CN112527014B - 一种基于Flocking算法的无人机集群放牧方法 - Google Patents
一种基于Flocking算法的无人机集群放牧方法 Download PDFInfo
- Publication number
- CN112527014B CN112527014B CN202011401635.4A CN202011401635A CN112527014B CN 112527014 B CN112527014 B CN 112527014B CN 202011401635 A CN202011401635 A CN 202011401635A CN 112527014 B CN112527014 B CN 112527014B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- livestock
- warning area
- shaping
- 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
Links
- 238000009304 pastoral farming Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012856 packing Methods 0.000 title claims abstract description 8
- 244000144972 livestock Species 0.000 claims abstract description 63
- 244000144992 flock Species 0.000 claims abstract description 40
- 241001494479 Pecora Species 0.000 claims abstract description 36
- 238000007493 shaping process Methods 0.000 claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 208000032544 Cicatrix Diseases 0.000 claims abstract description 4
- 206010039580 Scar Diseases 0.000 claims abstract description 4
- 208000014745 severe cutaneous adverse reaction Diseases 0.000 claims abstract description 4
- 244000144980 herd Species 0.000 claims description 13
- 241001465754 Metazoa Species 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000018109 developmental process Effects 0.000 claims description 3
- 230000007123 defense Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 241000282461 Canis lupus Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K3/00—Pasturing equipment, e.g. tethering devices; Grids for preventing cattle from straying; Electrified wire fencing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- 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
本发明公开了一种基于Flocking算法的无人机集群放牧方法,包括以下步骤:S1.构建无人机放牧模型:无人机在放牧时对羊群进行恐吓,避免牲畜走进以该无人机为圆心,半径为五米的圆内;进行放牧的无人机包括定形无人机和驱逐无人机;定形无人机通过实时摄像然后进行图像识别获得羊群的实时形状;S2.利用定形无人机形成移动羊圈;S3.确定羊群的行进方向;S4.划定一级警戒区域;S5.利用定形无人机进行放牧;S6.设定二级警戒区域与区域内牲畜监测。本发明提高了驱赶的有效性,稳定性,自动性,拓宽了可应用场景。
Description
技术领域
本发明涉及无人机放牧,特别是涉及一种基于Flocking算法的无人机集群放牧方法。
背景技术
近年来,越来越多的人投入到将无人机应用于畜牧业的研究中。现有技术已能够提供基于无人机的放牧方法和系统大致框架,能够实现监测并规划牧群前进方向,引导羊群完成按时采食、躲避其他羊群等行为,在路线规划,草场选择,监测羊群,提高优质草源的利用率等方面已有较大成果。
确定了前进路线后,在具体的通过无人机驱赶羊群至目的地的方案上,现有方案包括:(1)引导羊群前往:控制所述无人机到达所述领头牲畜的当前位置的上方,并通过所述无人机播放预先录制的导引训练声音的方式来导引所述领头牲畜从所述当前位置行进至所述下一个放牧区域的所述预定位置。(2)驱赶牲畜前往:确认该牲畜的行进轨迹已偏离放牧路线后,向飞控装置发送指令,并根据指令控制无人机驱赶该牲畜从当前位置行进至当前放牧区域以内。主无人机接收图像,并依据图像确定是否允许牧群向目标地理位置进行移动,若确定不允许牧群向目标地理位置进行移动,则向牧群发送移动方向变换指令,以使牧群变换移动方向。
方案(1)中,通过引导羊群头领对羊群位置进行调整的方案,无法解决遇到一些危险等特殊情况头领失控,不听从指挥;部分牲畜不跟从头领,离群出走等问题。可能会造成大量的损失。方案(2)中驱赶羊群进行位置调整的方案,目前只是泛泛而谈,并未谈到具体无人机群如何配合驱赶,如何确定每架无人机的期望驱赶位置等。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于Flocking算法的无人机集群放牧方法,提高了驱赶的有效性,稳定性,自动性,拓宽了可应用场景。
本发明的目的是通过以下技术方案来实现的:一种基于Flocking算法的无人机集群放牧方法,包括以下步骤:
S1.构建无人机放牧模型:
无人机在放牧时对羊群进行恐吓,避免牲畜走进以该无人机为圆心,半径为五米的圆内;进行放牧的无人机包括定形无人机和驱逐无人机;定形无人机通过实时摄像然后进行图像识别获得羊群的实时形状;
S2.利用定形无人机形成移动羊圈:
根据羊群的大小,使用相应数量的定形无人机,在羊群外围盘旋,围成一定的形状,形成动态可变形的移动羊圈:
设初始的定形无人机为六个,六个定形无人机在同一个半径为R的圆上,通过flocking集群算法我们维持六个无人机之间距离相等,即:
R=Di(i+1)=D61,i=1,2,3,4,5;
Di(i+1)表示第i架无人机与第i+1架无人机之间的距离,D61表示第六架无人机与第一架无人机之间的距离;
以该圆的圆心为原点O(0,0),以初始移动的期望方向为x轴,水平竖直建立xoy直角坐标系,则六架无人机的初始期望坐标依次为:
每架无人机所管控的范围为以该无人机初始时刻位置和圆心的连线为基线的顺时针60°方向,统称为该无人机的管辖区;
S3.确定羊群的行进方向:
将观察到的羊群的前进方向看作若干条由原点发出的射线,设每只羊的位置坐标为(Xi,Yi),则每条射线的方程为:
y=bix,
定义羊的行进角为β:
S4.划定一级警戒区域:在直角坐标系中,一级警戒区域为一个以相邻无人机之间连线构成的六边形的缩小区域:
首先通过任意两个相邻无人机的连线,形成未缩小的六边形区域的一条边,第i条边即直线Li方程为:
aix+biy+c=0,i=1,2,3,4,5,6
其中,
其中i,j为相邻两无人机的角标;
设d为对于原无人机所组成的区域缩小的大小,则缩小后的六边形区域中,第i条边即直线li方程为:
aix+biy+C=0,i=1,2,3,4,5,6
由于d的值越大则区域限制的范围越小,故将d为管控强度;
S5.利用定形无人机进行放牧:
动态地根据目标行进路线及实时羊群的大体形状确定步骤S2中移动羊圈的形状,并且判断某牲畜是否在一级警戒区内:
假设某牲畜的位置为M,构成一级警戒区六边形的顶点位置为Ai,若牲畜与几个顶点之间构成的角之和为360°,则判定牲畜在一级警戒区内部;否则,判定牲畜在一级警戒区外部;
牲畜在一级警戒区外部时,定形无人机及时飞到突出部分外围,将行进方向错误的部分牲畜赶回大群体;
若定形无人机检测到附近羊群突出形状的方向与期望的前进方向不一致,该无人机前往突出部分外围调整该部分牲畜的前进方向;
通过无人机集群形状不断的变化,无人机群就像牧羊犬群一样,实现将羊群围在无人机群体内,并向标方向驱赶的目的;其中当需要对羊群进行驱赶时,当需要驱赶的羊群所前进的方向包含在该无人机的管辖区时,通过如下计算公式:
得出该无人机的期望位置为(xi,yi),并使得该无人机前往期望位置对羊群进行驱赶;
S6.设定二级警戒区域与区域内牲畜监测:
一级警戒区域划定后,根据步骤S2中的形状在其内划定二级警戒区域,即相邻的定形无人机之间相互连接围成的区域,随着定形无人机的不断运动,二级警戒区域不断变化,定形无人机同时监测是否有牲畜超出二级警戒区域,并将检测到的羊群情况返回给牧民;
优选地,所述放牧方法还包括驱赶无人机二次包围步骤:
在定形无人机群的外围分布相应数量的驱赶无人机,实现二次包围,增强驱赶的严密性,驱赶无人机仅有三架,故其初始位置构成正三角形,即与原点的连线相邻夹角为120°,其位置在一个半径为m的圆上运动;
三架驱赶无人机的期望位置为:
始终利用flocking算法使得三个驱赶无人机始终在同一个半径为m的圆上且三个驱赶无人机之间的距离相等,即:
m=Di(i+1)=D31,i=1,2;
Di(i+1)表示第i架无人机与第i+1架无人机之间的距离,而D31表示第三架无人机和第一架无人机之间的距离;
定形无人机与驱赶无人机保持通讯,定形无人机监测到有牲畜不仅超出一级警戒区域,还超出了二级警戒区域,及时呼叫最近的驱赶无人机前来将超出二级警戒区域的牲畜赶回警戒区域内;
监测及驱赶方式如下:
由于二级警戒区域为三架无人机所围正三角形的区域,故首先通过两两无人机确定未缩小的正三角形区域,第i条边即直线Li方程为:
aix+biy+c=0,i=1,2,3,4,5,6
其中,
其中i,j为相邻两无人机的角标;
同一级警戒区域算法,利用下式判断某牲畜是否在二级警戒区内:
假设某牲畜的位置为M,构成二级警戒区正三角形的顶点位置为Bi,若牲畜与几个顶点之间构成的角之和为360°,则判定牲畜在二级警戒区内部;否则,判定牲畜在二级警戒区外部;当羊群脱离一二级警戒区域时,则驱赶无人机前往进行驱赶,将其赶回第二警戒区域内。
本发明的有益效果是:本发明通过双层移动驱赶设计,定形无人机群构成第一道防线,驱赶无人机群构成第二道防线,各无人机相当于牧羊犬个体,同时各无人机之间相互交流,相互配合,通过个体之间位置的变换,形成队形的不断变换,实现对羊群按给定路径的驱赶,,相较于现有的无人机驱赶羊群方法,本申请解决了单个无人机驱赶时无法顾全全体,以及部分牲畜离群时无法及时将其赶回导致的牲畜丢失等问题,提高了驱赶的有效性,稳定性,自动性,拓宽了可应用场景。
附图说明
图1为本发明的方法流程图;
图2为实施例中定形无人机的管辖范围示意图;
图3为实施例中定形无人机将行进方向错误的部分牲畜赶回大群体的示意图;
图4为实施例中定形无人机前往突出部分外围调整该部分牲畜的前进方向示意图;
图5为实施例中驱逐无人机的位置分布示意图;
图6为驱逐无人机的工作示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种基于Flocking算法的无人机集群放牧方法,包括以下步骤:
S1.构建无人机放牧模型:
无人机在放牧时对羊群进行恐吓,避免牲畜走进以该无人机为圆心,半径为五米的圆内;进行放牧的无人机包括定形无人机和驱逐无人机;定形无人机通过实时摄像然后进行图像识别获得羊群的实时形状;
S2.利用定形无人机形成移动羊圈:
根据羊群的大小,使用相应数量的定形无人机,在羊群外围盘旋,围成一定的形状,形成动态可变形的移动羊圈:
设初始的定形无人机为六个,六个定形无人机在同一个半径为R的圆上,通过flocking集群算法我们维持六个无人机之间距离相等,即:
R=Di(i+1)=D61,i=1,2,3,4,5;
Di(i+1)表示第i架无人机与第i+1架无人机之间的距离,D61表示第六架无人机与第一架无人机之间的距离;
以该圆的圆心为原点O(0,0),以初始移动的期望方向为x轴,水平竖直建立xoy直角坐标系,则六架无人机的初始期望坐标依次为:
如图2所示,每架无人机所管控的范围为以该无人机初始时刻位置和圆心的连线为基线的顺时针60°方向,统称为该无人机的管辖区;
S3.确定羊群的行进方向:
将观察到的羊群的前进方向看作若干条由原点发出的射线,设每只羊的位置坐标为(Xi,Yi),则每条射线的方程为:
y=bix,
定义羊的行进角为β:
S4.划定一级警戒区域:在直角坐标系中,一级警戒区域为一个以相邻无人机之间连线构成的六边形的缩小区域:
首先通过任意两个相邻无人机的连线,形成未缩小的六边形区域的一条边,第i条边即直线Li方程为:
aix+biy+c=0,i=1,2,3,4,5,6
其中,
其中i,j为相邻两无人机的角标;
设d为对于原无人机所组成的区域缩小的大小,则缩小后的六边形区域中,第i条边即直线li方程为:
aix+biy+C=0,i=1,2,3,4,5,6
由于d的值越大则区域限制的范围越小,故将d为管控强度;
S5.利用定形无人机进行放牧:
动态地根据目标行进路线及实时羊群的大体形状确定步骤S2中移动羊圈的形状,并且判断某牲畜是否在一级警戒区内:
假设某牲畜的位置为M,构成一级警戒区六边形的顶点位置为Ai,若牲畜与几个顶点之间构成的角之和为360°,则判定牲畜在一级警戒区内部;否则,判定牲畜在一级警戒区外部;
如图3所示,牲畜在一级警戒区外部时,定形无人机及时飞到突出部分外围,将行进方向错误的部分牲畜赶回大群体;
如图4所示,若定形无人机检测到附近羊群突出形状的方向与期望的前进方向不一致,该无人机前往突出部分外围调整该部分牲畜的前进方向;
通过无人机集群形状不断的变化,无人机群就像牧羊犬群一样,实现将羊群围在无人机群体内,并向标方向驱赶的目的;其中当需要对羊群进行驱赶时,当需要驱赶的羊群所前进的方向包含在该无人机的管辖区时,通过如下计算公式:
得出该无人机的期望位置为(xi,yi),并使得该无人机前往期望位置对羊群进行驱赶;
S6.设定二级警戒区域与区域内牲畜监测:
一级警戒区域划定后,根据步骤S2中的形状在其内划定二级警戒区域,即相邻的定形无人机之间相互连接围成的区域,随着定形无人机的不断运动,二级警戒区域不断变化,定形无人机同时监测是否有牲畜超出二级警戒区域,并将检测到的羊群情况返回给牧民;
在本申请的实施例中,所述放牧方法还包括驱赶无人机二次包围步骤:
在定形无人机群的外围分布相应数量的驱赶无人机,实现二次包围,增强驱赶的严密性,驱赶无人机仅有三架,故其初始位置构成正三角形,即与原点的连线相邻夹角为120°,其位置在一个半径为m的圆上运动;
三架驱赶无人机的初始期望位置为:
始终利用flocking算法使得三个驱赶无人机始终在同一个半径为m的圆上且三个驱赶无人机之间的距离相等,如图5所示,即:
m=Di(i+1)=D31,i=1,2;
Di(i+1)表示第i架无人机与第i+1架无人机之间的距离,而D31表示第三架无人机和第一架无人机之间的距离;
定形无人机与驱赶无人机保持通讯,定形无人机监测到有牲畜不仅超出一级警戒区域,还超出了二级警戒区域,及时呼叫最近的驱赶无人机前来将超出二级警戒区域的牲畜赶回警戒区域内;
监测及驱赶方式如下:
由于二级警戒区域为三架无人机所围正三角形的区域,故首先通过两两无人机确定未缩小的正三角形区域,第i条边即直线Li方程为:
aix+biy+c=0,i=1,2,3,4,5,6
其中,
其中i,j为相邻两无人机的角标;
同一级警戒区域算法,利用下式判断某牲畜是否在二级警戒区内:
假设某牲畜的位置为M,构成二级警戒区正三角形的顶点位置为Bi,若牲畜与几个顶点之间构成的角之和为360°,则判定牲畜在二级警戒区内部;否则,判定牲畜在二级警戒区外部;
当羊群脱离一二级警戒区域时,则驱赶无人机前往进行驱赶,将其赶回第二警戒区域内,而后驱赶无人机重新回到原相对位置。
如图6所示,“定形无人机2”发现附近有牲畜超出二级警戒区域,通知最近的驱逐无人机“驱逐无人机1”,该无人机迅速到达离群牲畜外围,将其驱赶回大羊群。
综上,本发明通过双层移动驱赶设计,定形无人机群构成第一道防线,驱赶无人机群构成第二道防线,各无人机相当于牧羊犬个体,同时各无人机之间相互交流,相互配合,通过个体之间位置的变换,形成队形的不断变换,实现对羊群按给定路径的驱赶,,相较于现有的无人机驱赶羊群方法,本申请解决了单个无人机驱赶时无法顾全全体,以及部分牲畜离群时无法及时将其赶回导致的牲畜丢失等问题,提高了驱赶的有效性,稳定性,自动性,拓宽了可应用场景。进一步地,在无人机上安装上驱狼设备等,还可为内部包围的羊群提供保护。配合其他设备可以应用于智能的无人机群放牧系统,远程失踪牲畜的自主赶回系统等方面。为无人机群加上其他自主武器等有可能应用于空中武力驱赶,包围歼灭,押运等方面。也可将无人机群换为其他智能体,应用于驱赶,包围监视,保护内部人,物等方面。
以上虽然描述了本发明的具体实施方法,但是本领域的技术人员应当理解,这些仅是举例说明,在不背离本发明原理和实现的前提下,可以对这些实施方案做出多种变更或修改,因此,本发明的保护范围由所附权利要求书限定。
Claims (2)
1.一种基于Flocking算法的无人机集群放牧方法,其特征在于:包括以下步骤:
S1.构建无人机放牧模型:
无人机在放牧时对羊群进行恐吓,避免牲畜走进以该无人机为圆心,半径为五米的圆内;进行放牧的无人机包括定形无人机和驱逐无人机;定形无人机通过实时摄像然后进行图像识别获得羊群的实时形状;
S2.利用定形无人机形成移动羊圈;
S3.确定羊群的行进方向;
S4.划定一级警戒区域;
S5.利用定形无人机进行放牧;
S6.设定二级警戒区域与区域内牲畜监测;
所述步骤S2包括:
根据羊群的大小,使用相应数量的定形无人机,在羊群外围盘旋,围成一定的形状,形成动态可变形的移动羊圈:
设初始的定形无人机为六个,六个定形无人机在同一个半径为R的圆上,通过flocking集群算法我们维持六个无人机之间距离相等,即:
R=Di(i+1)=D61,i=1,2,3,4,5;
Di(i+1)表示第i架无人机与第i+1架无人机之间的距离,D61表示第六架无人机与第一架无人机之间的距离;
以该圆的圆心为原点O(0,0),以初始移动的期望方向为x轴,水平竖直建立xoy直角坐标系,则六架无人机的初始期望坐标依次为:
每架无人机所管控的范围为以该无人机初始时刻位置和圆心的连线为基线的顺时针60°方向,统称为该无人机的管辖区;
所述步骤S3包括:
将观察到的羊群的前进方向看作若干条由原点发出的射线,设每只羊的位置坐标为(Xi,Yi),则每条射线的方程为:
y=bix,
定义羊的行进角为β:
所述步骤S4包括:在直角坐标系中,一级警戒区域为一个以相邻无人机之间连线构成的六边形的缩小区域:
首先通过任意两个相邻无人机的连线,形成未缩小的六边形区域的一条边,第i条边即直线Li方程为:
aix+biy+c=0,i=1,2,3,4,5,6
其中,
其中i,j为相邻两无人机的角标;
设d为对于原无人机所组成的区域缩小的大小,则缩小后的六边形区域中,第i条边即直线li方程为:
aix+biy+C=0,i=1,2,3,4,5,6
由于d的值越大则区域限制的范围越小,故将d为管控强度;
所述步骤S5包括:
动态地根据目标行进路线及实时羊群的大体形状确定步骤S2中移动羊圈的形状,并且判断某牲畜是否在一级警戒区内:
假设某牲畜的位置为M,构成一级警戒区六边形的顶点位置为Ai,若牲畜与几个顶点之间构成的角之和为360°,则判定牲畜在一级警戒区内部;否则,判定牲畜在一级警戒区外部;
牲畜在一级警戒区外部时,定形无人机及时飞到突出部分外围,将行进方向错误的部分牲畜赶回大群体;
若定形无人机检测到附近羊群突出形状的方向与期望的前进方向不一致,该无人机前往突出部分外围调整该部分牲畜的前进方向;
通过无人机集群形状不断的变化,无人机群就像牧羊犬群一样,实现将羊群围在无人机群体内,并向标方向驱赶的目的;其中当需要对羊群进行驱赶时,当需要驱赶的羊群所前进的方向包含在该无人机的管辖区时,通过如下计算公式:
得出该无人机的期望位置为(xi,yi),并使得该无人机前往期望位置对羊群进行驱赶;
所述步骤S6包括:
一级警戒区域划定后,根据步骤S2中的形状在其内划定二级警戒区域,即相邻的定形无人机之间相互连接围成的区域,随着定形无人机的不断运动,二级警戒区域不断变化,定形无人机同时监测是否有牲畜超出二级警戒区域,并将检测到的羊群情况返回给牧民。
2.根据权利要求1所述的一种基于Flocking算法的无人机集群放牧方法,其特征在于:所述放牧方法还包括驱赶无人机二次包围步骤:
在定形无人机群的外围分布相应数量的驱赶无人机,实现二次包围,增强驱赶的严密性,驱赶无人机仅有三架,故其初始位置构成正三角形,即与原点的连线相邻夹角为120°,其位置在一个半径为m的圆上运动;
三架驱赶无人机的期望位置为:
始终利用flocking算法使得三个驱赶无人机始终在同一个半径为m的圆上且三个驱赶无人机之间的距离相等,即:
m=Di(i+1)=D31,i=1,2;
Di(i+1)表示第i架无人机与第i+1架无人机之间的距离,而D31表示第三架无人机和第一架无人机之间的距离;
定形无人机与驱赶无人机保持通讯,定形无人机监测到有牲畜不仅超出一级警戒区域,还超出了二级警戒区域,及时呼叫最近的驱赶无人机前来将超出二级警戒区域的牲畜赶回警戒区域内;
监测及驱赶方式如下:
由于二级警戒区域为三架无人机所围正三角形的区域,故首先通过两两无人机确定未缩小的正三角形区域,第i条边即直线Li方程为:
aix+biy+c=0,i=1,2,3,4,5,6
其中,
其中i,j为相邻两无人机的角标;
同一级警戒区域算法,利用下式判断某牲畜是否在二级警戒区内:
假设某牲畜的位置为M,构成二级警戒区正三角形的顶点位置为Bi,若牲畜与几个顶点之间构成的角之和为360°,则判定牲畜在二级警戒区内部;否则,判定牲畜在二级警戒区外部;
当羊群脱离一二级警戒区域时,则驱赶无人机前往进行驱赶,将其赶回第二警戒区域内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011401635.4A CN112527014B (zh) | 2020-12-02 | 2020-12-02 | 一种基于Flocking算法的无人机集群放牧方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011401635.4A CN112527014B (zh) | 2020-12-02 | 2020-12-02 | 一种基于Flocking算法的无人机集群放牧方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112527014A CN112527014A (zh) | 2021-03-19 |
CN112527014B true CN112527014B (zh) | 2022-05-17 |
Family
ID=74998392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011401635.4A Active CN112527014B (zh) | 2020-12-02 | 2020-12-02 | 一种基于Flocking算法的无人机集群放牧方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112527014B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114070862B (zh) * | 2021-10-15 | 2022-09-16 | 中国科学院地理科学与资源研究所 | 基于物联网的畜牧控制方法、系统和可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719285A (zh) * | 2009-12-28 | 2010-06-02 | 电子科技大学 | 一种多层次虚拟群体的避碰方法 |
CN109582040A (zh) * | 2019-01-25 | 2019-04-05 | 中国人民解放军国防科技大学 | 一种无人机集群队形及性能脆弱性评估方法及系统 |
CN110262523A (zh) * | 2019-07-31 | 2019-09-20 | 华东交通大学 | 一种分布式群体机器人的自主避障蜂拥控制方法 |
CN111813144A (zh) * | 2020-06-11 | 2020-10-23 | 南京航空航天大学 | 一种基于改进羊群算法的多无人机协同航路规划方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO319077B1 (no) * | 2002-03-21 | 2005-06-13 | Telenor Asa | Tradlose dyr |
WO2008001472A1 (en) * | 2006-06-27 | 2008-01-03 | Tama-Tlo, Ltd. | Visibility evaluation method and evaluation system |
US9538728B2 (en) * | 2012-09-19 | 2017-01-10 | Krystalka R. Womble | Method and system for remote monitoring, care and maintenance of animals |
AU2014100500A4 (en) * | 2014-05-15 | 2014-06-26 | Peck, Eric O'Bryan MR | Unmanned Aerial Vehicle (UAV) designed for remote agricultural livestock inspections and electronic fence testing |
FR3044868B1 (fr) * | 2015-12-15 | 2018-10-12 | Tibot | Robot mobile d’education pour elevage avicole et installation d'elevage mettant en oeuvre un ou plusieurs robots |
US10772295B2 (en) * | 2016-08-22 | 2020-09-15 | International Business Machines Corporation | Unmanned aerial vehicle for determining geolocation foraging zones |
RU2019125176A (ru) * | 2017-01-09 | 2021-02-09 | Марс, Инкорпорейтед | Системы и способы поддержания оптимального роста животных |
CN107608374A (zh) * | 2017-08-29 | 2018-01-19 | 安徽瓦尔特机械贸易有限公司 | 基于飞行器的放牧装置及系统 |
CN107577242A (zh) * | 2017-08-29 | 2018-01-12 | 安徽瓦尔特机械贸易有限公司 | 一种基于飞行器的放牧装置及系统 |
CN107707740A (zh) * | 2017-08-31 | 2018-02-16 | 乌兰浩特市富延沙棘种植研究所 | 一种手机放牧智能化管理牧场 |
CN207491772U (zh) * | 2017-11-08 | 2018-06-15 | 神木市旺洋农业有限责任公司 | 肉羊绵羊规模化养殖系统 |
CN109917802B (zh) * | 2017-12-13 | 2022-02-22 | 翔升(上海)电子技术有限公司 | 基于无人机的牧群行进轨迹监控方法及系统 |
CN109933083B (zh) * | 2017-12-15 | 2022-04-05 | 翔升(上海)电子技术有限公司 | 基于无人机的放牧方法、装置和系统 |
US10440935B2 (en) * | 2018-01-31 | 2019-10-15 | Pasturebird, Inc. | Circular grazing system and method |
CN110058610A (zh) * | 2019-05-07 | 2019-07-26 | 南京信息工程大学 | 一种实时监查羊群数目的辅助放羊方法和系统 |
CN110419500A (zh) * | 2019-08-28 | 2019-11-08 | 哈尔滨市圣宝畜禽产品开发技术研究所 | 一种寒地松针醉鹅的养殖方法 |
CN110447550A (zh) * | 2019-08-30 | 2019-11-15 | 贵州大学 | 一种放牧围栏系统及其放牧方法 |
CN110751117A (zh) * | 2019-10-25 | 2020-02-04 | 兰州大学 | 一种基于无人机的羊群和牛群数量监测方法及装置 |
CN111158394B (zh) * | 2020-01-11 | 2023-09-29 | 湘潭大学 | 一种基于子母无人机的牧羊监测方法及系统 |
CN111597915A (zh) * | 2020-04-24 | 2020-08-28 | 深圳优地科技有限公司 | 一种无人放牧方法、装置、终端和计算机可读存储介质 |
-
2020
- 2020-12-02 CN CN202011401635.4A patent/CN112527014B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719285A (zh) * | 2009-12-28 | 2010-06-02 | 电子科技大学 | 一种多层次虚拟群体的避碰方法 |
CN109582040A (zh) * | 2019-01-25 | 2019-04-05 | 中国人民解放军国防科技大学 | 一种无人机集群队形及性能脆弱性评估方法及系统 |
CN110262523A (zh) * | 2019-07-31 | 2019-09-20 | 华东交通大学 | 一种分布式群体机器人的自主避障蜂拥控制方法 |
CN111813144A (zh) * | 2020-06-11 | 2020-10-23 | 南京航空航天大学 | 一种基于改进羊群算法的多无人机协同航路规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112527014A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11789459B2 (en) | Vehicle controllers for agricultural and industrial applications | |
AU2019246795B2 (en) | Automatic target recognition and dispensing system | |
US11778934B2 (en) | Agricultural lane following | |
WO2019114222A1 (zh) | 一种植保无人机自主路径规划方法 | |
CN106403948B (zh) | 用于输电线路巡检无人机的三维航迹规划方法 | |
CN108983823B (zh) | 一种植保无人机集群协同控制方法 | |
US20140129075A1 (en) | Vehicle Control Using Modeled Swarming Behavior | |
CN105549616A (zh) | 一种基于激光阵列的多轴无人机避障系统及其避障方法 | |
CN112527014B (zh) | 一种基于Flocking算法的无人机集群放牧方法 | |
CN115143964A (zh) | 一种基于2.5d代价地图的四足机器人自主导航方法 | |
CN111625018A (zh) | 基于雷达探测的无人机飞行轨迹规划方法及无人机系统 | |
Sarmiento et al. | Insights on obstacle avoidance for small unmanned aerial systems from a study of flying animal behavior | |
CN111158394A (zh) | 一种基于子母无人机的牧羊监测方法及系统 | |
CN109917802A (zh) | 基于无人机的牧群行进轨迹监控方法及系统 | |
JP2013061852A (ja) | 自動走行車両及び自動走行車両の制御方法 | |
KR20200082219A (ko) | 실내 비행 드론의 충돌방지 시스템 및 방법 | |
CN115373406A (zh) | 一种爬行机器人越障方法及系统 | |
Hameed et al. | Task and motion planning for selective weed conrol using a team of autonomous vehicles | |
CN109839938A (zh) | 一种基于激光雷达的无人机测距避让系统 | |
CN112060086A (zh) | 机器人行走的控制方法、装置、存储介质及行走机器人 | |
TW202107984A (zh) | 智能遛狗系統及其方法 | |
AU2021290406B2 (en) | Automatic target recognition and dispensing system | |
WO2023203668A1 (ja) | 作業飛行体 | |
DE102022126506A1 (de) | Verbesserte navigation für ein robotergestütztes arbeitsgerätesystem | |
Lin et al. | A ROS-based Agricultural AI-Driven AGV (A3GV) with Collaboration and Guiding from Drones in the Outdoor Farming Fields |
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 |