CN112783181B - 一种基于模糊控制的多旋翼无人机集群视觉着降方法 - Google Patents
一种基于模糊控制的多旋翼无人机集群视觉着降方法 Download PDFInfo
- Publication number
- CN112783181B CN112783181B CN202110045488.XA CN202110045488A CN112783181B CN 112783181 B CN112783181 B CN 112783181B CN 202110045488 A CN202110045488 A CN 202110045488A CN 112783181 B CN112783181 B CN 112783181B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- landing
- mark
- fuzzy
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000000007 visual effect Effects 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 8
- 238000004040 coloring Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000007123 defense Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G05D1/04—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
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
本发明提出一种基于模糊控制的集群自主着降算法。降落标识采用红色圆形，红色圆形中有阿拉伯数字，每个圆有一个数字，数字不重复。无人机通过识别含有不同数字的红圆，找到自己的降落位置。集群降落点采用三机三角形布局作为基本布局单位，集群内每架无人机搭载简易的图像采集设备与处理系统，到达指定降落航点后，每架无人机使用目标检测算法识别对应的降落标识，并将图像中降落标识中心与无人机视野中心的像素距离转换为无人机与降落标识的实际水平距离，将该距离设为输入量，基于模糊控制求解出速度控制量进行着降，降落时为保证降落精度采用阶梯式降落，在规定的不同高度进行无人机与降落点的偏差计算，从高到低阶梯降落。
Description
技术领域
本发明涉及多无人机集群安全回收技术，具体涉及一种基于模糊控制的多旋翼无人机集群视觉着降方法。
背景技术
随着国防技术不断取得新的进展，无人机在执行情报侦察与监视、攻防对抗等作战任务时所面临的情况越来越复杂，这使得单一无人机平台的性能越来越难以满足装备发展的需求，无人机集群作战的理念在这样的背景下孕育而生。近年来，研究者们对无人机集群技术不断深入探索，集群作战逐渐从理论走向工程实践。对于无人机集群来说，安全回收是研究中的一个热点问题。自主着降是无人机安全回收的重要手段之一。
目前，计算机视觉技术在无人机领域中飞速发展，无人机利用视觉信息进行目标检测，通过成像原理与投影关系进行目标定位已成为无人机导航的主要方式。有关无人机视觉自主着降的研究还存在许多问题。在实际环境中，如果采用GPS定位进行着降，由于GPS定位本身存在误差，并且GPS易受干扰，定位不准、精度不高会导致无人机自主降落失误。如果采用视觉方式着降，由于四旋翼无人机是一个四输入六输出的欠驱动、非线性、强耦合系统，易受风的干扰而影响其自身位置与姿态，导致与机体连接的视觉传感器存在测量误差，另外，电机机械振动对视觉传感器的测量也存在一定干扰，电机转动速度越快，视觉传感器距离旋翼越近，振荡越剧烈。在接近地面过程中，地面效应会对无人机产生空气动力干扰，这种非线性影响也是一个无法忽视的因素，常规PID控制难以达到有效的精度控制。无人机跟随视觉指令的响应变化受到干扰的影响，在定点着降中容易导致过调，甚至陷入死锁，降低无人机自主着降的速度。
目前已有研究都是针对于单个无人机平台进行的推导与验证，包括：(1)在旋翼无人机的机载云台稳定控制中引入一个补偿控制器，提高了机载云台的稳定性。(2)分析了无人机姿态采集的误差，并引入互补滤波器消除误差。关于无人机集群的自主着降鲜有人关注，目前在工程实践上，集群的自主回收大多是依靠人工降落，或者利用较宽阔的场地，使各无人机之间保持较大的安全距离。这样的方法会造成大量人力与场地的浪费，随着集群规模的不断增加，这样的方法显然无法满足集群大规模、快速准确降落的需求。
发明内容
针对现有技术存在的问题，本发明提出一种基于模糊控制的多旋翼无人机集群视觉着降方法，其特征在于，首先进行下述工作准备：
1)无人机集群降落标识设计
降落标识采用着色圆形，着色圆形中有阿拉伯数字，每个着色圆形内有一个数字，数字不重复；无人机通过识别含有不同数字的着色圆形区域，找到自己的降落位置；
2)无人机集群降落标识布局设计
采用三机三角形布局作为基本布局单位进行着降点的排列，其中r为无人机的安全距离，即以无人机为中心，半径为r的圆周范围内应避免其他物体的介入；在实际的集群着降中，r需要按照无人机结构与尺寸、机载硬件性能进行调整；无人机数量多于3架时，分为若干三角布局单元；不足3架机的倍数时通过虚拟标识进行补全；
所述基于模糊控制的多旋翼无人机集群视觉着降方法具体包括下列步骤：
第一步：无人机集群通过GPS、惯导等导航设备到达降落航点，此时无人机与降落点存在误差；
第二步：每架无人机对采集的图像进行目标检测，并进行如下判断：
(1)未检测到本机对应的降落标识，则重新采集图像进行检测，如果连续n帧未检测到对应的降落标识，则升高Hm，并判断此时高度是否大于指定高度阈值，如果大于，则飞回初始降落航点与初始高度，重复检测步骤；如果不大于，则继续检测对应的降落标识；连续S次无法降落，则向地面站监控模块发送指令，请求人工降落；
(2)检测到本机对应的降落标识，则在像素坐标系中计算降落标识中心的位置(ut，vt)与视野中心(u0，v0)的像素距离dt和相对方向θt：
通过机载设备获得无人机当前高度和当前高度的像素比ε；像素距离与像素比ε相乘得到无人机与降落标识中心的实际水平距离e：
e＝εdt
无人机在导引模式中只需要在当前高度内调整，因此在机体坐标系中，降落标识与无人机的相对方向用角度θ标识，θ＝θt；
第三步：将无人机与降落标识中心的实际水平距离e与位姿传感器信息结合，通过模糊控制解算视觉导引信号，模糊控制过程如下：
(1)设置输入变量e和ec，其中ec为e的变化率；输出变量为无人机的速度v与加速度a；
(2)将输入输出变量分为5个模糊子集：正大PM、正小PS、零ZO、负小NS、负大NM；输入输出变量的论域均为[-vmax，vmax]；
(3)模糊控制规则的标准为：“误差越小，速度越小”、“误差越大，速度越大”；“误差变化率越小，加速度越小”、“误差变化率越大，加速度越大”；具体模糊规则如表1；
表1 模糊控制规则表
(4)模糊控制输出的模糊量不能直接用于控制执行机构，采用重心法将模糊量去模糊化转换为一个精确量；
其中，μ(z)为输出量z所在模糊集合的隶属度函数，z0为模糊推理得到的精确量，α、β分别为输出量z所在模糊集合的左右端点；z0的范围可能和执行机构要求的数值范围不一致，还需要进行论域变换，如下式所示：
其中，k＝(umax-umin)/(zmax-zmin)为比例分子，[umin，umax]为实际控制量的变化范围，[zmin，zmax]为z0的变化范围；解算出v与a的精确量之后，采用加权和v＝λv+(1-λ)a决定最终的速度控制量，使无人机飞行状态更加平滑；
第四步：将速度控制量发送给飞行控制系统，控制系统根据期望速度进行控制，使旋翼无人机往靠近目标点的方向调整；
无人机响应指令后，进行如下判断：
(a)无人机当前高度大于指定高度阈值；
①无人机调整后，与降落标识中心的实际水平距离小于等于指定距离阈值时，降落到当前高度的w％；
②无人机调整后，与降落标识中心的实际水平距离大于指定距离阈值时，回到第二步；
(b)无人机当前高度小于等于指定高度阈值；
①无人机调整后，与降落标识中心的实际水平距离小于等于指定距离阈值时，直接降落到降落标识上；
②无人机调整后，与降落标识中心的实际水平距离大于指定距离阈值时，回到第二步。
在本发明的一个具体实施例中，n＝10。
在本发明的一个另具体实施例中，H＝2。
在本发明的一个又具体实施例中，S＝3。
在本发明的一个再具体实施例中，w＝60。
本发明将模糊控制加入无人机集群的自主着降中，可以有效抑制降落过程中的传感器噪声和复合风场干扰影响，突出传感器数据中的主要信息，保证信息处理的实时性，进而防止无人机在对准降落标识的调整过程中产生过调而导致相撞，或者系统陷入死锁，提高集群着降效率与鲁棒性。而且模糊控制参数设置较为简单，不需要精确调整，对于集群降落来说可行性更高，更加方便。
附图说明
图1示出三机三角形降落标识布局；
图2示出拓展的三角形角降落标识布局；
图3示出无人机集群基于视觉的模糊控制着降流程；
图4示出输入量e的隶属度函数；
图5示出输入量ec的隶属度函数；
图6示出输出量v的隶属度函数；
图7示出输出量a的隶属度函数。
具体实施方式
下面结合附图对本发明做详细说明。
1.无人机集群降落标识及降落标识布局设计
(1)无人机集群降落标识设计
降落标识采用红色圆形(即图1中数字“1”、“2”…位于其中的深色圆形，而非深色圆形外面的大圆)，红色圆形中有阿拉伯数字，每个圆有一个数字，数字不重复。无人机通过识别含有不同数字的红圆，找到自己的降落位置。
(2)无人机集群降落标识布局设计
对于无人机集群着降来说，在有限的降落区域内采用合适的降落标识布局可以保证无人机降落更为安全，有利于容纳更多的无人机着降，方便无人机集群规模的增加。
降落标识布局有直线形布局、圆形布局、三角布局、正方形布局等。集群降落应针对不同的降落场地与需求采用不同的布局：直线形布局适用于狭窄的场地，圆形布局适用于环状场地，三角形和正方形布局适用于较大区域的场地。三角形布局对于空间的利用率更高，并且易于扩展，本发明采用三机三角形布局作为基本布局单位进行着降点的排列，如图1所示，其中r为无人机的安全距离，即以无人机为中心，半径为r的圆周范围内应避免其他物体的介入。在实际的集群着降中，r需要按照无人机结构与尺寸、机载硬件性能进行调整。无人机数量多于3架时，分为若干三角布局单元。不足3架机的倍数时通过虚拟标识进行补全。图2所示为5架机降落标识布局，1-5红圆对应5架机的降落位置，由于飞机数量不是3的倍数，其中6号降落标识为虚拟标识，该标识区域不降落无人机。
2.无人机集群基于视觉的模糊控制着降流程
本发明采用无人机视觉导航，每架无人机搭载简易的图像采集设备与处理系统，通过图像目标检测算法，检测到各机对应的降落标识，结合其他传感器信息计算无人机与对应降落标识之间的偏差，通过模糊控制算法解算导引信号，控制无人机使其同时做俯仰与横滚运动以实现不断调整，当偏差小于指定阈值时，进入降落模式，降落一定高度后，进入导引模式继续调整，两种模式交替执行，从而达到视觉自主着降的目的。
当有无人机集群进入降落区域后，每架无人机对采集的图像进行目标检测，识别到本机对应的降落标识后，通过图像处理并结合气压高度计、无线电测高等其他传感器计算无人机与对应降落标识间的水平距离，计算水平距离的具体方法为本领域技术人员熟知，不再累述，判断水平距离是否小于指定的距离阈值。
旋翼无人机视觉自主着降的具体步骤如图3所示：
第一步：无人机集群通过GPS、惯导等导航设备到达降落航点，此时无人机与降落点存在误差。
第二步：每架无人机对采集的图像进行目标检测，并进行如下判断：
(1)未检测到本机对应的降落标识，则重新采集图像进行检测，如果连续10帧未检测到对应的降落标识，则升高2m，并判断此时高度是否大于指定高度阈值，如果大于，则飞回初始降落航点与初始高度，重复检测步骤；如果不大于，则继续检测对应的降落标识。连续3次无法降落，则向地面站监控模块发送指令，请求人工降落。
(2)检测到本机对应的降落标识，则在像素坐标系中计算降落标识中心的位置(ut，vt)与视野中心(u0，v0)的像素距离dt和相对方向θt：
由无人机气压高度计等传感器信息可得到无人机当前高度，由无人机机载吊舱的标定可得到当前高度的像素比ε。像素距离与像素比ε相乘可以得到无人机与降落标识中心的实际水平距离e：
e＝εdt
无人机在导引模式中只需要在当前高度内调整，因此在机体坐标系中，降落标识与无人机的相对方向用角度θ标识，θ＝θt。
第三步：将无人机与降落标识中心的实际水平距离e与位姿传感器信息结合，通过模糊控制解算视觉导引信号(使用matlab中的模糊控制工具箱，只需要已知①输入量、输出量的隶属度函数；②模糊控制规则；③去模糊化算法即可实现模糊控制，得到速度控制量)，模糊控制过程如下：
(1)设置输入变量e和ec，其中ec为e的变化率；输出变量为无人机的速度v与加速度a。
(2)将输入输出变量分为5个模糊子集：正大(PM)、正小(PS)、零(ZO)、负小(NS)、负大(NM)。输入输出变量的论域均为[-10，10]。具体隶属度函数如图4-7所示，其中图4示出输入量e的隶属度函数；图5示出输入量ec的隶属度函数；图6示出输出量v的隶属度函数；图7示出输出量a的隶属度函数。
输入论域[-10，10]，是因为在本发明的场景中，无人机到达指定降落航点时，无人机所在位置与目标所在位置水平距离不超过10m，如果降落航点GPS坐标十分不精确或者无人机高度很高，无人机所在位置与目标所在位置水平距离就会比较大，论域也应该增大。输出论域是指速度变化的范围，可根据无人机的性能调整，可以设为[-vmax，vmax]。另：输入输出论域改变，隶属度函数需要随之改变，若论域大于10，大于10的论域部分的隶属度与10相等。
(3)模糊控制规则是模糊控制的关键，本发明设计模糊规则的标准为：“误差越小，速度越小”、“误差越大，速度越大”；“误差变化率越小，加速度越小”、“误差变化率越大，加速度越大”。具体模糊规则如表1。
表1 模糊控制规则表
(4)模糊控制输出的模糊量不能直接用于控制执行机构，本发明采用重心法将模糊量去模糊化转换为一个精确量。
其中，μ(z)为输出量z所在模糊集合的隶属度函数，z0为模糊推理得到的精确量，α、β分别为输出量z所在模糊集合的左右端点。z0的范围可能和执行机构要求的数值范围不一致，还需要进行论域变换，如下式所示：
其中，k＝(umax-umin)/(zmax-zmin)为比例分子，[umin，umax]为实际控制量的变化范围，[zmin，zmax]为z0的变化范围。解算出v与a的精确量之后，采用加权和v＝λv+(1-λ)a决定最终的速度控制量，使无人机飞行状态更加平滑。
第四步：将速度控制量发送给飞行控制系统，控制系统根据期望速度进行控制，使旋翼无人机往靠近目标点的方向调整。
无人机响应指令后，进行如下判断
(1)无人机当前高度大于指定高度阈值
①无人机调整后，与降落标识中心的实际水平距离小于等于指定距离阈值时，降落到当前高度的60％；
②无人机调整后，与降落标识中心的实际水平距离大于指定距离阈值时，回到第二步；
(2)无人机当前高度小于等于指定高度阈值
①无人机调整后，与降落标识中心的实际水平距离小于等于指定距离阈值时，直接降落到降落标识上；
②无人机调整后，与降落标识中心的实际水平距离大于指定距离阈值时，回到第二步。
Claims (5)
1.一种基于模糊控制的多旋翼无人机集群视觉着降方法，其特征在于，首先进行下述工作准备：
1)无人机集群降落标识设计
降落标识采用着色圆形，着色圆形中有阿拉伯数字，每个着色圆形内有一个数字，数字不重复；无人机通过识别含有不同数字的着色圆形区域，找到自己的降落位置；
2)无人机集群降落标识布局设计
采用三机三角形布局作为基本布局单位进行着降点的排列，其中r为无人机的安全距离，即以无人机为中心，半径为r的圆周范围内应避免其他物体的介入；在实际的集群着降中，r需要按照无人机结构与尺寸、机载硬件性能进行调整；无人机数量多于3架时，分为若干三角布局单元；不足3架机的倍数时通过虚拟标识进行补全；
所述基于模糊控制的多旋翼无人机集群视觉着降方法具体包括下列步骤：
第一步：无人机集群通过GPS、惯导等导航设备到达降落航点，此时无人机与降落点存在误差；
第二步：每架无人机对采集的图像进行目标检测，并进行如下判断：
(1)未检测到本机对应的降落标识，则重新采集图像进行检测，如果连续n帧未检测到对应的降落标识，则升高Hm，并判断此时高度是否大于指定高度阈值，如果大于，则飞回初始降落航点与初始高度，重复检测步骤；如果不大于，则继续检测对应的降落标识；连续S次无法降落，则向地面站监控模块发送指令，请求人工降落；
(2)检测到本机对应的降落标识，则在像素坐标系中计算降落标识中心的位置(ut，vt)与视野中心(u0，v0)的像素距离dt和相对方向θt：
通过机载设备获得无人机当前高度和当前高度的像素比ε；像素距离与像素比ε相乘得到无人机与降落标识中心的实际水平距离e：
e＝εdt
无人机在导引模式中只需要在当前高度内调整，因此在机体坐标系中，降落标识与无人机的相对方向用角度θ标识，θ＝θt；
第三步：将无人机与降落标识中心的实际水平距离e与位姿传感器信息结合，通过模糊控制解算视觉导引信号，模糊控制过程如下：
(1)设置输入变量e和ec，其中ec为e的变化率；输出变量为无人机的速度v与加速度a；
(2)将输入输出变量分为5个模糊子集：正大PM、正小PS、零ZO、负小NS、负大NM；输入输出变量的论域均为[-vmax，vmax]；
(3)模糊控制规则的标准为：“误差越小，速度越小”、“误差越大，速度越大”；“误差变化率越小，加速度越小”、“误差变化率越大，加速度越大”；具体模糊规则如表1；
表1模糊控制规则表
(4)模糊控制输出的模糊量不能直接用于控制执行机构，采用重心法将模糊量去模糊化转换为一个精确量；
其中，μ(z)为输出量z所在模糊集合的隶属度函数，z0为模糊推理得到的精确量，α、β分别为输出量z所在模糊集合的左右端点；z0的范围可能和执行机构要求的数值范围不一致，还需要进行论域变换，如下式所示：
其中，k＝(umax-umin)/(zmax-zmin)为比例分子，[umin，umax]为实际控制量的变化范围，[zmin，zmax]为z0的变化范围；解算出v与a的精确量之后，采用加权和v＝λv+(1-λ)a决定最终的速度控制量，使无人机飞行状态更加平滑；
第四步：将速度控制量发送给飞行控制系统，控制系统根据期望速度进行控制，使旋翼无人机往靠近目标点的方向调整；
无人机响应指令后，进行如下判断：
(a)无人机当前高度大于指定高度阈值；
①无人机调整后，与降落标识中心的实际水平距离小于等于指定距离阈值时，降落到当前高度的w％；
②无人机调整后，与降落标识中心的实际水平距离大于指定距离阈值时，回到第二步；
(b)无人机当前高度小于等于指定高度阈值；
①无人机调整后，与降落标识中心的实际水平距离小于等于指定距离阈值时，直接降落到降落标识上；
②无人机调整后，与降落标识中心的实际水平距离大于指定距离阈值时，回到第二步。
2.如权利要求1所述的基于模糊控制的多旋翼无人机集群视觉着降方法，其特征在于，n＝10。
3.如权利要求1所述的基于模糊控制的多旋翼无人机集群视觉着降方法，其特征在于，H＝2。
4.如权利要求1所述的基于模糊控制的多旋翼无人机集群视觉着降方法，其特征在于，S＝3。
5.如权利要求1所述的基于模糊控制的多旋翼无人机集群视觉着降方法，其特征在于，w＝60。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110045488.XA CN112783181B (zh) | 2021-01-13 | 2021-01-13 | 一种基于模糊控制的多旋翼无人机集群视觉着降方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110045488.XA CN112783181B (zh) | 2021-01-13 | 2021-01-13 | 一种基于模糊控制的多旋翼无人机集群视觉着降方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112783181A CN112783181A (zh) | 2021-05-11 |
| CN112783181B true CN112783181B (zh) | 2024-02-06 |
Family
ID=75755893
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110045488.XA Active CN112783181B (zh) | 2021-01-13 | 2021-01-13 | 一种基于模糊控制的多旋翼无人机集群视觉着降方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112783181B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113805608B (zh) * | 2021-09-22 | 2024-03-05 | 一飞智控(天津)科技有限公司 | 基于自动分组规划的无人机编队星空降落方法、系统、介质 |
| CN114211488B (zh) * | 2021-12-07 | 2024-03-01 | 哈尔滨工业大学 | 基于模糊控制算法的柔体机器人控制方法 |
| CN114594783B (zh) * | 2021-12-21 | 2023-03-31 | 北京理工大学 | 基于全过程约束的四旋翼实时轨迹规划及降落控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105867397A (zh) * | 2016-04-13 | 2016-08-17 | 中国计量学院 | 一种基于图像处理和模糊控制的无人机精确位置降落方法 |
| CN106020239A (zh) * | 2016-08-02 | 2016-10-12 | 南京奇蛙智能科技有限公司 | 无人机精准降落控制方法 |
| CN107544550A (zh) * | 2016-06-24 | 2018-01-05 | 西安电子科技大学 | 一种基于视觉引导的无人机自动着陆方法 |
| WO2018107561A1 (zh) * | 2016-12-13 | 2018-06-21 | 深圳市元征科技股份有限公司 | 一种控制无人机降落的方法及无人机 |
| WO2019056172A1 (zh) * | 2017-09-19 | 2019-03-28 | 深圳市大疆创新科技有限公司 | 无人机的飞行控制方法、无人机及机器可读存储介质 |
| CN109885084A (zh) * | 2019-03-08 | 2019-06-14 | 南开大学 | 一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法 |
-
2021
- 2021-01-13 CN CN202110045488.XA patent/CN112783181B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105867397A (zh) * | 2016-04-13 | 2016-08-17 | 中国计量学院 | 一种基于图像处理和模糊控制的无人机精确位置降落方法 |
| CN107544550A (zh) * | 2016-06-24 | 2018-01-05 | 西安电子科技大学 | 一种基于视觉引导的无人机自动着陆方法 |
| CN106020239A (zh) * | 2016-08-02 | 2016-10-12 | 南京奇蛙智能科技有限公司 | 无人机精准降落控制方法 |
| WO2018107561A1 (zh) * | 2016-12-13 | 2018-06-21 | 深圳市元征科技股份有限公司 | 一种控制无人机降落的方法及无人机 |
| WO2019056172A1 (zh) * | 2017-09-19 | 2019-03-28 | 深圳市大疆创新科技有限公司 | 无人机的飞行控制方法、无人机及机器可读存储介质 |
| CN109885084A (zh) * | 2019-03-08 | 2019-06-14 | 南开大学 | 一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于视觉的四旋翼无人机自主降落算法研究;孟学斌;齐咏生;李永亭;刘利强;;控制工程(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112783181A (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN107544550B (zh) | 一种基于视觉引导的无人机自动着陆方法 | |
| KR101507752B1 (ko) | 무인 항공기 자동착륙 방법 | |
| CN107463181A (zh) | 一种基于AprilTag的四旋翼飞行器自适应追踪系统 | |
| WO2012081755A1 (ko) | 무인항공기 자동회수 방법 | |
| CN105352495A (zh) | 加速度与光流传感器数据融合无人机水平速度控制方法 | |
| CN109885084A (zh) | 一种基于单目视觉和模糊控制的多旋翼无人机自主降落方法 | |
| CN112068539A (zh) | 一种风电机组叶片无人机自动驾驶巡检方法 | |
| CN106502257A (zh) | 一种无人机精准降落抗干扰的控制方法 | |
| CN113759943A (zh) | 无人机降落平台及识别方法、降落方法和飞行作业系统 | |
| CN114200945A (zh) | 一种移动机器人的安全控制方法 | |
| CN112797982A (zh) | 一种基于机器视觉的无人机自主着陆测量方法 | |
| CN116627154A (zh) | 基于位姿预测和轨迹优化的无人机引导降落方法及无人机 | |
| Xia et al. | Integrated emergency self-landing method for autonomous uas in urban aerial mobility | |
| CN114689030A (zh) | 一种基于机载视觉的无人机辅助定位方法及系统 | |
| CN112859923B (zh) | 一种无人机视觉编队飞行控制系统 | |
| Morais et al. | Trajectory and Guidance Mode for autonomously landing an UAV on a naval platform using a vision approach | |
| JPH0524589A (ja) | 垂直離着陸航空機の自動着陸誘導方法 | |
| CN112558619A (zh) | 一种超声波辅助的无人机自主平稳降落系统及方法 | |
| Shim et al. | Autonomous landing of UAV using vision based approach and PID controller based outer loop | |
| CN117270565A (zh) | 一种基于视觉的机载自主感知及飞行系统 | |
| Lee et al. | Landing Site Inspection and Autonomous Pose Correction for Unmanned Aerial Vehicles | |
| CN114296471B (zh) | 一种基于全捷联下视相机的无人机精准着陆控制方法 | |
| CN115686043A (zh) | 固定翼飞行器和旋翼飞行器的空中对接方法 | |
| CN115755575A (zh) | 一种基于ros的双云台无人机自主降落方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Zhe Inventor after: Wu Xianning Inventor after: Yin Fengchuan Inventor after: Wang Ning Inventor after: Lv Zhihu Inventor after: Liang Xiaolong Inventor after: Qi Duo Inventor before: Wu Xianning Inventor before: Yin Fengchuan Inventor before: Wang Ning Inventor before: Lv Zhihu Inventor before: Li Zhe Inventor before: Liang Xiaolong Inventor before: Qi Duo |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |