CN117170402A - 一种基于人工势场的无人机集群避撞方法及系统 - Google Patents
一种基于人工势场的无人机集群避撞方法及系统 Download PDFInfo
- Publication number
- CN117170402A CN117170402A CN202310962295.XA CN202310962295A CN117170402A CN 117170402 A CN117170402 A CN 117170402A CN 202310962295 A CN202310962295 A CN 202310962295A CN 117170402 A CN117170402 A CN 117170402A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- potential field
- determining
- artificial potential
- 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 title claims abstract description 32
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 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
- MQXQVCLAUDMCEF-CWLIKTDRSA-N amoxicillin trihydrate Chemical compound O.O.O.C1([C@@H](N)C(=O)N[C@H]2[C@H]3SC([C@@H](N3C2=O)C(O)=O)(C)C)=CC=C(O)C=C1 MQXQVCLAUDMCEF-CWLIKTDRSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001007 puffing effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- 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
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及基于人工势场的无人机集群避撞方法及系统，其方法包括：实时获取无人机集群的机体信息和环境参数，并根据所述机体信息和环境参数构建飞行态势图；基于所述飞行态势图、无人机编队的一致性约束和障碍物相对几何关系，确定改进的时变人工势场；基于时变人工势场和状态回归，创建无人机集群的虚拟长机和虚拟子机的位姿信息；基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿。本发明通过障碍物相对几何关系和飞行态势图，确定改进的时变人工势场，并结合智能优化算法提高了无人机集群避撞方法的适应性、时效性和鲁棒性。
Description
技术领域
本发明属于无人机飞行控制技术领域，具体涉及一种基于人工势场的无人机集群避撞方法及系统。
背景技术
随着无人机的不断发展，其任务环境越来越复杂，对于安全的要求也越来越高，因而无人机的自主避障技术也逐渐成为关键技术之一。现有的无人机避障方法主要分为以下两类：其一，基于航路规划的避障方法，此方法的思想主要是将避障问题转化为航路规划问题，如遗传算法、人工势场法、A＊算法；其二，基于几何关系的避障方法，这类方法的主要思想是根据无人机与障碍物之间的相对距离、速度、加速度、角度等关键信息计算得到规避航路。
发明内容
为提高无人机集群避撞的适应性、时效性和鲁棒性的问题，在本发明的第一方面提供了一种基于人工势场的无人机集群避撞方法，包括：实时获取无人机集群的机体信息和环境参数，并根据所述机体信息和环境参数构建飞行态势图；基于所述飞行态势图、无人机编队的一致性约束和障碍物相对几何关系，确定改进的时变人工势场；基于时变人工势场和状态回归，创建无人机集群的虚拟长机和虚拟子机的位姿信息；基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿。
在本发明的一些实施例中，所述飞行态势图、无人机编队的一致性约束和相对几何关系，确定改进的时变人工势场包括：基于飞行态势图中的一个或多个障碍物到无人机集群的几何的距离，确定斥力势场函数；基于无人机编队中每个无人机实时航向角和实时避撞角，确定时变斥力；基于无人机编队的一致性约束，确定所述斥力势场函数的速度避障力；根据所述斥力势场函数、时变斥力和速度避障力，确定改进的时变人工势场。
进一步的，所述基于无人机编队的一致性约束，确定所述斥力势场函数的速度避障力包括：基于无人机编队的一致性约束，以及每个无人机的航向角和避障角，确定所述斥力势场函数的速度避障力。
在本发明的一些实施例中，所述基于时变人工势场和状态回归，创建虚拟长机和虚拟子机的位姿信息包括：基于时变人工势场和状态回归，确定无人机的状态回归控制力，每个虚拟子机的加速度、位置矢量和飞行速度。
在本发明的一些实施例中，所述基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿包括：基于虚拟长机和虚拟子机的位姿信息，通过粒子群优化后的遗传算法确定每个无人机的多个规划路径；根据通过最短生成树模型确定每个无人机的最优规划路径；基于实时无人机位姿信息和所述最优规划路径，通过差分卡尔曼滤波调整无人机集群的每个无人机的位姿。
进一步的，所述根据通过最短生成树模型确定每个无人机的最优规划路径包括：根据迪杰斯特拉算法确定每个无人机的最优规划路径。
本发明的第二方面，提供了一种基于人工势场的无人机集群避撞系统，包括：获取模块，用于实时获取无人机集群的机体信息和环境参数，并根据所述机体信息和环境参数构建飞行态势图；确定模块，用于基于所述飞行态势图、无人机编队的一致性约束和障碍物相对几何关系，确定改进的时变人工势场；创建模块，用于基于时变人工势场和状态回归，创建无人机集群的虚拟长机和虚拟子机的位姿信息；调整模块，用于基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿。
本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面提供的基于人工势场的无人机集群避撞方法。
本发明的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明在第一方面提供的基于人工势场的无人机集群避撞方基于人工势场的无人机集群避撞法。
本发明的有益效果是：
本发明涉及基于人工势场的无人机集群避撞方法及系统，其方法包括：实时获取无人机集群的机体信息和环境参数，并根据所述机体信息和环境参数构建飞行态势图；基于所述飞行态势图、无人机编队的一致性约束和障碍物相对几何关系，确定改进的时变人工势场；基于时变人工势场和状态回归，创建无人机集群的虚拟长机和虚拟子机的位姿信息；基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿。可见，本发明的避障策略始终以期望状态为目标，并改进了传统人工势场，使无人机在有效避障的基础上，能够较快地回归到原始期望状态，对后续任务的执行影响较小。
附图说明
图1为本发明的一些实施例中的基于人工势场的无人机集群避撞方法的基本流程示意图；
图2为本发明的一些实施例中的无人机避撞机动判定的示意图；
图3为本发明的一些实施例中的长机和僚机控制模式示意图；
图4为本发明的一些实施例中的保持电子地平线的路网数据范围最小化装置的结构示意图；
图5为本发明的一些实施例中的电子设备的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
参考图1，在本发明的第一方面，提供了一种基于人工势场的无人机集群避撞方法，包括：S100.实时获取无人机集群的机体信息和环境参数，并根据所述机体信息和环境参数构建飞行态势图；S200.基于所述飞行态势图、无人机编队的一致性约束和障碍物相对几何关系，确定改进的时变人工势场；S300.基于时变人工势场和状态回归，创建无人机集群的虚拟长机和虚拟子机的位姿信息；S400.基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿。
在本发明的一些实施例的步骤S100中，实时获取无人机集群的机体信息和环境参数，并根据所述机体信息和环境参数构建飞行态势图；具体地，无人机的飞行态势图是通过将无人机的感知模块(图像、气压计、IMU、GPS、激光测距等)测得的机体信息和环境参数信息通过对数极坐标系进行整合，在此种表达方式下，飞行态势图的栅格密度可根据需求进行调整，无人机近处密度高，远处密度低，且以球面往外衍生的各个方向具有相同性质。优选的，将飞行态势图进行栅格化，然后根据笛卡尔坐标系建立由一个或多个感知障碍物组成的多个扇形区域的障碍模型。
如图2所示，不失一般性，无人机飞行到当前位置，其速度为vi，与障碍物的距离为Dio，当前速度方向与障碍物的相对角度为η，经膨化后障碍物的半径为ri+ro(ri为无人机的半径，ro为障碍物的半径)。考虑临界情况，当无人机刚好与障碍物之间不发生碰撞时，即无人机飞行航线上与障碍物质心的最短距离正好等于障碍物的半径，这时无人机速度方向与障碍物的相对角度即是无人机对于该障碍物的临界碰撞角。因此，临界碰撞角算式为：
当无人机速度方向与障碍物的相对角度的绝对值小于临界碰撞角时，则代表无人机存在碰撞风险，反之，不存在碰撞风险。通过以上分析，无人机执行避障机动的判决条件为若上述算式成立，则无人机执行避障机动；若不成立，则无人机不执行避障机动。
在本发明的一些实施例的步骤S200中，所述飞行态势图、无人机编队的一致性约束和相对几何关系，确定改进的时变人工势场包括：
S201.态势图中的一个或多个障碍物到无人机集群的几何的距离，确定斥力势场函数；
具体地，假设检测到的障碍物都为球形，对于不规则的障碍物也用其外接球表示，则常规的斥力势场函数表示为：
式中：C＞0，为斥力场系数；ρ为无人机到障碍物表面的距离；ρ0为障碍物所形成的斥力势场的影响范围。则P点处无人机受障碍物的斥力为斥力场的负梯度，可以表示为
式中为障碍物o指向无人机i的单位向量。
S202.基于无人机编队中每个无人机实时航向角和实时避撞角，确定时变斥力；
具体地，利用角度关系来改进斥力场，实时调整障碍物对无人机的斥力，在有效规避障碍物的同时，又避免无人机做出非必要的避障行为。改进后的斥力可表示为：
S203.基于无人机编队的一致性约束，确定所述斥力势场函数的速度避障力；
进一步的，基于无人机编队的一致性约束，确定所述斥力势场函数的速度避障力包括：基于无人机编队的一致性约束，以及每个无人机的航向角和避障角，确定所述斥力势场函数的速度避障力。
S204.根据所述斥力势场函数、时变斥力和速度避障力，确定改进的时变人工势场。
具体地，障碍规避力可由基于角度改进人工势场的距离斥力项和基于避障锥的速度一致项组成：
在本发明的一些实施例的步骤S300中，所述基于时变人工势场和状态回归，创建虚拟长机和虚拟子机的位姿信息包括：基于时变人工势场和状态回归，确定无人机的状态回归控制力，每个虚拟子机的加速度、位置矢量和飞行速度。
参考图3，图3示出了路径的一般性控制示意图，在本发明中的僚机(子机)可以是相邻的无人机或控制对内相对位置的虚拟无人机。通过相应的拓扑图和分布式计算，实现虚拟长机和虚拟子机的位姿信息的计算。
在本发明的一些实施例的步骤S400中，所述基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿包括：
S401.基于虚拟长机和虚拟子机的位姿信息，通过粒子群优化后的遗传算法确定每个无人机的多个规划路径；
S402.根据通过最短生成树模型确定每个无人机的最优规划路径；
S403.基于实时无人机位姿信息和所述最优规划路径，通过差分卡尔曼滤波调整无人机集群的每个无人机的位姿。
进一步的，所述根据通过最短生成树模型确定每个无人机的最优规划路径包括：根据迪杰斯特拉算法确定每个无人机的最优规划路径。
人工势场法就是在障碍物周围设定虚拟斥力势场，在目标点周围设定虚拟引力势场，当无人机处于这两种势场的影响范围之内时，引力势场对无人机产生引力，斥力势场对无人机产生斥力，无人机在这两种虚拟力的作用下远离障碍物并飞向目标。
实施例2
参考图4，本发明的第二方面，提供了一种基于人工势场的无人机集群避撞系统1，包括：获取模块11，用于实时获取无人机集群的机体信息和环境参数，并根据所述机体信息和环境参数构建飞行态势图；确定模块12，用于基于所述飞行态势图、无人机编队的一致性约束和障碍物相对几何关系，确定改进的时变人工势场；创建模块13，用于基于时变人工势场和状态回归，创建无人机集群的虚拟长机和虚拟子机的位姿信息；调整模块14，用于基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿。
进一步的，所述确定模块12包括：第一确定单元，用于基于飞行态势图中的一个或多个障碍物到无人机集群的几何的距离，确定斥力势场函数；第二确定单元，用于基于无人机编队中每个无人机实时航向角和实时避撞角，确定时变斥力；第三确定单元，用于基于无人机编队的一致性约束，确定所述斥力势场函数的速度避障力；第四确定单元，用于根据所述斥力势场函数、时变斥力和速度避障力，确定改进的时变人工势场。
实施例3
参考图5，本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面的人工势场的无人机集群避撞方法。
电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD－ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。需要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于人工势场的无人机集群避撞方法，其特征在于，包括：
实时获取无人机集群的机体信息和环境参数，并根据所述机体信息和环境参数构建飞行态势图；
基于所述飞行态势图、无人机编队的一致性约束和障碍物相对几何关系，确定改进的时变人工势场；
基于时变人工势场和状态回归，创建无人机集群的虚拟长机和虚拟子机的位姿信息；
基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿。
2.根据权利要求1所述的基于人工势场的无人机集群避撞方法，其特征在于，所述飞行态势图、无人机编队的一致性约束和相对几何关系，确定改进的时变人工势场包括：
基于飞行态势图中的一个或多个障碍物到无人机集群的几何的距离，确定斥力势场函数；
基于无人机编队中每个无人机实时航向角和实时避撞角，确定时变斥力；
基于无人机编队的一致性约束，确定所述斥力势场函数的速度避障力；
根据所述斥力势场函数、时变斥力和速度避障力，确定改进的时变人工势场。
3.根据权利要求2述的基于人工势场的无人机集群避撞方法，其特征在于，所述基于无人机编队的一致性约束，确定所述斥力势场函数的速度避障力包括：
基于无人机编队的一致性约束，以及每个无人机的航向角和避障角，确定所述斥力势场函数的速度避障力。
4.根据权利要求1所述的基于人工势场的无人机集群避撞方法，其特征在于，所述基于时变人工势场和状态回归，创建虚拟长机和虚拟子机的位姿信息包括：
基于时变人工势场和状态回归，确定无人机的状态回归控制力，每个虚拟子机的加速度、位置矢量和飞行速度。
5.根据权利要求1所述的基于人工势场的无人机集群避撞方法，其特征在于，所述基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿包括：
基于虚拟长机和虚拟子机的位姿信息，通过粒子群优化后的遗传算法确定每个无人机的多个规划路径；
根据通过最短生成树模型确定每个无人机的最优规划路径；
基于实时无人机位姿信息和所述最优规划路径，通过差分卡尔曼滤波调整无人机集群的每个无人机的位姿。
6.根据权利要求5所述的基于人工势场的无人机集群避撞方法，其特征在于，所述根据通过最短生成树模型确定每个无人机的最优规划路径包括：根据迪杰斯特拉算法确定每个无人机的最优规划路径。
7.一种基于人工势场的无人机集群避撞系统，其特征在于，包括：
获取模块，用于实时获取无人机集群的机体信息和环境参数，并根据所述机体信息和环境参数构建飞行态势图；
确定模块，用于基于所述飞行态势图、无人机编队的一致性约束和障碍物相对几何关系，确定改进的时变人工势场；
创建模块，用于基于时变人工势场和状态回归，创建无人机集群的虚拟长机和虚拟子机的位姿信息；
调整模块，用于基于虚拟长机和虚拟子机的位姿信息，通过最短生成树模型和差分卡尔曼滤波调整无人机集群的每个无人机的位姿。
8.根据权利要求7所述的基于人工势场的无人机集群避撞系统，其特征在于，所述确定模块包括：
第一确定单元，用于基于飞行态势图中的一个或多个障碍物到无人机集群的几何的距离，确定斥力势场函数；
第二确定单元，用于基于无人机编队中每个无人机实时航向角和实时避撞角，确定时变斥力；
第三确定单元，用于基于无人机编队的一致性约束，确定所述斥力势场函数的速度避障力；
第四确定单元，用于根据所述斥力势场函数、时变斥力和速度避障力，确定改进的时变人工势场。
9.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至6任一项所述的基于人工势场的无人机集群避撞方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于人工势场的无人机集群避撞的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310962295.XA CN117170402A (zh) | 2023-08-01 | 2023-08-01 | 一种基于人工势场的无人机集群避撞方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310962295.XA CN117170402A (zh) | 2023-08-01 | 2023-08-01 | 一种基于人工势场的无人机集群避撞方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117170402A true CN117170402A (zh) | 2023-12-05 |
Family
ID=88934546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310962295.XA Pending CN117170402A (zh) | 2023-08-01 | 2023-08-01 | 一种基于人工势场的无人机集群避撞方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117170402A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117584952A (zh) * | 2024-01-16 | 2024-02-23 | 北京理工大学 | 一种越野环境的动态人工势场构建方法、系统及电子设备 |
-
2023
- 2023-08-01 CN CN202310962295.XA patent/CN117170402A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117584952A (zh) * | 2024-01-16 | 2024-02-23 | 北京理工大学 | 一种越野环境的动态人工势场构建方法、系统及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Asadi et al. | An integrated UGV-UAV system for construction site data collection | |
| US10281919B2 (en) | Attributed roadway trajectories for self-driving vehicles | |
| EP3759562B1 (en) | Camera based localization for autonomous vehicles | |
| EP3754467A1 (en) | Merged reality system and method | |
| CN112677995B (zh) | 一种车辆轨迹规划方法、装置、存储介质及设备 | |
| CN111417871A (zh) | 基于激光雷达利用高清晰度地图的集成运动估计的迭代最近点处理 | |
| EP3128386B1 (en) | Method and device for tracking a moving target from an air vehicle | |
| US20190056743A1 (en) | Method for motion planning for autonomous moving objects | |
| CN111338383B (zh) | 基于gaas的自主飞行方法及系统、存储介质 | |
| US8078399B2 (en) | Method and device for three-dimensional path planning to avoid obstacles using multiple planes | |
| CN111665738A (zh) | 在环仿真系统及其中的信息处理方法及装置 | |
| CN112740268A (zh) | 目标检测方法和装置 | |
| CN117170402A (zh) | 一种基于人工势场的无人机集群避撞方法及系统 | |
| WO2016200629A1 (en) | Vehicle collision prevention | |
| CN114771570A (zh) | 自动驾驶车辆的控制方法和装置 | |
| CN111469781B (zh) | 用于输出信息的方法和装置 | |
| CN114092660A (zh) | 高精地图生成方法、装置及用于生成地图的车辆 | |
| US20240019250A1 (en) | Motion estimation apparatus, motion estimation method, path generation apparatus, path generation method, and computer-readable recording medium | |
| CN116820129A (zh) | 一种基于自主协同机制的无人机集群编队方法及系统 | |
| Uçan et al. | Using genetic algorithms for navigation planning in dynamic environments | |
| US11557129B2 (en) | Systems and methods for producing amodal cuboids | |
| Klaser et al. | Simulation of an autonomous vehicle with a vision-based navigation system in unstructured terrains using OctoMap | |
| Zhao et al. | Stereo-vision based obstacle avoidance by finding safe region | |
| CN112649823A (zh) | 无人机导航定位方法及装置 | |
| CN111832142A (zh) | 用于输出信息的方法和装置 |
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 |