CN112859927A - 多旋翼无人机在移动平台降落过程中的轨迹生成方法 - Google Patents

多旋翼无人机在移动平台降落过程中的轨迹生成方法 Download PDF

Info

Publication number
CN112859927A
CN112859927A CN202110147477.2A CN202110147477A CN112859927A CN 112859927 A CN112859927 A CN 112859927A CN 202110147477 A CN202110147477 A CN 202110147477A CN 112859927 A CN112859927 A CN 112859927A
Authority
CN
China
Prior art keywords
track
mobile platform
trajectory
tracks
constraint
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
CN202110147477.2A
Other languages
English (en)
Other versions
CN112859927B (zh
Inventor
裴海龙
吕国刚
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202110147477.2A priority Critical patent/CN112859927B/zh
Publication of CN112859927A publication Critical patent/CN112859927A/zh
Application granted granted Critical
Publication of CN112859927B publication Critical patent/CN112859927B/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

本发明公开了一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，包括如下步骤：根据视觉检测一段时间内移动平台的位置，利用n次多项式对其轨迹进行拟合，然后利用多项式的性质，获取其速度、加速度等状态轨迹；根据拟合结果预测k个未来时间点的移动平台状态；根据无人机当前状态和地图信息，以能量最优性、航向角最优性为性能指标，对这k个移动平台状态分别进行轨迹生成，共生成k条可行轨迹；根据每条轨迹的性能指标以及和移动平台贴近性，从k条可行轨迹中选择最优的一条轨迹输出。本发明能够实时对移动平台目标进行轨迹估计和预测，同时规划出多条到达轨迹并选择其中最优轨迹输出，实现在障碍物环境中实时规划和避障。

Description

多旋翼无人机在移动平台降落过程中的轨迹生成方法
技术领域
本发明涉及无人机导航技术领域，具体涉及一种多旋翼无人机在移动平台降落过程中的轨迹生成方法。
背景技术
近年来，随着无人机技术不断快速发展，无人机在各个方面的应用也不断被实现。尤其是多旋翼无人机，以其高度的灵活性、稳定的飞行能力和较低的使用成本被广泛应用。很多工作已经证明了它在许多不同的应用领域的能力，包括但不限于：搜索和救援、目标运输、检查、监视和测绘。
但与固定翼无人机相比，多旋翼无人机在续航能力上有明显的不足。这大大限制了它的自主性和实用性。比较好的一种解决方案是多旋翼无人机在电量不足时能够自主降落在指定平台上，在上面进行充电或者更换电池。
同时，在搜索和救援任务中，经常需要地空协同完成任务，即使用地面无人车和空中无人机。两者各有自己的优势：无人机非常灵活，同时可获取的视野和信息较大；无人车能够穿越狭窄的地形，同时承担运输任务。两者互补协同，能发挥更大的作用。因此，如果能实现无人机在移动小车平台上自主起降，那么将大大提高搜索和救援任务的自主性，意义巨大。
目前，大部分无人机自主降落都是在静态平台上实现，能够实现在移动平台降落方法较少，大致可以分为两类。一类是直接通过视觉识别加误差控制器直接实现自主降落，没有应用轨迹规划环节，其可靠性比较低，需要移动平台能够低速或者匀速运动。另一类是利用了轨迹规划方法，但没有考虑避障，同时轨迹规划方法较为简单，适用范围比较小。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷，提供一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，该轨迹生成方法能够实时对移动平台目标进行轨迹估计和预测，同时规划出多条到达轨迹并选择其中最优轨迹输出，实现在障碍物环境中实时规划和避障。
本发明的目的可以通过采取如下技术方案达到：
一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，所述的轨迹生成方法包括以下步骤：
S1、对移动平台轨迹进行拟合：视觉检测一段时间内移动平台的位置，根据一段时间内已知若干个时间点的观测值，利用n次多项式对移动平台的运行轨迹进行拟合，生成一条最接近移动平台的运行轨迹的多项式曲线；
S2、预测移动平台状态：根据移动平台的运行轨迹方程预测k个未来时间点的移动平台状态，其中，所述移动平台状态用位置、速度和加速度表示，通过等间隔采样，获得k个未来时间点的移动平台状态；
S3、根据无人机当前状态和地图信息，以能量最优性和航向角最优性为性能指标，对k个未来时间点的移动平台状态分别进行轨迹生成，共生成k条可行轨迹；
此处有两个性能指标，第一个性能指标是能量最优性和航向角最优性指标，用于引导生成k条可行轨迹。轨迹生成后，每一条轨迹有一个自己的性能指标值A1。
第二个性能指标由两部分组成，一部分是性能指标值A1，另一部分是和移动平台的贴近性。移动平台的贴近性不用于轨迹生成，只用于选择最优轨迹。
S4、根据根据每条可行轨迹的性能指标以及和移动平台的贴近性，从k条可行轨迹中选择最优的一条轨迹输出。
进一步地，所述的步骤S1中采用最小二乘法对移动平台的运行轨迹进行拟合。
进一步地，所述的步骤S2中通过对移动平台的运行轨迹的多项式曲线进行求导获得速度和加速度轨迹曲线。
进一步地，所述的步骤S3中能量最优性是指位置轨迹的三次导最小，航向角最优性是指航向角尽量指向轨迹切线方向。
进一步地，所述的步骤S4中移动平台的贴近性是指移动平台的轨迹和规划出来的轨迹尽量贴近。
进一步地，所述的步骤S3过程如下：
S31、前端可行路径生成：利用RRG算法，在三维空间中随机采样，生成许多个路径节点，该路径节点是半径大于指定阈值的球体，两个相邻的路径节点均相互接触，且接触体积大于指定阈值；
S32、利用A*算法搜索一条从起点到终点的几何上的安全飞行走廊；
S33、利用约束优化的方法对该几何上的安全飞行走廊进行优化，生成满足无人机动力学和运动学约束的轨迹。
进一步地，所述的步骤S3中利用分段多项式曲线表示轨迹曲线
Figure BDA0002931149330000031
其中，p(t)是分段多项式表示的轨迹曲线，i表示第i段轨迹，j表示每段多项式的参数序号，aij表示第i段轨迹多项式的第j个参数，t表示时间，ti表示第i个时刻，t0表示开始时刻，tm表示结束时刻，m表示轨迹段数，总共有m段轨迹；
把轨迹生成转化为约束优化问题求解，建立每条轨迹的总的性能指标如下：
Figure BDA0002931149330000041
其中，
Figure BDA0002931149330000042
ρ是可调比例系数，p(3)(t)表示轨迹的3次导数，ψ(t)表示无人机的偏航角，ξ(t)表示轨迹的切线方向，vy(t)表示轨迹沿y轴方向的速度分量，vx(t)表示轨迹沿x轴方向的速度分量；
性能指标由两部分组成，第一部分表示能量，即期望轨迹消耗能量期望最优；第二部分表示航向偏差，期望无人机航向能够沿着轨迹切线方向前进；ρ是可调比例系数；
建立如下约束条件：
Figure BDA0002931149330000043
Figure BDA0002931149330000044
Figure BDA0002931149330000045
Figure BDA0002931149330000046
p(1)(t)∈Ωv (5)
p(2)(t)∈Ωa (6)
Figure BDA0002931149330000047
其中，公式(1)是起点约束，公式(2)是终点约束，公式(3)是每两段轨迹连接处连续性约束，公式(4)是不包括起点和终点的中间路径点位置约束，公式(5)是整条轨迹的速度约束，公式(6)是整条轨迹的加速度约束，公式(7)是整条轨迹的航向角约束，式中，p(k)(t)表示轨迹的k次导数，k可取{0，1，2，3}，
Figure BDA0002931149330000048
表示已知的起点位置的k次导数，
Figure BDA0002931149330000049
表示已知的终点位置的k次导数，
Figure BDA0002931149330000051
表示已知的第i段轨迹的末端位置，ti-表示ti时刻的左极限，ti+表示ti时刻的右极限，ri表示第i个路径点可行域的半径，Ωv表示速度可行域，Ωa表示加速度可行域，θ表示视觉传感器的最大感知范围角。
进一步地，所述的步骤S4中设置最优评价函数如下：
Figure BDA0002931149330000052
其中，第一项f表示上一节中的性能指标，第二项表示的是规划轨迹与实际移动平台轨迹的偏差，β是可调比例系数，L(ti)表示时刻ti的移动平台位置，p(ti)表示时刻ti的轨迹曲线。
本发明相对于现有技术具有如下的优点及效果：
1.本发明在无人机降落在移动平台过程中增加了轨迹规划方法，提高整体轨迹生成方法的稳定性和可靠性，对移动平台的要求降低；
2.本发明对移动平台进行轨迹的拟合与预测，能够有效降低由于视觉检测中目标暂时丢失造成整个轨迹生成方法的情况出现，提高了轨迹生成方法的稳定性；
3.本发明在轨迹生成过程中预测了若干个移动平台状态并同时规划了若干条可行轨迹，再选择一条最终轨迹。该方法有效降低了无解的情况出现。因为在障碍物较多的情况下，某些预测状态是不可达的，没有可行路径，若只利用一个状态规划轨迹，就可能出现无解的情况。但同时预测多个状态、规划多条轨迹则大大提高了可行解的范围，同时提高了轨迹生成方法的可靠性；
4.本发明在每一次规划过程中规划出的多条轨迹都是局部最优的，同时再从其中选择一条最优的轨迹输出。因此，本轨迹生成方法保证了最终轨迹的最优性和质量的可靠性。
5.本发明在轨迹生成过程中考虑到了视觉感知传感器的视野限制，将偏航角也考虑进了轨迹规划方法中，能够保证无人机的机头尽量朝向轨迹切线方向，有效解决了无人机在飞行过程中的安全问题。
6.本发明在轨迹生成过程中，先生成飞行走廊再进行轨迹规划，提高了生成轨迹的质量，有效降低了生成轨迹的速度不稳定和加速度不稳定的情况出现。
7.本发明在轨迹生成过程中，考虑了避障要求，生成的轨迹能保证在不碰撞的情况下达到最优。因此，能够有效应用在障碍物环境下的无人机动态降落应用中，提高了无人机的应用范围。
附图说明
图1是本发明实施例中公开的多旋翼无人机在移动平台降落过程中的轨迹生成方法的流程图；
图2是本发明实施例中公开的多旋翼无人机在移动平台降落过程中的轨迹生成方法的飞行走廊生成图，即三维图在二维空间上的投影，其中，图2(a)是RRG算法生成的效果图，图2(b)是A*算法生成的飞行走廊示意图；
图3是本发明实施例中公开的多旋翼无人机在移动平台降落过程中的轨迹生成方法的无人机预测和轨迹生成示意图。
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做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。
实施例
本实施例公开了一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，如图1所示，该轨迹生成方法包括以下步骤：
S1、对移动平台轨迹进行拟合：视觉检测一段时间内移动平台的位置，根据一段时间内已知若干个时间点的观测值，利用n次多项式对移动平台的运行轨迹进行拟合，生成一条最接近移动平台的运行轨迹的多项式曲线；
本实施例中，示例性地采用最小二乘法进行拟合。
S2、根据拟合结果预测k个未来时间点的移动平台状态；
已知移动平台的运行轨迹方程，预测未来的平台状态。由于多项式方程完全可导，因此可求出速度和加速度轨迹曲线。用位置、速度和加速度表示移动平台的状态，所以可以求出未来的平台状态。预测未来一段时间内的轨迹，并等间隔采样，获得k个未来的平台状态，用于后序轨迹生成。
S3、根据无人机当前状态和地图信息，以能量最优性和航向角最优性为性能指标，对k个未来时间点的移动平台状态分别进行轨迹生成，共生成k条可行轨迹；
其中，每条可行轨迹生成方法如下：
S31、前端可行路径生成：利用RRG算法，在三维空间中随机采样，生成许多个路径节点，该路径节点是半径大于指定阈值的球体，两个相邻的路径节点均相互接触，且接触体积大于指定阈值；
S32、利用A*算法搜索一条从起点到终点的几何上的安全飞行走廊；
S33、利用约束优化的方法对该几何上的安全飞行走廊进行优化，生成满足无人机动力学和运动学约束的轨迹。
本实施例中，利用分段多项式曲线表示轨迹曲线
Figure BDA0002931149330000081
其中，p(t)是分段多项式表示的轨迹曲线，i表示第i段轨迹，j表示每段多项式的参数序号，aij表示第i段轨迹多项式的第j个参数，t表示时间，ti表示第i个时刻，t0表示开始时刻，tm表示结束时刻，m表示轨迹段数，总共有m段轨迹；
把轨迹生成转化为约束优化问题求解，建立每条轨迹的总的性能指标如下：
Figure BDA0002931149330000082
其中，
Figure BDA0002931149330000083
ρ是可调比例系数，p(3)(t)表示轨迹的3次导数，ψ(t)表示无人机的偏航角，ξ(t)表示轨迹的切线方向，vy(t)表示轨迹沿y轴方向的速度分量，vx(t)表示轨迹沿x轴方向的速度分量。
性能指标由两部分组成，第一部分表示能量，即期望轨迹消耗能量期望最优；第二部分表示航向偏差，期望无人机航向能够沿着轨迹切线方向前进；ρ是可调比例系数。
由于无人机感知使用的是视觉，装在机头检测前方障碍物等信息，因此，要求无人机运动时尽量使机头朝向前进方向。
建立如下约束条件：
Figure BDA0002931149330000084
Figure BDA0002931149330000085
Figure BDA0002931149330000091
Figure BDA0002931149330000092
p(1)(t)∈Ωv (5)
p(2)(t)∈Ωa (6)
Figure BDA0002931149330000093
其中，公式(1)是起点约束，包括位置、速度、加速度、加加速度；公式(2)是终点约束，包括位置、速度、加速度、加加速度；公式(3)是每两段轨迹连接处连续性约束，包括位置、速度、加速度、加加速度；公式(4)是不包括起点和终点的中间路径点位置约束；公式(5)是整条轨迹的速度约束，公式(6)是整条轨迹的加速度约束；公式(7)是整条轨迹的航向角约束，式中，p(k)(t)表示轨迹的k次导数，k可取{0，1，2，3}，
Figure BDA0002931149330000094
表示已知的起点位置的k次导数，
Figure BDA0002931149330000095
表示已知的终点位置的k次导数，
Figure BDA0002931149330000096
表示已知的第i段轨迹的末端位置，ti-表示ti时刻的左极限，ti+表示ti时刻的右极限，ri表示第i个路径点可行域的半径，Ωv表示速度可行域，Ωa表示加速度可行域，θ表示视觉传感器的最大感知范围角。
S4、根据根据每条可行轨迹的性能指标以及和移动平台的贴近性，从k条可行轨迹中选择最优的一条轨迹输出。
能量最优性是指位置轨迹的三次导最小，航向角尽量指向轨迹切线方向是航向角最优性，移动平台的贴近性是指移动平台的轨迹和规划出来的轨迹尽量贴近。
本步骤S4中，设置最优评价函数：
Figure BDA0002931149330000097
其中，第一项f表示上一节中的性能指标，第二项表示的是规划轨迹与实际移动平台轨迹的偏差，β是可调比例系数，L(ti)表示时刻ti的移动平台位置，p(ti)表示时刻ti的轨迹曲线。
选择最优轨迹时，希望不仅选择一条性能指标最优的，还希望规划轨迹与移动平台轨迹误差最小。
综上所述，本发明能够实时对移动平台目标进行轨迹估计和预测，同时规划出多条到达轨迹并选择其中最优轨迹输出，实现在障碍物环境中实时规划和避障。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，其特征在于，所述的轨迹生成方法包括以下步骤：
S1、对移动平台轨迹进行拟合：视觉检测一段时间内移动平台的位置，根据一段时间内已知若干个时间点的观测值，利用n次多项式对移动平台的运行轨迹进行拟合，生成一条最接近移动平台的运行轨迹的多项式曲线；
S2、预测移动平台状态：根据移动平台的运行轨迹方程预测k个未来时间点的移动平台状态，其中，所述移动平台状态用位置、速度和加速度表示，通过等间隔采样，获得k个未来时间点的移动平台状态；
S3、根据无人机当前状态和地图信息，以能量最优性和航向角最优性为性能指标，对k个未来时间点的移动平台状态分别进行轨迹生成，共生成k条可行轨迹；
S4、根据根据每条可行轨迹的性能指标以及和移动平台的贴近性，从k条可行轨迹中选择最优的一条轨迹输出。
2.根据权利要求1所述的一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，其特征在于，所述的步骤S1中采用最小二乘法对移动平台的运行轨迹进行拟合。
3.根据权利要求1所述的一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，其特征在于，所述的步骤S2中通过对移动平台的运行轨迹的多项式曲线进行求导获得速度和加速度轨迹曲线。
4.根据权利要求1所述的一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，其特征在于，所述的步骤S3中能量最优性是指位置轨迹的三次导最小，航向角最优性是指航向角尽量指向轨迹切线方向。
5.根据权利要求1所述的一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，其特征在于，所述的步骤S4中移动平台的贴近性是指移动平台的轨迹和规划出来的轨迹尽量贴近。
6.根据权利要求1所述的一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，其特征在于，所述的步骤S3过程如下：
S31、前端可行路径生成：利用RRG算法，在三维空间中随机采样，生成许多个路径节点，该路径节点是半径大于指定阈值的球体，两个相邻的路径节点均相互接触，且接触体积大于指定阈值；
S32、利用A*算法搜索一条从起点到终点的几何上的安全飞行走廊；
S33、利用约束优化的方法对该几何上的安全飞行走廊进行优化，生成满足无人机动力学和运动学约束的轨迹。
7.根据权利要求1所述的一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，其特征在于，所述的步骤S3中利用分段多项式曲线表示轨迹曲线
Figure FDA0002931149320000021
其中，p(t)是分段多项式表示的轨迹曲线，i表示第i段轨迹，j表示每段多项式的参数序号，aij表示第i段轨迹多项式的第j个参数，t表示时间，ti表示第i个时刻，t0表示开始时刻，tm表示结束时刻，m表示轨迹段数，总共有m段轨迹；
把轨迹生成转化为约束优化问题求解，建立每条轨迹的总的性能指标如下：
Figure FDA0002931149320000022
其中，
Figure FDA0002931149320000031
ρ是可调比例系数，p(3)(t)表示轨迹的3次导数，ψ(t)表示无人机的偏航角，ξ(t)表示轨迹的切线方向，vy(t)表示轨迹沿y轴方向的速度分量，vx(t)表示轨迹沿x轴方向的速度分量；
性能指标由两部分组成，第一部分表示能量，即期望轨迹消耗能量期望最优；第二部分表示航向偏差，期望无人机航向能够沿着轨迹切线方向前进；ρ是可调比例系数；
建立如下约束条件：
Figure FDA0002931149320000032
Figure FDA0002931149320000033
Figure FDA0002931149320000034
(p(t)-Pi 0)2≤ri,ti-1≤t≤ti,i＝1..m-1 (4)
p(1)(t)∈Ωv (5)
p(2)(t)∈Ωa (6)
Figure FDA0002931149320000035
其中，公式(1)是起点约束，公式(2)是终点约束，公式(3)是每两段轨迹连接处连续性约束，公式(4)是不包括起点和终点的中间路径点位置约束，公式(5)是整条轨迹的速度约束，公式(6)是整条轨迹的加速度约束，公式(7)是整条轨迹的航向角约束，式中，p(k)(t)表示轨迹的k次导数，k可取{0，1，2，3}，P0 k表示已知的起点位置的k次导数，Pm k表示已知的终点位置的k次导数，Pi 0表示已知的第i段轨迹的末端位置，ti-表示ti时刻的左极限，ti+表示ti时刻的右极限，ri表示第i个路径点可行域的半径，Ωv表示速度可行域，Ωa表示加速度可行域，θ表示视觉传感器的最大感知范围角。
8.根据权利要求7所述的一种多旋翼无人机在移动平台降落过程中的轨迹生成方法，其特征在于，所述的步骤S4中设置最优评价函数如下：
Figure FDA0002931149320000041
其中，第一项f表示上一节中的性能指标，第二项表示的是规划轨迹与实际移动平台轨迹的偏差，β是可调比例系数，L(ti)表示时刻ti的移动平台位置，p(ti)表示时刻ti的轨迹曲线。
CN202110147477.2A 2021-02-03 2021-02-03 多旋翼无人机在移动平台降落过程中的轨迹生成方法 Active CN112859927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110147477.2A CN112859927B (zh) 2021-02-03 2021-02-03 多旋翼无人机在移动平台降落过程中的轨迹生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110147477.2A CN112859927B (zh) 2021-02-03 2021-02-03 多旋翼无人机在移动平台降落过程中的轨迹生成方法

Publications (2)

Publication Number Publication Date
CN112859927A true CN112859927A (zh) 2021-05-28
CN112859927B CN112859927B (zh) 2022-03-29

Family

ID=75986416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110147477.2A Active CN112859927B (zh) 2021-02-03 2021-02-03 多旋翼无人机在移动平台降落过程中的轨迹生成方法

Country Status (1)

Country Link
CN (1) CN112859927B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105425812A (zh) * 2016-01-14 2016-03-23 北京航空航天大学 一种基于双模型下的无人机自动着舰轨迹控制方法
WO2017202141A1 (zh) * 2016-05-24 2017-11-30 武汉科技大学 基于邻域约束的空地异构机器人系统路径规划方法
CN207208447U (zh) * 2017-05-16 2018-04-10 华南理工大学 基于双涵道风扇动力系统的可折叠式固定翼垂直起降无人飞行器
US20180196435A1 (en) * 2017-01-06 2018-07-12 Aurora Flight Sciences Corporation Collision Avoidance System and Method for Unmanned Aircraft
CN108710383A (zh) * 2018-05-25 2018-10-26 哈尔滨工业大学 一种基于航点规划与跟踪的四旋翼飞行器自主降落控制方法
CN110595476A (zh) * 2019-08-30 2019-12-20 天津航天中为数据系统科技有限公司 一种基于gps和图像视觉融合的无人机降落导航方法及装置
CN110632941A (zh) * 2019-09-25 2019-12-31 北京理工大学 一种复杂环境下无人机目标跟踪的轨迹生成方法
CN111279285A (zh) * 2019-01-17 2020-06-12 深圳市大疆创新科技有限公司 轨迹生成方法、轨迹生成装置和无人机

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105425812A (zh) * 2016-01-14 2016-03-23 北京航空航天大学 一种基于双模型下的无人机自动着舰轨迹控制方法
WO2017202141A1 (zh) * 2016-05-24 2017-11-30 武汉科技大学 基于邻域约束的空地异构机器人系统路径规划方法
US20180196435A1 (en) * 2017-01-06 2018-07-12 Aurora Flight Sciences Corporation Collision Avoidance System and Method for Unmanned Aircraft
CN207208447U (zh) * 2017-05-16 2018-04-10 华南理工大学 基于双涵道风扇动力系统的可折叠式固定翼垂直起降无人飞行器
CN108710383A (zh) * 2018-05-25 2018-10-26 哈尔滨工业大学 一种基于航点规划与跟踪的四旋翼飞行器自主降落控制方法
CN111279285A (zh) * 2019-01-17 2020-06-12 深圳市大疆创新科技有限公司 轨迹生成方法、轨迹生成装置和无人机
CN110595476A (zh) * 2019-08-30 2019-12-20 天津航天中为数据系统科技有限公司 一种基于gps和图像视觉融合的无人机降落导航方法及装置
CN110632941A (zh) * 2019-09-25 2019-12-31 北京理工大学 一种复杂环境下无人机目标跟踪的轨迹生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈盛福: "基于视觉的无人机自动着陆相关技术研究", 《万方平台》 *

Also Published As

Publication number Publication date
CN112859927B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN110609552B (zh) 一种水下无人航行器编队平面航迹规划方法
Saunders et al. Static and dynamic obstacle avoidance in miniature air vehicles
Tisdale et al. Autonomous UAV path planning and estimation
US20160117936A1 (en) Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles
Takaya et al. Development of UAV system for autonomous power line inspection
CN109445438B (zh) 基于地图分享的巡航装置的巡航控制方法及系统
CN113467500B (zh) 一种基于双目视觉的无人机非合作目标追踪系统
WO2019040179A1 (en) LANDING CONTROL OF AERIAL ROBOTIC VEHICLE USING THREE DIMENSIONAL FIELD CARDS GENERATED BY ODOMETRY OF VISUAL INERTIA
Chen et al. Tracking with UAV using tangent-plus-Lyapunov vector field guidance
Kim et al. Lidar-guided autonomous landing of an aerial vehicle on a ground vehicle
Gautam et al. Application of guidance laws to quadrotor landing
Andert et al. Online world modeling and path planning for an unmanned helicopter
Zhang et al. P-CAP: Pre-computed alternative paths to enable aggressive aerial maneuvers in cluttered environments
Andert et al. Mapping and path planning in complex environments: An obstacle avoidance approach for an unmanned helicopter
CN113253760B (zh) 路径规划方法、装置、可移动载具及存储介质
CN116661497A (zh) 一种智能飞行汽车
CN113359796B (zh) 一种地下多分支洞穴的无人机探寻方法
Li et al. Vision-based autonomous landing of a hybrid robot on a powerline
KR20230083846A (ko) 3차원 환경에서의 항공 차량 이동노선 계획 방법
CN112859927B (zh) 多旋翼无人机在移动平台降落过程中的轨迹生成方法
CN117406771A (zh) 一种基于四旋翼无人机的高效自主探索方法、系统及设备
Masehian et al. Path planning of nonholonomic flying robots using a new virtual obstacle method
Kobayashi et al. Path planning method considering blind spots based on ros navigation stack and dynamic window approach for wheeled mobile robot
Adolf Multi-query path planning for exploration tasks with an unmanned rotorcraft
CN113485368A (zh) 一种架空输电线路巡线机器人导航、巡线方法及装置

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