CN117666624A - 一种固定翼无人机集群目标跟踪队形排列方法 - Google Patents
一种固定翼无人机集群目标跟踪队形排列方法 Download PDFInfo
- Publication number
- CN117666624A CN117666624A CN202410131811.9A CN202410131811A CN117666624A CN 117666624 A CN117666624 A CN 117666624A CN 202410131811 A CN202410131811 A CN 202410131811A CN 117666624 A CN117666624 A CN 117666624A
- Authority
- CN
- China
- Prior art keywords
- target
- unmanned aerial
- wing unmanned
- aerial vehicle
- tracking
- 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
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 28
- 238000005755 formation reaction Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000013136 deep learning model Methods 0.000 claims abstract description 7
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000009975 flexible effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005507 spraying Methods 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
本发明提供一种固定翼无人机集群目标跟踪队形排列方法，包括：S1，获取固定翼无人机集群中的固定翼无人机个数以及各固定翼无人机上视频图像采集设备采集的视频图像；S2，将视频图像输入预先训练的深度学习模型，进行目标识别；S3，根据目标识别结果以及固定翼无人机个数，分配各固定翼无人机进行目标跟踪；S4，根据分配的固定翼无人机和跟踪目标，规划固定翼无人机集群的队形排列；S5，判断目标跟踪任务是否结束，如果目标跟踪任务未结束，则间隔一段时间后重新返回执行步骤S2。本发明能够解决固定翼无人机集群同时对目标进行目标跟踪，在保持目标跟踪高鲁棒性的同时避免固定翼无人机与集群中其他固定翼无人机相撞的问题。
Description
技术领域
本发明涉及固定翼无人机集群技术领域，具体而言，涉及一种固定翼无人机集群目标跟踪队形排列方法。
背景技术
无人机具有行动灵活，方便快捷等特点，被广泛地应用于民用和军事领域。例如在农业中使用无人机执行农药的喷洒，使得耕地内的农作物可以全覆盖农药；在地理测绘中在高寒或高海拔区域使用无人机替代人力完成全景测绘工作；在地震灾后救援中在受灾区域使用无人机搜救被困人员等。
固定翼无人机由于其高机动性、航速快、航程大、负载更强的性质在工业、农业、救援、科学研究和军事方面具备更广泛的前景。当任务内容比较复杂时，单架无人机执行任务可能有时长过长，电池能耗大，剩余飞行时间不足，飞行范围受限，任务鲁棒性不高等问题，无法独自完成任务。因此，需要借助多无人机组成集群通过自主协同的方式来解决实际问题。然而，在实际场景中部署的固定翼无人机集群在执行任务时，固定翼无人机集群可能需要同时对移动目标进行目标跟踪，在保持目标跟踪高鲁棒性的同时，避免固定翼无人机在目标跟踪过程中与集群中其他固定翼无人机相撞是一个需要考虑的问题，现有方法并未对这个问题给予适当回应。
发明内容
本发明旨在提供一种固定翼无人机集群目标跟踪队形排列方法，以解决固定翼无人机集群在执行任务时，固定翼无人机集群同时对移动目标进行目标跟踪，在保持目标跟踪高鲁棒性的同时避免固定翼无人机与集群中其他固定翼无人机相撞的问题。
本发明提供的一种固定翼无人机集群目标跟踪队形排列方法，包括如下步骤：
S1，获取固定翼无人机集群的状态信息，包括固定翼无人机集群中的固定翼无人机个数以及各固定翼无人机上视频图像采集设备采集的视频图像；
S2，将所述视频图像输入预先训练的深度学习模型，进行目标识别；
S3，根据目标识别结果以及固定翼无人机个数，分配各固定翼无人机进行目标跟踪；
S4，根据分配的固定翼无人机和跟踪目标，规划固定翼无人机集群的队形排列；
S5，判断目标跟踪任务是否结束，如果目标跟踪任务未结束，则间隔一段时间后重新返回执行步骤S2。
进一步的，步骤S2中所述目标识别包括识别目标类型以及预先设置的目标重要性和识别正确率。
进一步的，每个目标的识别正确率取所有固定翼无人机视野中识别出该目标的识别正确率的最大值。
进一步的，步骤S3中所述目标跟踪包括单一目标跟踪和多目标跟踪。
进一步的，所述单一目标跟踪是指：
固定翼无人机集群对视野里面所有识别到的目标根据预先设置的目标重要性或识别正确率进行排序，并对排序第一的目标进行跟踪。
进一步的，所述多目标跟踪是指：
固定翼无人机集群对视野里面所有识别到的目标根据预先设置的目标重要性或识别正确率进行排序，并对设定的前X个目标进行跟踪，X≥2；
当固定翼无人机集群中的固定翼无人机数量小于等于跟踪目标数量时，按照预先设置的目标重要性或者识别正确率排序顺序，依次分配一架固定翼无人机对目标进行跟踪；
当固定翼无人机集群中的固定翼无人机数量大于跟踪目标数量时，每个跟踪目标都分配一架固定翼无人机；剩余的固定翼无人机，按照预先设置的目标重要性或者识别正确率排序再进行分配。
进一步的，所述剩余的固定翼无人机都分配给同一个目标，或分配给多个目标。
进一步的，步骤S4包括：
每个跟踪目标由一架固定翼无人机以跟踪目标为圆心且半径为R的圆上从各个角度对跟踪目标进行识别，得到跟踪目标各个角度不同纹理细节特征的识别正确率，并以识别正确率最大值对应的位置作为此跟踪目标的基准点；
当跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差小于预设阈值时，每个跟踪目标的固定翼无人机的位置是基于基准点，以跟踪目标为圆心且半径为R的圆的内接多边形的顶点；其中，内接多边形的边数等于每个跟踪目标的固定翼无人机个数；
当跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差大于预设阈值时，每个跟踪目标的固定翼无人机的位置是基于基准点，按照各个角度不同纹理细节特征的识别正确率从大到小选取对应的位置作为此跟踪目标的固定翼无人机的位置，直到选取的位置数量等于该跟踪目标的固定翼无人机数量为止。
进一步的，如果当前选取的位置与之前选取的任意一个位置距离小于预设安全距离L时，将舍弃当前选取的位置。
进一步的，步骤S5中重新返回执行步骤S2后：
如果识别到新目标，则继续执行步骤S3~S5；
否则，继续跟踪原有目标，直至目标跟踪任务结束。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明设计合理、高效，固定翼无人机在离开编队时，能有效地利用固定翼无人机集群的协同控制，解决固定翼无人机集群同时对目标进行目标跟踪，在保持目标跟踪高鲁棒性的同时避免固定翼无人机与集群中其他固定翼无人机相撞的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中固定翼无人机集群目标跟踪队形排列方法的流程图。
图2为本发明实施例中固定翼无人机集群对进行单一目标跟踪的示意图。
图3为本发明实施例中固定翼集群无人机进行多目标跟踪时，固定翼无人机数量少于跟踪目标数量的示意图。
图4为本发明实施例中固定翼集群无人机进行多目标跟踪时，固定翼无人机数量多于跟踪目标数量且剩余的固定翼无人机分配给同一跟踪目标的示意图。
图5为本发明实施例中固定翼集群无人机进行多目标跟踪时，固定翼无人机数量多于跟踪目标数量且剩余的固定翼无人机分配给多个跟踪目标的示意图。
图6为本发明实施例中跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差小于预设阈值时，2个固定翼无人机队形排列的示意图。
图7为本发明实施例中跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差小于预设阈值时，3个固定翼无人机队形排列的示意图。
图8为本发明实施例中跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差小于预设阈值时，4个固定翼无人机队形排列的示意图。
图9为本发明实施例中跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差大于预设阈值时，固定翼无人机集群队形排列的示意图，实线固定翼无人机的位置是选取的位置，虚线固定翼无人机的位置是因距离不够预设安全距离舍弃的位置。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
如图1所示，本实施例提出一种固定翼无人机集群目标跟踪队形排列方法，包括如下步骤：
S1，获取固定翼无人机集群的状态信息，包括固定翼无人机集群中的固定翼无人机个数以及各固定翼无人机上视频图像采集设备（如光电吊舱）采集的视频图像；
S2，将所述视频图像输入预先训练的深度学习模型，进行目标识别；本实施例中，所述预先训练的深度学习模型为运用YoloV5模型对预先采集到的目标数据集进行训练从而得到的深度学习模型。将所述固定翼无人机上视频图像采集设备采集的视频图像输入该深度学习模型能够进行目标识别。其中，YoloV5模型的结构及训练为现有技术，在此不再赘述。
进一步的，所述目标识别包括识别目标类型以及预先设置的目标重要性和识别正确率。特别地，每个目标的识别正确率取所有固定翼无人机视野中识别出该目标的识别正确率的最大值。
S3，根据目标识别结果以及固定翼无人机个数，分配各固定翼无人机进行目标跟踪；所述目标跟踪包括单一目标跟踪和多目标跟踪两种目标跟踪模式，具体如下：
如图2所示，单一目标跟踪：固定翼无人机集群对视野里面所有识别到的目标根据预先设置的目标重要性或识别正确率进行排序，并对排序第一的目标进行跟踪。
多目标跟踪：固定翼无人机集群对视野里面所有识别到的目标根据预先设置的目标重要性或识别正确率进行排序，并对设定的前X个目标进行跟踪，X≥2；
如图3所示，当固定翼无人机集群中的固定翼无人机数量小于等于跟踪目标数量时，按照预先设置的目标重要性或者识别正确率排序顺序，依次分配一架固定翼无人机对目标进行跟踪；
当固定翼无人机集群中的固定翼无人机数量大于跟踪目标数量时，每个跟踪目标都分配一架固定翼无人机；剩余的固定翼无人机，按照预先设置的目标重要性或者识别正确率排序再进行分配；特别地，再进行分配时，可以都分配给同一个目标，如图4所示，或分配给多个目标，如图5所示。
S4，根据分配的固定翼无人机和跟踪目标，规划固定翼无人机集群的队形排列；具体包括：
每个跟踪目标由一架固定翼无人机以跟踪目标为圆心且半径为R（根据需要进行设定，如R=300米）的圆上从各个角度对跟踪目标进行识别，得到跟踪目标各个角度不同纹理细节特征的识别正确率，并以识别正确率最大值对应的位置作为此跟踪目标的基准点；
如图6、图7和图8所示，当跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差小于预设阈值（根据需要进行设定，如5%）时，每个跟踪目标的固定翼无人机的位置是基于基准点，以跟踪目标为圆心且半径为R的圆的内接多边形的顶点；其中，内接多边形的边数等于每个跟踪目标的固定翼无人机个数；
如图9所示，当跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差大于预设阈值时，每个跟踪目标的固定翼无人机的位置是基于基准点，按照各个角度不同纹理细节特征的识别正确率从大到小选取对应的位置作为此跟踪目标的固定翼无人机的位置，直到选取的位置数量等于该跟踪目标的固定翼无人机数量为止。特别地，如果当前选取的位置与之前选取的任意一个位置距离小于预设安全距离L（根据需要进行设定，L=100米）时，将舍弃当前选取的位置。
S5，判断目标跟踪任务是否结束，如果目标跟踪任务未结束，则间隔一段时间后重新返回执行步骤S2。其中，可以基于地面站指令或者机载信息信息判断目标跟踪任务是否结束。当重新返回执行步骤S2后：
如果识别到新目标，则继续执行步骤S3~S5；即重新分配固定翼无人机进行目标跟踪、规划队形排列并判断目标跟踪任务是否结束；
否则，继续跟踪原有目标，直至目标跟踪任务结束。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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)
1.一种固定翼无人机集群目标跟踪队形排列方法，其特征在于，包括如下步骤：
S1，获取固定翼无人机集群的状态信息，包括固定翼无人机集群中的固定翼无人机个数以及各固定翼无人机上视频图像采集设备采集的视频图像；
S2，将所述视频图像输入预先训练的深度学习模型，进行目标识别；
S3，根据目标识别结果以及固定翼无人机个数，分配各固定翼无人机进行目标跟踪；
S4，根据分配的固定翼无人机和跟踪目标，规划固定翼无人机集群的队形排列；
S5，判断目标跟踪任务是否结束，如果目标跟踪任务未结束，则间隔一段时间后重新返回执行步骤S2。
2.根据权利要求1所述的固定翼无人机集群目标跟踪队形排列方法，其特征在于，步骤S2中所述目标识别包括识别目标类型以及预先设置的目标重要性和识别正确率。
3.根据权利要求2所述的固定翼无人机集群目标跟踪队形排列方法，其特征在于，每个目标的识别正确率取所有固定翼无人机视野中识别出该目标的识别正确率的最大值。
4.根据权利要求2所述的固定翼无人机集群目标跟踪队形排列方法，其特征在于，步骤S3中所述目标跟踪包括单一目标跟踪和多目标跟踪。
5.根据权利要求4所述的固定翼无人机集群目标跟踪队形排列方法，其特征在于，所述单一目标跟踪是指：
固定翼无人机集群对视野里面所有识别到的目标根据预先设置的目标重要性或识别正确率进行排序，并对排序第一的目标进行跟踪。
6.根据权利要求4所述的固定翼无人机集群目标跟踪队形排列方法，其特征在于，所述多目标跟踪是指：
固定翼无人机集群对视野里面所有识别到的目标根据预先设置的目标重要性或识别正确率进行排序，并对设定的前X个目标进行跟踪，X≥2；
当固定翼无人机集群中的固定翼无人机数量小于等于跟踪目标数量时，按照预先设置的目标重要性或者识别正确率排序顺序，依次分配一架固定翼无人机对目标进行跟踪；
当固定翼无人机集群中的固定翼无人机数量大于跟踪目标数量时，每个跟踪目标都分配一架固定翼无人机；剩余的固定翼无人机，按照预先设置的目标重要性或者识别正确率排序再进行分配。
7.根据权利要求6所述的固定翼无人机集群目标跟踪队形排列方法，其特征在于，所述剩余的固定翼无人机都分配给同一个目标，或分配给多个目标。
8.根据权利要求4所述的固定翼无人机集群目标跟踪队形排列方法，其特征在于，步骤S4包括：
每个跟踪目标由一架固定翼无人机以跟踪目标为圆心且半径为R的圆上从各个角度对跟踪目标进行识别，得到跟踪目标各个角度不同纹理细节特征的识别正确率，并以识别正确率最大值对应的位置作为此跟踪目标的基准点；
当跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差小于预设阈值时，每个跟踪目标的固定翼无人机的位置是基于基准点，以跟踪目标为圆心且半径为R的圆的内接多边形的顶点；其中，内接多边形的边数等于每个跟踪目标的固定翼无人机个数；
当跟踪目标各个角度不同纹理细节特征的识别正确率的最大值与最小值之差大于预设阈值时，每个跟踪目标的固定翼无人机的位置是基于基准点，按照各个角度不同纹理细节特征的识别正确率从大到小选取对应的位置作为此跟踪目标的固定翼无人机的位置，直到选取的位置数量等于该跟踪目标的固定翼无人机数量为止。
9.根据权利要求8所述的固定翼无人机集群目标跟踪队形排列方法，其特征在于，如果当前选取的位置与之前选取的任意一个位置距离小于预设安全距离L时，将舍弃当前选取的位置。
10.根据权利要求1所述的固定翼无人机集群目标跟踪队形排列方法，其特征在于，步骤S5中重新返回执行步骤S2后：
如果识别到新目标，则继续执行步骤S3~S5；
否则，继续跟踪原有目标，直至目标跟踪任务结束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410131811.9A CN117666624B (zh) | 2024-01-31 | 2024-01-31 | 一种固定翼无人机集群目标跟踪队形排列方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410131811.9A CN117666624B (zh) | 2024-01-31 | 2024-01-31 | 一种固定翼无人机集群目标跟踪队形排列方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117666624A true CN117666624A (zh) | 2024-03-08 |
| CN117666624B CN117666624B (zh) | 2024-04-30 |
Family
ID=90064505
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410131811.9A Active CN117666624B (zh) | 2024-01-31 | 2024-01-31 | 一种固定翼无人机集群目标跟踪队形排列方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117666624B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及系统 |
| CN106873628A (zh) * | 2017-04-12 | 2017-06-20 | 北京理工大学 | 一种多无人机跟踪多机动目标的协同路径规划方法 |
| EP3430487A1 (en) * | 2016-03-18 | 2019-01-23 | Sunlight Photonics Inc. | Systems, methods, and apparatus for airflow sensing and close formation flight |
| CN110377059A (zh) * | 2019-08-29 | 2019-10-25 | 哈尔滨工程大学 | 一种基于狮群算法的多auv围捕者协同控制方法 |
| CN113741518A (zh) * | 2021-08-31 | 2021-12-03 | 中国人民解放军国防科技大学 | 基于领航跟随模式的固定翼无人机集群仿射编队控制方法 |
| CN115661204A (zh) * | 2022-11-01 | 2023-01-31 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机集群对运动目标的协同搜寻与跟踪定位方法 |
| CN115903882A (zh) * | 2022-10-09 | 2023-04-04 | 北京航空航天大学 | 一种视场角约束下集群无人机协同目标跟踪控制方法 |
| CN115903865A (zh) * | 2022-09-16 | 2023-04-04 | 中国空气动力研究与发展中心空天技术研究所 | 一种飞行器近距空战机动决策实现方法 |
| CN116243729A (zh) * | 2023-05-11 | 2023-06-09 | 四川腾盾科技有限公司 | 一种基于固定翼集群无人机在线分组的相位协同规划方法 |
| CN116430908A (zh) * | 2023-06-15 | 2023-07-14 | 四川腾盾科技有限公司 | 一种固定翼无人机集群的离群路径规划方法 |
-
2024
- 2024-01-31 CN CN202410131811.9A patent/CN117666624B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及系统 |
| EP3430487A1 (en) * | 2016-03-18 | 2019-01-23 | Sunlight Photonics Inc. | Systems, methods, and apparatus for airflow sensing and close formation flight |
| CN106873628A (zh) * | 2017-04-12 | 2017-06-20 | 北京理工大学 | 一种多无人机跟踪多机动目标的协同路径规划方法 |
| CN110377059A (zh) * | 2019-08-29 | 2019-10-25 | 哈尔滨工程大学 | 一种基于狮群算法的多auv围捕者协同控制方法 |
| CN113741518A (zh) * | 2021-08-31 | 2021-12-03 | 中国人民解放军国防科技大学 | 基于领航跟随模式的固定翼无人机集群仿射编队控制方法 |
| CN115903865A (zh) * | 2022-09-16 | 2023-04-04 | 中国空气动力研究与发展中心空天技术研究所 | 一种飞行器近距空战机动决策实现方法 |
| CN115903882A (zh) * | 2022-10-09 | 2023-04-04 | 北京航空航天大学 | 一种视场角约束下集群无人机协同目标跟踪控制方法 |
| CN115661204A (zh) * | 2022-11-01 | 2023-01-31 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机集群对运动目标的协同搜寻与跟踪定位方法 |
| CN116243729A (zh) * | 2023-05-11 | 2023-06-09 | 四川腾盾科技有限公司 | 一种基于固定翼集群无人机在线分组的相位协同规划方法 |
| CN116430908A (zh) * | 2023-06-15 | 2023-07-14 | 四川腾盾科技有限公司 | 一种固定翼无人机集群的离群路径规划方法 |
Non-Patent Citations (4)
| Title |
|---|
| YANG XU ETAL.: "Distributed Affine Formation Tracking Control of Multiple Fixed-Wing UAVs", 《PROCEEDINGS OF THE 39TH CHINESE CONTROL CONFERENCE》, 31 July 2020 (2020-07-31), pages 4712 - 4717, XP033822023, DOI: 10.23919/CCC50068.2020.9188925 * |
| ZHANG, MF AND LIU, HHT: "Cooperative Tracking a Moving Target Using Multiple Fixed-wing UAVs", 《JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS 》, 31 December 2016 (2016-12-31), pages 505 - 529 * |
| 毕岚君: "多机协同目标围捕技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 January 2022 (2022-01-15), pages 031 - 547 * |
| 黄坤: "无人机编队跟踪地面目标制导方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, 15 February 2020 (2020-02-15), pages 031 - 826 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117666624B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11860633B2 (en) | Methods and systems for determining flight plans for vertical take-off and landing (VTOL) aerial vehicles | |
| US10459437B2 (en) | Air-ground heterogeneous robot system path planning method based on neighborhood constraint | |
| Cesetti et al. | A vision-based guidance system for UAV navigation and safe landing using natural landmarks | |
| CN108897312B (zh) | 多无人飞行器对大规模环境的持续监控路径规划方法 | |
| CN109683629B (zh) | 基于组合导航和计算机视觉的无人机电力架线系统 | |
| CN110703802A (zh) | 基于多无人机协同作业的桥梁自动检测方法及系统 | |
| De Croon et al. | Sky segmentation approach to obstacle avoidance | |
| CN113566825B (zh) | 基于视觉的无人机导航方法、系统及存储介质 | |
| US20190066522A1 (en) | Controlling Landings of an Aerial Robotic Vehicle Using Three-Dimensional Terrain Maps Generated Using Visual-Inertial Odometry | |
| CN105955067A (zh) | 基于四旋翼无人机的多星智能集群控制仿真系统及采用该系统实现的仿真方法 | |
| CN112130587A (zh) | 一种针对机动目标的多无人机协同跟踪方法 | |
| CN114169066A (zh) | 基于微纳星群抵近侦察的空间目标特性测量、侦察方法 | |
| CN115454148B (zh) | 固定翼集群无人机区域覆盖路径规划方法、介质及装置 | |
| CN109668567A (zh) | 一种无人机多云条件下偏振光定向方法 | |
| CN111862200B (zh) | 一种煤棚内无人机定位方法 | |
| CN112817331A (zh) | 一种基于多机协同的林业信息智能监测系统 | |
| CN110823223A (zh) | 一种无人机群的路径规划方法及装置 | |
| CN113296537A (zh) | 基于电力杆塔模型匹配的电力无人机巡检方法及系统 | |
| CN110793522B (zh) | 一种基于蚁群算法的航迹规划方法 | |
| CN114689030A (zh) | 一种基于机载视觉的无人机辅助定位方法及系统 | |
| CN115272458A (zh) | 用于固定翼无人机着陆阶段的视觉定位方法 | |
| CN112987765B (zh) | 一种仿猛禽注意力分配的无人机/艇精准自主起降方法 | |
| CN117666624B (zh) | 一种固定翼无人机集群目标跟踪队形排列方法 | |
| CN113962015B (zh) | 一种采用规则控制的空域使用过程仿真模拟系统及方法 | |
| CN115755575A (zh) | 一种基于ros的双云台无人机自主降落方法 |
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 |