CN115097846A - 一种无人车以及无人机协同降落方法及系统 - Google Patents

一种无人车以及无人机协同降落方法及系统 Download PDF

Info

Publication number
CN115097846A
CN115097846A CN202210852264.4A CN202210852264A CN115097846A CN 115097846 A CN115097846 A CN 115097846A CN 202210852264 A CN202210852264 A CN 202210852264A CN 115097846 A CN115097846 A CN 115097846A
Authority
CN
China
Prior art keywords
information
unmanned
vehicle
unmanned aerial
aerial vehicle
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
CN202210852264.4A
Other languages
English (en)
Other versions
CN115097846B (zh
Inventor
侯涛刚
王天乐
唐涛
王田苗
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong 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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202210852264.4A priority Critical patent/CN115097846B/zh
Publication of CN115097846A publication Critical patent/CN115097846A/zh
Application granted granted Critical
Publication of CN115097846B publication Critical patent/CN115097846B/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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种无人车以及无人机协同降落方法及系统。所述无人车以及无人机协同降落方法包括：无人车向无人机发送第一色谱信息；无人机根据第一色谱信息生成第二色谱信息以及第三色谱信息；无人机根据第二色谱信息以及第三色谱信息生成识别信息；无人车获取第一图像信息并判断是否能够自第一图像信息中识别出所述识别信息，若是，则无人车根据所述识别信息获取无人机的位置信息以及标识信息；无人车根据所述位置信息以及无人机标识信息指引所述无人机飞行至指定位置。本申请的无人车以及无人机协同降落方法通过地面无人车对无人机进行识别定位和引导飞行，来实现的降落及投货方案，能够减少无人机的重量，使无人机可以承载更大的货物。

Description

一种无人车以及无人机协同降落方法及系统
技术领域
本申请涉及物流技术领域，具体涉及一种无人车以及无人机协同降落方法以及无人车以及无人机系统。
背景技术
在物流场景中，无人机与无人车协同的配送方式，能够发挥这两种机器人载具各自的优势。
现有技术中，在无人机将货物投放到无人车这一环节中，目前已有方案中均采用了“机找车”的货物交接方式，即：由空中的无人机通过机载相机、机载电脑和定位系统，去实时识别并定位地面配送无人车，以此来引导无人机对准无人车降落并投放货物。
而此种方式的弊端在于，每台无人机都需要搭载机器视觉识别定位所需的高性能机载电脑、高清相机等硬件设备，并需要在无人机机载电脑上进行实时深度学习运算。而这会导致：
无人机本体负重增加，减弱货物负载能力；
无人机功率消耗增大，降低了其续航时间；
无人机的单台硬件成本大大提高。
而在无人机-无人车协同配送场景中，通常都是“车少机多”的情况，也就是一台无人车会对应多台为其投送物品的无人机，而这会显著放大以上3点弊端，致使该空-地协同运货方式的落地推广面临多方面阻碍。
另外，在进行近距离识别时，现在技术通常考虑的是在无人车上贴上标识，然后无人机通过视觉识别的方式去寻找标识，采用这种方式具有如下缺点：
1、无人车的布局标识的地方通常不会太大，标识太小无人机不方便识别，尤其在动态状态下；
2、标识在阳光比较强烈或者标识颜色与周围环境颜色较为靠近的情况下，不容易被识别到。
因此，希望有一种技术方案来解决或至少减轻现有技术的上述不足。
发明内容
本发明的目的在于提供一种无人车以及无人机协同降落方法来至少解决上述的一个技术问题。
本发明的一个方面，提供一种无人车以及无人机协同降落方法，所述无人车以及无人机协同降落方法包括：
无人车向无人机发送第一色谱信息；
无人机获取所述第一色谱信息，并根据所述第一色谱信息生成第二色谱信息以及第三色谱信息，所述第一色谱信息、第二色谱信息以及第三色谱信息之间具有颜色差异；
无人机根据所述第二色谱信息以及第三色谱信息生成识别信息；
无人车获取摄像范围内的第一图像信息；
无人车判断是否能够自所述第一图像信息中识别出所述识别信息，若是，则
无人车根据所述识别信息获取无人机的位置信息以及标识信息；
无人车根据所述位置信息以及无人机标识信息指引所述无人机飞行至指定位置。
可选地，在所述无人车向无人机发送第一色谱信息之前，所述无人车以及无人机协同降落方法进一步包括：
无人车获取摄像范围内的第二图像信息；
无人车识别所述第二图像信息中的色谱信息，选择第二图像信息中出现最多的颜色信息作为第一色谱信息。
可选地，所述无人机获取所述第一色谱信息，并根据所述第一色谱信息生成第二色谱信息以及第三色谱信息，所述第一色谱信息、第二色谱信息以及第三色谱信息之间具有颜色差异包括：
无人机获取色谱对照表，所述色谱对照表包括预设第一色谱信息、每个预设第一色谱信息所对应的至少一个预设第二色谱信息以及每个预设第二色谱信息所对应的至少一个预设第三色谱信息；
无人机获取与所述第一色谱信息相同的预设第一色谱信息所对应的第二色谱信息中的一个预设第二色谱信息作为第二色谱信息；
无人机获取与所述第二色谱信息相同的预设第二色谱信息所对应的至少一个预设第三色谱信息作为第三色谱信息。
可选地，所述无人车以及无人机协同降落方法进一步包括：
所述无人车判断是否能够自所述第一图像信息中识别出所述识别信息，若否，则
所述无人车向所述无人机发送识别错误信号；
所述无人机获取所述识别错误信号后，判断与所述第一色谱信息相同的预设第一色谱信息是否还有其他对应的预设第二色谱信息，若是，则
将其他对应的预设第二色谱信息中的一个作为第二色谱信息。
可选地，所述无人机具有多个旋翼，每个旋翼上设置有多个LED灯；
所述无人机根据所述第二色谱信息以及第三色谱信息生成识别信息包括：
无人机根据第二色谱信息以及第三色谱信息生成环状条纹信息，所述环状条纹信息包括多个单环条纹；其中，每个单环条纹由一个第二色谱信息或第三色谱信息构成；
无人机通过旋翼的LED灯将所述环状条纹信息进行显示。
可选地，所述环状条纹信息的数量为多个，无人机的一个旋翼用于显示一个环状条纹信息，所述环状条纹信息中至少一个环状条纹信息包括无人机标识信息；
所述无人机根据第二色谱信息以及第三色谱信息生成环状条纹信息包括：
所述无人机获取货物编码库，所述货物编码库包括预设货物名称以及预设货物名称对应的二进制货物码；
所述无人机的摄像装置拍摄无人机所携带的货物上的图像信息；
所述无人机识别所述货物上的图像信息中的文字信息；
所述无人机获取与文字信息相同的预设货物名称所对应的二进制货物码；
所述环状条纹信息中的至少一个环状条纹信息通过所述二进制货物码、所述第二色谱信息以及第三色谱信息生成。
可选地，在所述无人车获取摄像范围内的第二图像信息之前，所述无人车以及无人机协同降落方法进一步包括：
无人车为所述无人机发送靠近指令；
无人机根据所述无人车所发送的靠近指令靠近所述无人车至预设范围内；其中，在所述无人机靠近所述无人车的过程中，无人机保持在预设飞行高度之上靠近。
可选地，所述无人车以及无人机协同降落方法进一步包括：
在所述无人车为所述无人机发送靠近指令过程中，所述无人车通过自身摄像范围搜寻无人机是否出现在视野内，若是，则
获取无人机在图像中的像素位置。
可选地，所述无人车根据所述识别信息指引所述无人机飞行至指定位置包括：
无人车识别所述识别信息，从而获取无人车与无人车的三维相对位置信息以及无人机的无人机标识信息；
无人车根据所述无人车与无人车的三维相对位置信息、无人机的无人机标识信息指引所述无人机飞行至指定位置。
本申请还提供了一种无人车以及无人机系统，所述无人车以及无人机系统包括无人车以及至少一架无人机，所述无人车以及所述无人机配合采用如上所述的无人车以及无人机协同降落方法，从而通过无人车的指挥，使所述无人机飞行至指定位置。
有益效果
本申请的无人车以及无人机协同降落方法通过地面无人车对无人机进行识别定位和引导飞行，来实现的降落及投货方案，采用这种方式具有如下优点：
1、显著减少各个无人机的重量，使得无人机可以承载更大的货物；
2、采用无人车作为中枢，所有无人机皆与该无人车之间进行通讯，可以将无人车作为一个标准，使得所有无人机均采用无人车的通信标准即可，防止各类型无人机之间采用不同的通信标准，导致无人车需要配套多种系统。
3、无人车的布局空间比较多，可以根据实际需要，设置多个摄像装置，每个摄像装置获取一个方向的图像信息，或者各个摄像装置配合，能够获取到整个天空的全景信息，不会产生死角。
4、本申请的无人车以及无人机协同降落方法通过获取第一色谱信息并发送给无人机，并使得无人机根据第二色谱信息以及第三色谱信息生成识别信息作为识别信息，能够增强识别信息与环境的对比度，使其在无人车视角中更加清晰。
附图说明
图1是本申请一实施例的无人车以及无人机协同降落方法的流程示意图；
图2是本申请一实施例的无人车以及无人机协同降落的系统示意图；
图3是本申请的环状条纹信息的识别流程图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。
图1是本申请一实施例的无人车以及无人机协同降落方法的流程示意图。
如图1所示的无人车以及无人机协同降落方法包括：
步骤1：无人车向无人机发送第一色谱信息；
步骤2：无人机获取所述第一色谱信息，并根据所述第一色谱信息生成第二色谱信息以及第三色谱信息，所述第一色谱信息、第二色谱信息以及第三色谱信息之间具有颜色差异；
步骤3：无人机根据第二色谱信息以及第三色谱信息生成识别信息；
步骤4：无人车获取摄像范围内的第一图像信息；
步骤5：无人车判断是否能够自所述第一图像信息中识别出所述识别信息，若是，则
步骤6：无人车根据识别信息获取无人机的位置信息以及标识信息；
步骤7：无人车根据位置信息以及无人机标识信息指引所述无人机飞行至指定位置。
本申请的无人车以及无人机协同降落方法通过地面无人车对无人机进行识别定位和引导飞行，来实现的降落及投货方案，采用这种方式具有如下优点：
1、显著减少各个无人机的重量，使得无人机可以承载更大的货物；
2、采用无人车作为中枢，所有无人机皆与该无人车之间进行通讯，可以将无人车作为一个标准，使得所有无人机均采用无人车的通信标准即可，防止各类型无人机之间采用不同的通信标准，导致无人车需要配套多种系统。
3、无人车的布局空间比较多，可以根据实际需要，设置多个摄像装置，每个摄像装置获取一个方向的图像信息，或者各个摄像装置配合，能够获取到整个天空的全景信息，不会产生死角。
4、本申请的无人车以及无人机协同降落方法通过获取第一色谱信息并发送给无人机，并使得无人机根据第二色谱信息以及第三色谱信息生成识别信息作为识别信息，能够增强识别信息与环境的对比度，使其在无人车视角中更加清晰。
在本实施例中，在无人车向无人机发送第一色谱信息之前，所述无人车以及无人机协同降落方法进一步包括：
无人车获取摄像范围内的第二图像信息；
无人车识别所述第二图像信息中的色谱信息，选择第二图像信息中出现最多的颜色信息作为第一色谱信息。
在本实施例中，无人机获取第一色谱信息，并根据第一色谱信息生成第二色谱信息以及第三色谱信息，第一色谱信息、第二色谱信息以及第三色谱信息之间具有颜色差异包括：
无人机获取色谱对照表，色谱对照表包括预设第一色谱信息、每个预设第一色谱信息所对应的至少一个预设第二色谱信息以及每个预设第二色谱信息所对应的至少一个预设第三色谱信息；
无人机获取与第一色谱信息相同的预设第一色谱信息所对应的第二色谱信息中的一个预设第二色谱信息作为第二色谱信息；
无人机获取与第二色谱信息相同的预设第二色谱信息所对应的至少一个预设第三色谱信息作为第三色谱信息。
在本实施例中，所述无人车以及无人机协同降落方法进一步包括：
所述无人车判断是否能够自所述第一图像信息中识别出所述识别信息，若否，则
所述无人车向所述无人机发送识别错误信号；
所述无人机获取所述识别错误信号后，判断与所述第一色谱信息相同的预设第一色谱信息是否还有其他对应的预设第二色谱信息，若是，则
将其他对应的预设第二色谱信息中的一个作为第二色谱信息。
在本实施例中，无人机具有多个旋翼，每个旋翼上设置有多个LED灯；
所述无人机根据所述第二色谱信息以及第三色谱信息生成识别信息包括：
无人机根据第二色谱信息以及第三色谱信息生成环状条纹信息，所述环状条纹信息包括多个单环条纹；其中，每个单环条纹由一个第二色谱信息或第三色谱信息构成；
无人机通过旋翼的LED灯将环状条纹信息进行显示。
在本实施例中，所述环状条纹信息的数量为多个，无人机的一个旋翼用于显示一个环状条纹信息，所述环状条纹信息中至少一个环状条纹信息包括无人机标识信息；
在本实施例中，无人机根据第二色谱信息以及第三色谱信息生成环状条纹信息包括：
无人机获取货物编码库，所述货物编码库包括预设货物名称以及预设货物名称对应的二进制货物码；
无人机的摄像装置拍摄无人机所携带的货物上的图像信息；
所述无人机识别所述货物上的图像信息中的文字信息；
所述无人机获取与文字信息相同的预设货物名称所对应的二进制货物码；
环状条纹信息中的至少一个环状条纹信息通过所述二进制货物码、所述第二色谱信息以及第三色谱信息生成。
采用这种方式，可以让无人车能够获取到更多的信息，例如，一般无人机有四旋翼，其中每个旋翼均可以显示一个环状条纹信息，这样就可以显示四个环状条纹信息，这样就使得在不增加其他任何装置的情况下，无人机所能携带的信息量将增加。
举例来说，其中一个环状条纹信息可以是无人机的标识信息，例如，表示无人机的编号等信息，另一个环状条纹信息为货物信息，例如，货物属于易碎品还是非易碎品等，其他环状条纹信息还可以包括货物的具体信息，例如，货物为猫粮等，这样，在无人车进行识别时，能够根据具体货物情况进行不同处理。
举例来说，无人车设置有指引策略库，所述指引策略库包括至少一个指引策略以及每个指引策略对应的预设货物信息；
无人车通过识别环状条纹信息，可以获取到无人机所运送的货物的货物信息或者具体信息；
无人车获取与无人机所运送的货物的货物信息或者具体信息相同的预设货物信息所对应的指引策略，根据指引策略以及位置信息以及无人机标识信息指引所述无人机飞行至指定位置。
举例来说，如果识别到货物是易碎品，则在进行指引时，尽量将无人机指引至无人车上的停机坪进行降落卸货，或者要使得无人车与无人机的距离足够近，使卸货时不会砸坏货物，而如果是非易碎品，例如衣服等，可以稍微指引的距离远一些，然后通过脱钩的方式使货物直接从无人机上掉落至无人车上。
另外，也可以为无人机车的卸货区域划分多个不同区域，根据货物的信息不同，分别使货物卸货在不同的区域。
在本实施例中，无人机在进行商品识别时，可以是一边飞行一边识别，不需要人工去识别商品情况并输入，采用这种方式，一方面可以节省人力，另一方面可以节省运货时间。
举例来说，使用者将货物绑定在无人机上，其中，货物上有货物文字信息(例如货物名称等)，在无人机运行过程中，无人机上的一个摄像装置拍摄该货物的文字信息，并对文字进行识别，从而获取到文字信息；
无人机获取与文字信息相同的预设货物名称所对应的二进制货物码。
采用这种方式，可以实现无人机的自主化识别，而不需要人工去进行手工输入这些信息。
在本实施例中，在所述无人车获取摄像范围内的第二图像信息之前，所述无人车以及无人机协同降落方法进一步包括：
无人车为所述无人机发送靠近指令；
无人机根据所述无人车所发送的靠近指令靠近所述无人车至预设范围内；其中，在所述无人机靠近所述无人车的过程中，无人机保持在预设飞行高度之上靠近。
在所述无人车为所述无人机发送靠近指令过程中，所述无人车通过自身摄像范围搜寻无人机是否出现在视野内，若是，则
获取无人机在图像中的像素位置。
具体而言，本申请采用如下算法获取无人机的位姿信息：
Figure BDA0003755103250000091
其中，
cj为已知量，表示目标i在自身坐标系下角点j的三维坐标。通常，在目标边长已知为s的情况下，每个目标耳朵四个角点在自身坐标系下的坐标分别为C0＝(s/2，-s/2，0)；C1＝(s/2，s/2，0)；C2＝(-s/2，s/2，0)；C3＝(-s/2，-s/2，0)；
γi为待估计量，表示从目标坐标系到世界坐标系的齐次变换矩阵，这里的世界坐标系是指参考的目标坐标系。γi.cj是将目标i的第j个角点由目标坐标系转换成世界坐标系下表示。
γt为待估计量，表示从世界坐标系到相机坐标系的齐次变换矩阵，也即相机的外参。
δ为待估计量，表示相机的内参矩阵。
函数ψ(δ,γt,γi.cj)表示目标i的角点j从三维空间坐标到像素坐标的一种投影，它先将角点Cj转换到世界坐标系，在转换到相机坐标系，最后转换到像素坐标系。所以，ψ表示的角点像素坐标是根据待估计量计算出来的，称为重投影。
Figure BDA0003755103250000092
为观测量，表示在第ft帧下观察到的目标i的第j个角点真实的像素坐标，由于各种原因产生的观测噪声。
已有的ArUco识别与位姿检测算法对画面中各个ArUco码，采用分别独立求解的方式计算获取其多组位姿
Figure BDA0003755103250000101
本申请则设计了直接优化与无人机机体水平面共面多个旋翼ArUco码的算法。这可视作一种分布式的合作目标系统，能够在节省计算的同时提高位姿估计精度。这相当于将单个ArUco码的图样面积扩大了4倍，同时将其覆盖面积扩大为整个无人机底面范围，如此能够更准确的代表无人机位姿，并能得到更准确的位姿解算结果。
在本实施例中，所述无人车根据所述识别信息指引所述无人机飞行至指定位置包括：
无人车识别所述识别信息，从而获取无人车与无人车的三维相对位置信息以及无人机的无人机标识信息；
无人车根据所述无人车与无人车的三维相对位置信息、无人机的无人机标识信息指引所述无人机飞行至指定位置。
具体而言，本申请采用Aruco检测算法流程获取上述的无人车与无人车的三维相对位置信息。
下面以举例的方式对本申请进行进一步详细描述，可以理解的是，该举例并不构成对本申请的任何限制。
硬件配备：将计算机设备置于轮式无人车内，将广角相机垂直向上放置于无人车顶部对准天空，用于获取第一图像信息以及第二图像信息，可以理解的是，广角相机的数量可以根据需要自行设定，同时在无人机和无人车上配备GPS定位装置。
无人机上仅需搭载飞行控制所需飞控板，而不需要高性能机载电脑。此外，本申请的无人机为四旋翼无人机，每个旋翼上均数控LED灯串，用于向无人车显示识别信息。
参见图3，在本实施例中，显示识别信息为环状条纹信息，采用环状条纹信息，一方面是由于四旋翼无人机的旋翼在旋转时运动轨迹为圆形，采用环状条纹信息比较方便呈现，另一方面，条纹信息可以直接蕴含二进制信息。
参见图2，在进行任务时，无人机和无人车由无人车的中控系统发出靠近指令，在远距离阶段，根据二者GPS定位坐标信息，向无人机发出飞向无人车的飞行指令；
当进入近距离阶段，无人车对天空进行色谱分析，即识别上方环境(天空、树木等)此时的颜色，从而形成第一色谱信息，将该第一色谱信息发送个无人机，无人机根据所述第一色谱信息生成与第一色谱信息具有颜色差异的第二色谱信息，并根据该第二色谱信息(通常为第一色谱信息的反色或者比较具有鲜明对比的颜色，例如，在黑色天气中，显示比较亮的颜色，在蓝色天空中，显示比较显眼的颜色)获取第三色谱信息(例如，在黑天中，第二色谱信息采用红色、第三色谱信息采用蓝色等)，从而根据第二色谱信息以及第三色谱信息生成环状条纹信息(图3所示)，无人机开启桨叶底部的数控LED，根据桨叶旋转频率控制LED发光，以向下方浮空显示发光的识别信息；而无人车开启对空相机和目标识别定位算法，搜寻无人机是否出现在视野内，以及其在图像中的像素位置。
当无人机进入无人车相机视野范围，无人机显示出的环状条纹信息可被无人车通过机器视觉算法识别到。该环状条纹信息而经过无人车车载电脑解算后，可以获取到无人机在当前时刻三方面的信息：
1、与无人车的三维相对位置信息；
2、无人机的人工设置编号。
另外，还可以获取其他信息，例如货物信息。
参见图3，在本实施例中，采用如下方法识别环状条纹信息：
获取到图像信息；
对图像信息进行阈值化处理；
对阈值化处理后的图像进行轮廓提取；
对轮廓提取后的图像进行滤波、透视变换后，进行极坐标转换，从而获取图像中的比特位信息。
在本实施例中，本申请还可以通过无人机上的IMU来获取无人机的姿态，并将无人机的姿态传递给无人车。
无人车上的中控系统利用以上信息(位置信息以及无人机标识信息)生成飞行指令，通过无线电通信发送给无人机执行，以使无人机调整位姿逐步接近无人车正上方，并降低高度至投货或降落所需高度。
无人机和无人车完成货物交接，二者等待中控系统的下一步指令。
在本实施例中，通过桨叶发光显示识别信息，具有如下优点：
1、先有技术的无人机的主体机架底部通常面积较小，因此，将识别信息贴设在无人机的柱体机架上体积会较小，不容易被识别到，而且容易由于无人机的位姿导致被遮挡，从而降低识别准确度和精度。而四旋翼桨叶扫过的面积通常则大得多，而且增大螺旋桨尺寸通常会使无人机飞行效率和稳定性提升，因此，将识别信息设置在螺旋桨上不但可以根据具体情况变更颜色、还可以有效增加识别信息的面积，方便无人车识别，尤其不可能被无人机自己的位姿影响。
2、在夜间飞行时，非主动发光的识别信息将难以被看清。而相比于在飞机底部安装LED显示屏来显示合作目标，借用桨叶旋转和视觉暂留原理进行显示，能够以几何数量级节省相同显示面积所需LED单元个数。
3、电子显示的方式便于设置和修改所显示的图样，方便不同的配送任务中的无人机配置和管理。
本申请还提供了一种无人车以及无人机系统，所述无人车以及无人机系统包括无人车以及至少一架无人机，所述无人车以及所述无人机配合采用如上所述的无人车以及无人机协同降落方法，从而通过无人车的指挥，使所述无人机飞行至指定位置。
在本实施例中，所述无人机包括多个旋翼，所述多个旋翼组成所述识别信息。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种无人车以及无人机协同降落方法，其特征在于，所述无人车以及无人机协同降落方法包括：
无人车向无人机发送第一色谱信息；
无人机获取所述第一色谱信息，并根据所述第一色谱信息生成第二色谱信息以及第三色谱信息，所述第一色谱信息、第二色谱信息以及第三色谱信息之间具有颜色差异；
无人机根据所述第二色谱信息以及第三色谱信息生成识别信息；
无人车获取摄像范围内的第一图像信息；
无人车判断是否能够自所述第一图像信息中识别出所述识别信息，若是，则
无人车根据所述识别信息获取无人机的位置信息以及标识信息；
无人车根据所述位置信息以及无人机标识信息指引所述无人机飞行至指定位置。
2.如权利要求1所述的无人车以及无人机协同降落方法，其特征在于，在所述无人车向无人机发送第一色谱信息之前，所述无人车以及无人机协同降落方法进一步包括：
无人车获取摄像范围内的第二图像信息；
无人车识别所述第二图像信息中的色谱信息，选择第二图像信息中出现最多的颜色信息作为第一色谱信息。
3.如权利要求2所述的无人车以及无人机协同降落方法，其特征在于，所述无人机获取所述第一色谱信息，并根据所述第一色谱信息生成第二色谱信息以及第三色谱信息，所述第一色谱信息、第二色谱信息以及第三色谱信息之间具有颜色差异包括：
无人机获取色谱对照表，所述色谱对照表包括预设第一色谱信息、每个预设第一色谱信息所对应的至少一个预设第二色谱信息以及每个预设第二色谱信息所对应的至少一个预设第三色谱信息；
无人机获取与所述第一色谱信息相同的预设第一色谱信息所对应的第二色谱信息中的一个预设第二色谱信息作为第二色谱信息；
无人机获取与所述第二色谱信息相同的预设第二色谱信息所对应的至少一个预设第三色谱信息作为第三色谱信息。
4.如权利要求3所述的无人车以及无人机协同降落方法，其特征在于，所述无人车以及无人机协同降落方法进一步包括：
所述无人车判断是否能够自所述第一图像信息中识别出所述识别信息，若否，则
所述无人车向所述无人机发送识别错误信号；
所述无人机获取所述识别错误信号后，判断与所述第一色谱信息相同的预设第一色谱信息是否还有其他对应的预设第二色谱信息，若是，则
将其他对应的预设第二色谱信息中的一个作为第二色谱信息。
5.如权利要求4所述的无人车以及无人机协同降落方法，其特征在于，所述无人机具有多个旋翼，每个旋翼上设置有多个LED灯；
所述无人机根据所述第二色谱信息以及第三色谱信息生成识别信息包括：
无人机根据第二色谱信息以及第三色谱信息生成环状条纹信息，所述环状条纹信息包括多个单环条纹；其中，每个单环条纹由一个第二色谱信息或第三色谱信息构成；
无人机通过旋翼的LED灯将所述环状条纹信息进行显示。
6.如权利要求5所述的无人车以及无人机协同降落方法，其特征在于，
所述环状条纹信息的数量为多个，无人机的一个旋翼用于显示一个环状条纹信息，所述环状条纹信息中至少一个环状条纹信息包括无人机标识信息；
所述无人机根据第二色谱信息以及第三色谱信息生成环状条纹信息包括：
所述无人机获取货物编码库，所述货物编码库包括预设货物名称以及预设货物名称对应的二进制货物码；
所述无人机的摄像装置拍摄无人机所携带的货物上的图像信息；
所述无人机识别所述货物上的图像信息中的文字信息；
所述无人机获取与文字信息相同的预设货物名称所对应的二进制货物码；
所述环状条纹信息中的至少一个环状条纹信息通过所述二进制货物码、所述第二色谱信息以及第三色谱信息生成。
7.如权利要求6所述的无人车以及无人机协同降落方法，其特征在于，在所述无人车获取摄像范围内的第二图像信息之前，所述无人车以及无人机协同降落方法进一步包括：
无人车为所述无人机发送靠近指令；
无人机根据所述无人车所发送的靠近指令靠近所述无人车至预设范围内；其中，在所述无人机靠近所述无人车的过程中，无人机保持在预设飞行高度之上靠近。
8.如权利要求7所述的无人车以及无人机协同降落方法，其特征在于，所述无人车以及无人机协同降落方法进一步包括：
在所述无人车为所述无人机发送靠近指令过程中，所述无人车通过自身摄像范围搜寻无人机是否出现在视野内，若是，则
获取无人机在图像中的像素位置。
9.如权利要求8所述的无人车以及无人机协同降落方法，其特征在于，所述无人车根据所述识别信息指引所述无人机飞行至指定位置包括：
无人车识别所述识别信息，从而获取无人车与无人车的三维相对位置信息以及无人机的无人机标识信息；
无人车根据所述无人车与无人车的三维相对位置信息、无人机的无人机标识信息指引所述无人机飞行至指定位置。
10.一种无人车以及无人机系统，其特征在于，所述无人车以及无人机系统包括无人车以及至少一架无人机，所述无人车以及所述无人机配合采用如权利要求1至9所述的无人车以及无人机协同降落方法，从而通过无人车的指挥，使所述无人机飞行至指定位置。
CN202210852264.4A 2022-07-20 2022-07-20 一种无人车以及无人机协同降落方法及系统 Active CN115097846B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210852264.4A CN115097846B (zh) 2022-07-20 2022-07-20 一种无人车以及无人机协同降落方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210852264.4A CN115097846B (zh) 2022-07-20 2022-07-20 一种无人车以及无人机协同降落方法及系统

Publications (2)

Publication Number Publication Date
CN115097846A true CN115097846A (zh) 2022-09-23
CN115097846B CN115097846B (zh) 2023-04-25

Family

ID=83299359

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210852264.4A Active CN115097846B (zh) 2022-07-20 2022-07-20 一种无人车以及无人机协同降落方法及系统

Country Status (1)

Country Link
CN (1) CN115097846B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115826622A (zh) * 2023-02-13 2023-03-21 西北工业大学 一种无人机群夜间协同定位方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914076A (zh) * 2014-03-28 2014-07-09 浙江吉利控股集团有限公司 一种基于无人机的货物传送系统和方法
CN105955067A (zh) * 2016-06-03 2016-09-21 哈尔滨工业大学 基于四旋翼无人机的多星智能集群控制仿真系统及采用该系统实现的仿真方法
CN108628346A (zh) * 2018-06-08 2018-10-09 西安交通大学 一种智慧物流空地协同系统控制方法
CN110298852A (zh) * 2019-06-21 2019-10-01 中国电建集团成都勘测设计研究院有限公司 基于无人机影像色谱的地质界线自动提取方法
CN111348186A (zh) * 2018-12-21 2020-06-30 中国科学院沈阳自动化研究所 一种多旋翼无人机回收装置
CN114296477A (zh) * 2021-12-17 2022-04-08 南京航空航天大学 一种面向空地协同作战的无人机动平台自主降落方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914076A (zh) * 2014-03-28 2014-07-09 浙江吉利控股集团有限公司 一种基于无人机的货物传送系统和方法
CN105955067A (zh) * 2016-06-03 2016-09-21 哈尔滨工业大学 基于四旋翼无人机的多星智能集群控制仿真系统及采用该系统实现的仿真方法
CN108628346A (zh) * 2018-06-08 2018-10-09 西安交通大学 一种智慧物流空地协同系统控制方法
CN111348186A (zh) * 2018-12-21 2020-06-30 中国科学院沈阳自动化研究所 一种多旋翼无人机回收装置
CN110298852A (zh) * 2019-06-21 2019-10-01 中国电建集团成都勘测设计研究院有限公司 基于无人机影像色谱的地质界线自动提取方法
CN114296477A (zh) * 2021-12-17 2022-04-08 南京航空航天大学 一种面向空地协同作战的无人机动平台自主降落方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
索文凯 等: "空地协同视觉实现无人机自主降落研究", 《红外技术》 *
范博洋 等: "多目标空地异构无人系统协同任务分配方法", 《兵工学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115826622A (zh) * 2023-02-13 2023-03-21 西北工业大学 一种无人机群夜间协同定位方法
US12085962B2 (en) 2023-02-13 2024-09-10 Northwestern Polytechnical University Nighttime cooperative positioning method based on unmanned aerial vehicle group

Also Published As

Publication number Publication date
CN115097846B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN106127201B (zh) 一种基于视觉定位降落末端的无人机降落方法
US11807361B2 (en) Vision based calibration system for unmanned aerial vehicles
CN103778523B (zh) 一种垂直起降无人机及其精确定位及避障方法
US20160122038A1 (en) Optically assisted landing of autonomous unmanned aircraft
US10384801B2 (en) Device for assisting the piloting of a rotorcraft, associated display, and a corresponding method of assisting piloting
CN110618691B (zh) 基于机器视觉的无人机同心圆靶精准降落方法
CN106054931A (zh) 一种基于视觉定位的无人机定点飞行控制系统
CN105059533A (zh) 一种飞行器及其降落方法
CN106054929A (zh) 一种基于光流的无人机自动降落引导方法
CN106081146A (zh) 基于着陆引导的无人机补给平台
CN111315096A (zh) 无人机编队灯光表演系统及方法、无人机运行脚本生成方法、存储介质和电子设备
CN111709994B (zh) 一种自主无人机视觉探测与引导系统及方法
Nieuwenhuisen et al. Collaborative object picking and delivery with a team of micro aerial vehicles at MBZIRC
US20200247557A1 (en) Directional lighting fitted to an aircraft, and an associated lighting method
CN115097846A (zh) 一种无人车以及无人机协同降落方法及系统
JP2020138681A (ja) 無人飛行体の制御システム
CN113759940A (zh) 无人机降落方法、装置、无人机系统、机场、设备和介质
CN111273695A (zh) 一种物流无人机的控制方法
CN106204400B (zh) 基于无人机的物流运输定位系统
CN118226866A (zh) 一种基于单目视觉的无人机精准降落方法
Xiang et al. A Multi-stage Precision Landing Method for Autonomous eVTOL Based on Multi-marker Joint Localization
CN214705387U (zh) 航空器起降标识投影显示系统
CN112308900B (zh) 一种基于led圆环检测的四旋翼无人机相对位姿估计方法
KR20190097350A (ko) 드론의 정밀착륙을 위한 방법, 이를 수행하기 위한 기록매체, 및 이를 적용한 드론
US20240124137A1 (en) Obstacle avoidance for aircraft from shadow analysis

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