CN118092465A - 一种无人机航行控制方法及系统 - Google Patents
一种无人机航行控制方法及系统 Download PDFInfo
- Publication number
- CN118092465A CN118092465A CN202410068963.9A CN202410068963A CN118092465A CN 118092465 A CN118092465 A CN 118092465A CN 202410068963 A CN202410068963 A CN 202410068963A CN 118092465 A CN118092465 A CN 118092465A
- Authority
- CN
- China
- Prior art keywords
- target
- unmanned aerial
- aerial vehicle
- cruising
- 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 title claims abstract description 78
- 230000033001 locomotion Effects 0.000 claims abstract description 80
- 230000008569 process Effects 0.000 claims abstract description 44
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 description 33
- 238000012544 monitoring process Methods 0.000 description 14
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 241000196252 Ulva Species 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本说明书实施例提供一种无人机航行控制方法及系统。所述方法包括:基于与目标相关的参考信息,规划初始路径;基于所述初始路径,启动无人机巡航过程;在所述无人机巡航过程中,获取所述目标的目标信息;基于所述目标信息,动态确定所述目标的预测移动轨迹;基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径。
Description
技术领域
本说明书涉及遥感技术领域,尤其涉及一种无人机航行控制方法及系统。
背景技术
随着信息技术与网络技术的发展,遥感技术逐渐广泛应用于很多领域(例如,信息采集、目标监测等)。在实际应用中,由于地形复杂、目标运动等多种因素影响,使得遥感监测技术的准确度及效率存在一定问题。因此,有必要提供一种无人机航行控制方法及系统,准确高效地实现遥感监测。
发明内容
本发明实施例的目的是提供一种无人机航行控制方法、系统、装置及存储介质,通过在无人机巡航过程中动态获取各个时刻的目标信息,并基于目标信息动态预测目标的移动轨迹,进而动态调整巡航路径,使得各个时刻对应的巡航路径与目标的预测移动轨迹尽可能相似,与前一时刻对应的巡航路径尽可能相似且连贯,且随目标的姿态、移动参数等的变化而变化,从而保证准确良好的目标巡航监测效果。
为解决上述问题,本发明实施例的第一方面提供了一种无人机航行控制方法,包括:基于与目标相关的参考信息,规划初始路径;基于所述初始路径,启动无人机巡航过程;在所述无人机巡航过程中,获取所述目标的目标信息;基于所述目标信息,动态确定所述目标的预测移动轨迹;基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径。
所述参考信息包括所述目标所在的目标区域的卫星影像数据和/或所述目标的位置信息。
所述目标信息包括所述目标的姿态、移动速度、移动加速度、移动方向中的至少一种。
进一步地,所述基于所述目标信息,动态确定所述目标的预测移动轨迹包括:在所述无人机巡航过程中,获取当前时刻对应的所述目标的当前目标信息;获取所述当前时刻之前的至少一个先前时刻对应的所述目标的先前目标信息;基于所述当前目标信息和所述先前目标信息,预测所述目标的所述预测移动轨迹。
更进一步地,所述基于所述当前目标信息和所述先前目标信息,预测所述目标的所述预测移动轨迹包括:基于多种预测方法,预测所述目标的多条候选预测移动轨迹;确定所述多条候选预测移动轨迹的置信度;基于所述置信度,确定所述预测移动轨迹。
更进一步地,所述基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径包括:基于所述预测移动轨迹,确定当前时刻对应的多条候选路径;基于所述多条候选路径与所述当前时刻的前一时刻对应的先前巡航路径间的差异,从所述多条候选路径中确定所述当前时刻对应的巡航路径。
更进一步地,所述基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径包括:基于所述预测移动轨迹,确定当前时刻对应的多条候选路径;基于所述多条候选路径与所述当前时刻的前一时刻对应的先前巡航路径间的连续性,从所述多条候选路径中确定所述当前时刻对应的巡航路径。
本发明实施例的另一个方面提供了一种无人机航行控制系统,包括:初始规划模块,基于与目标相关的参考信息,规划初始路径;启动模块,基于所述初始路径,启动无人机巡航过程;获取模块,在所述无人机巡航过程中,获取所述目标的目标信息;预测模块,基于所述目标信息,动态确定所述目标的预测移动轨迹;调整模块,基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径。
本发明的又一方面提供一种无人机航行控制装置,包括:至少一个存储介质,存储计算机指令;至少一个处理器,执行所述计算机指令,以实现上述无人机航行控制方法。
本发明的又一方面提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行上述无人机航行控制方法。
本发明实施例的上述技术方案至少具有如下有益的技术效果:
通过在无人机巡航过程中动态获取各个时刻的目标信息,并基于目标信息动态预测目标的移动轨迹,进而动态调整巡航路径,使得各个时刻对应的巡航路径与目标的预测移动轨迹尽可能相似,与前一时刻对应的巡航路径尽可能相似且连贯,且随目标的姿态、移动参数等的变化而变化,从而保证准确良好的目标巡航监测效果。
附图说明
图1是根据本说明书一些实施例所示的无人机航行控制系统的应用场景示意图;
图2是根据本说明书一些实施例所示的无人机航行控制系统的模块图;
图3是根据本说明书一些实施例所示的无人机航行控制方法的流程图;
图4是根据本说明书一些实施例所示的路径规划的流程图;
图5是根据本说明书一些实施例所示的路径规划的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
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。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。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
以下将参照附图更详细地描述本发明。在各个附图中,相同的元件采用类似的附图标记来表示。为了清楚起见,附图中的各个部分没有按比例绘制。
图1是根据本说明书一些实施例所示的无人机航行控制系统的应用场景示意图。在一些实施例中,无人机航行控制系统100可以应用于多种场景,例如,遥感、测绘、监测、监控等。
在一些实施例中,如图1所示,无人机航行控制系统100可以包括处理设备110、无人机120、网络130和存储设备140。
处理设备110可以用于处理来自无人机航行控制系统100的组件或外部数据源(例如,云数据中心)的数据和/或信息。例如,处理设备110可以基于与目标相关的参考信息,规划初始路径;基于初始路径,启动无人机巡航过程;在无人机巡航过程中,获取目标的目标信息;基于目标信息,动态确定目标的预测移动轨迹;并基于预测移动轨迹,在无人机巡航过程中动态调整巡航路径。
在一些实施例中,处理设备110可以包括中央处理单元(CPU)、数字信号处理器(DSP)、片上系统(SoC)、微控制器单元(MCU)、计算机、用户控制台等或其任意组合。在一些实施例中,处理设备110可以包括单个服务器或服务器组。服务器组可以是集中式或分布式的。在一些实施例中,处理设备110可以是本地的或远程的。在一些实施例中,处理设备110可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
无人机120可以执行巡航任务。在一些实施例中,无人机120可以沿处理设备110规划的路径执行巡航任务。在一些实施例中,无人机120可以包括多种功能组件,例如,定位组件(例如,GPS模块)、图像采集组件(例如,摄像头)、传感组件(例如,加速度计、陀螺仪、磁罗盘、气压传感器、超声传感器、湿度传感器等)、通信组件(例如,GPS通信模块、短程无线通信模块等)等。
在一些实施例中,无人机120可以通过网络130实现与处理设备110和/或存储设备140的通信。例如,无人机120可以通过网络130向处理设备110发送当前的位置信息。又例如,无人机120可以通过网络130向处理设备110发送无人机的状态信息(例如,运行是否正常、数据采集是否正常等)。又例如,无人机120可以通过网络130向处理设备110发送采集的目标信息(例如,图像、视频、位置、姿态、移动方向、速度、加速度等)。又例如,无人机120可以通过网络130向处理设备110发送无人机所处环境的环境信息(例如,气压、湿度、光线等)。
网络130可以促进信息和/或数据的交换。在一些实施例中,无人机航行控制系统100的一个或以上组件(例如,处理设备110、无人机120、存储设备140)可以通过网络130向无人机航行控制系统100的其他组件发送信息和/或数据。
在一些实施例中,网络130可以包括有线网络或无线网络中的任意一种或多种。在一些实施例中,网络130可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。在一些实施例中,无人机航行控制系统100各组件之间的网络连接可以采用上述一种方式,也可以采取多种方式。在一些实施例中,网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
存储设备140可以用于存储数据、指令和/或任何其他信息。例如,存储设备140可以存储参考信息、目标信息、路径信息、环境信息等。在一些实施例中,存储设备140可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。在一些实施例中,存储设备140可以集成或包括在无人机航行控制系统100的一个或多个其他组件(例如,处理设备110、无人机120)中。
值得注意的是,无人机航行控制系统100仅出于说明目的而提供,并不旨在限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出各种各样的变化和修改。例如,无人机航行控制系统100还可以包括数据库、信息源等。又例如,无人机航行控制系统100可以在其他设备上实现以实现相似或不同的功能。然而,这些变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的无人机航行控制系统的模块图。在一些实施例中,无人机航行控制系统200可以通过处理设备110实现。在一些实施例中,如图2所示,无人机航行控制系统200可以包括初始规划模块210、启动模块220、获取模块230、预测模块240和调整模块250。
初始规划模块210可以基于与目标相关的参考信息,规划初始路径。
启动模块220可以基于初始路径,启动无人机巡航过程。
获取模块230可以在无人机巡航过程中,获取目标的目标信息。
预测模块240可以基于目标信息,动态确定目标的预测移动轨迹。
调整模块250可以基于预测移动轨迹,在无人机巡航过程中动态调整巡航路径。
更多关于上述模块的描述可见本说明书其他部分,例如,图3-5及其描述,在此不再赘述。
需要注意的是,以上对于无人机航行控制系统200及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图2中披露的模块可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的无人机航行控制方法的流程图。在一些实施例中,流程300可以由无人机航行控制系统100(例如,处理设备110)或无人机航行控制系统200执行。例如,流程300可以以程序或指令的形式存储在存储设备中,当无人机航行控制系统100(例如,处理设备110)或无人机航行控制系统200执行指令时,可以实现流程300。下面呈现的流程300的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图3中示出的和下面描述的流程300的操作的顺序并非限制性的。
步骤310,基于与目标相关的参考信息,规划初始路径。具体地,步骤310可以由规划模块210执行。
目标指需要进行遥感、测绘、监测、监控等的对象。例如,目标可以是森林防火区域、农作物生长区域、山体、湖泊、浒苔、行人、车辆、建筑物等。在一些实施例中,目标可以是动态目标。例如,目标可以是移动轨迹(例如,移动方向、移动速度、移动加速度等)动态变化的目标。
与目标相关的参考信息可以是与目标的遥感、测绘、监测、监控等相关的信息。在一些实施例中,参考信息可以包括目标所在的目标区域的卫星影像数据和/或目标的位置信息。例如,假设目标为森林防火区域或农作物生长区域,则参考信息可以包括森林防火区域(或其所在的森林整体区域)或农作物生长区域(或整体生长区域)的卫星影像数据(例如,图像、视频等)和/或森林防火区域或农作物生长区域的位置信息(例如,经纬度信息、海拔等)。又例如,假设目标为浒苔,则参考信息可以包括浒苔(或浒苔所在区域)的卫星影像数据(例如,图像、视频等)和/或浒苔(或浒苔所在区域)的位置信息(例如,经纬度信息、海拔等)。又例如,假设目标为行人或车辆,则参考信息可以包括行人或车辆所在区域(例如,以行人或车辆当前位置为中心以预设距离为半径的圆形区域、行人或车辆所在的车道或人行道等)的卫星影像数据(例如,图像、视频等)和/或行人或车辆的位置信息(例如,GPS定位信息、卫星定位信息、地图定位信息等)。
在一些实施例中,初始规划模块210可以从存储设备140获取与目标相关的参考信息。在一些实施例中,初始规划模块210可以从处理设备110的存储单元中获取与目标相关的参考信息。在一些实施例中,初始规划模块210可以从其他数据采集装置(例如,卫星影像采集装置、卫星定位装置、GPS定位装置等)获取与目标相关的参考信息。
在一些实施例中,初始规划模块210可以基于目标所在的目标区域的卫星影像数据和目标的位置信息,确定目标的边界信息(例如,森林防火区域或农作物生长区域的边界或轮廓、浒苔边界或轮廓等),并基于边界信息,规划初始路径。例如,初始规划模块210可以将初始路径规划为沿目标边界(例如,浒苔边界)的路线或大致沿目标边界的路线。
在一些实施例中,初始规划模块210可以基于目标所在的目标区域的卫星影像数据和目标的位置信息,预测目标在预设时间段内的移动轨迹,并基于预测的移动轨迹,规划初始路径。例如,初始规划模块210可以将初始路径规划为沿预测的移动轨迹的路线或大致沿预测移动轨迹的路线。
在一些实施例中,初始规划模块210可以基于目标区域的卫星影像数据,初步分析目标的姿态、朝向等,进而预估目标可能移动的方向、速度、加速度等,从而预测目标在预设时间段内的移动轨迹。在一些实施例中,预设时间段可以手动设置,也可以是系统默认值。
在一些实施例中,初始规划模块210可以基于与目标相关的参考信息,通过预设算法,规划初始路径。在一些实施例中,预设算法可以包括A*算法、Dijkstra算法、D*Lite算法等。
步骤320,基于初始路径,启动无人机巡航过程。具体地,步骤320可以由启动模块220执行。
在一些实施例中,启动模块220可以发送启动指令至无人机120,以指示无人机120启动并沿规划的初始路径行驶。在一些实施例中,启动指令中可以包括无人机120启动时(可以称之为启动时刻t0)的行驶方向、角度(例如,与水平方向或竖直方向的夹角)、速度、加速度等。在一些实施例中,无人机120启动时刻的行驶方向、角度、速度、加速度等与初始路径的初始点的行驶方向、角度、速度、加速度等基本一致。
步骤330,在无人机巡航过程中,获取目标的目标信息。具体地,步骤330可以由获取模块230执行。
可以理解,无人机120启动后,则相应启动巡航过程。在巡航过程中,无人机120可以实时地或近实时地或以预设时间间隔采集目标的目标信息。在一些实施例中,目标信息可以包括目标的位置、姿态、移动速度、移动加速度、移动方向等或其任意组合。
在一些实施例中,在巡航过程中,无人机120可以通过其自身的功能组件,采集目标的目标信息。例如,无人机120可以通过图像采集装置采集目标的图像或视频。又例如,无人机120可以通过定位组件或传感组件采集目标的位置、姿态、移动速度、移动加速度、移动方向等。
在一些实施例中,在巡航过程中,无人机120还可以通过其自身的功能组件,采集环境信息。例如,无人机120可以通过传感组件采集环境的温度、湿度、空气质量等。
在一些实施例中,在巡航过程中,无人机120可以实时地或近实时地或以预设时间间隔将采集到的目标信息和/或环境信息传输至处理设备110。相应地,在巡航过程中,获取模块230可以实时地或近实时地或以预设时间间隔获取目标信息和/或环境信息。
步骤340,基于目标信息,动态确定目标的预测移动轨迹。具体地,步骤340可以由预测模块240执行。
结合上文,可以理解,基于参考信息预测的目标的移动轨迹为大致预估的轨迹,相应地,初始规划的初始路径也是大致规划的路径。为了保证巡航过程的准确性,需要使巡航路径尽可能与目标的移动轨迹一致。相应地,在本说明书实施例中,在巡航过程启动后,基于无人机120实际采集的实时或近实时信息,动态调整巡航路径。具体地,在巡航过程启动后,基于无人机120实际采集的实时或近实时信息,动态预测目标的预测移动轨迹,进而动态调整巡航路径。
在一些实施例中,结合上文,无人机120在启动时刻t0的行驶方向、角度、速度、加速度等与初始路径的初始点的行驶方向、角度、速度、加速度等基本一致。进一步地,在启动时刻的下一时刻t1,无人机120可以采集实时或近实时的目标信息并发送至处理设备110。预测模块240可以基于该实际采集的目标信息,预测目标在预设时间段内的移动轨迹。为了方便理解和描述,这里忽略无人机120采集数据、传输数据及后续数据处理的时间。以此类推,在ti时刻,无人机120可以采集实时或近实时的目标信息并发送至处理设备110。预测模块240可以基于该实际采集的目标信息,再次预测目标在预设时间段内的移动轨迹。关于预测移动轨迹更详细的描述可见图4及其描述,在此不再赘述。
步骤350,基于预测移动轨迹,在无人机巡航过程中动态调整巡航路径。具体地,步骤350可以由调整模块250执行。
在一些实施例中,调整模块250可以基于预测移动轨迹,确定当前时刻对应的多条候选路径。例如,如图5所示,调整模块250可以确定当前时刻ti时刻对应的多条候选路径和/>
在一些实施例中,调整模块250可以基于多种路径规划算法,确定当前时刻对应的多条候选路径。在一些实施例中,候选路径接近或大致接近目标的预测移动轨迹。在一些实施例中,候选路径可以是从当前时刻至当前时刻之后的某一时刻间的路径。例如,如图5所示,候选路径和/>可以是从当前时刻ti时刻至ti+x时刻间的路径。
进一步地,调整模块250可以基于多条候选路径与当前时刻的前一时刻对应的先前巡航路径间的差异(或相似度),从多条候选路径中确定当前时刻对应的巡航路径。例如,如图5所示,当前时刻为ti时刻,其前一时刻ti-1时刻对应的先前巡航路径为Li-1,调整模块250可以基于多条候选路径和/>分别与先前巡航路径Li-1间的差异,从多条候选路径/>和/>中选择当前时刻对应的巡航路径。具体例如,调整模块250可以选择与先前巡航路径Li-1的差异最小的候选路径作为当前时刻对应的巡航路径。又例如,调整模块250可以综合考虑候选路径与先前巡航路径Li-1的差异以及候选路径的延长线在先前时刻至当前时刻区间(例如,ti-1时刻至ti时刻间)的部分与目标实际移动轨迹的差异,选择综合差异最小的候选路径作为当前时刻对应的巡航路径。
在一些实施例中,候选路径与当前时刻的前一时刻对应的先前巡航路径间的差异可以是两条路径间的整体差异或全局差异。在一些实施例中,候选路径与当前时刻的前一时刻对应的先前巡航路径间的差异可以是二者重叠时间区间对应部分的差异。
基于与前一时刻对应的巡航路径间的差异和/或与实际移动轨迹的差异筛选确定当前时刻的巡航路径,可以使得无人机整体的巡航路径尽可能平滑,且巡航路径的整体走向尽可能与实际移动轨迹相似,从而保证准确有效的巡航监测效果。
在一些实施例中,调整模块250可以基于多条候选路径与当前时刻的前一时刻对应的先前巡航路径间的连续性,从多条候选路径中确定当前时刻对应的巡航路径。例如,如图5所示,调整模块250可以基于多条候选路径和/>分别与先前巡航路径Li-1在ti时刻的连续性,从多条候选路径/>和/>中选择当前时刻对应的巡航路径。在一些实施例中,“连续性”可以指先前巡航路径与当前候选路径在节点(例如,ti时刻)处的曲率差异和/或夹角(例如,切线间的夹角),曲率差异和/或夹角越小,则连续性越高。例如,调整模块250可以选择与先前巡航路径Li-1的连续性最高的候选路径作为当前时刻对应的巡航路径。
基于与先前巡航路径的连续性筛选确定当前时刻的巡航路径,可以使得无人机整体的巡航路径尽可能平滑、连贯、连续,相应可以避免无人机因过大的拐弯、转向等导致的数据采集不准确(例如,抖动、数据缺失、运动参数采集范围变化导致不准确、图像或视频拍摄角度不佳等),进而保证准确有效的巡航监测效果。
在一些实施例中,调整模块250可以综合考虑候选路径与先前巡航路径Li-1的差异、候选路径的延长线在先前时刻至当前时刻区间(例如,ti-1时刻至ti时刻间)的部分与目标实际移动轨迹的差异以及候选路径与先前巡航路径Li-1在ti时刻的连续性,从多条候选路径中选择最优的候选路径作为当前时刻对应的巡航路径。
在一些实施例中,调整模块250在综合考虑各项影响因素时,可以为各项影响因素设置不同的权重或优先级。在一些实施例中,在不同的条件下(例如,不同的场景、不同的巡航监测目标、不同的天气条件等),各项影响因素的权重或优先级可以自适应调整。例如,若巡航监测目标为较高速运动的动态目标,为了保证准确有效的巡航监测效果,可以将候选路径与先前巡航路径Li-1在ti时刻的连续性的权重或优先级设置为较大值,避免无人机因过大的拐弯、转向等导致的数据采集不准确(例如,抖动、数据缺失、运动参数采集范围变化导致不准确、图像或视频拍摄角度不佳等)。
在一些实施例中,动态调整巡航路径时,调整模块250还可以综合考虑实时或近实时的环境信息。例如,综合考虑温度、湿度、光线等信息,调整无人机120的角度、朝向等。
根据本说明书实施例,在无人机巡航过程中,通过无人机采集的实时或近实时的目标信息,动态调整巡航路径,可以有效保证对目标的准确巡航监测效果。
需要说明的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图4是根据本说明书一些实施例所示的路径规划的流程图。在一些实施例中,流程400可以由无人机航行控制系统100(例如,处理设备110)或无人机航行控制系统200执行。例如,流程400可以以程序或指令的形式存储在存储设备中,当无人机航行控制系统100(例如,处理设备110)或无人机航行控制系统200执行指令时,可以实现流程400。下面呈现的流程400的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图4中示出的和下面描述的流程400的操作的顺序并非限制性的。
步骤410,在无人机巡航过程中,获取当前时刻对应的目标的当前目标信息。具体地,步骤410可以由获取模块230或预测模块240执行。
结合图3所述,在无人机巡航过程中,无人机120可以采集实时或近实时的目标信息并发送至处理设备110(例如,获取模块230或预测模块240)。当前时刻对应的当前目标信息可以包括目标在当前时刻的位置、姿态、移动速度、移动加速度、移动方向等或其任意组合。
步骤420,获取当前时刻之前的至少一个先前时刻对应的目标的先前目标信息。具体地,步骤420可以由获取模块230或预测模块240执行。
在一些实施例中,如图5所示,当前时刻为ti时刻,获取模块230或预测模块240可以获取ti时刻之前的至少一个先前时刻ti-1时刻对应的先前目标信息。类似地,先前目标信息可以包括目标在先前时刻时的位置、姿态、移动速度、移动加速度、移动方向等或其任意组合。为方便描述,图5仅示例性示出了一个先前时刻ti-1时刻,可以理解,获取模块230或预测模块240可以获取多个先前时刻(例如,ti-1时刻、ti-2时刻、ti-3时刻等)对应的先前目标信息。
在一些实施例中,获取模块230或预测模块240可以从存储设备140或处理设备110的存储单元中获取先前时刻对应的先前目标信息。
步骤430,基于当前目标信息和先前目标信息,预测目标的预测移动轨迹。具体地,步骤430可以由预测模块240执行。
在一些实施例中,预测模块240可以基于多个时刻(包括当前时刻和至少一个先前时刻)对应的位置、姿态、移动速度、移动加速度、移动方向等,预测目标的预测移动轨迹。例如,预测模块240可以将多个时刻对应的位置、姿态、移动速度、移动加速度、移动方向等拟合确定的曲线作为预测移动轨迹。
在一些实施例中,预测移动轨迹可以是从至少一个先前时刻(例如,最近先前时刻、中间先前时刻、最远先前时刻等)至当前时刻之后的某一时刻间的移动轨迹。例如,如图5所示,预测移动轨迹可以是从ti-1时刻至ti+x时刻间的移动轨迹。
在一些实施例中,预测移动轨迹可以是从当前时刻至当前时刻之后的某一时刻间的移动轨迹。例如,如图5所示,预测移动轨迹可以是从ti时刻至ti+x时刻间的移动轨迹Pi。
在一些实施例中,预测移动轨迹(或预测移动轨迹的延长线)对应至少一个先前时刻至当前时刻区间(例如,ti-1时刻至ti时刻间)的部分与目标在该区间内的实际移动轨迹的相似度大于预设阈值(例如,90%、92%、95%、98%、99%)。也就是说,在预测目标的移动轨迹时,使预测得到的预测移动轨迹尽可能接近实际移动轨迹,从而提高后续巡航路径规划的准确性。
在一些实施例中,预测模块240可以基于马尔科夫模型、支持向量机模型、朴素贝叶斯模型等预测目标的预测移动轨迹。
在一些实施例中,预测模块240可以基于机器学习模型,预测目标的预测移动轨迹。在一些实施例中,机器学习模型可以包括神经网络模型(例如,CNN、RNN等)、深度学习模型等。在一些实施例中,预测模块240可以将多个时刻(包括当前时刻和至少一个先前时刻)对应的目标信息输入至训练完成的机器学习模型,并基于机器学习模型的输出,确定预测移动轨迹。
在一些实施例中,机器学习模型可以基于多组训练样本训练确定。每组训练样本可以包括样本目标的样本目标信息(包括特定时刻及特定时刻之前的至少一个先前时刻对应的样本目标信息)和样本目标的样本移动轨迹(例如,从先前时刻至特定时刻之后的某时刻间的移动轨迹),其中,样本目标信息为训练数据,样本移动轨迹为标签(label)。在一些实施例中,处理设备110(或其他处理设备)将样本目标信息作为输入,将对应的样本移动轨迹作为监督,对机器学习模型进行训练,通过机器学习算法(例如,随机梯度下降法)更新机器学习模型的参数,以最小化损失函数,直到模型训练完成;或迭代训练次数达到一定次数后则停止训练。
在一些实施例中,预测模块240可以基于多种预测方法(例如,上文提及的多种方式),预测多条候选预测移动轨迹,并确定多条候选预测移动轨迹的置信度。进一步地,预测模块240可以基于多条候选预测移动轨迹的置信度,确定最终的预测移动轨迹。例如,预测模块240可以选择置信度最高的候选预测移动轨迹作为最终的预测移动轨迹。基于多种预测方法预测候选预测移动轨迹并从中选择最优的轨迹,可以使得预测得到的预测移动轨迹尽可能准确尽可能接近实际移动轨迹,从而提高后续巡航路径规划的准确性。
需要说明的是,上述有关流程400的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程400进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
本发明实施例的又一方面提供一种无人机航行控制装置,包括:至少一个存储介质,存储计算机指令;至少一个处理器,执行所述计算机指令,以实现上述无人机航行控制方法。
本发明实施例的又一方面提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行上述无人机航行控制方法。
本发明实施例旨在保护一种无人机航行控制方法、系统、装置及存储介质,其中无人机航行控制方法包括:基于与目标相关的参考信息,规划初始路径;基于所述初始路径,启动无人机巡航过程;在所述无人机巡航过程中,获取所述目标的目标信息;基于所述目标信息,动态确定所述目标的预测移动轨迹;进一步地,基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径。通过在无人机巡航过程中动态获取各个时刻的目标信息,并基于目标信息动态调整巡航路径,使得各个时刻对应的巡航路径与目标的预测移动轨迹尽可能相似,与前一时刻对应的巡航路径尽可能相似且连贯,且随目标的姿态、移动参数等的变化而变化,从而保证准确良好的目标巡航监测效果。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (10)
1.一种无人机航行控制方法,其特征在于,所述方法包括:
基于与目标相关的参考信息,规划初始路径;
基于所述初始路径,启动无人机巡航过程;
在所述无人机巡航过程中,获取所述目标的目标信息;
基于所述目标信息,动态确定所述目标的预测移动轨迹;
基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径。
2.根据权利要求1所述的方法,其特征在于,所述参考信息包括所述目标所在的目标区域的卫星影像数据和/或所述目标的位置信息。
3.根据权利要求1所述的方法,其特征在于,所述目标信息包括所述目标的位置、姿态、移动速度、移动加速度和移动方向中的至少一种。
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标信息,动态确定所述目标的预测移动轨迹包括:
在所述无人机巡航过程中,获取当前时刻对应的所述目标的当前目标信息;
获取所述当前时刻之前的至少一个先前时刻对应的所述目标的先前目标信息;
基于所述当前目标信息和所述先前目标信息,预测所述目标的所述预测移动轨迹。
5.根据权利要求4所述的方法,其特征在于,所述基于所述当前目标信息和所述先前目标信息,预测所述目标的所述预测移动轨迹包括:
基于多种预测方法,预测所述目标的多条候选预测移动轨迹;
确定所述多条候选预测移动轨迹的置信度;
基于所述置信度,确定所述预测移动轨迹。
6.根据权利要求1所述的方法,其特征在于,所述基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径包括:
基于所述预测移动轨迹,确定当前时刻对应的多条候选路径;
基于所述多条候选路径与所述当前时刻的前一时刻对应的先前巡航路径间的差异,从所述多条候选路径中确定所述当前时刻对应的巡航路径。
7.根据权利要求1所述的方法,其特征在于,所述基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径包括:
基于所述预测移动轨迹,确定当前时刻对应的多条候选路径;
基于所述多条候选路径与所述当前时刻的前一时刻对应的先前巡航路径间的连续性,从所述多条候选路径中确定所述当前时刻对应的巡航路径。
8.一种无人机航行控制系统,其特征在于,所述系统包括:
初始规划模块,基于与目标相关的参考信息,规划初始路径;
启动模块,基于所述初始路径,启动无人机巡航过程;
获取模块,在所述无人机巡航过程中,获取所述目标的目标信息;
预测模块,基于所述目标信息,动态确定所述目标的预测移动轨迹;
调整模块,基于所述预测移动轨迹,在所述无人机巡航过程中动态调整巡航路径。
9.一种无人机航行控制装置,其特征在于,所述装置包括:
至少一个存储介质,存储计算机指令;
至少一个处理器,执行所述计算机指令,以实现权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行如权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410068963.9A CN118092465A (zh) | 2024-01-17 | 2024-01-17 | 一种无人机航行控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410068963.9A CN118092465A (zh) | 2024-01-17 | 2024-01-17 | 一种无人机航行控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118092465A true CN118092465A (zh) | 2024-05-28 |
Family
ID=91146843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410068963.9A Pending CN118092465A (zh) | 2024-01-17 | 2024-01-17 | 一种无人机航行控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118092465A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115112141A (zh) * | 2022-06-24 | 2022-09-27 | 重庆长安汽车股份有限公司 | 一种车辆路径规划方法、系统、电子设备及存储介质 |
CN115686052A (zh) * | 2022-11-22 | 2023-02-03 | 深圳市边界智控科技有限公司 | 无人机避障路径规划方法、装置、计算机设备及存储介质 |
CN116520879A (zh) * | 2023-04-11 | 2023-08-01 | 余姚市机器人研究中心 | 一种基于视觉的无人机追踪无人机方法 |
CN117055601A (zh) * | 2023-09-05 | 2023-11-14 | 广东工业大学 | 一种无人机送餐路径规划方法、装置、设备及存储介质 |
CN117407724A (zh) * | 2023-10-27 | 2024-01-16 | 北京踏歌智行科技有限公司 | 一种基于相似度匹配的露天矿区目标车辆轨迹预测方法 |
-
2024
- 2024-01-17 CN CN202410068963.9A patent/CN118092465A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115112141A (zh) * | 2022-06-24 | 2022-09-27 | 重庆长安汽车股份有限公司 | 一种车辆路径规划方法、系统、电子设备及存储介质 |
CN115686052A (zh) * | 2022-11-22 | 2023-02-03 | 深圳市边界智控科技有限公司 | 无人机避障路径规划方法、装置、计算机设备及存储介质 |
CN116520879A (zh) * | 2023-04-11 | 2023-08-01 | 余姚市机器人研究中心 | 一种基于视觉的无人机追踪无人机方法 |
CN117055601A (zh) * | 2023-09-05 | 2023-11-14 | 广东工业大学 | 一种无人机送餐路径规划方法、装置、设备及存储介质 |
CN117407724A (zh) * | 2023-10-27 | 2024-01-16 | 北京踏歌智行科技有限公司 | 一种基于相似度匹配的露天矿区目标车辆轨迹预测方法 |
Non-Patent Citations (1)
Title |
---|
张开富等: "薄壁件装配变形及控制技术", vol. 1, 31 August 2015, 国防工业出版社, pages: 107 - 109 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112567201B (zh) | 距离测量方法以及设备 | |
US9070289B2 (en) | System and method for detecting, tracking and estimating the speed of vehicles from a mobile platform | |
US11906983B2 (en) | System and method for tracking targets | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
US10322819B2 (en) | Autonomous system for taking moving images from a drone, with target tracking and improved target location | |
CN109508036B (zh) | 一种中继点生成方法、装置和无人机 | |
CN111670419A (zh) | 用于自主导航的主动补充曝光设置 | |
CN115082549A (zh) | 位姿估计方法及装置、以及相关设备和存储介质 | |
WO2021060778A1 (ko) | 3차원 공간에 대응되는 맵을 생성하는 차량 및 방법 | |
JP6817422B2 (ja) | 情報処理装置、空撮経路生成方法、空撮経路生成システム、プログラム、及び記録媒体 | |
US10437260B2 (en) | Systems and methods for controlling aerial vehicles | |
US10809718B2 (en) | Systems and methods for controlling aerial vehicles | |
CN109643131A (zh) | 无人机、其控制方法以及记录介质 | |
WO2019061111A1 (zh) | 一种路径调整方法及无人机 | |
US20190033886A1 (en) | Systems and methods for controlling aerial vehicles | |
US10437259B2 (en) | Systems and methods for controlling aerial vehicles | |
Ding et al. | Coordinated sensing and tracking for mobile camera platforms | |
CN116700330A (zh) | 一种智慧巡检方法与智慧巡检系统 | |
CN118092465A (zh) | 一种无人机航行控制方法及系统 | |
CN115308785A (zh) | 一种基于多传感器融合的无人车自主定位方法 | |
KR20230151255A (ko) | 포인트클라우드를 이용한 드론의 비행 제어 방법 | |
CN109978174A (zh) | 信息处理方法、信息处理装置及程序记录介质 | |
CN112346485B (zh) | 一种光电跟踪控制方法、系统、电子设备及存储介质 | |
CN114970112A (zh) | 用于自动驾驶仿真的方法、装置、电子设备及存储介质 | |
CN110262567B (zh) | 一种路径中继点空间生成方法、装置和无人机 |
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 |