CN111508282B - 低空无人机农田作业飞行障碍物冲突检测方法 - Google Patents

低空无人机农田作业飞行障碍物冲突检测方法 Download PDF

Info

Publication number
CN111508282B
CN111508282B CN202010380479.1A CN202010380479A CN111508282B CN 111508282 B CN111508282 B CN 111508282B CN 202010380479 A CN202010380479 A CN 202010380479A CN 111508282 B CN111508282 B CN 111508282B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
obstacle
flight
axis
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
CN202010380479.1A
Other languages
English (en)
Other versions
CN111508282A (zh
Inventor
王尔申
宋远上
佟刚
王传云
黄煜峰
徐嵩
张磊
曲萍萍
项松
庞涛
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.)
Shenyang Aerospace University
Original Assignee
Shenyang Aerospace 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 Shenyang Aerospace University filed Critical Shenyang Aerospace University
Priority to CN202010380479.1A priority Critical patent/CN111508282B/zh
Publication of CN111508282A publication Critical patent/CN111508282A/zh
Application granted granted Critical
Publication of CN111508282B publication Critical patent/CN111508282B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/04—Anti-collision systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Geometry (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供一种低空无人机农田作业飞行障碍物冲突检测方法，涉及无人机交通管理技术领域。该方法首先通过已知的无人机的飞行数据和已知障碍物体的位置信息，以障碍物为原点，建立坐标系；然后依据运动学原理，去除无人机飞行数据中的异常飞行数据，并判断无人机的当前飞行状态；并利用四个已知障碍物在新建立坐标系中的位置和改进的最小二乘法计算出未知障碍物的位置；同时将无人机与确定位置的障碍物的信息进行对齐；最后对无人机与确定位置的障碍物之间的飞行冲突情况进行检测。本发明方法对在农田作业的无人机与静态障碍物之间的冲突情况进行检测，保障无人机的作业安全飞行，为实现安全飞行农田作业提供技术支撑。

Description

低空无人机农田作业飞行障碍物冲突检测方法
技术领域
本发明涉及无人机交通管理技术领域，尤其涉及一种低空无人机农田作业飞行障碍物冲突检测方法。
背景技术
随着社会的发展，通用航空产业越来越成熟；受到复杂而多变的地形、建筑物以及气象条件等多种因素的影响，在有限的低空空域内，在农田作业的无人机与障碍物之间呈现出复杂的相互制约性，使得产生飞行冲突的概率增加，传统的航路航线冲突检测方法在特定农田的作业空间内并不适用。
目前，用于无人机在飞行过程中的飞行冲突的检测，主要有如下的检测方法，第一类采用加装硬件，如雷达测距、激光测距和超声波测距法，此类方法均使用距离传感器，其工作原理主要依靠自身发射电磁波或者激光、声波反射到前方障碍物，测量回波时间差来确定距离。被探测物体的材质不同所反射回来的回波强弱也有很大差异性。视觉避障工作原理是通过图像的差异计算每个点的距离，算法比较复杂，需要对图像处理。这类方法需要对无人机进行改装，且费用较高，不适用于农田作业的无人机。第二类主要是在飞行数据的基础上，采用智能算法与航迹处理方法，如支持向量机、贝叶斯估计等，多用于无人机之间。航迹预测方法如4D航迹预测、航迹滤波处理等方法，由于航迹点较多，计算量大，较为复杂。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种低空无人机农田作业飞行障碍物冲突检测方法，利用障碍物的位置信息，获取飞行冲突的概率。
为解决上述技术问题，本发明所采取的技术方案是：低空无人机农田作业飞行障碍物冲突检测方法，包括以下步骤：
步骤1、已知无人机的飞行数据和已知障碍物体的位置信息，以障碍物为原点，建立坐标系；
所述无人机的飞行数据包括无人机飞行时的位置信息，包括：经纬度、速度、iqi高度、航向角和时间；用北斗模块来获取到障碍物的位置信息，包括经纬度、高度和时间；
以障碍物A为原点，建立坐标系；已知无人机与障碍物所在点的经纬度，计算无人机与障碍物之间的距离s,如下公式所示：
s＝2×6378.137×t
Figure GDA0003103212050000011
其中，lat1、lat2分别为无人机与障碍物所在点的纬度，a＝lat1-lat2代表无人机与障碍物两点之间的纬度差，b代表无人机与障碍物两点之间的经度差，6378.137表示地球半径，单位为千米；
则无人机与障碍物之间的三维距离S如下公式所示：
Figure GDA0003103212050000021
其中，H为无人机与障碍物两点之间的高度差；
当无人机处于北半球的东半球时，确定坐标系的正方向(X、Y、Z轴的两两坐标轴之间的角度为90°)为：
当计算无人机在X轴上的位置时，b＝0,X轴的正方向是正南，当a＜0时，无人机在X轴上的数值为正；
当计算无人机在Y轴上的位置时，a＝0,且Y轴的正方向是正东，当b＞0时，无人机在Y轴上的数值为正；
当计算无人机在Z轴上的位置时，a＝b＝0,当H>0时，无人机在Z轴上的数值为正；
当无人机不处于北半球的东半球时，依据当地的实际情况选择坐标系的正方向；
从而得到第i时刻的无人机的飞行数据信息集合Ωi，如下式所示：
Ωi＝(xi,yi,zi,vi,ti,hi,θi)1×6(i＝0,1,2,...,n)
其中，xi,yi,zi,vi,ti,hi,θi分别表示第i时刻的无人机在X,Y,Z轴上的位置、速度、时间、高度和航向角，n为时间序列；
步骤2、依据运动学原理，去除无人机飞行数据中的异常飞行数据，并判断无人机的当前飞行状态；
步骤2.1、依据已知的无人机飞行数据手册对无人机飞行轨迹进行建模，去除飞行数据中的异常飞行数据；
(1)依据加速度去除异常速度数据：
求无人机重力加速度：将无人机重力分解在X、Y、Z轴方向上：
Figure GDA0003103212050000022
其中，Gx、Gy、Gz分别表示无人机在X、Y、Z轴方向上的重力，θ、φ分别表示无人机飞行速度的方向与X、Y轴正方向的夹角；
依据牛顿第二定律，得到无人机瞬时重力加速度，如下式所示：
Figure GDA0003103212050000031
其中，ax、ay、az分别表示无人机在X、Y、Z轴方向上的重力加速度，g为重力加速度；
依据无人机的飞行数据手册获取无人机理论上的最大加速度ak，从而求得无人机加速度理论上的最大值在X、Y、Z轴方向上的分量：
Figure GDA0003103212050000032
其中，amaxx、amaxy、amaxz分别表示无人机在X、Y、Z轴方向上的加速度理论上的最大值；
依据无人机的瞬时飞行速度，得到第i时刻无人机实际的飞行加速度分量，如下式所示：
Figure GDA0003103212050000033
其中，aix、aiy、aiz表示第i时刻无人机实际的飞行加速度在X、Y、Z轴方向上的分量，且三个方向上的加速度均小于加速度理论上的最大值；Δt是记录的第i+1时刻与第i时刻之间的时间差；vi、vi+1分别表示第i时刻和第i+1时刻的无人机的瞬时飞行速度；
依据飞行数据得到i时刻无人机在X、Y、Z轴方向上的实际加速度，从而得到i时刻加速度的约束条件：
Figure GDA0003103212050000041
当aix、aiy、aiz不满足上述约束条件时，则无人机在第i时刻的瞬时速度值为异常数据；
(2)去除异常位置数据
利用无人机的飞行数据手册以及运动学原理计算无人机的理论位置，如下式所示：
Figure GDA0003103212050000042
其中，Xi、Yi、Zi表示在第i时刻无人机在X、Y、Z轴上的理论的位置，vix、viy、viz表示第i时刻无人机的瞬时飞行速度在X,Y,Z轴上的分量，如下式所示：
vix＝vi sinθ
viy＝vi cosθsinφ
viz＝vicosθcosφ
Xi+1、Yi+1、Zi+1分别为在i+1时刻无人机在X、Y、Z轴上的理论的位置，且满足以下条件：
Figure GDA0003103212050000043
其中，xi+1、yi+1、zi+1分别为i+1时刻无人机在X、Y、Z轴上的实际位置，Vxi、Vyi、Vzi表示无人机在第i时刻依据飞行数据手册得到的理论速度在X、Y、Z轴上的分量；
若无人机的实际位置不满足以上约束条件，则无人机在X、Y、Z轴上的位置为异常数据；
(3)去除飞行速度与飞行高度异常数据
依据无人机的飞行数据手册，得到无人机的最大飞行速度Vmax与最大飞行高度Hmax，依据实际的飞行数据得到第i时刻无人机的瞬时速度为vi和飞行高度为hi；
若无人机实际飞行数据中的飞行速度与飞行高度不满足如下条件：
Figure GDA0003103212050000051
则无人机的飞行速度数据和飞行高度数据是异常数据；
步骤2.2、利用已知的无人机飞行数据判断无人机运动状态；
匀速运动：当aix＝aiy＝aiz＝0时，无人机处于匀速运动；
匀加速运动：当a(i+1)x-aix＝a(i+1)y-aiy＝a(i+1)z-aiz＝η时，无人机处于匀加速运动，其中，η为一个常数，a(i+1)x、a(i+1)y、a(i+1)z分别为在第i+1时刻无人机的加速度在x、y、z上的分量；
转弯运动：已知航向角θ：当θi+1-θi≠0时，无人机为转弯运动，其中，θi+1、θi分别为无人机在第i+1时刻和第i时刻的航向角；
步骤3、利用四个已知障碍物在新建立坐标系中的位置和改进的最小二乘法计算出未知障碍物的位置；
依据卫星信息获得坐标系中第λ个已知障碍物的位置Sλ为：
Sλ＝(xλ,yλ,zλ)，λ＝1,2,3,4
其中，xλ,yλ,zλ分别为第λ个已知障碍物在X，Y，Z三个方向上的坐标值；
除去这四个已知障碍物之外的第l个未知障碍物的位置Fl为：
Fl＝(xl,yl,zl)
其中，xl,yl,zl表示第l个未知障碍物在X，Y，Z三个方向上的坐标值；
利用仪器测得任意一个未知障碍物与已知四个障碍物的距离集合R为：
R＝(r1,r2,r3,r4)
则通过以下改进的最小二乘法方法计算求得Fl：
(1)设置Fl的初始位置(x'0,y'0,z'0)，为了简化计算过程，此处将其设为(0,0,0)；
(2)设定迭代误差阈值，迭代求解Fl的坐标值xl,yl,zl；
由于在飞行数据手册中，描述无人机形状参数的数据为毫米级别，故设定迭代误差阈值为：1×10-4，即误差在10-4m以内；
未知障碍物Fl到已知障碍物Sλ的欧式距离rλ如下公式所示:
Figure GDA0003103212050000061
其中，(xl,yl,zl)为待求障碍物点的位置坐标，xλ,yλ,zλ为参与解算的第λ个已知障碍物的位置坐标值；
1)计算单位观测矢量：
Figure GDA0003103212050000062
其中，
Figure GDA0003103212050000063
分别为第λ个已知障碍物经过第k次迭代后单位观测矢量在X，Y，Z三个方向上的分量，x'k、y'k、z'k分别为第k次迭代后未知障碍物在X，Y,Z轴上的位置坐标值；
2)定义第k-1，(k＞1)次迭代时的几何矩阵Gk-1、bk-1，如下公式所示：
Figure GDA0003103212050000064
Figure GDA0003103212050000065
其中，
Figure GDA0003103212050000066
为第λ个已知障碍物到未知障碍物的实际距离，
Figure GDA0003103212050000067
表示进行k-1次迭代后第λ个已知障碍物到未知障碍物的欧式距离；
3)求解线性方程组：
Figure GDA0003103212050000071
其中，Δx'、Δy'、Δz'为相邻两次迭代未知障碍物位置坐标的差值；
4)更新未知障碍物点的位置信息：
Figure GDA0003103212050000072
其中，x'k、y'k、z'k为第k次迭代后未知障碍物点的位置坐标，x'k-1、y'k-1、z'k-1为第k-1次迭代后未知障碍物点的位置坐标；
5)将迭代误差与设定的迭代误差阈值比较：
Figure GDA0003103212050000073
其中，Δd'χ为迭代的误差值，如果Δd'χ大于设定的迭代误差阈值，则重新执行步骤1)-5)，直至Δd'χ小于等于设定的迭代误差阈值，从而获得未知障碍物Fl的准确位置；
步骤4、将无人机与确定位置的障碍物的信息进行对齐，使无人机与确定障碍物的信息数据维度相同；
确定位置的障碍物的信息fα与无人机的飞行数据Ωi分别为：
fα＝(xα,yα,zα,vα,tα,θα)1×6(α＝1,2,...,c)
Ωi＝(xi,yi,zi,vi,ti,θi)1×6(i＝0,1,2,...,n)
其中,Ωi表示第i时刻无人机的飞行数据信息，xi,yi,zi,vi,ti,θi分别为第i时刻无人机在X,Y,Z轴上的位置、速度、时间和航向角，航向角θi即为无人机飞行速度方向与X轴的夹角，ti为时间；fα表示第α个障碍物的信息，其中，xα,yα,zα,vα,tα,θα分别为第i时刻障碍物在X,Y,Z轴上的位置、速度、时间和航向角，且vα＝0，tα＝ti，θα＝0，c为确定位置的障碍物的总数；
步骤5、对无人机与确定位置的障碍物之间的飞行冲突情况进行检测；
步骤5.1、对无人机保护区与飞行冲突保护区进行建模，从而判断无人机与确定位置的障碍物是否存在冲突；
以无人机的中心为原点，即以无人机在X、Y、Z轴上的实际的位置为球心，以无人机结构上机翼离放置定位模块的点的距离为球半径L，建立球体无人机保护区模型：
(xβ-xi)2+(yβ-yi)2+(zβ-zi)2＝L2
其中，xβ、yβ、zβ为球内任意一点；
建立无人机飞行冲突保护区：
对于不同飞行状态时，采用不同的无人机飞行冲突保护区：
无人机处于匀速飞行时，无人机的飞行冲突保护区为球体，表达式为：
(xγ-xβ)2+(yγ-yβ)2+(zγ-zβ)2＝(L+lmax)2
其中，lmax是无人机保护区模型到飞行冲突保护区模型的距离；xγ、yγ、zγ为球体保护区内除无人机保护区外任意一点；无人机处于匀加速飞行时，无人机的飞行冲突保护区为椭体保护区I，表达式为：
Figure GDA0003103212050000081
其中，xτ、yτ、zτ为椭体保护区I内除无人机保护区外的任意一点，sx、sy、sz表示无人机在X、Y、Z方向上的位置偏移量，表达式为：
Figure GDA0003103212050000082
Figure GDA0003103212050000083
Figure GDA0003103212050000084
无人机处于转弯飞行时，无人机的飞行冲突保护区为椭体保护区Ⅱ，表达式为：
Figure GDA0003103212050000085
其中，(xδ、yδ、zδ)为椭体保护区Ⅱ内除无人机保护区外的任意一点；
当已经确定位置的障碍物在飞行冲突保护区外时，则无人机与障碍物不存在飞行冲突，当已经确定位置的障碍物在飞行冲突保护区内时，则无人机与障碍物存在飞行冲突；
步骤5.2、若无人机与已确定位置的障碍物之间存在飞行冲突，计算无人机与障碍之间的冲突概率；
计算已确定位置的障碍物到无人机的欧氏距离d'，以及无人机与飞行冲突保护区边缘的距离d"，d"＞d'，且d"与d'均服从
Figure GDA0003103212050000091
化为标准正态分布为：
Figure GDA0003103212050000092
其中，Δ为无人机与已确定位置的障碍物之间的位置差，
Figure GDA0003103212050000093
分别为无人机的位置误差的方差与障碍物的位置误差的方差；
则无人机与障碍物之间冲突概率为：
Figure GDA0003103212050000094
其中，
Figure GDA0003103212050000095
Figure GDA0003103212050000096
为无人机的位置的误差与障碍物的位置误差，且为高斯分布：
Figure GDA0003103212050000097
其中，μb为数学期望，μb与
Figure GDA0003103212050000098
通过历史飞行数据与障碍物的数据计算得出，
Figure GDA0003103212050000099
为无人机与已确定位置的障碍物之间的距离差与最小安全距离之差。
采用上述技术方案所产生的有益效果在于：本发明提供的低空无人机农田作业飞行障碍物冲突检测方法，不需要测绘来新建地图，只需要在卫星导航定位基础上，对在农田作业的无人机与静态障碍物之间的冲突情况进行检测，保障无人机的作业安全飞行，为实现安全飞行农田作业提供技术支撑。同时无需对无人机的摄像头进行优化，不需要图像处理，考虑了无人机的本身的形状，故安全度更高，使用灵活，可用于各种农田作业的场景。
附图说明
图1为本发明实施例提供的低空无人机农田作业飞行障碍物冲突检测方法的流程图；
图2为本发明实施例提供的根据飞行数据得到的无人机飞行轨迹图；
图3为本发明实施例提供的无人机在建立的坐标系上的飞行轨迹图；
图4为本发明实施例提供的各障碍物在坐标系中的位置示意图；
图5为本发明实施例提供的当无人机处于匀速运动时无人机保护区和冲突保护区是示意图；
图6为本发明实施例提供的在匀加速运动和转弯运动时无人机保护区和冲突保护区的示意图；
图7为本发明实施例提供的障碍物在无人机的冲突保护区内的示意图；
图8为本发明实施例提供的障碍物在无人机的冲突保护区内时的冲突概率图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本实施例以表1所示的某无人机的飞行数据为例，使用本发明的低空无人机农田作业飞行障碍物冲突检测方法对该无人机与障碍物之间的冲突情况进行检测。
本实施例中，低空无人机农田作业飞行障碍物冲突检测方法，如图1所示，包括以下步骤：
步骤1、已知无人机的飞行数据和已知障碍物体的位置信息，以障碍物为原点，建立坐标系；
所述无人机的飞行数据包括无人机飞行时的位置信息，包括：经纬度、速度、高度、航向角和时间；用北斗模块来获取到障碍物的位置信息，包括经纬度、高度和时间；
以障碍物A为原点，建立坐标系；已知无人机与障碍物所在点的经纬度，计算无人机与障碍物之间的距离s,如下公式所示：
s＝2×6378.137×t
Figure GDA0003103212050000101
其中，lat1、lat2分别为无人机与障碍物所在点的纬度，a＝lat1-lat2代表无人机与障碍物两点之间的纬度差，b代表无人机与障碍物两点之间的经度差，6378.137表示地球半径，单位为千米；
则无人机与障碍物之间的三维距离S如下公式所示：
Figure GDA0003103212050000102
其中，H为无人机与障碍物两点之间的高度差；
当无人机处于北半球的东半球时，确定坐标系的正方向(X、Y、Z轴的两两坐标轴之间的角度为90°)为：
当计算无人机在X轴上的位置时，b＝0,X轴的正方向是正南，当a＜0时，无人机在X轴上的数值为正；
当计算无人机在Y轴上的位置时，a＝0,且Y轴的正方向是正东，当b＞0时，无人机在Y轴上的数值为正；
当计算无人机在Z轴上的位置时，a＝b＝0,当H>0时，无人机在Z轴上的数值为正；
当无人机不处于北半球的东半球时，依据当地的实际情况选择坐标系的正方向；
从而得到第i时刻的无人机的飞行数据信息集合Ωi，如下公式所示：
Ωi＝(xi,yi,zi,vi,ti,hi,θi)1×6(i＝0,1,2,...,n)
其中，xi,yi,zi,vi,ti,hi,θi分别表示第i时刻的无人机在X,Y,Z轴上的位置、速度、时间、高度和航向角，n为时间序列；
本实施例中，无人机在在X,Y,Z轴上的位置坐标单位均为m。
步骤2、依据运动学原理，去除无人机飞行数据中的异常飞行数据，并判断无人机的当前飞行状态；
步骤2.1、依据已知的无人机飞行数据手册对无人机飞行轨迹进行建模，去除飞行数据中的异常飞行数据；
(1)依据加速度去除异常速度数据：
相较与通航飞行器与民用航空飞行器，在农田作业的无人机处于低空低速的飞行状态且无人机的重量较轻。
求无人机重力加速度：将无人机重力分解在X、Y、Z轴方向上：
Figure GDA0003103212050000111
其中，Gx、Gy、Gz分别表示无人机在X、Y、Z轴方向上的重力，θ、φ分别表示无人机飞行速度的方向与X、Y轴正方向的夹角；
依据牛顿第二定律，得到无人机瞬时重力加速度，如下公式所示：
Figure GDA0003103212050000112
其中，ax、ay、az分别表示无人机在X、Y、Z轴方向上的重力加速度，g为重力加速度；
依据无人机的飞行数据手册获取无人机理论上的最大加速度ak，从而求得无人机加速度理论上的最大值在X、Y、Z轴方向上的分量：
Figure GDA0003103212050000113
其中，amaxx、amaxy、amaxz分别表示无人机在X、Y、Z轴方向上的加速度理论上的最大值；
依据无人机的瞬时飞行速度，得到第i时刻无人机实际的飞行加速度分量，如下公式所示：
Figure GDA0003103212050000121
其中，aix、aiy、aiz表示第i时刻无人机实际的飞行加速度在X、Y、Z轴方向上的分量，且三个方向上的加速度均小于加速度理论上的最大值；Δt是记录的第i+1时刻与第i时刻之间的时间差；vi、vi+1分别表示第i时刻和第i+1时刻的无人机的瞬时飞行速度；
依据飞行数据得到i时刻无人机在X、Y、Z轴方向上的实际加速度，从而得到i时刻加速度的约束条件：
Figure GDA0003103212050000122
当aix、aiy、aiz不满足上述约束条件时，则无人机在第i时刻的瞬时速度值为异常数据；
(2)去除异常位置数据
利用加速度的约束条件去除飞行数据中的异常值外，还可能存在连续异常的飞行数据不能被检测，为排除此类数据中的异常值，利用无人机的飞行数据手册以及运动学原理计算无人机的理论位置，如下公式所示：
Figure GDA0003103212050000123
其中，Xi、Yi、Zi表示在第i时刻无人机在X、Y、Z轴上的理论的位置，vix、viy、viz表示第i时刻无人机的瞬时飞行速度在X,Y,Z轴上的分量，如下公式所示：
vix＝vi sinθ
viy＝vi cosθsinφ
viz＝vicosθcosφ
Xi+1、Yi+1、Zi+1分别为在第i+1时刻无人机在X、Y、Z轴上的理论的位置，且满足以下条件：
Figure GDA0003103212050000131
其中，xi+1、yi+1、zi+1分别为第i+1时刻无人机在X、Y、Z轴上的实际位置，Vxi、Vyi、Vzi表示无人机在第i时刻依据飞行数据手册得到的理论速度在X、Y、Z轴上的分量；
若无人机的实际位置不满足以上约束条件，则无人机在X、Y、Z轴上的位置为异常数据；
(3)去除飞行速度与飞行高度异常数据
依据无人机的飞行数据手册，得到无人机的最大飞行速度Vmax与最大飞行高度Hmax，依据实际的飞行数据得到第i时刻无人机的瞬时速度为vi和飞行高度为hi；
若无人机实际飞行数据中的飞行速度与飞行高度不满足如下条件：
Figure GDA0003103212050000132
则无人机的飞行速度数据和飞行高度数据是异常数据；
步骤2.2、利用已知的无人机飞行数据判断无人机运动状态；
匀速运动：当aix＝aiy＝aiz＝0时，无人机处于匀速运动；
匀加速运动：当a(i+1)x-aix＝a(i+1)y-aiy＝a(i+1)z-aiz＝η时，无人机处于匀加速运动，其中，η为一个常数，a(i+1)x、a(i+1)y、a(i+1)z分别为在第i+1时刻无人机的加速度在x、y、z上的分量；
转弯运动：已知航向角θ：当θi+1-θi≠0时，无人机为转弯运动，其中，θi+1、θi分别为无人机在第i+1时刻和第i时刻的航向角；
本实施例中，某时间序列内无人机的飞行数据及其异常情况如表1所示：
表1无人机某时间序列内的飞行数据
Figure GDA0003103212050000141
Figure GDA0003103212050000151
Figure GDA0003103212050000161
Figure GDA0003103212050000171
Figure GDA0003103212050000181
本实施例中，根据表1的飞行数据画出如图2所示的无人机飞行轨迹图，已知障碍物A的位置信息为(123.371223°，42.391031°，92m)，并以此为原点建立坐标系，则无人机在该坐标系上的飞行轨迹如图3所示；
本实施例中，该无人机的飞行数据手册如表2所示：
表2无人机飞行数据手册
最大平飞速度 60km/h 规格(长x宽X高) 800mmx800mmx450mm
巡航速度 40-50km/h 飞行持续时间 <＝60min
最大过载 0.5g 相对飞行高度 0-500m
空载质量 2kg 最大起飞重量 <10kg
活动半径 <20km 最长飞行距离 40km
步骤3、利用四个已知障碍物在新建立坐标系中的位置和改进的最小二乘法计算出未知障碍物的位置；
依据卫星信息获得坐标系中第λ个已知障碍物的位置Sλ为：
Sλ＝(xλ,yλ,zλ)，λ＝1,2,3,4
其中，xλ,yλ,zλ分别为第λ个已知障碍物在X，Y，Z三个方向上的坐标值；
除去这四个已知障碍物之外的第l个未知障碍物的位置Fl为：
Fl＝(xl,yl,zl)
其中，xl,yl,zl表示第l个未知障碍物在X，Y，Z三个方向上的坐标值；
利用仪器测得任意一个未知障碍物与已知四个障碍物的距离集合R为：
R＝(r1,r2,r3,r4)
则通过以下改进的最小二乘法方法计算求得Fl：
(1)设置Fl的初始位置(x'0,y'0,z'0)，为了简化计算过程，此处将其设为(0,0,0)；
(2)设定迭代误差阈值，迭代求解Fl的坐标值xl,yl,zl；
由于在飞行数据手册中，描述无人机形状参数的数据为毫米级别，故设定迭代误差阈值为：1×10-4，即误差在10-4m以内；
未知障碍物Fl到已知障碍物Sλ的欧式距离rλ如下公式所示:
Figure GDA0003103212050000191
其中，(xl,yl,zl)为待求障碍物点的位置坐标，xλ,yλ,zλ为参与解算的第λ个已知障碍物的位置坐标值；
本实施例以参与计算的第1个已知障碍物为例，首次迭代欧式距离r1 0表示为如下公式：
Figure GDA0003103212050000192
1)计算单位观测矢量：
Figure GDA0003103212050000193
其中，
Figure GDA0003103212050000194
分别为第λ个已知障碍物经过第k次迭代后单位观测矢量在X，Y，Z三个方向上的分量，x'k、y'k、z'k分别为第k次迭代后未知障碍物在X，Y,Z轴上的位置坐标值；
本实施例中，单位观测矢量首次迭代可表示为如下公式：
Figure GDA0003103212050000201
2)定义第k-1，(k＞1)次迭代时的几何矩阵Gk-1、bk-1，如下公式所示：
Figure GDA0003103212050000202
Figure GDA0003103212050000203
其中，
Figure GDA0003103212050000204
为第λ个已知障碍物到未知障碍物的实际距离，
Figure GDA0003103212050000205
表示进行k-1次迭代后第λ个已知障碍物到未知障碍物的欧式距离；
3)求解线性方程组：
Figure GDA0003103212050000206
其中，Δx'、Δy'、Δz'为相邻两次迭代未知障碍物位置坐标的差值；
4)更新未知障碍物点的位置信息：
Figure GDA0003103212050000207
其中，x'k、y'k、z'k为第k次迭代后未知障碍物点的位置坐标，x'k-1、y'k-1、z'k-1为第k-1次迭代后未知障碍物点的位置坐标；
本实施例以首次迭代为例，未知障碍物点的位置信息可表示为：
Figure GDA0003103212050000211
5)将迭代误差与设定的迭代误差阈值比较：
Figure GDA0003103212050000212
其中，Δd'χ为迭代的误差值，如果Δd'χ大于设定的迭代误差阈值，则重新执行步骤1)-5)，直至Δd'χ小于等于设定的迭代误差阈值，从而获得未知障碍物Fl的准确位置；
本实施例中，已知四个障碍物在建立的坐标系中的位置坐标分别为A(0,0,0),B(2003,11825,0),C(1858,15020,15),D(158,156184,46)，通过仪器测得这四个障碍物点到未知障碍物点E的距离分别为(78.15961，11964.59629，15106.98411，15161.14228)(单位为m)，则依据改进的最小二乘法，求得未知障碍物E点的位置为E(36.12561,23.35982,65.25482)，各障碍物在坐标系中的位置如图4所示。
步骤4、将无人机与确定位置的障碍物的信息进行对齐，使无人机与确定障碍物的信息数据维度相同；
确定位置的障碍物的信息fα与无人机的飞行数据Ωi分别为：
fα＝(xα,yα,zα,vα,tα,θα)1×6(α＝1,2,...,c)
Ωi＝(xi,yi,zi,vi,ti,θi)1×6(i＝0,1,2,...,n)
其中,Ωi表示第i时刻无人机的飞行数据信息，xi,yi,zi,vi,ti,θi分别为第i时刻无人机在X,Y,Z轴上的位置、速度、时间和航向角，航向角θi即为无人机飞行速度方向与X轴的夹角，ti为时间；fα表示第α个障碍物的信息，其中，xα,yα,zα,vα,tα,θα分别为第i时刻障碍物在X,Y,Z轴上的位置、速度、时间和航向角，且vα＝0，tα＝ti，θα＝0，c为确定位置的障碍物的总数；
本实施例中，将某时刻障碍物P与无人机的信息进行对齐如表3所示：
表3障碍物与无人机的信息进行对齐
Figure GDA0003103212050000213
Figure GDA0003103212050000221
步骤5、对无人机与确定位置的障碍物之间的飞行冲突情况进行检测；
步骤5.1、对无人机保护区与飞行冲突保护区进行建模，从而判断无人机与确定位置的障碍物是否存在冲突；
由于农田作业的无人机的飞行速度较慢，无人机的大小相较于飞行距离不能忽略不计，故无人机不能看作质心来计算。为保障飞行过程中的安全性与计算的实时性，故以无人机的中心为原点，即以无人机在X、Y、Z轴上的实际的位置为球心，以无人机结构上机翼离放置定位模块的点的距离为球半径L，建立球体无人机保护区模型：
(xβ-xi)2+(yβ-yi)2+(zβ-zi)2＝L2
其中，xβ、yβ、zβ为球内任意一点；
建立无人机飞行冲突保护区：
对于不同飞行状态时，采用不同的无人机飞行冲突保护区：
无人机处于匀速飞行时，无人机的飞行冲突保护区为球体，表达式为：
(xγ-xβ)2+(yγ-yβ)2+(zγ-zβ)2＝(L+lmax)2
其中，lmax是无人机保护区模型到飞行冲突保护区模型的距离；xγ、yγ、zγ为球体形保护区内除无人机保护区外任意一点；
无人机处于匀加速飞行时，无人机的飞行冲突保护区为椭体保护区I，表达式为：
Figure GDA0003103212050000222
其中，xτ、yτ、zτ为椭体保护区I内除无人机保护区外的任意一点，sx、sy、sz表示无人机在X、Y、Z方向上的位置偏移量，表达式为：
Figure GDA0003103212050000223
Figure GDA0003103212050000224
Figure GDA0003103212050000225
无人机处于转弯飞行时，无人机的飞行冲突保护区为椭体保护区Ⅱ，表达式为：
Figure GDA0003103212050000226
其中，(xδ、yδ、zδ)为椭体保护区Ⅱ内除无人机保护区外的任意一点；
当已经确定位置的障碍物在飞行冲突保护区外时，则无人机与障碍物不存在飞行冲突，当已经确定位置的障碍物在飞行冲突保护区内时，则无人机与障碍物存在飞行冲突；
步骤5.2、若无人机与已确定位置的障碍物之间存在飞行冲突，计算无人机与障碍之间的冲突概率；
计算已确定位置的障碍物到无人机的欧氏距离d'，以及无人机与飞行冲突保护区边缘的距离d"，d"＞d'，且d"与d'均服从
Figure GDA0003103212050000231
化为标准正态分布为：
Figure GDA0003103212050000232
其中，Δ为无人机与已确定位置的障碍物之间的位置差，
Figure GDA0003103212050000233
分别为无人机的位置误差的方差与障碍物的位置误差的方差；
则无人机与障碍物之间冲突概率为：
Figure GDA0003103212050000234
其中，
Figure GDA0003103212050000235
Figure GDA0003103212050000236
为无人机的位置的误差与障碍物的位置误差，且为高斯分布：
Figure GDA0003103212050000237
其中，μb为数学期望，μb与
Figure GDA0003103212050000239
通过历史飞行数据与障碍物的数据计算得出，
Figure GDA0003103212050000238
为无人机与已确定位置的障碍物之间的距离差与最小安全距离之差。
本实施例中，当无人机处于匀速运动时，无人机保护区和冲突保护区均为球体，如图5所示；在匀加速运动和转弯运动时，冲突保护区模型都为椭球体模型，只是椭球体的参数不一样，故在匀加速运动和转弯运动时，无人机保护区和冲突保护区的示意图如图6所示；
本实施例以无人机在匀速运动时为例判断该无人机与障碍物P的冲突情况；障碍物在无人机的冲突保护区内，则该无人机与障碍物P存在冲突，如图7所示，冲突概率如图8所示。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (2)

1.一种低空无人机农田作业飞行障碍物冲突检测方法，其特征在于：包括以下步骤：
步骤1、已知无人机的飞行数据和已知障碍物体的位置信息，以障碍物为原点，建立坐标系；
步骤2、依据运动学原理，去除无人机飞行数据中的异常飞行数据，并判断无人机的当前飞行状态；
步骤3、利用四个已知障碍物在新建立坐标系中的位置和改进的最小二乘法计算出未知障碍物的位置；
步骤4、将无人机与确定位置的障碍物的信息进行对齐；使无人机与确定障碍物的信息数据维度相同；
步骤5、对无人机与确定位置的障碍物之间的飞行冲突情况进行检测；
步骤5.1、对无人机保护区与飞行冲突保护区进行建模，从而判断无人机与确定位置的障碍物是否存在冲突；
当已经确定位置的障碍物在飞行冲突保护区外时，则无人机与障碍物不存在飞行冲突，当已经确定位置的障碍物在飞行冲突保护区内时，则无人机与障碍物存在飞行冲突；
步骤5.2、若无人机与已确定位置的障碍物之间存在飞行冲突，计算无人机与障碍物之间的冲突概率；
所述步骤1的具体方法为：
所述无人机的飞行数据包括无人机飞行时的位置信息，包括：经纬度、速度、高度、航向角和时间；用北斗模块来获取到障碍物的位置信息，包括经纬度、高度和时间；
以障碍物A为原点，建立坐标系；已知无人机与障碍物所在点的经纬度，计算无人机与障碍物之间的距离s,如下公式所示：
s＝2×6378.137×t
Figure FDA0003103212040000011
其中，lat1、lat2分别为无人机与障碍物所在点的纬度，a＝lat1-lat2代表无人机与障碍物两点之间的纬度差，b代表无人机与障碍物两点之间的经度差，6378.137为地球半径，单位为千米；
则无人机与障碍物之间的三维距离S如下式所示：
Figure FDA0003103212040000012
其中，H为无人机与障碍物两点之间的高度差；
当无人机处于北半球的东半球时，X、Y、Z轴的两两坐标轴之间的角度为90°，确定坐标系的正方向为：
当计算无人机在X轴上的位置时，b＝0,X轴的正方向是正南，当a＜0时，无人机在X轴上的数值为正；
当计算无人机在Y轴上的位置时，a＝0,且Y轴的正方向是正东，当b＞0时，无人机在Y轴上的数值为正；
当计算无人机在Z轴上的位置时，a＝b＝0,当H>0时，无人机在Z轴上的数值为正；
当无人机不处于北半球的东半球时，依据当地的实际情况选择坐标系的正方向；
从而得到第i时刻的无人机的飞行数据信息集合Ωi，如下公式所示：
Ωi＝(xi,yi,zi,vi,ti,hi,θi)1×7，i＝0,1,2,...,n
其中，xi,yi,zi,vi,ti,hi,θi分别表示第i时刻的无人机在X,Y,Z轴上的位置、速度、时间、高度和航向角，n为时间序列；
所述步骤2的具体方法为：
步骤2.1、依据已知的无人机飞行数据手册对无人机飞行轨迹进行建模，去除飞行数据中的异常飞行数据；
(1)依据加速度去除异常速度数据：
求无人机重力加速度：将无人机重力分解在X、Y、Z轴方向上：
Figure FDA0003103212040000021
其中，Gx、Gy、Gz分别表示无人机在X、Y、Z轴方向上的重力，θ、φ分别表示无人机飞行速度的方向与X、Y轴正方向的夹角；
依据牛顿第二定律，得到无人机瞬时重力加速度，如下式所示：
Figure FDA0003103212040000022
其中，ax、ay、az分别表示无人机在X、Y、Z轴方向上的重力加速度，g为重力加速度；
依据无人机的飞行数据手册获取无人机理论上的最大加速度ak，从而求得无人机加速度理论上的最大值在X、Y、Z轴方向上的分量：
Figure FDA0003103212040000031
其中，amaxx、amaxy、amaxz分别表示无人机在X、Y、Z轴方向上的加速度理论上的最大值；
依据无人机的瞬时飞行速度，得到第i时刻实际的飞行加速度分量，如下式所示：
Figure FDA0003103212040000032
其中，aix、aiy、aiz表示第i时刻无人机实际的飞行加速度在X、Y、Z轴方向上的分量，且三个方向上的加速度均小于加速度理论上的最大值；Δt是记录的第i+1时刻与第i时刻之间的时间差；vi、vi-1分别表示第i时刻和第i-1时刻的无人机的瞬时飞行速度；
依据飞行数据得到第i时刻无人机在X、Y、Z轴方向上的实际加速度，从而得到第i时刻加速度的约束条件：
Figure FDA0003103212040000033
当aix、aiy、aiz不满足上述约束条件时，则无人机在第i时刻的瞬时速度值为异常数据；
(2)去除异常位置数据
利用无人机的飞行数据手册以及运动学原理计算无人机的理论位置，如下式所示：
Figure FDA0003103212040000041
其中，Xi、Yi、Zi表示在第i时刻无人机在X、Y、Z轴上的理论的位置，vix、viy、viz表示第i时刻无人机的瞬时飞行速度在X,Y,Z轴上的分量，如下式所示：
vix＝visinθ
viy＝vicosθsinφ
viz＝vicosθcosφ
Xi+1、Yi+1、Zi+1分别为在第i+1时刻无人机在X、Y、Z轴上的理论的位置，且满足以下条件：
Figure FDA0003103212040000042
其中，xi+1、yi+1、zi+1分别为第i+1时刻无人机在X、Y、Z轴上的实际位置，Vxi、Vyi、Vzi表示无人机在第i时刻依据飞行数据手册得到的理论速度在X、Y、Z轴上的分量；
若无人机的实际位置不满足以上约束条件，则无人机在X、Y、Z轴上的位置为异常数据；
(3)去除飞行速度与飞行高度异常数据
依据无人机的飞行数据手册，得到无人机的最大飞行速度Vmax与最大飞行高度Hmax，依据实际的飞行数据得到第i时刻无人机的瞬时速度为vi和飞行高度为hi；
若无人机实际飞行数据中的飞行速度与飞行高度不满足如下条件：
Figure FDA0003103212040000043
则无人机的飞行速度数据和飞行高度数据是异常数据；
步骤2.2、利用已知的无人机飞行数据判断无人机运动状态；
匀速运动：当aix＝aiy＝aiz＝0时，无人机处于匀速运动；
匀加速运动：当a(i+1)x-aix＝a(i+1)y-aiy＝a(i+1)z-aiz＝η时，无人机处于匀加速运动，其中，η为一个常数，a(i+1)x、a(i+1)y、a(i+1)z分别为在第i+1时刻无人机的加速度在X、Y、Z上的分量；
转弯运动：已知航向角θ：当θi+1-θi≠0时，无人机为转弯运动，其中，θi+1、θi分别为无人机在第i+1时刻和第i时刻的航向角；
所述步骤3的具体方法为：
依据卫星信息获得坐标系中第λ个已知障碍物的位置Sλ为：
Sλ＝(xλ,yλ,zλ)，λ＝1,2,3,4
其中，xλ,yλ,zλ分别为第λ个已知障碍物在X，Y，Z三个方向上的坐标值；
除去这四个已知障碍物之外的第l个未知障碍物的位置Fl为：
Fl＝(xl,yl,zl)
其中，xl,yl,zl表示第l个未知障碍物在X，Y，Z三个方向上的坐标值；
利用仪器测得任意一个未知障碍物与已知四个障碍物的距离集合R为：
R＝(r1,r2,r3,r4)
则通过以下改进的最小二乘法方法计算求得Fl：
(1)设置Fl的初始位置(x'0,y'0,z'0)，为了简化计算过程，此处将其设为(0,0,0)；
(2)设定迭代误差阈值，迭代求解Fl的坐标值xl,yl,zl；
由于在飞行数据手册中，描述无人机形状参数的数据为毫米级别，故设定迭代误差阈值为：1×10-4，即误差在10-4m以内；
未知障碍物Fl到已知障碍物Sλ的欧式距离rλ如下公式所示:
Figure FDA0003103212040000051
其中，(xl,yl,zl)为待求未知障碍物点的位置坐标，xλ,yλ,zλ为参与解算的第λ个已知障碍物的位置坐标值；
1)计算单位观测矢量：
Figure FDA0003103212040000061
其中，
Figure FDA0003103212040000062
分别为第λ个已知障碍物经过第k次迭代后单位观测矢量在X，Y，Z三个方向上的分量，x'k、y'k、z'k分别为第k次迭代后未知障碍物在X，Y,Z轴上的位置坐标值；
2)定义第k-1次迭代时的几何矩阵Gk-1、bk-1，k＞1，如下公式所示：
Figure FDA0003103212040000063
Figure FDA0003103212040000064
其中，
Figure FDA0003103212040000065
为第λ个已知障碍物到未知障碍物的实际距离，
Figure FDA0003103212040000066
表示进行k-1次迭代后第λ个已知障碍物到未知障碍物的欧式距离；
3)求解线性方程组：
Figure FDA0003103212040000067
其中，Δx'、Δy'、Δz'为相邻两次迭代未知障碍物位置坐标的差值；
4)更新未知障碍物点的位置信息：
Figure FDA0003103212040000068
其中，x'k、y'k、z'k为第k次迭代后未知障碍物点的位置坐标，x'k-1、y'k-1、z'k-1为第k-1次迭代后未知障碍物点的位置坐标；
5)将迭代误差与设定的迭代误差阈值比较：
Figure FDA0003103212040000071
其中，Δd'χ为迭代的误差值，如果Δd'χ大于设定的迭代误差阈值，则重新执行步骤1)-5)，直至Δd'χ小于等于设定的迭代误差阈值，从而获得未知障碍物的准确位置；
步骤4所述将无人机与确定位置的障碍物的信息进行对齐，使无人机与确定障碍物的信息数据维度相同，具体方法为：
确定位置的障碍物的信息fα与无人机的飞行数据Ωi分别为：
fα＝(xα,yα,zα,vα,tα,θα)1×6，α＝1,2,...,c
Ωi＝(xi,yi,zi,vi,ti,hi,θi)1×7，i＝0,1,2,...,n
其中,Ωi表示第i时刻无人机的飞行数据信息，xi,yi,zi,vi,ti,θi分别为第i时刻无人机在X,Y,Z轴上的位置、速度、时间和航向角，航向角θi即为无人机飞行速度方向与X轴的夹角，ti为时间；fα表示第α个障碍物的信息，其中，xα,yα,zα,vα,tα,θα分别为第i时刻障碍物在X,Y,Z轴上的位置、速度、时间和航向角，且vα＝0，tα＝ti，θα＝0，c为确定位置的障碍物的总数；
步骤5.1所述对无人机保护区和飞行冲突保护区进行建模的具体方法为：
以无人机的中心为原点，即以无人机在X、Y、Z轴上的实际的位置为球心，以无人机结构上机翼离放置定位模块的点的距离为球半径L，建立球体无人机保护区模型：
(xβ-xi)2+(yβ-yi)2+(zβ-zi)2＝L2
其中，xβ、yβ、zβ为球内任意一点；
建立无人机飞行冲突保护区：
对于不同飞行状态时，采用不同的无人机飞行冲突保护区：
无人机处于匀速飞行时，无人机的飞行冲突保护区为球体，表达式为：
(xγ-xβ)2+(yγ-yβ)2+(zγ-zβ)2＝(L+lmax)2
其中，lmax是无人机保护区模型到飞行冲突保护区模型的距离；xγ、yγ、zγ为球体飞行冲突保护区内除无人机保护区外的任意一点；
无人机处于匀加速飞行时，无人机的飞行冲突保护区为椭体保护区I，表达式为：
Figure FDA0003103212040000081
其中，xτ、yτ、zτ为椭体保护区I内除无人机保护区外的任意一点，sx、sy、sz表示无人机在X、Y、Z方向上的位置偏移量，表达式为：
Figure FDA0003103212040000082
Figure FDA0003103212040000083
Figure FDA0003103212040000084
无人机处于转弯飞行时，无人机的飞行冲突保护区为椭体保护区Ⅱ，表达式为：
Figure FDA0003103212040000085
其中，(xδ、yδ、zδ)为椭体保护区Ⅱ内除无人机保护区外的任意一点。
2.根据权利要求1所述的低空无人机农田作业飞行障碍物冲突检测方法，其特征在于：所述步骤5.2的具体方法为：
计算已确定位置的障碍物到无人机的欧氏距离d'，以及无人机与飞行冲突保护区边缘的距离d"，d"＞d'，且d"与d'均服从
Figure FDA0003103212040000086
化为标准正态分布为：
Figure FDA0003103212040000087
其中，Δ为无人机与已确定位置的障碍物之间的位置差，
Figure FDA0003103212040000088
分别为无人机的位置误差的方差与障碍物的位置误差的方差；
则无人机与障碍物之间冲突概率为：
Figure FDA0003103212040000089
其中，
Figure FDA00031032120400000810
Figure FDA00031032120400000811
为无人机的位置的误差与障碍物的位置误差，且为高斯分布：
Figure FDA00031032120400000812
其中，μb为数学期望，μb与
Figure FDA00031032120400000813
通过历史飞行数据与障碍物的数据计算得出，
Figure FDA00031032120400000814
为无人机与已确定位置的障碍物之间的距离差与最小安全距离之差。
CN202010380479.1A 2020-05-08 2020-05-08 低空无人机农田作业飞行障碍物冲突检测方法 Active CN111508282B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010380479.1A CN111508282B (zh) 2020-05-08 2020-05-08 低空无人机农田作业飞行障碍物冲突检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010380479.1A CN111508282B (zh) 2020-05-08 2020-05-08 低空无人机农田作业飞行障碍物冲突检测方法

Publications (2)

Publication Number Publication Date
CN111508282A CN111508282A (zh) 2020-08-07
CN111508282B true CN111508282B (zh) 2021-07-20

Family

ID=71869959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010380479.1A Active CN111508282B (zh) 2020-05-08 2020-05-08 低空无人机农田作业飞行障碍物冲突检测方法

Country Status (1)

Country Link
CN (1) CN111508282B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111918389B (zh) * 2020-08-25 2021-08-03 成都飞英思特科技有限公司 一种基于无人机网关的室外定位方法及装置
CN113190027B (zh) * 2021-02-26 2022-11-22 中国人民解放军军事科学院战争研究院 一种面向空中态势感知的空间剖分方法
CN115164901B (zh) * 2022-07-06 2023-04-14 河南工业贸易职业学院 无人机导航方法
CN115862388A (zh) * 2022-11-29 2023-03-28 航天新气象科技有限公司 一种航班低空风切变预警方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105489069A (zh) * 2016-01-15 2016-04-13 中国民航管理干部学院 一种基于svm的低空空域通航飞机冲突检测方法
US9734723B1 (en) * 2015-07-15 2017-08-15 Exelis Inc. Process and system to register and regulate unmanned aerial vehicle operations
CN107909856A (zh) * 2017-12-19 2018-04-13 四川九洲空管科技有限责任公司 一种碰撞冲突探测方法及系统
CN108007437A (zh) * 2017-11-27 2018-05-08 北京航空航天大学 一种基于多旋翼飞行器测量农田边界与内部障碍的方法
CN108132675A (zh) * 2017-11-23 2018-06-08 东南大学 一种工厂巡视无人机自主路径巡航以及智能避障方法
CN109739255A (zh) * 2018-11-29 2019-05-10 北京航空航天大学 无人机的航行轨迹规划方法、装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160275802A1 (en) * 2015-03-20 2016-09-22 Northrop Grumman Systems Corporation Unmanned aircraft detection and targeting of other aircraft for collision avoidance

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9734723B1 (en) * 2015-07-15 2017-08-15 Exelis Inc. Process and system to register and regulate unmanned aerial vehicle operations
CN105489069A (zh) * 2016-01-15 2016-04-13 中国民航管理干部学院 一种基于svm的低空空域通航飞机冲突检测方法
CN108132675A (zh) * 2017-11-23 2018-06-08 东南大学 一种工厂巡视无人机自主路径巡航以及智能避障方法
CN108007437A (zh) * 2017-11-27 2018-05-08 北京航空航天大学 一种基于多旋翼飞行器测量农田边界与内部障碍的方法
CN107909856A (zh) * 2017-12-19 2018-04-13 四川九洲空管科技有限责任公司 一种碰撞冲突探测方法及系统
CN109739255A (zh) * 2018-11-29 2019-05-10 北京航空航天大学 无人机的航行轨迹规划方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于分布式模型预测控制的多无人机协同规避控制技术;章豪 等;《南京航空航天大学学报》;20170930;第49卷;第96-102页 *

Also Published As

Publication number Publication date
CN111508282A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN111508282B (zh) 低空无人机农田作业飞行障碍物冲突检测方法
CN112347840B (zh) 视觉传感器激光雷达融合无人机定位与建图装置和方法
US11218689B2 (en) Methods and systems for selective sensor fusion
US20180350086A1 (en) System And Method Of Dynamically Filtering Depth Estimates To Generate A Volumetric Map Of A Three-Dimensional Environment Having An Adjustable Maximum Depth
Park et al. Stereo vision based obstacle collision avoidance for a quadrotor using ellipsoidal bounding box and hierarchical clustering
CN114599995A (zh) 根据静止路边对象的雷达回波估计面内速度
CN113345008B (zh) 考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法
CN108645413A (zh) 一种移动机器人的同时定位与地图创建的动态纠正方法
CN107544067A (zh) 一种基于高斯混合近似的高超声速再入飞行器跟踪方法
WO2022193106A1 (zh) 一种通过惯性测量参数将gps与激光雷达融合定位的方法
CN108613679A (zh) 一种移动机器人扩展卡尔曼滤波同步定位与地图构建方法
Krishnakumar et al. Safe autonomous flight environment (safe50) for the notional last “50 ft” of operation of “55 lb” class of uas
CN112346104A (zh) 一种无人机信息融合定位方法
CN117685953A (zh) 面向多无人机协同定位的uwb与视觉融合定位方法及系统
Dhawale et al. Fast monte-carlo localization on aerial vehicles using approximate continuous belief representations
CN109903367A (zh) 构建地图的方法、装置和计算机可读存储介质
CN111089580B (zh) 一种基于协方差交叉的无人战车同时定位与地图构建方法
Kehoe et al. State estimation using optical flow from parallax-weighted feature tracking
Hu et al. A reliable cooperative fusion positioning methodology for intelligent vehicle in non-line-of-sight environments
Wang et al. Micro aerial vehicle navigation with visual-inertial integration aided by structured light
Dubey et al. Droan—disparity-space representation for obstacle avoidance
CN111551968A (zh) 基于深度学习运动预测的无人机对准系统及对准方法
CN114723902A (zh) 基于概率膜计算的煤矿井下无人直升机slam
US10330769B1 (en) Method and apparatus for geolocating emitters in a multi-emitter environment
CN115082562A (zh) 一种外参标定方法、装置、设备、服务器及车载计算设备

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