WO2017177533A1 - 基于激光雷达的微型无人机操控方法及系统 - Google Patents

基于激光雷达的微型无人机操控方法及系统 Download PDF

Info

Publication number
WO2017177533A1
WO2017177533A1 PCT/CN2016/085807 CN2016085807W WO2017177533A1 WO 2017177533 A1 WO2017177533 A1 WO 2017177533A1 CN 2016085807 W CN2016085807 W CN 2016085807W WO 2017177533 A1 WO2017177533 A1 WO 2017177533A1
Authority
WO
WIPO (PCT)
Prior art keywords
drone
information
uav
laser ranging
based micro
Prior art date
Application number
PCT/CN2016/085807
Other languages
English (en)
French (fr)
Inventor
鲍静云
王亚
范晋红
殷兰兰
Original Assignee
深圳市龙云创新航空科技有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 深圳市龙云创新航空科技有限公司 filed Critical 深圳市龙云创新航空科技有限公司
Publication of WO2017177533A1 publication Critical patent/WO2017177533A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/102—Simultaneous control of position or course in three dimensions specially adapted for aircraft specially adapted for vertical take-off of aircraft
    • 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
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
    • 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

Definitions

  • the invention relates to the technical field of drones, in particular to a method and system for controlling a micro drone based on a laser radar.
  • IMU Inertial measurement unit, inertial measurement unit.
  • the existing low-altitude complex environment navigation technology in the industry has high requirements on the environment, low anti-interference ability and low reliability, and the algorithm is complex, the hardware consumption is huge, and the real-time and accuracy have high requirements on software and hardware. Therefore, it is necessary to make improvements.
  • an object of the present invention is to provide a laser radar-based micro drone control method, and also provide a laser radar-based micro drone control system.
  • the invention provides a laser radar-based micro drone control method, comprising the following steps:
  • the UAV pose is solved according to the inertial measurement unit and the collected information, and the posture is solved by using an artificial icon; the calculation of the added value of the posture is performed by using the ICP algorithm; and the obtained pose information is obtained.
  • the error analysis is performed separately from the pose information obtained by the inertial measurement unit; the information fusion is performed according to the error analysis result, and accurate pose information is obtained.
  • the pose solution is solved by a singular value decomposition method.
  • the synchronous positioning and map construction comprises: constructing a random target into a map and predicting a trajectory of the random target object; performing path planning in a dynamic environment to prevent the drone from colliding with the random target object and taking time The shortest to reach the destination; the construction contains static A map of state feature points and dynamic random target trajectories.
  • the unmanned aerial vehicle is synchronously positioned and the environmental feature map is created.
  • synchronous positioning and map construction includes:
  • the obtained information is segmented and extracted, and a straight line feature is used to represent the map.
  • the dynamic route planning uses the pose solution and the synchronous positioning and map construction algorithm to calculate the current position coordinates of the drone, the target position coordinates, and the to-fly distance ⁇ x and the lateral offset ⁇ y of the drone, and convert them into It is the pitch angle ⁇ _cmd and the roll angle ⁇ _cmd of the attitude control loop.
  • Kxp is the proportional coefficient of the fly-by-fly distance control
  • Kxt is the integral coefficient of the fly-by-fly distance control
  • KxD is the differential coefficient of the fly-by-fly distance control
  • the present invention also provides a laser radar-based micro drone control system, comprising:
  • UAV flight control module laser ranging radar module and motor, among which:
  • the laser ranging radar module is located at the top of the drone for collecting real-time laser ranging information
  • the laser ranging radar module and the motor are both connected to the UAV flight control module, and the UAV flight control module is configured to perform the UAV posture according to the laser ranging information. Solution, simultaneous positioning and map construction, and dynamic route planning to generate motor drive signals to control drone flight.
  • the invention also provides a laser radar-based micro drone control system, comprising:
  • a first module configured to perform acquisition of real-time laser ranging information
  • the second module is configured to perform unmanned vehicle pose solving, synchronous positioning and map construction, and dynamic route planning according to the laser ranging information to generate a motor driving signal, thereby controlling the drone flight.
  • the invention has the beneficial effects that the present invention provides a laser radar-based micro drone control method and a control system, and the laser ranging radar is optimized by algorithm and flight control to form a set with obstacle avoidance and independent planning path.
  • the man-machine flight control navigation system solves the problem that the existing aircraft is not safe to fly in a complex environment. It can realize the function of obstacle avoidance and self-optimized flight path of micro drones, enabling micro drones to fly safely indoors or in low-level complex environments.
  • the micro-UAV obstacle avoidance and autonomous navigation system based on laser ranging radar has the following advantages: low hardware cost; suitable for indoor or low-level complex environment, with all-weather capability; strong electromagnetic interference capability, not easy to be affected by the environment The influence of temperature and sunlight; strong anti-stealth ability, can penetrate certain shelters, camouflage and shelter; with high distance, angle and speed resolution, can obtain multiple data of target at the same time. It has realized the key technology of autonomous navigation of low-altitude complex environment drones to the civilian field, reducing the hardware cost and improving the reliability of low-altitude complex environment navigation.
  • FIG. 1 is a schematic diagram of a drone control system based on a laser ranging radar according to an embodiment of the present invention
  • FIG. 2 is a schematic view showing the operation of a laser ranging radar according to an embodiment of the present invention
  • FIG. 3 is a schematic diagram of a process of creating a synchronization positioning and map construction algorithm according to an embodiment of the present invention
  • FIG. 4 is a schematic diagram of a dynamic route planning algorithm according to an embodiment of the present invention.
  • FIG. 5 is a schematic diagram of a pose loop control according to an embodiment of the present invention.
  • the UAV obstacle avoidance and autonomous navigation system is composed of a laser ranging radar module and a flight control system.
  • the laser ranging radar transmits the collected distance data and visual data to the UAV flight control system in real time, and the flight control system passes through the internal control system.
  • the central processor parses out the data information of the ranging radar, and processes it through various algorithms such as pose solving, map construction and dynamic obstacle avoidance, and fuses with the aircraft attitude through a special algorithm, and converts it into a motor drive signal to control the drone flight.
  • the laser ranging radar module performs 360-degree omnidirectional scanning ranging detection; the laser ranging radar module is located at the top of the drone; and the laser ranging radar module and the motor are connected with the drone flight control module.
  • the invention provides a laser radar-based micro drone control system, comprising:
  • UAV flight control module laser ranging radar module and motor, among which:
  • the laser ranging radar module is located at the top of the drone for collecting real-time laser ranging information
  • the laser ranging radar module and the motor are both connected to the UAV flight control module, and the UAV flight control module is configured to perform the UAV posture calculation, the synchronization positioning and the map construction and the dynamic according to the laser ranging information. Route planning to generate motor drive signals to control drone flight.
  • the laser ranging radar module includes a visual acquisition system. Specifically, the laser ranging radar module performs 360-degree omnidirectional scanning ranging detection.
  • the present invention also provides a laser radar-based micro drone control system, comprising:
  • a first module configured to perform acquisition of real-time laser ranging information
  • the second module is configured to perform unmanned vehicle pose solving, synchronous positioning and map construction, and dynamic route planning according to the laser ranging information to generate a motor driving signal, thereby controlling the drone flight.
  • the laser ranging radar adopts the laser triangulation technology and cooperates with the integrated high-speed visual acquisition processing structure to perform the ranging operation of up to 2000 times per second.
  • the modulated infrared laser signal is transmitted.
  • the reflected light generated by the laser signal after being irradiated to the target object will be received by the visual acquisition system of the ranging radar.
  • the distance value of the irradiated target object and the ranging radar and the current angle information will be output from the communication interface.
  • the distance measuring core is rotated clockwise under the driving of the motor structure, thereby realizing 360 degree omnidirectional scanning ranging detection of the environment.
  • the bottleneck faced by drone avoidance and autonomous navigation technology is mainly the navigation technology of indoor unknown environment.
  • the indoor environment is unknown and complex.
  • the so-called unknown is manifested in the fact that the drone has no knowledge of the indoor environment. It does not know the size of the indoor environment, the shape and distribution of obstacles, and there is no manual reference.
  • the complexity is manifested in the environment where the drone is in a lot of uncertainty and randomness, such as the random arrangement or mutual occlusion of the obstacles, and the indoor illumination changes due to the different angles of the drone.
  • a series of studies have been carried out on the navigation control of the indoor unknown environment, but a unified and perfect system has not yet been formed, and many key theories and technologies have not yet been solved and improved.
  • the laser ranging radar module used in the invention has the characteristics of high measuring speed, high measuring precision, insensitivity to noise and light intensity in the environment, and meets the real-time and accuracy of the navigation needs of the drone, and the flight control system. Matching and fusion, breaking through the key technologies to realize the obstacle avoidance of micro-UAVs.
  • UAV dynamic obstacle avoidance control technology During the mission execution process, the perception of the environment and the detection and avoidance of danger are necessary conditions for the safety of the drone. Therefore, the UAV needs to be in the whole flight process. The dynamic and static target objects encountered are detected and a reasonable route is avoided to avoid obstacles.
  • UAV real-time dynamic route planning technology In order to avoid the collision of the drone with the random target and the shortest time to reach the direction point, the path planning needs to be carried out in the dynamic environment.
  • a laser radar-based micro drone control method includes the following steps:
  • UAV pose calculation synchronization positioning and map construction based on the laser ranging information Construction and dynamic route planning to generate motor drive signals to control drone flight.
  • the collecting real-time laser ranging information includes:
  • the laser signal is emitted to the target object
  • the UAV pose is solved according to the inertial measurement unit and the collected information, and the posture is solved by using an artificial icon;
  • the pose solution is solved by a singular value decomposition method.
  • the synchronous positioning and map construction includes:
  • the unmanned aerial vehicle is synchronously positioned and the environmental feature map is created.
  • synchronous positioning and map construction includes:
  • the obtained information is segmented and extracted, and a straight line feature is used to represent the map.
  • the dynamic route planning uses the pose solution and the synchronous positioning and map construction algorithm to calculate the current position coordinates of the drone, the target position coordinates, and the to-fly distance ⁇ x and the side offset ⁇ y of the drone, and It is converted into the pitch angle ⁇ _cmd of the attitude control loop and the roll angle ⁇ _cmd.
  • Kxp is the proportional coefficient of the fly-by-fly distance control
  • Kxt is the integral coefficient of the fly-by-fly distance control
  • KxD is the differential coefficient of the fly-by-fly distance control
  • the invention adopts a small-sized, light-weight and good-performance laser ranging radar module combined with the UAV flight control system, and simultaneously optimizes the pose solving algorithm, the map building algorithm and the dynamic obstacle avoiding scheme on the software to achieve reliability. Obstacle avoidance and autonomous navigation.
  • the position calculation of the drone is very important and necessary for various applications such as navigation and positioning of the drone.
  • the more accurate UAV attitude information is the premise that all applications that use UAV poses can get better results.
  • Due to the payload and endurance of the micro drone the inertial measurement unit capable of carrying a more accurate attitude angle measurement cannot be carried. Therefore, the present invention utilizes a less accurate IMU and information obtained by other means, such as image matching, artificial icons. Wait for information fusion to get a more accurate result of pose estimation.
  • the process of estimating the pose of a micro drone includes the following aspects:
  • the invention adopts the singular value decomposition method (SVD), and the SVD can calculate the pose more accurately, and the essence thereof is to calculate the coordinates of the centroid of the point set in the two coordinate systems. It is assumed that they have a coordinate transformation relationship represented by the following formula (1), and the minimum deviation fit of all points in the two coordinate systems is achieved.
  • SVD singular value decomposition method
  • V1, v2, and -v3 are the first column, the second column, and the third column of the matrix V, respectively;
  • the value of the attitude of the drone can be obtained.
  • R ij represents the i-th row and j-th column element of the matrix R
  • SLAM Simultaneous Localization and Mapping
  • the SLAM algorithm first extracts the scene feature as a landmark, solves the position of the landmark relative to the carrier, and finally obtains and records the location of the landmark in the map in combination with the position of the carrier itself. After the indoor drone enters the area again, the global location information of the drone can be judged by matching the recorded landmark template.
  • the research focus of SLAM algorithm is on the representation of landmarks, data association and accumulation error caused by observation error, pose error and error data association.
  • the method of extended Kalman filtering can effectively improve the accuracy and robustness of map establishment.
  • Related research has already begun in the field of ground robots and has achieved fruitful results. However, indoor drones have more degrees of freedom and less load, which brings new challenges to the description method of landmarks in SLAM algorithm.
  • the invention mainly comprises the following parts:
  • the geometric feature map was first developed by Lu and Milios using a laser range finder to extract data and extract linear features. It is also a compact map representation. Most environments, especially indoor environments, use geometric features such as lines, circles, arcs, etc. to describe the map accurately.
  • the geometric feature map stores small amount of information, facilitates pose estimation and target recognition, and has been widely used in robot navigation and path planning.
  • FIG. 3 it is a schematic diagram of a creation process in a synchronous positioning and map construction algorithm according to an embodiment of the present invention.
  • the creation of a partial map based on the laser range finder is described by a geometric feature map, and the creation process is as shown in FIG.
  • the data collected by the laser range finder is a point set. There is no direct map. After filtering, the noise must be removed to remove the noise, and then the region segmentation and feature extraction are performed. Finally, the linear feature is used to represent the map.
  • the synchronization positioning and map construction algorithm is implemented as follows:
  • the SLAM algorithm adopts the feature map expression environment.
  • the pose of the drone k is expressed as the following vector:
  • the parameter of each feature f i is represented as a vector
  • the UAV pose vector and the parameter vectors of the n features form a joint state vector, as follows:
  • X k represents pose information and environment map information of the drone in the global reference coordinate system.
  • the state X k uses a mean The variance is described by the Gaussian distribution of P kk .
  • the drone moves from X r,k to X r,k+1 .
  • the estimation of state X k+1 can be obtained by the following two steps:
  • u k is the corresponding control input of the system
  • ⁇ k is the noise describing u k , assuming that it obeys a Gaussian distribution with mean zero variance of Q k , ie
  • kinematic prediction is performed on the state X k+1 at time k+1 by the estimation of the system state X k at time k :
  • the observation of the environment by the drone is a relative measure between the position and characteristic parameters of the drone itself, that is, the observation is a function of the state X k :
  • v k is the sensor observation noise, assuming that it obeys a Gaussian distribution with a mean of zero variance of R k , ie:
  • the measurement of the state X k+1 is updated based on the deviation of the observed value from the predicted value:
  • the algorithm By iteratively performing the above kinematic predictions and measurement updates, the algorithm simultaneously locates the drone and creates an environmental feature map.
  • the perception of the environment and the detection and avoidance of danger are necessary conditions for the safety of the drone.
  • the drone needs to detect the dynamic and static target objects encountered and plan a reasonable route to avoid obstacles.
  • the UAV may encounter an emergency at any time during the flight, it is necessary to explore no one.
  • Emergency landing technology According to laser ranging, vision and other information, the research on indoor drone perception and avoidance is carried out, focusing on moving targets, emergency landing areas and planning routes, including three parts:
  • Airborne motion target detection and 3D motion trend analysis techniques 1. Airborne motion target detection and 3D motion trend analysis techniques
  • the dynamic route planning control loop uses PID control to convert the position deviation into a corresponding attitude angle. If you need to fly forward, convert the forward distance to the corresponding pitch angle.
  • FIG. 4 it is a schematic diagram of a dynamic route planning algorithm according to an embodiment of the present invention.
  • the coordinate system of the UAV is the right-handed system.
  • the OX axis of the body coordinate system is the direction in which the nose is pointed, that is, the forward direction of the UAV.
  • the corresponding coordinate is called the to-be-flying distance;
  • the OZ axis of the body coordinate system is positive.
  • the OY axis of the body coordinate system is perpendicular to the forward direction of the drone, pointing to the right, and the corresponding coordinate is called the side offset.
  • FIG. 5 there is shown a schematic diagram of a pose loop control in accordance with an embodiment of the present invention.
  • the dynamic route planning needs to calculate the current position coordinates of the drone by the pose solving and map construction algorithm.
  • the difference between the target position and the current position is used as the to-fly distance ⁇ x and the lateral offset ⁇ y of the drone, which is transformed by a special algorithm. It is the pitch angle ⁇ _cmd and the roll angle ⁇ _cmd of the attitude control loop.
  • the control method of the flight distance control loop and the side offset control loop is the same as the flight distance control loop as an example.
  • the control law is as follows:
  • Kxp is the proportional coefficient of the fly-by-fly distance control
  • Kxt is the integral of the fly-by-fly distance control
  • the coefficient, KxD is the differential coefficient of the fly length control.
  • the differential term uses the differential method to calculate the moving speed of the drone.
  • the invention is applied to a micro drone product, and the composition thereof comprises: a laser ranging radar module and a drone flight control system.
  • the drone can avoid obstacles in the indoor or low-space complex environment in time to prevent accidental collisions, and at the same time independently select the best route for safe flight, thereby achieving the purpose of obstacle avoidance and autonomous navigation.
  • the implementation method is as follows: a laser ranging radar module is installed on the top of the unmanned aerial vehicle, and the collected environmental data is transmitted to the central processing unit inside the drone in real time, and the environmental data is solved for special posture and map. Algorithms such as construction and dynamic obstacle avoidance are used to control the drones together with the attitude control data of the flight control system to achieve obstacle avoidance and autonomous optimization of flight path functions.
  • the invention installs a laser ranging radar module on the top of the aircraft, and transmits the collected information to the processor inside the aircraft, and after the fusion operation of various algorithms such as pose control, map construction and dynamic obstacle avoidance,
  • the control system jointly controls the aircraft to achieve obstacle avoidance and autonomously optimize the flight path.
  • the low-altitude complex environment micro-unmanned airborne autonomous navigation system based on laser ranging radar is adopted by the invention, and the data points with reliable measurement accuracy and measuring distance information can be well reflected in indoor and low-level complex environments.
  • the obstacle information is a good complement to the existing technology bottleneck.

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于激光雷达的微型无人机操控方法，包括：采集实时激光测距信息；根据所述激光测距信息进行无人机位姿求解、同步定位与地图构建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。一种基于激光雷达的微型无人机操控系统，包括：无人机飞控模块、激光测距雷达模块和电机。所述方法和系统实现了把低空复杂环境无人机自主导航关键技术推向民用领域，降低硬件成本的同时提高了低空复杂环境导航的可靠性。所述方法和系统广泛应用于无人机技术领域。

Description

基于激光雷达的微型无人机操控方法及系统 技术领域
本发明涉及无人机技术领域，具体为基于激光雷达的微型无人机操控方法及系统。
背景技术
IMU:Inertial measurement unit，惯性测量单元。
近年来，随着无人机产品的广泛推广，无人机的导航技术有了较大的发展，伴随着电子学和远程通信的进步，实现了远距离无线导航系统，例如相控阵雷达和GPS等技术，但大部分导航技术只适用于室外空旷的场地，无法适用于低空复杂环境，特别是室内未知环境的导航。虽然目前行业内已有类似的室内或低空复杂环境下的导航技术，例如基于视觉信息的地标识别与导航技术，其适用环境有限，对环境的光线有很高要求，并且视觉算法复杂，硬件消耗大，实时性与精确性对软硬件具有较高的要求；基于声纳传感器的导航技术，由于测量误差较大，获取的环境信息量较小，也无法在复杂的室内环境中应用，若采用多个声纳传感器阵列的方式以获得较多的环境信息量时，由于声纳传感器的以散射角发射的扇形区域，室内环境较拥挤时可能产生串扰，导致距离测量信息不准确；基于光流传感器的姿态估计及运动恢复算法虽然能够较好地适用于陌生环境的自主导航，但视觉信息解算速度和光流可靠程度仍待提高。因此，低空复杂环境的自主导航一直是微型无人机大范围应用的瓶颈。
目前行业内现有的低空复杂环境导航技术，对环境要求较高，抗干扰能力和可靠程度低，并且算法复杂，硬件消耗巨大，实时性与精确性对软硬件具有较高的要求。因此，有必要进行改进。
发明内容
为了解决上述技术问题，本发明的目的是提供一种基于激光雷达的微型无人机操控方法，还提供一种基于激光雷达的微型无人机操控系统。
本发明所采用的技术方案是：
本发明提供一种基于激光雷达的微型无人机操控方法，包括以下步骤：
采集实时激光测距信息；
根据所述激光测距信息进行无人机位姿求解、同步定位与地图构建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。作为该技术方案的改进，所述无人机位姿求解根据惯性测量单元以及采集的信息，利用人工图标进行位姿解算；利用ICP算法进行姿态的增加值的计算；对得到的位姿信息与惯性测量单元得到的位姿信息分别进行误差分析；根据误差分析结果进行信息融合，得到准确的位姿信息。
进一步地，所述位姿解算采用奇异值分解法进行求解。
进一步地，所述同步定位与地图构建，其包括：将随机目标构建到地图中，并预测随机目标物体的轨迹；在动态环境中进行路径规划，避免无人机与随机目标物体碰撞并耗时最短的到达目的地；构建包含静 态特征点和动态随机目标轨迹的地图。
进一步地，通过迭代执行运动学预测算法和测量更新算法,同步定位无人机并创建环境特征地图。
进一步地，所述同步定位与地图构建，其包括：
采集数据信息，并进行滤波处理去除噪音；
对所得信息进行区域分割和特征提取，采取直线特征来表示地图。
进一步地，动态航线规划利用位姿求解和同步定位与地图构建算法计算出无人机的当前位置坐标、目标位置坐标，以及无人机的待飞距Δx、侧偏距Δy，并将其转化为姿态控制回路的俯仰角θ_cmd和滚转角θγ_cmd。
进一步地，所述待飞距Δx求解公式为：
Figure PCTCN2016085807-appb-000001
式中，Kxp为待飞距控制的比例系数，Kxt为待飞距控制的积分系数，KxD为待飞距控制的微分系数。
另一方面，本发明还提供一种基于激光雷达的微型无人机操控系统，包括:
无人机飞控模块、激光测距雷达模块和电机，其中：
所述激光测距雷达模块位于无人机顶部，用于采集实时激光测距信息；
所述激光测距雷达模块和电机均与无人机飞控模块连接，该无人机飞控模块用于根据所述激光测距信息进行无人机位姿求 解、同步定位与地图构建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。
再一方面，本发明还提供一种基于激光雷达的微型无人机操控系统，包括：
第一模块，用于执行采集实时激光测距信息；
第二模块，用于执行根据所述激光测距信息进行无人机位姿求解、同步定位与地图构建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。
本发明的有益效果是：本发明提供一种基于激光雷达的微型无人机操控方法及操控系统，将激光测距雷达经过算法优化和飞控组成一套带有避障和自主规划路径的无人机飞控导航系统，解决现有飞行器在复杂环境下飞行不安全的问题。其可以实现微型无人机避障和自主优化飞行路径功能，使微型无人机在室内或低空复杂环境下进行安全飞行。对比传统探测导航系统，基于激光测距雷达的微型无人机避障及自主导航系统具有以下优点：硬件成本低；适用于室内或低空复杂环境，具备全天候能力；电磁干扰能力强，不易受环境温度及阳光的影响；抗隐身能力强，能穿透一定的遮蔽物、伪装和掩体；具有高的距离、角度和速度分辨率，能同时获得目标的多种数据。实现了把低空复杂环境无人机自主导航关键技术推向民用领域，降低硬件成本的同时提高了低空复杂环境导航的可靠性。
附图说明
下面结合附图对本发明的具体实施方式作进一步说明：
图1是本发明一实施例的基于激光测距雷达的无人机控制系统示意图；
图2是本发明一实施例的激光测距雷达的工作示意图；
图3是本发明一实施例的同步定位与地图构建算法中创建流程的一示意图；
图4是本发明一实施例的动态航线规划算法的示意图；
图5是本发明一实施例的位姿回路控制示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
参照图1，是本发明一实施例的基于激光测距雷达的无人机控制系统示意图。无人机避障及自主导航系统由激光测距雷达模组和飞控系统组成，激光测距雷达把采集到的距离数据和视觉数据实时传送给无人机飞控系统，飞控系统通过内部中央处理器解析出测距雷达的数据信息，经过位姿求解、地图构建和动态避障等多种算法处理，并和飞机姿态通过特殊的算法进行融合，转换为电机驱动信号控制无人机飞行，从而实现避障和自主路径规划。所述激光测距雷达模块实行360度全方位扫描测距检测；所述激光测距雷达模块位于无人机顶部；所述激光测距雷达模块和电机均与无人机飞控模块连接。
本发明提供一种基于激光雷达的微型无人机操控系统，包括:
无人机飞控模块、激光测距雷达模块和电机，其中：
所述激光测距雷达模块位于无人机顶部，用于采集实时激光测距 信息；
所述激光测距雷达模块和电机均与无人机飞控模块连接，该无人机飞控模块用于根据所述激光测距信息进行无人机位姿求解、同步定位与地图构建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。
进一步地，所述激光测距雷达模块包括视觉采集系统。具体地，所述激光测距雷达模块实行360度全方位扫描测距检测。
另一方面，本发明还提供一种基于激光雷达的微型无人机操控系统，包括：
第一模块，用于执行采集实时激光测距信息；
第二模块，用于执行根据所述激光测距信息进行无人机位姿求解、同步定位与地图构建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。
参照图2，为本发明一实施例的激光测距雷达的工作示意图。激光测距雷达采用了激光三角测距技术，配合内部集成的高速视觉采集处理结构，可进行每秒高达2000次以上的测距动作，每次测距过程中，发射经过调制的红外激光信号，该激光信号在照射到目标物体后产生的反射光将被测距雷达的视觉采集系统接收。经过嵌入在内部的DSP处理器实时解算，被照射到的目标物体与测距雷达的距离值以及当前的夹角信息将从通讯接口输出。同时，在电机结构的驱动下测距核心进行顺时针旋转，从而实现对环境的360度全方位扫描测距检测。
无人机避障及自主导航技术面临的瓶颈，最主要是室内未知环境的导航技术。室内环境具有未知性和复杂性，所谓未知性，表现在无人机对室内环境的一无所知，不知道室内环境的大小、障碍物的形状与分布、而且无任何人工设置的参照物。而复杂性则表现在无人机处于很多不确定性和随机性的环境中，如障碍物的随机布置或相互遮挡，室内光照因无人机不同角度拍摄而发生变化等。目前对室内未知环境的导航控制也展开了一系列研究，但是尚未形成统一完善的体系，还有许多关键理论和技术尚未解决和完善。这些问题主要涉及室内环境的建模、无人机的定位、无人机的导航控制器调整、实时运动控制、导航控制方法等技术问题。而本发明采用的激光测距雷达模组具有测量速度快，测量精度高，对环境中的噪声、光照强度不敏感的特点满足无人机导航需要的实时性和精确性，并与飞控系统进行匹配融合，突破实现微型无人机机载避障的关键技术。
无人机动态避障控制技术：无人机在执行任务的过程中，对环境的感知以及对危险的检测和规避，是保证其安全的必要条件，因此无人机在飞行全过程中需要对遇到的动态、静态目标物体进行检测并规划合理的航线避开障碍。
无人机实时动态航线规划技术：为了避免无人机与随机目标碰撞并耗时最短地到达方向点，需要在动态环境中进行路径规划。
一种基于激光雷达的微型无人机操控方法，包括以下步骤：
采集实时激光测距信息；
根据所述激光测距信息进行无人机位姿求解、同步定位与地图构 建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。
具体地，所述采集实时激光测距信息，其包括：
激光信号发射至目标物体；
接收经目标物体反射的光信息数据；
解算数据并输出。
作为该技术方案的改进，所述无人机位姿求解根据惯性测量单元以及采集的信息，利用人工图标进行位姿解算；
利用ICP算法进行姿态的增加值的计算；
对得到的位姿信息与惯性测量单元得到的位姿信息分别进行误差分析；
根据误差分析结果进行信息融合，得到准确的位姿信息。
作为该技术方案的改进，所述位姿解算采用奇异值分解法进行求解。
作为该技术方案的改进，所述同步定位与地图构建，其包括：
将随机目标构建到地图中，并预测随机目标物体的轨迹；
在动态环境中进行路径规划，避免无人机与随机目标物体碰撞并耗时最短的到达目的地；
构建包含静态特征点和动态随机目标轨迹的地图。
进一步地，通过迭代执行运动学预测算法和测量更新算法,同步定位无人机并创建环境特征地图。
进一步地，所述同步定位与地图构建，其包括：
采集数据信息，并进行滤波处理去除噪音；
对所得信息进行区域分割和特征提取，采取直线特征来表示地图。
进一步地，动态航线规划利用所述位姿求解和同步定位与地图构建算法计算出无人机的当前位置坐标、目标位置坐标，以及无人机的待飞距Δx、侧偏距Δy，并将其转化为姿态控制回路的俯仰角θ_cmd和滚转角θγ_cmd。
进一步地，所述待飞距Δx求解公式为：
Figure PCTCN2016085807-appb-000002
式中，Kxp为待飞距控制的比例系数，Kxt为待飞距控制的积分系数，KxD为待飞距控制的微分系数。
本发明采用体积小、质量轻、性能好的激光测距雷达模组与无人机飞控系统相结合，同时在软件上优化位姿求解算法、地图构建算法和动态避障方案，以实现可靠的避障及自主导航功能。
1、微型无人机的位姿求解算法
无人机的位姿解算，对于无人机的导航、定位等各个应用都是十分重要且必要的。较为准确的无人机姿态信息，是所有利用无人机位姿进行计算的各个应用能够得到较好的结果的前提。由于微型无人机的有效载荷以及续航等问题，不能够携带较为精准的姿态角测量的惯性测量单元，因此本发明利用精度较低的IMU以及通过其他途径获得的信息，比如图像匹配，人工图标等进行信息融合以得到较为精准的位姿估计的结果。根据IMU以及视觉信息，对微型无人机的位姿进行估计的流程包括以下几个方面：
(1)利用人工图标进行位姿解算；
(2)利用ICP(Iterative Closest Point)算法进行姿态的增加值的计算；
(3)将得到的位姿信息与IMU得到的位姿信息分别利用后方交会原理进行误差分析；
(4)根据误差分析结果，进行信息融合，以得到较为准确的位姿信息。
其中位姿求解算法具体实现方法如下：
本发明采用奇异值分解法(SVD)，SVD能够较准确地计算位姿，其实质是计算点集的质心在两个坐标系中的坐标。假设它们存在如下式式(1)所体现的坐标转换关系，实现所有的点在两个坐标系中的最小偏差拟合。
SVD法的计算思路为：
(1)分别计算质心在全局坐标系和局部坐标系中的坐标P’和J’：
Figure PCTCN2016085807-appb-000003
(2)计算协方差矩阵
Figure PCTCN2016085807-appb-000004
其中Qi＝Pi-P’,Q’i＝Ji-J’；
(3)对所述协方差矩阵H进行奇异值分解H＝UDVT，其中D是对角矩阵，V和U是正交矩阵，VT是矩阵V的转置矩阵；
(4)计算矩阵R＝VUT，并求行列式的值|R|；
若|R|＝l，矩阵足就是待求位姿矩阵；
若|R|＝-l，则令V’＝[v1 v2 -v3]，位姿矩阵为R＝V'UT,其中
v1、v2、-v3分别为矩阵V的第l列、第2列和第3列；
(5)在求出姿态矩阵足之后，可得到无人机的姿态的值，
Figure PCTCN2016085807-appb-000005
其中，Rij表示矩阵R的第i行第j列元素，位置矢量T可以由公式P＝RJ+T求得，从而得到x、y、z的值。
2、同步定位与地图构建
SLAM(Simultaneous Localization and Mapping)算法，即同步定位与地图构建算法，在地面和水下机器人导航中已得到成功运用，正逐步向无人飞行器应用拓展，对引导无人机自主探索未知环境具有极其重要的意义。
SLAM算法首先提取场景特征作为地标，解算地标相对于载体的位置，最后结合载体自身位置得到并记录该地标在地图中的位置。当室内无人机再次进入该区域后，通过对记录的地标模板进行匹配，可判断无人机全局位置信息。SLAM算法的研究重点在于地标的表示、数据关联以及观测误差、位姿解算误差和错误的数据关联带来的积累误差。采用扩展卡尔曼滤波等方式可以有效提高地图建立的精度和鲁棒性。相关研究在地面机器人领域早已开始并取得丰硕成果。然而室内无人机自由度较多，载荷较小，给SLAM算法中地标的描述方法带来了新的挑战。本发明主要包括以下几个部分：
1.将随机目标构建到地图中，并预测随机目标的轨迹；
2.为避免机器人与随机目标碰撞并耗时最短地到达方向点，需要在动态环境中进行路径规划；
3.构建包含静态特征点和动态随机目标轨迹的地图。
几何特征地图最早由Lu和Milios利用激光测距仪获取数据并提取直线特征绘制，也是一种紧凑的地图表示方法。大多数环境尤其室内环境利用几何特征如线段、圆、弧等来描述的地图都能精确反映环境信息。几何特征地图存储信息量小，方便位姿估算和目标识别，已经被广泛的应用在机器人的导航和路径规划上。
参照图3，是本发明一实施例的同步定位与地图构建算法中创建流程的一示意图。基于激光测距仪创建局部地图采用几何特征地图来描述，创建流程如图3所示。激光测距仪采集到的数据都是点集，没有直接的地图，必须经过滤波处理去除噪音对其的干扰后，再进行区域分割和特征提取，最终采取直线特征来表示地图。
其中同步定位与地图构建算法实现方法如下：
SLAM算法采用特征地图表达环境，在全局参考坐标系下,无人机k时刻的位姿表示为如下向量：
Xr，k＝[xr，k yr，kθr，k]T∈R3
每一个特征fi的参数表示为向量
Figure PCTCN2016085807-appb-000006
无人机位姿向量和n个特征的参数向量组成一个联合状态向量，如下式:
Figure PCTCN2016085807-appb-000007
Xk表示在全局参考坐标系中无人机的位姿信息和环境地图信息。在SLAM中,状态Xk用一个均值为
Figure PCTCN2016085807-appb-000008
方差为Pkk的高斯分布来描述。采用横纵坐标描述其位置,Xfi＝[xfiyfi]T∈R2。k+1时刻无人机从Xr,k移动到Xr,k+1。利用k时刻与k+1时刻之间无人机获得的传感器数据,状态Xk+1的估计可以通过以下两个步骤获得:
a运动学预测
离散时刻k到k+1之间系统的运动学方程为：
Xk+1＝f(Xk，uk，ωk)
其中,uk为系统相应的控制输入；ωk为描述uk的噪声,假定其服从均值为零方差为Qk的高斯分布,即
ωk～N(0，Qk)
根据下面两个公式,通过k时刻系统状态Xk的估计对k+1时刻的状态Xk+1进行运动学预测：
Figure PCTCN2016085807-appb-000009
Pk+1k＝FPkkFT+GQkGT
其中，
Figure PCTCN2016085807-appb-000010
分别为运动学模型对状态变量Xk和控制输入量uk的雅可比矩阵。
b测量更新
无人机对环境的观测是无人机自身位置与特征参数之间的相对测量,即观测为状态Xk的函数:
zk＝g(Xk，vk)
其中,vk为传感器观测噪声,假定其服从均值为零方差为Rk的高斯分布,即：
vk～N(0，Rk)
k+1时刻,无人机在位置Xr,k+1获得对环境的观测值zk+1。同时利用状态估计
Figure PCTCN2016085807-appb-000011
得到关于特征的预测值：
Figure PCTCN2016085807-appb-000012
根据观测值与预测值的偏差对状态Xk+1进行测量更新：
Figure PCTCN2016085807-appb-000013
Figure PCTCN2016085807-appb-000014
Pk+1K+1＝Pk+1k-Wk+1Sk+1Wk+1 T
Wk+1＝Pk+1kHTS-1 k+1
Sk+1＝HPk+1kHT+KRk+1KT
其中，
Figure PCTCN2016085807-appb-000015
其分别为观测模型对状态变量Xk+1和噪声vk+1的雅可比矩阵。
通过迭代地执行以上运动学预测和测量更新,算法同步地定位无人机并创建环境特征地图。
3、无人机的动态避障算法
无人机在执行任务的过程中，对环境的感知以及对危险的检测和规避，是保证其安全的必要条件。无人机在飞行全过程中需要对遇到的动态、静态目标物体进行检测并规划合理的航线避开障碍。同时，由于无人机飞行过程中随时可能遇到紧急情况，因此有必要探索无人 机应急着陆技术。根据激光测距、视觉等多种信息，针对室内无人机感知与规避展开研究，以运动目标、应急着陆区域进行检测并规划航线为重点，主要包括3个部分：
1.空中威胁运动目标检测与三维运动趋势分析技术；
2.无人机应急着陆检测技术；
3.无人机实时动态航线规划技术。
其具体实现方法为：
动态航线规划控制回路采用PID控制，将位置的偏差转换为对应的姿态角。如需要向前飞行时，将前进的距离转换为对应的俯仰角度。
参照图4，是本发明一实施例的动态航线规划算法的示意图。无人机机体坐标系为右手系，机体坐标系的OX轴正向为机头指向的方向，即无人机的前进方向，对应的坐标称为待飞距；机体坐标系的OZ轴正向向下；根据笛卡尔坐标系，机体坐标系的OY轴正向与无人机前进方向垂直，指向右方，对应的坐标称为侧偏距。
参照图5，是本发明一实施例的位姿回路控制示意图。动态航线规划需要通过位姿求解和地图构建算法计算出无人机当前位置坐标，目标位置和当前位置的差值作为无人机的待飞距Δx、侧偏距Δy，通过特殊算法将其转化为姿态控制回路的俯仰角θ_cmd和滚转角θγ_cmd。待飞距控制回路和侧偏距控制回路的控制方法一样，以待飞距控制回路为例来说明，其控制规律如下式：
Figure PCTCN2016085807-appb-000016
式中，Kxp为待飞距控制的比例系数，Kxt为待飞距控制的积分 系数，KxD为待飞距控制的微分系数。其中微分项采用差分方法计算无人机的移动速度。
本发明应用于微型无人机产品，其组成包括：激光测距雷达模组和无人机飞控系统。通过该系统，可以使无人机在室内或低空复杂环境下及时躲避障碍物以防止误碰误撞，同时自主选择最佳路线经进行安全飞行，从而达到避障和自主导航的目的。
其实现方法为：无人机机身顶部安装一台激光测距雷达模组，将采集到的环境数据实时传输到无人机内部的中央处理单元，把环境数据进行特殊的位姿求解、地图构建和动态避障等算法处理，与飞控系统姿态数据融合运算后共同控制无人机，从而实现避障和自主优化飞行路径功能。
本发明通过在飞行器的顶部安装一台激光测距雷达模组，将采集到的信息传输到飞行器内部的处理器，经过位姿控制、地图构建和动态避障等多种算法融合运算后和飞控系统共同控制飞行器，从而实现避障和自主优化飞行路径。本发明采用的基于激光测距雷达的低空复杂环境微型无人机机载自主导航系统，凭借较多具有可靠的测量精度和测量距离信息的数据点，可以很好的反映室内及低空复杂环境中的障碍物信息，很好的弥补了现有技术瓶颈。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

  1. 一种基于激光雷达的微型无人机操控方法，其特征在于，包括以下步骤：
    采集实时激光测距信息；
    根据所述激光测距信息进行无人机位姿求解、同步定位与地图构建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。
  2. 根据权利要求1所述的基于激光雷达的微型无人机操控方法，其特征在于：
    所述无人机位姿求解根据惯性测量单元以及采集的信息，利用人工图标进行位姿解算；
    利用ICP算法进行姿态的增加值的计算；
    对得到的位姿信息与惯性测量单元得到的位姿信息分别进行误差分析；
    根据误差分析结果进行信息融合，得到准确的位姿信息。
  3. 根据权利要求2所述的基于激光雷达的微型无人机操控方法，其特征在于，所述位姿解算采用奇异值分解法进行求解。
  4. 根据权利要求1至3任一项所述的基于激光雷达的微型无人机操控方法，其特征在于，所述同步定位与地图构建，其包括：
    将随机目标构建到地图中，并预测随机目标物体的轨迹；
    在动态环境中进行路径规划，避免无人机与随机目标物体碰撞并耗时最短的到达目的地；
    构建包含静态特征点和动态随机目标轨迹的地图。
  5. 根据权利要求4所述的基于激光雷达的微型无人机操控方法，其特征在于，通过迭代执行运动学预测算法和测量更新算法,同步定位无人机并创建环境特征地图。
  6. 根据权利要求5所述的基于激光雷达的微型无人机操控方法，其特征在于，所述同步定位与地图构建，其包括：
    采集数据信息，并进行滤波处理去除噪音；
    对所得信息进行区域分割和特征提取，采取直线特征来表示地图。
  7. 根据权利要求6所述的基于激光雷达的微型无人机操控方法，其特征在于，动态航线规划利用位姿求解和同步定位与地图构建算法计算出无人机的当前位置坐标、目标位置坐标，以及无人机的待飞距Δx、侧偏距Δy，并将其转化为姿态控制回路的俯仰角θ_cmd和滚转角θγ_cmd。
  8. 根据权利要求7所述的基于激光雷达的微型无人机操控方法，其特征在于，所述待飞距Δx求解公式为：
    Figure PCTCN2016085807-appb-100001
    式中，Kxp为待飞距控制的比例系数，Kxt为待飞距控制的积分系数，KxD为待飞距控制的微分系数。
  9. 一种基于激光雷达的微型无人机操控系统，其特征在于，包括:
    无人机飞控模块、激光测距雷达模块和电机，其中：
    所述激光测距雷达模块位于无人机顶部，用于采集实时激光测 距信息；
    所述激光测距雷达模块和电机均与无人机飞控模块连接，该无人机飞控模块用于根据所述激光测距信息进行无人机位姿求解、同步定位与地图构建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。
  10. 一种基于激光雷达的微型无人机操控系统，其特征在于，包括：
    第一模块，用于执行采集实时激光测距信息；
    第二模块，用于执行根据所述激光测距信息进行无人机位姿求解、同步定位与地图构建以及动态航线规划，以生成电机驱动信号，进而控制无人机飞行。
PCT/CN2016/085807 2016-04-12 2016-06-15 基于激光雷达的微型无人机操控方法及系统 WO2017177533A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610225245.3 2016-04-12
CN201610225245.3A CN105759829A (zh) 2016-04-12 2016-04-12 基于激光雷达的微型无人机操控方法及系统

Publications (1)

Publication Number Publication Date
WO2017177533A1 true WO2017177533A1 (zh) 2017-10-19

Family

ID=56333820

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/085807 WO2017177533A1 (zh) 2016-04-12 2016-06-15 基于激光雷达的微型无人机操控方法及系统

Country Status (2)

Country Link
CN (1) CN105759829A (zh)
WO (1) WO2017177533A1 (zh)

Cited By (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108445504A (zh) * 2018-03-20 2018-08-24 迪比（重庆）智能科技研究院有限公司 一种多旋翼无人机室内导航方法
CN108959173A (zh) * 2018-07-06 2018-12-07 北京数字绿土科技有限公司 一种激光雷达点云数据的解算方法及装置
CN109032162A (zh) * 2018-08-20 2018-12-18 辽宁壮龙无人机科技有限公司 一种基于激光雷达的无人机避障系统及控制方法
CN109709801A (zh) * 2018-12-11 2019-05-03 智灵飞（北京）科技有限公司 一种基于激光雷达的室内无人机定位系统及方法
CN109799513A (zh) * 2019-01-04 2019-05-24 广西大学 一种基于二维激光雷达数据中直线特征的室内未知环境定位方法
CN109933056A (zh) * 2017-12-18 2019-06-25 九阳股份有限公司 一种基于slam的机器人导航方法以及机器人
WO2019119243A1 (zh) * 2017-12-18 2019-06-27 深圳市大疆创新科技有限公司 无人机避障方法及无人机
CN109960254A (zh) * 2017-12-25 2019-07-02 深圳市优必选科技有限公司 机器人及其路径规划方法
WO2019127518A1 (zh) * 2017-12-29 2019-07-04 深圳市大疆创新科技有限公司 避障方法、装置及可移动平台
CN110221623A (zh) * 2019-06-17 2019-09-10 酷黑科技（北京）有限公司 一种空地协同作业系统及其定位方法
CN110580717A (zh) * 2019-08-15 2019-12-17 成都优艾维智能科技有限责任公司 一种针对电力杆塔的无人机自主巡检航线生成方法
CN110641732A (zh) * 2019-09-29 2020-01-03 蚌埠和能信息科技有限公司 一种两自由度微型飞行器测试平台
CN110988871A (zh) * 2019-12-25 2020-04-10 中南大学 一种无人机载穿墙雷达高层建筑墙体健康离线检测系统及检测方法
CN110989673A (zh) * 2019-12-16 2020-04-10 西安因诺航空科技有限公司 一种旋翼无人机动平台自主跟踪起降系统及控制方法
CN111258327A (zh) * 2020-04-01 2020-06-09 昆山天科智控无人机科技有限公司 一种基于最大评分状态更新的无人机自动化控制方法
CN111398522A (zh) * 2020-03-24 2020-07-10 山东智翼航空科技有限公司 基于微型无人机的室内空气质量检测系统及检测方法
CN111414006A (zh) * 2020-03-27 2020-07-14 中国人民解放军国防科技大学 基于分布式顺次分配的无人机集群侦察任务规划方法
CN111458722A (zh) * 2020-04-16 2020-07-28 杭州师范大学钱江学院 一种激光雷达小车在具有坡度环境下的地图构建方法
CN111708375A (zh) * 2020-06-28 2020-09-25 武汉理工大学 一种基于激光雷达和八边形空气墙算法的无人机避障系统
CN111812668A (zh) * 2020-07-16 2020-10-23 南京航空航天大学 绕机检查装置及其定位方法、存储介质
CN111813130A (zh) * 2020-08-19 2020-10-23 江南大学 一种输变电站智能巡检机器人自主导航避障系统
CN111965662A (zh) * 2020-07-15 2020-11-20 西安电子科技大学 一种室内小车测速和定位方法
CN111999730A (zh) * 2020-08-24 2020-11-27 航天科工微电子系统研究院有限公司 一种黑飞无人机飞手定位方法及系统
CN112162298A (zh) * 2020-10-22 2021-01-01 中国农业大学 一种肥箱余量监测系统与监测方法
CN112306078A (zh) * 2020-11-16 2021-02-02 广东电网有限责任公司肇庆供电局 一种无人机自动避障导线的方法及系统
CN112325871A (zh) * 2020-09-16 2021-02-05 安徽意欧斯物流机器人有限公司 一种自动导引运输车的激光导航方法
CN112596071A (zh) * 2020-11-02 2021-04-02 中国兵器工业计算机应用技术研究所 无人机自主定位方法、装置及无人机
CN112612021A (zh) * 2020-11-20 2021-04-06 上海市基础工程集团有限公司 探地雷达在浅水域中探测方法
CN112612291A (zh) * 2020-11-12 2021-04-06 北京大学（天津滨海）新一代信息技术研究院 一种用于油田测绘的无人机的航线规划方法及装置
CN112615301A (zh) * 2020-12-10 2021-04-06 拓航科技有限公司 一种无人机电力巡检视像识别激光清障系统
CN112666979A (zh) * 2020-12-29 2021-04-16 北京神州飞航科技有限责任公司 一种无人机飞控系统
CN112947572A (zh) * 2021-03-12 2021-06-11 华南理工大学 一种基于地形跟随的四旋翼飞行器自适应运动规划方法
CN113156450A (zh) * 2021-03-17 2021-07-23 北京理工大学 无人机上的主动旋转激光雷达系统及其控制方法
CN113253292A (zh) * 2021-05-17 2021-08-13 湖北怡辉河天科技有限公司 一种基于人工智能技术的无人机预警处理方法及系统
CN113359795A (zh) * 2021-06-07 2021-09-07 同济大学 一种用于大型桥梁检测的无人机多环境切换的控制方法
CN113419563A (zh) * 2021-07-23 2021-09-21 广东电网有限责任公司 一种无人机定位装置、方法、设备及介质
CN113466907A (zh) * 2021-08-17 2021-10-01 国网湖南省电力有限公司 一种基于星基增强系统的电力无人机航线规划系统及方法
CN113532439A (zh) * 2021-07-26 2021-10-22 广东电网有限责任公司 输电线路巡检机器人同步定位与地图构建方法及装置
CN113625770A (zh) * 2021-09-07 2021-11-09 国电四子王旗光伏发电有限公司 基于飞行无人机对光伏电站进行巡检的自主导航规划方法及装置
CN113665852A (zh) * 2021-08-06 2021-11-19 浙江大学 一种自主感知移动的航天器表面爬行机器人
CN113703443A (zh) * 2021-08-12 2021-11-26 北京科技大学 一种不依赖gnss的无人车自主定位与环境探索方法
CN113720331A (zh) * 2020-12-25 2021-11-30 北京理工大学 多相机融合的无人机建筑物内导航定位方法
CN113776540A (zh) * 2021-11-09 2021-12-10 北京艾克利特光电科技有限公司 基于视觉导航定位的车载系留无人机实时跟踪移动车辆的控制方法
CN113799150A (zh) * 2021-09-24 2021-12-17 南京信息工程大学 基于室内导航定位的气体浓度巡检机器人及其控制方法
CN113821044A (zh) * 2021-07-06 2021-12-21 西北工业大学 基于强化学习的桥梁检测无人机自主导航与稳定控制方法
CN113848982A (zh) * 2021-10-28 2021-12-28 西北工业大学太仓长三角研究院 一种四旋翼无人机栖停机动轨迹规划、跟踪控制方法
CN113970753A (zh) * 2021-09-30 2022-01-25 南京理工大学 一种基于激光雷达和视觉检测的无人机定位控制方法及系统
CN114115339A (zh) * 2021-11-11 2022-03-01 厦门精图信息技术有限公司 基于KingMap GIS平台的多规合一业务协同系统、方法及设备
CN114185364A (zh) * 2021-12-06 2022-03-15 群周科技(上海)有限公司 一种基于激光雷达的无人机自主式辅助降落方法及系统
CN114215704A (zh) * 2021-12-14 2022-03-22 复亚智能科技(太仓)有限公司 一种发电风机桨叶图像采集装置、方法及存储介质
CN114326762A (zh) * 2021-11-22 2022-04-12 桂林电子科技大学 一种室内空间数据采集系统及方法
CN114659556A (zh) * 2022-03-03 2022-06-24 中国科学院计算技术研究所 一种面向巡视器的可分离式星表材质识别方法及系统
CN115061134A (zh) * 2022-06-22 2022-09-16 扬州宇安电子科技有限公司 基于机载雷达侦察系统的无人机飞行安全检测系统及方法
CN115267869A (zh) * 2022-07-13 2022-11-01 北京航空航天大学 Gps拒止条件下的无人机群psd测距相对定位方法
CN115435775A (zh) * 2022-09-23 2022-12-06 福州大学 基于拓展卡尔曼滤波的多传感器融合slam方法
CN117214908A (zh) * 2023-10-10 2023-12-12 深圳市宇讯通光电有限公司 一种基于智能裁缆机械的定位控制方法及系统
CN117310773A (zh) * 2023-11-30 2023-12-29 山东省科学院海洋仪器仪表研究所 基于双目立体视觉的水下机器人自主定位方法及系统

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106200671A (zh) * 2016-07-19 2016-12-07 成都通甲优博科技有限责任公司 一种全方位清洁机器人装置及其控制方法
CN106546250A (zh) * 2016-09-30 2017-03-29 张家港长安大学汽车工程研究院 采用多线式激光扫描雷达的无人驾驶汽车的路径识别方法
CN106483976A (zh) * 2016-11-24 2017-03-08 歌尔科技有限公司 用于无人机的飞行安全控制方法、系统及电子设备
CN106802662A (zh) * 2017-03-13 2017-06-06 安徽朗巴智能科技有限公司 一种多旋翼无人机嵌入式控制系统
CN108062109B (zh) * 2017-12-13 2020-09-11 天津萨瑞德科技有限公司 无人机避障方法
CN107992083B (zh) * 2017-12-27 2021-03-26 北京臻迪科技股份有限公司 基于电网地图进行物流无人机航线规划的系统及方法
CN108109437B (zh) * 2018-01-24 2021-01-12 广东容祺智能科技有限公司 一种基于地图特征的无人机自主航线提取生成方法
CN108562289B (zh) * 2018-06-07 2021-11-26 南京航空航天大学 连续多边几何环境中四旋翼飞行器激光雷达导航方法
CN109358644A (zh) * 2018-11-13 2019-02-19 广州优飞信息科技有限公司 无人机自动巡视航线的生成方法和装置
CN110058606A (zh) * 2019-03-29 2019-07-26 国网山东省电力公司梁山县供电公司 电力线路运维检修系统及方法
CN110068829A (zh) * 2019-04-11 2019-07-30 上海快仓智能科技有限公司 简化的基于图形快速匹配的激光定位方法
CN110133591B (zh) * 2019-04-28 2022-08-05 天津大学 基于白光led的室内双光源飞行目标定位方法
CN110703268B (zh) * 2019-11-06 2022-02-15 广东电网有限责任公司 一种自主定位导航的航线规划方法和装置
CN111984021A (zh) * 2020-07-21 2020-11-24 武汉智会创新科技有限公司 无人机的控制方法及系统、无人机设备、远程控制设备
CN113110529B (zh) * 2021-04-14 2022-08-09 江苏天宁光子科技有限公司 复杂环境下无人机远距离复合自主导航着降系统及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080239279A1 (en) * 2007-03-28 2008-10-02 Honeywell International Inc. Ladar-based motion estimation for navigation
CN102707724A (zh) * 2012-06-05 2012-10-03 清华大学 一种无人机的视觉定位与避障方法及系统
CN103868521A (zh) * 2014-02-20 2014-06-18 天津大学 基于激光雷达的四旋翼无人机自主定位及控制方法
CN103941750A (zh) * 2014-04-30 2014-07-23 东北大学 基于小型四旋翼无人机的构图装置及方法
CN104062977A (zh) * 2014-06-17 2014-09-24 天津大学 基于视觉slam的四旋翼无人机全自主飞行控制方法
CN104236548A (zh) * 2014-09-12 2014-12-24 清华大学 一种微型无人机室内自主导航方法
CN104597910A (zh) * 2014-11-27 2015-05-06 中国人民解放军国防科学技术大学 一种基于瞬时碰撞点的无人机非协作式实时避障方法
CN104843176A (zh) * 2015-04-28 2015-08-19 武汉大学 一种用于桥梁隧道自动巡检旋翼无人机系统及导航方法
CN105015767A (zh) * 2015-07-09 2015-11-04 湖北省机电研究设计院股份公司 具有消防侦察功能的多旋翼无人机飞行器系统
CN105222760A (zh) * 2015-10-22 2016-01-06 一飞智控(天津)科技有限公司 一种基于双目视觉的无人机自主障碍物检测系统及方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102023003A (zh) * 2010-09-29 2011-04-20 清华大学 基于激光探测和图像识别的无人直升机三维定位及测绘方法
CN102607532B (zh) * 2011-01-25 2014-04-30 吴立新 一种利用飞控数据的低空影像快速匹配方法
CN102662179A (zh) * 2012-05-18 2012-09-12 四川省科学城久利科技实业有限责任公司 基于机载激光雷达的三维优化选线方法
CN103808316A (zh) * 2012-11-12 2014-05-21 哈尔滨恒誉名翔科技有限公司 室内飞行智能体惯性系统与激光测距仪组合导航改进方法
CN103914068A (zh) * 2013-01-07 2014-07-09 中国人民解放军第二炮兵工程大学 一种基于栅格地图的服务机器人自主导航方法
CN103278139B (zh) * 2013-05-06 2016-11-23 北京航空航天大学 一种可变焦单双目视觉传感装置
CN104850134B (zh) * 2015-06-12 2019-01-11 北京中飞艾维航空科技有限公司 一种无人机高精度自主避障飞行方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080239279A1 (en) * 2007-03-28 2008-10-02 Honeywell International Inc. Ladar-based motion estimation for navigation
CN102707724A (zh) * 2012-06-05 2012-10-03 清华大学 一种无人机的视觉定位与避障方法及系统
CN103868521A (zh) * 2014-02-20 2014-06-18 天津大学 基于激光雷达的四旋翼无人机自主定位及控制方法
CN103941750A (zh) * 2014-04-30 2014-07-23 东北大学 基于小型四旋翼无人机的构图装置及方法
CN104062977A (zh) * 2014-06-17 2014-09-24 天津大学 基于视觉slam的四旋翼无人机全自主飞行控制方法
CN104236548A (zh) * 2014-09-12 2014-12-24 清华大学 一种微型无人机室内自主导航方法
CN104597910A (zh) * 2014-11-27 2015-05-06 中国人民解放军国防科学技术大学 一种基于瞬时碰撞点的无人机非协作式实时避障方法
CN104843176A (zh) * 2015-04-28 2015-08-19 武汉大学 一种用于桥梁隧道自动巡检旋翼无人机系统及导航方法
CN105015767A (zh) * 2015-07-09 2015-11-04 湖北省机电研究设计院股份公司 具有消防侦察功能的多旋翼无人机飞行器系统
CN105222760A (zh) * 2015-10-22 2016-01-06 一飞智控(天津)科技有限公司 一种基于双目视觉的无人机自主障碍物检测系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SHEN, SHAOJIE ET AL.: "Autonomous Multi-Floor Indoor Navigation with a Computationally Constrained Micro Aerial Vehicle", 2011 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION, 13 May 2011 (2011-05-13), pages 2968 - 2969, XP032034185 *

Cited By (83)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109933056A (zh) * 2017-12-18 2019-06-25 九阳股份有限公司 一种基于slam的机器人导航方法以及机器人
WO2019119243A1 (zh) * 2017-12-18 2019-06-27 深圳市大疆创新科技有限公司 无人机避障方法及无人机
CN109960254A (zh) * 2017-12-25 2019-07-02 深圳市优必选科技有限公司 机器人及其路径规划方法
WO2019127518A1 (zh) * 2017-12-29 2019-07-04 深圳市大疆创新科技有限公司 避障方法、装置及可移动平台
CN108445504A (zh) * 2018-03-20 2018-08-24 迪比（重庆）智能科技研究院有限公司 一种多旋翼无人机室内导航方法
CN108959173A (zh) * 2018-07-06 2018-12-07 北京数字绿土科技有限公司 一种激光雷达点云数据的解算方法及装置
CN108959173B (zh) * 2018-07-06 2022-02-11 北京数字绿土科技有限公司 一种激光雷达点云数据的解算方法及装置
CN109032162A (zh) * 2018-08-20 2018-12-18 辽宁壮龙无人机科技有限公司 一种基于激光雷达的无人机避障系统及控制方法
CN109709801A (zh) * 2018-12-11 2019-05-03 智灵飞（北京）科技有限公司 一种基于激光雷达的室内无人机定位系统及方法
CN109709801B (zh) * 2018-12-11 2024-02-02 智灵飞（北京）科技有限公司 一种基于激光雷达的室内无人机定位系统及方法
CN109799513A (zh) * 2019-01-04 2019-05-24 广西大学 一种基于二维激光雷达数据中直线特征的室内未知环境定位方法
CN109799513B (zh) * 2019-01-04 2023-06-23 广西大学 一种基于二维激光雷达数据中直线特征的室内未知环境定位方法
CN110221623A (zh) * 2019-06-17 2019-09-10 酷黑科技（北京）有限公司 一种空地协同作业系统及其定位方法
CN110580717B (zh) * 2019-08-15 2022-10-21 成都优艾维智能科技有限责任公司 一种针对电力杆塔的无人机自主巡检航线生成方法
CN110580717A (zh) * 2019-08-15 2019-12-17 成都优艾维智能科技有限责任公司 一种针对电力杆塔的无人机自主巡检航线生成方法
CN110641732A (zh) * 2019-09-29 2020-01-03 蚌埠和能信息科技有限公司 一种两自由度微型飞行器测试平台
CN110989673A (zh) * 2019-12-16 2020-04-10 西安因诺航空科技有限公司 一种旋翼无人机动平台自主跟踪起降系统及控制方法
CN110989673B (zh) * 2019-12-16 2023-05-05 西安因诺航空科技有限公司 一种旋翼无人机动平台自主跟踪起降系统及控制方法
CN110988871A (zh) * 2019-12-25 2020-04-10 中南大学 一种无人机载穿墙雷达高层建筑墙体健康离线检测系统及检测方法
CN110988871B (zh) * 2019-12-25 2023-09-08 中南大学 一种无人机载穿墙雷达高层建筑墙体健康离线检测系统及检测方法
CN111398522A (zh) * 2020-03-24 2020-07-10 山东智翼航空科技有限公司 基于微型无人机的室内空气质量检测系统及检测方法
CN111398522B (zh) * 2020-03-24 2022-02-22 山东智翼航空科技有限公司 基于微型无人机的室内空气质量检测系统及检测方法
CN111414006A (zh) * 2020-03-27 2020-07-14 中国人民解放军国防科技大学 基于分布式顺次分配的无人机集群侦察任务规划方法
CN111414006B (zh) * 2020-03-27 2023-09-08 中国人民解放军国防科技大学 基于分布式顺次分配的无人机集群侦察任务规划方法
CN111258327A (zh) * 2020-04-01 2020-06-09 昆山天科智控无人机科技有限公司 一种基于最大评分状态更新的无人机自动化控制方法
CN111458722A (zh) * 2020-04-16 2020-07-28 杭州师范大学钱江学院 一种激光雷达小车在具有坡度环境下的地图构建方法
CN111708375A (zh) * 2020-06-28 2020-09-25 武汉理工大学 一种基于激光雷达和八边形空气墙算法的无人机避障系统
CN111965662A (zh) * 2020-07-15 2020-11-20 西安电子科技大学 一种室内小车测速和定位方法
CN111812668A (zh) * 2020-07-16 2020-10-23 南京航空航天大学 绕机检查装置及其定位方法、存储介质
CN111813130A (zh) * 2020-08-19 2020-10-23 江南大学 一种输变电站智能巡检机器人自主导航避障系统
CN111999730A (zh) * 2020-08-24 2020-11-27 航天科工微电子系统研究院有限公司 一种黑飞无人机飞手定位方法及系统
CN112325871A (zh) * 2020-09-16 2021-02-05 安徽意欧斯物流机器人有限公司 一种自动导引运输车的激光导航方法
CN112162298A (zh) * 2020-10-22 2021-01-01 中国农业大学 一种肥箱余量监测系统与监测方法
CN112596071A (zh) * 2020-11-02 2021-04-02 中国兵器工业计算机应用技术研究所 无人机自主定位方法、装置及无人机
CN112612291A (zh) * 2020-11-12 2021-04-06 北京大学（天津滨海）新一代信息技术研究院 一种用于油田测绘的无人机的航线规划方法及装置
CN112306078A (zh) * 2020-11-16 2021-02-02 广东电网有限责任公司肇庆供电局 一种无人机自动避障导线的方法及系统
CN112306078B (zh) * 2020-11-16 2024-01-23 广东电网有限责任公司肇庆供电局 一种无人机自动避障导线的方法及系统
CN112612021A (zh) * 2020-11-20 2021-04-06 上海市基础工程集团有限公司 探地雷达在浅水域中探测方法
CN112615301A (zh) * 2020-12-10 2021-04-06 拓航科技有限公司 一种无人机电力巡检视像识别激光清障系统
CN113720331A (zh) * 2020-12-25 2021-11-30 北京理工大学 多相机融合的无人机建筑物内导航定位方法
CN113720331B (zh) * 2020-12-25 2023-12-19 北京理工大学 多相机融合的无人机建筑物内导航定位方法
CN112666979A (zh) * 2020-12-29 2021-04-16 北京神州飞航科技有限责任公司 一种无人机飞控系统
CN112947572A (zh) * 2021-03-12 2021-06-11 华南理工大学 一种基于地形跟随的四旋翼飞行器自适应运动规划方法
CN113156450A (zh) * 2021-03-17 2021-07-23 北京理工大学 无人机上的主动旋转激光雷达系统及其控制方法
CN113156450B (zh) * 2021-03-17 2024-02-27 北京理工大学 无人机上的主动旋转激光雷达系统及其控制方法
CN113253292B (zh) * 2021-05-17 2024-02-09 湖北怡辉河天科技有限公司 一种基于人工智能技术的无人机预警处理方法及系统
CN113253292A (zh) * 2021-05-17 2021-08-13 湖北怡辉河天科技有限公司 一种基于人工智能技术的无人机预警处理方法及系统
CN113359795A (zh) * 2021-06-07 2021-09-07 同济大学 一种用于大型桥梁检测的无人机多环境切换的控制方法
CN113821044A (zh) * 2021-07-06 2021-12-21 西北工业大学 基于强化学习的桥梁检测无人机自主导航与稳定控制方法
CN113419563A (zh) * 2021-07-23 2021-09-21 广东电网有限责任公司 一种无人机定位装置、方法、设备及介质
CN113532439B (zh) * 2021-07-26 2023-08-25 广东电网有限责任公司 输电线路巡检机器人同步定位与地图构建方法及装置
CN113532439A (zh) * 2021-07-26 2021-10-22 广东电网有限责任公司 输电线路巡检机器人同步定位与地图构建方法及装置
CN113665852B (zh) * 2021-08-06 2024-03-29 浙江大学 一种自主感知移动的航天器表面爬行机器人
CN113665852A (zh) * 2021-08-06 2021-11-19 浙江大学 一种自主感知移动的航天器表面爬行机器人
CN113703443A (zh) * 2021-08-12 2021-11-26 北京科技大学 一种不依赖gnss的无人车自主定位与环境探索方法
CN113703443B (zh) * 2021-08-12 2023-10-13 北京科技大学 一种不依赖gnss的无人车自主定位与环境探索方法
CN113466907A (zh) * 2021-08-17 2021-10-01 国网湖南省电力有限公司 一种基于星基增强系统的电力无人机航线规划系统及方法
CN113625770B (zh) * 2021-09-07 2024-05-24 国电四子王旗光伏发电有限公司 基于飞行无人机对光伏电站进行巡检的自主导航规划方法及装置
CN113625770A (zh) * 2021-09-07 2021-11-09 国电四子王旗光伏发电有限公司 基于飞行无人机对光伏电站进行巡检的自主导航规划方法及装置
CN113799150A (zh) * 2021-09-24 2021-12-17 南京信息工程大学 基于室内导航定位的气体浓度巡检机器人及其控制方法
CN113970753A (zh) * 2021-09-30 2022-01-25 南京理工大学 一种基于激光雷达和视觉检测的无人机定位控制方法及系统
CN113970753B (zh) * 2021-09-30 2024-04-30 南京理工大学 一种基于激光雷达和视觉检测的无人机定位控制方法及系统
CN113848982A (zh) * 2021-10-28 2021-12-28 西北工业大学太仓长三角研究院 一种四旋翼无人机栖停机动轨迹规划、跟踪控制方法
CN113848982B (zh) * 2021-10-28 2023-11-21 西北工业大学太仓长三角研究院 一种四旋翼无人机栖停机动轨迹规划、跟踪控制方法
CN113776540B (zh) * 2021-11-09 2022-03-22 北京艾克利特光电科技有限公司 基于视觉导航定位的车载系留无人机实时跟踪移动车辆的控制方法
CN113776540A (zh) * 2021-11-09 2021-12-10 北京艾克利特光电科技有限公司 基于视觉导航定位的车载系留无人机实时跟踪移动车辆的控制方法
CN114115339A (zh) * 2021-11-11 2022-03-01 厦门精图信息技术有限公司 基于KingMap GIS平台的多规合一业务协同系统、方法及设备
CN114115339B (zh) * 2021-11-11 2023-05-05 厦门精图信息技术有限公司 基于gis平台的多规合一业务协同系统、方法及设备
CN114326762B (zh) * 2021-11-22 2024-01-16 桂林电子科技大学 一种室内空间数据采集系统及方法
CN114326762A (zh) * 2021-11-22 2022-04-12 桂林电子科技大学 一种室内空间数据采集系统及方法
CN114185364B (zh) * 2021-12-06 2024-03-26 群周科技(上海)有限公司 一种基于激光雷达的无人机自主式辅助降落方法及系统
CN114185364A (zh) * 2021-12-06 2022-03-15 群周科技(上海)有限公司 一种基于激光雷达的无人机自主式辅助降落方法及系统
CN114215704A (zh) * 2021-12-14 2022-03-22 复亚智能科技(太仓)有限公司 一种发电风机桨叶图像采集装置、方法及存储介质
CN114659556A (zh) * 2022-03-03 2022-06-24 中国科学院计算技术研究所 一种面向巡视器的可分离式星表材质识别方法及系统
CN114659556B (zh) * 2022-03-03 2024-03-12 中国科学院计算技术研究所 一种面向巡视器的可分离式星表材质识别方法及系统
CN115061134A (zh) * 2022-06-22 2022-09-16 扬州宇安电子科技有限公司 基于机载雷达侦察系统的无人机飞行安全检测系统及方法
CN115267869B (zh) * 2022-07-13 2024-04-12 北京航空航天大学 Gps拒止条件下的无人机群psd测距相对定位方法
CN115267869A (zh) * 2022-07-13 2022-11-01 北京航空航天大学 Gps拒止条件下的无人机群psd测距相对定位方法
CN115435775A (zh) * 2022-09-23 2022-12-06 福州大学 基于拓展卡尔曼滤波的多传感器融合slam方法
CN117214908A (zh) * 2023-10-10 2023-12-12 深圳市宇讯通光电有限公司 一种基于智能裁缆机械的定位控制方法及系统
CN117214908B (zh) * 2023-10-10 2024-05-10 深圳市宇讯通光电有限公司 一种基于智能裁缆机械的定位控制方法及系统
CN117310773B (zh) * 2023-11-30 2024-02-02 山东省科学院海洋仪器仪表研究所 基于双目立体视觉的水下机器人自主定位方法及系统
CN117310773A (zh) * 2023-11-30 2023-12-29 山东省科学院海洋仪器仪表研究所 基于双目立体视觉的水下机器人自主定位方法及系统

Also Published As

Publication number Publication date
CN105759829A (zh) 2016-07-13

Similar Documents

Publication Publication Date Title
WO2017177533A1 (zh) 基于激光雷达的微型无人机操控方法及系统
Kumar et al. Recent developments on target tracking problems: A review
Zingg et al. MAV navigation through indoor corridors using optical flow
Bacik et al. Autonomous flying with quadrocopter using fuzzy control and ArUco markers
Shen et al. Vision-based state estimation for autonomous rotorcraft MAVs in complex environments
Achtelik et al. Stereo vision and laser odometry for autonomous helicopters in GPS-denied indoor environments
Achtelik et al. Autonomous navigation and exploration of a quadrotor helicopter in GPS-denied indoor environments
US12079011B2 (en) System and method for perceptive navigation of automated vehicles
Lin et al. Autonomous quadrotor navigation with vision based obstacle avoidance and path planning
Chen et al. Real-time identification and avoidance of simultaneous static and dynamic obstacles on point cloud for UAVs navigation
Liu et al. A survey of computer vision applied in aerial robotic vehicles
Pritzl et al. Cooperative navigation and guidance of a micro-scale aerial vehicle by an accompanying UAV using 3D LiDAR relative localization
Yang et al. Monocular vision based navigation in GPS-denied riverine environments
Liu et al. Vision aided unmanned aerial vehicle autonomy: An overview
Zhang et al. Autonomous landing on ground target of UAV by using image-based visual servo control
Doer et al. Gnss aided radar inertial odometry for uas flights in challenging conditions
Kamat et al. A survey on autonomous navigation techniques
Marlow et al. Local terrain mapping for obstacle avoidance using monocular vision
Biswas et al. Goal-aware Navigation of Quadrotor UAV for Infrastructure Inspection
Park et al. Horizontal-vertical guidance of quadrotor for obstacle shape mapping
Agarwal et al. Monocular vision based navigation and localisation in indoor environments
Celik et al. Mvcslam: mono-vision corner slam for autonomous micro-helicopters in gps denied environments
CN114003041A (zh) 一种多无人车协同探测系统
Pepe et al. Autonomous exploration of indoor environments with a micro-aerial vehicle
Yang et al. Inertial-aided vision-based localization and mapping in a riverine environment with reflection measurements

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16898348

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 16898348

Country of ref document: EP

Kind code of ref document: A1