CN114047785B - 一种无人机集群协同搜索多运动目标的方法和系统 - Google Patents
一种无人机集群协同搜索多运动目标的方法和系统 Download PDFInfo
- Publication number
- CN114047785B CN114047785B CN202111423718.8A CN202111423718A CN114047785B CN 114047785 B CN114047785 B CN 114047785B CN 202111423718 A CN202111423718 A CN 202111423718A CN 114047785 B CN114047785 B CN 114047785B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- radius
- searched
- target
- 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 61
- 230000010365 information processing Effects 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000033001 locomotion Effects 0.000 claims description 18
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 230000005693 optoelectronics Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 230000006872 improvement Effects 0.000 abstract description 10
- 238000007796 conventional method Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 11
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003016 pheromone Substances 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
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
本发明涉及一种无人机集群协同搜索多运动目标的方法和系统,属于无人机技术领域,解决了现有方法由于场景复杂度的提升会导致航迹规划的计算量大幅增加,难以满足实时在线规划需求的问题。方法包括:在地面站手动输入任务参数并在地面站的实时地图上选择待搜索圆形区域的初始圆心位置;根据任务参数计算待搜索圆形区域的初始半径并将初始半径和初始圆心位置上传至多个无人机的信息处理模块;基于初始半径和初始圆心位置计算覆盖待搜索圆形区域的航迹;以及在飞行过程中交互飞行信息并根据飞行信息实时调整速度和方向并优化自身航迹以完成对待搜索圆形区域内的所有运动目标的搜索。满足搜索效率的同时,计算量小以满足实时在线规划需求。
Description
技术领域
本发明涉及无人机技术领域,尤其涉及一种无人机集群协同搜索多运动目标的方法和系统。
背景技术
近年来,无人机在军民两用领域都发挥着至关重要的作用。利用无人机执行侦察任务在众多领域都得到了广泛应用,例如对敌区目标情况进行侦察监视,在公海、沙漠或山区展开搜索营救以及对矿藏的资源勘查等。单架无人机由于续航时间短,可搜索的最大区域面积小,抗干扰能力弱以及载荷有限,因此单架无人机执行目标搜索导致任务失败的概率较大。在单架无人机己经无法满足日趋复杂的任务要求的情形下,多无人机协同搜索作为当下的解决复杂任务的手段而诞生,并成为未来无人机行业的研究热点。多无人机组成集群对重点区域进行协同搜索是一类典型的无人机任务,目的是更好地发现目标和获取情报信息。与单架无人机相比,多无人机协同搜索可以更加高效地完成任务,良好地系统冗余性,搜索侦察区域大以及更加可靠。在无人机协同的研究领域中,区域内多无人机对多运动目标的协同搜索追踪问题具有较高的实际应用价值,受到了国内外学者的热切关注和广泛研究。
目前的研究主要针对静止目标,对于环境中的运动目标,目标位置和运动方向均具有不确定性。无人机从远距离搜索那些尝试躲避无人机探测的目标。
从无人机的搜索航迹特征来看可以分为直线搜索任务规划与非直线搜索任务规划。在直线搜索任务规划中为保证搜索效果,通常采用区域全覆盖的搜索方式。现有运动目标的多无人机编队覆盖搜索决策以减小搜索盲区、提高无人机对区域的有效覆盖率为目的,提出了运动目标垂线搜索算法与运动目标斜线搜索算法。现有的地面运动目标的多UAV协同搜索方法研究了传统的垂线搜索算法的不足,提出了并排回寻式搜索算法。现有的多无人机协同搜索区域分割与覆盖针对不规则凸多边形区域的搜索问题,使用了“Z型”航线完成了对区域的全覆盖搜索。
非直线搜索任务规划与直线搜索任务规划相比,更加注重搜索质量多采用分布式架构、概率图、滚动时域、区域回访等方法来提高无人机的搜索质量。带信息素回访机制的多无人机分布式协同目标搜索提出了一种带信息素回访机制的多无人机分布式协同目标搜索。
直线搜索任务规划多以任务区域的全覆盖为目标,具有算法简单、适用性强、可实时在线规划等优点。但由于其无法做到对搜索资源的灵活分配,容易对目标存在概率较低的区域投入过多的搜索资源,造成搜索资源的浪费。所以,在面对初始位置未知且随机运动的目标时,直线搜索任务规划的搜索效果较差。非直线搜索任务规划通过建立复杂的目标函数从全局视角做规划,多采用概率图、滚动时域等方法规划航迹,对于随机运动目标的搜索效果较好。但是面对较大规模的协同搜索规划问题时,场景复杂度的提升会导致航迹规划的计算量大幅增加,进一步导致计算耗时增加难以满足实时在线规划的需求。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种无人机集群协同搜索多运动目标的方法和系统,用以解决现有方法面对较大规模的协同搜索规划时,场景复杂度的提升会导致航迹规划的计算量大幅增加,难以满足实时在线规划需求的问题。
一方面,本发明实施例提供了一种无人机集群协同搜索多运动目标的方法,包括:在地面站手动输入任务参数并在所述地面站的实时地图上选择待搜索圆形区域的初始圆心位置;根据所述任务参数计算所述待搜索圆形区域的初始半径并将所述初始半径和所述初始圆心位置上传至多个无人机的信息处理模块,其中,所述多个无人机均匀分布于所述待搜索圆形区域的圆周上;通过每个无人机的信息处理模块基于所述初始半径和所述初始圆心位置计算覆盖所述待搜索圆形区域的航迹;以及在所述多个无人机的飞行过程中进行飞行信息交互,并根据所述飞行信息实时调整自身的飞行速度和飞行方向并优化自身航迹以完成对所述待搜索圆形区域内的所有运动目标的搜索。
上述技术方案的有益效果如下:本申请的实施例提出一种基于圆形区域的覆盖搜索策略。对于任意给定面积的不确定区域,包围该区域且具有最小周长的图形是圆,因此无人机集群在搜索过程中维持目标集为圆形的搜索策略比矩形等非圆形的搜索策略效率更高。使无人机集群编队在缺乏待搜索区域的先验知识的情况下,可以完成对环境中所有运动目标的遍历搜索,满足搜索效率的同时,计算量小,可以在线计算,具备工程实现条件。
通过以下公式计算所述初始半径:
基于上述方法的进一步改进,所述待搜索圆形区域的航迹包括:沿圆弧O1A左转弯,其中,所述圆弧O1A为以无人机最小转弯半径Rt的圆上的1/4圆弧,其中,O1为无人机的起飞点;沿AB直线飞行;沿圆弧BC右转弯,到达C点时机载传感器投影刚好与目标集边界R(t)相切,以使目标集的面积在最短时间内减少到0,其中,其中,所述圆弧BC为以无人机最小转弯半径Rt的圆上的1/4圆弧;以及在N分之一的扇形区域内沿螺旋曲线飞行,其中,N为所述多个无人机的数量。
基于上述方法的进一步改进,所述螺旋曲线的半径为:
Rp(θf)=Rp2exp[k(θf-θ)],
基于上述方法的进一步改进,在所述多个无人机的飞行过程中进一步包括:每个无人机的光电吊舱实时采集画面并传输给所述每个无人机的信息处理模块;将所述画面输入目标识别模型以对所述多运动目标进行识别,其中,识别结果包括多个运动目标和与每个运动目标相对应的ID号;将所述识别结果传输给所述地面站并在所述地面站中选择无人机编号以在显示屏上显示对应编号的无人机的光电吊舱拍摄的画面;以及当操作员发现所述识别结果中出现所述运动目标时,通过点击所述光电吊舱下方的ID号以确认所述运动目标。
基于上述方法的进一步改进,在通过点击所述光电吊舱下方的ID号以确认所述运动目标之后,进一步包括:通过数据链将确认的运动目标上传至对应无人机的信息处理模块并发送给对应无人机的光电吊舱;所述对应无人机的光电吊舱锁定所述确认的运动目标,控制伺服转动所述光电吊舱以将所述确认的运动目标移动至画面中央并保持跟踪锁定状态,同时所述对应无人机的信息处理模块对所述确认的运动目标进行视觉定位。
基于上述方法的进一步改进,对所述确认的运动目标进行视觉定位之后进一步包括:所述对应无人机的信息处理模块将识别出的运动目标类型和视觉定位的位置输入轨迹规划模块,其中,所述信息处理模块包括轨迹规划模块;以及通过所述轨迹规划模块经由数据链转发给所述多个无人机中的其他无人机。
基于上述方法的进一步改进,在地面站手动输入任务参数之前进一步包括:所述多个无人机上电;所述每个无人机的数据链、飞行控制器、信息处理模块和光电吊舱依次启动;启动所述地面站与多个无人机建立通信连接;确认无人机GPS/北斗卫星定位、遥测信息通信正常;以及吊舱画面及伺服信息在所述地面站显示正常。
另一方面,本发明实施例提供了一种无人机集群协同搜索多运动目标的系统,包括地面站和与所述地面站通信连接的多个无人机,所述地面站,用于手动输入任务参数并在所述地面站的实时地图上选择待搜索圆形区域的初始圆心位置,以及根据所述任务参数计算所述待搜索圆形区域的初始半径;所述多个无人机,均匀分布于所述待搜索圆形区域的圆周上,每个无人机包括信息处理模块,用于从所述地面站接收所述初始半径和所述初始圆心位置;通过每个无人机的信息处理模块基于所述初始半径和所述初始圆心位置计算覆盖所述待搜索圆形区域的航迹;以及在所述多个无人机的飞行过程中进行飞行信息交互,并根据所述飞行信息实时调整自身的飞行速度和飞行方向并优化自身航迹以完成对所述待搜索圆形区域内的所有运动目标的搜索。
基于上述系统的进一步改进,所述信息处理模块包括:视频接收模块、数据分发模块、目标检测模块和轨迹规划模块,其中,所述视频接收模块,用于通过网口从所述光电吊舱接收画面;所述目标检测模块,用于将所述画面输入目标识别模型以对所述多运动目标进行识别,其中,识别结果包括多个运动目标和与每个运动目标相对应的ID号;所述数据分发模块,用于在所述画面上叠加识别框信息后,进行编码,通过所述数据链将所述识别结果传输给所述地面站;以及所述轨迹规划模块,用于视觉识别得到的目标类型和视觉定位得到的位置自动输入轨迹规划模块,并通过机间数据链转发给其他无人机。
与现有技术相比,本发明至少可实现如下有益效果之一:
1、提出一种基于圆形区域的覆盖搜索策略。对于任意给定面积的不确定区域,包围该区域且具有最小周长的图形是圆,因此无人机集群在搜索过程中维持目标集为圆形的搜索策略比矩形等非圆形的搜索策略效率更高。
2、提出一种不确定区域圆形半径和面积估计方法。只要无人机飞行速度大于运动目标,可确保不确定环境中的任意运动目标无论做何种机动都不可能在不被无人机发现的情况下脱离给定的不确定区。
3、提出一种区域覆盖搜索关键航迹点计算方法。基于该系列航迹点,无人机传感器在地面的投影与目标集的重叠部分面积迅速扩大,无人机传感器在地面的投影始终保持完全位于目标集内。
4、考虑区域没有先验信息且目标完全随机运动的特征,设计的基于平均原则的任务分配机制,可以充分利用无人机传感器的探测能力,均匀分散搜索资源,能够引导无人机在搜索效能最高的航道上执行搜索任务,有效提升了多无人机协同搜索追踪的效果。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为根据本发明实施例的无人机集群协同搜索多运动目标的方法的流程图。
图2为根据本发明实施例的单架无人机搜索多运动目标航点示意图。
图3为根据本发明实施例的3架无人机协同搜索2个运动目标航点示意图。
图4为根据本发明实施例的无人机集群协同搜索多运动目标的系统的结构图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明的一个具体实施例,公开了一种无人机集群协同搜索多运动目标的方法。如图1所示,无人机集群协同搜索多运动目标的方法包括:在步骤S102中,在地面站手动输入任务参数并在地面站的实时地图上选择待搜索圆形区域的初始圆心位置;在步骤S104中,根据任务参数计算待搜索圆形区域的初始半径并将初始半径和初始圆心位置上传至多个无人机的信息处理模块,其中,多个无人机均匀分布于待搜索圆形区域的圆周上;在步骤S106中,通过每个无人机的信息处理模块基于初始半径和初始圆心位置计算覆盖待搜索圆形区域的航迹;以及在步骤S108中,在多个无人机的飞行过程中进行飞行信息交互,并根据飞行信息实时调整自身的飞行速度和飞行方向并优化自身航迹以完成对待搜索圆形区域内的所有运动目标的搜索。
与现有技术相比,本实施例提供的无人机集群协同搜索多运动目标的方法中,提出一种基于圆形区域的覆盖搜索策略。对于任意给定面积的不确定区域,包围该区域且具有最小周长的图形是圆,因此无人机集群在搜索过程中维持目标集为圆形的搜索策略比矩形等非圆形的搜索策略效率更高。使无人机集群编队在缺乏待搜索区域的先验知识的情况下,可以完成对环境中所有运动目标的遍历搜索,满足搜索效率的同时,计算量小,可以在线计算,具备工程实现条件。
下文中,将参考图1,对根据本发明实施例的无人机集群协同搜索多运动目标的方法的各个步骤进行详细描述。
首先,多个无人机上电;每个无人机的数据链、飞行控制器、信息处理模块和光电吊舱依次启动;启动地面站与多个无人机建立通信连接;确认无人机GPS/北斗卫星定位、遥测信息通信正常;以及吊舱画面及伺服信息在地面站显示正常。
在步骤S104中,根据任务参数计算待搜索圆形区域的初始半径并将初始半径和初始圆心位置上传至多个无人机的信息处理模块,其中,多个无人机均匀分布于待搜索圆形区域的圆周上。例如,参考图3,多个无人机包括三个无人机,UVA_1、UVA_2和UVA_3。具体地,通过以下公式计算初始半径:
其中,任务参数包括无人机运动速度Vu,待搜索目标最大运动速度Vt,无人机传感器半径Ru。
在步骤S106中,通过每个无人机的信息处理模块基于初始半径和初始圆心位置计算覆盖待搜索圆形区域的航迹。参考图2和图3,待搜索圆形区域的航迹包括:沿圆弧O1A左转弯,其中,圆弧O1A为以无人机最小转弯半径Rt的圆上的1/4圆弧,其中,O1为无人机的起飞点;沿AB直线飞行;沿圆弧BC右转弯,到达C点时机载传感器投影刚好与目标集边界R(t)相切,以使目标集的面积在最短时间内减少到0,其中,其中,圆弧BC为以无人机最小转弯半径Rt的圆上的1/4圆弧;以及在N分之一的扇形区域内沿螺旋曲线飞行,其中,N为多个无人机的数量。例如,在图3中示出了3个无人机。
具体地,螺旋曲线的半径为:
Rp(θf)=Rp2exp[k(θf-θ)]
从C点到O11点的距离为:
在步骤S108中,在多个无人机的飞行过程中进行飞行信息交互,并根据飞行信息实时调整自身的飞行速度和飞行方向并优化自身航迹以完成对待搜索圆形区域内的所有运动目标的搜索。
在多个无人机的飞行过程中进一步包括:每个无人机的光电吊舱实时采集画面并传输给每个无人机的信息处理模块;将画面输入目标识别模型以对多运动目标进行识别,其中,识别结果包括多个运动目标和与每个运动目标相对应的ID号;将识别结果传输给地面站并在地面站中选择无人机编号以在显示屏上显示对应编号的无人机的光电吊舱拍摄的画面;以及当操作员发现识别结果中出现运动目标时,通过点击光电吊舱下方的ID号以确认运动目标。
在通过点击光电吊舱下方的ID号以确认运动目标之后进一步包括:通过数据链将确认的运动目标上传至对应无人机的信息处理模块并发送给对应无人机的光电吊舱;对应无人机的光电吊舱锁定确认的运动目标,控制伺服转动光电吊舱以将确认的运动目标移动至画面中央并保持跟踪锁定状态,同时对应无人机的信息处理模块对确认的运动目标进行视觉定位。
对确认的运动目标进行视觉定位之后进一步包括:对应无人机的信息处理模块将识别出的运动目标类型和视觉定位的位置输入轨迹规划模块,其中,信息处理模块包括轨迹规划模块;以及通过轨迹规划模块经由数据链转发给多个无人机中的其他无人机。
本发明的一个具体实施例,公开了一种无人机集群协同搜索多运动目标的系统。下文中,将参考图4,对根据本发明实施例的无人机集群协同搜索多运动目标的系统进行详细描述。
无人机集群协同搜索多运动目标的系统包括地面站和与地面站通信连接的多个无人机,地面站用于手动输入任务参数并在地面站的实时地图上选择待搜索圆形区域的初始圆心位置,以及根据任务参数计算待搜索圆形区域的初始半径;多个无人机均匀分布于待搜索圆形区域的圆周上,每个无人机包括信息处理模块,用于从地面站接收初始半径和初始圆心位置;通过每个无人机的信息处理模块基于初始半径和初始圆心位置计算覆盖待搜索圆形区域的航迹;以及在多个无人机的飞行过程中进行飞行信息交互,并根据飞行信息实时调整自身的飞行速度和飞行方向并优化自身航迹以完成对待搜索圆形区域内的所有运动目标的搜索。
信息处理模块包括:视频接收模块、数据分发模块、目标检测模块和轨迹规划模块。视频接收模块用于通过网口从光电吊舱接收画面。目标检测模块用于将画面输入目标识别模型以对多运动目标进行识别,其中,识别结果包括多个运动目标和与每个运动目标相对应的ID号。数据分发模块,用于在画面上叠加识别框信息后,进行编码,通过数据链将识别结果传输给地面站。轨迹规划模块用于视觉识别得到的目标类型和视觉定位得到的位置自动输入轨迹规划模块,并通过机间数据链转发给其他无人机。
下文中,将参考图2至图4,以具体实例的方式对根据本发明实施例的无人机集群协同搜索多运动目标的方法进行详细描述。
无人机集群的目标是在尽可能最短的时间内发现目标。这就意味着无人机集群必须保证在时间t内探测到所有的躲避目标,并且t是一个尽可能小的取值。
假定QC是待搜索运动目标所在不确定区域,以圆形区域表示,圆心为人工在地图上选定,其初始半径为R0,待搜索目标的初始位置和运动方向均未知。其中目标最大运动速度为Vtmax,并假定无人机始终以最大运动速度Vu=Vmax飞行,无人机的最小转弯半径Rt。R(t)表示覆盖存在运动目标的不确定区域QC的圆的半径,随时间不断变化。
R(t)=R0+ΔR(Vt,Vu,Ru)
其中无人机运动速度为Vu,目标运动速度为Vt,无人机传感器视场覆盖区域为圆形,其半径为Ru,R0为QC的初始半径。其中无人机的运动速度大于目标运动速度,即Vu>Vt。无人机上运行自动目标识别算法YOLO_V5,目标位于传感器视场内部时即认为目标被探测到。R0的最小值和最大值计算方法如下:
则无人机不停地以(R0min+Ru)为半径做圆周运动,无人机能够保证半径为R0min的不确定环境的面积不会随时间的增加而增大。当时,无人机可以在某一时间t范围内完成对圆形不确定区域QC内所有运动目标的搜索。不确定环境中的任意运动目标无论做何种机动都不可能在不被无人机发现的情况下脱离给定的不确定区。
如附图2所示,以单架无人机搜索运动目标为例,无人机起始位置点为O1,不确定环境中心点为O2,圆O3(Rt)与无人机起始速度方向相切(切点O1),且位于靠近目标集一侧,半径为无人机最小转弯半径Rt。以O2为圆心,分别作半径为R0,R1,R2的圆。其中,
R1=R0-Ru,R2=R(t)-Ru
其中,R(t)=R0+ΔR(Vt,Vu,Ru)
O2A分别与圆O3(Rt),O4(Rt)相切,切点分别为A,B。t0=0,无人机开始起飞,假定无人机的传感器在地面的投影(即传感器视场)与目标集边界相切时无人机飞行时间为t1,飞行距离为L1,t1时刻目标集的最大半径为R1。
本发明提出一种无人机飞行覆盖搜索航迹规划策略:沿圆弧O1A左转弯、沿AB直线飞行,沿圆弧BC右转弯,到达C点时机载传感器投影刚好与目标集边界相切。搜索策略的目标是使目标集的面积在最短时间内减少到0。
搜索策略具体分为以下几个步骤:
1、时刻t0=0,无人机从O1点开始起飞,无人机沿O1A段以最小转弯半径Rt左转弯飞行。
2、无人机沿AB直线飞行。
3、无人机沿BC段以最小转弯半径Rt做右转弯飞行,到达C点。机载传感器投影刚好与目标集边界相切。
4、此后,无人机在螺旋曲线运动,其半径为:
Rp(θf)=Rp2exp[k(θf-θ)]
5、到达O11点,此时对应的目标集半径为R0=R(θf)-Ru=R(2π)-Ru。从C点到O11点的距离为:
6、无人机进入下一个搜索循环。搜索策略重复上述步骤(1-5)直到完成无人机传感器对目标集的完全覆盖。
无人机覆盖搜索不确定区域的主要航迹点计算方法如下:
A(xA,yA)点位置:
xA=R0+Ru-Rt,yA=Rt
B(xB,yB)点位置:
xB=(R0-Ru)·cosθ,yB=Rt
C(xC,yC)点位置:
xC=(R0-Ru-Rt)·cosθ
yC=(R0-Ru-Rt)·sinθ
以3架无人机协同搜索2个运动车辆目标为例,图4是3架固定翼无人机的系统架构图。系统核心部件包括飞行控制器、光电吊舱、数据链、信息处理模块、地面站。飞行控制器控制无人机姿态、调整无人机速度和方向。光电吊舱进行目标区域图像采集。数据链负责无人机机间及空地数据通信传输。信息处理模块进行飞机内部信息的分发、接收光电吊舱影像进行目标检测和轨迹规划。地面站能够显示无人机的飞行状态信息、无人机吊舱画面并记录所有飞机的航迹,地面站具有可以显示实时地图,具有人机交互功能,可以通过鼠标和键盘等外设人工输入飞行任务参数。3架飞机的系统架构保持一致。
特别的,本发明区别与其他发明的核心硬件模块在于信息处理模块,本发明中的航迹规划计算由其中的轨迹规划模块计算。具体步骤如下:
步骤一:3架飞机编号分别为UAV_1,UAV_2和UAV_3。飞机通电后,数据链、飞行控制器、信息处理器、光电吊舱依次启动,启动地面站与机群建立通信连接,确认飞机GPS/北斗卫星定位、遥测信息通信正常,吊舱画面及伺服信息在地面站显示正常。
R0为不确定圆形区域QC的初始半径,由地面站进行计算。计算完成后,地面站点击确认后任务信息上传至各飞机信息处理模块。
步骤三:如图3所示,3架无人机初始位置分别均匀分布于圆周上,即αuav_1=0°,αuav_2=120°,αuav_3=240°。3架无人机分别通过数据链接收到步骤二输入和计算出的初始参数信息。
第一架无人机UAV_1信息处理模块无人机覆盖搜索不确定区域的主要航迹点计算方法如下:
A(xA,yA)点位置:
xA=R0+Ru-Rt,yA=Rt
B(xB,yB)点位置:
xB=(R0-Ru)·cosθ,yB=Rt
C(xC,yC)点位置:
xC=(R0-Ru-Rt)·cosθ
yC=(R0-Ru-Rt)·sinθ
无人机在螺旋曲线飞行的半径:
Rp(θf)=Rp2exp[k(θf-θ)],
第二架无人机UAV_2和第三架无人机UAV_3的与第一架无人机UAV_1计算方法一致。每架无人机将在它之前的无人机开始的地方完成一个循环。
步骤四:飞行过程中,相同构型的飞机以一定的频率不断进行飞机位置、速度、加速度、飞行方向等信息的交换,根据信息实时调整自身的飞行速度、飞行方向,并优化自身航迹,使飞机保持一定的队形,并能够分散执行区域覆盖任务。
步骤五:飞行过程中,光电吊舱实时采集影像,传输给信息处理模块。信息处理模块接收侦察影像,并运行YOLO_V5识别算法对目标进行识别。地面站选择飞机编号,观测对应编号飞机吊舱拍摄的画面,及信息处理模块自动识别的结果,识别到得每一个目标都有一个对应的ID号显示在吊舱画面下方。操作员发现识别结果中出现理想目标,点击吊舱画面下方的ID,进行确认。光电吊舱将该目标锁定,控制伺服转动吊舱让目标移动到画面中央并保持跟踪锁定状态。同时信息处理模块对该目标进行视觉定位。
步骤六:视觉识别得到的目标类型和视觉定位得到的位置自动输入轨迹规划模块,轨迹规划模块通过机间数据链转发给其他两架飞机。
步骤七:任务执行完毕,地面站点击一键降落,所有飞机顺次降落于待降区域。
本发明设计一种多无人机协同搜索多运动目标的方法,使无人机集群编队在缺乏待搜索区域的先验知识的情况下,可以完成对环境中所有运动目标的遍历搜索,满足搜索效率的同时,计算量小,可以在线计算,具备工程实现条件。
1、提出一种基于圆形区域的覆盖搜索策略。对于任意给定面积的不确定区域,包围该区域且具有最小周长的图形是圆,因此无人机集群在搜索过程中维持目标集为圆形的搜索策略比矩形等非圆形的搜索策略效率更高。
2、提出一种不确定区域圆形半径和面积估计方法。只要无人机飞行速度大于运动目标,可确保不确定环境中的任意运动目标无论做何种机动都不可能在不被无人机发现的情况下脱离给定的不确定区。
3、提出一种区域覆盖搜索关键航迹点计算方法。基于该系列航迹点,无人机传感器在地面的投影与目标集的重叠部分面积迅速扩大,无人机传感器在地面的投影始终保持完全位于目标集内。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,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,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种无人机集群协同搜索多运动目标的方法,其特征在于,包括:
在地面站手动输入任务参数并在所述地面站的实时地图上选择待搜索圆形区域的初始圆心位置;
根据所述任务参数计算所述待搜索圆形区域的初始半径并将所述初始半径和所述初始圆心位置上传至多个无人机的信息处理模块,其中,所述多个无人机均匀分布于所述待搜索圆形区域的圆周上,所述任务参数包括无人机运动速度Vu,待搜索目标最大运动速度Vt,无人机传感器半径Ru,其中,所述初始圆心位置的坐标为:/>通过以下公式计算所述初始半径:
通过每个无人机的信息处理模块基于所述初始半径和所述初始圆心位置计算覆盖所述待搜索圆形区域的航迹,其中,所述待搜索圆形区域的航迹包括:沿圆弧O1A左转弯,其中,所述圆弧O1A为以无人机最小转弯半径Rt的圆上的1/4圆弧,其中,O1为无人机的起飞点;沿AB直线飞行;沿圆弧BC右转弯,到达C点时机载传感器投影刚好与目标集边界R(t)相切,以使目标集的面积在最短时间内减少到0,其中,其中,所述圆弧BC为以无人机最小转弯半径Rt的圆上的1/4圆弧;以及在N分之一的扇形区域内沿螺旋曲线飞行,其中,N为所述多个无人机的数量,其中,所述螺旋曲线的半径为:
Rp(θf)=Rp2 exp[k(θf-θ)]
到达O11点,此时对应的目标集半径为R0=R(θf)-Ru=R(2π)-Ru;
从C点到O11点的距离为:
R1=R0-Ru,R2=R(t)-Ru;
其中,R(t)=R0+ΔR(Vt,Vu,Ru);以及
在所述多个无人机的飞行过程中进行飞行信息交互,并根据所述飞行信息实时调整自身的飞行速度和飞行方向并优化自身航迹以完成对所述待搜索圆形区域内的所有运动目标的搜索。
2.根据权利要求1所述的无人机集群协同搜索多运动目标的方法,其特征在于,在所述多个无人机的飞行过程中进一步包括:
每个无人机的光电吊舱实时采集画面并传输给所述每个无人机的信息处理模块;
将所述画面输入目标识别模型以对所述多运动目标进行识别,其中,识别结果包括多个运动目标和与每个运动目标相对应的ID号;
将所述识别结果传输给所述地面站并在所述地面站中选择无人机编号以在显示屏上显示对应编号的无人机的光电吊舱拍摄的画面;以及
当操作员发现所述识别结果中出现所述运动目标时,通过点击所述光电吊舱下方的ID号以确认所述运动目标。
3.根据权利要求2所述的无人机集群协同搜索多运动目标的方法,其特征在于,在通过点击所述光电吊舱下方的ID号以确认所述运动目标之后,进一步包括:
通过数据链将确认的运动目标上传至对应无人机的信息处理模块并发送给对应无人机的光电吊舱;
所述对应无人机的光电吊舱锁定所述确认的运动目标,控制伺服转动所述光电吊舱以将所述确认的运动目标移动至画面中央并保持跟踪锁定状态,同时所述对应无人机的信息处理模块对所述确认的运动目标进行视觉定位。
4.根据权利要求3所述的无人机集群协同搜索多运动目标的方法,其特征在于,对所述确认的运动目标进行视觉定位之后进一步包括:
所述对应无人机的信息处理模块将识别出的运动目标类型和视觉定位的位置输入轨迹规划模块,其中,所述信息处理模块包括轨迹规划模块;以及
通过所述轨迹规划模块经由数据链转发给所述多个无人机中的其他无人机。
5.根据权利要求1所述的无人机集群协同搜索多运动目标的方法,其特征在于,在地面站手动输入任务参数之前进一步包括:
所述多个无人机上电;
所述每个无人机的数据链、飞行控制器、信息处理模块和光电吊舱依次启动;
启动所述地面站与多个无人机建立通信连接;
确认无人机GPS/北斗卫星定位、遥测信息通信正常;以及
吊舱画面及伺服信息在所述地面站显示正常。
6.一种无人机集群协同搜索多运动目标的系统,其特征在于,包括地面站和与所述地面站通信连接的多个无人机,
所述地面站,用于手动输入任务参数并在所述地面站的实时地图上选择待搜索圆形区域的初始圆心位置,以及根据所述任务参数计算所述待搜索圆形区域的初始半径,其中,所述任务参数包括无人机运动速度Vu,待搜索目标最大运动速度Vt,无人机传感器半径Ru,其中,所述初始圆心位置的坐标为:/>通过以下公式计算所述初始半径:
所述多个无人机,均匀分布于所述待搜索圆形区域的圆周上,每个无人机包括信息处理模块,用于:
从所述地面站接收所述初始半径和所述初始圆心位置;
通过每个无人机的信息处理模块基于所述初始半径和所述初始圆心位置计算覆盖所述待搜索圆形区域的航迹,其中,所述待搜索圆形区域的航迹包括:沿圆弧O1A左转弯,其中,所述圆弧O1A为以无人机最小转弯半径Rt的圆上的1/4圆弧,其中,O1为无人机的起飞点;沿AB直线飞行;沿圆弧BC右转弯,到达C点时机载传感器投影刚好与目标集边界R(t)相切,以使目标集的面积在最短时间内减少到0,其中,其中,所述圆弧BC为以无人机最小转弯半径Rt的圆上的1/4圆弧;以及在N分之一的扇形区域内沿螺旋曲线飞行,其中,N为所述多个无人机的数量,所述螺旋曲线的半径为:
Rp(θf)=Rp2exp[k(θf-θ)];
到达O11点,此时对应的目标集半径为R0=R(θf)-Ru=R(2π)-Ru;
从C点到O11点的距离为:
R1=R0-Ru,R2=R(t)-Ru;
其中,R(t)=R0+ΔR(Vt,Vu,Ru);以及
在所述多个无人机的飞行过程中进行飞行信息交互,并根据所述飞行信息实时调整自身的飞行速度和飞行方向并优化自身航迹以完成对所述待搜索圆形区域内的所有运动目标的搜索。
7.根据权利要求6所述的无人机集群协同搜索多运动目标的系统,其特征在于,所述信息处理模块包括:视频接收模块、数据分发模块、目标检测模块和轨迹规划模块,其中,
所述视频接收模块,用于通过网口从光电吊舱接收画面;
所述目标检测模块,用于将所述画面输入目标识别模型以对所述多运动目标进行识别,其中,识别结果包括多个运动目标和与每个运动目标相对应的ID号;
所述数据分发模块,用于在所述画面上叠加识别框信息后,进行编码,通过数据链将所述识别结果传输给所述地面站;以及
所述轨迹规划模块,用于视觉识别得到的目标类型和视觉定位得到的位置自动输入轨迹规划模块,并通过机间数据链转发给其他无人机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111423718.8A CN114047785B (zh) | 2021-11-26 | 2021-11-26 | 一种无人机集群协同搜索多运动目标的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111423718.8A CN114047785B (zh) | 2021-11-26 | 2021-11-26 | 一种无人机集群协同搜索多运动目标的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114047785A CN114047785A (zh) | 2022-02-15 |
CN114047785B true CN114047785B (zh) | 2023-06-09 |
Family
ID=80211391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111423718.8A Active CN114047785B (zh) | 2021-11-26 | 2021-11-26 | 一种无人机集群协同搜索多运动目标的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114047785B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114812515B (zh) * | 2022-05-06 | 2022-11-29 | 深圳深略智慧信息服务有限公司 | 一种用于统计数据的精确测绘系统及其数据采集方法 |
CN115129082B (zh) * | 2022-07-13 | 2023-09-29 | 安徽大学 | 一种用于污染源搜索的感知探测无人机集群协同控制方法 |
CN117723058A (zh) * | 2023-10-31 | 2024-03-19 | 中国人民解放军32806部队 | 一种无人机的自主目标搜索方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2520343A2 (fr) * | 2011-05-03 | 2012-11-07 | Delta Drone | Dispositif et procédé de recherche de cibles |
CN106406346A (zh) * | 2016-11-01 | 2017-02-15 | 北京理工大学 | 一种多无人机协同快速覆盖搜索航迹规划方法 |
CN106444845A (zh) * | 2016-10-14 | 2017-02-22 | 中国人民解放军国防科学技术大学 | 一种无信息条件下的多uav协同搜索方法 |
CN107478233A (zh) * | 2017-08-25 | 2017-12-15 | 中国地质大学(武汉) | 一种地质勘探航迹规划方法及系统 |
CN111580556A (zh) * | 2020-05-22 | 2020-08-25 | 中国人民解放军国防科技大学 | 一种时空约束下多无人机协同路径规划与制导方法 |
CN112506230A (zh) * | 2020-11-19 | 2021-03-16 | 西安电子科技大学 | 基于螺旋线的群组移动性模型构建方法 |
CN113238232A (zh) * | 2021-05-06 | 2021-08-10 | 中国海洋大学 | 面向海洋静态目标的自主水下航行器系统目标搜索方法 |
-
2021
- 2021-11-26 CN CN202111423718.8A patent/CN114047785B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2520343A2 (fr) * | 2011-05-03 | 2012-11-07 | Delta Drone | Dispositif et procédé de recherche de cibles |
CN106444845A (zh) * | 2016-10-14 | 2017-02-22 | 中国人民解放军国防科学技术大学 | 一种无信息条件下的多uav协同搜索方法 |
CN106406346A (zh) * | 2016-11-01 | 2017-02-15 | 北京理工大学 | 一种多无人机协同快速覆盖搜索航迹规划方法 |
CN107478233A (zh) * | 2017-08-25 | 2017-12-15 | 中国地质大学(武汉) | 一种地质勘探航迹规划方法及系统 |
CN111580556A (zh) * | 2020-05-22 | 2020-08-25 | 中国人民解放军国防科技大学 | 一种时空约束下多无人机协同路径规划与制导方法 |
CN112506230A (zh) * | 2020-11-19 | 2021-03-16 | 西安电子科技大学 | 基于螺旋线的群组移动性模型构建方法 |
CN113238232A (zh) * | 2021-05-06 | 2021-08-10 | 中国海洋大学 | 面向海洋静态目标的自主水下航行器系统目标搜索方法 |
Non-Patent Citations (1)
Title |
---|
Optimized multi-UAV cooperative path planning under the complex confrontation environment;Cheng Xu 等;Computer Communications;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114047785A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114047785B (zh) | 一种无人机集群协同搜索多运动目标的方法和系统 | |
Zhang et al. | Collision-avoidance navigation systems for Maritime Autonomous Surface Ships: A state of the art survey | |
CN110782481B (zh) | 无人艇智能决策方法及系统 | |
Liu et al. | Self-adaptive dynamic obstacle avoidance and path planning for USV under complex maritime environment | |
CN110888456B (zh) | 一种无人机与无人车的自主协同侦察控制方法 | |
Kanade et al. | Autonomous land vehicle project at CMU | |
US9026272B2 (en) | Methods for autonomous tracking and surveillance | |
CN110609552A (zh) | 一种水下无人航行器编队平面航迹规划方法 | |
CN108196575A (zh) | 一种无人机任务分配及路线规划方法 | |
CN111930087B (zh) | 一种敏捷型低空拒止系统综合控制方法 | |
CN112068539A (zh) | 一种风电机组叶片无人机自动驾驶巡检方法 | |
Hui et al. | Deep-learning-based autonomous navigation approach for UAV transmission line inspection | |
Ke et al. | Cooperative path planning for air–sea heterogeneous unmanned vehicles using search-and-tracking mission | |
CN105810023B (zh) | 机场起落架收放自动监测方法 | |
CN113624241B (zh) | 一种面向进港运动船舶的无人机查证路线规划方法 | |
CN114239305A (zh) | 一种战场态势场景仿真激励系统 | |
Yang et al. | A novel optimal route planning algorithm for searching on the sea | |
Baig et al. | Machine learning and AI approach to improve UAV communication and networking | |
Bakirci et al. | Surveillance, reconnaissance and detection services for disaster operations of IoT-based eVTOL UAVs with swarm intelligence | |
US20230280762A1 (en) | Autonomous vehicle-based mission planning and autonomy system for multi-asset collaborative operations | |
CN116753778A (zh) | 一种基于信息融合与任务分配的无人机反制系统和方法 | |
Qiu et al. | Distributed unmanned flocking inspired by the collective motion of pigeon flocks | |
Pandey et al. | IoV Enabled Route Optimization Technique for Combat Vehicles | |
CN114047786A (zh) | 一种用于集散式异构无人机集群的协同处理系统和方法 | |
Ma et al. | Path planning for searching submarine with cooperative coverage of fxed-wing UAVs cluster in complex boundary sea area |
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 |