CN112731949A - 用于无人机和移动车辆的预测式降落 - Google Patents
用于无人机和移动车辆的预测式降落 Download PDFInfo
- Publication number
- CN112731949A CN112731949A CN201911189323.9A CN201911189323A CN112731949A CN 112731949 A CN112731949 A CN 112731949A CN 201911189323 A CN201911189323 A CN 201911189323A CN 112731949 A CN112731949 A CN 112731949A
- Authority
- CN
- China
- Prior art keywords
- drone
- landing
- vehicle
- processor
- time
- 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
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000004891 communication Methods 0.000 claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 230000000977 initiatory effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000003139 buffering effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U80/00—Transport or storage specially adapted for UAVs
- B64U80/80—Transport or storage specially adapted for UAVs by vehicles
- B64U80/86—Land vehicles
-
- 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
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0607—Rate of change of altitude or depth specially adapted for aircraft
- G05D1/0653—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing
- G05D1/0676—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing specially adapted for landing
- G05D1/0684—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing specially adapted for landing on a moving platform, e.g. aircraft carrier
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
- B64D45/04—Landing aids; Safety measures to prevent collision with earth's surface
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F1/00—Ground or aircraft-carrier-deck installations
- B64F1/007—Helicopter portable landing pads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F1/00—Ground or aircraft-carrier-deck installations
- B64F1/12—Ground or aircraft-carrier-deck installations for anchoring aircraft
- B64F1/125—Mooring or ground handling devices for helicopters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
- B64U10/13—Flying platforms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U70/00—Launching, take-off or landing arrangements
- B64U70/90—Launching from or landing on platforms
- B64U70/92—Portable platforms
-
- 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
-
- 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
- G05D1/102—Simultaneous control of position or course in three dimensions specially adapted for aircraft specially adapted for vertical take-off of aircraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U70/00—Launching, take-off or landing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及用于无人机和移动车辆的预测式降落。一种用于预测式无人机降落的方法包括:获取无人机相对于安装于车辆上的降落平台的相对位置;获取无人机相对于降落平台的相对速度;基于无人机相对于降落平台的相对位置和相对速度来估算降落时间;基于车辆的行驶数据和无人机的飞行状况,将在估算的降落时间的车辆的位置预测为无人机降落位置。具体地,基于车辆的速度、从导航系统计算出的车辆路线、道路交通状况、二维地图数据、三维地图数据、高级驾驶员辅助系统(ADAS)数据以及经由车辆对万物(V2X)通信接收的交通数据中的至少一种来预测无人机降落位置。
Description
技术领域
本发明涉及一种用于车辆的无人机降落系统,并且更具体地,涉及用于在预测式导航下将无人机降落在车辆上的方法和系统。
背景技术
无人机系统广泛用于军事、商业、科学、娱乐和农业目的,其应用包括监测、递送、航空摄影等。无人机还被开发以从车辆上起飞和降落到车辆上。基于车辆的无人机系统更通用、灵活和节能。在基于车辆的无人机系统中,安装于车辆上的降落平台用作充电和运输的基地。
在利用基于车辆的无人机系统进行包裹递送的示例中,可以将大量包裹装载在车辆(例如,卡车或货车)内,并且可以将无人机放置在车辆的车顶上。当车辆接近递送区域时,无人机可以装载包裹,从车辆上起飞并将包裹递送到目的地。在递送后,无人机可以返回车辆,降落在其上,装载另一个包裹、起飞并递送包裹。为了更有效地递送,无人机可以在车辆移动时执行递送操作。
使无人机降落到安装于(例如)车辆车顶上的降落平台上而不会发生碰撞或错过降落,需要精确的协调和时间安排。为了使无人机降落到移动的车辆上,通常利用基于视觉识别的导航系统或基于全球定位系统(GPS)的导航。在这些传统方法中,朝向车辆的当前位置而导航无人机。当车辆改变路径时,需要实时更新车辆的位置,并且无人机会反应性地跟随车辆的当前位置,直到无人机降落到车辆上。
但是,虽然车辆的路径通常被限制为地球表面上的道路,但无人机对飞行路径的限制要少得多。当无人机反应性地跟随车辆时,无人机也被迫大致遵循道路模式,这可能是无人机到达降落点的低效率路径。因此,传统方法提供的导航效率较低,从而增加了降落时间和功耗。此外,当无人机不能对车辆的行为迅速做出反应时,碰撞或错过降落的风险也会增加。此外,在传统方法中,经常需要车辆驾驶员将车辆保持在恒定且稳定的速度,这给驾驶员带来了负担并且也给周围的交通带来了风险。
发明内容
本发明提供一种用于使无人机降落到车辆上的预测式导航的方法以及用于使无人机预测式降落到车辆上的系统,从而防止错过降落或降落过程中的碰撞。
根据本发明的一方面,一种用于预测式无人机降落的方法可以包括:通过处理器获取无人机相对于安装于车辆上的降落平台的相对位置并获取无人机相对于降落平台的相对速度。基于所获取的无人机相对于降落平台的相对位置和相对速度,处理器可以配置为估算降落时间。随后,处理器可以配置为基于车辆的行驶数据和无人机的飞行状况而将在估算的降落时间的车辆的位置预测为无人机降落位置。具体地,可以基于车辆的速度、从导航系统计算出的车辆路线、道路交通状况、二维地图数据、三维地图数据、高级驾驶员辅助系统(advanced driver-assistance system,ADAS)数据以及经由车辆对万物(V2X)通信接收的交通数据中的至少一种来预测无人机降落位置。从导航系统计算出的路线可以包括道路弯道和/或海拔。
在任何可行的组合中可以包含以下一个或更多个特征。处理器可以配置为基于车辆的预测位置来更新估算的降落时间,并且还基于更新的降落时间来更新车辆的预测位置。此外,处理器可以配置为将无人机导航至无人机降落位置。当无人机被导航时,处理器可以配置为生成无人机路线以在估算的降落时间到达无人机降落位置,并且向无人机提供所生成的无人机路线。随后,处理器可以配置为确定无人机和降落平台之间的距离是否在预定距离内,并且可以配置为在无人机和降落平台之间的距离在预定距离内时执行降落。可以利用成像装置来获取无人机相对于降落平台的相对位置。可以生成路线以避开无人机和无人机降落位置之间的障碍物。
此外,处理器可以配置为确定估算的降落时间是否在预定时间内。当估算的降落时间在预定时间之内时,处理器可以配置为预测在估算的降落时间的无人机的姿态和车辆的姿态,估算无人机的姿态与车辆的姿态之间的差异,并基于估算的姿态的差异来调整降落平台的方向角。所述预定时间可以是预定缓冲时间与调整降落平台以对应于无人机的预测姿态所需的致动时间之和。例如,预定缓冲时间可以是大约1秒。可以利用无人机和降落平台之间的磁性联接来执行降落。或者,可以利用机械捕获装置来执行降落。
处理器可以配置为基于全球定位系统(GPS)而将车辆的当前位置和/或方向发送至无人机,并且为无人机提供到达车辆的当前位置的路线。处理器还可以配置为接收检测信号,该检测信号表明利用成像装置检测到了无人机相对于降落平台的相对位置。响应于接收到检测信号,处理器可以配置为获取无人机相对于降落平台的相对位置。处理器可以配置为估算无人机的剩余飞行持续时间,并且确定无人机的剩余飞行持续时间是否长于达到所估算的降落时间的时间。此外,处理器可以配置为估算车辆的剩余巡航持续时间,并且确定车辆的剩余巡航持续时间是否长于达到所估算的降落时间的时间。在用于预测式无人机降落的方法期间,车辆可以移动。
根据本发明的另一方面,一种用于预测式无人机降落的系统可以包括:安装于车辆上的降落平台;以及控制器,其包括配置为存储程序指令的存储器和配置为执行所述程序指令的处理器。当执行程序指令时,可以获取无人机相对于降落平台的相对位置和方向以及无人机相对于降落平台的相对速度。此外,基于无人机相对于降落平台的相对位置和相对速度,可以估算降落时间。随后,基于车辆的行驶数据和无人机的飞行状况,可以将在估算的降落时间的车辆的位置预测为无人机降落位置。具体地,可以基于车辆的速度、从导航系统计算出的车辆路线、道路交通状况、二维地图数据、三维地图数据、高级驾驶员辅助系统(ADAS)数据以及经由车辆对万物(V2X)通信接收的交通数据中的至少一种来预测无人机降落位置。
与现有技术的反应式导航相比,根据本发明示例性实施方案的用于将无人机降落在车辆上的预测式导航可以基于在估算的降落时间的车辆位置的预测来自动地将无人机朝向车辆导航。因此,根据本发明的预测式导航可以减少降落过程所需的时间,并且还减少碰撞或错过降落的可能性。此外,通过规划更有效(例如,最短)的路线并更少地需要控制指令,无人机的预测式导航可以减少能量消耗。无人机的预测式导航还可以使来自车辆驾驶员的干预最小,最不费力。
特别地,本发明不限于以上列出的元件的组合,并且可以按照本文所述的元件的任何组合进行组装。下文公开了本发明的其它方面。
附图说明
提供每个附图的简要说明以更充分地理解在本发明的具体实施方式部分使用的附图。
图1示出了根据本发明示例性实施方案的基于车辆的无人机系统;
图2示出了根据本发明示例性实施方案的无人机导航的示意图;
图3示出了根据本发明示例性实施方案的预测式导航模式的示意图;
图4示出了根据本发明示例性实施方案的用于预测式无人机降落的方法的流程图;
图5示出了根据本发明的另一示例性实施方案的用于预测式无人机降落的方法的流程图;
图6示出了根据本发明的又一示例性实施方案的用于预测式无人机降落的方法的流程图;
图7示意性地对根据本发明示例性实施方案的具有预测式降落的无人机的路径变化的启动与现有技术中的无人机进行了比较;以及
图8示意性地对根据本发明示例性实施方案的具有预测式降落的无人机的方向变化的启动与现有技术中的无人机进行了比较。
应当理解的是,以上参考的附图并不一定按比例地绘制,而是图示性地简化呈现各种特征以显示本发明的基本原理。本发明的具体设计特征(包括例如,具体尺寸、方向、位置和外形)将部分地由具体所要应用和使用的环境来确定。
具体实施方式
参考以下详细描述的附图和示例性实施方案,本发明的优点和特征以及实现本发明的方法将变得明显。然而,本发明不限于本文描述的示例性实施方案,并且可以以变型和修改来实现。提供示例性实施方案仅仅是为了使本领域的普通技术人员能够理解本发明的范围,本发明的范围将由权利要求的范围来限定。因此,在一些实施方案中,将不详细描述过程的公知操作、公知结构和公知技术,以避免模糊理解本发明。在整个说明书中,相同的附图标记指代相同的元件。
应当理解的是,本文中所使用的术语“车辆”或“车辆的”或其它类似术语通常包括机动车辆,例如包括运动型多用途车辆(SUV)、大客车、大货车、各种商用车辆的乘用车辆,包括各种舟艇、船舶的船只,航空器等,并且包括混合动力车辆、电动车辆、内燃机、插电式混合动力电动车辆、氢动力车辆以及其它替代性燃料车辆(例如,源于非化石能源的燃料)。
在本文中使用的术语仅仅用于描述具体实施方案,而非旨在用于限制本发明。正如本文中所使用的,单数形式的“某一个”、“一个”和“该”旨在用来同样包括复数形式,除非上下文明确表示不包括复数形式。还将进一步理解,当在本明书中使用术语“包括”和/或“包括了”时,指明存在所述特征、数值、步骤、操作、元件和/或组件,但是不排除存在或加入一种或更多种其它的特征、数值、步骤、操作、元件、组件和/或其群组。正如本文所使用的,术语“和/或”包括一种或更多种相关列举项的任何和所有组合。
除非特别声明或从上下文明显指出,在本文中所使用的术语“大约”理解为在本技术领域的正常容许范围之内,例如在平均2个标准差范围之内。“大约”可以被理解为在所述数值的10%、9%、8%、7%、6%、5%、4%、3%、2%、1%、0.5%、0.1%、0.05%或0.01%的范围之内。除非上下文另有说明,术语“大约”修饰在本文中提供的所有数值。
尽管示例性实施方案描述为使用多个单元来执行示例性过程,但是可以理解,示例性过程也可以由一个或多个模块执行。此外,可以理解,术语“控制器/控制单元”指包括存储器和处理器的硬件装置。存储器配置为存储模块,并且处理器具体地配置为执行所述模块来进行下面进一步描述的一个或更多个过程。
此外,本发明的控制逻辑可以实施为非易失性计算机可读介质,所述非易失性计算机可读介质为包括由处理器或控制器/控制单元等运行的可执行的程序指令的计算机可读介质。计算机可读介质的示例包括但不局限于:ROM、RAM、光盘(CD)-ROM、磁带、软盘、闪存驱动器、智能卡以及光学数据存储装置。计算机可读记录介质也可以分布在网络联接的计算机系统中,以使计算机可读介质以分布式的形式(例如,通过远程信息处理服务器或者控制器局域网(CAN))存储和运行。
本发明的一方面提供用于在安装于车辆上的降落平台上降落的无人机的预测式导航。根据本发明的示例性实施方案,可以基于在估算的降落时间的车辆位置的预测而将无人机导航至车辆,从而减少降落过程所需的时间,并且还减少发生碰撞或错过降落的可能性。此外,无人机可以在车辆改变路径(例如,转弯等)之前开始调整飞行路径。因此,可以利用预测式降落来提供最短的路线,更少地需要导航指令,因此可以降低功耗。无人机的预测式降落还可以使来自车辆驾驶员的干预最小,最不费力。
图1示出了根据本发明示例性实施方案的基于车辆的无人机的示例性系统。参照图1,车辆10可以包括降落平台100,以提供用于无人机200降落的平台。该平台可以用于为无人机充电、无人机的地面运输和/或用于装载或卸载有效载荷。降落平台100可以安装于车辆的车顶上。然而,降落平台100的位置不限于此,并且可以改变。例如,降落平台100可以安装于拖车上或安装于车辆上设置的单独的隔间。
无人机200可以是任何无人驾驶飞行器或无人操作飞行器(UA),其是一种没有人在飞机上驾驶的飞机。UA可以包括遥控飞机(RPA)、遥控飞机系统(RPAS)、无人驾驶飞行器或无人操作飞行器(UAV)、无人驾驶飞行器系统(UAS)等。可以在根据本发明示例性实施方案的预测式导航系统中采用的无人机200不受具体限制。例如,无人机200可以用于娱乐目的、商业目的、军事目的等。无人机200可以包括旋转翼型、固定翼型或旋转翼型和固定翼型的混合。无人机200还可以具有自动飞行的能力。
此外,降落平台100可以在其上接收无人机200和/或可以将无人机200保持在锚定状态直到下一次起飞。降落平台100可以包括与无人机200联接以用于降落的磁性装置。在一些示例性实施方案中,降落平台100可以包括机械地捕获无人机200以用于降落和/或用于锚定的装置。在空中任务之间,无人机200可以被锚定到降落平台100并由车辆运输,同时为安装于无人机200中的电池再充电。具体地,降落平台100可以包括平台致动器,该平台致动器配置为调整降落平台100关于相对于车辆的纵向方向(例如,x轴)、横向方向(例如,y轴)和竖直方向(例如,z轴)的角度,以使无人机200以各种角度降落。降落平台100的角度调整能力可以提高预测式降落的有效性。
图2示出了根据本发明示例性实施方案的无人机导航的示意图。参照图2,可以通过三种模式来导航无人机以在车辆上降落,即,远距离导航模式、预测式导航模式和降落模式。具体地,在远距离导航模式下,无人机200可以在有或没有来自车辆的导航的情况下执行空中任务。在确定返回车辆10降落的要求时,无人机200可以配置为获取车辆10的位置和/或方向。可以通过接收来自安装于车辆10中的全球定位系统(GPS)的信号来确定车辆10的位置。在一个实施方案中,可以利用车辆10的惯性测量单元(inertial measurementunit,IMU)和/或高级驾驶员辅助系统(ADAS)来获取或增强车辆10的位置和方向。IMU可以包括加速度计和/或陀螺仪,以在没有外部参考的情况下计算车辆10的位置和方向。车辆10的位置和方向可以被发送到无人机200。可以经由无线通信链路来将车辆10的位置和方向发送至无人机200。可以在根据本发明的无人机导航系统中使用的无线通信链路不受具体限制,并且可以包括任何传输协议或网络(例如,无线电、WiFi、蜂窝、蓝牙等)。无线通信还可以利用控制器局域网(CAN)和/或车辆对万物(V2X)协议,例如,车辆对车辆(V2V)、车辆对网络(V2N)和车辆对路边的基础设施(V2I)。
在确定了车辆10的位置时,可以朝向所获取的车辆10的位置来导航无人机200。将无人机200朝向车辆10导航的指令可以由设置在无人机200中的处理器生成。然而,本发明不限于此,并且用于无人机200的导航指令可以由设置在车辆10中的处理器生成并且可以经由无线通信链路而被发送至无人机200。导航指令还可以由车辆10和无人机200外部的导航服务器的处理器生成。外部导航服务器可以配置为经由无线通信链路而与车辆10和无人机200通信。
将无人机200朝向车辆10导航的指令可以包括关于无人机200的姿态、速度和/或加速度的调整的信息。无人机的姿态可以指横滚角、俯仰角和偏航角。横滚角可以指绕着无人机200的纵向主轴线(例如,x轴)相对于水平面(例如,x-y平面)的旋转角度。俯仰角可以指绕着无人机200的横向主轴线(例如,y轴)相对于水平面(例如,x-y平面)的旋转角度。偏航角可以指绕着无人机200的竖直主轴线(例如,z轴)相对于竖直平面(例如,z-x平面)的旋转角度。
此外,在远距离导航模式下,无人机200可以配置为尝试利用成像装置来检测车辆10和/或降落平台100。响应于利用成像装置检测到车辆10和/或降落平台100,根据本发明示例性实施方案的无人机导航可以从远距离导航模式切换到预测式导航模式。在一些实施方案中,成像装置可以安装于车辆10内以检测无人机200。在这些实施方案中,响应于利用车辆10的成像装置检测到无人机200,无人机导航可以从远距离导航模式切换到预测式导航模式。
在示例性实施方案中,当无人机200在距离车辆10的预定距离(例如,大约10m至大约1km)内时,可以触发从远距离导航模式到预测式导航模式的切换。该距离可以基于周围环境、无线通信范围、当地天气状况等来确定。在一些示例性实施方案中,在接收到切换模式的控制信号时,可以触发从远距离导航模式到预测式导航模式的切换。此外,可以将预测式导航模式用作默认导航模式。此外,可以省略远距离导航模式。
此外,图3示出了根据本发明示例性实施方案的预测式导航模式的示意图。参照图3,在给定时间,车辆10和无人机200可以分别在位置A和C处,并且可以分别具有速度VV和VD。基于无人机200和降落平台100的位置以及无人机200和降落平台100的速度(即,车辆10的速度),可以估算降落时间。随后,可以预测在估算的降落时间的车辆10的位置。车辆10的预测位置可以被定义为无人机降落位置。
例如,可以基于给定时间的车辆10的速度VV来预测无人机降落位置。在这种情况下,无人机降落位置可以被预测为是图3所示的位置B1。因此,无人机200可以被导航到位置B1。作为另一示例,基于车辆的各种行驶数据,无人机降落位置可以被预测为图3所示的位置B2。因此,无人机200可以被导航到位置B2。由于位置B2是降落时的车辆10的更可能和更实际的位置,因此利用车辆的行驶数据可以提供更准确的预测,从而减少降落过程所需的时间,并且提供更有效率的导航。
或者,可以指定或预设降落时间而不是估算降落时间。换句话说,当基于无人机200和车辆10的当前位置和当前速度而没有预测到拦截时,可以由车辆的控制器指定降落时间,可以基于指定的降落时间来预测无人机降落位置,可以向无人机200提供指令以调整航向和/或速度从而在指定的降落时间到达预测的无人机降落位置。
如上所述,利用车辆的行驶数据可以提供对无人机降落位置和降落时间的更准确的预测。可以用于预测在估算的降落时间的车辆的位置和/或方向的行驶数据的示例可以包括但不限于车辆的速度、由车辆的导航系统计算出的车辆路线、道路交通状况、二维地图数据、三维地图数据、ADAS数据以及经由V2X通信接收的交通状况数据。行驶数据可以预先存储在车辆的控制器中或者可以从外部来源获取。例如,道路交通状况可以从外部来源获取并经由无线通信链路实时更新。此外,无人机可以收集道路交通状况。具体地,无人机可以利用成像装置和/或无线通信系统来获取车辆的速度、获取周围车辆的速度或者检测车辆的路径上的或附近的障碍物。由于三维地图数据包括道路的海拔变化,因此三维地图数据可以提供对无人机降落位置和降落时间的更准确的预测,这为车辆10的预测位置和方向增加了另一个维度。
此外,控制器可以配置为生成用于降落时到达无人机降落位置的无人机路线。可以基于无人机200的航向角和最终下降速度来生成无人机路线,以与降落时的车辆10和/或降落平台100的方向角和速度相匹配。所生成的无人机路线可以从控制器发送到无人机200。或者,无人机可以配置为基于无人机降落位置和降落时间来生成路线。换句话说,无人机降落位置和降落时间可以被发送到无人机200,并且无人机200可以生成路线,以在降落时到达无人机降落位置。车辆10的预测方向角和速度也可以被发送到无人机200,并且无人机200可以配置为生成路线以匹配航向角和最终下降速度,从而匹配降落时的车辆10的方向角和速度。此外,无人机路线可以由外部的导航服务器生成并经由无线通信链路被发送至无人机200。在生成无人机路线时,还可以考虑风力数据。
再次参照图2,根据本发明示例性实施方案的无人机导航可以包括降落模式。在这种模式下,可以监测无人机200与降落平台100之间的距离,并且可以响应于确定出无人机200与降落平台100之间的距离在预定距离内而执行降落。可以利用配置为将无人机200磁性地联接到降落平台100的磁性装置来执行降落。例如,降落平台100可以包括其顶部表面上的磁体,并且无人机200可以被磁性附接到降落平台100。磁体可以配置为永磁体或电磁体。当无人机200接近到预定距离内时,电磁体可以被致动。在一些示例性实施方案中,可以利用配置为机械地捕获无人机200的降落平台100的机械装置来执行降落。机械捕获装置可以包括机器人抓握臂。或者,降落平台100可以包括凹进的舱室以容纳无人机200。当无人机200进入降落平台100的凹进的舱室时,门或遮板可以关闭。
在一些实施方案中,可以基于在估算的降落时间的无人机200的预测姿态来调整降落平台100的方向角,以使降落平台100的方向角与无人机200在降落时的姿态相匹配。例如,可以预测在估算的降落时间的无人机200的姿态和车辆10的姿态。可以估算无人机200的姿态与车辆10的姿态之间的差异。随后,可以基于无人机200的姿态与车辆10的姿态之间的估算的差异来调整降落平台100的方向角。为了防止在无人机200仍然远离(例如,大于预定距离)时不必要地调整降落平台100的方向角,可以响应于确定出估算的降落时间在预定时间内而执行对无人机姿态和车辆姿态的预测以及对降落平台100的调整。此外,预定时间可以设置为预定缓冲时间与调整降落平台100以对应于降落时的无人机200的预测姿态所需的致动时间之和。无人机200的姿态可以包括航向、横滚角、俯仰角和偏航角。可以基于通信延迟、降落期间的干扰概率和/或安全裕度来确定缓冲时间。例如,缓冲时间可以设置为大约1秒。
在下文中,将参照图4详细描述根据本发明示例性实施方案的用于预测式无人机降落的方法的步骤。图4示出了根据本发明示例性实施方案的用于预测式无人机降落的方法的流程图。参照图4,根据本发明示例性实施方案的预测式无人机降落的方法可以包括远距离导航模式、预测式导航模式和降落模式。
在远距离导航模式下,无人机可以配置为接收车辆的位置和/或方向(步骤S100)。可以基于GPS获取位置和方向,但是本发明不限于此。可以利用诸如IMU之类的各种其它定位装置来获取车辆的位置和方向。在接收到车辆的位置和方向后,可以将无人机朝向接收到的车辆位置导航预定的持续时间(步骤S200)。可以基于诸如无人机与车辆之间的距离、道路状况、交通状况、周围环境等的各种条件来确定持续时间。持续时间也可以自适应地调整。例如,当无人机和车辆之间的距离大于1km时,持续时间可以设置为1分钟;当距离在1km和100m之间时,持续时间可以设置为10秒;当距离小于100m时,持续时间可以设置为1秒。作为另一个示例,在高速公路环境中持续时间可以设置为10秒,在城市环境中持续时间可以设置为1秒。
在朝向车辆飞行了预定的持续时间之后,无人机可以尝试利用成像装置来检测车辆和/或车辆的降落平台(步骤S300)。成像装置可以安装于无人机内或车辆内。当通过成像装置检测到车辆的降落平台时,无人机可以配置为将检测信号发送到车辆的控制器。此外,控制器可以配置为从无人机接收检测信号(步骤S400)。响应于接收到检测信号(步骤S400的“是”),可以经由基于成像装置的计算机视觉导航将无人机朝向车辆导航(步骤S500),并且无人机导航方法可以继续进行至预测式导航模式并开始利用成像装置获取无人机相对于降落平台的相对位置。响应于没有接收到检测信号(步骤S400的“否”),无人机可以重复步骤S100至S400。
在预测式导航模式下,可以获取无人机的位置(步骤S600)。可以通过基于视觉识别的技术利用成像装置来获取无人机的位置。在一些示例性实施方案中,可以利用安装于无人机内的GPS来获取或增强无人机的位置。通过获取无人机和降落平台的位置,可以确定无人机相对于安装于车辆上的降落平台的相对位置。位置数据可以包括无人机和降落平台之间的距离、无人机相对于降落平台的方位角、无人机和降落平台的高度以及无人机相对于车辆的横滚角、俯仰角和偏航角等。此外,可以获取无人机的速度矢量。在步骤S700,可以将获取的相对位置数据和速度数据发送到车辆内的控制器。控制器可以配置为从安装于车辆中的各种车载传感器获取车辆的速度数据(步骤S800)。基于来自无人机和车辆的位置数据以及来自无人机和车辆的速度数据,控制器可以配置为估算降落时间(步骤S900)。在步骤S1000,控制器可以配置为预测在估算的降落时间的车辆位置并且将预测的位置定义为无人机降落位置。在预测无人机降落位置时,控制器可以配置为利用车辆的各种行驶数据,包括车辆的速度、从车辆的导航系统计算出的路线、道路交通状况、二维地图数据、三维地图数据、ADAS数据以及经由V2X通信接收的交通数据。
在一些实施方案中,为了进一步提高无人机降落位置的预测的准确性,控制器可以配置为基于车辆的预测位置来更新估算的降落时间(步骤S950)。控制器还可以配置为基于更新的降落时间来更新车辆的预测位置,并且将车辆的更新位置定义为更新的无人机降落位置(步骤S1050)。步骤S950和S1050可以重复多次,以迭代地确定降落时间和无人机降落位置。
此外,控制器可以配置为将无人机导航至无人机降落位置(步骤S1100)。在步骤S1100期间,控制器可以配置为生成无人机的路线(例如,路径),以在估算的降落时间将无人机导航至无人机降落位置,并且将所生成的路线提供给无人机。具体地,可以生成无人机路线以避开可能存在于无人机和无人机降落位置之间的障碍物(例如建筑物、树木、交通信号灯、其它车辆、其它无人机等)。
在一些示例性实施方案中,控制器可以配置为基于电池的电量状态(例如,电池的电压)来估算无人机的剩余飞行持续时间,并且确定剩余飞行持续时间是否足以使无人机运行直到估算的降落时间。随后,响应于确定出无人机的剩余飞行持续时间小于达到估算的降落时间的时间,控制器可以配置为调整无人机和/或车辆的路线以调整达到估算的降落时间的时间变为小于无人机的剩余飞行持续时间。此外,控制器可以配置为基于例如车辆的燃料水平和汽油里程数(例如,燃料效率)来估算车辆的剩余巡航持续时间或从车辆接收估算值。随后,控制器可以配置为确定车辆的剩余巡航持续时间是否足以使车辆运行直到估算的降落时间。响应于确定出车辆的剩余巡航持续时间小于达到估算的降落时间的时间,控制器可以配置为调整无人机和/或车辆的路线以调整达到估算的降落时间的时间变为小于车辆的剩余巡航持续时间。
当无人机接近车辆的降落平台并进入降落范围内时,可以启动降落模式。在降落模式下,控制器可以配置为确定无人机和降落平台之间的距离是否在预定距离内(步骤S1200),并且响应于确定出无人机和降落平台之间的距离在预定距离内而执行降落(步骤S1300)。
在一些实施方案中,可以调整降落平台的方向角以与降落期间的无人机的姿态(例如,航向、横滚角、俯仰角和偏航角)相匹配。具体地,控制器可以配置为确定估算的降落时间是否在预定时间内(步骤S1110)。响应于确定出估算的时间在预定时间之内,控制器可以配置为基于接近方向、下降角度等来预测在估算的降落时间的无人机的姿态和车辆的姿态(步骤S1120)。控制器还可以配置为估算无人机的姿态和车辆的姿态之间的差异。随后,可以相对于车辆调整降落平台的方向角,以对应于无人机的姿态和车辆的姿态之间的估算的差异(步骤S1130)。可以基于调整降落平台以对应于无人机的预测姿态所需的致动时间来设置启动降落平台的方向角调整的预定时间。为了确保缓冲时间或裕度,可以将预定时间设置为预定缓冲时间与调整降落平台所需的致动时间之和。例如,预定缓冲时间可以设置为大约1秒。
图5示出了根据本发明的另一示例性实施方案的用于预测式无人机降落的方法的流程图。在该示例性实施方案中,无人机可以配置为接收车辆的位置和/或方向(步骤S5100)。可以基于GPS获取位置和方向,但是本发明不限于此。可以利用诸如IMU之类的各种其它定位装置来获取车辆的位置和方向。在接收到车辆的位置和方向后,可以将无人机朝向接收到的车辆位置导航预定的持续时间(步骤S5200)。随后,可以在接收到将导航模式从远距离导航模式切换到预测式导航模式的控制信号(例如,模式切换信号)时,启动预测式导航模式(步骤S5300的“是”)。
因此,可以在无人机没有视觉检测降落平台的情况下启动预测式导航模式。例如,在至少一部分预测式导航模式期间,无人机和车辆的位置数据可以由没有成像装置的GPS来提供。此外,可以通过控制信号(例如,模式切换信号)来回切换远距离导航模式和预测式导航模式。预测式导航模式(步骤S5400至S5900)和降落模式(步骤S5910至S6100)可以与以上关于图4描述的预测式导航模式(步骤S600至S1100)和降落模式(步骤S1110至S1300)相同或相似,因此省略其说明。
图6示出了根据本发明的又一示例性实施方案的用于预测式无人机降落的方法的流程图。在图6所示的示例性实施方案中,可以在没有远距离导航模式的情况下使用预测式导航模式。无人机和车辆的位置数据可以利用GPS、成像装置或两者来获取。在该示例性实施方案中,预测式导航模式(步骤S7100至S7600)和降落模式(步骤S7610至S7800)可以与以上关于图4描述的预测式导航模式(步骤S600至S1100)和降落模式(步骤S1110至S1300)相同或相似,因此省略其说明。
已经针对车辆在运动的情况描述了根据本发明示例性实施方案的预测式无人机降落的方法。然而,本发明不限于此,并且该方法可以类似地应用于静止车辆。此外,已经描述了用于将无人机实际降落在降落平台上的方法。然而,本发明不限于此。在一些实施方案中,该方法可以用于导航无人机以预定间隔跟随目标。例如,可以导航无人机以跟随目标,同时保持与目标的预定距离。对于这样的实施方案,可以相对于目标定义虚拟(或实际)点,并且可以预测虚拟点的位置而不是降落平台的位置。可以导航无人机以跟随虚拟点。在这些实施方案中,无人机可以连续观察目标或拍摄目标的图像,同时保持与目标的特定距离。或者,可以导航无人机以跟随虚拟点,同时执行特定的操作模式,例如圆形、环形、桶滚、向上螺旋、向下螺旋、之字形、靠近和/或远离。
在一些示例性实施方案中,可以通过包括机器学习算法来实现无人机的预测式导航。例如,可以基于车辆的行驶数据以及来自先前执行的探索性数据来预测无人机降落位置。导航算法可以评估多个候选降落位置的概率,并且可以以概率方式预测降落位置。在评估概率时,可以利用探索性数据。可以为学习阶段提供单独的训练数据。
本发明的另一方面提供一种用于预测式无人机降落的系统。根据本发明示例性实施方案的用于预测式无人机降落的系统可以包括安装于车辆上的降落平台和控制器。在一些示例性实施方案中,系统还可以包括配置为自动降落在车辆的降落平台上的无人机。控制器可以包括配置为存储程序指令的存储器和配置为执行程序指令的处理器。具体地,当执行程序指令时,控制器可以配置为获取无人机相对于降落平台的相对位置并确定无人机相对于降落平台的相对速度。基于无人机相对于降落平台的相对位置和相对速度,控制器可以配置为估算降落时间。随后,控制器可以配置为基于车辆的行驶数据和无人机的飞行状况而将在估算的降落时间的车辆位置预测为无人机降落位置。
此外,为了预测无人机降落位置,车辆的速度、从车辆的导航系统计算出的车辆路线、道路交通状况、二维地图数据、三维地图数据、ADAS数据和经由V2X通信接收的交通数据中的一个或更多个可以用作行驶数据。为了收集车辆的行驶数据,车辆可以包括车载诊断(OBD)总线以检测速度、加速度和驾驶员输入数据。二维地图和三维地图可以下载并预先存储在控制器中,或者可以从外部来源引用。车辆可以包括各种导航装置,以获取航向、路线、速度、交通状况和位置(GPS或惯性)数据。车辆可以进一步包括雷达、激光雷达和/或超声波传感器,雷达测量到相邻车辆的距离和相邻车辆的速度;激光雷达更新三维地图数据并识别障碍物;超声波传感器确定到最近的物体的距离。这些近距离传感器可以发出警告并使得行驶路径偏离,并相应地为无人机降落位置的预测提供输入。此外,车辆可以包括成像装置,该成像装置用于捕获物体和障碍物的图像以及用于从车辆侧检测无人机。车辆可以包括通信链路,该通信链路配置为与无人机或与用于操作预测式无人机降落系统的外部导航服务器通信。通信链路可以包括无线电、WiFi、蜂窝、蓝牙等。
为了收集无人机的飞行数据,无人机可以包括诸如陀螺仪和加速度计的各种装置,以确定无人机的姿态(例如,横滚、俯仰和偏航)和/或角加速度/线加速度。无人机还可以包括GPS和/或IMU,以确定无人机的位置、加速度和/或速度。无人机可以包括能够进行计算机视觉识别的成像装置。此外,无人机可以包括通信链路,该通信链路配置为与车辆或与操作预测式无人机降落系统的外部导航服务器通信。通信链路可以包括无线电、WiFi、蜂窝、蓝牙等。此外,降落平台可以包括配置为调整降落平台的方向角的平台致动器。
如上所述,根据本发明的示例性实施方案,可以基于在估算的降落时间的车辆位置和方向的预测而将无人机导航至车辆,从而减少降落过程所需的时间,并且还减少发生碰撞或降落失败的可能性。图7示意性地对根据本发明示例性实施方案的具有预测式降落的无人机的路径变化的启动与现有技术中的无人机进行了比较;以及图8示意性地对根据本发明示例性实施方案的具有预测式降落的无人机的方向变化的启动与现有技术中的无人机进行了比较。如图7和图8所示,预测式降落可以提供以下优点:通过在车辆改变路径和/或方向之前启动路径调整和/或方向调整来更紧密地跟随车辆。因此,与现有技术的反应式导航相比,无人机的预测式导航可以通过规划更有效(例如,最短)的路线并通过要求控制指令更新的频率更低来减少能量消耗。无人机的预测式导航还可以使来自车辆驾驶员的干预最小,最不费力。
上文中,尽管通过诸如具体组件等的具体事项、示例性实施方案和附图来描述本发明,但是提供它们仅仅是为了帮助对本发明的整体理解。因此,本发明不限于示例性实施方案。根据本说明书,本发明所属的领域的技术人员可以做出各种修改和改变。因此,本发明的精神不应当限于上述示例性实施方案,并且以下权利要求以及与权利要求等同或等效地修改的所有技术精神应被解释为落入本发明的范围和精神内。
Claims (20)
1.一种用于预测式无人机降落的方法,其包括:
通过处理器获取无人机相对于安装于车辆上的降落平台的相对位置;
通过处理器获取无人机相对于降落平台的相对速度;
通过处理器基于无人机相对于降落平台的相对位置和相对速度来估算降落时间;
基于车辆的行驶数据和无人机的飞行状况,通过处理器将在估算的降落时间的车辆的位置预测为无人机降落位置。
2.根据权利要求1所述的方法,其中,基于车辆的速度、从导航系统计算出的车辆路线、道路交通状况、二维地图数据、三维地图数据、高级驾驶员辅助系统数据以及经由车辆对万物通信接收的交通数据中的至少一种来预测无人机降落位置。
3.根据权利要求2所述的方法,其中,从导航系统计算出的车辆路线包括道路弯道、海拔或者道路弯道和海拔两者。
4.根据权利要求1所述的方法,其进一步包括:
通过处理器基于车辆的预测位置来更新估算的降落时间;
通过处理器基于更新的降落时间来更新车辆的预测位置。
5.根据权利要求1所述的方法,其进一步包括:
通过处理器将无人机导航到无人机降落位置,
其中,导航无人机包括:
通过处理器生成无人机路线,以在估算的降落时间到达无人机降落位置;
通过处理器向无人机提供所生成的无人机路线。
6.根据权利要求1所述的方法,其进一步包括:
通过处理器确定无人机与降落平台之间的距离是否在预定距离内;
通过处理器响应于确定出无人机与降落平台之间的距离在预定距离内而执行降落。
7.根据权利要求1所述的方法,其中,利用成像装置来获取无人机相对于降落平台的相对位置。
8.根据权利要求5所述的方法,其中,所述无人机路线生成为避开无人机与无人机降落位置之间的障碍物。
9.根据权利要求1所述的方法,其进一步包括:
通过处理器确定估算的降落时间是否在预定时间内;
响应于确定出估算的降落时间在预定时间内,通过处理器预测在估算的降落时间的无人机的姿态和车辆的姿态;
估算无人机的预测姿态与车辆的预测姿态之间的差异;
基于无人机的姿态和车辆的姿态之间的估算的差异来调整降落平台的方向角。
10.根据权利要求9所述的方法,其中,所述预定时间是预定缓冲时间与调整降落平台以对应于无人机的预测姿态所需的致动时间之和。
11.根据权利要求6所述的方法,其中,利用无人机与降落平台之间的磁性联接来执行降落。
12.根据权利要求6所述的方法,其中,利用机械捕获装置来执行降落。
13.根据权利要求1所述的方法,其进一步包括:
通过处理器基于全球定位系统而向无人机发送车辆的当前位置;
通过处理器为无人机提供到达车辆的当前位置的路线;
通过处理器接收检测信号,所述检测信号表明利用成像装置检测到了无人机相对于降落平台的相对位置。
14.根据权利要求13所述的方法,其进一步包括:
通过处理器将车辆的当前方向发送给无人机。
15.根据权利要求13所述的方法,其进一步包括:
响应于接收到所述检测信号,通过处理器获取无人机相对于降落平台的相对位置。
16.根据权利要求1所述的方法,其进一步包括:
通过处理器估算无人机的剩余飞行持续时间;
通过处理器确定无人机的剩余飞行持续时间是否长于达到所估算的降落时间的时间。
17.根据权利要求1所述的方法,其进一步包括:
通过处理器估算车辆的剩余巡航持续时间;
通过处理器确定车辆的剩余巡航持续时间是否长于达到所估算的降落时间的时间。
18.一种用于预测式无人机降落的系统,其包括:
降落平台,其安装于车辆上;以及
控制器,其包括配置为存储程序指令的存储器和配置为执行所述程序指令的处理器,所述程序指令在执行时配置为:
获取无人机相对于降落平台的相对位置;
获取无人机相对于降落平台的相对速度;
基于无人机相对于降落平台的相对位置和相对速度来估算降落时间;
基于车辆的行驶数据和无人机的飞行状况,将在估算的降落时间的车辆的位置预测为无人机降落位置。
19.根据权利要求18所述的用于预测式无人机降落的系统,其中,所述程序指令在执行时进一步配置为:
获取无人机相对于降落平台的相对方向;
基于无人机相对于降落平台的相对方向来估算降落时间。
20.根据权利要求18所述的用于预测式无人机降落的系统,其中,基于车辆的速度、从导航系统计算出的车辆路线、道路交通状况、二维地图数据、三维地图数据、高级驾驶员辅助系统数据以及经由车辆对万物通信接收的交通数据中的至少一种来预测无人机降落位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/601,193 | 2019-10-14 | ||
US16/601,193 US20210109546A1 (en) | 2019-10-14 | 2019-10-14 | Predictive landing for drone and moving vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112731949A true CN112731949A (zh) | 2021-04-30 |
Family
ID=75382818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911189323.9A Pending CN112731949A (zh) | 2019-10-14 | 2019-11-28 | 用于无人机和移动车辆的预测式降落 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210109546A1 (zh) |
KR (1) | KR20210044671A (zh) |
CN (1) | CN112731949A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359854A (zh) * | 2021-07-12 | 2021-09-07 | 于伟龙 | 一种多无人机协同作业调度方法、系统及存储介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11787346B2 (en) * | 2018-04-20 | 2023-10-17 | Axon Enterprise, Inc. | Systems and methods for a housing equipment for a security vehicle |
CA3107106A1 (en) * | 2018-07-20 | 2020-01-23 | Atc Technologies, Llc | Devices, systems, and methods for autonomously landing unmanned aerial vehicles with collaborative information sharing |
US11507113B2 (en) * | 2020-01-23 | 2022-11-22 | Ford Global Technologies, Llc | Aerial vehicle sensor calibration systems and methods |
US20220198947A1 (en) * | 2020-12-23 | 2022-06-23 | Yamaha Motor Corporation, Usa | Aircraft auto landing system |
US11783274B2 (en) * | 2021-01-26 | 2023-10-10 | Ford Global Technologies, Llc | Systems and methods for a decentralized hybrid air-ground autonomous last-mile goods delivery |
KR20220161664A (ko) | 2021-05-31 | 2022-12-07 | 주식회사 제이슨랩 | 협소공간 정밀 이착륙을 위한 드론 스테이션 및 착륙 가이드 시스템 |
US11681301B2 (en) * | 2021-06-29 | 2023-06-20 | Beta Air, Llc | System for a guidance interface for a vertical take-off and landing aircraft |
US11767130B2 (en) * | 2021-07-12 | 2023-09-26 | Honeywell International Inc. | System and method for launching and retrieving unmanned aerial vehicle from carrier in motion |
-
2019
- 2019-10-14 US US16/601,193 patent/US20210109546A1/en not_active Abandoned
- 2019-11-28 CN CN201911189323.9A patent/CN112731949A/zh active Pending
-
2020
- 2020-01-20 KR KR1020200007269A patent/KR20210044671A/ko unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359854A (zh) * | 2021-07-12 | 2021-09-07 | 于伟龙 | 一种多无人机协同作业调度方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20210109546A1 (en) | 2021-04-15 |
KR20210044671A (ko) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112731949A (zh) | 用于无人机和移动车辆的预测式降落 | |
CN110550029B (zh) | 障碍物避让方法及装置 | |
US11288622B2 (en) | Systems, methods, and devices for automated vehicle and drone delivery | |
AU2020104467A4 (en) | Systems and methods for path determination | |
CN110126825B (zh) | 用于低级别前馈车辆控制策略的系统和方法 | |
US11900823B2 (en) | Systems and methods for computing flight controls for vehicle landing | |
US11046430B1 (en) | Intelligent trajectory adviser system for unmanned aerial vehicles in complex environments | |
US11661084B2 (en) | Information processing apparatus, information processing method, and mobile object | |
EP3866138A1 (en) | Systems and methods for automated cross-vehicle navigation using sensor data fusion | |
JPWO2018235159A1 (ja) | 経路予測装置および経路予測方法 | |
US20220335841A1 (en) | Systems and methods for strategic smart route planning service for urban airspace users | |
CN110300706B (zh) | 飞行器-地面车辆协调 | |
CN111338362A (zh) | 包括无人驾驶飞行器的系统及其协作方法 | |
US11763555B2 (en) | System and method for ground obstacle detection and database management | |
EP4280129A1 (en) | Trajectory prediction method and apparatus, and map | |
US20230087852A1 (en) | Automated valet parking system, control method for automated valet parking system, and autonomous driving vehicle | |
US20220189311A1 (en) | Waypoint information transmission method, apparatus and system for platooning | |
CN112810603B (zh) | 定位方法和相关产品 | |
CN117325883A (zh) | 具有自主礼貌回避的车辆系统和相关方法 | |
US20220297695A1 (en) | Mobile object control device, mobile object control method, and storage medium | |
US11891093B2 (en) | Control device, control method, and storage medium for controlling a mobile device along a conditions-varying travel path | |
EP4080482A1 (en) | System and method for obstacle detection and database management | |
US20220309931A1 (en) | Systems and methods for guiding vehicles to charging points | |
US11634163B2 (en) | Producing, for an autonomous vehicle, a route from an origination to a destination | |
US11904855B2 (en) | Cooperative driving system and method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |