CN115202401A - 飞行路径确定 - Google Patents
飞行路径确定 Download PDFInfo
- Publication number
- CN115202401A CN115202401A CN202210936027.6A CN202210936027A CN115202401A CN 115202401 A CN115202401 A CN 115202401A CN 202210936027 A CN202210936027 A CN 202210936027A CN 115202401 A CN115202401 A CN 115202401A
- Authority
- CN
- China
- Prior art keywords
- drone
- point
- flight
- destination
- flight path
- 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
- 238000000034 method Methods 0.000 claims abstract description 69
- 230000008054 signal transmission Effects 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 description 49
- 230000006870 function Effects 0.000 description 39
- 230000033001 locomotion Effects 0.000 description 35
- 230000007246 mechanism Effects 0.000 description 22
- 238000012545 processing Methods 0.000 description 22
- 230000005540 biological transmission Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 17
- 230000002159 abnormal effect Effects 0.000 description 15
- 230000007613 environmental effect Effects 0.000 description 15
- 238000010845 search algorithm Methods 0.000 description 15
- 230000001133 acceleration Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 9
- 238000013459 approach Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- 241000258242 Siphonaptera Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003466 welding Methods 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0011—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement
- G05D1/0022—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement characterised by the communication link
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0005—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with arrangements to save energy
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0055—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements
- G05D1/0061—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with safety arrangements for transition from automatic pilot to manual pilot and vice versa
-
- G05D1/222—
-
- G05D1/225—
-
- G05D1/226—
-
- G05D1/227—
-
- G05D1/644—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
- B64U10/13—Flying platforms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/20—Remote controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U30/00—Means for producing lift; Empennages; Arrangements thereof
- B64U30/20—Rotors; Rotor supports
-
- G05D1/228—
Abstract
提供了用于确定飞行器的飞行路径的系统和方法。所述系统和方法对于无人飞行器的自主飞行计划或导航特别有用。
Description
背景技术
例如无人机(UAV)的无人载运工具可以用于在军事和民用应用的各种环境中执行监视、侦查和勘探任务。无人机可以由远程用户手动控制,或者可以以半自主或完全自主的方式操作。这种无人机可以包括处理器以自动确定其飞行路径。
在一些情况下,用于确定关于特定目标的飞行路径的现有方法可能不是最佳的。例如,所述确定可能不足以适应环境的变化或适合于飞行区域的特性。
发明内容
本申请提供了一种用于确定飞行器空域内的飞行路径的系统和相关方法。所述确定可以基于各种条件进行,例如飞行器的条件、飞行环境的条件、飞行器与远程装置之间的信号传输的条件等。这些条件通常可以确定飞行路径可能位于空域的哪些区域以及可以以何种方式建立飞行路径。
在一些方面,提供了一种确定飞行器的飞行路径的方法。所述方法提供了在飞行期间并借助于一个或多个处理器识别在第一位置发生的信号传输状态的变化;响应于所述识别,在接近第二位置的范围内选择第一目的地,其中在先前的飞行期间在第二位置处的信号传输状态不同于在第一位置处的信号传输状态;确定到达第一目的地的第一飞行路径,其中第一飞行路径包括由一个或多个飞行器上的一个或多个传感器检测到的可到达位置;当飞行器到达第一目的地后,实时评估在第一目的地的信号传输状态;以及基于所述评估确定到第二目的地的第二飞行路径。
在一些实施例中,信号传输状态的改变包括在飞行器和远程装置之间传输的信号的丢失或减弱。在一些实施例中,传输的信号包括与由远程装置生成的用于操作所述飞行器的控制信号有关的数据,或者由飞行器获取的图像数据。
在一些实施例中,第一目的地接近第二位置,使得其距离第二位置大约10米内。在一些实施例中,第一目的地接近第二位置,使得第一位置和第二位置处的信号传输速率均高于预定阈值。在一些实施例中,第一目的地位于第二位置。在一些实施例中,信号传输状态的变化包括飞行器与远程装置之间的信号传输速率的变化。在一些实施例中,远程装置是遥控器或卫星。在一些实施例中,所述变化导致信号传输速率低于预定阈值。
在一些实施例中,识别包括接收来自飞行器或远程装置的传感器的通知。在一些实施例中,第一目的地基于用户输入选择。在一些实施例中,信号传输状态的变化指示在飞行器与远程装置之间的信号传输中的异常状态。在一些实施例中,基于飞行器上的一个或多个传感器的操作状态选择第一目的地。在一些实施例中,一个或多个传感器包括一个或多个GPS接收器。在一些实施例中,根据飞行环境的当前状况选择第一目的地。在一些实施例中,飞行环境的当前状况包括天气状况或无线信号强度。
在一些实施例中,第二位置是在先前的飞行期间由一个或多个飞行器上的一个或多个传感器检测到的位置。在一些实施例中,第二位置是飞行器和远程装置之间信号传输成功的最后一个点。在一些实施例中,第一目的地在距离第一位置的预定距离内。在一些实施例中,预定距离小于10米。
在一些实施例中,第一飞行路径是飞行器的最后飞行路径的反向。在一些实施例中,第一飞行路径不包括先前飞行期间未被一个或多个传感器检测到的位置。在一些实施例中,第一位置、第一目的地、第二位置或第二目的地由GPS坐标表征。在一些实施例中,一个或多个飞行器上的一个或多个传感器包括相机、雷达、激光雷达、超声波传感器和GPS接收器中的一个或多个。在一些实施例中,基于来自远程装置的用户输入选择第二目的地。
在一些实施例中,所述方法还包括,在选择第二目的地之前或同时,将飞行器悬停预定时间段以实时收集数据。在一些实施例中,在飞行器悬停时确定第二飞行路径。在一些实施例中,当在预定时间段内没有接收到用户输入时,第二目的地是当前飞行的起点。在一些实施例中,当在预定时间段内没有接收到用户输入时,选择第二目的地包括进一步悬停第二预定时间段。在一些实施例中,第二目的地是在先前飞行期间未被一个或多个传感器检测到的位置。在一些实施例中,第二目的地是在识别在第一位置发生的信号传输状态的变化之前,飞行器到达的预定位置。
在一些实施例中,所述方法还包括基于实时信息选择第二目的地。在一些实施例中,实时信息涉及以下一个或多个:用户输入、飞行器的运行状态以及飞行环境的当前状况。在一些实施例中,飞行环境的当前状况包括天气状况或无线信号强度。在一些实施例中,实时信息指示飞行器的异常运行状态。
在一些实施例中,第二目的地是当前飞行的起点。在一些实施例中,第二目的地是提供服务以恢复正常运行状态的服务点,并且其中基于到服务点的飞行距离确定第二飞行路径。在一些实施例中,异常运行状态指示低燃油水平或低电池水平。在一些实施例中,信号传输状态的变化包括在飞行器和远程装置之间传输的信号的丢失或减弱。在一些实施例中,当信号传输在第一目的地保持丢失或减弱时,确定第二飞行路径包括:包括在先前飞行期间未被一个或多个飞行器的一个或多个传感器中的任何一个检测到的位置。在一些实施例中,当信号传输在第一目的地保持丢失或减弱时,第二飞行路径包括在先前飞行期间由一个或多个飞行器的一个或多个传感器中的任何一个检测到的位置。在一些实施例中,当第一目的地的信号传输状态在第一目的地恢复到正常状态时,第二飞行路径包括在先前飞行期间未被一个或多个飞行器的一个或多个传感器中的任何一个检测到的位置。
在一些实施例中,所述方法还包括:选择第二飞行路径进一步取决于来自远程装置的用户输入。在一些实施例中,其中信号传输包括传输由飞行器上的成像装置获取的图像数据。在一些实施例中,飞行器的运行状态指示被配置为为飞行器的至少一个或多个推进单元供电的电池的电力水平降至阈值以下。在一些实施例中,电力水平不足以为飞行器从第一目的地到第二目的地供电。
在另一方面,提供了一种用于确定飞行器的飞行路径的系统。所述系统包括一个或多个处理器;以及其上存储有指令的一个或多个存储器,所述指令在由一个或多个处理器执行时使处理器进行以下步骤:在飞行期间识别在第一位置发生的信号传输状态的变化;响应于所述识别,在接近第二位置的范围内选择第一目的地,其中在先前的飞行期间在第二位置处的信号传输状态不同于在第一位置处的信号传输状态;确定到达第一目的地的第一飞行路径,其中第一飞行路径包括由一个或多个飞行器上的一个或多个传感器检测到的可到达位置;当飞行器到达第一目的地后,实时评估在第一目的地的信号传输状态;以及基于所述评估确定到第二目的地的第二飞行路径。
在另一方面,其上存储有指令的非暂时性计算机可读存储介质,所述指令在由计算系统执行时,使计算系统执行确定飞行器飞行路径的方法。所述方法包括:在飞行期间识别在第一位置发生的信号传输状态的变化;响应于所述识别,在接近第二位置的范围内选择第一目的地,其中在先前的飞行期间在第二位置处的信号传输状态不同于在第一位置处的信号传输状态;确定到达第一目的地的第一飞行路径,其中第一飞行路径包括由一个或多个飞行器上的一个或多个传感器检测到的可到达位置;当飞行器到达第一目的地后,实时评估在第一目的地的信号传输状态;以及基于所述评估确定到第二目的地的第二飞行路径。
在另一方面,提供了一种规划飞行器飞行路径的方法。所述方法包括:借助于一个或多个处理器获取:(a)一个或多个成本,每个成本与连接第一点和第二点的路径分段相关联,其中第一点和第二点位于包括起点和终点的多个点的搜索空间中,以及(b)一个或多个成本,每个成本与连接第二点和目标点的辅助分段相关联,目标点包括二维(2D)坐标;将目标函数应用于第二点,其中所述目标函数产生从起点通过第二点到终点的路线的估计成本,并且其中目标函数基于两个或更多个分量的组合,所述分量包括与所述辅助分段相关联的所获取的一个或多个成本中的至少一个;以及当目标函数应用于第二点产生期望值时,将路径分段包括到从起点开始并且按顺序连接到一个或多个路径分段的飞行路径中,由此规划飞行路径。
在一些实施例中,所述方法还包括重复所述获取、应用和包括的步骤直到飞行路径包括终点。在一些实施例中,期望值是通过将目标函数应用于搜索空间中的多个候选第二点而产生的值中的最小值。在一些实施例中,两个或更多个分量还包括与连接第二点和终点的直线相关联的一个或多个成本。
在一些实施例中,所述方法还包括引导飞行器跟随飞行路径。在一些实施例中,目标点的2D坐标与相对于参考水平的表面高度相关联,对于所述参考水平,飞行器未知实际值。在一些实施例中,目标点是第二点的最近点。
在一些实施例中,与辅助分段相关联的成本和与目标点相关联的物体的种类有关。在一些实施例中,与辅助分段相关联的成本和第二点与目标点之间的距离有关。在一些实施例中,与辅助分段相关联的成本和目标点处的表面高度的估计值或与估计值相关联的置信度指标相关。在一些实施例中,所述方法还包括在计算目标函数的值时根据与估计相关联的置信度指标,将权重分配给与辅助分段相关联的成本。
在一些实施例中,与从第一点到第二点的路径分段相关联的成本与两点之间的距离有关。在一些实施例中,当第二点的高度大于第一点的高度时,与路径分段相关联的成本进一步与两点之间的高度差有关。在一些实施例中,所述方法还包括在计算与路径分段相关联的成本的值时,将第一权重分配给对应于两点的2D坐标之间的距离,以及将第二权重分配给两点在第三维中的差异。
在一些实施例中,与路径分段相关联的成本和以下与飞行器相关联的状态指标中的一个或多个有关:总体电池电平、总体GPS信号强度、总体地面控制信号强度、以及路径分段上的点上的总体图像传输速率。
在一些实施例中,所述方法还包括确定与连接沿视线的第一点的前一点和第二点的路径分段相关联的成本。在一些实施例中,当与连接第一点的前一点和第二点的路径分段的成本小于与连接第一点和第二点的路径分段以及连接第一点的前一点和第一点的路径分段相关联的总体成本时,将连接第一点的前一点和第二点的路径分段添加到飞行路径。在一些实施例中,只有当从第二点到目标点的辅助分段的成本大于预定阈值时才执行所述确定与连接第一点的前一点和第二点的路径分段相关联的成本。在一些实施例中,连接第一点的前一点和第二点的路径分段的成本与从第一点的前一点到第二点的距离有关。在一些实施例中,所述方法还包括确定在连接第一点的前一点和第二点的路径分段中是否存在障碍物。
在一些实施例中,所述方法还包括:在实时检测到存在预定条件时,引导飞行器跟随新的飞行路径。在一些实施例中,所述预定条件是出现不可预见的障碍物或信号丢失。
在一些实施例中,终点是先前访问的点、已知的安全点、地面控制中心或用户位置。
在另一方面,提供了一种用于规划飞行器的飞行路径的系统。所述系统包括一个或多个处理器;以及一个或多个存储有指令的存储器,所述指令在由处理器执行时使处理器进行以下步骤:获取(a)一个或多个成本,每个成本与连接第一点和第二点的路径分段相关联,其中第一点和第二点位于包括起点和终点的多个点的空间中,以及(b)一个或多个成本,每个成本与连接第二点和目标点的辅助分段相关联,目标点包括二维(2D)坐标;将目标函数应用于第二点,其中所述目标函数产生从起点通过第二点到终点的路线的估计成本,并且其中目标函数基于两个或更多个分量的组合,所述分量包括与所述辅助分段相关联的所获取的一个或多个成本中的至少一个;以及当目标函数应用于第二点产生期望值时,将路径分段包括到从起点开始并且按顺序连接到一个或多个路径分段的飞行路径中,由此规划飞行路径。
在另一方面,其上存储有指令的非暂时性计算机可读存储介质,所述指令在由计算系统执行时,使所述计算系统进行规划飞行器的飞行路径的方法。所述方法包括:获取(a)一个或多个成本,每个成本与连接第一点和第二点的路径分段相关联,其中第一点和第二点位于包括起点和终点的多个点的空间中,以及(b)一个或多个成本,每个成本与连接第二点和目标点的辅助分段相关联,目标点包括二维(2D)坐标;将目标函数应用于第二点,其中所述目标函数产生从起点通过第二点到终点的路线的估计成本,并且其中目标函数基于两个或更多个分量的组合,所述分量包括与所述辅助分段相关联的所获取的一个或多个成本中的至少一个;以及当目标函数应用于第二点产生期望值时,将路径分段包括到从起点开始并且按顺序连接到一个或多个路径分段的飞行路径中,由此规划飞行路径。
在又一方面,提供了一种规划飞行器飞行路径的方法。所述方法包括:借助一个或多个处理器识别多个候选点,其中所述多个候选点与第一点处于预定关系;确定与所述多个候选点中的每个候选点相关联的成本,其中所述确定成本至少基于每个候选点与目标点之间的距离,其中所述目标点与相对于参考水平的表面高度相关联;当与选定的候选点相关联的成本满足预定条件时,从多个候选点中选择一个候选点;以及将连接第一点和选定的候选点的分段包括进飞行路径,由此规划飞行路径。
在一些实施例中,所述方法还包括将选定的候选点作为第一点并重复识别、确定、选择和包括的步骤直到飞行路径到达终点。在一些实施例中,所述方法还包括引导飞行器跟随飞行路径。
在一些实施例中,多个候选点在相对于第一点的预定距离内。在一些实施例中,预定条件指示与多个候选点相关联的成本中的最小成本。在一些实施例中,确定成本还基于每个候选点与第一点之间的距离。在一些实施例中,当一个候选点的高度大于第一点的高度时,确定与候选点中的一个相关联的成本还基于一个候选点与第一点之间的高度差。
在一些实施例中,确定成本还基于每个候选点与终点之间的距离。在一些实施例中,确定成本还基于在每个候选点的先前飞行期间与飞行器相关联的一个或多个状态指标。在一些实施例中,与目标点相对应的表面点的高度对于飞行器是未知的。在一些实施例中,特定候选点的目标点是飞行器未知表面高度的特定候选点的最近点。
在一些实施例中,所述方法还包括:确定与连接第一点的前一点和选定的候选点的分段相关联的第一成本;确定与连接第一点的前一点和第一点的分段相关联的第二成本;确定与连接第一点和选定的候选点的分段相关联的第三成本;以及当第一成本低于第二成本和第三成本的总和时,将连接第一点的前一点和选定的候选点的分段包括进飞行路径。在一些实施例中,所述方法还包括确定连接第一点的前一点和选定的候选点的分段是否是无障碍物的。
在另一方面,提供了一种用于规划飞行器的飞行路径的系统。所述系统包括一个或多个处理器;以及其上存储有指令的一个或多个存储器,所述指令在由一个或多个处理器执行时使所述处理器进行以下步骤:识别多个候选点,其中所述多个候选点与第一点处于预定关系;确定与所述多个候选点中的每个候选点相关联的成本,其中所述确定成本至少基于每个候选点与目标点之间的距离,其中所述目标点与相对于参考水平的表面高度相关联;当与选定的候选点相关联的成本满足预定条件时,从多个候选点中选择一个候选点;以及将连接第一点和选定的候选点的分段包括进飞行路径,由此规划飞行路径。
在另一方面,其上存储有指令的非暂时性计算机可读存储介质,所述指令在由计算系统执行时,使所述计算系统进行规划飞行器的飞行路径的方法。所述方法包括:识别多个候选点,其中所述多个候选点与第一点处于预定关系;确定与所述多个候选点中的每个候选点相关联的成本,其中所述确定成本至少基于每个候选点与目标点之间的距离,其中所述目标点与相对于参考水平的表面高度相关联;当与选定的候选点相关联的成本满足预定条件时,从多个候选点中选择一个候选点;以及将连接第一点和选定的候选点的分段包括进飞行路径,由此规划飞行路径。
应当理解,可以单独地、共同地或彼此组合地认识本发明的不同方面。本文描述的本发明的各个方面可以应用于下面阐述的任何特定应用或者用于任何其他类型的可移动物体。本文关于飞行器的任何描述可适于并用于任何可移动物体,例如任何载运工具。另外地,本文在空中运动(例如,飞行)的背景下公开的系统、装置和方法也可应用于其他类型的运动的背景下,例如在地面或水上的运动、水下运动或太空运动。此外,本文关于旋翼或旋翼组件的任何描述可适于并用于任何被配置为通过旋转生成推进力的推进系统、装置或机构(例如螺旋桨、轮子、车轴)。
通过阅读说明书、权利要求书和附图,本发明的其他目的和特征将变得显而易见。
援引加入
本说明书中提及的所有出版物、专利和专利申请通过引用并入本文,其程度如同每个单独的出版物、专利或专利申请被明确地和单独地指出通过引用并入。
附图说明
本发明的新颖特征在所附权利要求中特别阐述。通过参考以下阐述说明性实施例的详细描述,将更好地理解本发明的特征和优点,在所述说明性实施例中,利用了本发明的原理,并且所述说明性实施例的附图如下:
图1示出了根据实施例的在室外环境中操作的无人机;
图2示出了根据实施例的在室内环境中操作的无人机;
图3示出了无人机如何获取2D高程图的数据。
图4示出了基于前视传感器收集的数据的2D高程图。
图5示出了2D坐标存在多个表面高度的场景。
图6示出了无人机响应于异常情况而执行的示例过程。
图7示出了在没有障碍物的区域中确定飞行路径的示例过程。
图8示出了在具有障碍物的区域中确定飞行路径的示例过程。
图9示出了在具有障碍物的区域中确定飞行路径的另一示例过程。
图10示出了对不同区域使用不同路径搜索算法的示例方法。
图11示出了由无人机执行以基于从2D高程图导出的成本确定飞行路径的示例过程。
图12示出了由无人机执行的通过使用不同的路径搜索算法确定通过不同区域的连接的子飞行路径来确定飞行路径的示例过程。
图13示出了根据实施例的无人机;
图14示出了根据实施例的包括载体和有效载荷的可移动物体;以及
图15示出了根据实施例的用于控制可移动物体的系统。
具体实施方式
提供了用于控制例如无人飞行器(UAV)的可移动物体的系统和方法。在一些实施例中,无人机可适于承载配置为收集环境数据的多个传感器。一些传感器可以是不同类型的(例如,与接近传感器组合使用的视觉传感器)。可以组合由多个传感器获取的数据以生成表示周围环境的环境地图。在一些实施例中,环境地图可以包括关于环境中包括障碍物的物体的位置的信息。无人机可以使用生成的地图执行各种操作,一些操作可能是半自动的或全自动的。例如,环境地图可以用于自动确定无人机从其当前位置导航到目标位置的飞行路径。当无人机执行从其当前位置到起始位置或任何其他指定位置的自动返回功能时,环境地图可能很有用。作为另一示例,环境地图可以用于确定一个或多个障碍物的空间布局,从而使得无人机能够执行避障策略。有利地,如本文所公开的使用多种传感器类型来收集环境数据,即使在不同的环境和操作条件下也可以提高环境制图的准确性,从而增强例如导航和避障的无人机功能的稳健性和灵活性。
本文提供的实施例可以应用于各种类型的无人机。例如,无人机可能是重量不超过10千克和/或最大尺寸不超过1.5米的小型无人机。在一些实施例中,无人机可以是旋翼机,例如被多个推进器推进以在空中移动的多旋翼飞行器(例如四旋翼机)。下文进一步详细描述适用于本文呈现的实施例的无人机和其他可移动物体的另外示例。本文描述的无人机可以完全自主地(例如,通过例如机载控制器的合适的计算系统)、半自主地或手动地(例如由人工用户)操作。无人机可以从合适的实体(例如,人工用户或自主控制系统)接收命令并通过执行一个或多个动作来响应这些命令。例如,可以控制无人机从地面起飞、在空中移动(例如,多达三个平移自由度以及多达三个旋转自由度)、移动到目标位置或目标位置序列、悬停在空中、着陆在地面上等等。作为另一示例,可以控制无人机以特定的速度和/或加速度(例如,具有多达三个平移自由度和多达三个旋转自由度)或沿着特定的移动路径移动。此外,命令可以用于控制一个或多个无人机部件,例如本文描述的部件(例如,传感器、致动器、推进单元、有效载荷等)。例如,一些命令可以用于控制例如相机的无人机有效载荷的位置、方向和/或操作。可选地,无人机可以被配置为根据一个或多个预定操作规则进行操作。操作规则可以用于控制无人机的任何合适的方面,例如无人机的位置(例如,纬度、经度、高度)、方位(例如,横滚、俯仰、偏航)、速度(例如,平移和/或角度)和/或加速度(例如,平移和/或角度)。例如,操作规则可以被设计为使得无人机不被允许飞行超过阈值高度,例如,无人机可以被配置为在离地面不超过400m的高度处飞行。在一些实施例中,操作规则可以适于提供用于改进无人机安全性和防止安全事故的自动机制。例如,无人机可以被配置为检测受限飞行区域(例如,机场)并且不在受限飞行区域的预定距离内飞行,从而避免与飞行器和其他障碍物的潜在碰撞。
现在参照附图,图1示出了根据实施例的在室外环境100中操作的无人机102。室外环境100可以是城市、郊区或乡村环境,或者至少部分不在建筑物内的任何其他环境。无人机102可以相对接近地面104(例如低海拔)或相对远离地面104(例如高海拔)操作。例如,操作离地面小于或等于大约10米的无人机102可被认为处于低海拔,而操作离地面大于或等于大约10米的无人机102可被认为处于高海拔。
在一些实施例中,室外环境100包括一个或多个障碍物108a-d。障碍物可以包括可能妨碍无人机102的移动的任何物体或实体。一些障碍物可位于地面104(如障碍物108a、108d),例如建筑物、地面载运工具(例如汽车、摩托车、卡车、自行车)、人、动物、植物(例如树木、灌木丛)、和其他人造或自然结构。一些障碍物可与地面104、水、人造结构或自然结构接触和/或由其支撑。可选地,一些障碍物可全部位于空中106(如障碍物108b、108c),包括飞行器(例如飞机、直升机、热气球、其他无人机)或鸟类。空中障碍物可能不受地面104、或水、或任何自然或人造结构支撑。位于地面104上的障碍物可以包括基本上延伸到空气106内的部分(例如,例如塔楼、摩天大楼、灯柱、无线电塔、电力线、树木等的高耸结构)。
图2示出了根据实施例的在室内环境250中操作的无人机152。室内环境250位于具有地板256、一个或多个墙壁258和/或天花板或屋顶260的建筑物254的内部。示范性建筑物包括住宅、商业或工业建筑物,例如房屋、公寓、办公室、生产设施、储存设施等。建筑物254的内部可以完全被地板256、墙壁258和天花板260包围,使得无人机252被限制在内部空间中。相反地,地板256、墙壁258或天花板260中的至少一个可以不存在,由此使得无人机252能够从内部飞到外部,或者反之亦然。可选地或结合地,一个或多个孔264可以形成在地板256、墙壁258或天花板260中(例如,门、窗、天窗)。
类似于室外环境100,室内环境250可以包括一个或多个障碍物262a-d。一些障碍物可以位于地板256上(例如障碍物262a),例如家具、电器、人类、动物、植物以及其他人造或自然物体。相反地,一些障碍物可能位于空中(例如障碍物262b),例如鸟类或其他无人机。室内环境250中的一些障碍物可以由其他结构或物体支撑。障碍物也可以附接到天花板260上(例如障碍物262c),例如灯具、吊扇、横梁或其他天花板安装式器具或结构。在一些实施例中,障碍物可附接到墙壁258(例如障碍物262d),例如灯具、架子、橱柜和其他壁装式器具或结构。值得注意的是,建筑物254的结构部件也可以被认为是障碍物,包括地板256、墙壁258和天花板260。
本文描述的障碍物可以是基本静止的(例如建筑物、植物、结构)或基本可移动的(例如,人类、动物、载运工具或其它能够移动的物体)。一些障碍物可能包括固定和移动部件(例如风车)的组合。移动障碍物或障碍物部件可以根据预定的或可预测的路径或模式移动。例如,汽车的运动可以是相对可预测的(例如,根据道路的形状)。可选地,一些移动障碍物或障碍物部件可能沿随机或不可预测的轨迹移动。例如,例如动物的生物可能以相对不可预测的方式移动。
为了确保安全和有效的操作,向无人机提供用于检测和识别例如障碍物的环境物体的机构可能是有益的。另外地,识别例如地标和特征的环境物体可以促进导航,特别是当无人机以半自主或完全自主的方式操作时。此外,了解无人机在环境中的精确位置以及与周围环境物体之间的空间关系对于各种无人机功能可能是有价值的。
因此,本文描述的无人机可以包括一个或多个传感器,其被配置为收集相关数据,例如与无人机状态、周围环境或环境内物体有关的信息。适用于本文公开的实施例的示例性传感器包括位置传感器(例如全球定位系统(GPS)传感器、实现位置三角测量的移动装置发射器)、视觉传感器(例如能够检测可见光、红外或紫外光的成像装置,例如相机)、接近或范围传感器(例如,超声波传感器、激光雷达、飞行时间或深度相机)、惯性传感器(例如加速度计、陀螺仪、惯性测量单元(IMU))、高度传感器、姿态传感器(例如罗盘)、压力传感器(例如气压计)、音频传感器(例如麦克风)或场传感器(例如磁力计、电磁传感器)。可以使用任何合适数量和组合的传感器,例如一个、两个、三个、四个、五个或更多个传感器。可选地,可以从不同类型的传感器(例如,两个、三个、四个、五个或更多个类型)接收数据。不同类型的传感器可以测量不同类型的信号或信息(例如位置、方位、速度、加速度、接近度、压力等)和/或利用不同类型的测量技术获得数据。例如,传感器可以包括有源传感器(例如,生成并测量来自它们自己的能量源的能量的传感器)和无源传感器(例如,检测可用能量的传感器)的任何合适的组合。作为另一示例,一些传感器可以生成以全局坐标系提供的绝对测量数据(例如,由GPS传感器提供的位置数据、由指南针或磁力计提供的姿态数据),而其他传感器可以生成以局部坐标系提供的相对测量数据(例如,由陀螺仪提供的相对角速度;由加速度计提供的相对平移加速度;由视觉传感器提供的相对姿态信息;由超声波传感器、激光雷达或飞行时间相机提供的相对距离信息)。在一些情况下,局部坐标系可以是相对于无人机定义的体坐标系。
本文描述的传感器可以由无人机承载。传感器可以位于无人机的任何合适的部分上,例如无人机机体的上部、下部、侧面或内部。一些传感器可以机械地连接到无人机,使得无人机的空间布局和/或运动对应于传感器的空间布局和/或运动。传感器可以通过刚性联轴器连接到无人机,使得传感器不会相对于其所连接的无人机部分移动。可选地,传感器和无人机之间的连接可以允许传感器相对于无人机的移动。联轴器可以是永久性联轴器或非永久性(例如可拆卸)联轴器。合适的连接方法可以包括胶粘剂、粘接、焊接和/或紧固件(例如,螺钉、钉子、销等)。可选地,传感器可以与无人机的一部分一体形成。此外,传感器可以与无人机的一部分(例如,处理单元、控制系统、数据存储器)电耦合,以使传感器收集的数据能够用于无人机的各种功能(例如,导航、控制、推进、与用户或其他装置的通信等),例如本文讨论的实施例。
传感器可以被配置为收集各种类型的数据,例如与无人机、周围环境或环境中的物体有关的数据。例如,至少一些传感器可以被配置为提供关于无人机的状态的数据。由传感器提供的状态信息可以包括关于无人机的空间布局的信息(例如,例如经度、纬度和/或高度的位置或方位信息;例如横滚、俯仰和/或偏航的取向或姿态信息。状态信息还可以包括关于无人机的运动的信息(例如,平移速度、平移加速度、角速度、角加速度等)。传感器可以被配置为例如确定无人机相对于多达六个自由度的空间布局和/或运动(例如,三个位置和/或平移的自由度、三个取向和/或旋转的自由度)。状态信息可以相对于全局坐标系或相对于局部坐标系提供(例如,相对于无人机或另一实体)。例如,传感器可以被配置为确定无人机与控制无人机的用户之间的距离,或者无人机与无人机的飞行起始点之间的距离。
由传感器获得的数据可以提供各种类型的环境信息。例如,传感器数据可以指示环境类型,例如室内环境、室外环境、低海拔环境或高海拔环境。传感器数据还可以提供关于当前环境条件的信息,包括天气(例如,晴朗、下雨、下雪)、能见度条件、风速、一天中的时间等。此外,由传感器收集的环境信息可以包括关于环境中的物体的信息,例如本文所述的障碍物。障碍物信息可以包括关于环境中障碍物的数量、密度、几何形状和/或空间布局的信息。
在一些实施例中,通过结合由多个传感器获得的传感器数据(也称为“传感器融合”)来生成感测结果。例如,传感器融合可用于结合由不同传感器类型获得的感测数据,包括GPS传感器、惯性传感器、视觉传感器、激光雷达、超声波传感器等。作为另一示例,传感器融合可以用于结合不同类型的感测数据,例如绝对测量数据(例如,相对于全局坐标系统提供的数据,比如GPS数据)和相对测量数据(例如,相对于局部坐标系提供的数据,比如视觉感测数据、激光雷达数据或超声波感测数据)。传感器融合可用于补偿与单个传感器类型相关的限制或不准确性,从而提高最终感测结果的准确性和可靠性。
在一些实施例中,无人机可以维持与通常由地面上的用户操作的控制装置的通信。可以提供无人机和控制装置之间的间接或直接通信。例如,无人机可以通过通信网络(例如蜂窝网络)维持与控制装置的间接通信。在另一示例中,无人机可以通过直接的短距离无线通信信道维持与控制装置的直接通信。
可以在无人机和控制装置之间提供单向或双向通信。通常,控制装置将控制信号传输给无人机以指导无人机的飞行。来自控制装置的控制数据可以控制无人机和/或无人机承载的有效载荷的操作。可以控制无人机推进单元、飞行控制器、导航模块、一个或多个传感器、无人机的载体、无人机的着陆台和/或无人机的通信模块的操作。
无人机可以将由其传感器、电机生成的数据或其他信息传输到控制装置,这对于进一步引导飞行可能是有用的。传感器数据的任何描述可以包括从无人机到控制装置的任何数据,包括但不限于由传感器收集的关于外部环境的数据和/或关于无人机的操作状态数据。有关无人机外部环境的数据可以包括但不限于图像数据、距离或深度剖面、卫星信号等。关于无人机的操作状态数据可以包括但不限于关于提供给无人机的推进单元的电力、由推进单元消耗的电力、无人机的导航、无人机的姿态、载体的布局、有效载荷的布局、无人机的通信、或无人机的能量存储和/或消耗的信息。作为一个示例,操作状态数据指示无人机的内部状况,例如能量水平充足或电池水平低。作为另一示例,传感器数据指示飞行环境的当前状况,其可包括如上所述的现有地图上不存在的前方障碍物,或恶劣天气状况。传输通常周期性执行,但可根据需要进行调整。
在一些实施例中,无人机被配置为在其飞行期间收集数据并且基于所收集的数据构建2D或3D地图。作为一个示例,无人机可以跟踪各种类型的无线传输。无人机可以跟踪无线信号以监视无线通信环境。例如,无人机可跟踪输入GPS信号、输入控制信号、输出数据信号等。无人机可跟踪用于导航、飞行控制、传感器、图像传输或任何其他类型通信的信号。无人机可追踪无线通信信道是否可用、带宽、信号强度、信噪比和/或无线传输的任何其他方面。无人机可以跟踪不同位置的无线传输。最终的信号图可以为无人机提供特定空间中的参考信号强度。作为另一示例,无人机可以跟踪空中任何物体的存在与否。除了由其传感器收集的数据外,无人机还可以合并由其他无人机收集的数据,或者在飞行前或飞行过程中或任何时间记录在其他数据源中的数据。例如,各种地形图和天气图可供公众使用。无人机还可以根据任何时候其传感器产生的新数据或从其他源获得的新数据更新其特定坐标地图。
在一些实施例中,为了使无人机具有更高的飞行效率,无人机可以仅包括一个传感器以减轻重量或设计复杂性。传感器可位于前方,具有在无人机前方的检测范围。例如,在检测范围内,相机可以合适的分辨率捕捉视图,或者激光可以足够的准确度检测到物体的距离,检测范围可以通过相对于传感器位置的一定高度、宽度和深度表征。此外,无人机可以包括位于无人机背面或侧面的单个传感器,在无人机背面或侧面传感器可以有合适的检测范围。传感器数据可被处理以构建2D高程图,2D高程图表示2D坐标系中的每个点相对于参考水平(例如地平面)的高度信息。
图3示出了无人机如何获得2D高程图的数据。从参考水平面330延伸的物体320在点350处与检测范围340相交。然而,只有物体320的中间部分在检测范围内,而物体320的顶部不在。通过分析对应于检测范围340的传感器315产生的数据,无人机可以得出结论:物体320的顶部高于检测范围360的顶部,或换句话说,从检测范围360的顶部到参考水平的距离是点350处的表面高度的最小值。因此,无人机可以在高程图中存储该距离作为具有相对于参考水平的2D坐标的点350处的表面高度的估计,以及指示估计值是表面高度的下阈值或最小值的类别。当物体的顶部处于或低于检测范围时,无人机可以类似地为2D高程图创建数据。关于2D高程图的构建和维护的细节可以在2016年11月14日提交的标题为“构建和更新高程图”的共同未决申请中找到,该申请通过引用整体并入本文。可选地,可以在无人机上提供多个传感器。不同的传感器可能有不同的视野。
在一些实施例中,得到的2D高程图包括除每个2D坐标的估计高度之外的信息,例如包括碰撞到关于估计的障碍物的风险的置信度指标。例如,2D高程图可以针对每个2D坐标指示从特定传感器数据估计的高度以及指示估计的高度是否是2D坐标处的实际表面高度的实际值(以下称为“绿色类别”)、最小值(以下称为“红色类别”)或最大值(以下称为“蓝色类别”)的类别。对于没有可用信息的坐标,2D高程图还可以指示默认值或最大值作为估计高度,以及指示估计高度无用的类别(以下称为“空白类别”)。2D高程图还可以包括置信度指标或估计质量的其他指标,例如传感器的能力、传感器数据生成时的可见性等。置信度指标可以通过数字、字符串或其他序数值实现。在一些实施例中,置信度指示符可以被表示为类别。置信度指标的不同值可以表示障碍物或危险的不同程度的风险。例如,空白、红色、蓝色和绿色类别指示障碍物或危险的风险水平增加。在置信度指标由数值表示的另一示例中,较高的置信度指标可以表示较高的风险,而较低的置信度指标可以表示较低的风险。可选地,较低的置信度指标可以代表较高的风险,反之亦然。这样的2D高程图相对容易构建和维护,并且可用于在确定飞行路径时避免障碍物或其他不希望的位置。
图4示出了基于前视传感器收集的数据的2D高程图。景观显示地面上2D坐标的估计高度,而景观的着色则显示相应2D坐标的估计表面高度的置信度指标。着色还可以指示估计表面高度的类别。例如,黑色可以对应于红色类别、深灰色可以对应于绿色类别、浅灰色可以对应于蓝色类别、无颜色或者空白颜色可以对应于空白类别。因此,点402的2D坐标具有红色类别,这意味着点402的表面高度是2D坐标处的实际表面高度的最小值。类似地,深灰点404的2D坐标具有绿色类别、浅灰点406的2D坐标具有蓝色类别、并且白点408的2D坐标具有空白类别。这样的视觉表示对于控制无人机的用户可能是有用的。
在一些实施例中,除每个2D坐标的估计高度以及与估计表面高度相关联的置信度指标之外,2D高程图还包括估计表面高度所属的高度范围。高度范围信息对于具有多个表面高度的2D坐标尤其有用,这是因为存在不是从地面一直延伸的物体。
图5示出了2D坐标存在多个表面高度的场景。针对桥504下方的点502确定的估计表面高度和置信度分数可以根据高度范围而不同。例如,无人机可能确定在0m和10m之间的高度范围内的点502的表面高度不超过10m,而无人机可能确定在10m和20m之间的高度范围内的点502的表面至少为20m。因此,给定包括与2D坐标的估计高度关联的高度范围的2D高程图,无人机可以将高度范围与其当前飞行高度进行比较以更好地确定其飞行路径,可能利用额外的飞行空间,例如桥下的区域。例如,可以基于无人机的当前高度选择高度范围。例如,如果无人机的高度落在地面上方0米至10米之间,则可以选择0米至10米的第一高度范围;如果无人机的高度落在地面上方10米至20米之间,则可以选择10米至20米的第二高度范围。根据选定的高度范围,可以为相同的2D点确定不同的估计表面高度和置信度指标。可以基于2D点的估计表面高度和置信度指标(2D高程数据),考虑与2D高程数据和/或无人机高度相关的高度范围,确定相对于给定2D点的飞行路径。
在一些实施例中,无人机可以基于哪些类型的信息可用于该位置来分类区域中的每个点。例如,无人机可以通过属于同一组织或有权访问相同的高程图的一组预定的无人机中的一个或其组合,区分在当前飞行期间、在先前飞行期间(可能是当前时间点之前的任何飞行、无人机在最后一站之前的任何飞行等)、或者在任何飞行期间,由其传感器检测到的那些点。无人机也可以将以任何方式收集过任何信息的那些点与从未收集过任何信息的那些点区分开。尽管安全程度可能因信息的生成者、信息的生成方式、信息的生成时间等而有所不同,但是信息的可用性使某些区分的点在某种程度上“安全”。通常,一个点对于无人机来说是不安全的,除非它可以被无人机访问或到达。由于点的性质(例如障碍物或恶劣天气的存在)、无人机的操作状态(例如缺乏燃料)等,该点对于无人机而言可能无法到达。此外,某些点可以被指定用于特殊目的。例如,可以在地图上确定并标记当前航班的起点或常用起飞和着陆点的列表。可以识别无人机可以被服务—接收能源或其他供应、更换部件、检查、调整和维修等的服务点的列表。
在一些实施例中,航空无人机可能需要找到新的飞行路径以响应异常的且经常是紧急的情况。例如,来自或到无人机的数据传输可能是间歇性的或以其他方式中断,导致信号弱或消失。当用户正在从遥控器控制无人机的飞行时,控制信号的丢失可能意味着无人机需要自动驾驶或面临以坠毁结束的风险。当导航信号(例如GPS)丢失时,无人机可能无法准确指示无人机的位置。可选地,无人机可能不得不依靠其他导航技术来确定可能较不准确的无人机位置(例如,可能随时间“漂移”)或可能使用更多的能量。在一些情况下,无人机的数据传输(如图像传输)可能丢失,这可能给试图远程控制无人机的用户带来更多挑战。天气状况可能是暴风雨或以其他方式影响载运工具(无人机)操作,包括传感器性能。无人机上的电池可能在飞行期间耗尽,并且无人机可能达到低能量水平,超过该能量水平无人机可能没有足够的能量返回。无人机部件可能由于机械、电气或其他问题而失效,例如零件断裂脱离、电路错误、电池排水等。
在任何这些场景中,首先通常通过寻找到可能新的目的地的新的飞行路线来恢复正常状况将是非常理想的。例如,在确定无线传输是间歇性的或不存在的时候,无人机将希望到达无线传输成功且不中断的区域。可以从无法接收来自控制装置的正常控制信号或来自卫星的GPS信号、未能将相关数据传输到控制装置、来自控制装置的在特定时间段接收不到数据或接收到很少数据的重复通知等进行所述确定。类似地,无人机将希望到达一个空气状况平静和晴朗或者提供无人机服务的区域。
在一些实施例中,当无人机与控制装置之间的通信信道没有中断时,尤其是当控制信号的传输继续可接受时,控制装置可以指示无人机遵循特定的飞行路径达到特定目的地,例如起点(飞行起飞点)或异常情况可能被解决的指定点之一。指定点可以是用户的最后已知位置(例如,基于遥控器的位置)、由用户指定的预设“归航”点、当前航班或先前航班上的较早位置等。然而,当通信信道中断时,无人机可以自动确定飞行路径以到达合适的目的地。无人机可以自主地或半自主地启动和/或执行该过程以到达合适的目的地。无人机可以启动和/或执行该过程,以在没有人类帮助或干预和/或没有来自无人机外部的任何装置的任何指令的情况下到达合适的目的地。
如前所述,无人机可响应于一个或多个检测到的状况而启动过程以到达合适的目的地。一个或多个检测到的状况可能落入一个或多个不同的原因类别。在一些实施例中,可以预先确定多个原因类别。原因类别的示例可以包括但不限于用户指令、GPS信号丢失、遥控器信号丢失、图像传输丢失、其他无线信号丢失、电池电量不足和/或部件故障。无人机可以识别检测到的状况属于哪个原因类别。根据原因类别,无人机可以选择飞行模式以到达合适的目的地。本文其他部分更详细地提供飞行模式的进一步描述。在一些实施例中,单个飞行模式可以对应于单个原因类别。可选地,多个飞行模式可以对应于单个原因类别,或者单个飞行模式可以对应于多个原因类别。
在一些实施例中,无人机被配置成基于各种因素而无需人工干预来响应于异常状况自动确定飞行路径,包括自动返回至自起飞以来由机载传感器检测到的其中一个位置。无人机可以以任何不同的导航模式飞行。例如,基于由该无人机或其他无人机先前生成的传感器数据,无人机可以飞行一个“安全”模式,其飞行路径限于有足够的安全飞行信息的“安全”点。这些信息可能与障碍物的存在或不存在、气候条件、拥挤等有关。无人机也可以以“探索”模式飞行,其飞行路径不那么受限制,并且可以灵活地实现特定目标,例如飞行最短距离。基于确定飞行路径时可考虑的空间点数、到达下一个目的地所需的时间量等,对于不同的导航模式可能有一个分层结构,从安全模式开始,每种模式都比下一种限制更少。也可以有不同的导航模式来实现不同的目标。
在一些实施例中,为了尽可能快或尽可能简单地恢复正常状况,如上所述,无人机可以选择将接下来的飞行限制到可获得足够信息的“安全”点,从而以安全模式飞行。具体地,无人机可以在安全点之间寻找理想的飞行路径,以使无人机沿着这些安全点遵循飞行路径行进。这种方法倾向于减少搜索空间以及异常情况加重的可能性。在安全模式下,一个简单的飞行路径是反向路线。例如,无法在一段时间内将数据传输到控制装置后,根据地图,无人机可以回溯到无线传输强度较强的点、数据传输速率高于阈值的区域、或任何其他安全点。如下所述,飞行路径可以通过其他方式系统地确定。无人机可根据与用户输入、环境条件、无人机操作状态等有关的实时信息动态确定何时进入或离开一个模式。
在一些实施例中,一旦解决了异常情况,无人机被配置为实时确定另一飞行路径。此时,将飞行限制在安全点并不重要,因此无人机可以灵活地确定其飞行路线,从而进入探索模式。无人机可以悬停以收集和评估数据,或者可以在行进时增量地确定飞行路径。悬停可以继续直到接收到来自控制装置的用户指令、直到确定新的飞行路线、直到特定时间段结束等。用户指令可以确定后续的飞行路径。否则,无人机可以选择下一个目的地并基于当前的环境或载运工具状况确定相应的飞行路径。作为一个示例,在通过不良信号区域的挣扎之后,能量或电池电量可能很低,然后无人机可以选择一个服务站进行补充或再充电。作为另一示例,在异常情况发生之前到达原始目的地可能很重要,并且无人机可以返回到在异常情况出现之前它正在遵循的飞行路径。作为又一示例,可能没有时间去任何地方,然后无人机可以直接回到起点。
在一些实施例中,在到达被选择用于恢复正常状况的安全点时,异常状况可能持续。然后,例如当重复尝试次数或重复尝试花费的时间量超过预定阈值时,无人机可以重复选择附加安全点作为后续目的地,直到解决异常情况或满足其他一些标准。可以基于到已知安全点的距离、无人机的位置、无人机需要的返回起飞点之前剩余的时间等来确定重复尝试的次数。可选地,由于安全点不再被证明是有利的,无人机可以进入探索模式,直到满足特定标准或保持在探索模式直到它到达最终目的地。
图6示出了无人机响应于异常情况而执行的示例过程。在步骤602中,无人机识别信号传输的异常状态(在第一位置)。识别可以基于其传感器或电机产生的数据。异常状态可能是信号的丢失或减弱,这可以通过一段时间内可能相对于最小阈值的信号传输速率来测量。在步骤604中,无人机选择第一目的地,使得该无人机或其他无人机的传感器在较早时间的信号传输在第一目的地或在接近第一目的地的第二位置被认为是正常的。接近度可以相对于预定距离确定。在步骤606中,无人机确定到第一目的地的第一路径。优选地,无人机在安全模式下行进到第一目的地,这意味着无人机只在“安全”点之间进行搜索,这些点是先前由该无人机或其他无人机的传感器检测到的那些位置,用于构建第一条飞行路径。在步骤608中,在遵循第一飞行路径到达第一目的地时,无人机评估第一目的地处的信号传输状态。
在步骤610和612中,无人机基于第一目的地处的信号传输的当前状态实时确定第二目的地,并确定第二飞行路径以到达第二目的地。所述确定还可以基于其他当前状况,例如远程装置的控制状态、天气、飞行器的操作状态等。如果信号传输的当前状态如预期的正常,则无人机在选择第二目的地和第二飞行路径时可以被较少限制。具体地,无人机可能不再处于安全模式。在没有来自用户的任何命令的情况下,无人机可以确定最佳的下一个目的地。例如,如果当前电池电量较低,则无人机可以选择一个服务站或本地基站作为第二目的地,并确定到达第二个目的地的最快方式作为第二飞行路径。另一方面,如果信号传输的当前状态仍然不令人满意,则无人机可以重复选择另一安全点作为第二目的地,直到当前信号状况恢复正常。在这个过程中,无人机可以保持安全模式。可选地,无人机可以立即进入探索模式,并根据实时信息选择第二目的地。
在一些实施例中,无人机通常可以遵循计划的飞行路径。然而,无人机也可以通过每次重复选择附近的中间目的地或仅仅飞行方向而实时建立飞行路径,而无需一次预先选择飞行路径上的所有点。“实时”的范围通常被认为表示是在没有任何有意的延迟的情况下即时反馈,可以在几分钟、几秒钟、十分之几秒等内测量。通过以这种方式构建飞行路径,无人机可以具有高度自适应性,并且可以更好地响应异常情况。例如,机载传感器通常可以检测出构成无人机需要避开的障碍物的物体。静止的障碍物可能已经是已知的,但移动的障碍物可能出现。此外,例行的电机检查可能已经执行,但是未检测到或者可能出现意想不到的电机错误。因此,当检测到例如电机故障或障碍物等不利情况时,无人机可以从计划的飞行路径中脱离并实时建立新的飞行路径。当不利情况被克服时,无人机可以适当地返回到计划的飞行路线。另一方面,持续需要确定下一步可能会导致更少的计算资源可供飞行期间的其他任务使用。因此,无人机可能需要一次选择更多的目的地,或者做出不太频繁的实时决策,特别是当对计算资源的需求很高时。
在一些实施例中,只要来自控制装置的控制信号继续被无人机接收,控制装置就可以继续引导无人机遵循特定的飞行路径。在无人机已经自动确定飞行路径的情况下,无人机可以选择撤消控制信号直至其到达飞行路径的终点或某个中间目的地。当无人机需要快速行动并避免在与控制装置的通信期间可能发生的任何延迟时,这种方法可能是有利的。可选地,一旦接收到控制信号,无人机就可以放弃自动确定的飞行路线,以遵循由控制装置发出的指令。
在一些实施例中,无人机可能需要自动确定通过空域的飞行路径。一旦进入新的导航模式、进入不同的地理区域、遇到异常情况、接收到达新目的地的指令等,无人机可确定新的飞行路径。无人机可以专注于空域内的预定点,或者将空域视为点的网格。然后,无人机可以根据特定目标选择经过这些点中的一个或多个点的飞行路径。示例目标包括减少总体飞行时间或距离,避免更可能包含障碍物的区域,并避免飞行高度的变化。为了能够系统地搜索理想的飞行路径,无人机可以通过根据特定目标为这些点中的任何两个点s和s’之间的分段分配数字成本来构建成本函数c(s,s’)。这样的分段可以表示无人机在点s和s’之间移动时可以遵循的路径段。例如,成本可能与分段的长度(分段终点之间的距离)、分段的平均能耗率、分段的景观或分段的其他特性有关。无人机也可以为这些点中的每一个分配一个成本。例如,成本可能与障碍物的可能存在、该点的典型温度以及从该点到任何“安全”点的距离等有关。通常,任何可能影响飞行“质量”的因素都可以用成本函数表示,例如无线信号(控制、GPS、数据等)传输状态(例如传输速率、信号强度、信噪比等)、天气状况(雨、雪、雾、飓风等)、气候条件(风、压力、温度、亮度等)、重力效应等。然后通常可以通过建立具有减少的或(本地或全局)最小成本的路线来执行搜索,所述成本是合计在增长路线中的分段和点的成本的合计成本。通常,预先建立成本函数并且分配(获得)成本,并且可以在搜索期望的飞行路径期间查找(获得)成本。例如,成本函数可以为一个区域一次构建,以用于该区域内的后续搜索。但是,每次在搜索中考虑该分段时,可以动态计算(获得)分段的成本。
在一些实施例中,无人机被配置为基于上面讨论的2D高程图分配成本。成本可以以各种方式依赖于估计的高度以及遇到障碍物的风险或每个2D坐标的一个或多个置信度指标。例如,具有较大估计高度、对于估计高度已知的较大高度范围、与估计相关联的较低置信度指标或其任何组合的2D坐标可被认为对飞行路径较不利,因此导致较高成本。具有这样的2D坐标的点(下文有时称为“目标点”)通常应避免,或者被指定较低的优先级。例如,可以映射到高程图中与指示红色类别的置信度指示符相关联的2D坐标的空间中的任何点,例如图4中的物体402上的点(尤其是那些低于估计的表面高度的点),可以被认为是在飞行路径中要避免的障碍物的一部分。因此,较大的成本可能被分配到当投影到参考水平时更接近更多这些不利的2D坐标的点或分段。成本可以进一步取决于与目标点相关联的物体的类别。例如,可以将更高的成本分配给其相应的目标。
在一些实施例中,无人机可以以不同方式将从2D高程图确定的成本合并到成本函数中。通常最好远离那些更可能包含障碍物的点。因此,无人机可以将更多成本与接近估计高度高于特定阈值、或者2D高程图中的对应2D坐标类别是红色或空白的那些点相关联。在更精细的计划中,可以将更大的成本附加到接近估计高度高于当前飞行高度的点以及估计高度不高于当前飞行高度并且类别是红色或空白的点的区域。其他方案是可能的。接近度可以与物理距离、行进时间等有关。通过与特定的2D坐标的接近度来改变成本意味着这样的成本倾向于在特定的2D坐标附近达到峰值,并且随着其他坐标越来越远离特定的2D坐标而逐渐减小。它能够选择与那些2D坐标不太接近的飞行路径。
为合并接近红色类别的2D坐标的成本,例如,分配给从第一点到第二点的每个分段的成本可以被调整为与两个点之间的物理距离和从分段到红色类别的2D坐标的物理距离的结合(例如总和)相关。通常,搜索空间可以包括在包括无人机的出发点和到达点的区域内的一组点。例如,搜索空间中的点与红色类别的2D坐标或物理上不在搜索空间中的任何兴趣点之间的关系可以表示为辅助分段,并且附加到红色类别中的2D坐标附近的成本然后可以与这样的辅助分段相关联。这种辅助分段用于表示与成本可以与之相关联的兴趣点(例如接近度)的关系;它可以但不需要对应于路径分段。单独的辅助分段可用于表示与每个兴趣点的接近度,或者单个辅助分段可用于表示与所有兴趣点的总体接近度。例如,总体接近度可以对应于到最近兴趣点的距离,或者到与红色类别相关以及距特定点一定半径内的一组点的平均距离。分段和特定点之间的距离可以通过各种方式计算,例如特定点与分段上任意点之间的最短距离或平均距离。数学上,可以通过更新现有的成本函数c(s,s’)或添加另一成本函数red_cost(s,s’)合并接近2D坐标的成本。可选地,分配给每个点(分段的端点之一)的成本可以调整为与从该点到红色类别的2D坐标的物理距离相关。可以合并接近红色和空白类别的2D坐标、加权接近不同类别的2D坐标、或以其他方式的附加成本。例如,对于空白、红色、蓝色和绿色类别,权重可能分别下降。也可以合并接近通常要避免的其他点(例如人体上的点)的附加成本,以避免与人类碰撞,或者无人机上已知传感器未检测到的点。
在一些实施例中,无人机优选保持恒定的高度以降低重力效应和可能的高度变化复杂性。具体地,搜索经过具有不同高度的点的飞行路径可能需要更多的计算资源并且导致比搜索具有相同或相似高度的点更复杂的飞行路径。为避免飞行高度的变化,在检测到障碍物时,无人机可以决定在保持飞行高度的同时在其周围飞行,而不是通过增加飞行高度越过障碍物。然而,在某些情况下,例如当当前飞行高度处的障碍物的宽度远大于障碍物相对于当前飞行高度的高度时,可能需要增加飞行高度。
在一些实施例中,无人机被配置为以不同的方式基于搜索空间中的点的高度信息合并成本。例如,较高的成本可能与飞行到更高或不同的高度有关。类似于在2D高程图上合并接近特定类别的2D坐标的成本,分配给每个分段或点的成本可以调整为涵盖与飞行高度有关的成本。例如,分配给从第一点到第二点的分段的原始成本可以是地平面上相应2D坐标之间的物理距离,并且当从第一点到第二点的高度增加大于某个阈值时,在执行路径搜索算法期间可以添加附加成本。此外,无人机可以不同地衡量成本的垂直分量和水平分量。例如,无人机可以将较小的权重分配给与相应的2D坐标之间的距离相关联的成本,但是将较大的权重分配给与高度差异相关联的成本。
在一些实施例中,无人机可以利用包括在2D高程图中的飞行高度来确定飞行路径。例如,回到图5,2D高程图可以以(高度范围、类别)的形式包括(0m~10m、绿色)、(10m~20m、红色)和(20m~30m、蓝色)。当无人机在8米处飞行时,具有(10m~20m、红色)的二维坐标(如502)不再对应无人机的障碍物。类似地,当前飞行高度为15m时,(10m~20m、红色)对无人机的影响要大于(0m~10m、绿色)和(20m~30m、蓝色)。一种方法是优先考虑具有更接近当前或期望飞行高度的高度范围的高程数据,例如通过选择与2D坐标的所有高程数据中最接近当前或期望飞行高度的高度范围相关联的类别。例如,当无人机在8米处飞行时,将选择绿色作为点502的类别,因此在点502以上0米~10米范围内的所有点,以及因此在任何这些点附近飞行都不会产生不利。显然,只有当无人机保持或多或少相同的飞行高度时,才是安全的方法。另一种方法是合并所有高程数据。例如,无论当前的飞行高度如何,无人机都将502以上的点视为与不同类别相关联,并可相应地分配成本。然后,无人机可以选择其飞行高度,但实际上将其飞行高度改变为20米会受到阻碍。又一种方法是基于增长路线上最后一点的高度,在执行路径搜索算法期间动态优先处理高程数据,以便将下一点添加到增长路线中。
在一些实施例中,无人机可采用本领域普通技术人员已知的任何路径搜索算法,包括A*、Theta*、D*及其变体,以使用表示从起点到终点的路径成本的目标函数,系统地确定从源(起点)到目的地(终点)的优级飞行路径。这种路径搜索算法可以通过在搜索空间中从起始点的不同路线上迭代地最小化目标函数的值来运算,其中目标函数的值越来越接近从起点到终点的实际路径的实际成本。例如,A*算法通过最小化以下目标函数f(n)=g(n)+h(n)来工作,其中n是增长路线上的最后一个点,g(n)是从起点到n的路线的成本,以及h(n)是一个启发式,它估计从n到终点的最便宜的路线的成本。g(n)和h(n)可以通过求和或其它合计方法组合。路线的成本可以是分配给路线上所有分段和/或所有点的总成本或其他合计成本。A*算法构建一条或多条增长路线,直到其中一条到达终点,并且当h(n)可接受时,到达终点的增长路线具有最小可能成本。具体地,g(n)可以分解为g(n的父对象)+c(n的父对象,n),其中父对象指的是增长路线上的前一点;h(n)通常只是从n到终点的(直线)距离。在每次迭代中,一个n被识别并被添加到一个正在增长的路线中。具体地,识别一组n的候选点。这些候选点通常是现有增长路线上最后点的相邻点(因此通过分段与最后点相连),但是在选择候选点时可以采用其他标准。例如,候选点组可以限制为那些相应分段(其可以对应于分段的长度或分段两端的两点之间的距离)的成本低于预定阈值的候选点。然后,将所有候选点中导致目标函数最小值的候选点添加到增长路线中。
除考虑视线的存在并且可以用增长路线中的视线分段替换现有分段之外,Theta*算法以类似的方式工作。在一个版本中,Theta*算法在每次迭代时考虑n的父对象的父对象和n之间的路径分段(称为视线分段),并且当两个分段的成本大于视线分段的成本时,用对应的视线分段替换从父对象的父对象到n的两个分段。通常,对于每个候选点都要考虑视线,然后如在A*中一样,将所有候选点中导致目标函数最小值的候选点添加到增长路线中。然而,作为代替,可能首先在A*中标识候选点组中的n,并考虑是否仅为识别的n合并视线分段。
在一些实施例中,无人机可以在不同区域中使用不同方法来确定飞行路径。例如,无人机可以在A*和Theta*之间切换。A*和Theta*之间的主要区别是A*中飞行路径是根据点之间的预定分段建立的,而Theta*中飞行路径可以包括视线分段。由于视线段本质上跳过点,Theta*通常比A*运行得更快。图7示出了确定没有障碍物的区域中的飞行路径的示例过程。如图7中的虚线所示,A*可以用于找到从源702到目的地708的最短飞行路径。图8示出了确定具有障碍物的区域中的飞行路径的示例过程。障碍物可以在点804和806附近,并且可能不再有从点804到点806的分段。然后,取决于与点804和806的接近程度,无人机可以将附加成本分配给点或分段。然后A*可以用于寻找短距离且远离障碍物的飞行路径,如图8中从点802经过点810和812到点808的虚线所示。图9示出了确定具有障碍物的区域中的飞行路径的另一示例过程,如从点902经过点910到点908的虚线所示。可以使用Theta*代替寻找短距离并远离障碍物的飞行路径。代替使用A*或Theta*来寻找区域中的路线,也可以在路径搜索过程中基于当前点与障碍物有多近动态地考虑视线分段。例如,在应用A*算法时,当确定n不靠近障碍物时,系统可以暂时考虑n的父对象的父对象和n之间的视线的存在,反之亦然。
在一些实施例中,无人机被配置为根据待搜索区域是否包括已知障碍物或接近已知障碍物来选择使用哪个路径搜索算法。可以看出,尽管由Theta*寻找的飞行路径可能比由A*寻找的飞行路径短,但它可能更接近障碍物,尤其是当附加成本与点而不是分段相关时。由于原始路线通常比视线路线短,因此对飞行路线的选择可以更容易更好地进行控制。此外,对搜索空间中的点添加成本可能比对仅在Theta*中使用的附加视线分段添加成本更容易,不论使用哪种路径搜索算法,都会考虑搜索空间中的点。因此,无人机可以选择在已知障碍物周围的区域使用A*和在其他区域使用Theta*。图10示出了对不同区域使用不同路径搜索算法的示例方法。框表示空域,以及空域中的点的着色(黑色、深灰色、浅灰色和白色)表示2D高程图中相应2D坐标的类别。为了从源1028经过空域去往目的地1030,无人机可以首先识别可能位于距障碍物可能存在的地方一定距离内的每个区域1022,例如点1026,在点1026处相应的2D坐标与2D高程图中的红色类别相关联。然后,无人机可以在区域1022中使用A*并在其他区域1020和1024中使用Theta*来寻找飞行路径。在这种情况下,对于每个区域,无人机可以选择一组可能的区域源和一组可能的区域目的地,使得从区域源到区域目的地的任何飞行路径沿朝向(最终)目的地的大致方向运行。例如,无人机可以采用在最后的区域目的地和当前的区域源之间的简单飞行路线。在更简单的方案中,无人机可以首先选择一组中间点1032和1034,例如前一次飞行期间传感器检测到的一组点。然后,无人机通常可以沿着这些中间点将空域分成区域1020、1022和1024。取决于每个区域中存在障碍物的可能性,这可以通过相应的2D坐标与红色类别相关联的点的数量指示,然后无人机可以选择合适的路径搜索算法。更通常地,根据不同路径搜索算法的性质和给定空域内不同区域的性质,无人机可以针对不同地区、不同导航模式、改变飞行路径的不同原因等选择其他算法组合。
图11示出了由无人机执行以基于从2D高程图得到的成本来确定飞行路径的示例过程。无人机从空域中的一组点以及连接这些点中的一些点的一组定向分段开始。当两个点被认为是彼此相邻时,定向分段通常存在于两点之间。分段通常是定向的,因为从A点飞到B点的成本可能不同于从B点飞到A点的成本。然后,无人机建立一个成本函数,它可以包含不同类型的信息,例如上面讨论的2D高程图中可用的信息。特定成本可以分配给相邻点之间的定向分段、单个点、附加视线分段等。在步骤1102和1104中,无人机构建成本函数。在步骤1102中,无人机将成本分配给空域中的每个有序的一对相邻点之间的每个现有分段(每个定向分段)。分配可以基于相关因素的任意组合,包括物理距离、平均电池电量、平均GPS信号强度、无人机与远程装置之间的平均信号传输速率等。在步骤1104中,无人机进一步基于每个点的关系,例如与特定的“危险”点(例如其2D坐标与2D高程图中的红色类别相关联的点)的接近度,将成本分配给每个点。点与危险点之间的关系可以由两点之间的辅助分段表示。可选地,在搜索飞行路径中,可以在每次考虑分段时计算每个分段的成本。在步骤1106中,无人机然后使用其构建的成本函数执行路径搜索算法,例如A*、Theta*或任何变体。为执行Theta*,无人机需要考虑附加视线分段以及与这些分段相关联的成本。在执行Theta*算法的过程中,无人机可以预先将这些附加成本分配给视线分段或在飞行中进行计算。
图12示出了由无人机执行的通过使用不同路径搜索算法确定经过不同区域的连接的子飞行路径来确定飞行路径的示例过程。基本上,图11中的步骤1106可以通过这个过程执行。在步骤1202和1204中,无人机识别中间点或中间目的地,并使用这些中间点将搜索空间分解成区域。然后,每个区域将至少部分地由两个中间点或一个中间点以及源或目的地定义。在可替换方法中,无人机首先识别区域并使用这些区域来识别中间点。在步骤1206中,无人机基于一个或多个因素(例如区域中存在障碍物的可能性)对每个区域进行分类。例如,无人机可以将包含其2D坐标与红色类别相关联的点的区域分类为“危险”区域,并将任何其他区域分类为“安全”区域。无人机也会将每个类与特定的路径搜索算法相关联。例如,危险区域可以与A*相关联,而安全区域可以与Theta*相关联。在步骤1208中,无人机使用与区域的类别相关联的路径搜索算法确定其两个定义点之间的每个区域的飞行路径,以确定无人机经过空域的飞行路径。
图13示出了根据本发明的实施例的无人机(UAV)800。如本文所述,UAV可以是可移动物体的示例。无人飞行器800可以包括具有四个旋翼旋翼1302、1304、1306和1308的推进系统。可以提供任何数量的旋翼旋翼(例如,1、2、3、4、5、6或更多)。旋翼可以是本文其他部分描述的自紧旋翼的实施例。无人飞行器的旋翼、旋翼组件或其他推进系统可以使得无人飞行器能够悬停/保持位置、改变取向和/或改变位置。相对旋翼的轴之间的距离可以是任何合适的长度1310。例如,长度1310可以小于或等于2m,或者小于等于5m。在一些实施例中,长度1310可以在从40cm到1m、从10cm到2m、或从5cm到5m的范围内。本文对无人机的任何描述都可以应用于可移动物体,例如不同类型的可移动物体,反之亦然。
在一些实施例中,可移动物体可以被配置为承载负载。负载可以包括乘客、货物、器材、仪器等中的一个或多个。负载可以设置在壳体内。壳体可以与可移动物体的壳体分离,或者可以是用于可移动物体的壳体的一部分。可选地,在可移动物体没有壳体的情况下可以提供具有壳体的负载。可选地,部分负载或整个负载可以没有壳体。负载可以相对于可移动物体刚性固定。可选地,负载可以相对于可移动物体可移动(例如,相对于可移动物体可平移或可旋转)。
在一些实施例中,负载包括有效载荷。有效载荷可以被配置为不执行任何操作或功能。可选地,有效载荷可以是被配置为执行操作或功能的有效载荷,也被称为功能有效载荷。例如,有效载荷可以包括用于测量一个或多个目标的一个或多个传感器。任何合适的传感器可以被并入有效载荷中,例如图像捕获装置(例如相机)、音频捕获装置(例如抛物面麦克风),红外成像装置或紫外成像装置。传感器可以提供静态感测数据(例如,照片)或动态感测数据(例如,视频)。在一些实施例中,传感器为有效载荷的目标提供感测数据。可选地或结合地,有效载荷可以包括用于向一个或多个目标提供信号的一个或多个发射器。可以使用任何合适的发射器,例如照明源或声源。在一些实施例中,有效载荷包括一个或多个收发器,例如用于与远离可移动物体的模块进行通信。可选地,有效载荷可以配置为与环境或目标进行交互。例如,有效载荷可以包括能够操纵物体的工具、仪器或机构,例如机械臂。
可选地,负载可以包括载体。可以为有效载荷提供载体,并且有效载荷可以通过载体直接(例如直接接触可移动物体)或间接地(例如不接触可移动物体)连接到可移动物体。相反地,有效载荷可以安装在可移动物体上而不需要载体。有效载荷可以与载体一体形成。可选地,有效载荷可以可释放地连接到载体。在一些实施例中,有效载荷可以包括一个或多个有效载荷元件,并且如上所述,一个或多个有效载荷元件可以相对于可移动物体和/或载体移动。
载体可以与可移动物体一体形成。或者,载体可以可释放地连接到可移动物体。载体可以直接或间接地连接到可移动物体。载体可以为有效载荷提供支撑(例如,承载有效载荷的至少一部分重量)。载体可以包括能够增稳和/或引导有效载荷的移动的合适的安装结构(例如云台平台)。在一些实施例中,载体可以适于控制有效载荷相对于可移动物体的状态(例如,位置和/或取向)。例如,载体可以被配置为相对于可移动物体移动(例如,相对于一个、两个或三个平移自由度和/或一个、两个或三个旋转自由度),使得无论可移动物体的移动如何,有效载荷均相对于合适的参考系保持其位置和/或取向。参考系可以是固定参考系(例如周围环境)。可选地,参考系可以是移动参考系(例如,可移动物体、有效载荷目标)。
在一些实施例中,载体可被配置为允许有效载荷相对于载体和/或可移动物体的移动。该运动可以是关于多达三个自由度(例如,沿一个、两个或三个轴)的平移或关于高达三个自由度的旋转(例如,围绕一个、两个或三个轴)或其任何合适的组合。
在一些情况下,载体可以包括载体框架组件和载体致动组件。载体框架组件可以为有效载荷提供结构支撑。载体框架组件可以包括单独载体框架部件,其中的一些可以相对于彼此移动。载体致动组件可以包括致动各个载体框架部件的移动的一个或多个致动器(例如,电机)。致动器可以同时允许多个载体框架部件的移动,或者可以被配置为一次允许单个载体框架部件的移动。载体框架部件的移动可以产生有效载荷的相应移动。例如,载体致动组件可致动一个或多个载体框架部件围绕一个或多个旋转轴线(例如,横滚轴线、俯仰轴线或偏航轴线)的旋转。一个或多个载体框架部件的旋转可导致有效载荷相对于可移动物体围绕一个或多个旋转轴线旋转。可选地或结合地,载体致动组件可致动一个或多个载体框架部件沿一个或多个平移轴的平移,并由此产生有效载荷相对于可移动物体沿一个或多个对应轴的平移。
在一些实施例中,可移动物体、载体和有效载荷相对于固定参考系(例如,周围环境)和/或彼此的移动可以由终端控制。终端可以是远离可移动物体、载体和/或有效载荷的位置处的远程控制装置。终端可以设置在或固定在支撑平台上。可选地,终端可以是手持装置或可穿戴装置。例如,终端可以包括智能手机、平板电脑、便携式电脑、计算机、眼镜、手套、头盔、麦克风或其合适的组合。终端可以包括用户界面,例如键盘、鼠标、操纵杆、触摸屏或显示器。任何合适的用户输入可用于与终端交互,例如手动输入命令、语音控制、手势控制或位置控制(例如,通过终端的移动、位置或倾斜)。
终端可以用于控制可移动物体、载体和/或有效载荷的任何合适的状态。例如,终端可用于相对于固定参考系来控制可移动物体、载体和/或有效载荷从和/或到彼此的位置和/或取向。在一些实施例中,终端可用于控制可移动物体、载体和/或有效载荷的各个元件,例如载体的致动组件、有效载荷的传感器、或有效载荷的发射器。终端可以包括适于与可移动物体、载体或有效载荷中的一个或多个通信的无线通信装置。
终端可以包括用于查看可移动物体、载体和/或有效载荷的信息的合适的显示单元。例如,终端可以被配置为显示关于位置、平移速度、平移加速度、取向、角速度、角加速度或其任何合适组合的可移动物体、载体和/或有效载荷的信息。在一些实施例中,终端可以显示由有效载荷提供的信息,例如由功能有效载荷提供的数据(例如,由相机或其他图像捕获装置记录的图像)。
可选地,同一终端可以均控制可移动物体、载体和/或有效载荷,也可以控制可移动物体、载体和/或有效载荷的状态,以及接收和/或显示来自可移动物体载体和/或有效载荷的信息。例如,终端可以在显示有效载荷所捕获的图像数据、或者关于有效载荷位置的信息的同时,控制有效载荷相对于环境的定位。可选地,不同的终端可以用于不同的功能。例如,第一终端可以控制可移动物体、载体和/或有效载荷的移动或状态,而第二终端可以接收和/或显示来自可移动物体、载体和/或有效载荷的信息。例如,第一终端可用于控制有效载荷相对于环境的定位,而第二终端显示由有效载荷捕获的图像数据。在可移动物体和既控制可移动物体又接收数据的集成终端之间,或者在可移动物体和既控制可移动物体又接收数据的多个终端之间可利用各种通信模式。例如,可以在可移动物体和终端之间形成至少两种不同的通信模式,其既控制可移动物体又接收来自可移动物体的数据。
图14示出了根据实施例的包括载体1402和有效载荷1404的可移动物体900。如前所述,虽然可移动物体1400被描述为飞行器,但是这种描述并非意图限制,可以使用任何合适类型的可移动物体。本领域技术人员将理解,本文在飞行器系统的背景中描述的任何实施例可以应用于任何合适的可移动物体(例如,无人机)。在一些情况下,有效载荷1404可以设置在可移动物体1400上而不需要载体1402。可移动物体1400可以包括推进机构1406、感测系统1408和通信系统1410。
如前所述,推进机构1406可以包括旋翼、螺旋桨、叶片、发动机、马达、轮子、轴、磁体或喷嘴中的一个或多个。例如,推进机构1406可以是如本文其他部分所公开的自紧旋翼、旋翼组件或其他旋转推进单元。可移动物体可以具有一个或更多个、两个或更多个、三个或更多个、或者四个或更多个推进机构。推进机构可以都是同一类型的。可选地,一个或多个推进机构可以是不同类型的推进机构。推进机构1406可以使用任何合适的装置,例如本文其他部分所述的支撑元件(例如,驱动轴),安装在可移动物体1400上。推进机构1406可以安装在可移动物体1400的任何合适的部分上,例如在其顶部、底部、前部、后部、侧部或其合适的组合上。
在一些实施例中,推进机构1406可以使得可移动物体1400能够从表面垂直地起飞或者在表面上垂直地着陆,而不需要可移动物体1400的任何水平移动(例如,没有沿着跑道行进)。可选地,推进机构1406可以是可操作的以允许可移动物体1400以特定的位置和/或取向悬停在空中。一个或多个推进机构1400可以独立于其他推进机构被控制。可选地,推进机构1400可以配置为被同时控制。例如,可移动物体1400可以具有多个水平取向的旋翼,其可以向可移动物体提供升力和/或推力。多个水平定向的旋翼可以被致动以向可移动物体1400提供垂直起飞、垂直着陆和悬停能力。在一些实施例中,一个或多个水平取向的旋翼可以沿顺时针方向旋转,同时一个或多个水平旋翼可以沿逆时针方向旋转。例如,顺时针旋翼的数量可以等于逆时针旋翼的数量。为了控制每个旋翼产生的升力和/或推力,每个水平定向旋翼的转速可以独立地变化,从而调整可移动物体1400的空间布局、速度和/或加速度(例如,相对于多达三个平移自由度和多达三个旋转自由度)。
感测系统1408可以包括一个或多个传感器,该一个或多个传感器可以感测可移动物体1400的空间布局、速度和/或加速度(例如,相对于高达三个平移自由度和高达三个旋转自由度)。一个或多个传感器可以包括全球定位系统(GPS)传感器、运动传感器、惯性传感器、接近传感器或图像传感器。由感测系统1408提供的感测数据可用于控制可移动物体1400的空间布局、速度和/或取向(例如,如下所述,通过使用合适的处理单元和/或控制模块)。可选地,感测系统1408可用于提供关于可移动物体周围环境的数据,例如,天气条件、与潜在障碍物的接近度、地理特征的位置、人造建筑物的位置等。
通信系统1410经由无线信号1416实现与具有通信系统1414的终端1412的通信。通信系统1410、1414可以包括适用于无线通信的任何数量的发射器、接收器和/或收发器。通信可以是单向通信,使得数据可以仅沿一个方向发送。例如,单向通信可能仅涉及可移动物体1400将数据发送到终端1412,反之亦然。数据可以从通信系统1410的一个或多个发射器发送到通信系统1412的一个或多个接收器,反之亦然。可选地,通信可以是双向通信,使得数据可以在可移动物体1400和终端1412之间沿两个方向发送。双向通信可以涉及将数据从通信系统的一个或多个发射器发送到通信系统1414的一个或多个接收器,反之亦然。
在一些实施例中,终端1412可提供控制数据到可移动物体1400、载体1402和有效载荷1404中的一个或多个,并从可移动物体1400、载体1402和有效载荷1404中的一个或多个接收信息(例如,可移动物体、载体或有效载荷的位置和/或运动信息;由有效载荷感测的数据,例如由有效载荷相机捕捉的图像数据)。在一些情况下,来自终端的控制数据可以包括用于可移动物体、载体和/或有效载荷的相对位置、运动、致动或控制的指示。例如,控制数据可以导致可移动物体的位置和/或取向的改变(例如,通过控制推进机构1406),或有效载荷相对于可移动物体的运动(例如,通过控制载体1402)。来自终端的控制数据可以导致对有效载荷的控制,例如控制相机或其他图像捕捉设备的操作(例如,拍摄静止或移动的图片、放大或缩小、打开或关闭、切换成像模式、改变图像分辨率、改变焦点、改变景深、改变曝光时间、改变视角或视场)。在一些情况下,来自可移动物体、载体和/或有效载荷的通信可以包括来自一个或多个传感器(例如,感测系统1408或有效载荷1404的)的信息。通信可以包括来自一个或多个不同类型的传感器(例如,GPS传感器、运动传感器、惯性传感器、接近传感器或图像传感器)的感测信息。这些信息可以涉及可移动物体、载体和/或有效载荷的位置(例如,定位、取向)、运动或加速度。来自有效载荷的这些信息可以包括由有效载荷捕捉的数据或有效载荷的感测状态。由终端1412提供发送的控制数据可配置为控制可移动物体1400、载体1402或有效载荷1404的一个或多个的状态。可选地或组合地,载体1402和有效载荷1404还可各自包括配置为与终端1412通信的通信模块,使得终端可以独立地与可移动物体1400、载体1402和有效载荷1404的每一个进行通信并对其进行控制。
在一些实施例中,可移动物体1400可配置为与除终端1412之外或者代替终端1412的另一远程设备通信。终端1412还可配置为与另一远程设备以及可移动物体1400通信。例如,可移动物体1400和/或终端1412可以与另一可移动物体或者另一可移动物体的载体或有效载荷通信。当期望时,远程设备可以是第二终端或其他计算设备(例如,计算机、便携式电脑、平板电脑、智能电话或其他移动设备)。远程设备可配置为发送数据到可移动物体1400、从可移动物体1400接收数据、发送数据到终端1412、和/或从终端1412接收数据。可选地,远程设备可以连接到互联网或其他电信网络,使得从可移动物体1400和/或终端1412接收的数据可以被上传到网站或服务器。
本文所述的系统、装置和方法可应用于各种各样的可移动物体。如前所述,本文中关于无人机的任何说明可适用于任何可移动物体。本发明的可移动物体可配置为在任何合适的环境中运动,例如在空中(例如固定翼飞行器、旋翼飞行器或既无固定翼也无旋翼的飞行器)、在水中(例如船舶或潜艇)、在地面上(例如机动载运工具,如汽车、卡车、公共汽车、货车、摩托车;可移动的结构或框架,如棒、钓竿;或火车)、在地下(例如地铁)、在太空(例如空间飞行器、卫星、或探测器)、或这些环境的任何组合。可移动物体可以是载运工具,例如本文其他部分所述的载运工具。可移动物体可以是不需要人力输入的自推式无人载运工具。在一些实施例中,可移动物体可安装至例如人或动物的活体上。合适的动物可包括牛、犬、猫、马、牛、羊、猪、蚤、啮齿动物或昆虫。在一些实施例中,可移动物体可以被携带。
可移动物体可相对于六个自由度(例如三个平移的自由度和三个旋转的自由度)在环境中自由运动。可替换地,可移动物体的运动可以相对于一个或多个自由度被约束,例如通过预定的路径、轨迹或方向。运动可由任何合适的致动机构致动,例如发动机或电机。可移动物体的致动机构可由任何合适的能源供电,例如电能、磁能、太阳能、风能、重力能、化学能、核能或其任何适当的组合。如本文其他部分所述,可移动物体可通过推进系统自行推进。推进系统可以可选地使用例如电能、磁能、太阳能、风能、重力能、化学能、核能或其任何合适的组合。可替换地,可移动物体可由生物承载。
在一些情况下,可移动物体可以是载运工具。合适的载运工具可包括水上载运工具、空中飞行器、航天器或地面载运工具。例如飞行器可以是固定翼飞行器(例如飞机、滑翔机)、旋翼飞行器(例如直升机、旋翼机)、具有固定翼和旋翼的飞行器、或固定翼和旋翼均不具有的飞行器(例如飞艇、热气球)。载运工具可自行推进,例如在空气中、在水上或水中、在太空中、或者在地面上或地下自行推进。自行推进的载运工具可利用推进系统,例如包括一个或多个发动机、电机、车轮、车轴、磁体、旋翼、螺旋桨、叶片、喷嘴或其任何适当组合的推进系统。在一些情况下,推进系统可用于使可移动物体能够从表面起飞、着陆在表面上、保持其当前位置和/或方向(例如悬停)、改变方向和/或改变位置。
可移动物体可由用户远程控制或者由可移动物体内或上的乘员本地控制。在一些实施例中,可移动物体是例如无人机的无人可移动物体。例如无人机的无人可移动物体可能在可移动物体上不具有乘员。可移动物体可由人或自主控制系统(例如计算机控制系统)或其任何适当的组合控制。可移动物体可以是自主或半自主机器人,例如配置有人工智能的机器人。
图15示出了根据实施例的用于控制可移动物体的系统1500的框图示意图。系统1500可以与本文公开的系统、装置和方法的任何合适的实施例组合使用。系统1500可包括感测模块1502、处理单元1504、非暂时性计算机可读介质1506、控制模块1508和通信模块1510。
感测模块1502可利用以不同方式收集可移动物体相关信息的不同类型的传感器。不同类型的传感器可感测不同类型的信号或来自不同来源的信号。例如,传感器可包括惯性传感器、GPS传感器、接近传感器(例如激光雷达)、或视觉/图像传感器(例如相机)。感测模块1502可以可操作地耦接至具有多个处理器的处理单元1504。在一些实施例中,感测模块可以可操作地耦接至配置为直接传输感测数据至合适的外部装置或系统的传输模块1512(例如Wi-Fi图像传输模块)。例如,传输模块1512可用于将感测模块1502的相机所捕获的图像传输至远程终端。
处理单元1504可具有一个或多个例如可编程处理器(例如中央处理单元(CPU))的处理器。处理单元1504可以可操作地耦接至非暂时性计算机可读介质1506。非暂时性计算机可读介质1506可存储处理单元1504可执行的用于执行一个或多个步骤的逻辑、代码和/或程序指令。非暂时性计算机可读介质可包括一个或多个存储器单元(例如,例如SD卡或随机存取存储器(RAM)的可移动介质或外部存储器)。在一些实施例中,来自感测模块1502的数据可直接传送并存储于非暂时性计算机可读介质1506的存储器单元内。非暂时性计算机可读介质1506的存储器单元可存储处理单元1504可执行的逻辑、代码和/或程序指令,以执行本文所述方法的任何合适的实施例。例如,处理单元1504可配置为执行使处理单元1504的一个或多个处理器分析由感测模块生成的感测数据的指令。存储器单元可存储来自感测模块的待处理单元1504处理的感测数据。在一些实施例中,非暂时性计算机可读介质1506的存储器单元可用于存储由处理单元1504产生的处理结果。
在一些实施例中,处理单元1504可以可操作地耦接至配置为控制可移动物体的状态的控制模块1508。例如,控制模块1508可配置为控制可移动物体的推进机构来调整可移动物体相对于六个自由度的空间布局、速度和/或加速度。可替换地或组合地,控制模块1508可控制载体、搭载物或感测模块的一个或多个状态。
处理单元1504可以可操作地耦接至配置为从同一个或多个外部装置(例如终端、显示装置或其他遥控器)传输和/或接收数据的通信模块1510。可使用例如有线通信或无线通信的任何合适的通信手段。例如,通信模块1510可利用一个或多个局域网(LAN)、广域网(WAN)、红外线、无线电、Wi-Fi、点对点(P2P)网络、电信网络、云通信等。可选地,可使用例如塔、卫星或移动站的中继站。无线通信可以是依赖近距离或不依赖近距离的。在一些实施例中,通信可能或可能不需要视线。通信模块1510可传输和/或接收来自感测模块1502的感测数据、处理单元1504产生的处理结果、预定的控制数据、来自终端或遥控器的用户命令等的一个或多个。
系统1500的部件可以任何合适的配置来布置。例如,系统1500的一个或多个部件可以位于可移动物体、载体、搭载物、终端、感测系统或与上述一个或多个通信的附加外部设备上。附加地,尽管图15描绘了单个处理单元1504和单个非暂时性计算机可读介质1506,但本领域技术人员应理解这并非意图限制,并且系统1500可包括多个处理单元和/或非暂时性计算机可读介质。在一些实施例中,所述多个处理单元和/或非暂时性计算机可读介质中的一个或多个可位于不同的位置,例如在可移动物体、载体、搭载物、终端、感测模块、与上述一个或多个通信的附加外部设备或其适当的组合上,使得由系统1500执行的所述处理和/或存储功能的任何合适的方面可在一个或多个上述位置处发生。
本文所使用的A和/或B包括A或B的一个或多个,以及它们的组合,例如A和B。
虽然在本文中已经示出和描述了本发明的优选实施例,但对本领域技术人员显而易见的是,这样的实施例仅仅是作为示例而提供。本领域技术人员在不背离本发明的情况下由此将会想到许多变化、改变和替代。应当理解,在实施本发明时可以使用在此描述的本发明的实施例的各种替代方案。本文意图以权利要求限定本发明的范围,并且这些权利要求及其等同物范围内的方法和结构由权利要求所涵盖。
Claims (10)
1.一种确定飞行器的飞行路径的方法,包括:
在飞行期间并借助于一个或多个处理器,识别在第一位置发生的飞行器和远程装置之间传输的信号的丢失或减弱;
响应于所述识别,在接近第二位置的范围内选择第一目的地,其中在先前的飞行期间在第二位置处的信号传输状态不同于飞行器和远程装置之间在第一位置处的信号传输状态;
确定到达第一目的地的第一飞行路径,其中第一飞行路径包括由一个或多个飞行器上的一个或多个传感器检测到的可到达位置;
当第一目的地的信号传输状态在第一目的地恢复到正常状态时,确定到第二目的地的第二飞行路径,第二飞行路径包括在先前飞行期间未被所述一个或多个飞行器的所述一个或多个传感器中的任何一个检测到的位置当飞行器到达第一目的地后,实时评估在第一目的地的信号传输状态。
2.根据权利要求1所述的方法,其中,第一目的地位于第二位置。
3.根据权利要求1所述的方法,其中,远程装置是遥控器或卫星。
4.根据权利要求1所述的方法,其中,第二位置是在先前的飞行期间由所述一个或多个飞行器上的所述一个或多个传感器检测到的位置。
5.根据权利要求1所述的方法,其中,第二位置是飞行器和远程装置之间信号传输成功的最后一个点。
6.根据权利要求1所述的方法,其中,第一飞行路径是飞行器的最后飞行路径的反向。
7.根据权利要求1所述的方法,其中,第一飞行路径不包括先前飞行期间未被所述一个或多个传感器检测到的位置。
8.根据权利要求1所述的方法,其中,第二目的地是在先前飞行期间未被所述一个或多个传感器检测到的位置;或者,第二目的地是在识别在第一位置发生的信号传输状态的变化之前,飞行器到达的预定位置。
9.根据权利要求1所述的方法,其中,第二目的地是当前飞行的起点。
10.根据权利要求1所述的方法,其中,选择第二飞行路径进一步取决于来自远程装置的用户输入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210936027.6A CN115202401A (zh) | 2016-11-14 | 2016-11-14 | 飞行路径确定 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210936027.6A CN115202401A (zh) | 2016-11-14 | 2016-11-14 | 飞行路径确定 |
CN201680090587.7A CN109923492B (zh) | 2016-11-14 | 2016-11-14 | 飞行路径确定 |
PCT/CN2016/105804 WO2018086140A1 (en) | 2016-11-14 | 2016-11-14 | Flight path determination |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680090587.7A Division CN109923492B (zh) | 2016-11-14 | 2016-11-14 | 飞行路径确定 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115202401A true CN115202401A (zh) | 2022-10-18 |
Family
ID=62110125
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680090587.7A Active CN109923492B (zh) | 2016-11-14 | 2016-11-14 | 飞行路径确定 |
CN202210936027.6A Pending CN115202401A (zh) | 2016-11-14 | 2016-11-14 | 飞行路径确定 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680090587.7A Active CN109923492B (zh) | 2016-11-14 | 2016-11-14 | 飞行路径确定 |
Country Status (4)
Country | Link |
---|---|
US (3) | US20190265705A1 (zh) |
EP (3) | EP3855270A1 (zh) |
CN (2) | CN109923492B (zh) |
WO (1) | WO2018086140A1 (zh) |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016205415A1 (en) | 2015-06-15 | 2016-12-22 | ImageKeeper LLC | Unmanned aerial vehicle management |
US11279459B2 (en) * | 2015-11-05 | 2022-03-22 | Hossein Rahnama | Hover attachment for mobile device |
CN113342038A (zh) | 2016-02-29 | 2021-09-03 | 星克跃尔株式会社 | 为无人飞行器的飞行生成地图的方法和系统 |
WO2018065977A1 (en) * | 2016-10-07 | 2018-04-12 | Shmuel Ur Innovation Ltd. | Drone based delivery system using vehicles |
US20200286034A1 (en) * | 2017-09-25 | 2020-09-10 | Shmuel Ur Innovation Ltd | Drone based delivery system using vehicles |
IL249870B (en) * | 2016-12-29 | 2022-02-01 | Israel Aerospace Ind Ltd | Autonomous landing with the help of an image |
IL253769B (en) * | 2017-07-31 | 2022-03-01 | Israel Aerospace Ind Ltd | Planning a path in motion |
US11403814B2 (en) * | 2017-08-04 | 2022-08-02 | Walmart Apollo, Llc | Systems, devices, and methods for generating a dynamic three dimensional communication map |
WO2019047073A1 (zh) * | 2017-09-06 | 2019-03-14 | 深圳市道通智能航空技术有限公司 | 飞行器降落方法、飞行器和计算机可读存储介质 |
JP7109174B2 (ja) * | 2017-10-03 | 2022-07-29 | 株式会社トプコン | 経路選定装置、無人航空機、データ処理装置、経路選定処理方法および経路選定処理用プログラム |
JP2019073056A (ja) * | 2017-10-12 | 2019-05-16 | 株式会社トプコン | 無人航空機制御装置、無人航空機、データ処理装置、無人航空機制御方法および無人航空機制御処理用プログラム |
US10755582B2 (en) * | 2017-12-28 | 2020-08-25 | Paypal, Inc. | Drone physical and data interface for enhanced distance coverage |
JP6923479B2 (ja) * | 2018-03-28 | 2021-08-18 | Kddi株式会社 | 飛行装置、飛行システム、飛行方法及びプログラム |
US10788325B1 (en) * | 2018-04-17 | 2020-09-29 | Rockwell Collins, Inc. | Systems and methods for hybrid graph and grid three-dimensional routing |
US10885727B2 (en) * | 2018-05-22 | 2021-01-05 | International Business Machines Corporation | Vehicular implemented inspection |
US10803657B2 (en) * | 2018-08-21 | 2020-10-13 | Here Global B.V. | Method, apparatus, and computer program product for dynamic flight range visualization |
EP3671390B1 (en) * | 2018-12-21 | 2021-10-13 | Airbus Defence and Space GmbH | Method for operating an unmanned aerial vehicle as well as an unmanned aerial vehicle |
IL265818A (en) * | 2019-04-02 | 2020-10-28 | Ception Tech Ltd | System and method for determining the position and orientation of an object in space |
US11866167B2 (en) * | 2019-04-10 | 2024-01-09 | Rhoman Aerospace Corporation | Method and algorithm for flight, movement, autonomy, in GPS, communication, degraded, denied, obstructed non optimal environment |
EP3751756A1 (en) * | 2019-06-14 | 2020-12-16 | Dimetor GmbH | Apparatus and method for guiding unmanned aerial vehicles |
PL3751901T3 (pl) | 2019-06-14 | 2023-10-30 | Dimetor Gmbh | Urządzenie i sposób do prowadzenia bezzałogowych statków powietrznych |
CN110333718A (zh) * | 2019-06-28 | 2019-10-15 | 苏州上善知源汽车电子有限公司 | 远程控制车辆的安全驾驶方法 |
US11410562B1 (en) * | 2019-08-14 | 2022-08-09 | Amazon Technologies, Inc. | Aerial vehicle travel related data collection and route optimization |
US11958183B2 (en) | 2019-09-19 | 2024-04-16 | The Research Foundation For The State University Of New York | Negotiation-based human-robot collaboration via augmented reality |
US11531337B2 (en) * | 2019-10-15 | 2022-12-20 | The Boeing Company | Systems and methods for surveillance |
US11668798B2 (en) * | 2019-11-14 | 2023-06-06 | Nio Technology (Anhui) Co., Ltd. | Real-time ground surface segmentation algorithm for sparse point clouds |
CN110849373B (zh) * | 2019-11-28 | 2023-07-21 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种有人机实时航路重规划方法 |
US11705009B2 (en) | 2019-12-05 | 2023-07-18 | Rockwell Collins, Inc. | System and method for optimizing mission fulfillment by unmanned aircraft systems (UAS) via dynamic atmospheric modeling |
US11423789B2 (en) | 2019-12-05 | 2022-08-23 | Rockwell Collins, Inc. | System and method for preventing inadvertent loss of command and control link to an unmanned aerial system |
US11345473B1 (en) | 2019-12-05 | 2022-05-31 | Rockwell Collins, Inc. | System and method for preventing inadvertent loss of surveillance coverage for an unmanned aerial system (UAS) |
CN113448340B (zh) * | 2020-03-27 | 2022-12-16 | 北京三快在线科技有限公司 | 一种无人机的路径规划方法、装置、无人机及存储介质 |
CN111552318B (zh) * | 2020-05-15 | 2023-01-10 | 航迅信息技术有限公司 | 一种无人机最低安全高度飞行的控制方法 |
JP7351280B2 (ja) * | 2020-09-30 | 2023-09-27 | トヨタ自動車株式会社 | 情報処理装置及び方法 |
JP7392622B2 (ja) * | 2020-09-30 | 2023-12-06 | トヨタ自動車株式会社 | 無人航空機の制御方法、サーバ、及び、無人航空機 |
DE102020133296B3 (de) * | 2020-12-14 | 2022-03-10 | Ssi Schäfer Automation Gmbh | Rettungsmodus in Shuttle-Regalanordnung |
US20220194578A1 (en) * | 2020-12-23 | 2022-06-23 | Osmose Utilities Services, Inc. | Systems and methods for inspecting structures with an unmanned aerial vehicle |
CN112672314B (zh) * | 2020-12-23 | 2023-10-24 | 武汉量宇智能科技有限公司 | 一种飞行器安全可信发射控制方法 |
CN112731383A (zh) * | 2020-12-23 | 2021-04-30 | 深圳砺剑天眼科技有限公司 | 一种激光雷达的自主导航控制系统 |
CN113110555A (zh) * | 2021-04-30 | 2021-07-13 | 成都睿铂科技有限责任公司 | 一种航线规划方法 |
CN113359853B (zh) * | 2021-07-09 | 2022-07-19 | 中国人民解放军国防科技大学 | 一种无人机编队协同目标监视的路径规划方法及系统 |
US20230052288A1 (en) * | 2021-08-12 | 2023-02-16 | Digit7 India Private Limited | Unmanned aerial vehicle (uav) and method for operating the uav |
US20230089977A1 (en) * | 2021-09-17 | 2023-03-23 | Anduril Industries Inc. | Generating a flight plan of a semi-autonomous drone |
CN114595863B (zh) * | 2022-01-12 | 2023-12-15 | 杭州优迈科思信息科技有限责任公司 | 航班智能恢复的方法及系统 |
WO2023178487A1 (zh) * | 2022-03-21 | 2023-09-28 | 深圳市大疆创新科技有限公司 | 飞行器及其功耗的控制方法、控制装置和计算机存储介质 |
US11807387B1 (en) * | 2022-04-30 | 2023-11-07 | Beta Air, Llc | Apparatus and methods for a fuel-based flight indicator apparatus for an electric aircraft |
CN114779824B (zh) * | 2022-06-20 | 2022-09-23 | 成都翼比特自动化设备有限公司 | 一种无人机智能返航的方法及系统 |
CN117250855B (zh) * | 2023-11-14 | 2024-02-13 | 安徽大学 | 一种基于多目标优化的飞行机器人轨迹规划方法 |
Family Cites Families (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4078749A (en) * | 1977-05-24 | 1978-03-14 | United Technologies Corporation | Helicopter stick force augmentation null offset compensation |
US4812990A (en) * | 1987-04-29 | 1989-03-14 | Merit Technology Incorporated | System and method for optimizing aircraft flight path |
US20040093299A1 (en) * | 2002-11-07 | 2004-05-13 | International Business Machines Corporation | System and method for coalescing information for presentation to a vehicle operator |
US8686900B2 (en) | 2003-03-20 | 2014-04-01 | Hemisphere GNSS, Inc. | Multi-antenna GNSS positioning method and system |
US7343232B2 (en) * | 2003-06-20 | 2008-03-11 | Geneva Aerospace | Vehicle control system including related methods and components |
FR2888955B1 (fr) * | 2005-07-21 | 2007-08-24 | Airbus Sas | Procede et dispositif de securisation d'un vol automatique a basse altitude d'un aeronef |
US7702460B2 (en) | 2006-06-17 | 2010-04-20 | Northrop Grumman Guidance And Electronics Company, Inc. | Estimate of relative position between navigation units |
US20100250022A1 (en) | 2006-12-29 | 2010-09-30 | Air Recon, Inc. | Useful unmanned aerial vehicle |
CN101259331A (zh) * | 2007-03-09 | 2008-09-10 | 凌阳科技股份有限公司 | 遥控模型飞行器安全控制方法、装置及遥控模型飞行器 |
EP2151730A1 (en) * | 2008-08-05 | 2010-02-10 | The Boeing Company | Four-dimensional navigation of an aircraft |
DE102008050951A1 (de) * | 2008-10-10 | 2010-04-22 | Eads Deutschland Gmbh | Rechnerzeitoptimierte Routenplanung für Luftfahrzeuge |
US8626361B2 (en) * | 2008-11-25 | 2014-01-07 | Honeywell International Inc. | System and methods for unmanned aerial vehicle navigation |
EP3789725A1 (en) * | 2009-02-02 | 2021-03-10 | Aerovironment | Multimode unmanned aerial vehicle |
RU2466355C1 (ru) * | 2011-07-06 | 2012-11-10 | Федеральное государственное унитарное предприятие "Научно-производственное объединение автоматики имени академика Н.А. Семихатова" | Способ получения навигационной информации для автоматической посадки беспилотных летательных аппаратов (бла) |
DE102012001268A1 (de) * | 2012-01-23 | 2013-07-25 | Airbus Operations Gmbh | Verfahren zur Planung eines Landeanflugs eines Flugzeugs, Computerprogrammprodukt, Medium mit einem darauf gespeicherten Landeanflugplan sowie Vorrichtung zur Planung eines Landeanflugs |
CN102955478B (zh) * | 2012-10-24 | 2016-01-20 | 深圳一电科技有限公司 | 无人机飞行控制方法及系统 |
US8798922B2 (en) * | 2012-11-16 | 2014-08-05 | The Boeing Company | Determination of flight path for unmanned aircraft in event of in-flight contingency |
CN103051373B (zh) * | 2012-12-24 | 2015-05-27 | 北京航天科工世纪卫星科技有限公司 | 基于自旋翼无人机的空中应急通信系统 |
US9367067B2 (en) | 2013-03-15 | 2016-06-14 | Ashley A Gilmore | Digital tethering for tracking with autonomous aerial robot |
EP2781980B2 (en) * | 2013-03-19 | 2021-12-08 | The Boeing Company | A method of flying an unmanned aerial vehicle |
US9696430B2 (en) * | 2013-08-27 | 2017-07-04 | Massachusetts Institute Of Technology | Method and apparatus for locating a target using an autonomous unmanned aerial vehicle |
EP2871495B1 (en) * | 2013-11-11 | 2020-06-03 | Airbus Defence and Space GmbH | Aircraft navigation system and method of navigating an aircraft |
US10332405B2 (en) * | 2013-12-19 | 2019-06-25 | The United States Of America As Represented By The Administrator Of Nasa | Unmanned aircraft systems traffic management |
US9216508B2 (en) * | 2014-01-14 | 2015-12-22 | Qualcomm Incorporated | Connectivity maintenance using a quality of service-based robot path planning algorithm |
US10255817B2 (en) * | 2014-01-31 | 2019-04-09 | Tata Consultancy Services Limited | Computer implemented system and method for providing robust communication links to unmanned aerial vehicles |
CN103809597B (zh) * | 2014-02-18 | 2016-09-21 | 清华大学 | 无人机的飞行路径规划方法及无人机 |
US9334052B2 (en) * | 2014-05-20 | 2016-05-10 | Verizon Patent And Licensing Inc. | Unmanned aerial vehicle flight path determination, optimization, and management |
US9817396B1 (en) | 2014-06-09 | 2017-11-14 | X Development Llc | Supervisory control of an unmanned aerial vehicle |
US9409644B2 (en) * | 2014-07-16 | 2016-08-09 | Ford Global Technologies, Llc | Automotive drone deployment system |
JP6168462B2 (ja) * | 2014-08-21 | 2017-07-26 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | 無人航空機の通信方法及びシステム |
CN105517666B (zh) * | 2014-09-05 | 2019-08-27 | 深圳市大疆创新科技有限公司 | 基于情景的飞行模式选择 |
US10165405B2 (en) * | 2014-11-28 | 2018-12-25 | Joel Ho | EMP-shielded, power-independent SMS text tower system for nuclear communications |
KR101655874B1 (ko) * | 2014-12-16 | 2016-09-09 | (주)이산솔루션 | 스마트 충전 기능을 구비한 비행 관리 시스템 |
CN105824324B (zh) * | 2015-01-04 | 2020-03-31 | 中国移动通信集团公司 | 一种失联条件下飞行器自动调节的方法、装置和飞行器 |
CN204631621U (zh) * | 2015-04-22 | 2015-09-09 | 深圳市视晶无线技术有限公司 | 飞行器精密定位锚定系统 |
CN104932526B (zh) * | 2015-05-29 | 2020-08-28 | 深圳市大疆创新科技有限公司 | 一种飞行设备的控制方法及飞行设备 |
CN105185163B (zh) * | 2015-06-02 | 2017-07-25 | 北京航空航天大学 | 飞行路径选择方法和装置、飞行器和空中交通管理系统 |
US9818303B2 (en) * | 2015-06-16 | 2017-11-14 | Verizon Patent And Licensing Inc. | Dynamic navigation of UAVs using three dimensional network coverage information |
EP3329296B1 (en) * | 2015-07-29 | 2021-09-15 | QUALCOMM Incorporated | Angular velocity sensing using arrays of antennas |
WO2017073310A1 (ja) * | 2015-10-27 | 2017-05-04 | 三菱電機株式会社 | 構造物の形状測定用の画像撮影システム、構造物の形状測定に使用する構造物の画像を撮影する方法、機上制御装置、遠隔制御装置、プログラム、および記録媒体 |
CN105356930B (zh) * | 2015-12-08 | 2018-07-13 | 深圳大学 | 基于定时机制的全局最优中继位置搜寻方法及系统 |
CN105554841B (zh) * | 2015-12-08 | 2018-10-12 | 深圳大学 | 一种基于步长阈值机制的最佳中继位置搜寻方法及系统 |
JP6609833B2 (ja) * | 2015-12-09 | 2019-11-27 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッド | 無人航空機の飛行を制御する方法及びシステム |
CN105573339B (zh) * | 2016-01-16 | 2019-01-11 | 深圳先进技术研究院 | 一种基于旋翼飞艇的导航飞行系统 |
CN105759839B (zh) * | 2016-03-01 | 2018-02-16 | 深圳市大疆创新科技有限公司 | 无人机视觉跟踪方法、装置以及无人机 |
CN105867368B (zh) * | 2016-03-31 | 2019-03-01 | 纳恩博(常州)科技有限公司 | 一种信息处理方法和移动装置 |
CN105824320A (zh) * | 2016-04-25 | 2016-08-03 | 至简天蕴智控科技(苏州)有限公司 | 一种飞行器应急控制设备及其控制方法 |
EP3473552B1 (en) * | 2016-06-17 | 2023-10-18 | Rakuten Group, Inc. | Unmanned aircraft control system, unmanned aircraft control method, and program |
CN109476372A (zh) | 2016-07-12 | 2019-03-15 | 深圳市大疆创新科技有限公司 | 用于多取向飞行的系统和方法 |
US10710710B2 (en) | 2016-10-27 | 2020-07-14 | International Business Machines Corporation | Unmanned aerial vehicle (UAV) compliance using standard protocol requirements and components to enable identifying and controlling rogue UAVS |
-
2016
- 2016-11-14 CN CN201680090587.7A patent/CN109923492B/zh active Active
- 2016-11-14 EP EP21162005.9A patent/EP3855270A1/en not_active Withdrawn
- 2016-11-14 EP EP16921015.0A patent/EP3400494B1/en active Active
- 2016-11-14 WO PCT/CN2016/105804 patent/WO2018086140A1/en unknown
- 2016-11-14 CN CN202210936027.6A patent/CN115202401A/zh active Pending
- 2016-11-14 EP EP22153582.6A patent/EP4009128B1/en active Active
-
2019
- 2019-05-08 US US16/406,887 patent/US20190265705A1/en not_active Abandoned
-
2022
- 2022-09-06 US US17/929,832 patent/US11868131B2/en active Active
-
2023
- 2023-12-18 US US18/543,889 patent/US20240118705A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2018086140A1 (en) | 2018-05-17 |
US20230195112A1 (en) | 2023-06-22 |
US11868131B2 (en) | 2024-01-09 |
CN109923492B (zh) | 2022-08-16 |
EP3400494A1 (en) | 2018-11-14 |
EP3855270A1 (en) | 2021-07-28 |
CN109923492A (zh) | 2019-06-21 |
EP4009128B1 (en) | 2023-10-25 |
EP3400494A4 (en) | 2019-01-23 |
US20190265705A1 (en) | 2019-08-29 |
US20240118705A1 (en) | 2024-04-11 |
EP3400494B1 (en) | 2021-04-28 |
EP4009128A1 (en) | 2022-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109923492B (zh) | 飞行路径确定 | |
US11914369B2 (en) | Multi-sensor environmental mapping | |
US11687098B2 (en) | Vehicle altitude restrictions and control | |
CN110062919B (zh) | 递送车辆的放下地点规划 | |
US20200026720A1 (en) | Construction and update of elevation maps | |
JP2020098567A (ja) | 適応検知・回避システム | |
JP2018055695A (ja) | ある環境内で無人航空機を制御する方法、ある環境のマップを生成する方法、システム、プログラムおよび通信端末 |
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 |