CN115390589B - 无人机集群控制方法、装置、电子设备及存储介质 - Google Patents

无人机集群控制方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115390589B
CN115390589B CN202211321825.4A CN202211321825A CN115390589B CN 115390589 B CN115390589 B CN 115390589B CN 202211321825 A CN202211321825 A CN 202211321825A CN 115390589 B CN115390589 B CN 115390589B
Authority
CN
China
Prior art keywords
following
unmanned aerial
aerial vehicle
flight
distance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211321825.4A
Other languages
English (en)
Other versions
CN115390589A (zh
Inventor
李文姬
张秦畅
王诏君
任鹏翔
徐宁
范衠
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.)
Shantou University
Original Assignee
Shantou 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 Shantou University filed Critical Shantou University
Priority to CN202211321825.4A priority Critical patent/CN115390589B/zh
Publication of CN115390589A publication Critical patent/CN115390589A/zh
Application granted granted Critical
Publication of CN115390589B publication Critical patent/CN115390589B/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 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
    • G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying

Abstract

本申请涉及无人机控制技术领域，公开一种无人机集群控制方法、装置、电子设备及存储介质。该方法包括：为无人机集群中的跟随无人机生成飞行策略；控制所述跟随无人机依据所述飞行策略跟随所述领导无人机飞行；采集所述跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距；将所述跟随飞行间距与预设的跟随飞行区域进行比较，在所述跟随飞行间距超出预设的跟随飞行区域时生成调整策略；基于所述调整策略更新所述跟随无人机的飞行速度，得到跟随飞行速度；将所述跟随无人机的当前飞行速度更新为所述跟随飞行速度。本申请通过简单的行为规则控制无人机个体，降低控制难度且迁移性强。

Description

无人机集群控制方法、装置、电子设备及存储介质
技术领域
本申请涉及无人机控制技术领域，尤其是一种无人机集群控制方法、装置、电子设备及存储介质。
背景技术
目前，公共安全主要依靠摄像头和安防人员巡逻，很难做到对公共区域无死角监控和实时预防，随着城市低空空域正在逐步开放，无人机集群系统协同作业给城市治理带来一种新的思路。
现有技术中，无人集群系统的控制方法是通过控制无人无人机进行集群运动并跟踪领航者，强化学习算法控制集群中的领航者完成智能避障，并为无人无人机提供导航信息，无人无人机对环境的探测信息为虚拟领航者提供环境状态信息。然而，上述控制方法需要根据实际环境设置出相应的奖励函数，强化学习需要大量的计算资源，工作环境变化时需要调整奖励函数并重新学习，迁移性较差。
发明内容
本申请的目的是提供一种无人机集群控制方法、装置、电子设备及存储介质，旨在降低无人机集群的控制难度。
第一方面，提供一种无人机集群控制方法，包括：
为无人机集群中的跟随无人机生成飞行策略，所述飞行策略包括用于指示所述跟随无人机跟随领导无人机方向飞行的飞行指令；
控制所述跟随无人机依据所述飞行策略跟随所述领导无人机飞行；
采集所述跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距，所述行进障碍包括邻居无人机和环境障碍物；
将所述跟随飞行间距与预设的跟随飞行区域进行比较，在所述跟随飞行间距超出预设的跟随飞行区域时生成调整策略，所述调整策略包括用于指示所述跟随无人机远离或靠近所述行进障碍的飞行指令；
基于所述调整策略更新所述跟随无人机的飞行速度，得到跟随飞行速度；
将所述跟随无人机的当前飞行速度更新为所述跟随飞行速度。
在一些实施例中，所述为无人机集群中的跟随无人机生成飞行策略，包括：
获取所述领导无人机和所述跟随无人机所在的平面地图；
将所述平面地图转换为栅格地图，确定所述栅格地图中的各个栅格对应的浓度信息，所述浓度信息包含所述领导无人机的浓度信息场；
根据所述栅格地图中的各个栅格对应的浓度信息确定所述跟随无人机从当前栅格到所述领导无人机的所在栅格的最优路径。
在一些实施例中，所述浓度信息场的计算公式为：
Figure 563196DEST_PATH_IMAGE001
；
Figure 346738DEST_PATH_IMAGE002
；
Figure 782399DEST_PATH_IMAGE003
；
其中，γ为环境输入量，T为领导无人机的位置信息，
Figure 694991DEST_PATH_IMAGE004
为拉普拉斯算子，
Figure 583313DEST_PATH_IMAGE005
为t时刻产生的浓度的变化速率，M为领导无人机产生的浓度场。
在一些实施例中，所述采集所述跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距，包括：
接收所述邻居无人机的邻居定位信息以及通过探测所述环境障碍物而生成的障碍定位信息；
以所述跟随无人机自身的坐标系为基准建立局部地图，将所述邻居定位信息和所述障碍定位信息转换至所述局部地图范围内，得到邻居坐标和环境障碍物坐标，计算所述跟随无人机与所述行进障碍之间的飞行间距，得到跟随飞行间距。
在一些实施例中，所述将所述跟随飞行间距与预设的跟随飞行区域进行比较，在所述跟随飞行间距超出预设的跟随飞行区域时生成调整策略，包括第一判断流程、第二判断流程和第三判断流程；
所述第一判断流程包括：
判断所述跟随飞行间距是否小于预设的第一跟随间距；
若是，生成远离所述行进障碍的调整策略，执行第二判断流程；
若否，执行第二判断流程；
所述第二判断流程包括：
判断所述跟随无人机与所述邻居无人机之间的飞行间距是否大于预设的第二跟随间距；
若是，生成靠近所述邻居无人机的调整策略，执行第三判断流程；
若否，生成远离所述邻居无人机的调整策略，执行第三判断流程；
所述第三判断流程包括：
判断调整周期是否已经结束；
若否，执行所述第一判断流程；
其中，第一跟随间距小于第二跟随间距。
在一些实施例中，所述基于所述调整策略更新所述跟随无人机的飞行速度，得到跟随飞行速度，包括：
基于第一间距计算所述跟随无人机受所述领导无人机影响的飞行速度，得到第一飞行速度，所述第一间距为所述跟随无人机与所述领导无人机之间的距离，所述第一间距与所述第一飞行速度呈负相关；
基于第二间距计算所述跟随无人机受各所述邻居无人机影响的飞行速度分量之和，得到第二飞行速度，所述第二间距为所述跟随无人机与所述邻居无人机之间的距离；
基于第三间距计算所述跟随无人机受各所述环境障碍物影响的飞行速度分量之和，得到第三飞行速度，所述第三间距为所述跟随无人机与所述环境障碍物之间的距离；
求所述第一飞行速度、所述第二飞行速度和所述第三飞行速度之和，得到跟随飞行速度。
在一些实施例中，所述跟随飞行速度的计算公式为：
Figure 262556DEST_PATH_IMAGE006
；
所述第一飞行速度的计算公式为：
Figure 520099DEST_PATH_IMAGE007
；
所述第二飞行速度的计算公式为：
Figure 869172DEST_PATH_IMAGE008
；
Figure 838265DEST_PATH_IMAGE009
；
Figure 930986DEST_PATH_IMAGE010
；
Figure 669135DEST_PATH_IMAGE011
；
所述第三飞行速度的计算公式为：
Figure 454688DEST_PATH_IMAGE012
；
Figure 565207DEST_PATH_IMAGE013
；
Figure 586252DEST_PATH_IMAGE014
；
Figure 585432DEST_PATH_IMAGE015
；
其中，Vall为跟随飞行速度，Vleader为第一飞行速度，Vrobot为第二飞行速度，Vobstacle为第三飞行速度，v为单位速度，
Figure 276308DEST_PATH_IMAGE016
为领导无人机在t时刻的浓度场变化率，Vrobot,x为第二飞行速度在x轴的分量速度，Vrobot,y为第二飞行速度在y轴的分量速度，Ni为第i个跟随无人机的邻居机器人数量，
Figure 954414DEST_PATH_IMAGE017
为第i个跟随无人机受第j个邻居机器人影响时在x轴的速度分量，
Figure 388937DEST_PATH_IMAGE018
为第i个跟随无人机受第j个邻居机器人影响时在y轴的速度分量，
Figure 101678DEST_PATH_IMAGE019
为第i个跟随无人机的x轴坐标，
Figure 461990DEST_PATH_IMAGE020
为第i个跟随无人机的y轴坐标，
Figure 299496DEST_PATH_IMAGE021
为第j个邻居无人机的x轴坐标，
Figure 662344DEST_PATH_IMAGE022
为第j个邻居无人机的y轴坐标，Vobstacle,x为第三飞行速度在x轴的分量速度，Vobstacle,y为第三飞行速度在y轴的分量速度，Oi为第i个跟随无人机的环境障碍物数量，
Figure 370537DEST_PATH_IMAGE023
为第i个跟随无人机受第k个环境障碍物影响时在x轴的速度分量，
Figure 403216DEST_PATH_IMAGE024
为第i个跟随无人机受第k个环境障碍物影响时在y轴的速度分量，
Figure 55914DEST_PATH_IMAGE025
为第h个邻居无人机的x轴坐标，
Figure 599284DEST_PATH_IMAGE026
为第h个邻居无人机的y轴坐标。
第二方面，提供一种无人机集群控制装置，所述装置包括：
策略生成模块，用于为无人机集群中的跟随无人机生成飞行策略，所述飞行策略包括用于指示所述跟随无人机跟随领导无人机方向飞行的飞行指令；
控制模块，用于控制所述跟随无人机依据所述飞行策略跟随所述领导无人机飞行；
采集模块，用于采集所述跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距，所述行进障碍包括邻居无人机和环境障碍物；
调整模块，用于将所述跟随飞行间距与预设的跟随飞行区域进行比较，在所述跟随飞行间距超出预设的跟随飞行区域时生成调整策略，所述调整策略包括用于指示所述跟随无人机远离或靠近所述行进障碍的飞行指令；
速度更新模块，用于基于所述调整策略更新所述跟随无人机的飞行速度，得到跟随飞行速度；
更新执行模块，用于将所述跟随无人机的当前飞行速度更新为所述跟随飞行速度。
第三方面，提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面的无人机集群控制方法。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面的无人机集群控制方法。
本申请的有益效果：通过生成的飞行策略来设置无人机个体的行为规则，从而实现无人机集群运动，无人机集群中的领导无人机自主地以一定速度进行运动，无人机集群中的跟随无人机依据飞行策略向领导无人机所在方向进行移动，从而确保了无人机集群具有近似的运动方向，在群体移动过程中，根据跟随无人机与行进障碍之间的飞行间距调整跟随无人机的飞行速度，使跟随无人机在跟随领导无人机飞行的过程中与邻居无人机以及环境障碍物保持一定距离，只需遵循简单的运动规则就可以控制跟随无人机自适应调整在无人机集群中的运动位置，控制难度低且无人集群系统的鲁棒性和迁移性强。
附图说明
图1是本申请实施例提供的无人机集群控制方法的流程图；
图2是图1中的步骤S101的流程图；
图3是图1中的步骤S103的流程图；
图4是图1中的步骤S104的流程图；
图5是图1中的步骤S105的流程图；
图6是本申请实施例提供的无人机集群控制装置的结构示意图；
图7是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
首先，对本申请中涉及的若干名词进行解析：
无人机集群系统，由一定数量的同类或者异构无人系统/装备、控制系统及人机界面组成，利用信息交互与反馈、激励与响应，实现相互间行为协同，适应动态环境，共同完成特定任务的智能联合系统。无人机集群系统可以是同构类型的智能无人集群系统，如:智能无人机集群系统；也可以是异构智能无人集群系统，如由空域、地域和水域无人系统组成的智能无人集群系统。在灾难搜索救援场景中，采用高空侦察机、无人机群体、无人车群体等跨域异构机器人协同搜救可以有效规避危险，并提高搜救效率。高空侦察机具有快速机动、视野广阔、不受地形限制特点，可以利用其优势对受灾区域快速侦察，获取受损建筑物位置信息，传递给无人机搜索群体;无人机群体具有廉价、小型、便于大规模运输和部署的特点，可在其.上安装红外、声呐、雷达等生命探测装置，派送到各个受损建筑物地点，做进一步的受灾人员检测，形成总体受灾人员密度分布图，传递给后方无人车救援群体;无人车具有体型较大、运载能力强的特点，可根据获取到的受灾人员密度分布信息实施救援。通过对空中无人机与地面无人车的协同任务规划，实现高效的搜索救援。
人工智能(artificial intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。
基因调控网络(gene regulatory network)，简称调控网络是一个抽象概念，指细胞内（或特定一个基因组内）基因和基因之间的相互作用关系所形成的网络，在众多相互作用关系之中，又特指基于基因调控(gene regulation)所导致的基因间作用。基因调控网络是生物体内控制基因表达的机制。基因表达的主要过程是基因的转录和信使核糖核酸(mRNA)的翻译。基因调控主要发生在三个水平上，即DNA水平上的调控、转录控制和翻译控制；微生物通过基因调控可以改变代谢方式以适应环境的变化，这类基因调控一般是短暂的和可逆的；多细胞生物的基因调控是细胞分化、形态发生和个体发育的基础,这类调控一般是长期的，而且往往是不可逆的。
基于此，本申请实施例提供了一种无人机集群控制方法、装置、电子设备及存储介质，旨在降低无人机集群的控制难度。
本申请实施例提供的无人机集群控制方法和装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的推荐方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的无人机集群控制方法，涉及无人机控制技术领域，属于人工智能领域的一个分支。本申请实施例提供的无人机集群控制方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现XXX方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关国家和地区的相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。
图1是本申请实施例提供的无人机集群控制方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S106。
步骤S101，为无人机集群中的跟随无人机生成飞行策略，飞行策略包括用于指示跟随无人机跟随领导无人机方向飞行的飞行指令。
在一些实施例中，领导无人机处于无人机集群中位置最靠前的位置，领导无人机自主地以一定速度进行运动，不对其他无人机个体进行跟随，领导无人机也可以是执行来自无人机控制平台发出的控制指令来进行运动。
在一些实施例中，搭载在跟随无人机的无人机控制设备可以获取跟随无人机和领导无人机的定位信息，根据跟随无人机和领导无人机的定位信息为跟随无人机规划飞行策略。
步骤S102，控制跟随无人机依据飞行策略跟随领导无人机飞行。
在一些实施例中，搭载在跟随无人机的无人机控制设备依据飞行策略向跟随无人机发出飞行指令。
可以理解的是，飞行指令用于指示跟随无人机在目标时刻、目标位置的飞行方向和飞行姿态，以便跟随无人机在飞行过程中，控制跟随无人机进行飞行方向和飞行姿态的变换。具体可举例说明，飞行策略中包括用于指示目标无人机在目标时刻T1、目标位置L1的姿态的飞行指令，飞行指令用于指示跟随无人机在目标时刻T1、目标位置L1时云台的姿态角度为：俯仰角pitch为10°、翻滚角roll为18°、偏航角yaw为20°。
步骤S103，采集跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距，行进障碍包括邻居无人机和环境障碍物。
可以理解的是，邻居无人机是在以当前的跟随无人机为中心的特定区域内出现的其他的跟随无人机，环境障碍物是在以当前的跟随无人机为中心的特定区域内出现的外部物实体。当前的跟随无人机在依据飞行策略行进的过程中，环境障碍物和邻居无人机均可能会对当前的跟随无人机造成干扰。
步骤S104，将跟随飞行间距与预设的跟随飞行区域进行比较，在跟随飞行间距超出预设的跟随飞行区域时生成调整策略，调整策略包括用于指示跟随无人机远离或靠近行进障碍的飞行指令。
可以理解的是，调整策略用于修改飞行策略，调整策略包含用于指示跟随无人机靠近或远离行进障碍的飞行指令，在跟随飞行间距超出预设的跟随飞行区域时，使用调整策略包含的飞行指令替换飞行策略包含的飞行指令，使跟随无人机靠近或远离行进障碍。
可以理解的是，跟随飞行区域是以跟随无人机为中心往外辐射而成的区域，跟随无人机与其跟随飞行区域之间留有间距，跟随飞行区域的范围内以及跟随飞行区域的外侧范围之外是环境障碍物的合法逗留区域，跟随飞行区域的范围内是邻居无人机的合法逗留区域。在确定跟随无人机的邻居无人机后，实时采集跟随无人机与各个行进障碍之间的跟随飞行间距，在跟随飞行间距超出预设的跟随飞行区域时，若行进障碍是邻居无人机，生成的调整策略包含的飞行指令是通过靠近或远离该邻居无人机，使该邻居无人机处于跟随飞行区域的范围内，若行进障碍是环境障碍物，生成的调整策略包含的飞行指令是通过远离该环境障碍物，使该邻居无人机处于跟随飞行区域的范围内或者是跟随飞行区域的外侧范围之外。
步骤S105，基于调整策略更新跟随无人机的飞行速度，得到跟随飞行速度。
可以理解的是，调整策略包含的飞行指令是靠近行进障碍时，更新得到的跟随飞行速度大于跟随无人机的飞行速度，调整策略包含的飞行指令是远离行进障碍时，更新得到的跟随飞行速度小于跟随无人机的飞行速度。
步骤S106，将跟随无人机的当前飞行速度更新为跟随飞行速度。
在一些实施例中，搭载在跟随无人机的无人机控制设备可以获取跟随飞行速度，从而控制跟随无人机以更新得到的跟随飞行速度飞行。
本申请实施例所示意的步骤S101至步骤S106，通过生成的飞行策略来设置无人机个体的行为规则，从而实现无人机集群运动，无人机集群中的领导无人机自主地以一定速度进行运动，集群中的跟随无人机依据飞行策略向领导无人机所在方向进行移动，从而确保了无人机集群具有近似的运动方向，在群体移动过程中，根据行进障碍与跟随无人机之间的飞行间距调整跟随无人机的飞行速度，使跟随无人机在跟随领导无人机飞行的过程中与邻居无人机以及环境障碍物保持一定距离，只需遵循简单的运动规则就可以控制跟随无人机自适应调整在无人机集群中的运动位置，控制难度低且无人集群系统的鲁棒性和迁移性强。
请参阅图2，在一些实施例中，步骤S101可以包括但不限于包括步骤S201至步骤S203。
步骤S201，获取领导无人机和跟随无人机所在的平面地图。
步骤S202，将平面地图转换为栅格地图，确定栅格地图中的各个栅格对应的浓度信息，浓度信息包含领导无人机的浓度信息场。
可以理解的是，栅格地图是把环境划分成一系列栅格，其中每一栅格给定一个可能值，表示该栅格被占据的概率，其作用是在空间内标记目标所在的位置。本实施例中，领导无人机所在栅格为1，不在栅格为0。
可以理解的是，通过基因调控网络模型来确定跟随无人机和领导无人机之间的间距。基因调控网络模型以领导无人机为中心，距离领导无人机越近的位置浓度值越高，距离领导无人机越远的位置浓度值越低，根据跟随无人机所在位置的浓度值可以是确定跟随无人机和领导无人机之间的浓度差，从而控制跟随无人机向领导无人机所在位置的方向飞行。
步骤S203，根据栅格地图中的各个栅格对应的浓度信息确定跟随无人机从当前栅格到领导无人机的所在栅格的最优路径。
可以理解的是，在栅格地图中，以跟随无人机所在栅格为中心，可以建立一个关联九宫格，跟随无人机所在栅格存在8个相邻的栅格（邻域栅格），再确认这8个邻域栅格是否被占用，空置栅格上不存在行进障碍，将未被占用的领域栅格作为空置栅格，得到跟随无人机可通行的栅格。
在一实施例中，基于多个跟随无人机之间的相互通信关系，跟随无人机可通过获取其他跟随无人机在平面地图中的当前位置信息与剩余8个栅格所在区域范围进行逐个比对，进而得到被其他跟随无人机占领的栅格并对其进行剔除处理，由此可防止当前的跟随无人机与其他跟随无人机发生碰撞。
在一实施例中，浓度信息场的计算公式为：
Figure 427563DEST_PATH_IMAGE001
；
Figure 755776DEST_PATH_IMAGE002
；
Figure 771136DEST_PATH_IMAGE003
；
其中，γ表示环境输入量，T表示领导无人机的位置信息，
Figure 210208DEST_PATH_IMAGE004
表示拉普拉斯算子，
Figure 627414DEST_PATH_IMAGE027
表示t时刻产生的浓度的变化速率，M表示领导无人机产生的浓度场。
请参阅图3，在一些实施例中，步骤S103可以包括但不限于包括步骤S301至步骤S302。
步骤S301，接收邻居无人机的邻居定位信息以及通过探测环境障碍物而生成的障碍定位信息。
步骤S302，以跟随无人机自身的坐标系为基准建立局部地图，将邻居定位信息和障碍定位信息转换至局部地图范围内，得到邻居坐标和环境障碍物坐标，计算跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距。
可以理解的是，邻居定位信息可以是搭载在邻居无人机上的无人机设备与搭载在跟随无人机的无人机设备进行交互，相互收发定位信息，从而得到邻居定位信息，障碍定位信息可以是通过搭载在跟随无人机上的测距设备对跟随无人机附近的实体进行测距，从而得到环境障碍物的障碍定位信息。
在一实施例中，搭载在跟随无人机的无人机设备与搭载在邻居无人机上的无人机设备之间进行简单的交互，搭载在跟随无人机的无人机设备获取基于邻居无人机创建的局部地图以及该局部地图中邻居无人机的局部坐标，基于跟随无人机的坐标系将获取得到的邻居无人机的局部坐标以及探测环境障碍物而生成的障碍定位信息转换至自身局部地图内，从而得到环境障碍物坐标和邻居坐标，通过距离公式计算邻居坐标与跟随无人机坐标之间的间距以及环境障碍物坐标与跟随无人机坐标之间的间距，从而得到行进障碍与跟随无人机之间的飞行间距，即跟随飞行间距。
请参阅图4，在一些实施例中，步骤S104可以包括但不限于包括步骤S401至步骤S409。
步骤S105包括第一判断流程、第二判断流程和第三判断流程。
第一判断流程包括：
步骤S401，判断跟随飞行间距是否小于预设的第一跟随间距。若是，执行步骤S402；若否，执行步骤S403。
步骤S402，生成远离行进障碍的调整策略，执行第二判断流程。
步骤S403，执行第二判断流程。
第二判断流程包括：
步骤S404，判断跟随无人机与邻居无人机之间的飞行间距是否大于预设的第二跟随间距。若是，执行步骤S405；若否，执行步骤S405。
步骤S405，生成靠近邻居无人机的调整策略，执行第三判断流程。
步骤S406，生成远离邻居无人机的调整策略，执行第三判断流程。
第三判断流程包括：
步骤S407，判断调整周期是否已经结束。若是，执行步骤S408；若否，执行步骤S409。
步骤S408，若否，执行第一判断流程。
步骤S409，结束流程。
第一跟随间距小于第二跟随间距。
可以理解的是，第一跟随间距为安全间距，当跟随飞行间距小于第一跟随间距时则认定为超出安全范围，跟随无人机和行进障碍之间存在碰撞风险，第二跟随间距为期望间距，当邻居无人机与跟随无人机之间的飞行间距大于第二跟随间距时则认定为超出期望的飞行范围，跟随无人机和邻居无人机之间存在过于分散。
可以理解的是，调整周期是监测行进障碍与跟随无人机活动位置的一个时间段，可以是当前的调整周期结束后进入下一个调整周期，也可以是当前的调整周期结束后间隔一段时间后再进入下一个调整周期。
在一些实施例的第一判断流程中，实时获取当前的跟随无人机与各个行进障碍之间的间距，得到多个跟随飞行间距，逐一将跟随飞行间距与预设的第一跟随间距进行比较，在跟随飞行间距小于预设的第一跟随间距时，搭载在跟随无人机的无人机设备生成远离该行进障碍的调整策略，当跟随无人机于周围的行进障碍的间距均不在预设的第一跟随间距以内时，再执行第二判断流程。
在一些实施例的第二判断流程中，实时获取当前的跟随无人机与各个邻居无人机之间的飞行间距，逐一将跟随无人机与邻居无人机与预设的第二跟随间距进行比较，在跟随无人机与各个邻居无人机大于预设的第二跟随间距时，搭载在跟随无人机的无人机设备生成靠近该邻居无人机的调整策略，当跟随无人机于周围的邻居无人机的间距均在预设的第二跟随间距以内时，再执行第三判断流程。
请参阅图5，在一些实施例中，步骤S105可以包括但不限于包括步骤S501至步骤S504。
步骤S501，基于第一间距计算跟随无人机受领导无人机影响的飞行速度，得到第一飞行速度，第一间距为跟随无人机与领导无人机之间的距离，第一间距与第一飞行速度呈负相关。
步骤S502，基于第二间距计算跟随无人机受各邻居无人机影响的飞行速度分量之和，得到第二飞行速度，第二间距为跟随无人机与邻居无人机之间的距离。
步骤S503，基于第三间距计算跟随无人机受各环境障碍物影响的飞行速度分量之和，得到第三飞行速度，第三间距为跟随无人机与环境障碍物之间的距离。
步骤S504，求第一飞行速度、第二飞行速度和第三飞行速度之和，得到跟随飞行速度。
在一实施例中，跟随飞行速度的计算公式为：
Figure 126528DEST_PATH_IMAGE006
；
其中，Vall表示跟随飞行速度，Vleader表示第一飞行速度，Vrobot表示第二飞行速度，Vobstacle表示第三飞行速度；
第一飞行速度的计算公式为：
Figure 127720DEST_PATH_IMAGE007
；
其中，Vleader表示第一飞行速度，v表示单位速度，
Figure 370483DEST_PATH_IMAGE016
表示领导无人机在t时刻的浓度场变化率；
第二飞行速度的计算公式为：
Figure 907774DEST_PATH_IMAGE008
；
Figure 577790DEST_PATH_IMAGE009
；
Figure 302164DEST_PATH_IMAGE010
；
Figure 614196DEST_PATH_IMAGE011
；
其中，Vrobot,x表示第二飞行速度在x轴的分量速度，Vrobot,y表示第二飞行速度在y轴的分量速度，Ni表示第i个跟随无人机的邻居机器人数量，
Figure 271574DEST_PATH_IMAGE028
表示第i个跟随无人机受第j个邻居机器人影响时在x轴的速度分量，
Figure 489322DEST_PATH_IMAGE029
表示第i个跟随无人机受第j个邻居机器人影响时在y轴的速度分量，
Figure 91204DEST_PATH_IMAGE030
表示第i个跟随无人机的x轴坐标，
Figure 551136DEST_PATH_IMAGE020
表示第i个跟随无人机的y轴坐标，
Figure 328599DEST_PATH_IMAGE021
表示第j个邻居无人机的x轴坐标，
Figure 340417DEST_PATH_IMAGE022
表示第j个邻居无人机在y轴的坐标；
第三飞行速度的计算公式为：
Figure 304962DEST_PATH_IMAGE031
；
Figure 67120DEST_PATH_IMAGE032
；
Figure 558144DEST_PATH_IMAGE014
；
Figure 147388DEST_PATH_IMAGE015
；
其中，Vobstacle,x表示第三飞行速度在x轴的分量速度，Vobstacle,y表示第三飞行速度在y轴的分量速度，Oi表示第i个跟随无人机的环境障碍物的数量，
Figure 599229DEST_PATH_IMAGE023
表示第i个跟随无人机受第k个环境障碍物影响时在x轴的速度分量，
Figure 525597DEST_PATH_IMAGE024
表示第i个跟随无人机受第k个环境障碍物影响时在y轴的速度分量，
Figure 12073DEST_PATH_IMAGE025
表示第h个邻居无人机的x轴坐标，
Figure 8104DEST_PATH_IMAGE033
表示第h个邻居无人机的y轴坐标。
请参阅图6，本申请实施例还提供一种无人机集群控制装置，可以实现上述无人机集群控制方法，该装置包括：
策略生成模块，用于为无人机集群中的跟随无人机生成飞行策略，飞行策略包括用于指示跟随无人机跟随领导无人机方向飞行的飞行指令；
控制模块，用于控制跟随无人机依据飞行策略跟随领导无人机飞行；
采集模块，用于采集跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距，行进障碍包括邻居无人机和环境障碍物；
调整模块，用于将跟随飞行间距与预设的跟随飞行区域进行比较，在跟随飞行间距超出预设的跟随飞行区域时生成调整策略，调整策略包括用于指示所述跟随无人机远离或靠近行进障碍的飞行指令；
速度更新模块，用于基于调整策略更新跟随无人机的飞行速度，得到跟随飞行速度；
更新执行模块，用于将跟随无人机的当前飞行速度更新为跟随飞行速度。
该无人机集群控制装置的具体实施方式与上述无人机集群控制方法的具体实施例基本相同，在此不再赘述。
本申请实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述无人机集群控制方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图6，图6示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器701，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器702，可以采用只读存储器（ReadOnlyMemory，ROM）、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器702可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器702中，并由处理器701来调用执行本申请实施例的无人机集群控制方法；
输入/输出接口703，用于实现信息输入及输出；
通信接口704，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；
总线705，在设备的各个组件（例如处理器701、存储器702、输入/输出接口703和通信接口704）之间传输信息；
其中，处理器701、存储器702、输入/输出接口703和通信接口704通过总线705实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述无人机集群控制方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的无人机集群控制方法、装置、电子设备及存储介质，通过生成的飞行策略来设置无人机个体的行为规则，从而实现无人机集群运动，无人机集群中的领导无人机自主地以一定速度进行运动，无人机集群中的跟随无人机依据飞行策略向领导无人机所在方向进行移动，从而确保了无人机集群具有近似的运动方向，在群体移动过程中，根据跟随无人机与行进障碍之间的飞行间距调整跟随无人机的飞行速度，使跟随无人机在跟随领导无人机飞行的过程中与邻居无人机以及环境障碍物保持一定距离，只需遵循简单的运动规则就可以控制跟随无人机自适应调整在无人机集群中的运动位置，控制难度低且无人集群系统的鲁棒性和迁移性强。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (8)

1.一种无人机集群控制方法，其特征在于，包括：
为无人机集群中的跟随无人机生成飞行策略，所述飞行策略包括用于指示所述跟随无人机跟随领导无人机方向飞行的飞行指令；
控制所述跟随无人机依据所述飞行策略跟随所述领导无人机飞行；
采集所述跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距，所述行进障碍包括邻居无人机和环境障碍物；
将所述跟随飞行间距与预设的跟随飞行区域进行比较，在所述跟随飞行间距超出预设的跟随飞行区域时生成调整策略，所述调整策略包括用于指示所述跟随无人机远离或靠近所述行进障碍的飞行指令；
基于所述调整策略更新所述跟随无人机的飞行速度，得到跟随飞行速度；
将所述跟随无人机的当前飞行速度更新为所述跟随飞行速度；
所述基于所述调整策略更新所述跟随无人机的飞行速度，得到跟随飞行速度，包括：
基于第一间距计算所述跟随无人机受所述领导无人机影响的飞行速度，得到第一飞行速度，所述第一间距为所述跟随无人机与所述领导无人机之间的距离，所述第一间距与所述第一飞行速度呈负相关；
基于第二间距计算所述跟随无人机受各所述邻居无人机影响的飞行速度分量之和，得到第二飞行速度，所述第二间距为所述跟随无人机与所述邻居无人机之间的距离；
基于第三间距计算所述跟随无人机受各所述环境障碍物影响的飞行速度分量之和，得到第三飞行速度，所述第三间距为所述跟随无人机与所述环境障碍物之间的距离；
求所述第一飞行速度、所述第二飞行速度和所述第三飞行速度之和，得到跟随飞行速度；
所述跟随飞行速度的计算公式为：
Figure 115847DEST_PATH_IMAGE001
；
所述第一飞行速度的计算公式为：
Figure 235113DEST_PATH_IMAGE002
；
所述第二飞行速度的计算公式为：
Figure 362469DEST_PATH_IMAGE003
；
Figure 934395DEST_PATH_IMAGE004
；
Figure 31664DEST_PATH_IMAGE005
；
Figure 972813DEST_PATH_IMAGE006
；
所述第三飞行速度的计算公式为：
Figure 536650DEST_PATH_IMAGE007
；
Figure 720506DEST_PATH_IMAGE008
；
Figure 496833DEST_PATH_IMAGE009
；
Figure 59532DEST_PATH_IMAGE010
；
其中，Vall为跟随飞行速度，Vleader为第一飞行速度，Vrobot为第二飞行速度，Vobstacle为第三飞行速度，v为单位速度，
Figure 387745DEST_PATH_IMAGE011
为领导无人机在t时刻的浓度场变化率，Vrobot,x为第二飞行速度在x轴的分量速度，Vrobot,y为第二飞行速度在y轴的分量速度，Ni为第i个跟随无人机的邻居机器人数量，
Figure 904571DEST_PATH_IMAGE012
为第i个跟随无人机受第j个邻居机器人影响时在x轴的速度分量，
Figure 874801DEST_PATH_IMAGE013
为第i个跟随无人机受第j个邻居机器人影响时在y轴的速度分量，
Figure 292007DEST_PATH_IMAGE014
为第i个跟随无人机的x轴坐标，
Figure 932067DEST_PATH_IMAGE015
为第i个跟随无人机的y轴坐标，
Figure 824936DEST_PATH_IMAGE016
为第j个邻居无人机的x轴坐标，
Figure 943065DEST_PATH_IMAGE017
为第j个邻居无人机的y轴坐标，Vobstacle,x为第三飞行速度在x轴的分量速度，Vobstacle,y为第三飞行速度在y轴的分量速度，Oi为第i个跟随无人机的环境障碍物数量，
Figure 978892DEST_PATH_IMAGE018
为第i个跟随无人机受第k个环境障碍物影响时在x轴的速度分量，
Figure 914487DEST_PATH_IMAGE019
为第i个跟随无人机受第k个环境障碍物影响时在y轴的速度分量，
Figure 170019DEST_PATH_IMAGE020
为第h个邻居无人机的x轴坐标，
Figure 91838DEST_PATH_IMAGE021
为第h个邻居无人机的y轴坐标。
2.根据权利要求1所述的无人机集群控制方法，其特征在于，所述为无人机集群中的跟随无人机生成飞行策略，包括：
获取所述领导无人机和所述跟随无人机所在的平面地图；
将所述平面地图转换为栅格地图，确定所述栅格地图中的各个栅格对应的浓度信息，所述浓度信息包含所述领导无人机的浓度信息场；
根据所述栅格地图中的各个栅格对应的浓度信息确定所述跟随无人机从当前栅格到所述领导无人机的所在栅格的最优路径。
3.根据权利要求2所述的无人机集群控制方法，其特征在于，所述浓度信息场的计算公式为：
Figure 608270DEST_PATH_IMAGE022
；
Figure 590133DEST_PATH_IMAGE023
；
Figure 580565DEST_PATH_IMAGE024
；
其中，γ为环境输入量，T为领导无人机的位置信息，
Figure 430710DEST_PATH_IMAGE025
为拉普拉斯算子，
Figure 677014DEST_PATH_IMAGE026
为t时刻产生的浓度的变化速率，M为领导无人机产生的浓度场。
4.根据权利要求1所述的无人机集群控制方法，其特征在于，所述采集所述跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距，包括：
接收所述邻居无人机的邻居定位信息以及通过探测所述环境障碍物而生成的障碍定位信息；
以所述跟随无人机自身的坐标系为基准建立局部地图，将所述邻居定位信息和所述障碍定位信息转换至所述局部地图范围内，得到邻居坐标和环境障碍物坐标，计算所述跟随无人机与所述行进障碍之间的飞行间距，得到跟随飞行间距。
5.根据权利要求1所述的无人机集群控制方法，其特征在于，所述将所述跟随飞行间距与预设的跟随飞行区域进行比较，在所述跟随飞行间距超出预设的跟随飞行区域时生成调整策略，包括第一判断流程、第二判断流程和第三判断流程；
所述第一判断流程包括：
判断所述跟随飞行间距是否小于预设的第一跟随间距；
若是，生成远离所述行进障碍的调整策略，执行第二判断流程；
若否，执行第二判断流程；
所述第二判断流程包括：
判断所述跟随无人机与所述邻居无人机之间的飞行间距是否大于预设的第二跟随间距；
若是，生成靠近所述邻居无人机的调整策略，执行第三判断流程；
若否，生成远离所述邻居无人机的调整策略，执行第三判断流程；
所述第三判断流程包括：
判断调整周期是否已经结束；
若否，执行所述第一判断流程；
其中，第一跟随间距小于第二跟随间距。
6.一种无人机集群控制装置，其特征在于，所述装置包括：
策略生成模块，用于为无人机集群中的跟随无人机生成飞行策略，所述飞行策略包括用于指示所述跟随无人机跟随领导无人机方向飞行的飞行指令；
控制模块，用于控制所述跟随无人机依据所述飞行策略跟随所述领导无人机飞行；
采集模块，用于采集所述跟随无人机与行进障碍之间的飞行间距，得到跟随飞行间距，所述行进障碍包括邻居无人机和环境障碍物；
调整模块，用于将所述跟随飞行间距与预设的跟随飞行区域进行比较，在所述跟随飞行间距超出预设的跟随飞行区域时生成调整策略，所述调整策略包括用于指示所述跟随无人机远离或靠近所述行进障碍的飞行指令；
速度更新模块，用于基于所述调整策略更新所述跟随无人机的飞行速度，得到跟随飞行速度；
更新执行模块，用于将所述跟随无人机的当前飞行速度更新为所述跟随飞行速度；
所述基于所述调整策略更新所述跟随无人机的飞行速度，得到跟随飞行速度，包括：
基于第一间距计算所述跟随无人机受所述领导无人机影响的飞行速度，得到第一飞行速度，所述第一间距为所述跟随无人机与所述领导无人机之间的距离，所述第一间距与所述第一飞行速度呈负相关；
基于第二间距计算所述跟随无人机受各所述邻居无人机影响的飞行速度分量之和，得到第二飞行速度，所述第二间距为所述跟随无人机与所述邻居无人机之间的距离；
基于第三间距计算所述跟随无人机受各所述环境障碍物影响的飞行速度分量之和，得到第三飞行速度，所述第三间距为所述跟随无人机与所述环境障碍物之间的距离；
求所述第一飞行速度、所述第二飞行速度和所述第三飞行速度之和，得到跟随飞行速度；
所述跟随飞行速度的计算公式为：
Figure 688833DEST_PATH_IMAGE001
；
所述第一飞行速度的计算公式为：
Figure 918957DEST_PATH_IMAGE002
；
所述第二飞行速度的计算公式为：
Figure 448158DEST_PATH_IMAGE003
；
Figure 313084DEST_PATH_IMAGE004
；
Figure 636749DEST_PATH_IMAGE005
；
Figure 213224DEST_PATH_IMAGE006
；
所述第三飞行速度的计算公式为：
Figure 280537DEST_PATH_IMAGE027
；
Figure 360488DEST_PATH_IMAGE028
；
Figure 855055DEST_PATH_IMAGE009
；
Figure 295657DEST_PATH_IMAGE010
；
其中，Vall为跟随飞行速度，Vleader为第一飞行速度，Vrobot为第二飞行速度，Vobstacle为第三飞行速度，v为单位速度，
Figure 760136DEST_PATH_IMAGE011
为领导无人机在t时刻的浓度场变化率，Vrobot,x为第二飞行速度在x轴的分量速度，Vrobot,y为第二飞行速度在y轴的分量速度，Ni为第i个跟随无人机的邻居机器人数量，
Figure 835540DEST_PATH_IMAGE012
为第i个跟随无人机受第j个邻居机器人影响时在x轴的速度分量，
Figure 891220DEST_PATH_IMAGE013
为第i个跟随无人机受第j个邻居机器人影响时在y轴的速度分量，
Figure 786495DEST_PATH_IMAGE014
为第i个跟随无人机的x轴坐标，
Figure 320245DEST_PATH_IMAGE029
为第i个跟随无人机的y轴坐标，
Figure 781313DEST_PATH_IMAGE016
为第j个邻居无人机的x轴坐标，
Figure 116217DEST_PATH_IMAGE017
为第j个邻居无人机的y轴坐标，Vobstacle,x为第三飞行速度在x轴的分量速度，Vobstacle,y为第三飞行速度在y轴的分量速度，Oi为第i个跟随无人机的环境障碍物数量，
Figure 29946DEST_PATH_IMAGE018
为第i个跟随无人机受第k个环境障碍物影响时在x轴的速度分量，
Figure 242753DEST_PATH_IMAGE019
为第i个跟随无人机受第k个环境障碍物影响时在y轴的速度分量，
Figure 417382DEST_PATH_IMAGE020
为第h个邻居无人机的x轴坐标，
Figure 424653DEST_PATH_IMAGE021
为第h个邻居无人机的y轴坐标。
7.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的无人机集群控制方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的无人机集群控制方法。
CN202211321825.4A 2022-10-27 2022-10-27 无人机集群控制方法、装置、电子设备及存储介质 Active CN115390589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211321825.4A CN115390589B (zh) 2022-10-27 2022-10-27 无人机集群控制方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211321825.4A CN115390589B (zh) 2022-10-27 2022-10-27 无人机集群控制方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115390589A CN115390589A (zh) 2022-11-25
CN115390589B true CN115390589B (zh) 2023-02-28

Family

ID=84128092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211321825.4A Active CN115390589B (zh) 2022-10-27 2022-10-27 无人机集群控制方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115390589B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110502032A (zh) * 2019-08-31 2019-11-26 华南理工大学 一种基于行为控制的无人机集群编队飞行方法
WO2020103034A1 (zh) * 2018-11-21 2020-05-28 深圳市道通智能航空技术有限公司 一种无人机路径规划方法、装置及无人机
CN113172626A (zh) * 2021-04-30 2021-07-27 汕头大学 一种基于三维基因调控网络的智能机器人群体控制方法
CN113311859A (zh) * 2021-05-10 2021-08-27 北京航空航天大学 一种无人机集群有限时间仿射编队飞行控制方法
CN113625755A (zh) * 2021-08-09 2021-11-09 北京航空航天大学 一种仿候鸟迁徙行为的无人机集群自主编队控制方法
CN114543815A (zh) * 2022-04-25 2022-05-27 汕头大学 基于基因调控网络的多智能体导航控制方法、设备及介质
CN114815851A (zh) * 2022-06-08 2022-07-29 北京哈崎机器人科技有限公司 机器人跟随方法、装置、电子设备以及存储介质
CN115145289A (zh) * 2022-09-02 2022-10-04 汕头大学 多智能体协同围捕方法、系统、设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020103034A1 (zh) * 2018-11-21 2020-05-28 深圳市道通智能航空技术有限公司 一种无人机路径规划方法、装置及无人机
CN110502032A (zh) * 2019-08-31 2019-11-26 华南理工大学 一种基于行为控制的无人机集群编队飞行方法
CN113172626A (zh) * 2021-04-30 2021-07-27 汕头大学 一种基于三维基因调控网络的智能机器人群体控制方法
CN113311859A (zh) * 2021-05-10 2021-08-27 北京航空航天大学 一种无人机集群有限时间仿射编队飞行控制方法
CN113625755A (zh) * 2021-08-09 2021-11-09 北京航空航天大学 一种仿候鸟迁徙行为的无人机集群自主编队控制方法
CN114543815A (zh) * 2022-04-25 2022-05-27 汕头大学 基于基因调控网络的多智能体导航控制方法、设备及介质
CN114815851A (zh) * 2022-06-08 2022-07-29 北京哈崎机器人科技有限公司 机器人跟随方法、装置、电子设备以及存储介质
CN115145289A (zh) * 2022-09-02 2022-10-04 汕头大学 多智能体协同围捕方法、系统、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于三维基因调控网络的智能机器人群体;范衠 等;《南京师范大学学报(工程技术版)》;20220331;第22卷(第1期);第9-15页 *
基于共识主动性的群体机器人目标搜索与围捕;范衠 等;《北京理工大学学报》;20220228;第42卷(第2期);第158-167页 *

Also Published As

Publication number Publication date
CN115390589A (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
Tang et al. Swarm intelligence algorithms for multiple unmanned aerial vehicles collaboration: A comprehensive review
CN107491086B (zh) 时变网络拓扑下的无人机编队避障方法及系统
CN113495578B (zh) 一种基于数字孪生式训练的集群航迹规划强化学习方法
CN106774331A (zh) 一种分布式控制无人艇集群分簇编队方法
CN116540784B (zh) 一种基于视觉的无人系统空地协同导航与避障方法
Couceiro et al. A PSO multi-robot exploration approach over unreliable MANETs
Jin et al. Cooperative path planning with priority target assignment and collision avoidance guidance for rescue unmanned surface vehicles in a complex ocean environment
Khan et al. Cooperative control between multi-uavs for maximum coverage in disaster management: review and proposed model
Zadeh et al. A multiagent mission coordination system for continuous situational awareness of bushfires
Yang et al. Smart autonomous moving platforms
CN115390589B (zh) 无人机集群控制方法、装置、电子设备及存储介质
Li et al. When digital twin meets deep reinforcement learning in multi-UAV path planning
CN112731921A (zh) 一种基于平行仿真的军用路径规划支持系统
Liang et al. Autonomous aerial obstacle avoidance using LiDAR sensor fusion
Zhang et al. A MILP model on coordinated coverage path planning system for UAV-ship hybrid team scheduling software
Islam et al. Towards decentralized importance-based multi-uas path planning for wildfire monitoring
Tegicho et al. Connectivity and safety analysis of large scale UAV swarms: based on flight scheduling
CN112817318B (zh) 一种多无人艇协同搜索控制方法及系统
Niu et al. 3D real-time dynamic path planning for UAV based on improved interfered fluid dynamical system and artificial neural network
CN114333429A (zh) 一种面向多无人机目标覆盖任务的规则提取方法
Nath et al. A novel drone-station matching model in smart cities based on strict preferences
Sritharan et al. An efficient method for maximal area coverage in the context of a hierarchical controller for multiple unmanned aerial vehicles
CN116412831B (zh) 面向应召反潜的多无人机动态避障航路规划方法
Brito et al. Optimization system for dynamic flight planning for groups of drones using cooperation with mobile recharge bases by means of multiagent system and recursive auctions
CN117250859B (zh) 通信约束下的多飞行器协同搜索算法

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