CN110018694A - 一种针对具有非连续观测特性目标的无人机协同搜索方法 - Google Patents
一种针对具有非连续观测特性目标的无人机协同搜索方法 Download PDFInfo
- Publication number
- CN110018694A CN110018694A CN201910416304.9A CN201910416304A CN110018694A CN 110018694 A CN110018694 A CN 110018694A CN 201910416304 A CN201910416304 A CN 201910416304A CN 110018694 A CN110018694 A CN 110018694A
- Authority
- CN
- China
- Prior art keywords
- search
- unmanned plane
- cell
- income
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种针对具有非连续观测特性目标的无人机协同搜索方法,针对现实应用场景中存在目标的观测特性会随时间发生变化,不具有连续观测特点的应用需求,提出了一种动态滑动可变窗口更新目标搜索收益图方法,采用分布式协同路径搜索的优化机制,在搜索性能函数计算中加入无人机链路连通性的约束,解决了传统搜索方法对非连续观测目标判决的不准确性,提高了目标搜索效率,减少了目标搜索所需时间。
Description
技术领域
本发明属于无人机搜索技术领域,具体涉及一种针对具有非连续观测特性目标的无人机协同搜索方法的设计。
背景技术
随着UAV(Unmanned Aerial Vehicle,无人机)技术的发展和成熟,近年来被越来越多地应用到目标搜索任务中,成为重要的空中搜索平台。单架无人机在执行侦察搜索任务时面临续航时间、搜索范围、传感器精度等限制,应用领域受到了制约。多架UAV协同对区域进行搜索,能够更全面彻底地搜索任务区域、更好地发现目标和获取情报信息,使目标搜索方式发生了新的变化。
基于无人机的目标搜索问题一直是国内外学者们研究的热点问题,现有的相关文献在无人机协同搜索算法的设计优化上,针对的都是可连续观测的目标,并且在设计搜索策略时假设了无人机之间具有网络连通性。然而在实际搜索过程中,无人机通信网络按照FANET(飞行自组网)拓扑结构运行,其通信设备有通信距离约束,并且地面目标可工作于对抗模式和伪装模式。若地面目标处于对抗模式时,地面目标处于固定位置,对抗模式持续固定时间,在该时间范围内无人机侦察设备可以发现目标;若地面目标处于伪装模式,无人机侦察设备不能发现目标,目标还可以在任务区域内随机移动。由于地面目标在任务区域内随机出现,具有非连续观测特性,整个搜索判决有时间窗口约束,这就对无人机协同搜索算法提出了更高的要求。同时在搜索过程中,还需要考虑无人机之间的链路连通性,确保协同信息可以传输。因此现有的针对可连续观测目标的无人机搜索方法对非连续观测目标的搜索判决具有不准确性。
发明内容
本发明的目的是为了解决现有无人机协同搜索方法对非连续观测目标的搜索判决的不准确性问题,提出了一种针对具有非连续观测特性目标的无人机协同搜索方法,提高对非连续观测目标搜索的效率和准确性,并缩短搜索所需时间。
本发明的技术方案为:一种针对具有非连续观测特性目标的无人机协同搜索方法,包括以下步骤:
S1、根据搜索目标活动区域建立搜索环境模型。
S2、在搜索环境模型中初始化设置目标搜索收益图。
S3、随机选取空中搜索平台中的一架无人机,判断该无人机与其它无人机的链路有效连接数量是否大于1,若是则进入步骤S4,否则进入步骤S5。
S4、根据目标搜索收益图中单元格的搜索代价值计算无人机每个下一步可选单元格的搜索收益,并进入步骤S6。
S5、根据目标搜索收益图中单元格的搜索代价值以及链路收益计算无人机每个下一步可选单元格的搜索收益,并进入步骤S6。
S6、判断计算出的最大搜索收益单元格数量是否大于1,若是则进入步骤S7,否则进入步骤S8。
S7、从最大搜索收益单元格中随机选择一个单元格作为下一步搜索单元格。
S8、控制每架无人机通过通信设备广播下一步选择的搜索单元格。
S9、控制每架无人机接收其它无人机的广播信息,检查是否存在其它无人机和本无人机下一步搜索同一个单元格且搜索收益计算次数小于4,若是则进入步骤S10,否则进入步骤S13。
S10、判断本无人机是否为所有选择相同下一步搜索单元格的无人机中在空中搜索平台编号最小的无人机,若是则进入步骤S12,否则进入步骤S11。
S11、将当前选择的下一步搜索单元格的搜索收益计算次数加1,并返回步骤S4。
S12、保持本无人机下一步搜索单元格不变。
S13、根据无人机的下一步搜索单元格更新时间信息以及每架无人机的位置信息。
S14、判断是否发现搜索目标,若是则搜索结束,否则返回步骤S3。
进一步地,步骤S1具体为:
以搜索目标活动区域的外边界为约束取最大外接矩形,并将该矩形划分为M×N个单元格,以(i,j)表示位于第i行第j列的单元格,i=1,2,...,M;j=1,2,...,N。
进一步地,步骤S3中第a架无人机与其它无人机的链路有效连接数量为其中A(a,b)表示无人机网络拓扑图G[k]的邻接矩阵,计算公式为:
其中Rab表示第a架无人机到第b架无人机的距离,Rmax为无人机通信设备的最大通信距离,a=1,2,...,N1;b=1,2,...,N1,N1为空中搜索平台中无人机的数量。
进一步地,步骤S4中单元格的搜索收益计算公式为:
f(i,j)=αn-1qk(i,j) (2)
其中f(i,j)表示单元格(i,j)的搜索收益,α为搜索选择调整系数且α∈(0,1),n为当前单元格在每个时间步长内搜索收益计算重复次数,qk(i,j)表示无人机在离散时间k搜索到单元格(i,j)时单元格(i,j)的搜索代价值。
进一步地,步骤S5中单元格的搜索收益计算公式为:
f(i,j)=w1qk(i,j)+w2Lg(i,j) (3)
其中f(i,j)表示单元格(i,j)的搜索收益,w1为搜索路径影响因子,qk(i,j)表示无人机在离散时间k搜索到单元格(i,j)时单元格(i,j)的搜索代价值,w2为链路质量影响因子,Lg(i,j)为单元格(i,j)的链路收益。
进一步地,搜索代价值qk(i,j)的计算公式为:
其中k为当前时间,Tsearch表示搜索到单元格(i,j)时的时间,Tw为目标感知时间窗口,r为[0,1]范围内的一个随机时间窗口宽度修正系数,C1表示单元格(i,j)被搜索过且处于Tw时间窗口内的收益,C0表示搜索过的单元格超出时间窗口后的收益。
进一步地,链路收益Lg(i,j)的计算公式为:
其中P(k)表示当前无人机所在单元格位置,P(k+1)表示无人机下一步可选单元格位置,Pa(k)表示当前无人机邻居节点的位置。
本发明的有益效果是:
(1)本发明针对现实应用场景中存在目标的观测特性会随时间发生变化,不具有连续观测特点的应用需求,提出了一种动态滑动可变窗口更新目标搜索收益图方法,解决了传统搜索方法对非连续观测目标的判决的不准确性。
(2)本发明采用分布式协同路径搜索的优化机制,避免了多架无人机对同一区域的重复搜索,提高了目标搜索效率,减少了目标搜索所需时间。
(3)本发明在协同搜索算法设计中充分考虑了通信链路连通性对无人机协同搜索的影响,在搜索性能函数计算中加入无人机链路连通性的约束,更加接近现实搜索应用场景,具备更强的实用性。
附图说明
图1所示为本发明实施例提供的一种针对具有非连续观测特性目标的无人机协同搜索方法流程图。
图2所示为本发明实施例提供的搜索环境模型示意图。
具体实施方式
现在将参考附图来详细描述本发明的示例性实施方式。应当理解,附图中示出和描述的实施方式仅仅是示例性的,意在阐释本发明的原理和精神,而并非限制本发明的范围。
本发明实施例提供了一种针对具有非连续观测特性目标的无人机协同搜索方法,如图1所示,包括以下步骤S1~S14:
S1、根据搜索目标活动区域建立搜索环境模型。
本发明实施例中不考虑地形等因素的影响,地面目标可以在目标区域移动,无人机可在目标区域的上空飞行,最终建立的搜索环境模型如图2所示。图2中灰色区域为搜索目标活动区域A,本发明以搜索目标活动区域A的外边界为约束取最大外接矩形,并将该矩形划分为M×N个w×w的单元格,单元格的边长w根据具体情况设定,以(i,j)表示位于第i行第j列的单元格,i=1,2,...,M;j=1,2,...,N。
本发明实施例主要考虑搜索目标对象为地面非连续观测目标,地面非连续观测目标主要是指地面目标具有伪装能力,无人机的侦察传感器无法对目标连续感知,最重要特点就是搜索时间严格受时间窗口限制,需要在特定的时间窗口内对目标进行探测搜索。目标初始状态为伪装模式,此时目标无法被无人机探测感知。状态切换时间间隔Tint后进入对抗模式,对抗模式持续时间(即目标感知时间窗口)为Tw,该时间段内目标可以被无人机探测感知。Tw结束后,目标进入伪装模式。目标状态进行周期循环,其中Tw为固定值,Tint符合正态分布特点。
S2、在搜索环境模型中初始化设置目标搜索收益图。
本发明实施例中,由于非连续观测目标不同于常规目标,目标随机出现,在出现后具有探测时间窗口Tw,不具有持续的可探测性,超过探测时间窗口Tw后目标无法被无人机传感器探测,并且具有机动特性。每个目标区域的单元格具有一个属性值q,q表示搜索此单元格的搜索代价值,q(i,j)即为某单元格(i,j)的q值,通过在搜索环境模型中每个单元格内赋予q值,即构成了目标搜索收益图。在初始时刻T0,每个单元格的q值均设置为C0。
S3、随机选取空中搜索平台中的一架无人机,判断该无人机与其它无人机的链路有效连接数量是否大于1,若是则进入步骤S4,否则进入步骤S5。
本发明实施例中,需要保证FANET的网络拓扑结构。在任意离散时刻,多无人机系统的网络拓扑可以通过图G[k]=(V,E[k])来表示,其中节点表示所有无人机,边E[k]表示所有的通信连接,无人机网络拓扑图G[k]的邻接矩阵为无向图邻接矩阵。
定义无人机网络拓扑图G[k]的邻接矩阵A(a,b)为:
其中Rab表示第a架无人机Va到第b架无人机Vb的距离,Rmax为无人机通信设备的最大通信距离,a=1,2,...,N1;b=1,2,...,N1,N1为空中搜索平台中无人机的数量。
本发明实施例中,将第a架无人机与其它无人机的链路有效连接数量用表示,若则说明第a架无人机与其它无人机的链路有效连接数量大于1,进入步骤S4,否则说明第a架无人机与其它无人机的链路有效连接数量小于或等于1,进入步骤S5。
S4、根据目标搜索收益图中单元格的搜索代价值计算无人机每个下一步可选单元格的搜索收益,并进入步骤S6。
步骤S4中单元格的搜索收益计算公式为:
f(i,j)=αn-1qk(i,j) (2)
其中f(i,j)表示单元格(i,j)的搜索收益,α为搜索选择调整系数且α∈(0,1),n为当前单元格在每个时间步长内搜索收益计算重复次数,qk(i,j)表示无人机在离散时间k搜索到单元格(i,j)时单元格(i,j)的搜索代价值,其计算公式为:
其中k为当前时间,Tsearch表示搜索到单元格(i,j)时的时间,Tw为目标感知时间窗口,r为[0,1]范围内的一个随机时间窗口宽度修正系数,C1表示单元格(i,j)被搜索过且处于Tw时间窗口内的收益,C0表示搜索过的单元格超出时间窗口后的收益。通过公式(4)即可实现对目标搜索收益图的更新。
S5、根据目标搜索收益图中单元格的搜索代价值以及链路收益计算无人机每个下一步可选单元格的搜索收益,并进入步骤S6。
步骤S5中单元格的搜索收益计算公式为:
f(i,j)=w1qk(i,j)+w2Lg(i,j) (3)
其中f(i,j)表示单元格(i,j)的搜索收益,w1为搜索路径影响因子,qk(i,j)表示无人机在离散时间k搜索到单元格(i,j)时单元格(i,j)的搜索代价值,w2为链路质量影响因子,Lg(i,j)为单元格(i,j)的链路收益。
搜索代价值qk(i,j)的计算公式为:
其中k为当前时间,Tsearch表示搜索到单元格(i,j)时的时间,Tw为目标感知时间窗口,r为[0,1]范围内的一个随机时间窗口宽度修正系数,C1表示单元格(i,j)被搜索过且处于Tw时间窗口内的收益,C0表示搜索过的单元格超出时间窗口后的收益。
链路收益Lg(i,j)的计算公式为:
其中P(k)表示当前无人机所在单元格位置,P(k+1)表示无人机下一步可选单元格位置,Pa(k)表示当前无人机邻居节点的位置。
S6、判断计算出的最大搜索收益单元格数量是否大于1,若是则进入步骤S7,否则进入步骤S8。
搜索收益函数f(i,j)定义为目标发现收益,要保证搜索收益函数最大,即在搜索过程中在Tw时间范围内,无人机的覆盖面积最大,同时确保每个无人机至少有一个邻居。在初始时刻T0,每个单元格的q值均设置为C0,每个无人机k时刻可从当前单元格的4个方向选择k+1时刻的搜索目的单元格,本发明实施例中,选取搜索收益函数值最大的单元格作为下一步搜索单元格。
S7、从最大搜索收益单元格中随机选择一个单元格作为下一步搜索单元格。
S8、控制每架无人机通过通信设备广播下一步选择的搜索单元格。
S9、控制每架无人机接收其它无人机的广播信息,检查是否存在其它无人机和本无人机下一步搜索同一个单元格且搜索收益计算次数小于4,若是则进入步骤S10,否则进入步骤S13。
S10、判断本无人机是否为所有选择相同下一步搜索单元格的无人机中在空中搜索平台编号最小的无人机,若是则进入步骤S12,否则进入步骤S11。
S11、将当前选择的下一步搜索单元格的搜索收益计算次数加1,并返回步骤S4。
S12、保持本无人机下一步搜索单元格不变。
S13、根据无人机的下一步搜索单元格更新时间信息以及每架无人机的位置信息。
S14、判断是否发现搜索目标,若是则搜索结束,否则返回步骤S3。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种针对具有非连续观测特性目标的无人机协同搜索方法,其特征在于,包括以下步骤:
S1、根据搜索目标活动区域建立搜索环境模型;
S2、在搜索环境模型中初始化设置目标搜索收益图;
S3、随机选取空中搜索平台中的一架无人机,判断该无人机与其它无人机的链路有效连接数量是否大于1,若是则进入步骤S4,否则进入步骤S5;
S4、根据目标搜索收益图中单元格的搜索代价值计算无人机每个下一步可选单元格的搜索收益,并进入步骤S6;
S5、根据目标搜索收益图中单元格的搜索代价值以及链路收益计算无人机每个下一步可选单元格的搜索收益,并进入步骤S6;
S6、判断计算出的最大搜索收益单元格数量是否大于1,若是则进入步骤S7,否则进入步骤S8;
S7、从最大搜索收益单元格中随机选择一个单元格作为下一步搜索单元格;
S8、控制每架无人机通过通信设备广播下一步选择的搜索单元格;
S9、控制每架无人机接收其它无人机的广播信息,检查是否存在其它无人机和本无人机下一步搜索同一个单元格且搜索收益计算次数小于4,若是则进入步骤S10,否则进入步骤S13;
S10、判断本无人机是否为所有选择相同下一步搜索单元格的无人机中在空中搜索平台编号最小的无人机,若是则进入步骤S12,否则进入步骤S11;
S11、将当前选择的下一步搜索单元格的搜索收益计算次数加1,并返回步骤S4;
S12、保持本无人机下一步搜索单元格不变;
S13、根据无人机的下一步搜索单元格更新时间信息以及每架无人机的位置信息;
S14、判断是否发现搜索目标,若是则搜索结束,否则返回步骤S3。
2.根据权利要求1所述的无人机协同搜索方法,其特征在于,所述步骤S1具体为:
以搜索目标活动区域的外边界为约束取最大外接矩形,并将该矩形划分为M×N个单元格,以(i,j)表示位于第i行第j列的单元格,i=1,2,...,M;j=1,2,...,N。
3.根据权利要求1所述的无人机协同搜索方法,其特征在于,所述步骤S3中第a架无人机与其它无人机的链路有效连接数量为其中A(a,b)表示无人机网络拓扑图G[k]的邻接矩阵,计算公式为:
其中Rab表示第a架无人机到第b架无人机的距离,Rmax为无人机通信设备的最大通信距离,a=1,2,...,N1;b=1,2,...,N1,N1为空中搜索平台中无人机的数量。
4.根据权利要求2所述的无人机协同搜索方法,其特征在于,所述步骤S4中单元格的搜索收益计算公式为:
f(i,j)=αn-1qk(i,j) (2)
其中f(i,j)表示单元格(i,j)的搜索收益,α为搜索选择调整系数且α∈(0,1),n为当前单元格在每个时间步长内搜索收益计算重复次数,qk(i,j)表示无人机在离散时间k搜索到单元格(i,j)时单元格(i,j)的搜索代价值。
5.根据权利要求2所述的无人机协同搜索方法,其特征在于,所述步骤S5中单元格的搜索收益计算公式为:
f(i,j)=w1qk(i,j)+w2Lg(i,j) (3)
其中f(i,j)表示单元格(i,j)的搜索收益,w1为搜索路径影响因子,qk(i,j)表示无人机在离散时间k搜索到单元格(i,j)时单元格(i,j)的搜索代价值,w2为链路质量影响因子,Lg(i,j)为单元格(i,j)的链路收益。
6.根据权利要求4-5任一所述的无人机协同搜索方法,其特征在于,所述搜索代价值qk(i,j)的计算公式为:
其中k为当前时间,Tsearch表示搜索到单元格(i,j)时的时间,Tw为目标感知时间窗口,r为[0,1]范围内的一个随机时间窗口宽度修正系数,C1表示单元格(i,j)被搜索过且处于Tw时间窗口内的收益,C0表示搜索过的单元格超出时间窗口后的收益。
7.根据权利要求5所述的无人机协同搜索方法,其特征在于,所述链路收益Lg(i,j)的计算公式为:
其中P(k)表示当前无人机所在单元格位置,P(k+1)表示无人机下一步可选单元格位置,Pa(k)表示当前无人机邻居节点的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910416304.9A CN110018694B (zh) | 2019-05-20 | 2019-05-20 | 一种针对具有非连续观测特性目标的无人机协同搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910416304.9A CN110018694B (zh) | 2019-05-20 | 2019-05-20 | 一种针对具有非连续观测特性目标的无人机协同搜索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110018694A true CN110018694A (zh) | 2019-07-16 |
CN110018694B CN110018694B (zh) | 2020-04-21 |
Family
ID=67193999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910416304.9A Active CN110018694B (zh) | 2019-05-20 | 2019-05-20 | 一种针对具有非连续观测特性目标的无人机协同搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110018694B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416942A (zh) * | 2020-04-27 | 2020-07-14 | 深圳市瑞立视多媒体科技有限公司 | 限制相机搜索范围的方法、装置、设备及存储介质 |
CN114964269A (zh) * | 2022-08-01 | 2022-08-30 | 成都航空职业技术学院 | 一种无人机路径规划方法 |
CN117590757A (zh) * | 2024-01-19 | 2024-02-23 | 成都航空职业技术学院 | 基于高斯分布海鸥优化算法的多无人机协同任务分配方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122974A (zh) * | 2007-09-13 | 2008-02-13 | 北京航空航天大学 | 基于Voronoi图和蚁群优化算法的无人机航路规划方法 |
CN101136081A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于蚁群智能的无人作战飞机多机协同任务分配方法 |
CN102759357A (zh) * | 2012-05-10 | 2012-10-31 | 西北工业大学 | 通信延迟下多无人机协同实时航路规划方法 |
US20160337027A1 (en) * | 2015-05-13 | 2016-11-17 | Ubiqomm Llc | Ground terminal and gateway beam pointing toward an unmanned aerial vehicle (uav) for network access |
CN108416241A (zh) * | 2018-03-08 | 2018-08-17 | 成都航空职业技术学院 | 一种基于搜索树的双时隙rfid防碰撞算法 |
-
2019
- 2019-05-20 CN CN201910416304.9A patent/CN110018694B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101122974A (zh) * | 2007-09-13 | 2008-02-13 | 北京航空航天大学 | 基于Voronoi图和蚁群优化算法的无人机航路规划方法 |
CN101136081A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于蚁群智能的无人作战飞机多机协同任务分配方法 |
CN102759357A (zh) * | 2012-05-10 | 2012-10-31 | 西北工业大学 | 通信延迟下多无人机协同实时航路规划方法 |
US20160337027A1 (en) * | 2015-05-13 | 2016-11-17 | Ubiqomm Llc | Ground terminal and gateway beam pointing toward an unmanned aerial vehicle (uav) for network access |
CN108416241A (zh) * | 2018-03-08 | 2018-08-17 | 成都航空职业技术学院 | 一种基于搜索树的双时隙rfid防碰撞算法 |
Non-Patent Citations (3)
Title |
---|
L.F.BERTUCCELLI,等: "Developing Operator Models for UAV Search Scheduling", 《RESEARCHGATE》 * |
李雷,陈桂琴,田园: "无人机的发展历程与展望", 《科技论坛》 * |
王强,等: "一种局部二值模式图像特征点匹配算法", 《计算机应用研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416942A (zh) * | 2020-04-27 | 2020-07-14 | 深圳市瑞立视多媒体科技有限公司 | 限制相机搜索范围的方法、装置、设备及存储介质 |
CN114964269A (zh) * | 2022-08-01 | 2022-08-30 | 成都航空职业技术学院 | 一种无人机路径规划方法 |
CN117590757A (zh) * | 2024-01-19 | 2024-02-23 | 成都航空职业技术学院 | 基于高斯分布海鸥优化算法的多无人机协同任务分配方法 |
CN117590757B (zh) * | 2024-01-19 | 2024-05-07 | 成都航空职业技术学院 | 基于高斯分布海鸥优化算法的多无人机协同任务分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110018694B (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111352417B (zh) | 异构多无人机协同路径的快速生成方法 | |
Arafat et al. | Bio-inspired approaches for energy-efficient localization and clustering in UAV networks for monitoring wildfires in remote areas | |
CN110018694A (zh) | 一种针对具有非连续观测特性目标的无人机协同搜索方法 | |
Dai et al. | Quality-aware UAV coverage and path planning in geometrically complex environments | |
Ponda et al. | Decentralized planning for complex missions with dynamic communication constraints | |
CN109254588A (zh) | 一种基于交叉变异鸽群优化的无人机集群协同侦察方法 | |
CN103941744B (zh) | 用于确定飞行路径的方法 | |
Kułakowski et al. | Performance study of wireless sensor and actuator networks in forest fire scenarios | |
KR102279956B1 (ko) | 감시영역 우선도 기반 소수무리최적화 이론을 활용한 복수 무인항공기의 3차원 감시경로설정 최적화 방법 및 장치 | |
CN106656308B (zh) | 空间信息网络中任务的规划方法和装置 | |
CN112580217A (zh) | 基于复杂网络的通信体系结构参数化建模方法 | |
Lin et al. | Topology‐based distributed optimization for multi‐UAV cooperative wildfire monitoring | |
CN109506654A (zh) | 低空航路规划方法及装置、飞行器 | |
CN105185163A (zh) | 飞行路径选择方法和装置、飞行器和空中交通管理系统 | |
CN107197498A (zh) | 一种用于通信中继的无人机拓扑生成方法 | |
CN110336751A (zh) | 基于隶属函数的低轨卫星网络路由策略 | |
CN113188547A (zh) | 无人机路径规划方法、装置、控制器及存储介质 | |
Yang et al. | Optimization and improvement for multi-UAV cooperative reconnaissance mission planning problem | |
CN113688560A (zh) | 面向多星单侦察目标的轨道机动优化方法 | |
CN108966120A (zh) | 一种用于动态集群网络改进的组合三边定位方法及系统 | |
CN105357683A (zh) | 一种基于吉布斯采样的超密集异构网络最优小区范围扩展偏置调整方法 | |
CN107454651A (zh) | 一种用于通信中继的无人机分段拓扑生成方法 | |
Scott et al. | Occlusion-aware coverage for efficient visual sensing in unmanned aerial vehicle networks | |
CN106125037A (zh) | 基于WiFi信号强度和Micro‑Model的室内无线热点回溯定位方法 | |
CN108681247A (zh) | 一种完全分布式保性能通信容错编队控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |