处理器提供指令以供执行的任何介质。
因此,诸如计算机可执行代码之类的机器可读介质可以采取许多形式,包括但不限于有形储存介质、载波介质或物理传输介质。非易失性储存介质包括例如光盘或磁盘,比如任何计算机等中的任何储存装置,比如可以用于实现附图中所示的数据库等。易失性储存介质包括动态存储器,例如这种计算机平台的主存储器。有形传输介质包括同轴电缆;铜线和光纤,包括构成计算机系统内总线的导线。载波传输介质可以采取电信号或电磁信号的形式、或者诸如在射频(RF)和红外(IR)数据通信期间产生的声波或光波的形式。因此,计算机可读介质的常见形式包括例如:软磁盘、软盘、硬盘、磁带、任何其它磁介质、CD-ROM、DVD或DVD-ROM、任何其它光介质、穿孔卡纸带、具有孔图案的任何其它物理储存介质、RAM、ROM、PROM和EPROM、FLASH-EPROM、任何其它存储器芯片或盒式磁带、传输数据或指令的载波、传输这种载波的电缆或链路、或计算机可读取编程代码和/或数据的任何其它介质。这些形式的计算机可读介质中的许多形式可以涉及将一个或多个指令中的一个或多个序列携带到处理器以供执行。
计算机系统1901可以包括电子显示器1935(可选的)或与电子显示器1935(可选)通信,电子显示器1935包括用于提供例如管理接口的用户接口1940。UI的示例包括但不限于图形用户接口(GUI)和基于web的用户接口。
本公开的方法和系统可以通过一个或多个算法来实现。算法可以通过由中央处理单元1905执行软件来实现。
本文所用的A和/或B包括A或B中的一个或多个以及它们的组合(例如,A和B)。
尽管本文已经示出和描述了本发明的优选实施例,但是对于本领域技术人员显而易见的是,这些实施例仅以示例的方式提供。在不脱离本发明的情况下,本领域技术人员将会想到许多变化、改变和备选方式。应当理解,在实施本发明时可以采用本文所述的本发明的实施例的各种备选方案。以下权利要求旨在限定本发明的范围,并且这些权利要求及其等同物的范围内的方法和结构由此被涵盖。
Claims (70)
1.一种构建二维(2D)高程地图的方法,包括:
接收与2D坐标系中的2D坐标相关的传感器数据,其中所述传感器数据由飞行器的一个或多个传感器获取;
基于所述传感器数据计算所述2D坐标的表面高度;
基于所述传感器数据向计算出的表面高度指派置信指标;以及
将针对所述2D坐标的计算出的表面高度和指派的置信指标存储在数据库中,从而构建2D高程地图。
2.根据权利要求1所述的方法,其中,所述表面高度是相对于参考平面来计算的,并且其中所述参考平面是地平面或海平面。
3.根据权利要求1所述的方法,其中,所述一个或多个传感器包括相机、雷达、激光雷达或超声传感器。
4.根据权利要求1所述的方法,其中,所述传感器数据是在所述飞行器在操作时由所述一个或多个传感器获取的。
5.根据权利要求1所述的方法,其中,所述传感器数据是根据预定时间表来接收的。
6.根据权利要求1所述的方法,其中,所述一个或多个传感器位于所述飞行器的前部、侧部或后部。
7.根据权利要求1所述的方法,还包括:
当获取所述传感器数据时,接收与所述飞行器的所述一个或多个传感器相关联的一个或多个参数;以及
基于所述一个或多个参数,将接收到的传感器数据从相对于所述飞行器定义的第一坐标系转换到所述2D坐标系。
8.根据权利要求7所述的方法,其中,所述一个或多个参数与所述飞行器的所述一个或多个传感器与所述飞行器之间的空间关系相关。
9.根据权利要求1所述的方法,其中,所述置信指标指示针对所述2D坐标所计算的表面高度与实际表面高度之间的关系。
10.根据权利要求1所述的方法,其中:
当所计算的表面高度是实际表面高度的最小值时,所述置信指标被指派第一值;
当所计算的表面高度是实际表面高度的最大值时,所述置信指标被指派第二值;以及
当所计算的表面高度等于实际表面高度时,所述置信指标被指派第三值。
11.根据权利要求1所述的方法,其中,所述置信指标与关于所述飞行器的特征相关。
12.根据权利要求1所述的方法,其中,针对所述2D坐标计算出的表面高度等于距所述2D坐标预定距离内的多个相邻坐标的最大表面高度。
13.根据权利要求1所述的方法,还包括:通过通信网络向远程系统发送所述2D坐标、所述计算出的表面高度和所指派的置信指标。
14.根据权利要求13所述的方法,其中,所述远程系统是云计算平台、服务器群或并行计算装置。
15.根据权利要求13所述的方法,其中,所述通信网络是互联网、蜂窝网络、或短距离无线网络。
16.根据权利要求13所述的方法,还包括:
检测针对所述2D坐标计算出的表面高度与针对所述2D坐标先前确定的表面高度之间的差异,
其中,响应于所述检测执行所述发送。
17.根据权利要求13所述的方法,其中,基于预定时间表、当要被发送的数据量超过阈值时、或者响应于来自所述远程系统的请求,来执行所述发送。
18.根据权利要求1所述的方法,还包括:
将包括多个2D坐标在内的区域划分成多个块;
识别所述多个2D坐标中的每个2D坐标所属的块;
其中,所述存储包括:将针对每个2D坐标计算出的表面高度和针对每个2D坐标指派的置信指标保存到分配给所述块的储存区域中。
19.根据权利要求18所述的方法,还包括:
当本地数据库中的储存区域尚未被分配给所述块时,将本地数据库中的储存区域分配给所述块;以及
当本地数据库中的储存区域已被分配给所述块时,定位所述储存区域。
20.根据权利要求18所述的方法,还包括:通过块编号来索引被分配给块的储存区域,并且以树形结构来组织所述储存区域。
21.根据权利要求18所述的方法,还包括:将属于块的相邻2D坐标的数据顺序地存储在被分配给所述块的储存区域中。
22.根据权利要求1所述的方法,还包括:基于所述2D高程地图创建所述飞行器的飞行路径。
23.根据权利要求1所述的方法,其中,所述接收、所述计算、所述指派以及所述存储是借助于所述飞行器机载的一个或多个处理器来执行的。
24.根据权利要求1所述的方法,其中,所述接收、所述计算、所述指派以及所述存储中的至少一个是借助于非由所述飞行器机载的一个或多个处理器来执行的。
25.一种用于构建二维(2D)高程地图的系统,包括:
至少一个存储器;以及
至少一个处理器,与所述至少一个存储器连接,并且被配置为执行以下操作:
接收与2D坐标系中的2D坐标相关的传感器数据,其中所述传感器数据由飞行器的一个或多个传感器获取;
基于所述传感器数据计算所述2D坐标的表面高度;
基于所述传感器数据向计算出的表面高度指派置信指标;以及
将针对所述2D坐标的计算出的表面高度和指派的置信指标存储在数据库中,从而构建2D高程地图。
26.一种存储有指令的非暂时性计算机可读存储介质,所述指令在由计算系统执行时使所述计算系统执行构建二维(2D)高程地图的方法,所述方法包括:
接收与2D坐标系中的2D坐标相关的传感器数据,其中所述传感器数据由飞行器的一个或多个传感器获取;
基于所述传感器数据计算所述2D坐标的表面高度;
基于所述传感器数据向计算出的表面高度指派置信指标;以及
将针对所述2D坐标的计算出的表面高度和指派的置信指标存储在数据库中,从而构建2D高程地图。
27.一种管理飞行器上存储的局部信息的方法,包括:
飞行器通过通信网络从远程系统接收全局2D高程地图的至少一部分,其中,所述全局2D高程地图包括针对第一多个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及
借助于一个或多个处理器,解析所述飞行器上存储的局部信息与所述全局2D高程地图之间的不一致,从而管理所述局部信息。
28.根据权利要求27所述的方法,
其中,所述局部信息包括局部2D高程地图,
其中,所述局部2D高程地图包括与所述飞行器确定的针对第二多个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标。
29.根据权利要求28所述的方法,其中,所述解析包括:向所述局部2D高程地图添加全局2D高程地图中针对不属于所述第二多个2D坐标的全部2D坐标的数据。
30.根据权利要求28所述的方法,所述解析包括:对于所述第一多个2D坐标和所述第二多个2D坐标二者中的一个或多个2D坐标,将所述局部2D高程地图中的数据替换为所述全局2D高程地图中的对应数据。
31.根据权利要求28所述的方法,其中,对于所述第二多个2D坐标中的至少一个2D坐标,所述局部2D高程地图还包括在所述局部2D高程地图中的时间戳,所述时间戳指示何时获取用于导出估计表面高度和相关联的一个或多个置信指标的传感器数据。
32.根据权利要求28所述的方法,还包括:基于所述解析的结果向所述远程系统发送所述局部2D高程地图中的数据。
33.根据权利要求32所述的方法,其中,被发送到所述远程系统的所述数据包括所述局部2D高程地图中针对不属于所述第一多个2D坐标的全部2D坐标的数据。
34.根据权利要求32所述的方法,其中,所发送的数据包括所述局部2D高程地图中针对属于所述第一多个2D坐标的一个或多个2D坐标的数据。
35.根据权利要求34所述的方法,还包括:基于针对局部地图中和全局地图中的每个2D坐标的估计表面高度和置信指标的组合的比较,选择所述一个或多个2D坐标。
36.根据权利要求27所述的方法,其中,所述解析包括:向所述局部信息添加所述全局2D高程地图。
37.根据权利要求27所述的方法,还包括:
基于所述解析的结果更新所述局部信息;以及
将更新后的局部信息存储在所述飞行器上。
38.根据权利要求27所述的方法,还包括:向所述远程系统发送所述飞行器的标识符。
39.根据权利要求27所述的方法,还包括:向所述远程系统发送针对所述全局2D高程地图的请求,所述全局2D高程地图是响应于该请求而接收的。
40.根据权利要求39所述的方法,
其中,所述请求指示特定区域,以及
其中,所述全局地图包括与所述特定区域相对应的数据。
41.根据权利要求28所述的方法,其中,与估计表面高度相关联的每个置信指标与以下中的一项或多项相关:a)与所述飞行器相关的特征、b)与所述飞行器相关的环境状况、或者c)当用于产生数据的所述飞行器机载的传感器产生数据时所述传感器的状况,其中根据该数据来计算所述估计表面高度。
42.根据权利要求27所述的方法,其中,所述一个或多个处理器是由所述飞行器机载的。
43.根据权利要求27所述的方法,其中,当所述飞行器在空中时执行所述接收和所述解析。
44.一种用全局2D高程地图来更新局部信息的系统,包括:
至少一个存储器;以及
至少一个处理器,与所述至少一个存储器连接,并且被配置为执行以下操作:
通过通信网络从远程系统接收全局2D高程地图的至少一部分,其中,所述全局2D高程地图包括针对第一多个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及
借助于一个或多个处理器,解析所述飞行器上存储的局部信息与所述全局2D高程地图之间的不一致,从而管理所述局部信息。
45.一种存储有指令的非暂时性计算机可读存储介质,所述指令在由计算系统执行时使所述计算系统执行利用全局2D高程地图来更新局部信息的方法,所述方法包括:
通过通信网络从远程系统接收全局2D高程地图的至少一部分,其中,所述全局2D高程地图包括针对第一多个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及
借助于一个或多个处理器,解析所述飞行器上存储的局部信息与所述全局2D高程地图之间的不一致,从而管理所述局部信息。
46.一种管理二维(2D)高程数据的方法,包括:
通过第一通信网络从第一可移动物体接收第一局部高程地图,所述第一局部高程地图包括针对一个或多个2D坐标的第一集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;
通过第二通信网络从第二可移动物体接收第二局部高程地图,所述第二局部高程地图包括针对一个或多个2D坐标的第二集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及
借助于一个或多个处理器,解析第一局部高程地图与第二局部高程地图之间的不一致,以更新全局高程地图。
47.根据权利要求46所述的方法,还包括:
向一个或多个飞行器发送针对高程地图的请求,
其中,响应于所述请求接收所述第一局部高程地图或所述第二局部高程地图。
48.根据权利要求46所述的方法,其中,所述第一可移动物体或所述第二可移动物体是飞行器。
49.根据权利要求46所述的方法,其中,与估计表面高度相关联的每个置信指标与以下中的一项或多项相关:a)与所述飞行器相关的特征、b)与所述飞行器相关联的环境状况、或者c)所述飞行器机载的传感器的状况,所述传感器用于产生数据,根据该数据计算所述估计表面高度。
50.根据权利要求49所述的方法,其中,所述传感器的状况包括传感器分辨率。
51.根据权利要求49所述的方法,其中,所述环境状况包括光照状况或GPS信号强度。
52.根据权利要求46所述的方法,其中,所述解析包括:对于属于第一2D坐标集合和第二2D坐标集合两者的2D坐标,当针对所述第一局部高程地图中的2D点的置信指标大于针对所述第二局部高程地图中的2D点的置信指标时,选择所述第一局部高程地图而不是所述第二局部高程地图中的2D点的估计表面高度和置信指标以包括在所述全局高程地图中。
53.根据权利要求46所述的方法,其中,对于属于所述第一2D坐标集合和所述第二2D坐标集合两者的2D坐标,所述解析是基于以下两项的比较来执行的:针对所述第一局部高程地图中的2D坐标的估计表面高度和相关联的置信指标的组合、以及针对所述第二局部高程地图中的2D坐标的估计表面高度和相关联的置信指标的组合。
54.根据权利要求53所述的方法,其中,所述解析包括:对于所述2D坐标,当所述第一局部高程地图中的估计表面高度大于所述第二局部高程地图中的估计表面高度、并且所述第一局部高程地图中的置信指标大于预定阈值时,选择所述第一局部高程地图而不是所述第二局部高程地图中的估计表面高度和置信指标以包括在所述全局高程地图中。
55.根据权利要求46所述的方法,
其中,对于属于所述第一2D坐标集合和所述第二2D坐标集合的2D坐标,所述第一局部高程地图还包括指示何时获取传感器数据的时间戳,根据该传感器数据导出所述估计表面高度和相关联的置信指标,以及
其中,对于所述2D坐标,所述第二局部高程地图包括指示何时更新所述估计表面高度和相关联的置信指标的时间戳。
56.根据权利要求55所述的方法,其中,所述解析包括:对于所述2D坐标,当所述第一局部高程地图中的时间戳比所述第二局部高程地图中的时间戳指示更晚的时间时,选择所述第一局部高程地图中的估计表面高度和置信指标以包括在所述全局高程地图中。
57.根据权利要求46所述的方法,
其中,对于属于所述第一2D坐标集合和所述第二2D坐标集合二者的2D坐标,所述第一局部高程地图包括有助于创建所述第一局部高程地图中的估计表面高度和置信指标的第一飞行器的标识符,以及
其中,对于所述2D坐标,所述第二局部高程地图包括有助于创建所述第二局部高程地图中的估计表面高度和置信指标的第二飞行器的标识符。
58.根据权利要求57所述的方法,还包括:
区分多个飞行器的优先级,所述多个飞行器包括所述第一飞行器和所述第二飞行器,
其中,所述解析包括:对于所述2D坐标,当所述第一飞行器具有比所述第二飞行器更高的优先级时,选择所述第一局部高程地图中的估计表面高度和置信指标,以将估计表面高度和置信指标包括在所述全局高程地图中。
59.根据权利要求58所述的方法,其中,区分优先级基于与所述多个飞行器中的每个飞行器或所述每个飞行器机载的传感器相关联的状况。
60.根据权利要求46所述的方法,还包括:向一个或多个飞行器发送所述全局高程地图的一部分或全部。
61.根据权利要求60所述的方法,还包括:
从第三飞行器接收针对所述全局高程地图的请求,
其中,所述发送是响应于所述请求而执行的。
62.根据权利要求60所述的方法,其中,所述发送是响应于对所述全局地图的更新而执行的。
63.根据权利要求46所述的方法,
其中,所述第一局部高程地图还包括与针对所述第一2D坐标集合中的一个2D坐标的估计表面高度相关联的高度范围,
其中,所述第二局部高程地图还包括与针对所述第二2D坐标集合中的一个2D坐标的估计表面高度相关联的高度范围。
64.根据权利要求63所述的方法,其中,与估计表面高度相关联的高度范围指示获取用于得到所述估计表面高度的数据的传感器在数据获取时的高度范围。
65.根据权利要求63所述的方法,其中,对于属于所述第一2D坐标集合和所述第二2D坐标集合两者的2D坐标,仅当所述第一局部高程地图和所述第二局部高程地图中的所述2D坐标的高度范围相等时才执行所述解析。
66.根据权利要求63所述的方法,还包括:对于属于所述第一2D坐标集合和所述第二2D坐标集合两者的2D坐标,当所述第一局部高程地图中的高度范围小于所述第二局部高程地图中的高度范围时,选择所述第二局部高程地图中的估计表面高度和置信指标以包括在所述全局高程地图中。
67.根据权利要求46所述的方法,还包括记录对所述全局高程地图的更新。
68.根据权利要求46所述的方法,还包括:
对所述全局高程地图中的估计表面高度或置信指标进行彩色编码;以及
基于所述彩色编码向显示装置发送所述全局地图的图形表示。
69.一种用于管理二维(2D)高程数据的系统,包括:
至少一个存储器;
至少一个处理器,与所述至少一个存储器连接,并且被配置为执行以下操作:
通过第一通信网络从第一可移动物体接收第一局部高程地图,所述第一局部高程地图包括针对第一2D坐标集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;
通过第二通信网络从第二可移动物体接收第二局部高程地图,所述第二局部高程地图包括针对第二2D坐标集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及
借助于一个或多个处理器,解析所述第一局部高程地图和所述第二局部高程地图之间的关于估计表面高度或置信指标的不一致,以更新全局高程地图。
70.一种存储有指令的非暂时性计算机可读存储介质,所述指令在由计算系统执行时使所述计算系统执行管理二维(2D)高程数据的方法,所述方法包括:
通过第一通信网络从第一可移动物体接收第一局部高程地图,所述第一局部高程地图包括针对第一2D坐标集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;
通过第二通信网络从第二可移动物体接收第二局部高程地图,所述第二局部高程地图包括针对第二2D坐标集合中的每一个2D坐标的估计表面高度和与所述估计表面高度相关联的置信指标;以及
借助于一个或多个处理器,解析所述第一局部高程地图和所述第二局部高程地图之间的关于估计表面高度或置信指标的不一致,以更新全局高程地图。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2016/105805 WO2018086141A1 (en) | 2016-11-14 | 2016-11-14 | Construction and update of elevation maps |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109923589A true CN109923589A (zh) | 2019-06-21 |
Family
ID=62109070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680090489.3A Pending CN109923589A (zh) | 2016-11-14 | 2016-11-14 | 构建和更新高程地图 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200026720A1 (zh) |
EP (2) | EP3398093A4 (zh) |
CN (1) | CN109923589A (zh) |
WO (1) | WO2018086141A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110940983A (zh) * | 2019-12-10 | 2020-03-31 | 湖南纳雷科技有限公司 | 用于无人机仿地飞行控制的多波束雷达及数据融合方法 |
CN111611540A (zh) * | 2020-04-08 | 2020-09-01 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于千寻位置的像控点高程精密云计算的转换方法 |
CN112050814A (zh) * | 2020-08-28 | 2020-12-08 | 国网智能科技股份有限公司 | 一种室内变电站无人机视觉导航系统及方法 |
CN113222488A (zh) * | 2020-02-05 | 2021-08-06 | 贾敏忠 | 应用区块链技术的无人机物流运营及飞航管理方法 |
CN113253761A (zh) * | 2021-06-08 | 2021-08-13 | 北京远度互联科技有限公司 | 实时路径规划方法、装置、可移动载具及存储介质 |
CN113359811A (zh) * | 2020-03-04 | 2021-09-07 | 贾敏忠 | 无人机的物流运营任务规划管理系统及其方法 |
CN113804183A (zh) * | 2021-09-17 | 2021-12-17 | 广东汇天航空航天科技有限公司 | 一种实时地形测绘方法和系统 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10562624B2 (en) * | 2016-11-18 | 2020-02-18 | Magna Mirrors Of America, Inc. | Vehicle vision system using aerial camera |
US11403814B2 (en) * | 2017-08-04 | 2022-08-02 | Walmart Apollo, Llc | Systems, devices, and methods for generating a dynamic three dimensional communication map |
US10962650B2 (en) | 2017-10-31 | 2021-03-30 | United States Of America As Represented By The Administrator Of Nasa | Polyhedral geofences |
EP3495219B1 (en) * | 2017-12-11 | 2023-07-05 | Volvo Car Corporation | Path prediction for a vehicle |
EP3579161A1 (en) * | 2018-06-08 | 2019-12-11 | Hexagon Technology Center GmbH | Workflow deployment |
WO2020079309A1 (en) * | 2018-10-15 | 2020-04-23 | Nokia Solutions And Networks Oy | Obstacle detection |
US11346938B2 (en) | 2019-03-15 | 2022-05-31 | Msa Technology, Llc | Safety device for providing output to an individual associated with a hazardous environment |
JP7276093B2 (ja) * | 2019-11-19 | 2023-05-18 | トヨタ自動車株式会社 | 情報収集システム、中継装置、及びプログラム |
US20210375144A1 (en) * | 2020-05-27 | 2021-12-02 | Honeywell International Inc. | Terrain awareness and warning (taw) systems and methods adapted for an urban air mobility vehicle (uamv) |
US11482120B2 (en) * | 2020-07-15 | 2022-10-25 | Verizon Patent And Licensing Inc. | Rendering layers of airspace map for uncrewed aerial vehicle flight planning |
US11960025B2 (en) * | 2020-10-22 | 2024-04-16 | Micron Technology, Inc. | Intelligent radar having deep learning accelerator and random access memory |
CN113029158B (zh) * | 2021-04-26 | 2023-09-22 | 常州大学 | 基于激光与声音融合定位的旋翼飞行器及其定位方法 |
US11594143B1 (en) * | 2021-09-15 | 2023-02-28 | Beta Air, Llc | System and method for determining distance in navigation of an electric aircraft |
US11934430B2 (en) * | 2022-07-14 | 2024-03-19 | T-Mobile Innovations Llc | Visualization of elevation between geographic locations using segmented vectors based on ground and clutter elevation data |
CN118050728B (zh) * | 2024-04-16 | 2024-06-25 | 中国水利水电第十四工程局有限公司 | 一种用于航道安全监控的目标获取方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1069547A1 (en) * | 1997-12-25 | 2001-01-17 | Toyota Jidosha Kabushiki Kaisha | Method and apparatus for processing digital map data |
JP2001305953A (ja) * | 2000-02-14 | 2001-11-02 | Matsushita Electric Ind Co Ltd | 地図情報作成装置、および、これを用いた地図情報表示装置 |
US7145501B1 (en) * | 2005-09-26 | 2006-12-05 | Honeywell International Inc. | Methods and systems for measuring terrain height |
US7272474B1 (en) * | 2004-03-31 | 2007-09-18 | Carnegie Mellon University | Method and system for estimating navigability of terrain |
JP2011248374A (ja) * | 2000-12-08 | 2011-12-08 | Panasonic Corp | デジタル地図の位置情報伝達方法とそれに使用する装置 |
US20130060540A1 (en) * | 2010-02-12 | 2013-03-07 | Eidgenossische Tehnische Hochschule Zurich | Systems and methods that generate height map models for efficient three dimensional reconstruction from depth information |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6885334B1 (en) * | 2004-04-06 | 2005-04-26 | Honeywell International Inc. | Methods and systems for detecting forward obstacles |
JP2010197414A (ja) * | 2009-02-20 | 2010-09-09 | Nec System Technologies Ltd | 航空障害物抽出装置、航空障害物抽出方法、及びプログラム |
CN102506824B (zh) * | 2011-10-14 | 2014-08-27 | 航天恒星科技有限公司 | 一种城市低空无人机系统生成数字正射影像图的方法 |
AU2014202958A1 (en) * | 2014-03-19 | 2015-10-08 | Caterpillar Of Australia Pty Ltd | Visualisation of work status for a mine worksite |
CN104238377B (zh) * | 2014-09-30 | 2017-01-25 | 中国航天空气动力技术研究院 | 一种用于无人机航空物探的低空飞行仿真方法 |
CN105589997B (zh) * | 2015-12-23 | 2018-08-14 | 重庆科技学院 | 基于蒙特卡罗算法的高程图安全区域搜索方法及系统 |
-
2016
- 2016-11-14 EP EP16921047.3A patent/EP3398093A4/en not_active Withdrawn
- 2016-11-14 EP EP20151998.0A patent/EP3674657A1/en not_active Withdrawn
- 2016-11-14 WO PCT/CN2016/105805 patent/WO2018086141A1/en unknown
- 2016-11-14 CN CN201680090489.3A patent/CN109923589A/zh active Pending
-
2019
- 2019-05-13 US US16/410,458 patent/US20200026720A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1069547A1 (en) * | 1997-12-25 | 2001-01-17 | Toyota Jidosha Kabushiki Kaisha | Method and apparatus for processing digital map data |
JP2001305953A (ja) * | 2000-02-14 | 2001-11-02 | Matsushita Electric Ind Co Ltd | 地図情報作成装置、および、これを用いた地図情報表示装置 |
JP2011248374A (ja) * | 2000-12-08 | 2011-12-08 | Panasonic Corp | デジタル地図の位置情報伝達方法とそれに使用する装置 |
US7272474B1 (en) * | 2004-03-31 | 2007-09-18 | Carnegie Mellon University | Method and system for estimating navigability of terrain |
US7145501B1 (en) * | 2005-09-26 | 2006-12-05 | Honeywell International Inc. | Methods and systems for measuring terrain height |
US20130060540A1 (en) * | 2010-02-12 | 2013-03-07 | Eidgenossische Tehnische Hochschule Zurich | Systems and methods that generate height map models for efficient three dimensional reconstruction from depth information |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110940983A (zh) * | 2019-12-10 | 2020-03-31 | 湖南纳雷科技有限公司 | 用于无人机仿地飞行控制的多波束雷达及数据融合方法 |
CN113222488A (zh) * | 2020-02-05 | 2021-08-06 | 贾敏忠 | 应用区块链技术的无人机物流运营及飞航管理方法 |
CN113222488B (zh) * | 2020-02-05 | 2024-06-07 | 贾敏忠 | 应用区块链技术的无人机物流运营及飞航管理方法 |
CN113359811A (zh) * | 2020-03-04 | 2021-09-07 | 贾敏忠 | 无人机的物流运营任务规划管理系统及其方法 |
CN111611540A (zh) * | 2020-04-08 | 2020-09-01 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于千寻位置的像控点高程精密云计算的转换方法 |
CN111611540B (zh) * | 2020-04-08 | 2024-03-15 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于千寻位置的像控点高程精密云计算的转换方法 |
CN112050814A (zh) * | 2020-08-28 | 2020-12-08 | 国网智能科技股份有限公司 | 一种室内变电站无人机视觉导航系统及方法 |
CN113253761A (zh) * | 2021-06-08 | 2021-08-13 | 北京远度互联科技有限公司 | 实时路径规划方法、装置、可移动载具及存储介质 |
CN113253761B (zh) * | 2021-06-08 | 2021-11-09 | 北京远度互联科技有限公司 | 实时路径规划方法、装置、可移动载具及存储介质 |
CN113804183A (zh) * | 2021-09-17 | 2021-12-17 | 广东汇天航空航天科技有限公司 | 一种实时地形测绘方法和系统 |
CN113804183B (zh) * | 2021-09-17 | 2023-12-22 | 广东汇天航空航天科技有限公司 | 一种实时地形测绘方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
EP3398093A4 (en) | 2019-06-12 |
EP3398093A1 (en) | 2018-11-07 |
US20200026720A1 (en) | 2020-01-23 |
EP3674657A1 (en) | 2020-07-01 |
WO2018086141A1 (en) | 2018-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109923589A (zh) | 构建和更新高程地图 | |
Alam et al. | A survey of safe landing zone detection techniques for autonomous unmanned aerial vehicles (UAVs) | |
US11506500B2 (en) | Aligning measured signal data with SLAM localization data and uses thereof | |
CN105492985B (zh) | 一种用于在环境内控制可移动物体的系统及方法 | |
Balestrieri et al. | Sensors and measurements for unmanned systems: An overview | |
US20210072745A1 (en) | Systems and methods for uav flight control | |
CN110062919B (zh) | 递送车辆的放下地点规划 | |
CN104854428B (zh) | 传感器融合 | |
CN109923492A (zh) | 飞行路径确定 | |
JP2020507072A (ja) | 実時間オンライン自己運動推定を備えたレーザスキャナ | |
WO2019018315A1 (en) | ALIGNMENT OF MEASURED SIGNAL DATA WITH SLAM LOCATION DATA AND ASSOCIATED USES | |
CN110475717A (zh) | 用于uav和其他自主车辆的室内测绘和模块化控制以及相关系统和方法 | |
US10131446B1 (en) | Addressing multiple time around (MTA) ambiguities, particularly for lidar systems, and particularly for autonomous aircraft | |
CN107209514A (zh) | 传感器数据的选择性处理 | |
CN108351649A (zh) | 用于uav交互指令和控制的系统和方法 | |
CN107850902A (zh) | 可移动物体上的相机配置 | |
CN108897312A (zh) | 多无人飞行器对大规模环境的持续监控路径规划方法 | |
CN103868498A (zh) | 树木测量系统 | |
CN110192122A (zh) | 用于无人可移动平台上的雷达控制的系统和方法 | |
KR20190068955A (ko) | 무인 항공기의 비행 시뮬레이션 장치 및 이를 이용한 무인 항공기 비행 시뮬레이션 시스템 | |
Bagula et al. | Internet-of-things in motion: A cooperative data muling model for public safety | |
CN107783119A (zh) | 应用在避障系统中的决策融合方法 | |
CN112817331A (zh) | 一种基于多机协同的林业信息智能监测系统 | |
KR102467855B1 (ko) | 자율항법지도를 설정하는 방법 및 무인비행체가 자율항법지도에 기초하여 자율 비행하는 방법 및 이를 구현하는 시스템 | |
Ali et al. | Aeronautics: New Advances |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190621 |