CN111880571A - 一种无人机刚性队形切换方法及装置 - Google Patents
一种无人机刚性队形切换方法及装置 Download PDFInfo
- Publication number
- CN111880571A CN111880571A CN202010839442.0A CN202010839442A CN111880571A CN 111880571 A CN111880571 A CN 111880571A CN 202010839442 A CN202010839442 A CN 202010839442A CN 111880571 A CN111880571 A CN 111880571A
- Authority
- CN
- China
- Prior art keywords
- topological graph
- feasible
- target
- formation
- characteristic value
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 abstract description 22
- 230000004888 barrier function Effects 0.000 abstract description 5
- 238000005755 formation reaction Methods 0.000 description 76
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例提供了一种无人机刚性队形切换方法及装置，方法包括：基于当前队形拓扑图，获取对应的至少一个可行拓扑图；基于可行拓扑图关联矩阵的特征值对应的分布规律，对至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以无人机基于第二目标拓扑图实现刚性队形切换。依据可行拓扑图的特征值分布规律，大幅减小可行拓扑图解空间；通过建立队形的有效半径，保证队形顺利通过障碍物，提高队形变换物理可行性；通过能量优化算法，保障队形变换代价最小。
Description
技术领域
本发明涉及无人机控制技术领域，尤其涉及一种无人机刚性队形切换方法及装置。
背景技术
随着传感器与远程无线控制技术的发展，单一无人机的功能越来越强大，但是受自身尺寸与载荷限制，单无人机仍然面临任务半径受限、任务周期长以及信息采集种类有限等挑战。而多无人机以协同编队形式联合执行任务，将会融合个体行为与资源优势，借助任务合理分解，能实现资源利用率与任务执行效率最大化。
队形变换是指多个智能体组成的团队在向特定目标或方向运动的过程中，从当前的几何拓扑变化为预定的几何形态(即队形)，同时又要适应环境约束(例如避开障碍)的控制问题。队形变换包括刚性队形变换与非刚性队形变换。刚性变换主要包括队形的整体平移、旋转、伸缩(均匀伸缩)以及相应的组合变换。非刚性变换是指队形变换过程中机群内的无人机之间的相对距离与方位可以随意改变。
典型的队形刚性变换方法有：有向图拓扑变换、图的分割与子图合并、图的枚举理论及最优化控制方法等。这些算法为队形变换提供了逻辑可行解，但是存在三方面的问题：(1)在解空间上，有无穷组目标队形选择，缺乏唯一性(2)队形变换仅从几何拓扑变化考虑，缺乏物理可行性；(3)未建立合理的评价体系，导致队形切换代价缺乏有效评估。
发明内容
针对现有技术存在的问题，本发明实施例提供一种交通流仿真场景的生成方法及装置。
第一方面，本发明实施例提供一种无人机刚性队形切换方法，包括：
基于当前队形拓扑图，获取对应的至少一个可行拓扑图；
获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；
基于所述特征值分布规律对所述至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；
基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；
基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以使无人机基于所述第二目标拓扑图实现刚性队形切换。
进一步地，在基于当前队形拓扑图，获取对应的至少一个可行拓扑图，之前还包括：
基于预设任务地图以及无人机的性能参数，获取所述当前队形拓扑图。
进一步地，所述获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律，包括：
基于领航跟随模式，构建各可行拓扑图对应的关联矩阵；
基于各关联矩阵建立特征方程，并获取树形拓扑图和星形拓扑图分别对应的特征值分布规律。
进一步地，基于领航跟随模式，构建各可行拓扑图对应的关联矩阵，包括：
确定各可行拓扑图中的领航者和跟随者，并确定各无人机之间的拓扑依赖关系；
基于有向图关联矩阵的定义，获取各关联矩阵中个元素的值。
进一步地，所述基于所述特征值分布规律对所述至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图，包括：
将每一可行拓扑图与所述特征值分布规律进行匹配；
若每一可行拓扑图与所述特征值分布规律匹配，则将该可行拓扑图保留作为第一目标拓扑图，否则，舍弃该可行拓扑图。
进一步地，基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子，包括：
获取障碍物的空间信息进行建模，得到障碍物模型；
基于所述障碍物模型，获取所述障碍物的等效尺寸；
基于所述最小有效半径和所述等效尺寸，获取所述伸缩因子。
进一步地，所述障碍物模型包括长方体模型或圆柱体模型。
第二方面，一种无人机刚性队形切换装置，包括：
可行拓扑图获取模块，用于基于当前队形拓扑图，获取对应的至少一个可行拓扑图；
特征值分布规律获取模块，用于获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；
第一目标拓扑图获取模块，用于基于所述特征值分布规律对所述至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；
尺寸计算模块，用于基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；
第二目标拓扑图获取模块，用于基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以使无人机基于所述第二目标拓扑图实现刚性队形切换。
第三方面，本发明实施例提供一种嵌入式电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种无人机刚性队形切换方法及装置，基于当前队形拓扑图，获取对应的至少一个可行拓扑图；获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；基于特征值分布规律对至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；基于能量优化算法从各第一目标拓扑图集中获取代价最小的拓扑图作为第二目标拓扑图，以无人机基于第二目标拓扑图实现刚性队形切换。可行拓扑图的特征值分布规律，大幅减小可行拓扑图解空间；通过建立队形的有效半径，保证队形顺利通过障碍物，提高队形变换物理可行性；通过能量优化算法，保障队形变换代价最小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作逐一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种无人机刚性队形切换方法框架图；
图2为本发明实施例的一个示例中基于领航跟随者控制方法的星型拓扑与树形拓扑示意图；
图3为本发明实施例的一个示例中简化障碍物模型示意图；
图4为本发明实施例的一个示例中的一种无人机刚性队形切换方法的流程图；
图5为本发明实施例的一个示例中队形刚性变换结果示意图；
图6为本发明实施例提供的一种无人机刚性队形切换装置的功能模块级联图；
图7为本发明实施例提供的一种嵌入式电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种无人机刚性队形切换方法的流程图，如图1所示，该方法包括：
步骤S101，基于当前队形拓扑图，获取对应的至少一个可行拓扑图；
步骤S102，获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；
步骤S103，基于特征值分布规律对至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；
步骤S104，基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；
步骤S105，基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以使无人机基于第二目标拓扑图实现刚性队形切换。
具体地，首先，计算可行拓扑图关联矩阵的特征值，通过对队形可行拓扑图关联矩阵进行SVD(奇异值分解)分解，得到其关联图特征值分布规律，通过特征值比较，筛选刚性变换可行拓扑图。然后，计算队形空间尺寸进行队形避障，建立障碍物坐标模型，根据刚性变换操作，计算队形的有效半径。最后，计算队形切换能量消耗，采用能量优化算法，选择最优目标队形。与现有技术相比，提出了一种能量消耗最小的刚性图队形切换方法，采用关联图矩阵特征值分布，减小可行解空间；通过计算队形有效半径，保证队形顺利通过障碍物；通过能量优化算法，保证队形切换能量消耗最少。
本发明实施例提供的方法，基于当前队形拓扑图，获取对应的至少一个可行拓扑图；获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；基于特征值分布规律对至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以无人机基于第二目标拓扑图实现刚性队形切换。可行拓扑图的特征值分布规律，大幅减小可行拓扑图解空间；通过建立队形的有效半径，保证队形顺利通过障碍物，提高队形变换物理可行性；通过能量能量优化算法，保障队形变换代价最小。
基于上述任一实施例，根据权利要求1的方法，在基于当前队形拓扑图，获取对应的至少一个可行拓扑图，之前还包括：
基于预设任务地图以及无人机的性能参数，获取当前队形拓扑图。
基于上述任一实施例，获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律，包括：
基于领航跟随模式，构建各可行拓扑图对应的关联矩阵；
基于各关联矩阵建立特征方程，并获取树形拓扑图和星形拓扑图分别对应的特征值分布规律。
基于上述任一实施例，基于领航跟随模式，构建各可行拓扑图对应的关联矩阵，包括：
确定各可行拓扑图中的领航者和跟随者，并确定各无人机之间的拓扑依赖关系；
基于有向图关联矩阵的定义，获取各关联矩阵中个元素的值。
基于上述任一实施例，基于特征值分布规律对至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图，包括：
将每一可行拓扑图与特征值分布规律进行匹配；
若每一可行拓扑图与特征值分布规律匹配，则将该可行拓扑图保留作为第一目标拓扑图，否则，舍弃该可行拓扑图。
基于上述任一实施例，基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子，包括：
获取障碍物的空间信息进行建模，得到障碍物模型；
基于障碍物模型，获取障碍物的等效尺寸；
基于最小有效半径和等效尺寸，获取伸缩因子。
基于上述任一实施例，障碍物模型包括长方体模型或圆柱体模型，如图3所示。
具体地，该方法可以包含以下几个步骤：
步骤1：初始化无人机任务地图，标注各任务点及障碍物的地理坐标，设定无人机的物理参数，包括通信半径、防碰撞半径。具体来说，初始化地图，根据实际地形与无人机通信能力，设定无人机之间的安全飞行间距；在任务执行过程中，无人机的速度维持不变。可以理解的是，这一步骤中得到了当前队形拓扑图。
步骤2：基于当前队形拓扑结构，根据图论方法，枚举其同构图集合Ω。基于当前队形拓扑图，获取对应的至少一个可行拓扑图。
步骤3：计算步骤2中对应同构图拓扑的关联矩阵，利用SVD分解方法，计算该关联矩阵对应的奇异值，进而计算其矩阵特征值λi(为表述方便，λi为矩阵特征值组成的多维向量)，即各可行拓扑图的关联矩阵的特征值记为λi。
在计算可行拓扑图关联矩阵特征值时，采用的是SVD法，其具体实现包括以下子步骤：
步骤3.1：基于领航更随者模式，构建队形拓扑图的关联矩阵；如图2所示，其具体分析过程包括以下子步骤：
步骤3.2.1：确认队形中的领航者及跟随者，确定彼此之间的拓扑依赖关系；
步骤3.2.2：根据有向图关联矩阵定义，计算矩阵中各元素的值(0或者1)。
步骤3.2：根据步骤3.1中关联矩阵，通过建立特征方程，得到树形拓扑与星型拓扑的特征值分布规律如下：
对于星型与树形拓扑结构，其队形对应的关联矩阵的特征值存在如下结论：
上式中，n代表无人机的数量，r表示控制图对应关联矩阵的秩。
步骤4：根据需要选择一种拓扑连接关系(树形或者星形结构)，其中树形结构对应的关联矩阵特征值记为λtree，星型结构对应的关联矩阵特征值记为λstar。根据选择的拓扑连接关系，将步骤3中关联矩阵特征值λstar与λtree(或者λstar)进行比较，若两者相同，则保留；否则予以舍弃。
步骤5：根据障碍物空间信息，计算目标队形能通过障碍物的最小有效半径re及伸缩因子。
计算队形的尺寸进行避障，采用的是计算队形的有效尺寸，如所示，其具体实现包括以下子步骤：
步骤5.1：根据障碍物空间位置，将其建模为长方体或者圆柱体模型；
步骤5.2：基于步骤5.1，建立障碍物坐标系，等效尺寸可以通过下式进行计算：
其中，I表示单位矩阵，Φ为障碍物坐标系下的旋转矩阵，
为障碍物坐标系下队形的初始直径，
代表平移效应带来的尺寸增量，δ为伸缩因子(本申请实施例针对均匀伸缩)，其定义如下：
其中，ei表示原队形中第i条边，si代表变换后队形中队形的边；
步骤5.3：比较障碍物半径与队形半径，计算得到合适的缩放因子。
本申请实施例方案的切换过程的具体流程如图4所示，切换结果的示例如图5所示。
基于上述任一实施例，图6为本发明实施例提供的一种无人机刚性队形切换装置的结构框图，如图6所示，该装置包括：可行拓扑图获取模块601、特征值分布规律获取模块602、第一目标拓扑图获取模块603、尺寸计算模块604以及第二目标拓扑图获取模块605。其中：
可行拓扑图获取模块601用于基于当前队形拓扑图，获取对应的至少一个可行拓扑图；
特征值分布规律获取模块602用于获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；
第一目标拓扑图获取模块603用于基于特征值分布规律对至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；
尺寸计算模块604用于基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；
第二目标拓扑图获取模块605用于基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以无人机基于第二目标拓扑图实现刚性队形切换。
具体地，本发明实施例提供的装置具体用于执行上述方法实施例，本发明实施例对此不再进行赘述。
本发明实施例提供的装置，基于当前队形拓扑图，获取对应的至少一个可行拓扑图；获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；基于特征值分布规律对至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以无人机基于第二目标拓扑图实现刚性队形切换。可行拓扑图的特征值分布规律，大幅减小可行拓扑图解空间；通过建立队形的有效半径，保证队形顺利通过障碍物，提高队形变换物理可行性；通过能量能量优化算法，保障队形变换代价最小。
图7为本发明实施例提供的一种嵌入式电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)701、通信接口(Communications Interface)702、存储器(memory)703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信。处理器701可以调用存储在存储器703上并可在处理器701上运行的计算机程序，以执行上述各实施例提供的方法，例如包括：基于当前队形拓扑图，获取对应的至少一个可行拓扑图；获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；基于特征值分布规律对至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以无人机基于第二目标拓扑图实现刚性队形切换。
此外，上述的存储器703中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：基于自车行驶过程中的自然驾驶数据，获取自车与目标车辆间的相对信息、自车的GPS信息和OSM地图信息；基于自车与目标车辆间的相对信息、自车的GPS信息和OSM地图信息，生成交通流仿真场景。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分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各实施例技术方案的精神和范围。
Claims (10)
1.一种无人机刚性队形切换方法，其特征在于，包括：
基于当前队形拓扑图，获取对应的至少一个可行拓扑图；
获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；
基于所述特征值分布规律对所述至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；
基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；
基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以使无人机基于所述第二目标拓扑图实现刚性队形切换。
2.根据权利要求1所述的方法，其特征在于，在基于当前队形拓扑图，获取对应的至少一个可行拓扑图，之前还包括：
基于预设任务地图以及无人机的性能参数，获取所述当前队形拓扑图。
3.根据权利要求1所述的方法，其特征在于，所述获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律，包括：
基于领航跟随模式，构建各可行拓扑图对应的关联矩阵；
基于各关联矩阵建立特征方程，并获取树形拓扑图和星形拓扑图分别对应的特征值分布规律。
4.根据权利要求3所述的方法，其特征在于，基于领航跟随模式，构建各可行拓扑图对应的关联矩阵，包括：
确定各可行拓扑图中的领航者和跟随者，并确定各无人机之间的拓扑依赖关系；
基于有向图关联矩阵的定义，获取各关联矩阵中个元素的值。
5.根据权利要求1所述的方法，其特征在于，所述基于所述特征值分布规律对所述至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图，包括：
将每一可行拓扑图与所述特征值分布规律进行匹配；
若每一可行拓扑图与所述特征值分布规律匹配，则将该可行拓扑图保留作为第一目标拓扑图，否则，舍弃该可行拓扑图。
6.根据权利要求1所述的方法，其特征在于，所述基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子，包括：
获取障碍物的空间信息进行建模，得到障碍物模型；
基于所述障碍物模型，获取所述障碍物的等效尺寸；
基于所述最小有效半径和所述等效尺寸，获取所述伸缩因子。
7.根据权利要求6所述的方法，其特征在于，所述障碍物模型包括长方体模型或圆柱体模型。
8.一种无人机刚性队形切换装置，其特征在于，包括：
可行拓扑图获取模块，用于基于当前队形拓扑图，获取对应的至少一个可行拓扑图；
特征值分布规律获取模块，用于获取各可行拓扑图对应的关联矩阵的特征值，并基于各关联矩阵的特征值获取对应的特征值分布规律；
第一目标拓扑图获取模块，用于基于所述特征值分布规律对所述至少一个可行拓扑图进行筛选，得到至少一个第一目标拓扑图；
尺寸计算模块，用于基于障碍物模型，计算各第一目标拓扑图的最小有效半径和伸缩因子；
第二目标拓扑图获取模块，用于基于能量优化算法从各第一目标拓扑图中获取代价最小的拓扑图作为第二目标拓扑图，以使无人机基于所述第二目标拓扑图实现刚性队形切换。
9.一种嵌入式电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010839442.0A CN111880571A (zh) | 2020-08-19 | 2020-08-19 | 一种无人机刚性队形切换方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010839442.0A CN111880571A (zh) | 2020-08-19 | 2020-08-19 | 一种无人机刚性队形切换方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111880571A true CN111880571A (zh) | 2020-11-03 |
Family
ID=73203029
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010839442.0A Pending CN111880571A (zh) | 2020-08-19 | 2020-08-19 | 一种无人机刚性队形切换方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111880571A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519276A (zh) * | 2022-02-22 | 2022-05-20 | 北京华如科技股份有限公司 | 一种作战实体编队编辑方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020134082A1 (zh) * | 2018-12-28 | 2020-07-02 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
-
2020
- 2020-08-19 CN CN202010839442.0A patent/CN111880571A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020134082A1 (zh) * | 2018-12-28 | 2020-07-02 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
Non-Patent Citations (1)
| Title |
|---|
| 王小亮: "面向对地观测的无人机路径规划与编队控制方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519276A (zh) * | 2022-02-22 | 2022-05-20 | 北京华如科技股份有限公司 | 一种作战实体编队编辑方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Driess et al. | Learning multi-object dynamics with compositional neural radiance fields | |
| CN107491086B (zh) | 时变网络拓扑下的无人机编队避障方法及系统 | |
| KR20200031163A (ko) | 신경 네트워크 구조의 생성 방법 및 장치, 전자 기기, 저장 매체 | |
| Peralta et al. | Next-best view policy for 3d reconstruction | |
| US11518382B2 (en) | Learning to simulate | |
| CN111797983A (zh) | 一种神经网络构建方法以及装置 | |
| Gan et al. | Research on role modeling and behavior control of virtual reality animation interactive system in Internet of Things | |
| CN111008631B (zh) | 图像的关联方法及装置、存储介质和电子装置 | |
| CN113139696B (zh) | 一种轨迹预测模型构建方法及轨迹预测方法、装置 | |
| CN110428386B (zh) | 地图网格合并方法、装置、存储介质、电子装置 | |
| CN115993781B (zh) | 抗网络攻击无人集群系统协同控制方法、终端及存储介质 | |
| Devo et al. | Autonomous single-image drone exploration with deep reinforcement learning and mixed reality | |
| CN111983923A (zh) | 一种受限多智能体系统编队控制方法、系统及设备 | |
| CN113593033A (zh) | 一种基于网格细分结构的三维模型特征提取方法 | |
| CN114925849A (zh) | 一种图数据上的联邦学习优化方法 | |
| Fu et al. | Mobile robot object recognition in the internet of things based on fog computing | |
| Brunel et al. | Splatplanner: Efficient autonomous exploration via permutohedral frontier filtering | |
| CN114239668A (zh) | 模型更新的方法、终端和服务器 | |
| CN111880571A (zh) | 一种无人机刚性队形切换方法及装置 | |
| CN114494395A (zh) | 基于平面先验的深度图生成方法、装置、设备及存储介质 | |
| Minelli et al. | Stop, think, and roll: Online gain optimization for resilient multi-robot topologies | |
| Li et al. | A high efficient multi-robot simultaneous localization and mapping system using partial computing offloading assisted cloud point registration strategy | |
| CN116481517B (zh) | 扩展建图方法、装置、计算机设备和存储介质 | |
| CN106600691B (zh) | 多路二维视频图像在三维地理空间中融合校正方法、系统 | |
| Tuba et al. | Water cycle algorithm for robot path planning |
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 |