CN112000123A - 一种旋翼无人机避障控制系统及其控制方法 - Google Patents

一种旋翼无人机避障控制系统及其控制方法 Download PDF

Info

Publication number
CN112000123A
CN112000123A CN202010697379.1A CN202010697379A CN112000123A CN 112000123 A CN112000123 A CN 112000123A CN 202010697379 A CN202010697379 A CN 202010697379A CN 112000123 A CN112000123 A CN 112000123A
Authority
CN
China
Prior art keywords
obstacle
potential field
aerial vehicle
unmanned aerial
obstacle avoidance
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
Application number
CN202010697379.1A
Other languages
English (en)
Other versions
CN112000123B (zh
Inventor
刘云平
徐泽
唐梦奇
蒋长胜
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.)
Nantong Xanadu Leisure Farm
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202010697379.1A priority Critical patent/CN112000123B/zh
Publication of CN112000123A publication Critical patent/CN112000123A/zh
Application granted granted Critical
Publication of CN112000123B publication Critical patent/CN112000123B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种旋翼无人机避障控制系统及其控制方法，涉及无人机避障控制技术领域，包含5个避障子模块和1个控制模块，本发明通过将ToF深度传感器和视觉传感器结合，设计了一种可以高精度定位障碍物位置的避障子模块。通过在旋翼无人机上安装多个该子模块可实现对无人机周围的障碍物高精度定位，然后利用基于人工势场方法的实时避障算法快速规避障碍物。该系统可以有效提高无人机对周围障碍物的感知精度和避让速度。

Description

一种旋翼无人机避障控制系统及其控制方法
技术领域
本发明涉及无人机避障控制技术领域，尤其涉及一种基于ToF和视觉传感器的旋翼无人机避障控制系统及其控制方法。
背景技术
旋翼无人机的应用非常广泛，目前常用于农林植保、地形构建、电力巡检等任务，这些任务均对无人机的自主飞行能力提出了较高的要求，而无人机的避障系统，是决定无人机自主飞行能力高低的一项关键技术。目前，常见的无人机避障技术主要采用超声波传感器、红外测距传感器、激光雷达、毫米波雷达、双目视觉传感器等传感器以实现避障，这些方法都提高了无人机飞行时的安全性，使得无人机的应用场景更广阔，自主化程度更高。
诸如公开号为CN209433249U发明的《基于多路超声波的四旋翼无人机避障系统》，其采用多路超声波来实现对无人机周围障碍物的感知，减少了无人机的盲区，改善了多路超声波性价比低的缺陷，但是超声波模块的探测精度和有效探测距离有限。公开号CN110045742A发明的《一种基于红外光测距的四旋翼无人机避障装置及避障方法》通过利用四组红外光测距装置，实现了低成本，小范围的平面避障能力。双目视觉定位技术在室外日光环境下表现优异，但是其定位深度精度较差，弱光环境下较难成像。3D结构光的深度定位精度较高，且不受弱光环境限制，但是其最大定位距离过低。
发明内容
本发明所要解决的技术问题是针对背景技术的不足提供一种基于ToF和视觉传感器的旋翼无人机避障控制系统，通过在旋翼无人机上安装多个该子模块可实现对无人机周围的障碍物高精度定位，然后利用基于人工势场方法的实时避障算法快速规避障碍物。
本发明为解决上述技术问题采用以下技术方案
一种基于ToF和视觉传感器的旋翼无人机避障控制系统，包含5个避障子模块和1个控制模块，其中，所述避障子模块包含第一ToF深度传感器、第一视觉传感器、第二视觉传感器、数据接口、第一固定接口和第二固定接口和避障子模块外壳组成；
其中，第一视觉传感器和第二视觉传感器均用于采集图像信息，对障碍物进行标记并计算障碍物相对避障子模块的XY位置信息；
第一ToF深度传感器，用于对障碍物进行检测，测得避障子模块相对障碍物的深度距离信息；
数据接口，用于将传感器采集的数据发送至控制模块；
5个避障子模块包含安装在无人机机头反向位置的避障子模块N、无人机机头左侧的避障子模块E、无人机机头位置的避障子模块S、无人机机头右侧位置的避障子模块W和无人机顶部位置的避障子模块A；
所述控制模块包含第二ToF深度传感器、第三视觉传感器和第四视觉传感器、光流传感器、姿态传感器、气压传感器、控制器、差分定位模块、数据接口N、数据接口E、数据接口S、数据接口W、数据接口A、控制模块外壳；
其中，气压传感器和第二ToF深度传感器融合进行高精度定高，其中ToF深度传感器测得的深度信息主要用在低空中，而气压传感器测得的气压数据主要用于高空中；
光流模块和差分定位模块结合进行定位，其中，光流模块用在差分定位模块定位精度较差或者无定位信息时辅助定位。
一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，具体包含如下步骤；
步骤1，初始化无人机；
步骤2，获取本机的位置和速度以及利用传感器感知周围障碍物的位置；
步骤3，利用障碍物的位置信息估算障碍物的速度矢量；
步骤4，利用本机的位置和障碍物的位置估计位置差；
步骤5，判断无人机是否处于障碍物的势场内，如果处于势场内，则执行步骤6，否则执行步骤2；步骤6，计算势场力和辅助牵引力；
步骤7，利用势场力和辅助牵引力计算无人机期望的避障姿态信息。
作为本发明一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法的进一步优选方案，在步骤2中：
定义v(t)以及pu(t)＝[xu,yu,zu]T表示旋翼无人机在t时刻的速度以及位置，定义
Figure BDA0002591699930000021
表示障碍物i在t时刻的位置，其中，旋翼无人机的位置信息中的平面位置[xu,yu]T由光流模块(11)和差分定位模块(15)采集得，而高度位置[zu]T由气压传感器(13)和ToF深度传感器(8)采集得。
作为本发明一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法的进一步优选方案，在步骤3中：
定义碍物i在t时刻的速度为
Figure BDA0002591699930000031
表示上一时刻，ti表示当前时刻，
Figure BDA0002591699930000032
表示系统第一次检测到障碍物的时刻，且
Figure BDA0002591699930000033
当系统第一次检测到障碍物i时，计
Figure BDA0002591699930000034
且
Figure BDA0002591699930000035
则障碍物速度
Figure BDA0002591699930000036
的值
Figure BDA0002591699930000037
和角度
Figure BDA0002591699930000038
分别估算为：
Figure BDA0002591699930000039
Figure BDA00025916999300000310
Figure BDA00025916999300000311
作为本发明一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法的进一步优选方案，在步骤4中：
定义无人机与障碍物i的位置差为之差为dxy(i,t)和dz(i,t),位置差估算为：
Figure BDA00025916999300000312
Figure BDA00025916999300000313
其中，sgn为符号函数；
作为本发明一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法的进一步优选方案，在步骤5中：
定义
Figure BDA00025916999300000314
和
Figure BDA00025916999300000315
为障碍物势场范围，
Figure BDA00025916999300000316
和
Figure BDA00025916999300000317
为障碍物基本势场范围，
Figure BDA00025916999300000318
和
Figure BDA00025916999300000319
为势场调节参数；定义θ1为障碍物i速度方向与旋翼无人机和障碍物i连线之间的角度，θ2表示障碍物i和旋翼无人机速度方向之间的角度，
Figure BDA00025916999300000320
表示辅助牵引势场角度；
障碍物势场范围函数
Figure BDA00025916999300000321
和
Figure BDA00025916999300000322
为：
Figure BDA00025916999300000323
Figure BDA00025916999300000324
其中，
Figure BDA00025916999300000325
为x-y平面上的势场范围函数，
Figure BDA00025916999300000326
为y-z平面上的势场范围函数。该势场范围函数与障碍物速度有关，随着障碍物速度的变化而变化，且其与障碍物的速度正相关；
障碍物势场Uxy(i)和Uz(i)为：
Figure BDA0002591699930000041
Figure BDA0002591699930000042
其中，a1、a2、b1和b2为势场调节参数，Uxy(i)为旋翼无人机与障碍物在x-y平面上的势场，而Uz(i)为旋翼无人机与障碍物在y-z平面上的势场；
为了快速离开障碍物，设计辅助牵引势场Ua(i)，辅助牵引势场为：
Figure BDA0002591699930000043
通过将步骤四估算的位置差dxy(i,t)和dz(i,t)与障碍物势场范围函数
Figure BDA0002591699930000044
和
Figure BDA0002591699930000045
对比，若
Figure BDA0002591699930000046
则处于Uxy(i)和Ua(i)势场内；若
Figure BDA0002591699930000047
则处于Uz(i)势场内，计算障碍物势场。
作为本发明一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法的进一步优选方案，在步骤6中：
定义
Figure BDA0002591699930000048
表示x-y平面势场角度，
Figure BDA0002591699930000049
表示y-z平面势场角度，
Figure BDA00025916999300000410
表示辅助牵引势场角度；
对步骤5中所述的障碍物势场Uxy(i)和Uz(i)沿负梯度方向求导可得势场力fxy(i)、fz(i)和fa(i)：
Figure BDA00025916999300000411
Figure BDA00025916999300000412
Figure BDA00025916999300000413
对上述势场力fxy(i)和fa(i)分别设计角度为：
Figure BDA0002591699930000051
Figure BDA0002591699930000052
作为本发明一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法的进一步优选方案在步骤6中：
利用步骤6中求得的势场力和势场力的角度计算期望避障姿态如下：
Figure BDA0002591699930000053
作为本发明一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法的进一步优选方案，
Figure BDA0002591699930000054
以及
Figure BDA0002591699930000055
均大于零，选取
Figure BDA0002591699930000056
作为本发明一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法的进一步优选方案，障碍物势场Uxy(i)和Uz(i)中的势场调节参数分别可选取为a1＞0、a2＞0、
b1＞0和b2＞0，选取a1＝1、a2＝0.8、b1＝5和b2＝3。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明提出一种旋翼无人机避障控制系统，通过将ToF深度传感器与视觉传感器融合设计了避障子模块，并通过在旋翼无人机上安装多个该子模块实现对无人机周围障碍物的高精度定位。同时，本发明设计了一种基于人工势场方法的实时在线避障算法，旋翼无人机利用该实时在线避障算法进行快速避障。该算法避免了传统人工势场避障算法易陷入局部最优化解的缺陷，提高了旋翼无人机避障的速度。
附图说明
图1是本发明避障子模块示意图；
图2本发明控制模块示意图；
图3本发明旋翼无人机俯视图；
图4本发明旋翼无人机仰视图；
图5本发明基于人工势场方法的实时在线避障算法流程图；
图6本发明辅助牵引力示意图。
附图标号说明：1-视觉传感器1；2-ToF深度传感器1；3-视觉传感器2；4-避障子模块外壳；5-数据接口；6-固定接口1；7-固定接口2；8-ToF深度传感器2；9-视觉传感器3；10-视觉传感器4；11-光流传感器；12-姿态传感器；13-气压传感器；14-控制器；15-差分定位模块；16-控制模块外壳；17-数据接口N；18-数据接口E；19-数据接口S；20-数据接口W；21-数据接口A；22-避障子模块N；23-避障子模块E；24-避障子模块S；25-避障子模块W；26-避障子模块A；27-控制模块。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
以下对本发明的实施例进行详细说明，进一步阐述本发明所使用的各项技术手段，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
旋翼无人机在执行任务的过程中需要对出现的障碍物进行快速规避，否则将带来巨大的损失。本发明针对这一现状，提出一种旋翼无人机避障控制系统，实现旋翼无人机在飞行过程中对障碍物的精确感知与快速避障。
本发明所述旋翼无人机避障控制系统主要由避障子模块和控制模块构成。
如图1所示为避障子模块示意图，其主要由一ToF深度传感器2、二视觉传感器1和3、一数据接口5、两固定接口6和7和一避障子模块外壳4组成；其中，视觉传感器1搭载长焦镜头，而视觉传感器3搭载广角镜头。ToF深度传感器的深度精度较高，且在低光环境中表现好但XY分辨率较低；而视觉传感器的XY分辨率较高。故本发明将两者结合，弥补各自的缺点，提高对障碍物的感知能力。本发明同时将搭载广角镜头的视觉传感器1和长焦镜头的视觉传感器3结合，提高对障碍物感知的范围。该避障子模块的视觉传感器1和3分别采集图像信息，对障碍物进行标记并计算障碍物相对避障子模块的XY位置信息。然后利用ToF深度传感器2对障碍物进行检测，测得障碍物相对避障子模块的深度距离信息。最后，结合本机位置、避障子模块相对障碍物的XY位置信息以及深度距离信息推算障碍物在机体坐标系下的实际位置。本发明中各传感器采集的数据通过数据接口5发送至控制模块中。
如图2所示为控制模块示意图，其主要由一ToF深度传感器8、两视觉传感器9和10、一光流传感器11、一姿态传感器12、一气压传感器13、一控制器14、一差分定位模块15五数据接口17、18、19、20和21以及一控制模块外壳16组成。本发明将控制模块中搭载的ToF深度传感器8、搭载广角镜头的视觉传感器9以及搭载长焦镜头的视觉传感器10结合检测障碍物并推算障碍物在机体坐标系下的实际位置。该过程与上述避障子模块中检测障碍物位置的方法一致。本发明所述控制模块中的数据接口N17、数据接口E18、数据接口S19、数据接口W20和数据接口A21分别用于和安装在无人机机头反向位置的避障子模块N22、无人机机头左侧的避障子模块E23、无人机机头位置的避障子模块S24、无人机机头右侧位置的避障子模块W25和无人机顶部位置的避障子模块A26。
本发明利用控制模块中搭载的气压传感器13和ToF深度传感器8融合进行高精度定高，其中ToF深度传感器8测得的深度信息主要用在低空中，而气压传感器13测得的气压数据主要用于高空中。具体为，当ToF深度传感器8测得的数据大于5m或者未测得数据时，利用气压传感器13检测气压值并转换为高度信息，否则，系统直接利用ToF深度传感器8测得的数据作为无人机的实时高度数据。
本发明利用光流模块11和差分定位模块15结合进行定位，其中，光流模块11主要用在差分定位模块15定位精度较差或者无定位信息时辅助定位。
进一步地，本发明为了提高无人机的稳定性，利用控制模块中的视觉传感器9和10检测光照度，当光照度低于10lx时，系统仅可使用差分定位模块15进行定位，若此时差分定位模块的定位精度较差或者无定位信息时，无人机自动降落以避免坠机。
如下图3和图4所示分别为旋翼无人机的俯视图和仰视图，该旋翼无人机其主要由安装在无人机机头反向位置的避障子模块N22无人机机头左侧的避障子模块E23、无人机机头位置的避障子模块S24、无人机机头右侧位置的避障子模块W25、无人机顶部位置的避障子模块A26以及无人机底部的控制模块27构成。其中，各避障子模块分别将自身的数据接口与控制模块相对应的数据接口连接。
当无人机初始化后，控制模块接收自身以及安装在东西南北四个水平面、顶部的五个避障子模块采集的信息，其包括两视觉传感器采集的图像信息以及利用ToF深度传感器采集的深度信息。然后对采集的信息进行处理，并根据自身的位置以及上一时刻障碍物的位置信息计算障碍物的位置以及其速度矢量信息。接着，根据障碍物的位置和速度信息，结合无人机自身的位置和速度信息，利用基于人工势场方法的实时避障算法计算期望避障姿态信息，然后将该期望避障姿态信息发送给飞控用以驱使无人机避让障碍物。
如下图5所示为基于人工势场方法的实时在线避障算法流程图，包括：
步骤1，初始化无人机，包括初始化无人机的飞控、各传感器、避障子模块以及控制模块。
进一步地，在步骤1之后还包括步骤1-1，判断无人机的各避障子模块是否正常，若不正常则继续执行步骤1。
步骤2，获取本机的位置和速度以及利用传感器感知周围障碍物的位置；
本发明定义v(t)以及pu(t)＝[xu,yu,zu]T表示旋翼无人机在t时刻的速度以及位置，定义
Figure BDA0002591699930000081
表示障碍物i在t时刻的位置。其中，旋翼无人机的位置信息中的平面位置[xu,yu]T由光流模块11和差分定位模块15采集得，而高度位置[zu]T由气压传感器13和ToF深度传感器8采集得。
步骤3，利用障碍物的位置信息估算障碍物的速度矢量；
本发明定义碍物i在t时刻的速度为
Figure BDA0002591699930000082
表示上一时刻，ti表示当前时刻，
Figure BDA0002591699930000083
表示系统第一次检测到障碍物的时刻，且
Figure BDA0002591699930000084
当系统第一次检测到障碍物i时，计
Figure BDA0002591699930000085
且
Figure BDA0002591699930000086
则障碍物速度
Figure BDA0002591699930000087
的值
Figure BDA0002591699930000088
和角度
Figure BDA0002591699930000089
分别估算为：
Figure BDA00025916999300000810
Figure BDA00025916999300000811
Figure BDA00025916999300000812
步骤4，利用本机的位置和障碍物的位置估计位置差；
本发明定义无人机与障碍物i的位置差为之差为dxy(i,t)和dz(i,t),位置差估算为：
Figure BDA00025916999300000813
Figure BDA00025916999300000814
其中，sgn为符号函数。
步骤5，判断无人机是否处于障碍物的势场内，如果处于势场内，则执行步骤6，否则执行步骤2；本发明您定义
Figure BDA00025916999300000815
和
Figure BDA00025916999300000816
为障碍物势场范围，
Figure BDA00025916999300000817
和
Figure BDA00025916999300000818
为障碍物基本势场范围，
Figure BDA00025916999300000819
和
Figure BDA00025916999300000820
为势场调节参数；定义θ1为障碍物i速度方向与旋翼无人机和障碍物i连线之间的角度，θ2表示障碍物i和旋翼无人机速度方向之间的角度，
Figure BDA0002591699930000091
表示辅助牵引势场角度。
本文发明设计的障碍物势场范围函数
Figure BDA0002591699930000092
和
Figure BDA0002591699930000093
为：
Figure BDA0002591699930000094
Figure BDA0002591699930000095
其中，
Figure BDA0002591699930000096
为x-y平面上的势场范围函数，
Figure BDA0002591699930000097
为y-z平面上的势场范围函数。该势场范围函数与障碍物速度有关，随着障碍物速度的变化而变化，且其与障碍物的速度正相关。
本发明设计的障碍物势场Uxy(i)和Uz(i)为：
Figure BDA0002591699930000098
Figure BDA0002591699930000099
其中，a1、a2、b1和b2为势场调节参数，Uxy(i)为旋翼无人机与障碍物在x-y平面上的势场，而Uz(i)为旋翼无人机与障碍物在y-z平面上的势场。
为了快速离开障碍物，本发明设计了辅助牵引势场Ua(i)。本发明设计的辅助牵引势场设计为：
Figure BDA00025916999300000910
本发明通过将步骤四估算的位置差dxy(i,t)和dz(i,t)与障碍物势场范围函数
Figure BDA00025916999300000911
和
Figure BDA00025916999300000912
对比，若
Figure BDA00025916999300000913
则处于Uxy(i)和Ua(i)势场内；若
Figure BDA00025916999300000914
则处于Uz(i)势场内，计算障碍物势场。
步骤6，计算势场力和辅助牵引力；该步骤为将势场转换为势场力，并利用该力驱使旋翼无人机远离障碍物。本发明定义
Figure BDA00025916999300000915
表示x-y平面势场角度，
Figure BDA00025916999300000916
表示y-z平面势场角度，
Figure BDA00025916999300000917
表示辅助牵引势场角度。
本发明对步骤5中所述的障碍物势场Uxy(i)和Uz(i)沿负梯度方向求导可得势场力fxy(i)、fz(i)和fa(i)：
Figure BDA0002591699930000101
Figure BDA0002591699930000102
Figure BDA0002591699930000103
本发明对上述势场力fxy(i)和fa(i)分别设计角度为：
Figure BDA0002591699930000104
Figure BDA0002591699930000105
步骤7，利用势场力和辅助牵引力计算无人机期望的避障姿态信息。
本发明主要利用步骤6中求得的势场力和势场力的角度计算期望避障姿态如下：
Figure BDA0002591699930000106
作为一种优选，本发明选取
Figure BDA0002591699930000107
其可保证基本的避障能力。
作为一种优选,本发明障碍物势场Uxy(i)和Uz(i)中的势场调节参数分别可以选取为a1＝1、a2＝0.8、b1＝5和b2＝3。
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。上面对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (10)

1.一种基于ToF和视觉传感器的旋翼无人机避障控制系统，其特征在于：包含5个避障子模块和1个控制模块，其中，所述避障子模块包含第一ToF深度传感器(2)、第一视觉传感器(1)、第二视觉传感器(3)、数据接口(5)、第一固定接口(6)和第二固定接口(7)和避障子模块外壳(4)组成；
其中，第一视觉传感器(1)和第二视觉传感器(3)均用于采集图像信息，对障碍物进行标记并计算障碍物相对避障子模块的XY位置信息；
第一ToF深度传感器(2)，用于对障碍物进行检测，测得障碍物相对避障子模块的深度距离信息；
数据接口(5)，用于将传感器采集的数据发送至控制模块；
5个避障子模块包含安装在无人机机头反向位置的避障子模块N(22)、无人机机头左侧的避障子模块E(23)、无人机机头位置的避障子模块S(24)、无人机机头右侧位置的避障子模块W(25)和无人机顶部位置的避障子模块A(26)；
所述控制模块包含第二ToF深度传感器(8)、第三视觉传感器9和第四视觉传感器10、光流传感器(11)、姿态传感器(12)、气压传感器(13)、控制器(14)、差分定位模块(15)、数据接口N(17)、数据接口E(18)、数据接口S(19)、数据接口W(20)、数据接口A(21)、控制模块外壳(16)；
其中，气压传感器(13)和第二ToF深度传感器(8)融合进行高精度定高，其中ToF深度传感器(8)测得的深度信息主要用在低空中，而气压传感器(13)测得的气压数据主要用于高空中；
光流模块(11)和差分定位模块(15)结合进行定位，其中，光流模块(11)用在差分定位模块(15)定位精度较差或者无定位信息时辅助定位。
2.一种基于权利要求1所述的ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，其特征在于：具体包含如下步骤；
步骤1，初始化无人机；
步骤2，获取本机的位置和速度以及利用传感器感知周围障碍物的位置；
步骤3，利用障碍物的位置信息估算障碍物的速度矢量；
步骤4，利用本机的位置和障碍物的位置估计位置差；
步骤5，判断无人机是否处于障碍物的势场内，如果处于势场内，则执行步骤6，否则执行步骤2；步骤6，计算势场力和辅助牵引力；
步骤7，利用势场力和辅助牵引力计算无人机期望的避障姿态信息。
3.根据权利要求2所述的一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，其特征在于：在步骤2中：
定义v(t)以及pu(t)＝[xu,yu,zu]T表示旋翼无人机在t时刻的速度以及位置，定义
Figure RE-FDA0002730403750000021
表示障碍物i在t时刻的位置，其中，旋翼无人机的位置信息中的平面位置[xu,yu]T由光流模块(11)和差分定位模块(15)采集得，而高度位置[zu]T由气压传感器(13)和ToF深度传感器(8)采集得。
4.根据权利要求2所述的一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，其特征在于：在步骤3中：
定义碍物i在t时刻的速度为
Figure RE-FDA0002730403750000022
Figure RE-FDA0002730403750000023
表示上一时刻，ti表示当前时刻，
Figure RE-FDA0002730403750000024
表示系统第一次检测到障碍物的时刻，且
Figure RE-FDA0002730403750000025
当系统第一次检测到障碍物i时，计
Figure RE-FDA0002730403750000026
且
Figure RE-FDA0002730403750000027
则障碍物速度
Figure RE-FDA0002730403750000028
的值
Figure RE-FDA0002730403750000029
和角度
Figure RE-FDA00027304037500000210
分别估算为：
Figure RE-FDA00027304037500000211
Figure RE-FDA00027304037500000212
Figure RE-FDA00027304037500000213
5.根据权利要求2所述的一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，其特征在于：在步骤4中：
定义无人机与障碍物i的位置差为之差为dxy(i,t)和dz(i,t),位置差估算为：
Figure RE-FDA00027304037500000214
Figure RE-FDA00027304037500000215
其中，sgn为符号函数；
6.根据权利要求2所述的一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，其特征在于：在步骤5中：
定义
Figure RE-FDA0002730403750000031
和
Figure RE-FDA0002730403750000032
为障碍物势场范围，
Figure RE-FDA0002730403750000033
和
Figure RE-FDA0002730403750000034
为障碍物基本势场范围，
Figure RE-FDA0002730403750000035
和
Figure RE-FDA0002730403750000036
为势场调节参数；定义θ1为障碍物i速度方向与旋翼无人机和障碍物i连线之间的角度，θ2表示障碍物i和旋翼无人机速度方向之间的角度，
Figure RE-FDA0002730403750000037
表示辅助牵引势场角度；
障碍物势场范围函数
Figure RE-FDA0002730403750000038
和
Figure RE-FDA0002730403750000039
为：
Figure RE-FDA00027304037500000310
Figure RE-FDA00027304037500000311
其中，
Figure RE-FDA00027304037500000312
为x-y平面上的势场范围函数，
Figure RE-FDA00027304037500000313
为y-z平面上的势场范围函数。该势场范围函数与障碍物速度有关，随着障碍物速度的变化而变化，且其与障碍物的速度正相关；
障碍物势场Uxy(i)和Uz(i)为：
Figure RE-FDA00027304037500000314
Figure RE-FDA00027304037500000315
其中，a1、a2、b1和b2为势场调节参数，Uxy(i)为旋翼无人机与障碍物在x-y平面上的势场，而Uz(i)为旋翼无人机与障碍物在y-z平面上的势场；
为了快速离开障碍物，设计辅助牵引势场Ua(i)，辅助牵引势场为：
Figure RE-FDA00027304037500000316
通过将步骤四估算的位置差dxy(i,t)和dz(i,t)与障碍物势场范围函数
Figure RE-FDA00027304037500000317
和
Figure RE-FDA00027304037500000318
对比，若
Figure RE-FDA00027304037500000319
则处于Uxy(i)和Ua(i)势场内；若
Figure RE-FDA00027304037500000320
则处于Uz(i)势场内，计算障碍物势场。
7.根据权利要求2所述的一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，其特征在于：在步骤6中：
定义
Figure RE-FDA0002730403750000041
表示x-y平面势场角度，
Figure RE-FDA0002730403750000042
表示y-z平面势场角度，
Figure RE-FDA0002730403750000043
表示辅助牵引势场角度；
对步骤5中所述的障碍物势场Uxy(i)和Uz(i)沿负梯度方向求导可得势场力fxy(i)、fz(i)和fa(i)：
Figure RE-FDA0002730403750000044
Figure RE-FDA0002730403750000045
Figure RE-FDA0002730403750000046
对上述势场力fxy(i)和fa(i)分别设计角度为：
Figure RE-FDA0002730403750000047
Figure RE-FDA0002730403750000048
8.根据权利要求2所述的一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，其特征在于：在步骤6中：
利用步骤6中求得的势场力和势场力的角度计算期望避障姿态如下：
Figure RE-FDA0002730403750000049
9.根据权利要求6所述的一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，其特征在于：
Figure RE-FDA00027304037500000410
以及
Figure RE-FDA00027304037500000411
均大于零，选取
Figure RE-FDA00027304037500000412
10.根据权利要求6所述的一种基于ToF和视觉传感器的旋翼无人机避障控制系统的控制方法，其特征在于：障碍物势场Uxy(i)和Uz(i)中的势场调节参数分别可选取为a1＞0、a2＞0、b1＞0和b2＞0，选取a1＝1、a2＝0.8、b1＝5和b2＝3。
CN202010697379.1A 2020-07-20 2020-07-20 一种旋翼无人机避障控制系统及其控制方法 Active CN112000123B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010697379.1A CN112000123B (zh) 2020-07-20 2020-07-20 一种旋翼无人机避障控制系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010697379.1A CN112000123B (zh) 2020-07-20 2020-07-20 一种旋翼无人机避障控制系统及其控制方法

Publications (2)

Publication Number Publication Date
CN112000123A true CN112000123A (zh) 2020-11-27
CN112000123B CN112000123B (zh) 2023-03-14

Family

ID=73467186

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010697379.1A Active CN112000123B (zh) 2020-07-20 2020-07-20 一种旋翼无人机避障控制系统及其控制方法

Country Status (1)

Country Link
CN (1) CN112000123B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014006833A (ja) * 2012-06-27 2014-01-16 Murata Mach Ltd 自律移動装置、自律移動方法、標識、及び、自律移動システム
CN205049143U (zh) * 2015-10-22 2016-02-24 一飞智控(天津)科技有限公司 一种基于双目视觉的无人机自主障碍物检测系统
CN105652873A (zh) * 2016-03-04 2016-06-08 中山大学 一种基于Kinect的移动机器人避障方法
CN105867433A (zh) * 2016-03-31 2016-08-17 纳恩博（北京）科技有限公司 一种移动控制方法、移动电子设备及移动控制系统
CN106826815A (zh) * 2016-12-21 2017-06-13 江苏物联网研究发展中心 基于彩色图像与深度图像的目标物体识别与定位的方法
WO2018176594A1 (zh) * 2017-03-31 2018-10-04 深圳市靖洲科技有限公司 一种面向无人自行车的人工势场路径规划法
CN109213138A (zh) * 2017-07-07 2019-01-15 北京臻迪科技股份有限公司 一种避障方法、装置及系统
CN109597418A (zh) * 2019-02-27 2019-04-09 福州大学 基于独立虚拟中心点的机器人分散式协同避障方法
JP2020052810A (ja) * 2018-09-27 2020-04-02 オムロン株式会社 制御装置
CN111142533A (zh) * 2020-01-03 2020-05-12 大连民族大学 多个无人水面艇的多势场避障方法及复杂环境下多usv多模式编队避障控制方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014006833A (ja) * 2012-06-27 2014-01-16 Murata Mach Ltd 自律移動装置、自律移動方法、標識、及び、自律移動システム
CN205049143U (zh) * 2015-10-22 2016-02-24 一飞智控(天津)科技有限公司 一种基于双目视觉的无人机自主障碍物检测系统
CN105652873A (zh) * 2016-03-04 2016-06-08 中山大学 一种基于Kinect的移动机器人避障方法
CN105867433A (zh) * 2016-03-31 2016-08-17 纳恩博（北京）科技有限公司 一种移动控制方法、移动电子设备及移动控制系统
CN106826815A (zh) * 2016-12-21 2017-06-13 江苏物联网研究发展中心 基于彩色图像与深度图像的目标物体识别与定位的方法
WO2018176594A1 (zh) * 2017-03-31 2018-10-04 深圳市靖洲科技有限公司 一种面向无人自行车的人工势场路径规划法
CN109213138A (zh) * 2017-07-07 2019-01-15 北京臻迪科技股份有限公司 一种避障方法、装置及系统
JP2020052810A (ja) * 2018-09-27 2020-04-02 オムロン株式会社 制御装置
CN109597418A (zh) * 2019-02-27 2019-04-09 福州大学 基于独立虚拟中心点的机器人分散式协同避障方法
CN111142533A (zh) * 2020-01-03 2020-05-12 大连民族大学 多个无人水面艇的多势场避障方法及复杂环境下多usv多模式编队避障控制方法

Also Published As

Publication number Publication date
CN112000123B (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
US10475209B2 (en) Camera calibration
CN112189225B (zh) 车道线信息检测装置、方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质
US9201424B1 (en) Camera calibration using structure from motion techniques
CN106598039B (zh) 一种基于激光雷达的变电站巡检机器人避障方法
CN104808685A (zh) 用于无人机自主降落的视觉辅助装置及视觉辅助方法
CN108563236B (zh) 一种基于同心圆特征的纳型无人机目标跟踪方法
CN107146247A (zh) 基于双目摄像头的汽车辅助驾驶系统及方法
CN113085896B (zh) 一种现代有轨清洁车辅助自动驾驶系统及方法
Bao et al. Vision-based horizon extraction for micro air vehicle flight control
CN112783181B (zh) 一种基于模糊控制的多旋翼无人机集群视觉着降方法
CN102190081A (zh) 基于视觉的飞艇定点鲁棒控制方法
CN110658826A (zh) 一种基于视觉伺服的欠驱动无人水面艇自主靠泊方法
CN110658828A (zh) 一种地貌自主探测方法及无人机
Guo et al. Reactive path planning for autonomous sailboat using an omni-directional camera for obstacle detection
CN111813114A (zh) 智能小车视觉导航方法
Jun et al. Autonomous driving system design for formula student driverless racecar
El-Hassan Experimenting with sensors of a low-cost prototype of an autonomous vehicle
CN115933718A (zh) 一种融合全景slam与目标识别的无人机自主飞行技术方法
Srinivasan et al. An optical system for guidance of terrain following in UAVs
CN113610910A (zh) 一种移动机器人避障方法
CN112000123B (zh) 一种旋翼无人机避障控制系统及其控制方法
CN214409706U (zh) 一种基于机器视觉的室内无人机定位系统
Gao et al. Altitude information acquisition of uav based on monocular vision and mems
CN109764864A (zh) 一种基于颜色识别的室内无人机位姿获取方法及系统
Cui et al. AGV research based on inertial navigation and vision fusion

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
TR01 Transfer of patent right

Effective date of registration: 20230901

Address after: 226000, 2nd Floor, Building A, No. 188 Tongsheng Avenue, Xinkai Street, Development Zone, Nantong City, Jiangsu Province

Patentee after: Nantong Jifei Technology Co.,Ltd.

Address before: 210044 No. 219 Ning six road, Jiangbei new district, Nanjing, Jiangsu

Patentee before: Nanjing University of Information Science and Technology

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240408

Address after: 226000 "Yiliutan" in Zhuxing Town, Development Zone, Nantong City, Jiangsu Province

Patentee after: Nantong Xanadu Leisure Farm

Country or region after: China

Address before: 226000, 2nd Floor, Building A, No. 188 Tongsheng Avenue, Xinkai Street, Development Zone, Nantong City, Jiangsu Province

Patentee before: Nantong Jifei Technology Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right