CN103941747B - 无人机群的控制方法及*** - Google Patents

Abstract

本发明提供一种无人机群的控制方法及***，其中方法包括以下步骤：通过每个无人机的数据采集设备获取每个无人机周围的视频图像获得无人机群的拓扑结构和环境点云分布；根据拓扑结构和飞行任务规划每个无人机的飞行路径；通过传感器获取每个无人机的飞行数据和相邻无人机之间的距离；以及通过飞行路径、环境点云分布、飞行数据和相邻无人机之间的距离建立供无人机群的每个无人机飞行的全局地图，并通过全局地图对无人机群的飞行进行控制。根据本发明实施例的方法，通过生成全局地图并根据障碍物和无人机的飞行数据对无人机进行控制，从而提高无人机之间的协同工作能力保证了任务的完成效率。

Description

无人机群的控制方法及***

技术领域

本发明涉及无人机技术领域，特别涉及一种无人机群的控制方法及***。

背景技术

无人机（Unmanned Aerial Vehicles,UAV）的研究在最近几年有了很大的进展，被广泛应用与民用方面的通信中继、气象探测、灾害监测、农药喷洒、地质勘测、地图测绘、交通管制以及军用方面的侦察、攻击和电子对抗。

由于无人机体积小、重量轻、易维修等优点得到了广泛的推广，也因此对无人机提出了新的要求。由于单个无人机的载荷有限，在应对广阔的任务区域以及单个无人机故障后将无法完成任务的不利因素，这就使得利用多个无人机间的协作以执行更为复杂任务的要求逐渐成为无人机研究的趋势。通过混合编队方式对编制多架无人机进行编队可执行不同或单一任务，以保证能够完成一个或多个任务。

现有的无人机群控制多是以地面站为中心，各无人机为节点的星行控制方式。当无人机与地面站之间的数据通信中断时会直接导致任务的失败，甚至会有坠机的危险。因此，现有方式不适用于执行复杂的任务。

发明内容

本发明的目的旨在至少解决上述的技术缺陷之一。

为此，本发明一方面提供一种无人机群的控制方法。

本发明的另一方面提出一种无人机群的控制***。

有鉴于此，本发明一方面的实施例提出一种无人机群的控制方法，包括以下步骤：图像采集步骤，通过每个无人机的所述数据采集设备获取所述每个无人机周围的视频图像获得无人机群的拓扑结构和环境点云分布；路径规划步骤，根据所述拓扑结构和飞行任务规划每个无人机的飞行路径；数据获取步骤，通过传感器获取所述每个无人机的飞行数据和相邻无人机之间的距离；以及全局地图建立步骤，通过所述飞行路径、所述环境点云分布、所述飞行数据和所述相邻无人机之间的距离建立供所述无人机群的每个无人机飞行的全局地图，并通过所述全局地图对所述无人机群的飞行进行控制。

根据本发明实施例的方法，通过生成全局地图并根据障碍物和无人机的飞行数据对无人机进行控制，从而提高无人机之间的协同工作能力保证了任务的完成效率。

在本发明的一个实施例中，所述飞行数据包括飞行速度、飞行姿态角和飞行高度。

在本发明的一个实施例中，所述全局地图建立步骤具体包括：通过所述飞行路径、所述环境点云分布、所述飞行数据和所述相邻无人机之间的距离建立供所述无人机群的每个无人机飞行的全局地图；确定所述无人机群中每个无人机在所述全局地图中的位置、相邻无人机之间的距离、所述飞行高度和所述飞行姿态角；以及根据所述全局地图中障碍物的位置调整所述无人机群中对应无人机的所述飞行速度、所述飞行姿态角和飞行高度。

在本发明的一个实施例中，所述飞行姿态角通过如下公式表示，所述公式为，

$R=\begin{array}{ccc}\cos \mathrm{\ψ}\cos \mathrm{\θ}-\sin \mathrm{\Φ}\sin \mathrm{\ψ}\sin \mathrm{\θ}& -\cos \mathrm{\Φ}\sin \mathrm{\ψ}& \cos \mathrm{\ψ}\sin \mathrm{\θ}+\cos \mathrm{\θ}\sin \mathrm{\Φ}\sin \mathrm{\θ}\\ [\cos \mathrm{\θ}\sin \mathrm{\ψ}+\cos \mathrm{\ψ}\sin \mathrm{\Φ}\sin \mathrm{\θ}& \cos \mathrm{\Φ}\cos \mathrm{\ψ}& \sin \mathrm{\ψ}\sin \mathrm{\θ}-\cos \mathrm{\ψ}\cos \mathrm{\θ}\sin \mathrm{\Φ}\\ -\cos \mathrm{\Φ}\sin \mathrm{\θ}& \sin \mathrm{\Φ}& \cos \mathrm{\Φ}\cos \mathrm{\θ}\end{array},$

其中，R为所述飞行姿态角转换矩阵，φ为横滚角，θ为俯仰角，Ψ为偏航角。

本发明另一方面的实施例提出了一种无人机群的控制***，所述无人机群的每个无人机上设有传感器和数据采集设备，该***包括：图像采集模块，通过每个无人机的所述数据采集设备获取所述每个无人机周围的视频图像获得无人机群的拓扑结构和环境点云分布；路径规划模块，根据所述拓扑结构和飞行任务规划每个无人机的飞行路径；数据获取模块，通过传感器获取所述每个无人机的飞行数据和相邻无人机之间的距离；以及建立模块，通过所述飞行路径、所述环境点云分布、所述飞行数据和所述相邻无人机之间的距离建立供所述无人机群的每个无人机飞行的全局地图，并通过所述全局地图对所述无人机群的飞行进行控制。

根据本发明实施例的***，通过生成全局地图并根据障碍物和无人机的飞行数据对无人机进行控制，从而提高无人机之间的协同工作能力保证了任务的完成效率。

在本发明的一个实施例中，所述飞行数据包括飞行速度、飞行姿态角和飞行高度。

在本发明的一个实施例中，所述建立模块具体包括：地图生成单元，用于通过所述飞行路径、所述环境点云分布、所述飞行数据和所述相邻无人机之间的距离建立供所述无人机群的每个无人机飞行的全局地图；确定单元，用于确定所述无人机群中每个无人机在所述全局地图中的位置、相邻无人机之间的距离、所述飞行高度和所述飞行姿态角；以及调整单元，用于根据所述全局地图中障碍物的位置调整所述无人机群中对应无人机的所述飞行速度、所述飞行姿态角和飞行高度。

在本发明的一个实施例中，所述飞行姿态角通过如下公式表示，所述公式为，

$R=\begin{array}{ccc}\cos \mathrm{\ψ}\cos \mathrm{\θ}-\sin \mathrm{\Φ}\sin \mathrm{\ψ}\sin \mathrm{\θ}& -\cos \mathrm{\Φ}\sin \mathrm{\ψ}& \cos \mathrm{\ψ}\sin \mathrm{\θ}+\cos \mathrm{\θ}\sin \mathrm{\Φ}\sin \mathrm{\θ}\\ [\cos \mathrm{\θ}\sin \mathrm{\ψ}+\cos \mathrm{\ψ}\sin \mathrm{\Φ}\sin \mathrm{\θ}& \cos \mathrm{\Φ}\cos \mathrm{\ψ}& \sin \mathrm{\ψ}\sin \mathrm{\θ}-\cos \mathrm{\ψ}\cos \mathrm{\θ}\sin \mathrm{\Φ}\\ -\cos \mathrm{\Φ}\sin \mathrm{\θ}& \sin \mathrm{\Φ}& \cos \mathrm{\Φ}\cos \mathrm{\θ}\end{array},$

其中，R为所述飞行姿态角转换矩阵，φ为横滚角，θ为俯仰角，Ψ为偏航角。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，

图1为根据本发明一个实施例的无人机群的控制方法的流程图；

图2为根据本发明一个实施例的无人机姿态角的示意图；

图3为根据本发明一个实施例的无人机群的控制***的结构框图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

图1为根据本发明一个实施例的无人机群的控制方法的流程图。如图1所示，根据本发明实施例的无人机群的控制方法包括以下步骤：通过每个无人机的数据采集设备获取每个无人机周围的视频图像获得无人机群的拓扑结构和环境点云分布（步骤101）。根据拓扑结构和飞行任务规划每个无人机的飞行路径（步骤103）。通过传感器获取每个无人机的飞行数据和相邻无人机之间的距离（步骤105）。通过飞行路径、环境点云分布、飞行数据和相邻无人机之间的距离建立供无人机群的每个无人机飞行的全局地图，并通过全局地图对无人机群的飞行进行控制（步骤107）。

在本发明的一个实施例中，飞行数据包括飞行速度、飞行姿态角和飞行高度。飞行姿态角的转换矩阵通过如下公式获得，该公式为：

$R=\begin{array}{ccc}\cos \mathrm{\ψ}\cos \mathrm{\θ}-\sin \mathrm{\Φ}\sin \mathrm{\ψ}\sin \mathrm{\θ}& -\cos \mathrm{\Φ}\sin \mathrm{\ψ}& \cos \mathrm{\ψ}\sin \mathrm{\θ}+\cos \mathrm{\θ}\sin \mathrm{\Φ}\sin \mathrm{\θ}\\ [\cos \mathrm{\θ}\sin \mathrm{\ψ}+\cos \mathrm{\ψ}\sin \mathrm{\Φ}\sin \mathrm{\θ}& \cos \mathrm{\Φ}\cos \mathrm{\ψ}& \sin \mathrm{\ψ}\sin \mathrm{\θ}-\cos \mathrm{\ψ}\cos \mathrm{\θ}\sin \mathrm{\Φ}\\ -\cos \mathrm{\Φ}\sin \mathrm{\θ}& \sin \mathrm{\Φ}& \cos \mathrm{\Φ}\cos \mathrm{\θ}\end{array},$

其中，R为所述飞行姿态角的转换矩阵，φ为横滚角，θ为俯仰角，Ψ为偏航角。

在步骤101中，激光扫描仪扫描获取相邻无人机的距离信息和相邻角度信息，并在扫描开始时确定全局地图坐标系。通过带深度信息的摄像机和激光测距仪获得无人机间的相对空间位置和距离信息，实施例子中使用的是Microsoft公司的Kinect摄像机和日本Hokuyo公司的激光测距仪。

图2为根据本发明一个实施例的无人机姿态角的示意图。如图2所示，X,Y,Z为由无人机质心建立的机体轴坐标系，F₁F₂F₃F₄为1,2,3,4号舵机所产生的气动力，R₁R₂R₃R₄为1,2,3,4号舵机的旋转方向，φ为横滚角，θ为俯仰角，Ψ为偏航角，另外有如下公式：

$\begin{array}{c}\stackrel{\·}{p}=v\\ T=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left|f_i\right|=b\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{w}_i^2\\ \stackrel{\·}{v}=g{X}_w-\frac{1}{m}\mathrm{TR}{Z}_w\\ \stackrel{\·}{R}=\mathrm{RS}\left(\mathrm{\Ω}\right)\\ I_f\stackrel{\·}{\mathrm{\Ω}}=-\mathrm{\Ω}*I_f\mathrm{\Ω}-G_a+{\mathrm{\τ}}_a\\ I_r\stackrel{\·}{\mathrm{\ω}}={\mathrm{\τ}}_i-Q_i,i\∈\left(\mathrm{1,2,3,4}\right)\\ Q_i=K{w}_i^2\end{array}$

其中，p表示无人机的相对全局坐标系下的本地坐标，(X_w,Y_w,Z_w)表示无人机世界坐标，v表示无人机速度，表示无人机加速度，g表示重力加速度，T表示由马达产生的气动力，I表示转动惯量，Ω表示无人机角速度，表示角速度的加速度，τ_a表示由马达产生的扭矩，τ_i表示控制输入，Q_i为飞行力矩，K为力矩常数，为马达转速

在步骤103中，通过连接起始点和终点可产生每架无人机的可飞行路径，可飞行路径的设计公式如下： $p_{\mathrm{si}}(x_{\mathrm{si}},y_{\mathrm{si}},z_{\mathrm{si}},{\mathrm{\θ}}_{\mathrm{si}},{\mathrm{\ψ}}_{\mathrm{si}})\stackrel{r_i\left(q\right)}{\→}{p}_{\mathrm{fi}}(x_{\mathrm{fi}},y_{\mathrm{fi}},z_{\mathrm{fi}},{\mathrm{\θ}}_{\mathrm{fi}},{\mathrm{\ψ}}_{\mathrm{fi}}),$ 其中，p_si(x_si,y_si,z_si,θ_si,Ψ_si)表示起始点无人机坐标和各姿态角，p_fi(x_fi,y_fi,z_fi,θ_fi,Ψ_fi)表示终点无人机坐标和各姿态角。

在步骤105中，利用深度摄像机建立相邻无人机间的相对位置坐标，根据事先设定的阈值去除少数噪点，生成无人机群的分布结构图。距离信息由如下公式得出： $d_{\mathrm{mn}}=\sqrt[2]{{(x_m-x_n)}^2+{(y_m-y_n)}^2+{(z_m-z_n)}^2,}$ 其中，d_mn为距离，(x_m,y_m,z_m)和(x_n,y_n,z_n)为m，n的坐标。将扫描得出的距离信息和分布结构存入数据库，结合高度信息建立步骤103所需的三维环境点云。

在步骤107中，通过飞行路径、环境点云分布、飞行数据和相邻无人机之间的距离建立供无人机群的每个无人机飞行的全局地图。确定无人机群中每个无人机在全局地图中的位置、相邻无人机之间的距离、飞行高度和飞行姿态角。根据全局地图中障碍物的位置调整无人机群中对应无人机的飞行速度、飞行姿态角和飞行高度。

在本发明的一个实施例中，有效载荷、传感器设备和操作以及无人机的大小都是约束因素。为了避免无人机间的碰撞，需要确定最小距离以及不碰撞路径。其中任意两条飞行路径间的距离应该大于最小分离距离d_sep， $d_{\mathrm{sep}}=\sqrt[2]{{(x_m-x_k)}^2+{(y_m-y_k)}^2+{(z_m-z_k)}^2,}$ 其中，(x_m,y_m,z_m)和(x_k,y_k,z_k)为第m号无人机，第n号无人机的坐标d_sep,k,m＞R_s,k+R_s,m，R_s,k,R_s，m表示第k和m条路径的安全圆半径。

根据本发明实施例的方法，通过生成全局地图并根据障碍物和无人机的飞行数据对无人机进行控制，从而提高无人机之间的协同工作能力保证了任务的完成效率。

图3为根据本发明一个实施例的无人机群的控制***的结构框图。如图3所示，根据本发明实施例的无人机群的控制***包括：图像采集模块100、路径规划模块300、数据获取模块500和建立模块700。

具体地，图像采集模块100通过每个无人机的数据采集设备获取每个无人机周围的视频图像获得无人机群的拓扑结构和环境点云分布；路径规划模块300根据拓扑结构和飞行任务规划每个无人机的飞行路径；数据获取模块500通过传感器获取每个无人机的飞行数据和相邻无人机之间的距离；以及建立模块700通过飞行路径、环境点云分布、飞行数据和相邻无人机之间的距离建立供无人机群的每个无人机飞行的全局地图，并通过全局地图对无人机群的飞行进行控制。飞行数据包括飞行速度、飞行姿态角和飞行高度。

根据本发明实施例的***，通过生成全局地图并根据障碍物和无人机的飞行数据对无人机进行控制，从而提高无人机之间的协同工作能力保证了任务的完成效率。

在本发明的一个实施例中，建立模块700具体包括：地图生成单元710、确定单元730和调整单元750

具体而言，地图生成单元710用于通过飞行路径、环境点云分布、飞行数据和相邻无人机之间的距离建立供无人机群的每个无人机飞行的全局地图。确定单元730用于确定无人机群中每个无人机在全局地图中的位置、相邻无人机之间的距离、飞行高度和飞行姿态角。调整单元750用于根据全局地图中障碍物的位置调整无人机群中对应无人机的飞行速度、飞行姿态角和飞行高度。

图像采集模块100通过激光扫描仪扫描获取相邻无人机的距离信息和相邻角度信息，并在扫描开始时确定全局地图坐标系。通过带深度信息的摄像机和激光测距仪获得无人机间的相对空间位置和距离信息，实施例子中使用的是Microsoft公司的Kinect摄像机和日本Hokuyo公司的激光测距仪。

图2为根据本发明一个实施例的无人机姿态角的示意图。如图2所示，X,Y,Z为由无人机质心建立的机体轴坐标系，F₁F₂F₃F₄为1,2,3,4号舵机所产生的气动力，R₁R₂R₃R₄为1,2,3,4号舵机的旋转方向，φ为横滚角，θ为俯仰角，Ψ为偏航角，另外有如下公式：

$\begin{array}{c}\stackrel{\·}{p}=v\\ T=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left|f_i\right|=b\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{w}_i^2\\ \stackrel{\·}{v}=g{X}_w-\frac{1}{m}\mathrm{TR}{Z}_w\\ \stackrel{\·}{R}=\mathrm{RS}\left(\mathrm{\Ω}\right)\\ I_f\stackrel{\·}{\mathrm{\Ω}}=-\mathrm{\Ω}*I_f\mathrm{\Ω}-G_a+{\mathrm{\τ}}_a\\ I_r\stackrel{\·}{\mathrm{\ω}}={\mathrm{\τ}}_i-Q_i,i\∈\left(\mathrm{1,2,3,4}\right)\\ Q_i=K{w}_i^2\end{array}$

其中，p表示无人机的相对全局坐标系下的本地坐标，(X_w,Y_w,Z_w)表示无人机世界坐标，v表示无人机速度，表示无人机加速度，g表示重力加速度，T表示由马达产生的气动力，I表示转动惯量，Ω表示无人机角速度，表示角速度的加速度，τ_a表示由马达产生的扭矩，τ_i表示控制输入，Q_i为飞行力矩，K为力矩常数，为马达转速

路径规划模块300通过连接起始点和终点可产生每架无人机的可飞行路径，可飞行路径的设计公式如下： $p_{\mathrm{si}}(x_{\mathrm{si}},y_{\mathrm{si}},z_{\mathrm{si}},{\mathrm{\θ}}_{\mathrm{si}},{\mathrm{\ψ}}_{\mathrm{si}})\stackrel{r_i\left(q\right)}{\→}{p}_{\mathrm{fi}}(x_{\mathrm{fi}},y_{\mathrm{fi}},z_{\mathrm{fi}},{\mathrm{\θ}}_{\mathrm{fi}},{\mathrm{\ψ}}_{\mathrm{fi}}),$ 其中，p_si(x_si,y_si,z_si,θ_si,Ψ_si)表示起始点无人机坐标和各姿态角，p_fi(x_fi,y_fi,z_fi,θ_fi,Ψ_fi)表示终点无人机坐标和各姿态角。

数据获取模块500利用深度摄像机建立相邻无人机间的相对位置坐标，根据事先设定的阈值去除少数噪点，生成无人机群的分布结构图。距离信息由如下公式得出： $d_{\mathrm{mn}}=\sqrt[2]{{(x_m-x_n)}^2+{(y_m-y_n)}^2+{(z_m-z_n)}^2,}$ 其中，d_mn为距离，(x_m,y_m,z_m)和(x_n,y_n,z_n)为m，n的坐标。将扫描得出的距离信息和分布结构存入数据库，结合高度信息建立所需的三维环境点云。

在本发明的一个实施例中，有效载荷、传感器设备和操作以及无人机的大小都是约束因素。为了避免无人机间的碰撞，需要确定最小距离以及不碰撞路径。其中任意两条飞行路径间的距离应该大于最小分离距离d_sep， $d_{\mathrm{sep}}=\sqrt[2]{{(x_m-x_k)}^2+{(y_m-y_k)}^2+{(z_m-z_k)}^2,}$ 其中，(x_m,y_m,z_m)和(x_k,y_k,z_k)为第m号无人机，第n号无人机的坐标d_sep,k,m＞R_s,k+R_s,m，R_s,k,R_s,m表示第k和m条路径的安全圆半径。

根据本发明实施例的***，通过生成全局地图并根据障碍物和无人机的飞行数据对无人机进行控制，从而提高无人机之间的协同工作能力保证了任务的完成效率。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (4)

1.一种无人机群的控制方法，其特征在于，所述无人机群的每个无人机上设有传感器和数据采集设备，其控制过程包括以下步骤：

图像采集步骤，通过每个无人机的所述数据采集设备获取所述每个无人机周围的视频图像获得无人机群的拓扑结构和环境点云分布；

路径规划步骤，根据所述拓扑结构和飞行任务规划每个无人机的飞行路径；

数据获取步骤，通过传感器获取所述每个无人机的飞行数据和相邻无人机之间的距离，所述飞行数据包括飞行速度、飞行姿态角和飞行高度；以及

全局地图建立步骤，通过所述飞行路径、所述环境点云分布、所述飞行数据和所述相邻无人机之间的距离建立供所述无人机群的每个无人机飞行的全局地图，确定所述无人机群中每个无人机在所述全局地图中的位置、相邻无人机之间的距离、所述飞行高度和所述飞行姿态角，以及根据所述全局地图中障碍物的位置调整所述无人机群中对应无人机的所述飞行速度、所述飞行姿态角和飞行高度。

2.如权利要求1所述的无人机群的控制方法，其特征在于，所述飞行姿态角通过如下公式表示，所述公式为，

$R=\[\begin{array}{ccc}\cos \mathrm{\Ψ}\cos \mathrm{\θ}-\sin \mathrm{\Φ}\sin \mathrm{\Ψ}\sin \mathrm{\θ}& -\cos \mathrm{\Φ}\sin \mathrm{\Ψ}& \cos \mathrm{\Ψ}\sin \mathrm{\θ}+\cos \mathrm{\θ}\sin \mathrm{\Φ}\sin \mathrm{\θ}\\ \cos \mathrm{\θ}\sin \mathrm{\Ψ}+\cos \mathrm{\Ψ}\sin \mathrm{\Φ}\sin \mathrm{\θ}& \cos \mathrm{\Φ}\cos \mathrm{\Ψ}& \sin \mathrm{\Ψ}\sin \mathrm{\θ}-\cos \mathrm{\Ψ}\cos \mathrm{\θ}\sin \mathrm{\Φ}\\ -\cos \mathrm{\Φ}\sin \mathrm{\θ}& \sin \mathrm{\Φ}& \cos \mathrm{\Φ}\cos \mathrm{\θ}\end{array},$

其中，R为所述飞行姿态角转换矩阵，φ为横滚角，θ为俯仰角，Ψ为偏航角。

3.一种无人机群的控制***，其特征在于，所述无人机群的每个无人机上设有传感器和数据采集设备，该***包括：

图像采集模块，通过每个无人机的所述数据采集设备获取所述每个无人机周围的视频图像获得无人机群的拓扑结构和环境点云分布；

路径规划模块，根据所述拓扑结构和飞行任务规划每个无人机的飞行路径；

数据获取模块，通过传感器获取所述每个无人机的飞行数据和相邻无人机之间的距离，所述飞行数据包括飞行速度、飞行姿态角和飞行高度；以及

建立模块，所述建立模块包括：

地图生成单元，用于通过所述飞行路径、所述环境点云分布、所述飞行数据和所述相邻无人机之间的距离建立供所述无人机群的每个无人机飞行的全局地图；

确定单元，用于确定所述无人机群中每个无人机在所述全局地图中的位置、相邻无人机之间的距离、所述飞行高度和所述飞行姿态角；以及

调整单元，用于根据所述全局地图中障碍物的位置调整所述无人机群中对应无人机的所述飞行速度、所述飞行姿态角和飞行高度。

4.如权利要求3所述的无人机群的控制***，其特征在于，所述飞行姿态角通过如下公式表示，所述公式为，

$R=\[\begin{array}{ccc}\cos \mathrm{\Ψ}\cos \mathrm{\θ}-\sin \mathrm{\Φ}\sin \mathrm{\Ψ}\sin \mathrm{\θ}& -\cos \mathrm{\Φ}\sin \mathrm{\Ψ}& \cos \mathrm{\Ψ}\sin \mathrm{\θ}+\cos \mathrm{\θ}\sin \mathrm{\Φ}\sin \mathrm{\θ}\\ \cos \mathrm{\θ}\sin \mathrm{\Ψ}+\cos \mathrm{\Ψ}\sin \mathrm{\Φ}\sin \mathrm{\θ}& \cos \mathrm{\Φ}\cos \mathrm{\Ψ}& \sin \mathrm{\Ψ}\sin \mathrm{\θ}-\cos \mathrm{\Ψ}\cos \mathrm{\θ}\sin \mathrm{\Φ}\\ -\cos \mathrm{\Φ}\sin \mathrm{\θ}& \sin \mathrm{\Φ}& \cos \mathrm{\Φ}\cos \mathrm{\θ}\end{array}$

其中，R为所述飞行姿态角转换矩阵，φ为横滚角，θ为俯仰角，Ψ为偏航角。