CN113156984B - 多旋翼无人机航迹规划方法、装置、介质及多旋翼无人机 - Google Patents

多旋翼无人机航迹规划方法、装置、介质及多旋翼无人机 Download PDF

Info

Publication number
CN113156984B
CN113156984B CN202110227691.9A CN202110227691A CN113156984B CN 113156984 B CN113156984 B CN 113156984B CN 202110227691 A CN202110227691 A CN 202110227691A CN 113156984 B CN113156984 B CN 113156984B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
information
flight path
expression
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
Application number
CN202110227691.9A
Other languages
English (en)
Other versions
CN113156984A (zh
Inventor
余翔
郭雷
郭克信
乔建忠
周小彬
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.)
Beihang University
Zhejiang Lab
Hangzhou Innovation Research Institute of Beihang University
Original Assignee
Beihang University
Zhejiang Lab
Hangzhou Innovation Research Institute of Beihang University
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 Beihang University, Zhejiang Lab, Hangzhou Innovation Research Institute of Beihang University filed Critical Beihang University
Priority to CN202110227691.9A priority Critical patent/CN113156984B/zh
Publication of CN113156984A publication Critical patent/CN113156984A/zh
Application granted granted Critical
Publication of CN113156984B publication Critical patent/CN113156984B/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
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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

本公开实施例涉及无人机技术领域，尤其涉及一种多旋翼无人机航迹规划方法、装置、多旋翼无人机及计算机可读存储介质。其中所述方法包括：获取无人机周围环境信息，环境信息至少包括障碍物信息；基于环境信息，生成无人机的初始飞行航迹信息；基于无人机的动力学模型，确定无人机的电机输入限制参数表达式；基于电机输入限制参数表达式对初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。采用该方案不仅仅考虑多旋翼无人机在飞行过程中周围环境存在的障碍物信息等，同时考虑了多旋翼无人机的电机输入限制，从而生成同时满足碰撞规避与电机输入限制的安全飞行航迹，在一定程度上提高了实际应用中多旋翼无人机飞行的自主安全性。

Description

多旋翼无人机航迹规划方法、装置、介质及多旋翼无人机
技术领域
本公开实施例涉及无人机技术领域，尤其涉及一种多旋翼无人机航迹规划方法、多旋翼无人机航迹规划装置、实现多旋翼无人机航迹规划方法的多旋翼无人机及计算机可读存储介质。
背景技术
多旋翼无人机的航迹规划已经成为定义多旋翼无人机任务规划的最重要的要素之一，在军事和民用领域发挥出巨大的潜能，它使多旋翼无人机能够根据任务要求和约束条件自主计算从起始点到目标点的最佳路径。随着多旋翼无人机的广泛使用，这一问题近年来得到了高度的重视。
相关技术中，在对多旋翼无人机的航迹规划时，一般采用人工势场法、遗传算法、人工智能算法等解决无人机的航迹规划问题。目前，为了使得利用各种算法生成的路径不会与障碍物发生碰撞，在多旋翼无人机的航迹规划中着重规避多旋翼无人机飞行过程中环境中存在的障碍物，从而提高路径规划的安全性，获得多旋翼无人机的飞行路径。
但是，在对多旋翼无人机的航迹规划时，往往忽略了多旋翼无人机自身的动力学限制，即在多旋翼无人机航迹生成过程中，对于多旋翼无人机的执行结构，缺少对电机的输入限制进一步的分析，导致生成无法同时满足碰撞规避与电机输入限制的安全飞行航迹，从而降低实际应用中多旋翼无人机飞行的自主安全性。
发明内容
基于此，有必要针对上述技术问题，提供一种多旋翼无人机航迹规划方法、装置、多旋翼无人机及计算机可读存储介质。旨在一定程度上解决现有技术中对多旋翼无人机的航迹规划时缺少对电机的输入限制的考虑，无法同时满足碰撞规避与电机输入限制的安全飞行航迹，从而降低实际应用中多旋翼无人机的自主安全性的技术问题。
第一方面，本申请实施例提供了一种多旋翼无人机航迹规划方法，所述方法包括：
获取无人机周围环境信息，所述环境信息至少包括障碍物信息；
基于所述环境信息，生成所述无人机的初始飞行航迹信息；
基于所述无人机的动力学模型，确定所述无人机的电机输入限制参数表达式；
基于所述电机输入限制参数表达式对所述初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。
在一个实施例中，所述基于所述环境信息，生成所述无人机的初始飞行航迹信息，包括：
基于所述障碍物信息，利用强化学习算法生成避障航路点信息；
基于所述避障航路点信息，生成所述初始飞行航迹信息。
在一个实施例中，所述方法还包括：
预先构建所述动力学模型，所述动力学模型包括位置环动力学模型和姿态环动力学模型；
其中，所述位置环动力学模型与所述无人机的姿态角以及总推力相关；
所述姿态环动力学模型与所述无人机围绕Xb轴、Yb轴、Zb轴旋转的转动惯量、转动力矩，以及姿态角相关。
在一个实施例中，所述位置环动力学模型由以下表达式限定：
Figure GDA0003644573720000021
其中，x，y，z分别代表无人机在惯性坐标系下三个坐标轴的位置，
Figure GDA0003644573720000022
代表x，y，z对应坐标的二阶导数，代表无人机的俯仰角，即机体坐标系Xb轴与惯性坐标系X轴的夹角，φ代表无人机的滚转角，即无人机机体坐标系Yb轴与惯性坐标系Y轴间的夹角，ψ代表无人机的偏航角，即无人机机体坐标系Zb轴与惯性坐标系Z轴的夹角，m代表无人机的质量，g代表无人机的重力加速度，Fz代表无人机的总推力；
和/或，
所述姿态环动力学模型由以下表达式限定：
Figure GDA0003644573720000031
其中，Ix，Iy，Iz代表无人机相对Xb轴、Yb轴、Zb轴的转动惯量，Uφ，Uθ，Uψ表示无人机围绕Xb轴、Yb轴、Zb轴的转动力矩，
Figure GDA0003644573720000032
代表θ，φ，ψ对应的一阶导数。
在一个实施例中，所述基于所述无人机的动力学模型，确定所述无人机的电机输入限制参数表达式，包括：
对所述姿态环动力学模型进行变换处理，得到线性化的姿态环动力学模型；
确定所述线性化的姿态环动力学模型、所述无人机的总推力、力矩与该无人机的电机输入限制参数之间的关系式，所述电机输入限制参数是与电机的脉冲宽度调制输入相关参数；
反推所述关系式，得到所述电机输入限制参数表达式。
在一个实施例中，所述基于所述电机输入限制参数表达式对所述初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息，包括：
构造航迹表达式，所述航迹表达式包含所述初始飞行航迹信息以及航迹调节系数，所述航迹调节系数由包含航迹调节参数的表达式确定；
对所述位置环动力学模型进行变换处理，得到线性化的位置环动力学模型；
基于所述线性化的位置环动力学模型、所述航迹表达式以及所述电机输入限制参数表达式求解得到所述航迹调节参数的数值范围；
基于所述航迹调节参数的数值范围以及所述航迹表达式，确定最终的飞行航迹信息。
在一个实施例中，所述航迹表达式为：
Figure GDA0003644573720000041
其中，(xs，ys)代表所述多旋翼无人机的起始点，(xf，yf)代表所述多旋翼无人机的目标点，t代表时间，k代表所述航迹调节系数，wn代表所述航迹调节参数。
第二方面，本申请实施例提供了一种多旋翼无人机航迹规划装置，所述装置包括：
环境信息获取单元，用于获取无人机周围环境信息，所述环境信息至少包括障碍物信息；
第一飞行航迹信息确定单元，用于基于所述环境信息，生成所述无人机的初始飞行航迹信息；
电机输入限制参数确定单元，用于基于所述无人机的动力学模型，确定所述无人机的电机输入限制参数，所述电机输入限制参数与所述初始飞行航迹信息相关；
第二飞行航迹信息确定单元，用于基于所述电机输入限制参数对所述初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。
第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本申请任意实施例所提供的一种多旋翼无人机航迹规划方法的步骤。
第四方面，本申请实施例提供了一种多旋翼无人机，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述计算机程序时实现本申请任意实施例所提供的一种多旋翼无人机航迹规划方法的步骤。
本申请实施例所提供一种多旋翼无人机航迹规划方法、装置、多旋翼无人机及计算机可读存储介质，通过获取无人机周围环境信息，所述环境信息至少包括障碍物信息；基于所述环境信息，生成所述无人机的初始飞行航迹信息；基于所述无人机的动力学模型，确定所述无人机的电机输入限制参数表达式；基于所述电机输入限制参数表达式对所述初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。这样，本实施例的方案在规划多旋翼无人机的飞行航迹时，不仅仅考虑多旋翼无人机在飞行过程中周围环境存在的障碍物信息等，同时考虑了多旋翼无人机自身的动力学限制，即规划多旋翼无人机的飞行航迹时，考虑了多旋翼无人机的电机输入限制，从而生成同时满足碰撞规避与电机输入限制的安全飞行航迹，在一定程度上提高了实际应用中多旋翼无人机飞行的自主安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例一种多旋翼无人机航迹规划方法流程图；
图2为本公开实施例四旋翼无人机航迹规划示意图；
图3为本公开实施例一种多旋翼无人机航迹规划装置示意图；
图4为本公开实施例中多旋翼无人机系统的内部结构图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
在一个实施例中，如图1所示，提供了一种多旋翼无人机航迹规划方法。本实施例主要以该方法应用于图2中的四旋翼无人机201来举例说明，但不限于此，还适用于二旋翼、六旋翼等无人机，本公开不具体限制。该方法包括以下步骤：
步骤S101：获取无人机周围环境信息，环境信息至少包括障碍物信息。
具体的，四旋翼无人机201通过自身机载传感器检测获取无人机在飞行过程中四旋翼无人机周围的环境信息，如图2所示，该周围的环境信息例如可以是风速信息、障碍物202的位置信息，需要说明的是，该障碍物202是指在飞行过程中的静态障碍物，例如可以是楼房、电线杆等，但不限于此，本公开不具体限制。
步骤S102：基于环境信息，生成无人机的初始飞行航迹信息。
其中，初始飞行航迹信息是指根据环境信息，例如风速信息、障碍物202的位置信息，通过路径规划算法生成的四旋翼无人机201的初始飞行航迹，该初始飞行航迹信息在一定程度上能够规避无人机周围环境信息对无人机飞行过程中的影响。
具体的，根据四旋翼无人机201自身的机载传感器获取采集的环境信息如风速信息、障碍物202如楼房的位置信息，通过路径规划算法生成四旋翼无人机201的初始飞行航迹。
步骤S103：基于无人机的动力学模型，确定无人机的电机输入限制参数表达式。
其中，动力学模型是指主要用以航空航天器上的载荷分析或其他动力分布情况的分析。在航天器研制过程中，合载荷分析作为个重要环节，能够为航天器结构设计、地面验证试验条件制定以及批准型号发射提供重要依据，而精确的得到试验验证的动力学模型是开展耦合载荷分析的基础。无人机的电机输入限制，实际是指多旋翼无人机的执行结构中执行器限制的一种，无人机的电机输入限制参数具体是指与电机脉宽调变相关的参数，示例性的，该无人机的电机输入限制参数例如可以是无人机电池的额定电压与无人机飞行过程中电机的实际输入电压之比。在一示例中，通过构建四旋翼无人机201的动力学模型，通过预先构建的四旋翼无人机201的动力学模型，基于四旋翼无人机201在飞行过程中四旋翼无人机201的各个飞行参数的改变，该飞行参数例如可以是无人机的实时飞行速度、偏航角等信息，从而确定四旋翼无人机201的电机输入限制参数表达式。
步骤S104：基于电机输入限制参数表达式对初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息203。
其中，最终的飞行航迹信息203是指在规划四旋翼无人机201的飞行航迹同时考虑电机输入限制参数与多旋翼无人机周围的环境信息例如可以是障碍物202的位置信息，从而生成的四旋翼无人机201的飞行航迹信息。示例性的，如图2所示，根据预先构建的四旋翼无人机201动力学模型确定电机输入限制参数表达式，通过确定的电机输入限制参数表达式对四旋翼无人机201生成的初始飞行航迹信息进一步的进行优化调节，从而获取最终的飞行航迹信息203。
在本实施例中，通过获取无人机周围环境信息，环境信息至少包括障碍物信息。基于环境信息，生成无人机的初始飞行航迹信息；基于无人机的动力学模型，确定无人机的电机输入限制参数表达式；基于电机输入限制参数表达式对所述初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。这样，本实施例的方案在规划多旋翼无人机的飞行航迹时，不仅仅只考虑多旋翼无人机在飞行过程中周围环境存在的障碍物信息等，同时考虑了多旋翼无人机自身的动力学限制，即规划多旋翼无人机的飞行航迹时，考虑了多旋翼无人机的电机输入限制，从而生成同时满足碰撞规避与电机输入限制的安全飞行航迹，在一定程度上提高了实际应用中多旋翼无人机飞行的自主安全性。
在上述各实施例的基础上，本公开的一些实施例中，基于环境信息，生成无人机的初始飞行航迹信息包括基于障碍物信息，利用强化学习算法生成避障航路点信息。基于避障航路点信息，生成初始飞行航迹信息。
其中，强化学习算法又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。强化学习算法例如可以是马尔可夫决策过程、蒙特卡洛算法等，但不限于此，本公开不具体限制。
具体的，根据四旋翼无人机201自身机载的传感器检测获取的周围环境信息如障碍物202的位置信息等，通过强化学习算法如马尔可夫决策过程生成避障航路点信息，该避障航路点信息例如可以是根据障碍物202的位置信息获取的四旋翼无人机201的初始飞行航迹的航迹点的信息，生成的航迹点在一定程度上可以较好的避开障碍物202。其次，根据生成的四旋翼无人机201的避障航路点信息，利用微分平坦理论，将生成的四旋翼无人机201的避障航路点连接起来，构建四旋翼无人机201的初始飞行航迹信息。
需要说明的是，微分平坦理论是指对一些存在平坦输出的非线性系统，如果可以找到一组系统输出，使得所有状态变量和输入变量都可以由这组输出及其有限阶微分进行表示，那么该系统即为微分平坦系统。此特性可以在无人机进行飞行航迹规划的时候指导选择哪些输出变量进行规划，并将所有的轨迹约束条件都映射到平坦输出空间，并在输出空间中规划出无人机的飞行航迹，然后再上升回到初始的状态和输入空间中。
这样，本实施例的方案在规划四旋翼无人机201的初始飞行航迹时，通过采用强化学习算法和微分平坦理论优先考虑四旋翼无人机201在飞行过程中的周围环境信息例如障碍物202的位置信息，生成四旋翼无人机201的初始飞行航迹，在一定程度上能够较好进行规避环境中存在的障碍物。
在上述各实施例的基础上，本公开的一些实施例中，该多旋翼无人机航迹规划方法还包括：预先构建动力学模型，动力学模型包括位置环动力学模型和姿态环动力学模型。
其中，位置环动力学模型与无人机的姿态角以及总推力相关。
示例性的，位置环动力学模型由以下表达式限定，但不限于此，本公开不具体限制：
Figure GDA0003644573720000091
其中，x，y，z分别代表无人机在惯性坐标系下三个坐标轴的位置，
Figure GDA0003644573720000092
代表x，y，z对应坐标的二阶导数，θ代表无人机的俯仰角，即机体坐标系Xb轴与惯性坐标系X轴的夹角，φ代表无人机的滚转角，即无人机机体坐标系Yb轴与惯性坐标系Y轴间的夹角，ψ代表无人机的偏航角，即无人机机体坐标系Zb轴与惯性坐标系Z轴的夹角，m代表无人机的质量，g代表无人机的重力加速度，Fz代表无人机的总推力，如图2所示，总推力Fz为四旋翼无人机201的四个旋翼产生的推力之和，Fz的表达式如下：
Fz＝T1+T2+T3+T4
其中，T1，T2，T3，T4代表四旋翼无人机201的四个旋翼分别产生的向上的推力。
在上述各实施例的基础上，本公开的一些实施例中，姿态环动力学模型与无人机围绕Xb轴、Yb轴、Zb轴旋转的转动惯量、转动力矩，以及姿态角相关。
示例性的，姿态环动力学模型由以下表达式限定，但不限于此，本公开不具体限制：
Figure GDA0003644573720000101
其中，Ix，Iy，Iz代表无人机相对Xb轴、Yb轴、Zb轴的转动惯量，Uφ，Uθ，Uψ表示无人机围绕Xb轴、Yb轴、Zb轴的转动力矩，
Figure GDA0003644573720000102
代表θ，φ，ψ对应的一阶导数。
在上述各实施例的基础上，进一步的对姿态环动力学模型进行变换处理，得到线性化的姿态环动力学模型。
具体的，此时假设四旋翼无人机201处于悬停模式，即Fz＝mg，则偏航角ψ为0。根据小角度假设理论，假设四旋翼无人机201的俯仰角θ、滚转角φ、偏航角ψ此时为：sinθ＝θ，cosθ＝1，sinφ＝φ，cosφ＝1，对预先构建的姿态环动力学模型进行变换处理，得到线性化的姿态环动力学模型，该线性化的姿态环动力学模型表达式如下：
Figure GDA0003644573720000103
在上述实施例的基础上，确定线性化的姿态环动力学模型、无人机的总推力与该无人机的电机输入限制参数之间的关系式，电机输入限制参数是与电机的脉冲宽度调制输入相关参数。
反推关系式，得到电机输入限制参数表达式。
具体的，通过对姿态环动力学模型进行变换处理得到线性化的姿态环动力学模型，根据线性化的姿态环动力学模型，四旋翼无人机201的总推力Fz＝mg，与四旋翼无人机201的电机输入限制参数之间的关系式，该关系式的表达式如下：
Figure GDA0003644573720000104
其中，Kf代表四旋翼无人机201的总推力Fz与电机输入之间的增益，u1、u2、u3、u4代表四旋翼无人机201的四个电机的输入限制参数，是与电机的脉冲宽度调制输入相关参数。
在上述实施例的基础上，对线性化的姿态环动力学模型、无人机的总推力、力矩与该无人机的电机输入限制参数之间的关系式进行反推，从而得到电机输入限制参数表达式，该电机输入限制参数表达式如下：
Figure GDA0003644573720000111
Figure GDA0003644573720000112
Figure GDA0003644573720000113
Figure GDA0003644573720000114
其中，w代表四旋翼无人机201的Xb轴两个旋翼之间一半的轴距、l代表Yb轴两个旋翼之间的一半的轴距。
在上述各实施例的基础上，本公开的一些实施例中，构造航迹表达式，航迹表达式包含初始飞行航迹信息以及航迹调节系数，航迹调节系数由包含航迹调节参数的表达式确定。其中，构造的航迹表达式如下：
Figure GDA0003644573720000115
其中，(xs，ys)代表四旋翼无人机201的起始点，(xf，yf)代表四旋翼无人机201的目标点，t代表时间，k代表航迹调节系数，wn代表航迹调节参数。
在上述各实施例的基础上，对位置环动力学模型进行变换处理，得到线性化的位置环动力学模型。
具体的，此时假设四旋翼无人机201处于悬停模式，即Fz＝mg，则偏航角ψ为0。根据小角度假设理论，假设四旋翼无人机201的俯仰角θ、滚转角φ、偏航角ψ此时为：sinθ＝θ，cosθ＝1，sinφ＝φ，cosφ＝1，对预先构建的位置环动力学模型进行变换处理，得到线性化的位置环动力学模型，该线性化的位置环动力学模型表达式如下：
Figure GDA0003644573720000121
基于线性化的位置环动力学模型、航迹表达式以及电机输入限制参数表达式求解得到航迹调节参数的数值范围。
具体的，根据电机输入限制参数表达式已知该表达式与俯仰角θ以及滚转角φ的二阶导有关，又根据线性化的位置环动力学模型可以得出俯仰角θ以及滚转角φ的二阶导与x，y的四阶导有关，即该电机输入限制参数表达式还可以如下：
Figure GDA0003644573720000122
Figure GDA0003644573720000123
Figure GDA0003644573720000124
Figure GDA0003644573720000125
其中，x(4)表示x对时间的四阶导数，y(4)表示x对时间的四阶导数。根据构建的四旋翼无人机201的航迹表达式求解x、y的四阶导数，x(4)与y(4)表达式如下：
Figure GDA0003644573720000126
Figure GDA0003644573720000127
将x(4)与y(4)代入电机输入限制参数表达式得到与航迹调节参数wn相关的电机输入限制参数表达式如下：
Figure GDA0003644573720000131
根据上述电机输入限制参数表达式u1可得电机输入限制参数表达式中只有航迹调节参数wn值未知，其他参数均为已知量，根据电机输入限制参数表达式u1大于0且小于1，即可以求得航迹调节参数wn的数值范围。类似的，求解四旋翼无人机201的其它三个旋翼的电机输入限制参数表达式u2，u3，u4，根据其它三个旋翼的电机输入限制参数表达式u2，u3，u4，求解取得其分别所对应的航迹调节参数wn的数值范围。
基于航迹调节参数的数值范围以及航迹表达式，确定最终的飞行航迹信息。
具体的，根据四旋翼无人机201的四个旋翼分别对应的电机输入限制参数表达式u1，u2，u3，u4求解取得其分别所对应的航迹调节参数wn的数值范围，确定最小的航迹调节参数wn的数值范围，进一步利用最小的航迹调节参数wn的数值范围确定最终的飞行航迹信息。
Figure GDA0003644573720000132
这样，本实施例的方案在规划多旋翼无人机的飞行航迹时，同时考虑多旋翼无人机在飞行过程中周围环境存在的障碍物信息等与多旋翼无人机的电机输入限制，利用最小的航迹调节参数wn的数值范围对飞行航迹信息优化调节，避免生成的飞行航迹在跟踪过程超出系统动力学限制，在一定程度上提高了实际应用中多旋翼无人机的自主安全性。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种多旋翼无人机航迹规划装置，该装置包括环境信息获取单元301，第一飞行航迹信息确定单元302，电机输入限制参数确定单元303，第二飞行航迹信息确定单元304。其中，环境信息获取单元301用于获取无人机周围环境信息，环境信息至少包括障碍物信息。第一飞行航迹信息确定单元302用于基于环境信息，生成无人机的初始飞行航迹信息。电机输入限制参数确定单元303用于基于无人机的动力学模型，确定无人机的电机输入限制参数，电机输入限制参数与初始飞行航迹信息相关。第二飞行航迹信息确定单元304用于基于电机输入限制参数对初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。
在本发明实施例一实施方式中，第一飞行航迹信息确定单元302还用于基于障碍物信息，利用强化学习算法生成避障航路点信息；基于避障航路点信息，生成初始飞行航迹信息。
在本发明实施例一实施方式中，电机输入限制参数确定单元303还包括动力学模型构建单元用于预先构建动力学模型，动力学模型包括位置环动力学模型和姿态环动力学模型。其中，位置环动力学模型与所述无人机的姿态角以及总推力相关。姿态环动力学模型与无人机围绕Xb轴、Yb轴、Zb轴旋转的转动惯量、转动力矩，以及姿态角相关。
其中，位置环动力学模型由以下表达式限定：
Figure GDA0003644573720000151
其中，x，y，z分别代表无人机在惯性坐标系下三个坐标轴的位置，
Figure GDA0003644573720000152
代表x，y，z对应坐标的二阶导数，θ代表无人机的俯仰角，即机体坐标系Xb轴与惯性坐标系X轴的夹角，φ代表无人机的滚转角，即无人机机体坐标系Yb轴与惯性坐标系Y轴间的夹角，ψ代表无人机的偏航角，即无人机机体坐标系Zb轴与惯性坐标系Z轴的夹角，m代表无人机的质量，g代表无人机的重力加速度，Fz代表无人机的总推力；
和/或，
姿态环动力学模型由以下表达式限定：
Figure GDA0003644573720000153
其中，Ix，Iy，Iz代表无人机相对Xb轴、Yb轴、Zb轴的转动惯量，Uφ，Uθ，Uψ表示无人机围绕Xb轴、Yb轴、Zb轴的转动力矩，
Figure GDA0003644573720000154
代表θ，φ，ψ对应的一阶导数。
在本发明实施例一实施方式中，电机输入限制参数确定单元303还用于对姿态环动力学模型进行变换处理，得到线性化的姿态环动力学模型。确定线性化的姿态环动力学模型、无人机的总推力、力矩与该无人机的电机输入限制参数之间的关系式，电机输入限制参数是与电机的脉冲宽度调制输入相关参数。反推关系式，得到电机输入限制参数表达式。
在本发明实施例一实施方式中，第二飞行航迹信息确定单元304还用于构造航迹表达式，航迹表达式包含初始飞行航迹信息以及航迹调节系数，航迹调节系数由包含航迹调节参数的表达式确定。对位置环动力学模型进行变换处理，得到线性化的位置环动力学模型。基于线性化的位置环动力学模型、航迹表达式以及电机输入限制参数表达式求解得到航迹调节参数的数值范围。基于航迹调节参数的数值范围以及航迹表达式，确定最终的飞行航迹信息。其中，航迹表达式为：
Figure GDA0003644573720000161
其中，(xs，ys)代表所述多旋翼无人机的起始点，(xf，yf)代表所述多旋翼无人机的目标点，t代表时间，k代表所述航迹调节系数，wn代表所述航迹调节参数。
在上述实施例中，环境信息获取单元301用于获取无人机周围环境信息，环境信息至少包括障碍物信息。第一飞行航迹信息确定单元302用于基于环境信息，生成无人机的初始飞行航迹信息。电机输入限制参数确定单元303用于基于无人机的动力学模型，确定无人机的电机输入限制参数，电机输入限制参数与初始飞行航迹信息相关。第二飞行航迹信息确定单元304用于基于电机输入限制参数对初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。这样，本实施例的方案在规划多旋翼无人机的飞行航迹时，不仅仅只考虑多旋翼无人机在飞行过程中周围环境存在的障碍物信息等，同时考虑了多旋翼无人机自身的动力学限制，即规划多旋翼无人机的飞行航迹时，考虑了多旋翼无人机的电机输入限制，从而生成同时满足碰撞规避与电机输入限制的安全飞行航迹，在一定程度上提高了实际应用中多旋翼无人机飞行的自主安全性。
关于上述实施例中的系统，其中各个模块执行操作的具体方式以及带来的相应技术效果已经在有关该方法的实施例中进行了对应的详细描述，此处将不做详细阐述说明。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。作为模块或单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现木公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
在一个实施例中，提供了一种多旋翼无人机系统，其内部结构图可以如图4所示。该多旋翼无人机系统包括通过系统总线连接的处理器、存储器、通信接口。其中，该多旋翼无人机的处理器用于提供计算和控制能力。该多旋翼无人机的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该多旋翼无人机的通信接口用于与外部的电子设备进行有线或无线方式的通信，无线方式可通过WiFi、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种多旋翼无人机航迹规划方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的多旋翼无人机系统的限定，具体的多旋翼无人机系统可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的多旋翼无人机航迹规划装置可以实现为一种计算机程序的形式，计算机程序可在如图4所示的多旋翼无人机系统运行。多旋翼无人机系统的存储器中可存储组成该多旋翼无人机航迹规划装置的各个程序模块，比如，图3所示的环境信息获取单元301，第一飞行航迹信息确定单元302，电机输入限制参数确定单元303，第二飞行航迹信息确定单元304，各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的多旋翼无人机航迹规划方法中的步骤。
例如，图4所示的多旋翼无人机系统可以通过如图3所示的多旋翼无人机航迹规划装置的环境信息获取单元301执行步骤S101、第一飞行航迹信息确定单元302执行步骤S102、电机输入限制参数确定单元303执行步骤S103、第二飞行航迹信息确定单元304执行步骤S104。
本公开实施例还提供一种多旋翼无人机，包括处理器以及存储器，存储器用于存储所述处理器的可执行指令。该处理器执行计算机程序时实现以下步骤：获取无人机周围环境信息，环境信息至少包括障碍物信息；基于环境信息，生成所述无人机的初始飞行航迹信息；基于无人机的动力学模型，确定无人机的电机输入限制参数表达式；基于电机输入限制参数表达式对初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于障碍物信息，利用强化学习算法生成避障航路点信息；基于避障航路点信息，生成初始飞行航迹信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：预先构建动力学模型，动力学模型包括位置环动力学模型和姿态环动力学模型；其中，位置环动力学模型与无人机的姿态角以及总推力相关；姿态环动力学模型与无人机围绕Xb轴、Yb轴、Zb轴旋转的转动惯量、转动力矩，以及姿态角相关。其中，位置环动力学模型由以下表达式限定：
Figure GDA0003644573720000181
其中，x，y，z分别代表无人机在惯性坐标系下三个坐标轴的位置，
Figure GDA0003644573720000182
代表x，y，z对应坐标的二阶导数，θ代表无人机的俯仰角，即机体坐标系Xb轴与惯性坐标系X轴的夹角，φ代表无人机的滚转角，即无人机机体坐标系Yb轴与惯性坐标系Y轴间的夹角，ψ代表无人机的偏航角，即无人机机体坐标系Zb轴与惯性坐标系Z轴的夹角，m代表无人机的质量，g代表无人机的重力加速度，Fz代表无人机的总推力；
和/或，
姿态环动力学模型由以下表达式限定：
Figure GDA0003644573720000191
其中，Ix，Iy，Iz代表无人机相对Xb轴、Yb轴、Zb轴的转动惯量，Uφ，Uθ，Uψ表示无人机围绕Xb轴、Yb轴、Zb轴的转动力矩，
Figure GDA0003644573720000192
代表θ，φ，ψ对应的一阶导数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对姿态环动力学模型进行变换处理，得到线性化的姿态环动力学模型；确定线性化的姿态环动力学模型、无人机的总推力、力矩与该无人机的电机输入限制参数之间的关系式，电机输入限制参数是与电机的脉冲宽度调制输入相关参数；反推关系式，得到电机输入限制参数表达式。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：构造航迹表达式，航迹表达式包含初始飞行航迹信息以及航迹调节系数，航迹调节系数由包含航迹调节参数的表达式确定；对位置环动力学模型进行变换处理，得到线性化的位置环动力学模型；基于线性化的位置环动力学模型、航迹表达式以及电机输入限制参数表达式求解得到航迹调节参数的数值范围；基于航迹调节参数的数值范围以及航迹表达式，确定最终的飞行航迹信息。其中，航迹表达式为：
Figure GDA0003644573720000193
其中，(xs，ys)代表所述多旋翼无人机的起始点，(xf，yf)代表所述多旋翼无人机的目标点，t代表时间，k代表所述航迹调节系数，wn代表所述航迹调节参数。
在上述实施例中，获取无人机周围环境信息，环境信息至少包括障碍物信息；基于环境信息，生成所述无人机的初始飞行航迹信息；基于无人机的动力学模型，确定无人机的电机输入限制参数表达式；基于电机输入限制参数表达式对初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。这样，本实施例的方案在规划多旋翼无人机的飞行航迹时，不仅仅只考虑多旋翼无人机在飞行过程中周围环境存在的障碍物信息等，同时考虑了多旋翼无人机自身的动力学限制，即规划多旋翼无人机的飞行航迹时，考虑了多旋翼无人机的电机输入限制，从而生成同时满足碰撞规避与电机输入限制的安全飞行航迹，在一定程度上提高了实际应用中多旋翼无人机飞行的自主安全性。
本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取无人机周围环境信息，环境信息至少包括障碍物信息；基于环境信息，生成所述无人机的初始飞行航迹信息；基于无人机的动力学模型，确定无人机的电机输入限制参数表达式；基于电机输入限制参数表达式对初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：基于障碍物信息，利用强化学习算法生成避障航路点信息；基于避障航路点信息，生成初始飞行航迹信息。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：预先构建动力学模型，动力学模型包括位置环动力学模型和姿态环动力学模型；其中，位置环动力学模型与无人机的姿态角以及总推力相关；姿态环动力学模型与无人机围绕Xb轴、Yb轴、Zb轴旋转的转动惯量、转动力矩，以及姿态角相关。其中，位置环动力学模型由以下表达式限定：
Figure GDA0003644573720000201
其中，x，y，z分别代表无人机在惯性坐标系下三个坐标轴的位置，
Figure GDA0003644573720000202
代表x，y，z对应坐标的二阶导数，代表无人机的俯仰角，即机体坐标系Xb轴与惯性坐标系X轴的夹角，φ代表无人机的滚转角，即无人机机体坐标系Yb轴与惯性坐标系Y轴间的夹角，ψ代表无人机的偏航角，即无人机机体坐标系Zb轴与惯性坐标系Z轴的夹角，m代表无人机的质量，g代表无人机的重力加速度，Fz代表无人机的总推力；
和/或，
姿态环动力学模型由以下表达式限定：
Figure GDA0003644573720000211
其中，Ix，Iy，Iz代表无人机相对Xb轴、Yb轴、Zb轴的转动惯量，Uφ，Uθ，Uψ表示无人机围绕Xb轴、Yb轴、Zb轴的转动力矩，
Figure GDA0003644573720000212
代表θ，φ，ψ对应的一阶导数。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：对姿态环动力学模型进行变换处理，得到线性化的姿态环动力学模型；确定线性化的姿态环动力学模型、无人机的总推力与该无人机的电机输入限制参数之间的关系式，电机输入限制参数是与电机的脉冲宽度调制输入相关参数；反推关系式，得到电机输入限制参数表达式。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：构造航迹表达式，航迹表达式包含初始飞行航迹信息以及航迹调节系数，航迹调节系数由包含航迹调节参数的表达式确定；对位置环动力学模型进行变换处理，得到线性化的位置环动力学模型；基于线性化的位置环动力学模型、航迹表达式以及电机输入限制参数表达式求解得到航迹调节参数的数值范围；基于航迹调节参数的数值范围以及航迹表达式，确定最终的飞行航迹信息。其中，航迹表达式为：
Figure GDA0003644573720000213
其中，(xs，ys)代表所述多旋翼无人机的起始点，(xf，yf)代表所述多旋翼无人机的目标点，t代表时间，k代表所述航迹调节系数，wn代表所述航迹调节参数。
在上述实施例中，获取无人机周围环境信息，环境信息至少包括障碍物信息；基于环境信息，生成所述无人机的初始飞行航迹信息；基于无人机的动力学模型，确定无人机的电机输入限制参数表达式；基于电机输入限制参数表达式对初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息。这样，本实施例的方案在规划多旋翼无人机的飞行航迹时，不仅仅只考虑多旋翼无人机在飞行过程中周围环境存在的障碍物信息等，同时考虑了多旋翼无人机自身的动力学限制，即规划多旋翼无人机的飞行航迹时，考虑了多旋翼无人机的电机输入限制，从而生成同时满足碰撞规避与电机输入限制的安全飞行航迹，在一定程度上提高了实际应用中多旋翼无人机飞行的自主安全性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，比如静态随机存取存储器(Static Random Access Memory，SRAM)和动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种多旋翼无人机航迹规划方法，其特征在于，包括：
获取无人机周围环境信息，所述环境信息至少包括障碍物信息；
基于所述环境信息，生成所述无人机的初始飞行航迹信息；
预先构建动力学模型，所述动力学模型包括位置环动力学模型和姿态环动力学模型；
其中，所述位置环动力学模型与所述无人机的姿态角以及总推力相关；
所述姿态环动力学模型与所述无人机围绕Xb轴、Yb轴、Zb轴旋转的转动惯量、转动力矩，以及姿态角相关；
基于所述无人机的动力学模型，确定所述无人机的电机输入限制参数表达式；
基于所述电机输入限制参数表达式对所述初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息；
其中，所述基于所述电机输入限制参数表达式对所述初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息，包括：
构造航迹表达式，所述航迹表达式包含所述初始飞行航迹信息以及航迹调节系数，所述航迹调节系数由包含航迹调节参数的表达式确定；
对所述位置环动力学模型进行变换处理，得到线性化的位置环动力学模型；
基于所述线性化的位置环动力学模型、所述航迹表达式以及所述电机输入限制参数表达式求解得到所述航迹调节参数的数值范围；
基于所述航迹调节参数的数值范围以及所述航迹表达式，确定最终的飞行航迹信息；
所述航迹表达式为：
Figure FDA0003644573710000021
其中，(xs，ys)代表所述多旋翼无人机的起始点，(xf，yf)代表所述多旋翼无人机的目标点，t代表时间，k代表所述航迹调节系数，wn代表所述航迹调节参数。
2.根据权利要求1所述的方法，其特征在于，所述基于所述环境信息，生成所述无人机的初始飞行航迹信息，包括：
基于所述障碍物信息，利用强化学习算法生成避障航路点信息；
基于所述避障航路点信息，生成所述初始飞行航迹信息。
3.根据权利要求1所述的方法，其特征在于，所述位置环动力学模型由以下表达式限定：
Figure FDA0003644573710000022
其中，x，y，z分别代表无人机在惯性坐标系下三个坐标轴的位置，
Figure FDA0003644573710000023
代表x，y，z对应坐标的二阶导数，代表无人机的俯仰角，即机体坐标系Xb轴与惯性坐标系X轴的夹角，φ代表无人机的滚转角，即无人机机体坐标系Yb轴与惯性坐标系Y轴间的夹角，ψ代表无人机的偏航角，即无人机机体坐标系Zb轴与惯性坐标系Z轴的夹角，m代表无人机的质量，g代表无人机的重力加速度，Fz代表无人机的总推力；
和/或，
所述姿态环动力学模型由以下表达式限定：
Figure FDA0003644573710000024
其中，Ix，Iy，Iz代表无人机相对Xb轴、Yb轴、Zb轴的转动惯量，Uφ，Uθ,Uψ表示无人机围绕Xb轴、Yb轴、Zb轴的转动力矩，
Figure FDA0003644573710000025
代表θ，φ，ψ对应的一阶导数。
4.根据权利要求3所述的方法，其特征在于，所述基于所述无人机的动力学模型，确定所述无人机的电机输入限制参数表达式，包括：
对所述姿态环动力学模型进行变换处理，得到线性化的姿态环动力学模型；
确定所述线性化的姿态环动力学模型、所述无人机的总推力、力矩与该无人机的电机输入限制参数之间的关系式，所述电机输入限制参数是与电机的脉冲宽度调制输入相关参数；
反推所述关系式，得到所述电机输入限制参数表达式。
5.一种多旋翼无人机航迹规划装置，其特征在于，包括：
环境信息获取单元，用于获取无人机周围环境信息，所述环境信息至少包括障碍物信息；
第一飞行航迹信息确定单元，用于基于所述环境信息，生成所述无人机的初始飞行航迹信息；
动力学模型构建单元用于预先构建所述动力学模型，所述动力学模型包括位置环动力学模型和姿态环动力学模型；
其中，所述位置环动力学模型与所述无人机的姿态角以及总推力相关；
所述姿态环动力学模型与所述无人机围绕Xb轴、Yb轴、Zb轴旋转的转动惯量、转动力矩，以及姿态角相关；
电机输入限制参数确定单元，用于基于所述无人机的动力学模型，确定所述无人机的电机输入限制参数，所述电机输入限制参数与所述初始飞行航迹信息相关；
第二飞行航迹信息确定单元，用于基于所述电机输入限制参数对所述初始飞行航迹信息进行航迹优化调节，得到最终的飞行航迹信息；
所述第二飞行航迹信息确定单元，还用于构造航迹表达式，所述航迹表达式包含所述初始飞行航迹信息以及航迹调节系数，所述航迹调节系数由包含航迹调节参数的表达式确定；
对所述位置环动力学模型进行变换处理，得到线性化的位置环动力学模型；
基于所述线性化的位置环动力学模型、所述航迹表达式以及所述电机输入限制参数表达式求解得到所述航迹调节参数的数值范围；
基于所述航迹调节参数的数值范围以及所述航迹表达式，确定最终的飞行航迹信息；
所述航迹表达式为：
Figure FDA0003644573710000041
其中，(xs，ys)代表所述多旋翼无人机的起始点，(xf，yf)代表所述多旋翼无人机的目标点，t代表时间，k代表所述航迹调节系数，wn代表所述航迹调节参数。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～4任一项所述多旋翼无人机航迹规划方法的步骤。
7.一种多旋翼无人机，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～4任一项所述多旋翼无人机航迹规划方法的步骤。
CN202110227691.9A 2021-03-01 2021-03-01 多旋翼无人机航迹规划方法、装置、介质及多旋翼无人机 Active CN113156984B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110227691.9A CN113156984B (zh) 2021-03-01 2021-03-01 多旋翼无人机航迹规划方法、装置、介质及多旋翼无人机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110227691.9A CN113156984B (zh) 2021-03-01 2021-03-01 多旋翼无人机航迹规划方法、装置、介质及多旋翼无人机

Publications (2)

Publication Number Publication Date
CN113156984A CN113156984A (zh) 2021-07-23
CN113156984B true CN113156984B (zh) 2022-09-09

Family

ID=76883977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110227691.9A Active CN113156984B (zh) 2021-03-01 2021-03-01 多旋翼无人机航迹规划方法、装置、介质及多旋翼无人机

Country Status (1)

Country Link
CN (1) CN113156984B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103592941A (zh) * 2013-10-30 2014-02-19 天津大学 一种飞行速度限制下的无人飞行器航迹规划方法
CN106919181A (zh) * 2016-10-20 2017-07-04 湖南大学 一种无人机避障方法
CN107145991A (zh) * 2017-07-14 2017-09-08 北京航空航天大学 一种考虑路段相关性的时变随机网络动态路径搜索方法
CN110456823A (zh) * 2019-08-27 2019-11-15 北京航空航天大学 一种针对无人机计算与存储能力受限的双层路径规划方法
CN110873565A (zh) * 2019-11-21 2020-03-10 北京航空航天大学 用于城市场景重建的无人机实时路径规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103592941A (zh) * 2013-10-30 2014-02-19 天津大学 一种飞行速度限制下的无人飞行器航迹规划方法
CN106919181A (zh) * 2016-10-20 2017-07-04 湖南大学 一种无人机避障方法
CN107145991A (zh) * 2017-07-14 2017-09-08 北京航空航天大学 一种考虑路段相关性的时变随机网络动态路径搜索方法
CN110456823A (zh) * 2019-08-27 2019-11-15 北京航空航天大学 一种针对无人机计算与存储能力受限的双层路径规划方法
CN110873565A (zh) * 2019-11-21 2020-03-10 北京航空航天大学 用于城市场景重建的无人机实时路径规划方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Collision-free trajectory generation for UAVs using Markov decision process;Xiang Yu 等;《IEEE》;20170727;全文 *
Sense and collision avoidance of Unmanned Aerial Vehicles using Markov Decision Process and flatness approach;Yu Fu 等;《IEEE》;20151231;第714-718页 *
Trajectory Planning and Tracking Strategy Applied to an Unmanned Ground Vehicle in the Presence of Obstacles;Xiaobin Zhou 等;《IEEE》;20201231;全文 *
无人直升机路径规划算法研究;余翔 等;《计算机应用》;20061231;第26卷(第2期);全文 *

Also Published As

Publication number Publication date
CN113156984A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
Miranda-Colorado et al. Robust PID control of quadrotors with power reduction analysis
CN108388270B (zh) 面向安全域的集群无人机轨迹姿态协同控制方法
Song et al. Neuroadaptive fault-tolerant control of quadrotor UAVs: A more affordable solution
Bou-Ammar et al. Controller design for quadrotor uavs using reinforcement learning
Yacef et al. Observer-based adaptive fuzzy backstepping tracking control of quadrotor unmanned aerial vehicle powered by Li-ion battery
Doukhi et al. Neural network-based robust adaptive certainty equivalent controller for quadrotor UAV with unknown disturbances
Alexopoulos et al. A comparative study of collision avoidance techniques for unmanned aerial vehicles
WO2020177267A1 (zh) 四旋翼无人机的控制方法、装置、设备及可读介质
Gramajo et al. An efficient energy constraint based UAV path planning for search and coverage
Şahin et al. Simultaneous autonomous system and powerplant design for morphing quadrotors
Trachte et al. Multi-rotor with suspended load: System dynamics and control toolbox
Lucia et al. A hybrid command governor scheme for rotary wings unmanned aerial vehicles
Jackson et al. Tracking controllers for small UAVs with wind disturbances: Theory and flight results
Yang et al. Anti‐swing control and trajectory planning of quadrotor suspended payload system with variable length cable
Abdulkareem et al. Modeling and nonlinear control of a quadcopter for stabilization and trajectory tracking
Yao et al. Hierarchical path generation for distributed mission planning of UAVs
Padhi et al. Neuro-adaptive augmented dynamic inversion based PIGC design for reactive obstacle avoidance of UAVs
Carvalho et al. Hybrid PID-Fuzzy controller for autonomous UAV stabilization
CN113156984B (zh) 多旋翼无人机航迹规划方法、装置、介质及多旋翼无人机
Orsag et al. State estimation, robust control and obstacle avoidance for multicopter in cluttered environments: Euroc experience and results
Becce et al. Optimal path planning for autonomous spraying uas framework in precision agriculture
Johnson et al. Adaptive guidance and control for autonomous hypersonic vehicles
Benzaid et al. Robust trajectory tracking control of a quadrotor UAV
Son et al. Model predictive control of a multi-rotor with a slung load for avoiding obstacles
Pereira et al. MPC based feedback-linearization strategy of a fixed-wing UAV

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