KR102263307B1 - System and method for controlling cluster flight of unmanned aerial vehicle - Google Patents
System and method for controlling cluster flight of unmanned aerial vehicle Download PDFInfo
- Publication number
- KR102263307B1 KR102263307B1 KR1020190090083A KR20190090083A KR102263307B1 KR 102263307 B1 KR102263307 B1 KR 102263307B1 KR 1020190090083 A KR1020190090083 A KR 1020190090083A KR 20190090083 A KR20190090083 A KR 20190090083A KR 102263307 B1 KR102263307 B1 KR 102263307B1
- Authority
- KR
- South Korea
- Prior art keywords
- unmanned aerial
- flight
- formation
- aerial vehicle
- aerial vehicles
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 19
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 143
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000009918 complex formation Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008521 reorganization Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241001465382 Physalis alkekengi Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- 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
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0027—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement involving a plurality of vehicles, e.g. fleet or convoy travelling
-
- 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
- G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
-
- B64C2201/143—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
- B64U2201/102—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS] adapted for flying in formations
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)
- Traffic Control Systems (AREA)
Abstract
본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 시스템은 복수의 무인 비행체 각각에 탑재된 센서를 통해 감지된 센싱 데이터를 수신하고, 상기 센싱 데이터를 누적 저장하여 빅데이터를 생성하는 빅데이터 생성부; 상기 빅데이터를 분석 및 학습하여 상기 복수의 무인 비행체 각각의 현재 비행 상황에 따른 최적의 임계값을 도출하는 빅데이터 AI 처리부; 상기 센싱 데이터를 이용하여 상기 복수의 무인 비행체 각각에 대한 비행 위험 수치를 계산하고, 상기 비행 위험 수치가 상기 임계값보다 크거나 같은 경우 상기 비행 위험 수치를 유효 위험 수치로 판단하는 위험 판단부; 및 상기 복수의 무인 비행체 중 상기 유효 위험 수치가 가장 높은 무인 비행체를 마스터 무인 비행체로 선정하고, 상기 마스터 무인 비행체를 기준으로 상기 복수의 무인 비행체의 편대 대형을 재편하는 비행 제어부를 포함한다.The cluster flight control system of an unmanned aerial vehicle according to an embodiment of the present invention receives sensing data sensed through a sensor mounted on each of a plurality of unmanned aerial vehicles, and accumulates and stores the sensing data to generate big data. part; a big data AI processing unit that analyzes and learns the big data to derive an optimal threshold value according to the current flight situation of each of the plurality of unmanned aerial vehicles; a risk determination unit for calculating a flight risk value for each of the plurality of unmanned aerial vehicles by using the sensing data, and determining the flight risk value as an effective risk value when the flight risk value is greater than or equal to the threshold value; and a flight controller for selecting an unmanned aerial vehicle having the highest effective risk value among the plurality of unmanned aerial vehicles as a master unmanned aerial vehicle, and reorganizing the formation of a formation of the plurality of unmanned aerial vehicles based on the master unmanned aerial vehicle.
Description
본 발명의 실시예들은 무인 비행체에 관한 것으로, 더욱 상세하게는 무인 비행체의 군집 비행을 제어하는 시스템 및 방법에 관한 것이다.Embodiments of the present invention relate to an unmanned aerial vehicle, and more particularly, to a system and method for controlling a swarm flight of an unmanned aerial vehicle.
최근 들어 무인 비행체의 기술이 급속하게 발전함에 따라 이에 대한 수요가 전 세계적으로 폭발적으로 증가하고 있다. 상기 무인 비행체는 조종사가 탑승하지 않고 원격 조정 또는 자동 조종을 통해 무선 전파로 조종할 수 있는 무인 항공기로서, 통상적으로 드론이라 불리며, 카메라, 센서, 초음파 장비, 통신 시스템 등이 탑재되어 있다.In recent years, as the technology of unmanned aerial vehicles rapidly develops, the demand for it is explosively increasing all over the world. The unmanned aerial vehicle is an unmanned aerial vehicle that can be controlled by radio waves through remote control or automatic control without a pilot on board, and is usually called a drone, and is equipped with a camera, a sensor, an ultrasonic device, a communication system, and the like.
상기 무인 비행체는 군사 용도로 시작되었지만, 최근에는 고공 촬영과 상품 배송은 물론, 농약 살포, 공기 질 측정, 산불 감시 및 진화, 통신, 재난 환경 대처, 연구 개발 등 다양한 목적으로 광범위하게 활용되고 있으며, 값 싼 키덜트(Kidult) 제품으로 재탄생되어 개인도 부담 없이 구매할 수 있는 시대를 맞이하게 되었다.The unmanned aerial vehicle was started for military use, but recently it has been widely used for various purposes such as high-altitude photography and product delivery, pesticide spraying, air quality measurement, forest fire monitoring and extinguishing, communication, disaster environment response, research and development, etc. It has been reborn as a cheap kidult product, and the era has come when individuals can purchase it without any burden.
이러한 상황에서 최근에는 통신 및 컴퓨팅 기술의 급속한 발전으로 인하여 단순히 단일 무인 비행체의 비행이 아닌 복수의 무인 비행체가 포메이션(formation)을 형성하여 재난 구호, 정찰 등의 특수하고 복잡한 임무를 수행하는 군집 비행에 대한 연구가 활발하게 진행되고 있다.In this situation, in recent years, due to the rapid development of communication and computing technology, it is not simply the flight of a single unmanned aerial vehicle, but a plurality of unmanned aerial vehicles form a formation to perform special and complex missions such as disaster relief and reconnaissance. Research is actively underway.
최근에는 플랫폼 위주의 의미를 갖는 무인 비행체 대신 통합된 체계임을 강조하기 위해 무인 비행체 체계(Unmanned Aircraft System: 이하, UAS)로도 표현되는데, 이는 목적과 용도에 따라 상이할 수 있으나, 일반적으로 비행체의 기체에 통신 장비와 감지기 등의 임무 장비를 탑재시킬 수 있는 비행체와, 통신에 의하여 비행체를 조종 통제할 수 있도록 설계된 통제 장비, 감지기와 같이 임무를 위해 무인 비행체에 탑재되는 임무 장비, 무인 비행체의 운용에 필요한 분석, 정비 등에 활용되는 지원 장비로 구성되어 하나의 시스템에 운용되는 장비이다.Recently, it is also expressed as an Unmanned Aircraft System (UAS) to emphasize that it is an integrated system instead of an unmanned aerial vehicle that has a platform-oriented meaning. Aircraft capable of loading mission equipment such as communication equipment and detectors in the air vehicle, control equipment designed to control and control the aircraft by communication, mission equipment mounted on unmanned aerial vehicles for missions such as sensors, and operation of unmanned aerial vehicles It consists of support equipment used for necessary analysis and maintenance, and is operated in one system.
무인 비행체는 자율 비행이 가능하다는 점에서 외부 조종사가 직접 조종하는 무선 조종 비행기와는 차이가 있으며, 일단 비행을 개시한 후에는 목표물과 같이 파괴되는 미사일과 달리 기본적으로 회수가 가능하여 반복적으로 임무에 투입될 수 있다는 차이가 있다. 오늘날의 무인 비행체는 자신의 위치, 속도, 자세를 측정하고 주어진 임무에 맞는 최적의 경로를 스스로 생성하고, 이를 따라서 비행하며 자체적으로 고장을 진단하고 대응하는 매우 높은 수준의 자유성을 가지고 있다.An unmanned aerial vehicle is different from a radio-controlled airplane directly controlled by an external pilot in that it can fly autonomously. There is a difference that can be put in. Today's unmanned aerial vehicles measure their position, speed, and attitude, create an optimal route for a given mission, and fly accordingly, and have a very high degree of freedom in diagnosing and responding to failures on their own.
그러나, 무인 비행체의 활용도 증가 및 보급의 확대와 동시에 관련 사건 사고가 빈번이 일어나고 있어 안전 비행에 대한 사회적 요구가 높아지고 있다. 특히 다수의 무인 비행체가 임무를 수행하는 군집 비행의 경우 하나의 무인 비행체가 임무를 수행하는 경우보다 충돌 사고가 더 빈번히 발생하고 있다. 예를 들어 편대로 임무를 수행 중 하나의 무인 비행체가 장애물을 회피하기 위하여 비행 경로를 변경하는 경우 편대에 속한 다른 무인 비행체와 2차, 3차 충돌이 발생하기도 한다.However, at the same time as the increase in the utilization and spread of unmanned aerial vehicles, related incidents and accidents occur frequently, increasing the social demand for safe flight. In particular, in the case of a platoon flight in which a plurality of unmanned aerial vehicles perform a mission, collision accidents occur more frequently than in the case of a single unmanned aerial vehicle performing a mission. For example, if one unmanned aerial vehicle changes its flight path to avoid an obstacle while performing a mission as a squadron, secondary or tertiary collisions may occur with other unmanned aerial vehicles belonging to the squadron.
이러한 추가 충돌 위험을 줄이기 위하여 편대에 속한 전체 무인 비행체의 비행 경로를 일일이 제어하는 것은 비효율적일 뿐만 아니라 제어 과정에서의 실수로 인하여 추가 충돌이 발생할 수도 있다. 따라서 복수의 무인 비행체로 구성되는 편대의 비행 안정성 및 제어 효율성을 높이기 위한 비행 제어 기술이 요구된다.In order to reduce the risk of such additional collisions, it is not only inefficient to individually control the flight paths of all unmanned aerial vehicles in the squadron, but also additional collisions may occur due to mistakes in the control process. Therefore, flight control technology is required to increase flight stability and control efficiency of a squadron composed of a plurality of unmanned aerial vehicles.
관련 선행기술로는 대한민국 공개특허공보 제10-2019-0014418호(발명의 명칭: 군집주행 제어 시스템 및 방법, 공개일자: 2019.02.12)가 있다.As a related prior art, there is Republic of Korea Patent Publication No. 10-2019-0014418 (title of the invention: platooning control system and method, publication date: February 12, 2019).
본 발명의 일 실시예는 편대 대형의 적응적 재편을 통해 편대 비행하는 무인 비행체들 간의 충돌을 회피함으로써 비행 안정성 및 제어 효율성을 높일 수 있는 무인 비행체의 군집 비행 제어 시스템 및 방법을 제공한다.An embodiment of the present invention provides a platoon flight control system and method for unmanned aerial vehicles capable of increasing flight stability and control efficiency by avoiding collisions between unmanned aerial vehicles flying in formation through adaptive reorganization of formation formation.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The problem to be solved by the present invention is not limited to the problem(s) mentioned above, and another problem(s) not mentioned will be clearly understood by those skilled in the art from the following description.
본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 시스템은 복수의 무인 비행체 각각에 탑재된 센서를 통해 감지된 센싱 데이터를 수신하고, 상기 센싱 데이터를 누적 저장하여 빅데이터를 생성하는 빅데이터 생성부; 상기 빅데이터를 분석 및 학습하여 상기 복수의 무인 비행체 각각의 현재 비행 상황에 따른 최적의 임계값을 도출하는 빅데이터 AI 처리부; 상기 센싱 데이터를 이용하여 상기 복수의 무인 비행체 각각에 대한 비행 위험 수치를 계산하고, 상기 비행 위험 수치가 상기 임계값보다 크거나 같은 경우 상기 비행 위험 수치를 유효 위험 수치로 판단하는 위험 판단부; 및 상기 복수의 무인 비행체 중 상기 유효 위험 수치가 가장 높은 무인 비행체를 마스터 무인 비행체로 선정하고, 상기 마스터 무인 비행체를 기준으로 상기 복수의 무인 비행체의 편대 대형을 재편하는 비행 제어부를 포함한다.The cluster flight control system of an unmanned aerial vehicle according to an embodiment of the present invention receives sensing data sensed through a sensor mounted on each of a plurality of unmanned aerial vehicles, and accumulates and stores the sensing data to generate big data. part; a big data AI processing unit that analyzes and learns the big data to derive an optimal threshold value according to the current flight situation of each of the plurality of unmanned aerial vehicles; a risk determination unit for calculating a flight risk value for each of the plurality of unmanned aerial vehicles by using the sensing data, and determining the flight risk value as an effective risk value when the flight risk value is greater than or equal to the threshold value; and a flight controller for selecting an unmanned aerial vehicle having the highest effective risk value among the plurality of unmanned aerial vehicles as a master unmanned aerial vehicle, and reorganizing the formation of a formation of the plurality of unmanned aerial vehicles based on the master unmanned aerial vehicle.
상기 센싱 데이터는 비행 속도, 방향, 고도 중 적어도 하나를 포함하는 비행 정보와 온도, 습도, 풍속, 풍향 중 적어도 하나를 포함하는 기상 정보, 및 장애물과의 거리 및 방향 중 적어도 하나를 포함하는 장애물 정보를 포함하고, 상기 빅데이터 생성부는 상기 센싱 데이터를 시간 및 계절에 따라 누적 저장하여 상기 빅데이터를 생성할 수 있다.The sensing data includes flight information including at least one of flight speed, direction, and altitude, weather information including at least one of temperature, humidity, wind speed, and wind direction, and obstacle information including at least one of a distance and direction from an obstacle. Including, the big data generating unit may generate the big data by accumulatively storing the sensed data according to time and season.
상기 재편된 편대 대형은 상기 복수의 무인 비행체가 열에 따라 배치되는 체인형 편대 대형, 상기 복수의 무인 비행체가 다각형 형태로 배치되는 폐쇄형 편대 대형, 및 상기 체인형 편대 대형 및 상기 폐쇄형 편대 대형이 결합된 복합형 편대 대형 중 적어도 하나를 포함하고, 상기 비행 제어부는 상기 체인형 편대 대형, 상기 폐쇄형 편대 대형, 및 상기 복합형 편대 대형 중 어느 하나에 따라 상기 복수의 무인 비행체의 편대 비행을 제어할 수 있다.The reorganized formation is a chain-type formation in which the plurality of unmanned aerial vehicles are arranged according to a row, a closed formation formation in which the plurality of unmanned aerial vehicles are arranged in a polygonal shape, and the chain-type formation formation and the closed formation formation Containing at least one of a combined combined formation formation, the flight control unit controls the flight of the plurality of unmanned aerial vehicles according to any one of the chain-type formation formation, the closed formation formation formation, and the composite formation formation formation can do.
상기 비행 제어부는 상기 센싱 데이터에 포함된 장애물 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 체인형 편대 대형으로 상기 복수의 무인 비행체의 편대 비행을 제어하고, 상기 센싱 데이터에 포함된 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 폐쇄형 편대 대형으로 상기 복수의 무인 비행체의 편대 비행을 제어하며, 상기 센싱 데이터에 포함된 장애물 정보 및 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 복합형 편대 대형으로 상기 복수의 무인 비행체의 편대 비행을 제어할 수 있다.When the flight risk value is determined to be the effective risk value through the obstacle information included in the sensing data, the flight control unit controls the formation flight of the plurality of unmanned aerial vehicles in the chain-type formation formation, and to the sensing data When the flight risk value is determined as the effective risk value through the included weather information, the formation flight of the plurality of unmanned aerial vehicles is controlled in the closed formation formation, and obstacle information and weather information included in the sensing data are controlled. If it is determined that the flight risk value is the effective risk value through the combination, it is possible to control the flight of the plurality of unmanned aerial vehicles in the formation of the formation.
상기 위험 판단부는 상기 비행 위험 수치가 상기 임계값보다 미리 설정된 값 이상으로 큰 경우, 해당 무인 비행체의 하드웨어에 이상이 있는 것으로 판단하고, 상기 비행 제어부는 상기 복수의 무인 비행체 중 상기 유효 위험 수치가 상기 해당 무인 비행체 다음으로 높은 무인 비행체를 상기 마스터 무인 비행체로 선정할 수 있다.The risk determination unit determines that there is an abnormality in the hardware of the unmanned aerial vehicle when the flight risk value is greater than or equal to a preset value than the threshold value, and the flight control unit determines that the effective risk value among the plurality of unmanned aerial vehicles is the An unmanned aerial vehicle higher than the corresponding unmanned aerial vehicle may be selected as the master unmanned aerial vehicle.
상기 빅데이터 AI 처리부는 기상 정보 제공 서버와 연계하여, 상기 복수의 무인 비행체 각각의 위치 정보를 토대로 해당 지역의 기상 정보를 제공받고, 상기 기상 정보를 상기 빅데이터와 함께 분석 및 학습하여 상기 복수의 무인 비행체 각각의 현재 비행 상황에 따른 최적의 임계값을 도출할 수 있다.The big data AI processing unit receives weather information of a corresponding area based on the location information of each of the plurality of unmanned aerial vehicles in connection with a weather information providing server, analyzes and learns the weather information together with the big data, and learns the plurality of It is possible to derive an optimal threshold value according to the current flight situation of each unmanned aerial vehicle.
상기 비행 제어부는 상기 복수의 무인 비행체 각각에 대한 비행 위험 수치가 상기 임계값보다 작아지는 경우, 상기 복수의 무인 비행체의 편대 대형을 원래의 편대 대형으로 복귀하도록 비행 제어할 수 있다.When the flight risk value for each of the plurality of unmanned aerial vehicles is smaller than the threshold value, the flight controller may control the flight to return the formation of the plurality of unmanned aerial vehicles to the original formation.
본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 방법은 상기 군집 비행 관리 서버의 빅데이터 생성부가 복수의 무인 비행체 각각에 탑재된 센서를 통해 감지된 센싱 데이터를 수신하고, 상기 센싱 데이터를 누적 저장하여 빅데이터를 생성하는 단계; 상기 군집 비행 관리 서버의 빅데이터 AI 처리부가 상기 빅데이터를 분석 및 학습하여 상기 복수의 무인 비행체 각각의 현재 비행 상황에 따른 최적의 임계값을 도출하는 단계; 상기 군집 비행 관리 서버의 위험 판단부가 상기 센싱 데이터를 이용하여 상기 복수의 무인 비행체 각각에 대한 비행 위험 수치를 계산하고, 상기 비행 위험 수치가 상기 임계값보다 크거나 같은 경우 상기 비행 위험 수치를 유효 위험 수치로 판단하는 단계; 상기 군집 비행 관리 서버의 비행 제어부가 상기 복수의 무인 비행체 중 상기 유효 위험 수치가 가장 높은 무인 비행체를 마스터 무인 비행체로 선정하는 단계; 및 상기 비행 제어부가 상기 마스터 무인 비행체를 기준으로 상기 복수의 무인 비행체의 편대 대형을 재편하는 단계를 포함한다.In the method for controlling group flight of an unmanned aerial vehicle according to an embodiment of the present invention, the big data generation unit of the cluster flight management server receives sensing data detected through a sensor mounted on each of a plurality of unmanned aerial vehicles, and accumulates the sensing data. generating big data by storing it; deriving an optimal threshold value according to the current flight situation of each of the plurality of unmanned aerial vehicles by analyzing and learning the big data by the big data AI processing unit of the cluster flight management server; The risk determination unit of the cluster flight management server calculates a flight risk value for each of the plurality of unmanned aerial vehicles using the sensing data, and when the flight risk value is greater than or equal to the threshold value, the flight risk value is used as an effective risk determining numerically; selecting, by the flight control unit of the cluster flight management server, the unmanned aerial vehicle having the highest effective risk level among the plurality of unmanned aerial vehicles as the master unmanned aerial vehicle; and reorganizing, by the flight control unit, the formation of the plurality of unmanned aerial vehicles based on the master unmanned aerial vehicle.
상기 센싱 데이터는 비행 속도, 방향, 고도 중 적어도 하나를 포함하는 비행 정보와 온도, 습도, 풍속, 풍향 중 적어도 하나를 포함하는 기상 정보, 및 장애물과의 거리 및 방향 중 적어도 하나를 포함하는 장애물 정보를 포함하고, 상기 빅데이터를 생성하는 단계는 상기 센싱 데이터를 시간 및 계절에 따라 누적 저장하여 상기 빅데이터를 생성하는 단계를 포함할 수 있다.The sensing data includes flight information including at least one of flight speed, direction, and altitude, weather information including at least one of temperature, humidity, wind speed, and wind direction, and obstacle information including at least one of a distance and direction from an obstacle. and generating the big data may include generating the big data by accumulating and storing the sensed data according to time and season.
상기 재편된 편대 대형은 상기 복수의 무인 비행체가 열에 따라 배치되는 체인형 편대 대형, 상기 복수의 무인 비행체가 다각형 형태로 배치되는 폐쇄형 편대 대형, 및 상기 체인형 편대 대형 및 상기 폐쇄형 편대 대형이 결합된 복합형 편대 대형 중 적어도 하나를 포함하고, 상기 복수의 무인 비행체의 편대 대형을 재편하는 단계는 상기 센싱 데이터에 포함된 장애물 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 체인형 편대 대형으로 상기 복수의 무인 비행체의 편대 비행을 제어하는 단계; 상기 센싱 데이터에 포함된 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 폐쇄형 편대 대형으로 상기 복수의 무인 비행체의 편대 비행을 제어하는 단계; 및 상기 센싱 데이터에 포함된 장애물 정보 및 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 복합형 편대 대형으로 상기 복수의 무인 비행체의 편대 비행을 제어하는 단계를 포함할 수 있다.The reorganized formation is a chain-type formation in which the plurality of unmanned aerial vehicles are arranged according to a row, a closed formation formation in which the plurality of unmanned aerial vehicles are arranged in a polygonal shape, and the chain-type formation formation and the closed formation formation Including at least one of the combined complex formation formation, and the step of reorganizing the formation formation of the plurality of unmanned aerial vehicles is determined through the obstacle information included in the sensing data, the flight risk value is the effective risk value, controlling the formation flight of the plurality of unmanned aerial vehicles in the chain-type formation formation; when the flight risk value is determined to be the effective risk value through the weather information included in the sensing data, controlling the formation flight of the plurality of unmanned aerial vehicles in the closed formation formation; And when the flight risk value is determined to be the effective risk value through the obstacle information and weather information included in the sensing data, controlling the flight of the plurality of unmanned aerial vehicles in the complex formation formation may include have.
본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 방법은 상기 비행 위험 수치가 상기 임계값보다 미리 설정된 값 이상으로 큰 경우, 상기 위험 판단부가 해당 무인 비행체의 하드웨어에 이상이 있는 것으로 판단하는 단계를 더 포함하고, 상기 마스터 무인 비행체로 선정하는 단계는 상기 복수의 무인 비행체 중 상기 유효 위험 수치가 상기 해당 무인 비행체 다음으로 높은 무인 비행체를 상기 마스터 무인 비행체로 선정하는 단계를 포함할 수 있다.In the method for controlling group flight of an unmanned aerial vehicle according to an embodiment of the present invention, when the flight risk value is greater than or equal to a preset value than the threshold, the risk determination unit determines that there is an abnormality in the hardware of the unmanned aerial vehicle The step of selecting the master unmanned aerial vehicle may include selecting as the master unmanned aerial vehicle an unmanned aerial vehicle having the highest effective risk value next to the corresponding unmanned aerial vehicle among the plurality of unmanned aerial vehicles.
본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 방법은 상기 빅데이터 AI 처리부가 기상 정보 제공 서버와 연계하여, 상기 복수의 무인 비행체 각각의 위치 정보를 토대로 해당 지역의 기상 정보를 제공받는 단계를 더 포함하고, 상기 최적의 임계값을 도출하는 단계는 상기 기상 정보를 상기 빅데이터와 함께 분석 및 학습하여 상기 복수의 무인 비행체 각각의 현재 비행 상황에 따른 최적의 임계값을 도출하는 단계를 포함할 수 있다.The method for controlling cluster flight of unmanned aerial vehicles according to an embodiment of the present invention comprises the steps of: receiving, by the big data AI processing unit, weather information of a corresponding area based on the location information of each of the plurality of unmanned aerial vehicles in connection with a weather information providing server The step of deriving the optimal threshold includes analyzing and learning the weather information together with the big data to derive an optimal threshold value according to the current flight situation of each of the plurality of unmanned aerial vehicles. can do.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 첨부 도면들에 포함되어 있다.The details of other embodiments are included in the detailed description and accompanying drawings.
본 발명의 일 실시예에 따르면, 장애 요소에 따라 무인 비행체 편대의 대형을 적응적으로 재편하고 재편된 편대 대형에 따라 비행 경로를 수정함으로써 장애물과의 충돌이나 무인 비행체 간 충돌을 안전하고 효율적으로 회피할 수 있으며, 이를 통해 비행 안정성 및 제어 효율성을 높일 수 있다.According to an embodiment of the present invention, collisions with obstacles or collisions between unmanned aerial vehicles are safely and efficiently avoided by adaptively reorganizing the formation of an unmanned aerial vehicle squadron according to obstacles and modifying the flight path according to the reorganized formation formation. This can increase flight stability and control efficiency.
도 1은 본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 시스템의 네트워크 구성도이다.
도 2는 도 1의 군집 비행 관리 서버의 상세 구성을 설명하기 위해 도시한 블록도이다.
도 3 내지 도 5는 본 발명의 일 실시예에 따라 재편되는 편대 대형을 설명하기 위해 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 방법을 설명하기 위해 도시한 흐름도이다.1 is a network configuration diagram of a swarm flight control system of an unmanned aerial vehicle according to an embodiment of the present invention.
FIG. 2 is a block diagram illustrating a detailed configuration of the cluster flight management server of FIG. 1 .
3 to 5 are diagrams illustrating the formation of a squadron reorganized according to an embodiment of the present invention.
6 is a flowchart illustrating a method for controlling group flight of an unmanned aerial vehicle according to an embodiment of the present invention.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.Advantages and/or features of the present invention, and methods of achieving them, will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be embodied in various different forms, and only these embodiments allow the disclosure of the present invention to be complete, and common knowledge in the art to which the present invention pertains It is provided to fully inform those who have the scope of the invention, and the present invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout.
또한, 이하 실시되는 본 발명의 바람직한 실시예는 본 발명을 이루는 기술적 구성요소를 효율적으로 설명하기 위해 각각의 시스템 기능구성에 기 구비되어 있거나, 또는 본 발명이 속하는 기술분야에서 통상적으로 구비되는 시스템 기능 구성은 가능한 생략하고, 본 발명을 위해 추가적으로 구비되어야 하는 기능 구성을 위주로 설명한다. 만약 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면, 하기에 도시하지 않고 생략된 기능 구성 중에서 종래에 기 사용되고 있는 구성요소의 기능을 용이하게 이해할 수 있을 것이며, 또한 상기와 같이 생략된 구성 요소와 본 발명을 위해 추가된 구성 요소 사이의 관계도 명백하게 이해할 수 있을 것이다.In addition, the preferred embodiment of the present invention to be implemented below is already provided in each system functional configuration in order to efficiently describe the technical components constituting the present invention, or system functions normally provided in the technical field to which the present invention belongs The configuration is omitted as much as possible, and the functional configuration to be additionally provided for the present invention will be mainly described. If a person of ordinary skill in the art to which the present invention pertains, it will be possible to easily understand the functions of the conventionally used components among the functions omitted not shown below, and the components omitted as described above. Relationships between elements and components added for purposes of the present invention will also be clearly understood.
또한, 이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다.In addition, in the following description, the term "transmission", "communication", "transmission", "reception" and other similar meanings of a signal or information means that a signal or information is directly transmitted from one component to another component as well as passing through other components. In particular, "transmitting" or "transmitting" a signal or information to a component indicates the final destination of the signal or information and does not imply a direct destination. The same is true for "reception" of signals or information.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 시스템의 네트워크 구성도이다.1 is a network configuration diagram of a swarm flight control system of an unmanned aerial vehicle according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 시스템(100)은 군집 비행 관리 서버(110), 및 복수의 무인 비행체(120)를 포함하여 구성될 수 있다.Referring to FIG. 1 , the swarm
상기 군집 비행 관리 서버(110)는 상기 복수의 무인 비행체(120) 각각에 탑재된 센서(미도시)를 통해 감지된 센싱 데이터를 수신하고, 상기 센싱 데이터를 누적 저장하여 빅데이터를 생성할 수 있다.The cluster
여기서, 상기 센싱 데이터는 비행 속도, 방향, 고도 등과 같은 비행 정보, 온도, 습도, 풍속, 풍향 등과 같은 기상 정보, 및 장애물과의 거리 및 방향 등의 장애물 정보를 포함할 수 있다.Here, the sensed data may include flight information such as flight speed, direction, and altitude, weather information such as temperature, humidity, wind speed, and wind direction, and obstacle information such as distance and direction from an obstacle.
상기 군집 비행 관리 서버(110)는 상기 생성된 빅데이터를 분석 및 학습하여 상기 복수의 무인 비행체(120) 각각의 현재 비행 상황에 따른 최적의 임계값을 도출할 수 있다.The cluster
상기 군집 비행 관리 서버(110)는 상기 센싱 데이터를 이용하여 상기 복수의 무인 비행체(120) 각각에 대한 비행 위험 수치를 계산할 수 있다. 상기 군집 비행 관리 서버(110)는 상기 계산된 비행 위험 수치를 상기 도출된 임계값과 비교할 수 있다.The cluster
상기 비교 결과 상기 비행 위험 수치가 상기 임계값보다 크거나 같은 경우, 상기 군집 비행 관리 서버(110)는 상기 비행 위험 수치를 유효 위험 수치로 판단할 수 있다.As a result of the comparison, when the flight risk value is greater than or equal to the threshold value, the cluster
상기 군집 비행 관리 서버(110)는 상기 복수의 무인 비행체(120) 중 상기 유효 위험 수치가 가장 높은 무인 비행체를 마스터 무인 비행체로 선정하고, 상기 마스터 무인 비행체를 기준으로 상기 복수의 무인 비행체의 편대 대형을 재편할 수 있다.The cluster
상기 무인 비행체(120)는 무선 전파의 유도에 의하여 비행 및 조종이 가능한 비행기나 헬리콥터 모양의 무인 항공기로서, 통상적으로 드론(drone)으로 알려져 있다. 다만, 본 발명에서 상기 무인 비행체(110)는 상기 드론뿐만 아니라 상기 드론을 동력원으로 하는 풍등(風燈, Sky lanterns)을 포함하는 개념으로 이해될 수 있다.The unmanned
상기 무인 비행체(120)는 비행 및 임무 수행에 필요한 각종 센서를 탑재할 수 있으며, 이러한 각종 센서를 통해서 비행 및 임수 수행에 필요한 각종 센싱 데이터를 감지할 수 있다.The unmanned
여기서, 상기 각종 센서는 비행의 제어에 필요한 속도, 자세나 기울기, 주변 장애물 등을 검출하기 위한 단일 또는 다수의 센서를 포함할 수 있다.Here, the various sensors may include a single or a plurality of sensors for detecting speed, posture or inclination, surrounding obstacles, etc. required for flight control.
또한, 상기 각종 센서는 상기 무인 비행체(120) 각각의 현재 위치에 대한 데이터 획득을 위하여, 인공위성에서 발생되는 전파를 수신하여 자신의 위치를 산출하는 GPS, 고도 측정을 위한 고도계 등을 포함할 수 있으며, 나아가서는 3차원 위치 센서 등을 더 포함할 수 있다.In addition, the various sensors may include a GPS that calculates its own position by receiving radio waves generated from artificial satellites in order to obtain data on the current position of each of the unmanned
또한, 상기 각종 센서는 상기 무인 비행체(110)의 임무 수행과 관련하여 카메라 촬영 시 촬영 영역에 광을 조사하기 위한 조명, 및 외부의 오디오를 수집하여 이를 영상과 함께 또는 별도의 데이터로 제공하기 위한 마이크로폰을 더 포함할 수 있다.In addition, the various sensors are used to collect lighting for irradiating light to a shooting area when shooting a camera in connection with the mission performance of the unmanned
상기 무인 비행체(120)는 GPS 위치 정보를 이용하여 촬영 영역을 군집 비행하면서 영상 획득을 위한 촬영을 수행하는 역할을 수행할 수 있다. 여기서, 상기 GPS 위치 정보는 RTK(Real Time Kinematic)-GPS 기반의 위치 정보를 포함하는 개념으로 이해될 수 있다.The unmanned
상기 RTK-GPS 기반의 위치 정보는 GPS 위성을 통해 획득한 좌표와 상기 군집 비행 관리 서버(110)로부터 송신되는 위치 보정 데이터의 합성을 통하여 실시간으로 결정되는 현재 위치의 정확한 좌표를 의미한다.The RTK-GPS-based location information refers to the exact coordinates of the current location determined in real time by combining the coordinates obtained through the GPS satellite and the location correction data transmitted from the cluster
상기 무인 비행체(120)는 상기 RTK-GPS 기반의 위치 정보를 이용함으로써, 종래의 GPS에서 발생할 수 있는 위치 오차를 최소화하면서 GPS 위성과 기지국에서 제공되는 정보를 통하여 자신의 정확한 위치 정보를 확인할 수 있다.By using the RTK-GPS-based location information, the unmanned
이에 따라, 상기 무인 비행체(120)는 고정밀 위치 인식에 따라 획득한 정밀 좌표 정보를 토대로 군집 비행을 수행하면서 상기 촬영 영역의 원거리 촬영 영상과 근거리 촬영 영상을 획득할 수 있게 된다.Accordingly, the unmanned
본 실시예에서는 상기 무인 비행체(120)들 중에서 상기 유효 위험 수치가 가장 높은 무인 비행체(120)를 마스터 무인 비행체(120)로 선정하고, 상기 선정된 마스터 무인 비행체(120)를 기준으로 상기 복수의 무인 비행체(120)의 편대 대형을 재편할 수 있다.In this embodiment, the unmanned
상기 군집 비행 관리 서버(110)와 상기 무인 비행체(120)들 사이에는 통신망이 존재하며, 상기 무인 비행체(120)는 상기 통신망을 통해 상기 군집 비행 관리 서버(110)와 통신을 수행할 수 있다. 본 실시예에서 상기 통신망은 예컨대 기지국으로 구현될 수 있다.A communication network exists between the cluster
상기 기지국은 통신 연결이 가능한 서비스 영역 내에 위치하는 복수의 무인 비행체(120)로부터 각 무인 비행체(120)의 GPS 위치 정보를 수신할 수 있다. 상기 기지국은 자신의 절대 위치 좌표(미리 설정됨)와 GPS 좌표(실시간으로 획득됨) 간의 차이를 계측하고, 상기 계측된 차이 값을 이용하여 GPS 오차 신호를 생성할 수 있다. 상기 기지국은 상기 생성된 GPS 오차 신호를 이용하여 상기 각 무인 비행체(120)의 GPS 위치 정보를 보정할 수 있다.The base station may receive GPS location information of each unmanned
상기 기지국은 상기 보정된 GPS 위치 정보를 상기 군집 비행 관리 서버(110)에 상기 각 무인 비행체(120)의 현재 지점의 위치 정보로서 전송할 수 있다. 이로써, 상기 군집 비행 관리 서버(110)는 상기 각 무인 비행체(120)의 현재 위치를 보다 정확히 획득할 수 있으며, 이를 통해 상기 각 무인 비행체(120)의 비행 제어를 보다 정밀히 수행할 수 있다.The base station may transmit the corrected GPS location information to the cluster
도 2는 도 1의 군집 비행 관리 서버(110)의 상세 구성을 설명하기 위해 도시한 블록도이다.FIG. 2 is a block diagram illustrating a detailed configuration of the cluster
도 1 및 도 2를 참조하면, 상기 군집 비행 관리 서버(110)는 빅데이터 생성부(210), 빅데이터 AI 처리부(220), 위험 판단부(230), 비행 제어부(240), 및 메인 제어부(250)를 포함하여 구성될 수 있다.1 and 2, the swarm
상기 빅데이터 생성부(210)는 복수의 무인 비행체(120) 각각에 탑재된 센서를 통해 감지된 센싱 데이터를 수신하고, 상기 센싱 데이터를 누적 저장하여 빅데이터를 생성할 수 있다. 이때, 상기 빅데이터 생성부(210)는 상기 센싱 데이터를 시간 및 계절에 따라 누적 저장하여 상기 빅데이터를 생성할 수 있다.The
여기서, 상기 센싱 데이터는 비행 속도, 방향, 고도 중 적어도 하나를 포함하는 비행 정보와 온도, 습도, 풍속, 풍향 중 적어도 하나를 포함하는 기상 정보, 및 장애물과의 거리 및 방향 중 적어도 하나를 포함하는 장애물 정보를 포함할 수 있다.Here, the sensing data includes flight information including at least one of flight speed, direction, and altitude, weather information including at least one of temperature, humidity, wind speed, and wind direction, and at least one of distance and direction from an obstacle Obstacle information may be included.
또한, 상기 센싱 데이터는 임무 수행과 관련하여 상기 무인 비행체(120)의 카메라를 통해 촬영된 촬영 영상, 및 상기 무인 비행체(120)의 마이크로폰을 통해 수집되어 상기 촬영 영상과 함께 또는 별도로 제공되는 오디오 정보 등을 더 포함할 수 있다.In addition, the sensing data is a photographed image captured by the camera of the unmanned
상기 빅데이터 AI 처리부(220)는 상기 빅데이터를 분석 및 학습하여 상기 복수의 무인 비행체(120) 각각의 현재 비행 상황에 따른 최적의 임계값을 도출할 수 있다.The big data
이때, 상기 빅데이터 AI 처리부(220)는 기상 정보 제공 서버와 연계하여, 상기 복수의 무인 비행체(120) 각각의 위치 정보를 토대로 해당 지역의 기상 정보를 제공받고, 상기 기상 정보를 상기 빅데이터와 함께 분석 및 학습하여 상기 복수의 무인 비행체(120) 각각의 현재 비행 상황에 따른 최적의 임계값을 도출할 수 있다.At this time, the big data
상기 위험 판단부(230)는 상기 센싱 데이터를 이용하여 상기 복수의 무인 비행체(120) 각각에 대한 비행 위험 수치를 계산하고, 상기 계산된 비행 위험 수치를 상기 임계값과 비교할 수 있다. 상기 비교 결과 상기 비행 위험 수치가 상기 임계값보다 크거나 같은 경우, 상기 위험 판단부(230)는 상기 비행 위험 수치를 유효 위험 수치로 판단할 수 있다.The
상기 비행 제어부(240)는 상기 복수의 무인 비행체(120) 중 상기 유효 위험 수치가 가장 높은 무인 비행체(120)를 마스터 무인 비행체(120)로 선정할 수 있다. 상기 비행 제어부(240)는 상기 선정된 마스터 무인 비행체(120)를 기준으로 상기 복수의 무인 비행체(120)의 편대 대형을 재편할 수 있다.The
여기서, 상기 재편된 편대 대형의 비행 경로를 상기 마스터 무인 비행체(120)를 기준으로 생성하는 이유는, 장애물이나 기상 상황, 비행 상태 등에 의한 상기 마스터 무인 비행체(120)의 비행 위험 수치가 가장 높기 때문이다.Here, the reason for generating the flight path of the reorganized formation formation based on the master unmanned
이처럼 상기 비행 위험 수치가 가장 높은 마스터 무인 비행체(120)를 기준으로 비행 경로를 생성하게 되면, 군집 비행의 편대가 충돌 위험 없이 장애물을 회피할 수 있으며, 바람과 같은 기상 상황에 의한 비행 상태의 영향을 안전하게 극복할 수 있다.As such, when the flight path is generated based on the master unmanned
한편, 상기 재편된 편대 대형은 상기 복수의 무인 비행체가 열에 따라 배치되는 체인형 편대 대형, 상기 복수의 무인 비행체가 다각형 형태로 배치되는 폐쇄형 편대 대형, 및 상기 체인형 편대 대형 및 상기 폐쇄형 편대 대형이 결합된 복합형 편대 대형 중 적어도 하나를 포함할 수 있다.On the other hand, the reorganized formation formation is a chain-type formation formation in which the plurality of unmanned aerial vehicles are arranged according to rows, a closed formation formation in which the plurality of unmanned aerial vehicles are arranged in a polygonal shape, and the chain-type formation formation and the closed formation formation The formation may include at least one of a combined formation type formation formation.
상기 비행 제어부(240)는 상기 체인형 편대 대형, 상기 폐쇄형 편대 대형, 및 상기 복합형 편대 대형 중 어느 하나에 따라 상기 복수의 무인 비행체의 편대 비행을 제어할 수 있다.The
즉, 상기 비행 제어부(240)는 상기 센싱 데이터에 포함된 장애물 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 도 3에 도시된 바와 같이 상기 체인형 편대 대형으로 상기 복수의 무인 비행체(120)의 편대 비행을 제어할 수 있다.That is, when the
또 달리, 상기 비행 제어부(240)는 상기 센싱 데이터에 포함된 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 도 4에 도시된 바와 같이 상기 폐쇄형 편대 대형으로 상기 복수의 무인 비행체(120)의 편대 비행을 제어할 수 있다.Alternatively, when the flight risk value is determined to be the effective risk value through the weather information included in the sensing data, the
또 달리, 상기 비행 제어부(240)는 상기 센싱 데이터에 포함된 장애물 정보 및 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 도 5에 도시된 바와 같이 상기 복합형 편대 대형으로 상기 복수의 무인 비행체(120)의 편대 비행을 제어할 수 있다.Alternatively, when the flight risk value is determined to be the effective risk value through the obstacle information and weather information included in the sensing data, the
상기 비행 제어부(240)는 상기 복수의 무인 비행체(120) 각각에 대한 비행 위험 수치가 상기 임계값보다 작아지는 경우, 상기 복수의 무인 비행체(120)의 편대 대형을 원래의 편대 대형으로 복귀하도록 비행 제어할 수 있다.When the flight risk value for each of the plurality of unmanned
다시 말해, 상기 비행 위험 수치가 상기 임계값 이상이 되면서 편대 대형이 재편된 후에, 상기 비행 위험 수치가 상기 임계값보다 작아지게 되면, 상기 비행 제어부(240)는 상기 복수의 무인 비행체(120)의 편대 대형을 원래의 편대 대형으로 복귀하도록 비행 제어를 할 수 있다.In other words, after the flight risk value is higher than the threshold value and the formation is reorganized, when the flight risk value becomes smaller than the threshold value, the
예를 들어, 상기 무인 비행체(120) 중 적어도 하나의 비행 위험 수치가 상기 임계값 이상이 됨에 따라, 원래의 편대 대형인 체인형 편대 대형(도 3 참조)에서 폐쇄형 편대 대형(도 4 참조)으로 재편된 후에, 상기 비행 위험 수치가 다시 상기 임계값 미만으로 작아지는 경우, 상기 비행 제어부(240)는 상기 복수의 무인 비행체(120)의 편대 대형을 상기 폐쇄형 편대 대형에서 상기 체인형 편대 대형, 즉 원래의 편대 대형으로 복귀하도록 비행 제어를 할 수 있다.For example, as the flight risk value of at least one of the unmanned
한편, 상기 위험 판단부(230)는 상기 비행 위험 수치가 상기 임계값보다 미리 설정된 값 이상으로 큰 경우, 해당 무인 비행체(120)의 하드웨어에 이상이 있는 것으로 판단할 수 있다. 즉, 상기 위험 판단부(230)는 상기 비행 위험 수치가 너무 큰 경우에는 해당 무인 비행체(120)의 하드웨어에 이상이 있는 것으로 판단할 수 있다.Meanwhile, the
이러한 경우, 상기 비행 제어부(240)는 상기 복수의 무인 비행체(120) 중 상기 유효 위험 수치가 상기 해당 무인 비행체(120) 다음으로 높은 무인 비행체(120)를 상기 마스터 무인 비행체(120)로 선정할 수 있다.In this case, the
즉, 하드웨어에 이상이 있는 것으로 판단된 무인 비행체(120)가 상기 마스터 무인 비행체(120)로 선정되는 경우 편대 대형을 재편하거나 유지하는 데에 매우 위험하기 때문에, 상기 비행 제어부(240)는 하드웨어에 이상이 없으면서 그 다음으로 유효 위험 수치가 높은 무인 비행체(120)를 상기 마스터 무인 비행체(120)로 선정할 수 있다.That is, if the unmanned
상기 메인 제어부(250)는 상기 군집 비행 관리 서버(110), 즉 상기 빅데이터 생성부(210), 상기 빅데이터 AI 처리부(220), 상기 위험 판단부(230), 상기 비행 제어부(240) 등의 동작을 전반적으로 제어할 수 있다.The
이상에서 설명된 장치는 하드웨어 구성 요소, 소프트웨어 구성 요소, 및/또는 하드웨어 구성 요소 및 소프트웨어 구성 요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성 요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented as a hardware component, a software component, and/or a combination of the hardware component and the software component. For example, devices and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable array (FPA), It may be implemented using one or more general purpose or special purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. The processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, although one processing device is sometimes described as being used, one of ordinary skill in the art will recognize that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that can include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or device, to be interpreted by or to provide instructions or data to the processing device. , or may be permanently or temporarily embody in a transmitted signal wave. The software may be distributed over networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.
도 6은 본 발명의 일 실시예에 따른 무인 비행체의 군집 비행 제어 방법을 설명하기 위해 도시한 흐름도이다.6 is a flowchart illustrating a method for controlling group flight of an unmanned aerial vehicle according to an embodiment of the present invention.
여기서 설명하는 무인 비행체의 군집 비행 제어 방법은 본 발명의 하나의 실시예에 불과하며, 그 이외에 필요에 따라 다양한 단계들이 부가될 수 있고, 하기의 단계들도 순서를 변경하여 실시될 수 있으므로, 본 발명이 하기에 설명하는 각 단계 및 그 순서에 한정되는 것은 아니다.The method for controlling group flight of unmanned aerial vehicles described here is only one embodiment of the present invention, and in addition to that, various steps may be added as needed, and the following steps may also be performed by changing the order, so this The invention is not limited to each of the steps described below and their order.
도 1, 도 2 및 도 6을 참조하면, 단계(610)에서 상기 군집 비행 관리 서버(110)의 빅데이터 생성부(210)는 복수의 무인 비행체(120) 각각에 탑재된 센서를 통해 감지된 센싱 데이터를 수신할 수 있다.1, 2 and 6, in
다음으로, 단계(620)에서 상기 빅데이터 생성부(210)는 상기 센싱 데이터를 누적 저장하여 빅데이터를 생성할 수 있다. 이때, 상기 빅데이터 생성부(210)는 상기 센싱 데이터를 시간 및 계절에 따라 누적 저장하여 상기 빅데이터를 생성할 수 있다.Next, in
다음으로, 단계(630)에서 상기 군집 비행 관리 서버(110)의 빅데이터 AI 처리부(220)는 상기 빅데이터를 분석 및 학습하여 상기 복수의 무인 비행체(120) 각각의 현재 비행 상황에 따른 최적의 임계값을 도출할 수 있다. 여기서, 상기 임계값은 현재 비행 상황에 따라 최적으로 도출되는 값이므로 고정된 값이 아니라 가변되는 값으로 이해될 수 있다.Next, in
다음으로, 단계(640)에서 상기 군집 비행 관리 서버(110)의 위험 판단부(230)는 상기 센싱 데이터를 이용하여 상기 복수의 무인 비행체(120) 각각에 대한 비행 위험 수치를 계산할 수 있다.Next, in
이때, 상기 비행 위험 수치가 상기 임계값보다 크거나 같은 경우(650의 "예" 방향), 단계(660)에서 상기 위험 판단부(230)는 상기 비행 위험 수치를 유효 위험 수치로 판단할 수 있다. 반면, 상기 비행 위험 수치가 상기 임계값보다 작은 경우(650의 "아니오" 방향), 본 실시예는 종료된다.At this time, if the flight risk value is greater than or equal to the threshold value (“Yes” direction of 650), the
다음으로, 단계(670)에서 상기 군집 비행 관리 서버(110)의 비행 제어부(240)는 상기 복수의 무인 비행체(120) 중 상기 유효 위험 수치가 가장 높은 무인 비행체(120)를 마스터 무인 비행체(120)로 선정할 수 있다.Next, in
다음으로, 단계(680)에서 상기 비행 제어부(240)는 상기 마스터 무인 비행체(120)를 기준으로 상기 복수의 무인 비행체(120)의 편대 대형을 재편할 수 있다.Next, in
상기 편대 대형의 재편 이후, 상기 비행 위험 수치가 상기 임계값보다 작아지게 되면(690의 "예" 방향), 단계(695)에서 상기 비행 제어부(240)는 상기 복수의 무인 비행체(120)의 편대 대형을 원래의 편대 대형으로 복귀하도록 비행 제어할 수 있다.After the reorganization of the squadron formation, when the flight risk value becomes smaller than the threshold value (“Yes” direction of 690), the
반면, 상기 비행 위험 수치가 상기 임계값보다 작아지지 않은 경우(690의 "아니오" 방향), 상기 비행 제어부(240)는 상기 재편된 편대 대형을 유지하도록 상기 복수의 무인 비행체(120) 각각의 비행을 제어할 수 있다.On the other hand, if the flight risk value is not smaller than the threshold value (the “No” direction of 690), the
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software. Examples of the computer readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CDROMs and DVDs, magneto-optical disks such as floppy disks. hardware devices specially configured to store and execute program instructions, such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with reference to the limited embodiments and drawings, various modifications and variations are possible from the above description by those skilled in the art. For example, the described techniques are performed in an order different from the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result.
그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.
110: 군집 비행 관리 서버
120: 무인 비행체
210: 빅데이터 생성부
220: 빅데이터 AI 처리부
230: 위험 판단부
240: 비행 제어부
250: 메인 제어부110: swarm flight management server
120: unmanned aerial vehicle
210: big data generation unit
220: Big data AI processing unit
230: risk judgment unit
240: flight control
250: main control unit
Claims (12)
기상 정보 제공 서버와 연계하여, 상기 복수의 무인 비행체 각각의 위치 정보를 토대로 해당 지역의 기상 정보를 제공받고, 상기 기상 정보를 상기 빅데이터와 함께 분석 및 학습하여 상기 복수의 무인 비행체 각각의 현재 비행 상황에 따른 최적의 임계값을 도출하는 빅데이터 AI 처리부;
상기 센싱 데이터를 이용하여 상기 복수의 무인 비행체 각각에 대한 비행 위험 수치를 계산하고, 상기 비행 위험 수치가 상기 임계값보다 크거나 같은 경우 상기 비행 위험 수치를 유효 위험 수치로 판단하는 위험 판단부; 및
상기 복수의 무인 비행체 중 상기 유효 위험 수치가 가장 높은 무인 비행체를 마스터 무인 비행체로 선정하고, 상기 마스터 무인 비행체를 기준으로 상기 복수의 무인 비행체의 편대 대형을 재편하는 비행 제어부를 포함하고,
상기 위험 판단부는 상기 비행 위험 수치가 상기 임계값보다 미리 설정된 값 이상으로 큰 경우, 해당 무인 비행체의 하드웨어에 이상이 있는 것으로 판단하고,
상기 비행 제어부는 하드웨어에 이상이 있는 것으로 판단된 상기 해당 무인 비행체가 상기 마스터 무인 비행체로 선정되는 경우 편대 대형을 재편하거나 유지하는 데에 따른 위험성을 고려하여, 상기 복수의 무인 비행체 중 하드웨어에 이상이 없으면서 상기 유효 위험 수치가 상기 해당 무인 비행체 다음으로 높은 무인 비행체를 상기 마스터 무인 비행체로 선정하고,
상기 비행 제어부는 상기 복수의 무인 비행체의 편대 비행 시, 상기 센싱 데이터에 포함된 장애물 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 복수의 무인 비행체가 열에 따라 배치되는 체인형 편대 대형으로 제어하고, 상기 센싱 데이터에 포함된 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 복수의 무인 비행체가 다각형 형태로 배치되는 폐쇄형 편대 대형으로 제어하며, 상기 센싱 데이터에 포함된 장애물 정보 및 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 체인형 편대 대형 및 상기 폐쇄형 편대 대형이 결합된 복합형 편대 대형으로 제어하되, 상기 비행 위험 수치가 상기 임계값보다 작아지는 경우, 상기 복수의 무인 비행체의 편대 대형을 원래의 편대 대형으로 복귀하도록 비행 제어하고,
상기 위치 정보는 GPS 위성을 통해 획득한 좌표와 군집 비행 관리 서버로부터 송신되는 위치 보정 데이터의 합성을 통하여 실시간으로 결정되는 좌표 데이터를 포함함으로써, GPS에서 발생할 수 있는 위치 오차를 최소화하면서 GPS 위성과 기지국에서 제공되는 정보를 통하여 상기 복수의 무인 비행체 각각의 정확한 위치 정보를 인식할 수 있도록 하며, 상기 복수의 무인 비행체 각각이 상기 정확한 위치 정보의 인식에 따라 획득한 상기 좌표 데이터를 토대로 군집 비행을 수행하면서 촬영 영역의 원거리 촬영 영상과 근거리 촬영 영상을 획득할 수 있게 하는 것을 특징으로 하는 무인 비행체의 군집 비행 제어 시스템.
Sensing data (flight information including at least one of flight speed, direction, and altitude, weather information including at least one of temperature, humidity, wind speed, and wind direction, and obstacles and a big data generation unit for receiving (including obstacle information including at least one of distance and direction) and accumulating and storing the sensed data according to time and season to generate big data;
In connection with the weather information providing server, each of the plurality of unmanned aerial vehicles receives the weather information of the region based on the location information of each of the plurality of unmanned aerial vehicles, and analyzes and learns the weather information together with the big data to learn the current flight of each of the plurality of unmanned aerial vehicles. Big data AI processing unit that derives an optimal threshold value according to the situation;
a risk determination unit for calculating a flight risk value for each of the plurality of unmanned aerial vehicles by using the sensing data, and determining the flight risk value as an effective risk value when the flight risk value is greater than or equal to the threshold value; and
A flight control unit for selecting an unmanned aerial vehicle having the highest effective risk value among the plurality of unmanned aerial vehicles as a master unmanned aerial vehicle, and reorganizing the formation of a squadron of the plurality of unmanned aerial vehicles based on the master unmanned aerial vehicle;
The risk determination unit determines that there is an abnormality in the hardware of the unmanned aerial vehicle when the flight risk value is greater than the threshold value by more than a preset value,
The flight controller considers the risk of reorganizing or maintaining a squadron formation when the unmanned aerial vehicle determined that there is an abnormality in the hardware is selected as the master unmanned aerial vehicle, and there is an error in hardware among the plurality of unmanned aerial vehicles. Selecting an unmanned aerial vehicle having the second highest effective risk value next to the corresponding unmanned aerial vehicle as the master unmanned aerial vehicle,
The flight control unit is a chain type in which the plurality of unmanned aerial vehicles are arranged according to a row when the flight risk value is determined as the effective risk value through the obstacle information included in the sensing data during flight in formation of the plurality of unmanned aerial vehicles Control as a formation formation, and when the flight risk value is determined as the effective risk value through the weather information included in the sensing data, control to a closed formation formation in which the plurality of unmanned aerial vehicles are arranged in a polygonal shape, the When the flight risk value is determined to be the effective risk value through the obstacle information and weather information included in the sensing data, the chain type formation and the closed formation formation are combined to control the combined formation formation, but the flight When the risk value becomes smaller than the threshold, flight control to return the formation of the plurality of unmanned aerial vehicles to the original formation,
The location information includes coordinate data determined in real time through a combination of coordinates acquired through GPS satellites and location correction data transmitted from a cluster flight management server, thereby minimizing a location error that may occur in GPS while minimizing location errors between GPS satellites and base stations. It is possible to recognize the accurate location information of each of the plurality of unmanned aerial vehicles through the information provided in the , and each of the plurality of unmanned aerial vehicles performs group flight based on the coordinate data obtained according to the recognition of the accurate location information. A swarm flight control system of an unmanned aerial vehicle, characterized in that it enables to acquire a long-distance image and a short-range image of the shooting area.
상기 군집 비행 관리 서버의 빅데이터 생성부가 복수의 무인 비행체 각각에 탑재된 센서를 통해 감지된 센싱 데이터(비행 속도, 방향, 고도 중 적어도 하나를 포함하는 비행 정보와 온도, 습도, 풍속, 풍향 중 적어도 하나를 포함하는 기상 정보, 및 장애물과의 거리 및 방향 중 적어도 하나를 포함하는 장애물 정보를 포함함)를 수신하고, 상기 센싱 데이터를 시간 및 계절에 따라 누적 저장하여 빅데이터를 생성하는 단계;
상기 군집 비행 관리 서버의 빅데이터 AI 처리부가 기상 정보 제공 서버와 연계하여, 상기 복수의 무인 비행체 각각의 위치 정보를 토대로 해당 지역의 기상 정보를 제공받고, 상기 기상 정보를 상기 빅데이터와 함께 분석 및 학습하여 상기 복수의 무인 비행체 각각의 현재 비행 상황에 따른 최적의 임계값을 도출하는 단계;
상기 군집 비행 관리 서버의 위험 판단부가 상기 센싱 데이터를 이용하여 상기 복수의 무인 비행체 각각에 대한 비행 위험 수치를 계산하고, 상기 비행 위험 수치가 상기 임계값보다 크거나 같은 경우 상기 비행 위험 수치를 유효 위험 수치로 판단하는 단계;
상기 군집 비행 관리 서버의 비행 제어부가 상기 복수의 무인 비행체 중 상기 유효 위험 수치가 가장 높은 무인 비행체를 마스터 무인 비행체로 선정하는 단계;
상기 비행 제어부가 상기 마스터 무인 비행체를 기준으로 상기 복수의 무인 비행체의 편대 대형을 재편하는 단계;
상기 비행 위험 수치가 상기 임계값보다 미리 설정된 값 이상으로 큰 경우, 상기 위험 판단부가 해당 무인 비행체의 하드웨어에 이상이 있는 것으로 판단하는 단계; 및
상기 빅데이터 AI 처리부가 기상 정보 제공 서버와 연계하여, 상기 복수의 무인 비행체 각각의 위치 정보를 토대로 해당 지역의 기상 정보를 제공받는 단계를 포함하고,
상기 마스터 무인 비행체로 선정하는 단계는 하드웨어에 이상이 있는 것으로 판단된 상기 해당 무인 비행체가 상기 마스터 무인 비행체로 선정되는 경우 편대 대형을 재편하거나 유지하는 데에 따른 위험성을 고려하여, 상기 복수의 무인 비행체 중 하드웨어에 이상이 없으면서 상기 유효 위험 수치가 상기 해당 무인 비행체 다음으로 높은 무인 비행체를 상기 마스터 무인 비행체로 선정하는 단계를 포함하고,
상기 최적의 임계값을 도출하는 단계는 기상 정보 제공 서버와 연계하여, 상기 복수의 무인 비행체 각각의 위치 정보를 토대로 해당 지역의 기상 정보를 제공받는 단계; 및 상기 기상 정보를 상기 빅데이터와 함께 분석 및 학습하여 상기 복수의 무인 비행체 각각의 현재 비행 상황에 따른 최적의 임계값을 도출하는 단계를 포함하고,
상기 비행 제어부는 상기 복수의 무인 비행체의 편대 비행 시, 상기 센싱 데이터에 포함된 장애물 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 복수의 무인 비행체가 열에 따라 배치되는 체인형 편대 대형으로 제어하고, 상기 센싱 데이터에 포함된 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 복수의 무인 비행체가 다각형 형태로 배치되는 폐쇄형 편대 대형으로 제어하며, 상기 센싱 데이터에 포함된 장애물 정보 및 기상 정보를 통해 상기 비행 위험 수치가 상기 유효 위험 수치로 판단된 경우, 상기 체인형 편대 대형 및 상기 폐쇄형 편대 대형이 결합된 복합형 편대 대형으로 제어하되, 상기 비행 위험 수치가 상기 임계값보다 작아지는 경우, 상기 복수의 무인 비행체의 편대 대형을 원래의 편대 대형으로 복귀하도록 비행 제어하고,
상기 위치 정보는 GPS 위성을 통해 획득한 좌표와 군집 비행 관리 서버로부터 송신되는 위치 보정 데이터의 합성을 통하여 실시간으로 결정되는 좌표 데이터를 포함함으로써, GPS에서 발생할 수 있는 위치 오차를 최소화하면서 GPS 위성과 기지국에서 제공되는 정보를 통하여 상기 복수의 무인 비행체 각각의 정확한 위치 정보를 인식할 수 있도록 하며, 상기 복수의 무인 비행체 각각이 상기 정확한 위치 정보의 인식에 따라 획득한 상기 좌표 데이터를 토대로 군집 비행을 수행하면서 촬영 영역의 원거리 촬영 영상과 근거리 촬영 영상을 획득할 수 있게 하는 것을 특징으로 하는 무인 비행체의 군집 비행 제어 방법.In the swarm flight control method of an unmanned aerial vehicle using a swarm flight management server,
Sensing data (flight information including at least one of flight speed, direction, and altitude, and temperature, humidity, wind speed, and wind direction) detected through a sensor mounted on each of a plurality of unmanned aerial vehicles by the big data generation unit of the cluster flight management server. generating big data by receiving weather information including one, and obstacle information including at least one of distance and direction from the obstacle, and accumulating and storing the sensed data according to time and season;
The big data AI processing unit of the cluster flight management server is linked with the weather information providing server to receive the weather information of the region based on the location information of each of the plurality of unmanned aerial vehicles, and analyze the weather information together with the big data and deriving an optimal threshold value according to the current flight situation of each of the plurality of unmanned aerial vehicles by learning;
The risk determination unit of the cluster flight management server calculates a flight risk value for each of the plurality of unmanned aerial vehicles using the sensing data, and when the flight risk value is greater than or equal to the threshold value, the flight risk value is used as an effective risk determining numerically;
selecting, by the flight control unit of the cluster flight management server, the unmanned aerial vehicle having the highest effective risk level among the plurality of unmanned aerial vehicles as the master unmanned aerial vehicle;
reorganizing, by the flight control unit, the formation of a squadron of the plurality of unmanned aerial vehicles based on the master unmanned aerial vehicle;
If the flight risk value is greater than a preset value or more than the threshold value, determining that there is an abnormality in the hardware of the unmanned aerial vehicle by the risk determination unit; and
and receiving, by the big data AI processing unit, weather information of a corresponding area based on the location information of each of the plurality of unmanned aerial vehicles in connection with a weather information providing server,
In the step of selecting the master unmanned aerial vehicle, when the corresponding unmanned aerial vehicle determined to have a hardware problem is selected as the master unmanned aerial vehicle, taking into account the risk of reorganizing or maintaining a squadron formation, the plurality of unmanned aerial vehicles Including the step of selecting an unmanned aerial vehicle having the highest effective risk value next to the corresponding unmanned aerial vehicle as the master unmanned aerial vehicle while there is no hardware abnormality,
The step of deriving the optimal threshold may include: receiving weather information of a corresponding area based on the location information of each of the plurality of unmanned aerial vehicles in connection with a weather information providing server; and analyzing and learning the weather information together with the big data to derive an optimal threshold value according to the current flight situation of each of the plurality of unmanned aerial vehicles,
The flight control unit is a chain type in which the plurality of unmanned aerial vehicles are arranged according to a row when the flight risk value is determined as the effective risk value through the obstacle information included in the sensing data during flight in formation of the plurality of unmanned aerial vehicles Control as a formation formation, and when the flight risk value is determined as the effective risk value through the weather information included in the sensing data, control to a closed formation formation in which the plurality of unmanned aerial vehicles are arranged in a polygonal shape, the When the flight risk value is determined as the effective risk value through the obstacle information and weather information included in the sensing data, the chain type formation and the closed formation formation are combined to control the combined formation formation, When the risk value becomes smaller than the threshold, flight control to return the formation of the plurality of unmanned aerial vehicles to the original formation,
The location information includes coordinate data determined in real time through a combination of coordinates acquired through GPS satellites and location correction data transmitted from a cluster flight management server, thereby minimizing a location error that may occur in GPS while minimizing location errors between GPS satellites and base stations. to recognize the precise location information of each of the plurality of unmanned aerial vehicles through the information provided in A swarm flight control method of an unmanned aerial vehicle, characterized in that it is possible to acquire a long-distance image and a short-range image of the shooting area.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190090083A KR102263307B1 (en) | 2019-07-25 | 2019-07-25 | System and method for controlling cluster flight of unmanned aerial vehicle |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190090083A KR102263307B1 (en) | 2019-07-25 | 2019-07-25 | System and method for controlling cluster flight of unmanned aerial vehicle |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210012414A KR20210012414A (en) | 2021-02-03 |
| KR102263307B1 true KR102263307B1 (en) | 2021-06-09 |
Family
ID=74572525
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190090083A KR102263307B1 (en) | 2019-07-25 | 2019-07-25 | System and method for controlling cluster flight of unmanned aerial vehicle |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102263307B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230114807A (en) | 2022-01-24 | 2023-08-02 | 한국전력공사 | System and Method for unmanned inspection of offshore wind power generation tower using drone |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113108653B (en) * | 2021-04-21 | 2022-02-22 | 中国人民解放军军事科学院国防科技创新研究院 | Missile cluster intelligent cooperation system and implementation method thereof |
| CN113238583B (en) * | 2021-07-14 | 2021-09-24 | 四川腾盾科技有限公司 | Intensive formation flying and anti-collision control method for fixed-wing unmanned aerial vehicles |
| CN113537838A (en) * | 2021-08-16 | 2021-10-22 | 上海志茗航空科技有限公司 | Product full-data intelligent management system for large-load mooring unmanned aerial vehicle |
| CN113885560B (en) * | 2021-09-29 | 2023-06-06 | 中国地质科学院地球物理地球化学勘查研究所 | Unmanned aerial vehicle cluster ground-air transient electromagnetic measurement method suitable for landslide rapid investigation |
| CN113741548A (en) * | 2021-10-20 | 2021-12-03 | 北京机电工程研究所 | Nonlinear cooperative guidance method and device for formation of unmanned aerial vehicles and storage medium |
| CN115884103A (en) * | 2022-11-29 | 2023-03-31 | 亿航智能设备（广州）有限公司 | Method, system and medium for relay data transmission of formation unmanned aerial vehicle |
| CN116483096B (en) * | 2023-06-25 | 2023-09-22 | 中国第一汽车股份有限公司 | Vehicle formation control method, system, cloud platform and storage medium |
| CN116841315B (en) * | 2023-07-03 | 2024-09-06 | 山东东伦泰信息科技有限公司 | Radar information analysis management system and method based on big data |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017504851A (en) * | 2014-09-05 | 2017-02-09 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ | Method and system for controlling the speed of an unmanned aerial vehicle |
| KR101840820B1 (en) * | 2016-09-28 | 2018-03-22 | 주식회사 빅스 | Method for generating 3-dementional augmented reality flight video |
| KR101934300B1 (en) * | 2017-05-24 | 2019-01-03 | (주)스마트모션 | Apparatus of controlling drone and method of controlling formation flight using the same |
-
2019
- 2019-07-25 KR KR1020190090083A patent/KR102263307B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017504851A (en) * | 2014-09-05 | 2017-02-09 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ | Method and system for controlling the speed of an unmanned aerial vehicle |
| KR101840820B1 (en) * | 2016-09-28 | 2018-03-22 | 주식회사 빅스 | Method for generating 3-dementional augmented reality flight video |
| KR101934300B1 (en) * | 2017-05-24 | 2019-01-03 | (주)스마트모션 | Apparatus of controlling drone and method of controlling formation flight using the same |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230114807A (en) | 2022-01-24 | 2023-08-02 | 한국전력공사 | System and Method for unmanned inspection of offshore wind power generation tower using drone |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210012414A (en) | 2021-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102263307B1 (en) | System and method for controlling cluster flight of unmanned aerial vehicle | |
| US11776413B2 (en) | Aerial vehicle flight control method and device thereof | |
| US11834173B2 (en) | Anchored aerial countermeasures for rapid deployment and neutralizing of target aerial vehicles | |
| CN111656424B (en) | Automatic flying unmanned aerial vehicle system based on big data and automatic flying method thereof | |
| US10607406B2 (en) | Automated and adaptive three-dimensional robotic site surveying | |
| US20200130864A1 (en) | Long-duration, fully autonomous operation of rotorcraft unmanned aerial systems including energy replenishment | |
| EP3077879B1 (en) | Imaging method and apparatus | |
| US11715072B2 (en) | System, devices and methods for tele-operated robotics | |
| KR102386831B1 (en) | System and method for processing unmanned flight vehicle leaving formation in cluster flight | |
| Kim et al. | Landing control on a mobile platform for multi-copters using an omnidirectional image sensor | |
| CN110226143A (en) | The method of leading unmanned plane | |
| KR102289752B1 (en) | A drone for performring route flight in gps blocked area and methed therefor | |
| EP3077880B1 (en) | Imaging method and apparatus | |
| KR102269792B1 (en) | Method and apparatus for determining altitude for flying unmanned air vehicle and controlling unmanned air vehicle | |
| CN112789672A (en) | Control and navigation system, attitude optimization, mapping and positioning technology | |
| US20230152123A1 (en) | Route planning for a ground vehicle through unfamiliar terrain | |
| US10557718B2 (en) | Auxiliary control method and system for unmanned aerial vehicle | |
| CN115328212A (en) | Target tracking method and device based on unmanned aerial vehicle pod | |
| CN112650271A (en) | Unmanned aerial vehicle over-the-horizon flight system and method based on star chain and 5G technology | |
| KR102258731B1 (en) | System and method for controlling flight sequence of unmanned aerial vehicle | |
| CN109270957A (en) | A kind of plant protection system and its flying vehicles control method and apparatus | |
| KR102332039B1 (en) | System and method for managing cluster flight of unmanned aerial vehicle | |
| GB2522328A (en) | Payload delivery | |
| US11514799B2 (en) | Systems and methods for maneuvering an aerial vehicle during adverse weather conditions | |
| JP7130409B2 (en) | Control device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |