CN113190032A - 一种应用于多场景的无人机感知规划系统、方法及无人机 - Google Patents
一种应用于多场景的无人机感知规划系统、方法及无人机 Download PDFInfo
- Publication number
- CN113190032A CN113190032A CN202110504181.1A CN202110504181A CN113190032A CN 113190032 A CN113190032 A CN 113190032A CN 202110504181 A CN202110504181 A CN 202110504181A CN 113190032 A CN113190032 A CN 113190032A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- ground
- infrared sensor
- flight
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000008447 perception Effects 0.000 title claims description 36
- 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 abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000010223 real-time analysis Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000003672 processing method Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007480 spreading Effects 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
- G05D1/08—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
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
本发明属于无人机飞行控制技术领域,公开了一种应用于多场景的无人机感知规划系统、方法及无人机,地面的红外传感器在探测区域内获取无人机反射或者散射回地面的红外传感器的飞行参数;地面的红外传感器将获取的飞行参数传输至地面站,地面站通过与无人机先前传输的飞行数据与地面的红外传感器将获取的飞行参数进行数据汇合,得到无人机主体和客体的不同来源数据,进行实时分析;得到无人机主体携带的传感器工作状态是否健康。本发明可使无人机判断传感器工作状态保障安全飞行,与现有的解析余度方法和搭载冗余设备的技术相比,本发明经济性和安全性上更有优势。本发明不会干扰临近的无线电设备,因此在探测、测量等领域具有广泛是用途。
Description
技术领域
本发明属于无人机飞行控制技术领域,尤其涉及一种应用于多场景的无人机感知规划系统、方法及无人机。
背景技术
目前,感知技术是飞控保证安全飞行的重要组成部分,无人机飞行控制系统是保证飞行稳定和控制飞行姿态的核心子系统,当前UAV系统中的感知技术基于陀螺仪、加速度计、磁罗盘、气压计、GNSS模块等传感器设备获取当前的自身飞行状态参数并同时以雷达、激光雷达、超声波等传感器设备采用一定的算法将所有的感知环境信息需转换至统一的全局坐标中进行下一步规避和路径规划。
近些年来,随着无人机的市场扩大无人机的运用越发广泛,如何保障安全可靠的飞行更需要重视的命题。对于传感器本身是属于精密部件,需正确校准,无人机各个系统中均存在各种各样的传感器,传感器的工作状态健康是无人机能够保证无人机在各种复杂的工作环境和满足不同工作需求下的先决条件,因此传感器是无人机飞控系统的非常重要的构件,据统计无人机的故障多是产生在飞控系统,而其中多是因为传感器工作不正常将错误的信号反馈或者发生故障而导致飞行事故。(环境感知在精度、可靠性上均有一定不足,传感器测量不准,延迟大还有特殊情况传感器测量时不知自己测量状况是否健康准确,这样状况下飞行的无人机可能造成一定的财产损失同时还具有极大的安全隐患。)
当前有两种普遍的解决方法。
解决方法一,是采用基于信息融合的解析余度方法,此方法是以传感器信息之间的物理相关性来计算相关对象的数值,从而作为余度信息,当传感器发生故障时,仍能提供传感器的测量值维持系统的正常工作。但是目前对于传感器数据源是单一的,在计算精度上可能也会有所忽略的高次项而使其精度不够的。
解决方法二,无人机搭载冗余设备,如果某个传感器出现故障,这时备份设备可以运行无人机使其正常飞行,可靠性相对较高。但由于机载空间和重量的限制条件,冗余设备的搭载现在更多的运用在大型航时航程长的无人机上,因此在小型的无人机上不仅设备受限而且经济性也差。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有技术中,对于无人机传感器的工作状态判断准确率低,会进一步造成无人机飞行安全可靠差。
(2)现有技术中,在解决无人机工作状态判断精准度的开发、维护上存在成本高。
(3)无人机飞行参数来源单一,一旦一个或者多个传感器出现问题,则对无人机是毁灭性的打击。
解决以上问题及缺陷的难度为:搭载冗余设备的无人机经济性和兼容性差,而想兼顾经济性和准确性的智能算法还尚未成熟,无法保证现在的无人机设备的稳定有效的安全。
解决以上问题及缺陷的意义为:通过本发明无人机传感器的工作状态健康的判断能够实现飞行安全可靠,同时降低无人机在开发、维护的成本还避免一定的安全隐患。
发明内容
针对现有技术存在的问题,本发明提供了一种应用于多场景的无人机感知规划系统、方法及无人机。涉及一种基于一定区域里的红外传感器对无人机飞行轨迹的数据采集方法。
本发明是这样实现的,一种应用于多场景的无人机感知规划系统的数据处理方法,包括:
地面的红外传感器在探测区域内获取无人机反射或者散射回所述地面的红外传感器的飞行参数;
所述地面的红外传感器将获取的所述飞行参数传输至地面站,所述地面站通过与无人机先前传输的飞行数据与所述地面的红外传感器将获取的所述飞行参数进行数据汇合,得到无人机主体和客体的不同来源数据,进行实时分析;得到无人机主体携带的传感器工作状态是否健康。
进一步,所述地面的红外传感器在探测区域内获取无人机反射或者散射回所述地面的红外传感器的飞行参数的方法,包括:
在一定区域内部署一定个数的红外传感器,记为i个;以该区域中心位置建立x轴、y轴和z轴的坐标空间,将i个红外传感器位置在坐标上表示,无人机进入离开单个红外传感器范围的时间分别为ti1,ti2。
进一步,所述地面的红外传感器将获取的飞行参数传输至地面站中,在适当的区域安装一定角度的红外线传感器;在规定单位时间j里,地面的红外传感器向地面站传输相关飞行数据。
进一步,所述得到无人机主体携带的传感器工作状态是否健康的方法具体包括:
进行地面的红外线传感器实时分析的传输数据函数和无人机主体携带的各传感器交互信息有效性函数的融合,待无人机飞过某一区域里的红外线传感器范围,红外线传感器上传数据至地面站,进而与无人机自身携带的传感器反馈的数据对比分析,实现传感器的工作状态判断。
进一步,如果对比偏差值大,则无人机飞控系统实施制动指令。
本发明的另一目的在于提供一种实施所述数据处理方法的应用于多场景的无人机感知规划系统,所述应用于多场景的无人机感知规划系统包括:
三维地图建模模块,以雷达、红外线或者光流传感器获取相应的信息形成以机体坐标系为中心的本地坐标系下进行环境量测信息建模占用网格式的地图,对提取的三维图像特征进行有效的提取、存储、编辑和记忆,构建准确表征的三维空间;
即时感知即时规划模块,在环境约束条件、自身性能约束下,在实验区域完成相关遗传算法的基因编码产生航迹个体的适应度,再进一步完成相关选择交换操作,在当前航迹节点上计算当前随机角度和长度是否满足约束条件或者当前航迹点上随机选择n个满足约束条件的节点加入航迹节点来产生初始群种,寻找效率更高的航迹规划;
规避机制模块,从定义空间坐标(x,y,z)为航迹点在坐标设定下相关的飞行姿态的偏向角,俯仰角,飞行高度、速度、时间为飞行规则约束,以禁飞区域,障碍地形区域为地理环境约束,以不可预测冲突为特定约束,根据不同的算法定义不同的函数满足实际的安全飞行规避。
进一步,三维地图建模模块,还包括无人机机载的运动传感器、惯性测量单元传感器,用于向地面站传输的飞行数据;
所述应用于多场景的无人机感知规划系统进一步包括:
无人机飞控系统,用于三维地图建模模块、即时感知即时规划模块分析中,如果偏差值大,则实施制动指令。
本发明的另一目的在于提供一种搭载所述应用于多场景的无人机感知规划系统的无人机。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
地面的红外传感器在探测区域内获取无人机反射或者散射回所述地面的红外传感器的飞行参数;
所述地面的红外传感器将获取的所述飞行参数传输至地面站,所述地面站通过与无人机先前传输的飞行数据与所述地面的红外传感器将获取的所述飞行参数进行数据汇合,得到无人机主体和客体的不同来源数据,进行实时分析;得到无人机主体携带的传感器工作状态是否健康。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
地面的红外传感器在探测区域内获取无人机反射或者散射回所述地面的红外传感器的飞行参数;
所述地面的红外传感器将获取的所述飞行参数传输至地面站,所述地面站通过与无人机先前传输的飞行数据与所述地面的红外传感器将获取的所述飞行参数进行数据汇合,得到无人机主体和客体的不同来源数据,进行实时分析;得到无人机主体携带的传感器工作状态是否健康
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明采用的红外传感器的红外线不易发生散射,有较强的穿透能力,还具有抗干扰能力强、易于产生、对环境影响小、不会干扰临近的无线电设备因此在探测、测量等等领域具有广泛是用途。
本发明可使无人机判断传感器工作状态保障安全飞行,与现有的解析余度方法和搭载冗余设备的技术相比,这种方式的经济性和安全性上更有优势。无人机在飞行至某一区域时,通过无人机对红外传感器的反射或者散射回传感器而得到飞行参数探测得出无人机此时飞行在某一具体编号χ的单个红外传感器里总体坐标体系里的x、y、z具体数值从而得出具体位置并且通过一定时间间隔下持续反馈数据可以得出飞具体行轨迹。同时在对于无人机本体的传感器工作状态也能够通过与区域里的红外传感器反馈的数据建立函数实时监控对比判断传感器的工作情况。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的应用于多场景的无人机感知规划系统的数据处理方法流程图。
图2是本发明实施例提供的建立的基本感知与规避模块系统图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种应用于多场景的无人机感知规划系统、方法及无人机,下面结合附图对本发明作详细的描述。
如图1所示,本发明提供一种应用于多场景的无人机感知规划系统的数据处理方法包括:
S101,在一定区域内部署一定个数的红外传感器,记为i个。以该区域中心位置建立x轴、y轴和z轴的坐标空间,将i个红外传感器位置在坐标上表示,无人机进入离开单个红外传感器范围的时间分别为ti1,ti2。
S102,为了减少红外传感器的相互发射红外线和接收红外线的相互干扰,需要在适当的区域安装一定角度的的红外线传感器。在规定单位时间j里,传感器向地面站传输相关飞行数据。
S103,完成传感器实时分析的传输数据函数和各传感器交互信息有效性函数的建立,待无人机飞过某一区域里的传感器范围,传感器上传数据至地面站,进而与无人机自身传感器反馈的数据对比分析实现传感器的工作状态判断。
在本发明中,如果对比偏差值较大则无人机飞控系统采取一定的制动措施的指令,保证安全的飞行状态。
本发明提供的应用于多场景的无人机感知规划系统及方法,业内的普通技术人员还可以采用其他的步骤实施,图1的本发明提供的仅仅是一个具体实施例而已。
在本发明中,提供的应用于多场景的无人机感知规划系统包括:
三维地图建模模块,运用无人机机载运动传感器、惯性测量单元传感器等常规配置外,以雷达、红外线或者光流传感器等获取相应的信息形成以机体坐标系为中心的本地坐标系下进行环境量测信息建模占用网格式的地图,对提取的三维图像特征进行有效的提取、存储、编辑和记忆,构建一个合理、准确表征的空间三维环境。
即时感知即时规划模块,无人机感知决策是一个寻优问题,在环境约束条件、自身性能约束下,在实验区域完成相关遗传算法的基因编码产生航迹个体的适应度,再进一步完成相关选择交换等操作,在当前航迹节点上计算当前随机角度和长度是否满足约束条件或者当前航迹点上随机选择n个满足约束条件的节点加入航迹节点来产生初始群种,逐渐提高初始群种的质量,寻找效率更高的航迹规划。
规避机制模块,从定义空间坐标(x,y,z)为航迹点在坐标设定下相关的飞行姿态的偏向角,俯仰角,飞行高度、速度、时间为飞行规则约束,以禁飞区域,障碍地形区域为地理环境约束,以不可预测冲突为特定约束,根据不同的算法定义不同的函数来满足实际安全飞行的规避要求。
下面结合具体实施例对本发明作进一步描述。
采用智能集群的方式。本发明采用无人机智能集群的方式使单个无人机通过彼此的互相感知交流、信息传递、协同工作在不同环境下完成多种任务。该项目的研究能有效地节约成本提高无人机的执行效率,具有推广价值。
建立环境感知与避障系统。本发明基于无人机的线路规划,利用无人机在空中作业的优势建立3D地图,然后设定行进路线并识别途中的障碍物绕行。环境感知与避障系统能在最大能力范围之内减少无人机能源消耗以及损失,具有节约成本和提高运行效率的优势。
实用性强。本发明的结果对城市管理及交通运输的帮助极大,无人机的空中作业不仅能提供多角度观察,还能减少人力物力的消耗。而且通过智能系统的操控,无人机操作更加简单,该项目具有较高的实用性。
本发明在现有的智能集群的情况下,与传统的感知系统相比,通过建模等方式使无人机对于环境的感知与认识更加立体形象,智能度更高。并且通过环境与感知系统使得无人机能够在更为复杂的环境中作业,完善现有的感知系统,让本发明提供的无人机的实施更加实际且经济效益更高。
下面结合无人机系统建模、对无人机集群环境感知进行试验分析对本发明作进一步描述。
(1)建立如图基本感知与规避模块系统;如图2所示。
(2)在该模块下分析其它多碰撞威胁,多任务复杂场景下态势评估及路线可靠性的应用。
(3)测试系统初步完成情况;
在VC、MATLAB等仿真平台上完成在平稳飞行下完成规避机制的航迹偏角变化量、航迹段范围、航迹俯仰角等航迹代价高低分析航迹规划的障碍回避性能,地形跟随能力,规划效率高低情况。
(4)完成试验,进行数据分析整理,完善改进环境感知能力。
(5)完成数据评估记录;本发明针对无人机的感知与规划现状进行分析,借鉴现有的技术,通过遗传算法、群优化算法、聚类算法、hop-field神经网络算法等进行模型分析,进行系统分析后通过实时模拟飞行进行检验,并不断优化系统,最后,基于感知信息属性进行控制器设计,并记录本次发明的重要数据。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种应用于多场景的无人机感知规划系统的数据处理方法,其特征在于,所述应用于多场景的无人机感知规划系统的数据处理方法包括:
地面的红外传感器在探测区域内获取无人机反射或者散射回所述地面的红外传感器的飞行参数;
所述地面的红外传感器将获取的所述飞行参数传输至地面站,所述地面站通过与无人机先前传输的飞行数据与所述地面的红外传感器将获取的所述飞行参数进行数据汇合,得到无人机主体和客体的不同来源数据,进行实时分析;得到无人机主体携带的传感器工作状态是否健康。
2.如权利要求1所述应用于多场景的无人机感知规划系统的数据处理方法,其特征在于,所述地面的红外传感器在探测区域内获取无人机反射或者散射回所述地面的红外传感器的飞行参数的方法,包括:
在一定区域内部署一定个数的红外传感器,记为i个;以该区域中心位置建立x轴、y轴和z轴的坐标空间,将i个红外传感器位置在坐标上表示,无人机进入离开单个红外传感器范围的时间分别为ti1,ti2。
3.如权利要求1所述应用于多场景的无人机感知规划系统的数据处理方法,其特征在于,所述地面的红外传感器将获取的飞行参数传输至地面站中,在适当的区域安装一定角度的红外线传感器;在规定单位时间j里,地面的红外传感器向地面站传输相关飞行数据。
4.如权利要求1所述应用于多场景的无人机感知规划系统的数据处理方法,其特征在于,所述得到无人机主体携带的传感器工作状态是否健康的方法具体包括:
进行地面的红外线传感器实时分析的传输数据函数和无人机主体携带的各传感器交互信息有效性函数的融合,待无人机飞过某一区域里的红外线传感器范围,红外线传感器上传数据至地面站,进而与无人机自身携带的传感器反馈的数据对比分析,实现传感器的工作状态判断。
5.如权利要求4所述应用于多场景的无人机感知规划系统的数据处理方法,其特征在于,如果对比偏差值大,则无人机飞控系统实施制动指令。
6.一种实施权利要求1~5任意一项所述数据处理方法的应用于多场景的无人机感知规划系统,其特征在于,所述应用于多场景的无人机感知规划系统包括:
三维地图建模模块,以雷达、红外线或者光流传感器获取相应的信息形成以机体坐标系为中心的本地坐标系下进行环境量测信息建模占用网格式的地图,对提取的三维图像特征进行有效的提取、存储、编辑和记忆,构建准确表征的三维空间;
即时感知即时规划模块,在环境约束条件、自身性能约束下,在实验区域完成相关遗传算法的基因编码产生航迹个体的适应度,再进一步完成相关选择交换操作,在当前航迹节点上计算当前随机角度和长度是否满足约束条件或者当前航迹点上随机选择n个满足约束条件的节点加入航迹节点来产生初始群种,寻找效率更高的航迹规划;
规避机制模块,从定义空间坐标(x,y,z)为航迹点在坐标设定下相关的飞行姿态的偏向角,俯仰角,飞行高度、速度、时间为飞行规则约束,以禁飞区域,障碍地形区域为地理环境约束,以不可预测冲突为特定约束,根据不同的算法定义不同的函数满足实际的安全飞行规避。
7.如权利要求6所述的应用于多场景的无人机感知规划系统,其特征在于,
三维地图建模模块,还包括无人机机载的运动传感器、惯性测量单元传感器,用于向地面站传输的飞行数据;
所述应用于多场景的无人机感知规划系统进一步包括:
无人机飞控系统,用于三维地图建模模块、即时感知即时规划模块分析中,如果偏差值大,则实施制动指令。
8.一种搭载如权利要求6~7任意一项所述应用于多场景的无人机感知规划系统的无人机。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
地面的红外传感器在探测区域内获取无人机反射或者散射回所述地面的红外传感器的飞行参数;
所述地面的红外传感器将获取的所述飞行参数传输至地面站,所述地面站通过与无人机先前传输的飞行数据与所述地面的红外传感器将获取的所述飞行参数进行数据汇合,得到无人机主体和客体的不同来源数据,进行实时分析;得到无人机主体携带的传感器工作状态是否健康。
10.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
地面的红外传感器在探测区域内获取无人机反射或者散射回所述地面的红外传感器的飞行参数;
所述地面的红外传感器将获取的所述飞行参数传输至地面站,所述地面站通过与无人机先前传输的飞行数据与所述地面的红外传感器将获取的所述飞行参数进行数据汇合,得到无人机主体和客体的不同来源数据,进行实时分析;得到无人机主体携带的传感器工作状态是否健康。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110504181.1A CN113190032A (zh) | 2021-05-10 | 2021-05-10 | 一种应用于多场景的无人机感知规划系统、方法及无人机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110504181.1A CN113190032A (zh) | 2021-05-10 | 2021-05-10 | 一种应用于多场景的无人机感知规划系统、方法及无人机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113190032A true CN113190032A (zh) | 2021-07-30 |
Family
ID=76988566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110504181.1A Pending CN113190032A (zh) | 2021-05-10 | 2021-05-10 | 一种应用于多场景的无人机感知规划系统、方法及无人机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113190032A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113900445A (zh) * | 2021-10-13 | 2022-01-07 | 厦门渊亭信息科技有限公司 | 基于多智能体强化学习的无人机协同控制训练方法及系统 |
CN114003037A (zh) * | 2021-10-29 | 2022-02-01 | 深圳市优必选科技股份有限公司 | 紫外线消杀方法、装置、机器人及计算机可读存储介质 |
CN115657706A (zh) * | 2022-09-22 | 2023-01-31 | 中铁八局集团第一工程有限公司 | 基于无人机的地貌测量方法及系统 |
CN116412831A (zh) * | 2023-06-12 | 2023-07-11 | 中国电子科技集团公司信息科学研究院 | 面向应召反潜的多无人机动态避障航路规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030139860A1 (en) * | 2001-11-16 | 2003-07-24 | Mcbrien Gary M. | Method of detecting in-range engine sensor faults |
CN207147634U (zh) * | 2017-08-16 | 2018-03-27 | 上海融军科技有限公司 | 无人机定位及位置显示装置 |
CN110667884A (zh) * | 2019-09-24 | 2020-01-10 | 蚌埠和能信息科技有限公司 | 一种飞行器的实时检测装置 |
CN111123700A (zh) * | 2019-11-21 | 2020-05-08 | 浙江大学 | 约束全程满足的高超声速飞行器绕障飞行最优控制系统 |
CN111260615A (zh) * | 2020-01-13 | 2020-06-09 | 重庆交通大学 | 基于激光和机器视觉融合的无人机桥梁表观病害检测方法 |
CN111572760A (zh) * | 2020-05-07 | 2020-08-25 | 重庆交通大学 | 一种无人机用起落架减震控制系统及方法 |
-
2021
- 2021-05-10 CN CN202110504181.1A patent/CN113190032A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030139860A1 (en) * | 2001-11-16 | 2003-07-24 | Mcbrien Gary M. | Method of detecting in-range engine sensor faults |
CN207147634U (zh) * | 2017-08-16 | 2018-03-27 | 上海融军科技有限公司 | 无人机定位及位置显示装置 |
CN110667884A (zh) * | 2019-09-24 | 2020-01-10 | 蚌埠和能信息科技有限公司 | 一种飞行器的实时检测装置 |
CN111123700A (zh) * | 2019-11-21 | 2020-05-08 | 浙江大学 | 约束全程满足的高超声速飞行器绕障飞行最优控制系统 |
CN111260615A (zh) * | 2020-01-13 | 2020-06-09 | 重庆交通大学 | 基于激光和机器视觉融合的无人机桥梁表观病害检测方法 |
CN111572760A (zh) * | 2020-05-07 | 2020-08-25 | 重庆交通大学 | 一种无人机用起落架减震控制系统及方法 |
Non-Patent Citations (1)
Title |
---|
何光勤 等: "基于遗传算法的无人机三维航迹规划研究", 《价值工程》, 31 December 2020 (2020-12-31), pages 215 - 218 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113900445A (zh) * | 2021-10-13 | 2022-01-07 | 厦门渊亭信息科技有限公司 | 基于多智能体强化学习的无人机协同控制训练方法及系统 |
CN114003037A (zh) * | 2021-10-29 | 2022-02-01 | 深圳市优必选科技股份有限公司 | 紫外线消杀方法、装置、机器人及计算机可读存储介质 |
CN115657706A (zh) * | 2022-09-22 | 2023-01-31 | 中铁八局集团第一工程有限公司 | 基于无人机的地貌测量方法及系统 |
CN116412831A (zh) * | 2023-06-12 | 2023-07-11 | 中国电子科技集团公司信息科学研究院 | 面向应召反潜的多无人机动态避障航路规划方法 |
CN116412831B (zh) * | 2023-06-12 | 2023-09-19 | 中国电子科技集团公司信息科学研究院 | 面向应召反潜的多无人机动态避障航路规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113190032A (zh) | 一种应用于多场景的无人机感知规划系统、方法及无人机 | |
You et al. | Data fusion of UWB and IMU based on unscented Kalman filter for indoor localization of quadrotor UAV | |
CN111309015A (zh) | 一种融合多传感器的变电站巡检机器人定位导航系统 | |
CN112214019A (zh) | 一种无人巡检设备无盲区智能反馈控制系统、方法、终端 | |
CN111983936A (zh) | 一种无人机半物理仿真系统及测评方法 | |
Gurriet et al. | Towards a generic and modular geofencing strategy for civilian UAVs | |
CN112817331A (zh) | 一种基于多机协同的林业信息智能监测系统 | |
CN109903367B (zh) | 构建地图的方法、装置和计算机可读存储介质 | |
Ma et al. | Left-turn conflict identification at signal intersections based on vehicle trajectory reconstruction under real-time communication conditions | |
Kochenderfer et al. | A comprehensive aircraft encounter model of the national airspace system | |
CN114815890A (zh) | 基于无人机的动态目标追踪系统设计 | |
CN118334915B (zh) | 一种无人机航线冲突优化调度系统及方法 | |
CN112067058A (zh) | 一种探测岩溶通道的自动监测设备与使用方法 | |
CN117260757A (zh) | 一种基于巡检数据的机器人巡检系统 | |
Wang et al. | Cooperative persistent surveillance on a road network by multi-UGVs with detection ability | |
CN117572883A (zh) | 基于高光谱遥感和激光雷达遥感的无人机数据采集系统 | |
CN116658828A (zh) | 基于cim数字孪生技术的燃气管网无人机巡检系统及方法 | |
CN117685953A (zh) | 面向多无人机协同定位的uwb与视觉融合定位方法及系统 | |
CN114049767B (zh) | 一种边缘计算方法、装置及可读存储介质 | |
Ariante | Embedded system for precision positioning, detection, and avoidance (PODA) for small UAS | |
EP4278320A1 (en) | Systems and methods for monitoring lidar sensor health | |
CN117724059A (zh) | 基于卡尔曼滤波算法的多源传感器融合航迹校正方法 | |
CN116719247A (zh) | 一种数字太空仿真系统及方法 | |
CN116629106A (zh) | 移动机器人运行场景的准数字孪生方法、系统、设备及介质 | |
Huang et al. | Energy-efficient UAV flight planning for a general poi-visiting problem with a practical energy model |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |
|
RJ01 | Rejection of invention patent application after publication |