CN116382351A - 一种大型固定翼无人机自主避障方法 - Google Patents

一种大型固定翼无人机自主避障方法 Download PDF

Info

Publication number
CN116382351A
CN116382351A CN202310651790.9A CN202310651790A CN116382351A CN 116382351 A CN116382351 A CN 116382351A CN 202310651790 A CN202310651790 A CN 202310651790A CN 116382351 A CN116382351 A CN 116382351A
Authority
CN
China
Prior art keywords
pixel
unmanned aerial
aerial vehicle
wing unmanned
airport
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
CN202310651790.9A
Other languages
English (en)
Other versions
CN116382351B (zh
Inventor
梁文斌
张波
徐宇
陈益阳
方琪鸿
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.)
Sichuan Tengdun Technology Co Ltd
Original Assignee
Sichuan Tengdun Technology Co Ltd
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 Sichuan Tengdun Technology Co Ltd filed Critical Sichuan Tengdun Technology Co Ltd
Priority to CN202310651790.9A priority Critical patent/CN116382351B/zh
Publication of CN116382351A publication Critical patent/CN116382351A/zh
Application granted granted Critical
Publication of CN116382351B publication Critical patent/CN116382351B/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
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Instructional Devices (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种大型固定翼无人机自主避障方法，该方法包括：对跑道路面图像进行网络分割，得到一张语义分割图像；根据前视相机在大型固定翼无人机上的安装位置，得到语义分割图像中每个跑道像素在前视相机坐标系下的三维空间坐标；前视相机安装在大型固定翼无人机机头前端；将语义分割图像中有障碍物遮挡的跑道路面投影为俯视图，通过该俯视图与建立好的机场栅格地图对比，得到障碍物在机场栅格地图中的位置；将机场栅格地图中的障碍物区域设为占据，用
Figure ZY_1
算法规划短期路径，引导大型固定翼无人机避障。本发明仅通过相机的单帧观测图像即可实现未知障碍物的识别和定位，并引导大型固定翼无人机实现最短路径避障。

Description

一种大型固定翼无人机自主避障方法
技术领域
本发明涉及无人机技术领域，特别是一种大型固定翼无人机自主避障方法。
背景技术
随着大型无人机飞行员数量的增加速度越来越难以赶上大型无人机的市场需求，进一步提高大型无人机的智能化水平势在必行。大型无人机需要实现出库、滑行、起飞、巡航、降落全流程自主完成的同时，提高无人机应对复杂情况的能力。目前，无人机出库后滑行到起飞点的过程是通过预先设定好路线，然后依靠GNSS和地面差分站提供高精度定位，实现自主驶入。此时无人机虽然可以自主驶入起飞点，但不能进行避障，当地面上存在固定障碍物时，将给无人机带来的严重的安全问题。
发明内容
鉴于此，本发明提供一种大型固定翼无人机自主避障方法，以解决上述技术问题。
本发明公开了一种大型固定翼无人机自主避障方法，其包括：
步骤1：大型固定翼无人机在机场跑道处于滑行阶段时，通过其前视相机观测到一张跑道路面图像，对该跑道路面图像进行网络分割，得到一张语义分割图像；
步骤2：根据前视相机在大型固定翼无人机上的安装位置，得到语义分割图像中每个跑道像素在前视相机坐标系下的三维空间坐标；前视相机安装在大型固定翼无人机机头前端；
步骤3：将语义分割图像中有障碍物遮挡的跑道路面投影为俯视图，通过该俯视图与建立好的机场栅格地图对比，得到障碍物在机场栅格地图中的位置；
步骤4：将机场栅格地图中的障碍物区域设为占据，用
Figure SMS_1
算法规划短期路径，引导大型固定翼无人机避障。
进一步地，在所述步骤1之前，还包括：
识别出机场卫星地图中跑道像素并将其作为可行区域，其余像素为非可行区域，得到机场栅格地图；该机场栅格地图由机场卫星地图经过语义分割得到。
进一步地，在所述机场栅格地图中，白色表示可行区域；黑色表示非可行区域；
获取机场栅格地图中每个像素与其GNSS坐标，即经纬度坐标的对应转换关系：
取位于机场栅格地图中心的像素的GNSS坐标，预先计算机场栅格地图中每个像素宽度对应的经纬度跨度：整个机场总的经度跨度，即经度最大值与最小值之差，除以经度方向的像素数量，即得到每个像素宽度对应的经度跨度；用机场总的纬度跨度除以纬度方向总的像素数量，即得到每个像素宽度对应的纬度跨度；
对于其余非中心的像素，根据其距离中心像素的像素个数，得到其对应的经纬度。
进一步地，所述对于其余非中心的像素，根据其距离中心像素的像素个数，分别通过如下公式计算其对应的经纬度：
Figure SMS_2
其中，位于所述机场栅格地图的第
Figure SMS_5
行和第/>
Figure SMS_6
列的非中心的像素的经度和纬度分别为/>
Figure SMS_9
和/>
Figure SMS_4
，/>
Figure SMS_7
是每个非中心的像素的经度跨度，/>
Figure SMS_8
是每个非中心的像素的纬度跨度，/>
Figure SMS_10
是中心像素的行数，/>
Figure SMS_3
是所述机场栅格地图的中心像素的列数。
进一步地，在所述语义分割图像中，白色表示跑道路面区域，黑色表示其他区域；
所述步骤2包括：
前视相机在大型固定翼无人机上的安装位置已知，且地面是水平面，则地平面相对于前视相机的位置是固定的，地平面与前视相机的坐标系之间存在如下约束公式：
Figure SMS_11
其中，P是相机的像素点投影到相机深度归一化平面上的向量，n表示地平面在前视相机坐标系下的法向量，d表示地平面与前视相机坐标系之间的距离。
进一步地，n和d能够根据前视相机的安装位置计算得到，向量P中的未知量只有一个深度分量；
根据约束公式计算出每个跑道像素在前视相机坐标系下的深度，即距离，由此得到每个跑道像素在前视相机坐标系下的三维坐标。
进一步地，在所述步骤3中：
大型固定翼无人机通过GNSS和惯性导航系统得到其在世界坐标系下的位置；继而把前视相机坐标系下的跑道区域的三维点变换到世界坐标系下，然后投影为俯视图并与机场栅格地图融合。
进一步地，在所述步骤4中：
由于只能看到跑道上障碍物的一部分，被障碍物遮挡的部分都当做障碍物显示在机场栅格地图上；
大型固定翼无人机在所述机场栅格地图上进行一次路径规划，路径规划的目标点是初始规划好的不受障碍物遮挡的距离大型固定翼无人机起始点，即大型固定翼无人机在机场栅格地图的起点像素，最近的航迹点；规划好路径后，大型固定翼无人机沿该路径前进至该目标点；然后，大型固定翼无人机在该目标点上继续进行下一次路径规划，直至前进至路径的终点为止。
进一步地，所述步骤4具体包括：
步骤91：在所述机场栅格地图中，从大型固定翼无人机的起点像素开始，依次判断其预设邻域范围内的像素值是否为0或1，若为1，则表示与该像素值对应的像素点属于障碍物，并将该像素点放入拒止队列；若为0，则计算该像素值对应的像素点距离所述目标点的距离并将该像素点放入候选队列；其中，机场栅格地图中白色的可行区域的像素值均为0，黑色的障碍物区域像素值均为1；
步骤92：从所述候选队列中选取距离所述目标点距离最近的像素点，然后将该像素点看作为步骤91中的起点像素，重复执行步骤91；
步骤93：重复执行步骤92，直至得到的候选队列中出现距离所述目标点的距离为0的像素点，即出现与所述目标点重合的像素点；
步骤94：将起点像素，步骤92至步骤93中依次获取的距离所述目标点距离最近的像素点以及所述目标点依次连接起来，即得到大型固定翼无人机在所述机场栅格地图中的子轨迹；通过所述机场栅格地图中每个像素与其GNSS坐标，即经纬度坐标的对应转换关系，将子轨迹中的每个像素坐标变换为经纬度度坐标的子路径；大型固定翼无人机按照该子路径行驶至所述目标点；
步骤95：将所述目标点看作为步骤91中的起点像素，然后重复执行步骤91至步骤95，直至大型固定翼无人机前进至预设行驶终点为止。
进一步地，在所述步骤4中，将大型固定翼无人机抽象为一个质点，只占据一个像素点；考虑到大型固定翼无人机自身的结构参数，将障碍物所占据的像素变多，变多的尺寸等于安全管道的半径，以保证规划路径的安全性；其中，所述安全管道为大型固定翼无人机能够在所述机场栅格地图避开障碍物安全行使的最短路径通道；其中，所述结构参数包括翼展和机长。
由于采用了上述技术方案，本发明具有如下的优点：仅通过相机的单帧观测图像就能实现未知障碍物的识别和定位，并引导大型固定翼无人机实现最短路径避障；同时本方法的运行速度快，对计算平台的要求不高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种大型固定翼无人机自主避障方法的流程示意图；
图2为本发明实施例的机场卫星地图示意图；
图3为本发明实施例的机场栅格地图示意图；
图4(a)为本发明实施例的跑道路面图像示意图；
图4(b)为本发明实施例的图4(a)的语义分割图像示意图；
图5(a)为本发明实施例的有障碍物情况下的机场跑道路面图像示意图；
图5(b)为本发明实施例的有障碍物情况下的机场跑道路面的语义分割图像示意图；
图6为本发明实施例的无人机上相机的安装位置示意图；
图7为本发明实施例中图5(b)的俯视图；
图8为本发明实施例的无人机自主避障示意图。
具体实施方式
结合附图和实施例对本发明作进一步说明，显然，所描述的实施例仅是本发明实施例一部分实施例，而不是全部的实施例。本领域普通技术人员所获得的所有其他实施例，都应当属于本发明实施例保护的范围。
参见图1，本发明提供了一种大型固定翼无人机自主避障方法的实施例，其包括：
S1：大型固定翼无人机在机场跑道处于滑行阶段时，通过其前视相机观测到一张跑道路面图像，对该跑道路面图像进行网络分割，得到一张语义分割图像；其中，该机场跑道是图2所示机场卫星地图对应的机场中的跑道。
具体地，可以利用添加了分割头的经过充分训练的YOLOv5深度学习网络分割机场的跑道路面，以得到语义分割图像，可参见图图5(a)和图5(b)；为了便于对比，图4(a)和图4(b)分别对应给出了没有障碍物的跑道路面图形及其语义分割图像。
S2：根据前视相机在大型固定翼无人机上的安装位置，得到语义分割图像中每个跑道像素在前视相机坐标系下的三维空间坐标；前视相机安装在大型固定翼无人机机头前端；可参见图6中的序号1所示位置；
S3：将语义分割图像中有障碍物遮挡的跑道路面投影为俯视图，通过该俯视图与建立好的机场栅格地图对比，得到障碍物在机场栅格地图中的位置；
S4：将机场栅格地图中的障碍物区域设为占据，用
Figure SMS_12
算法规划短期路径，引导大型固定翼无人机避障。
本实施例中，在S1之前，还包括：
识别出机场卫星地图中跑道像素并将其作为可行区域，其余像素为非可行区域，得到机场栅格地图；该机场栅格地图由机场卫星地图经过语义分割得到。
具体地，如图2所示是一个机场跑道的卫星地图，识别其跑道像素作为可行区域，其余像素为非可行区域，得到图3。图3中白色表示可行区域，黑色表示非可行区域。记录图3所示的机场栅格地图中的一些关键像素的GNSS坐标，例如可以是位于机场栅格地图中心的像素的GNSS坐标，使得可以快速查询到不同像素的GNSS坐标；例如其可以通过如下方法实现：
取位于机场栅格地图中心的像素的GNSS坐标，预先计算机场栅格地图中每个像素宽度对应的经纬度跨度：整个机场总的经度跨度，即经度最大值与最小值之差，除以经度方向的像素数量，即得到每个像素宽度对应的经度跨度；用机场总的纬度跨度除以纬度方向总的像素数量，即得到每个像素宽度对应的纬度跨度；
对于其余非中心的像素，根据其距离中心像素的像素个数，得到其对应的经纬度。
本实施例中，对于其余非中心的像素，根据其距离中心像素的像素个数，分别通过如下公式计算其对应的经纬度：
Figure SMS_13
其中，位于所述机场栅格地图的第
Figure SMS_16
行和第/>
Figure SMS_17
列的非中心的像素的经度和纬度分别为/>
Figure SMS_19
和/>
Figure SMS_15
，/>
Figure SMS_18
是每个非中心的像素的经度跨度，/>
Figure SMS_20
是每个非中心的像素的纬度跨度，/>
Figure SMS_21
是中心像素的行数，/>
Figure SMS_14
是所述机场栅格地图的中心像素的列数。
本实施例中，在语义分割图像中，白色表示跑道路面区域，黑色表示其他区域；
S2包括：
前视相机在大型固定翼无人机上的安装位置已知，且地面是水平面，则地平面相对于前视相机的位置是固定的，地平面与前视相机的坐标系之间存在如下约束公式：
Figure SMS_22
其中，P是相机的像素点投影到相机深度归一化平面上的向量，n表示地平面在前视相机坐标系下的法向量，d表示地平面与前视相机坐标系之间的距离。
本实施例中，n和d能够根据前视相机的安装位置计算得到，向量P中的未知量只有一个深度分量；
根据约束公式计算出每个跑道像素在前视相机坐标系下的深度，即距离，由此得到每个跑道像素在前视相机坐标系下的三维坐标。
本实施例中，在S3中：
大型固定翼无人机通过GNSS和惯性导航系统得到其在世界坐标系下的位置；继而把前视相机坐标系下的跑道区域的三维点变换到世界坐标系下，然后投影为俯视图并与机场栅格地图融合。如图7所示，图5(b)的分割图像投影后，得到如图7所示的可行区域，图中箭头表示此时无人机的位置。
图8中序号1所示圆圈称为安全管道，该圆圈的范围涵盖了大型固定翼无人机自身的结构参数，例如机翼宽度和机场等，保证规划的路径能够让无人机安全通行。图8中序号2表示考虑安全管道后，
Figure SMS_23
算法规划出的局部路径。随着无人机不断前进，对障碍物的观察也越来越全面，障碍物投影在地图上的位置和范围也会不断发生变化。由于本发明使用的方法处理速度非常快，相机30Hz的情况下可以实现对每帧的实时处理。所以本发明会对每次的障碍物投影结果都重新规划路径，保证规划的路径能考虑到障碍物的观测变化。具体如下：
本实施例中，在S4中：
由于只能看到跑道上障碍物的一部分，被障碍物遮挡的部分都当做障碍物显示在机场栅格地图上；
大型固定翼无人机在机场栅格地图上进行一次路径规划，路径规划的目标点是初始规划好的不受障碍物遮挡的距离大型固定翼无人机起始点，即大型固定翼无人机在机场栅格地图的起点像素，最近的航迹点；规划好路径后，大型固定翼无人机沿该路径前进至该目标点；然后，大型固定翼无人机在该目标点上继续进行下一次路径规划，直至前进至路径的终点为止。
本实施例中，S4具体包括：
S91：在机场栅格地图中，从大型固定翼无人机的起点像素开始，依次判断其预设邻域范围内的像素值是否为0或1，若为1，则表示与该像素值对应的像素点属于障碍物，并将该像素点放入拒止队列；若为0，则计算该像素值对应的像素点距离目标点的距离并将该像素点放入候选队列；其中，机场栅格地图中白色的可行区域的像素值均为0，黑色的障碍物区域像素值均为1；
S92：从候选队列中选取距离目标点距离最近的像素点，然后将该像素点看作为S91中的起点像素，重复执行S91；
S93：重复执行S92，直至得到的候选队列中出现距离目标点的距离为0的像素点，即出现与目标点重合的像素点；
S94：将起点像素，步骤92至步骤93中依次获取的距离所述目标点距离最近的像素点以及所述目标点依次连接起来，即得到大型固定翼无人机在所述机场栅格地图中的子轨迹；通过所述机场栅格地图中每个像素与其GNSS坐标，即经纬度坐标的对应转换关系，将子轨迹中的每个像素坐标变换为经纬度度坐标的子路径；大型固定翼无人机按照该子路径行驶至所述目标点；
S95：将目标点看作为S91中的起点像素，然后重复执行S91至95，直至大型固定翼无人机前进至预设行驶终点为止。
本实施例中，在S4中，将大型固定翼无人机抽象为一个质点，只占据一个像素点；考虑到大型固定翼无人机自身的结构参数，将障碍物所占据的像素变多，变多的尺寸等于安全管道的半径，以保证规划路径的安全性；其中，安全管道为大型固定翼无人机能够在机场栅格地图避开障碍物安全行使的最短路径通道；其中，结构参数包括翼展和机长。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种大型固定翼无人机自主避障方法，其特征在于，包括：
步骤1：大型固定翼无人机在机场跑道处于滑行阶段时，通过其前视相机观测到一张跑道路面图像，对该跑道路面图像进行网络分割，得到一张语义分割图像；
步骤2：根据前视相机在大型固定翼无人机上的安装位置，得到语义分割图像中每个跑道像素在前视相机坐标系下的三维空间坐标；前视相机安装在大型固定翼无人机机头前端；
步骤3：将语义分割图像中有障碍物遮挡的跑道路面投影为俯视图，通过该俯视图与建立好的机场栅格地图对比，得到障碍物在机场栅格地图中的位置；
步骤4：将机场栅格地图中的障碍物区域设为占据，用
Figure QLYQS_1
算法规划短期路径，引导大型固定翼无人机避障。
2.根据权利要求1所述的方法，其特征在于，在所述步骤1之前，还包括：
识别出机场卫星地图中所有机场跑道的像素并将其作为可行区域，其余像素为非可行区域，得到机场栅格地图；该机场栅格地图由机场卫星地图经过语义分割得到。
3.根据权利要求2所述的方法，其特征在于，在所述机场栅格地图中，白色表示可行区域；黑色表示非可行区域；
获取机场栅格地图中每个像素与其GNSS坐标，即经纬度坐标的对应转换关系：
取位于机场栅格地图中心的像素的GNSS坐标，预先计算机场栅格地图中每个像素宽度对应的经纬度跨度：整个机场总的经度跨度，即经度最大值与最小值之差，除以经度方向的像素数量，即得到每个像素宽度对应的经度跨度；用机场总的纬度跨度除以纬度方向总的像素数量，即得到每个像素宽度对应的纬度跨度；
对于其余非中心的像素，根据其距离中心像素的像素个数，得到其对应的经纬度。
4.根据权利要求3所述的方法，其特征在于，所述对于其余非中心的像素，根据其距离中心像素的像素个数，分别通过如下公式计算其对应的经纬度：
Figure QLYQS_2
其中，位于所述机场栅格地图的第
Figure QLYQS_5
行和第/>
Figure QLYQS_6
列的非中心的像素的经度和纬度分别为
Figure QLYQS_8
和/>
Figure QLYQS_4
，/>
Figure QLYQS_7
是每个非中心的像素的经度跨度，/>
Figure QLYQS_9
是每个非中心的像素的纬度跨度，/>
Figure QLYQS_10
是中心像素的行数，/>
Figure QLYQS_3
是所述机场栅格地图的中心像素的列数。
5.根据权利要求1所述的方法，其特征在于，在所述语义分割图像中，白色表示跑道路面区域，黑色表示其他区域；
所述步骤2包括：
前视相机在大型固定翼无人机上的安装位置已知，且地面是水平面，则地平面相对于前视相机的位置是固定的，地平面与前视相机的坐标系之间存在如下约束公式：
Figure QLYQS_11
其中，P是相机的像素点投影到相机深度归一化平面上的向量，n表示地平面在前视相机坐标系下的法向量，d表示地平面与前视相机坐标系之间的距离。
6.根据权利要求5所述的方法，其特征在于，n和d能够根据前视相机的安装位置计算得到，向量P中的未知量只有一个深度分量；
根据约束公式计算出每个跑道像素在前视相机坐标系下的深度，即距离，由此得到每个跑道像素在前视相机坐标系下的三维坐标。
7.根据权利要求5所述的方法，其特征在于，在所述步骤3中：
大型固定翼无人机通过GNSS和惯性导航系统得到其在世界坐标系下的位置；继而把前视相机坐标系下的跑道区域的三维点变换到世界坐标系下，然后投影为俯视图并与机场栅格地图融合。
8.根据权利要求1所述的方法，其特征在于，在所述步骤4中：
由于只能看到跑道上障碍物的一部分，被障碍物遮挡的部分都当做障碍物显示在机场栅格地图上；
大型固定翼无人机在所述机场栅格地图上进行一次路径规划，路径规划的目标点是初始规划好的不受障碍物遮挡的距离大型固定翼无人机起始点，即大型固定翼无人机在机场栅格地图的起点像素，最近的航迹点；规划好路径后，大型固定翼无人机沿该路径前进至该目标点；然后，大型固定翼无人机在该目标点上继续进行下一次路径规划，直至前进至路径的终点为止。
9.根据权利要求8所述的方法，其特征在于，所述步骤4具体包括：
步骤91：在所述机场栅格地图中，从大型固定翼无人机的起点像素开始，依次判断其预设邻域范围内的像素值是否为0或1，若为1，则表示与该像素值对应的像素点属于障碍物，并将该像素点放入拒止队列；若为0，则计算该像素值对应的像素点距离所述目标点的距离并将该像素点放入候选队列；其中，机场栅格地图中白色的可行区域的像素值均为0，黑色的障碍物区域像素值均为1；
步骤92：从所述候选队列中选取距离所述目标点距离最近的像素点，然后将该像素点看作为步骤91中的起点像素，重复执行步骤91；
步骤93：重复执行步骤92，直至得到的候选队列中出现距离所述目标点的距离为0的像素点，即出现与所述目标点重合的像素点；
步骤94：将起点像素，步骤92至步骤93中依次获取的距离所述目标点距离最近的像素点以及所述目标点依次连接起来，即得到大型固定翼无人机在所述机场栅格地图中的子轨迹；通过所述机场栅格地图中每个像素与其GNSS坐标，即经纬度坐标的对应转换关系，将子轨迹中的每个像素坐标变换为经纬度度坐标的子路径；大型固定翼无人机按照该子路径行驶至所述目标点；
步骤95：将所述目标点看作为步骤91中的起点像素，然后重复执行步骤91至步骤95，直至大型固定翼无人机前进至预设行驶终点为止。
10.根据权利要求9所述的方法，其特征在于，在所述步骤4中，将大型固定翼无人机抽象为一个质点，只占据一个像素点；考虑到大型固定翼无人机自身的结构参数，将障碍物所占据的像素变多，变多的尺寸等于安全管道的半径，以保证规划路径的安全性；其中，所述安全管道为大型固定翼无人机能够在所述机场栅格地图避开障碍物安全行使的最短路径通道；其中，所述结构参数包括翼展和机长。
CN202310651790.9A 2023-06-05 2023-06-05 一种大型固定翼无人机自主避障方法 Active CN116382351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310651790.9A CN116382351B (zh) 2023-06-05 2023-06-05 一种大型固定翼无人机自主避障方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310651790.9A CN116382351B (zh) 2023-06-05 2023-06-05 一种大型固定翼无人机自主避障方法

Publications (2)

Publication Number Publication Date
CN116382351A true CN116382351A (zh) 2023-07-04
CN116382351B CN116382351B (zh) 2023-08-18

Family

ID=86971505

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310651790.9A Active CN116382351B (zh) 2023-06-05 2023-06-05 一种大型固定翼无人机自主避障方法

Country Status (1)

Country Link
CN (1) CN116382351B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1221057A1 (en) * 1999-10-12 2002-07-10 Honeywell Inc. Method and apparatus for navigating an aircraft from an image of the runway
US20120232725A1 (en) * 2011-03-08 2012-09-13 Airbus Operations (S.A.S.) Method For Optimizing Aircraft Landing On A Runway
JP2019202663A (ja) * 2018-05-24 2019-11-28 株式会社Ｓｏｋｅｎ 走路設定装置
CN110751860A (zh) * 2018-07-19 2020-02-04 波音公司 用于自主机场跑道导航的系统、方法和计算机可读介质
CN111649737A (zh) * 2020-05-08 2020-09-11 中国航空工业集团公司西安航空计算技术研究所 一种面向飞机精密进近着陆的视觉-惯性组合导航方法
CN113238583A (zh) * 2021-07-14 2021-08-10 四川腾盾科技有限公司 一种固定翼无人机密集编队飞行与防撞控制方法
CN114326815A (zh) * 2021-12-30 2022-04-12 北京航空航天大学 一种湿滑跑道下无人机安全起飞轨迹设计方法
CN114935764A (zh) * 2022-05-17 2022-08-23 上海交通大学 一种结合语义分割的单目移动机器人路径规划的方法
US20220309933A1 (en) * 2021-03-23 2022-09-29 Airbus Operations Sas Method and system for computing a trajectory for landing an aircraft
CN115933754A (zh) * 2021-10-26 2023-04-07 中国电力科学研究院有限公司 基于毫米波雷达和双目视觉的电力巡检无人机避障方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1221057A1 (en) * 1999-10-12 2002-07-10 Honeywell Inc. Method and apparatus for navigating an aircraft from an image of the runway
US20120232725A1 (en) * 2011-03-08 2012-09-13 Airbus Operations (S.A.S.) Method For Optimizing Aircraft Landing On A Runway
JP2019202663A (ja) * 2018-05-24 2019-11-28 株式会社Ｓｏｋｅｎ 走路設定装置
CN110751860A (zh) * 2018-07-19 2020-02-04 波音公司 用于自主机场跑道导航的系统、方法和计算机可读介质
CN111649737A (zh) * 2020-05-08 2020-09-11 中国航空工业集团公司西安航空计算技术研究所 一种面向飞机精密进近着陆的视觉-惯性组合导航方法
US20220309933A1 (en) * 2021-03-23 2022-09-29 Airbus Operations Sas Method and system for computing a trajectory for landing an aircraft
CN113238583A (zh) * 2021-07-14 2021-08-10 四川腾盾科技有限公司 一种固定翼无人机密集编队飞行与防撞控制方法
CN115933754A (zh) * 2021-10-26 2023-04-07 中国电力科学研究院有限公司 基于毫米波雷达和双目视觉的电力巡检无人机避障方法
CN114326815A (zh) * 2021-12-30 2022-04-12 北京航空航天大学 一种湿滑跑道下无人机安全起飞轨迹设计方法
CN114935764A (zh) * 2022-05-17 2022-08-23 上海交通大学 一种结合语义分割的单目移动机器人路径规划的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RONG MA 等: "Real-time Obstacle Avoidance for Fixed-wing Vehicles in Complex Environment", 《PROCEEDINGS OF 2016 IEEE CHINESE GUIDANCE, NAVIGATION AND CONTROL CONFERENCE》, pages 498 - 502 *
刘禹: "基于机载双目视觉的无人机避障与目标跟踪技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 2, pages 031 - 609 *

Also Published As

Publication number Publication date
CN116382351B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
US12027043B2 (en) Missing traffic face detector
US20210319575A1 (en) Target positioning method and device, and unmanned aerial vehicle
CN206691107U (zh) 无人驾驶汽车系统及汽车
CN110751860B (zh) 用于自主机场跑道导航的系统、方法和计算机可读介质
EP1709611B1 (en) Automatic taxi manager
US8073584B2 (en) Method for measuring dynamic parameters of an aircraft progressing over an airport zone
CN112558608B (zh) 一种基于无人机辅助的车机协同控制及路径优化方法
CN109992006A (zh) 一种电力巡检无人机的精准回收方法和系统
US7937191B2 (en) Termination secured route planning
CN105676253A (zh) 一种自动驾驶中基于城市道路标线地图的纵向定位系统及其方法
CN107161141A (zh) 无人驾驶汽车系统及汽车
CN115803781A (zh) 用于生成与对象相关联的鸟瞰图边界框的方法和系统
US20230002048A1 (en) Aerial vehicles with machine vision
CN111413708A (zh) 基于激光雷达的无人机自主识别着陆选址方法
EP3989034A1 (en) Automatic safe-landing-site selection for unmanned aerial systems
CN114689030A (zh) 一种基于机载视觉的无人机辅助定位方法及系统
Lu et al. Improved situation awareness for autonomous taxiing through self-learning
CN116382351B (zh) 一种大型固定翼无人机自主避障方法
CN117392641A (zh) 一种飞机牵引车的碰撞预警、导航预警方法及系统
KR102467524B1 (ko) 항적데이터를 이용한 비행 계획 추정방법
Delezenne et al. Autonomous Navigation with Taxiway Crossings Identification using Camera Vision and Airport Map
TW202115616A (zh) 應用路側特徵辨識之圖資定位系統及方法
EP4239587A1 (en) Adaptive feature extraction to detect letters and edges on vehicle landing surfaces
CN116385475B (zh) 一种针对大型固定翼无人机自主着陆的跑道识别分割方法
US20230023069A1 (en) Vision-based landing system

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