CN107272736A - 一种基于鸽子被动式避障飞行的无人机避障导引方法 - Google Patents
一种基于鸽子被动式避障飞行的无人机避障导引方法 Download PDFInfo
- Publication number
- CN107272736A CN107272736A CN201710546082.3A CN201710546082A CN107272736A CN 107272736 A CN107272736 A CN 107272736A CN 201710546082 A CN201710546082 A CN 201710546082A CN 107272736 A CN107272736 A CN 107272736A
- Authority
- CN
- China
- Prior art keywords
- mrow
- unmanned plane
- msub
- obstacle
- pigeon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 241000272201 Columbiformes Species 0.000 title claims abstract description 34
- 238000004088 simulation Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 238000005070 sampling Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
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
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)
Abstract
本发明是一种基于鸽子被动式避障飞行的无人机避障导引方法,其实现步骤为:步骤一:初始化;步骤二:感知并检测障碍;步骤三:制定避障策略;步骤四:航向导引;步骤五:航向控制;步骤六:更新飞行状态;步骤七:判断是否结束仿真。该方法旨在提供一种在线的无人机避障导引方法,在提高无人机环境适应性的同时,降低无人机单机计算负载,从而有效提高复杂动态任务环境下的无人机自主能力水平。
Description
技术领域
本发明涉及一种基于鸽子被动式避障飞行的无人机避障导引方法,属于无人机控制领域。
背景技术
无人机(Unmanned Aerial Vehicle,UAV)是一种由自身程序控制或者由无线电遥控的,用来执行特定任务的无人驾驶飞行器,具备机动性强、风险性低、成本较低、可靠性高、适应性强、应用领域广等特质。
由于无人机任务环境往往动态复杂,包含大量不确定、不完全的信息,为提高无人机飞行安全,避障***开始被广泛运用在无人机上。机上避障***除依赖传感器技术、图像处理技术获得任务区域内最新的环境信息外,还需要无人机避障导引方法帮助机组人员或作战任务规划人员为执行任务的无人机选择具有最低损耗危险通过任务区域的航路,因此设计合理高效的无人机避障导引方法至关重要。本发明旨在通过设计一种无人机避障导引方法,提高无人机环境适应性等自主能力,使其可以较低的载荷配置高效完成相对复杂的任务。
目前,常见的无人机避障导引方法主要包括基于采样法、基于节点法、基于数学模型法以及进化算法等。其中,基于采样法包括Voronoi图法、概率路标图法、快速扩展随机树法、人工势场法等,均需要预先获知任务区域内的完整障碍信息,无法适应复杂动态的任务环境。基于节点法包括Dijsktra算法、A*算法等,均是基于栅格地图进行启发式搜索,而为生成精确的可行导引航迹,栅格划分应尽可能小,且考虑的邻域应尽可能大,但单机计算负载也随之增大,算法收敛时间也随之变长。基于数学模型法是通过分段线性化和整数规划方法将无人机避障导引问题转化成一个规范的数学问题,进化算法是将无人机避障导引问题转化成一个在约束条件下寻找最优解的组合优化问题,由于二者的计算复杂度过大,因此不适用于在线无人机避障导引。本发明针对现有无人机避障导引方法在环境适应性、收敛时间以及计算复杂度等方面的不足,基于鸽子被动式避障飞行设计了一种在线的无人机避障导引方法。
在自然环境中移动的动物往往需要避开活动路径上的障碍,当其以较高的速度运动时,避障变得十分困难,但自然界中的鸽子进化出了相应的避障能力以实现安全飞行。鸽子避障飞行不是预先规划好的,而是一种被动的反应。鸽子在感知到障碍物后,会立刻调整飞行方向,其往往倾向于尽可能穿过障碍之间最宽敞的空隙,而不是以最小化路程为原则调整飞行方向。鉴于鸽子避障飞行中所体现的被动式、快速性和简单性等特点与无人机避障导引中的环境适应性、收敛时间和计算复杂度等要求有着紧密的契合之处,本发明提出了一种基于鸽子被动式避障飞行的无人机避障导引方法,以解决现有无人机避障导引方法在自主能力以及单机负载上的不足,有效提高无人机自主控制水平。
发明内容
1、发明目的:
本发明提供了一种基于鸽子被动式避障飞行的无人机避障导引方法,其目的是提供一种在线的无人机避障导引方法,旨在提高无人机环境适应性的同时,降低无人机单机计算负载,从而有效提高复杂动态任务环境下的无人机自主能力水平。
2、技术方案:
本发明针对无人机避障导引问题,开发了一种基于鸽子被动式避障飞行的无人机避障导引方法,该方法的框架如图1所示,具体实现步骤如下:
步骤一:初始化
随机生成无人机在初始时刻的二维空间位置(X,Y)、飞行速度V、航向角ψ;随机生成二维空间内的n个圆形障碍,每个障碍的圆心坐标为(xi,yi),半径均为r,其中i=1,2,...,n为障碍的编号;设定仿真时间t=1。
步骤二:感知并检测障碍
将无人机视为具有视场角限制θlim和感知距离限制Rlim的鸽子,其中0°<θlim≤180°,Rlim>0。鸽子可检测到位于有效感知区域内的障碍,鸽子的有效感知区域为一个扇形,该扇形的顶点为(X,Y),半径为Rlim,圆心角为2θlim,顶点到弧线中点的方向与ψ一致。即当无人机与障碍i的距离Ri小于等于Rlim,且障碍i到无人机的连线与无人机航向间的夹角小于θlim时,无人机可检测到障碍i,其中
步骤三:制定避障策略
鸽子主要根据检测到的障碍间的缝隙制定避障策略。鸽子检测到的障碍间的缝隙可视为由无人机与障碍i间的距离Ri以及无人机航向角ψ与障碍角坐标θi间的差异来描述的量,鸽子的避障策略可视为下式所描述的无人机针对障碍i的避障角αi:
其中
步骤四:航向导引
为保证飞行安全,鸽子会将自身的飞行方向对准最大缝隙。鸽子对准的最大缝隙角坐标可视为下式所描述的无人机期望航向角θaim:
θaim=∑(θi+αi) (2)
步骤五:航向控制
无人机航向控制器可描述为:
其中航向误差θe=ψ-θaim,τ为视觉感知传感器时延,KP、KI和KD分别为无人机航向比例控制增益、积分控制增益以及微分控制增益,KS为惯性稳定控制增益。
步骤六:更新飞行状态
由航向角变化率更新无人机航向角ψ,并由下式更新无人机二维空间位置:
步骤七:判断是否结束仿真
仿真时间t=t+1。若t大于最大仿真运行时间Tmax,则仿真结束并绘制无人机避障飞行轨迹;否则,返回步骤二。
3、优点及效果:
本发明提出了一种基于鸽子被动式避障飞行的无人机避障导引方法。该方法的主要优势主要体现在两个方面:一方面,该方法秉承了鸽子避障飞行中的快速性和简单性,与常见的基于节点法、基于数学模型法以及进化算法的无人机避障导引方法相比,该方法有效降低了单机计算负载;另一方面,该方法是模仿鸽子被动式的避障飞行机制设计的在线无人机避障导引方法,因此相较于常见的基于采样法的无人机避障导引方法,该方法提高了无人机对于复杂动态任务环境的适应能力。
附图说明
图1基于鸽子被动式避障飞行的无人机避障导引框架。
图2无人机避障飞行轨迹。
图中标号及符号说明如下:
(X,Y)——无人机二维空间位置
ψ——无人机航向角
θlim——视场角限制
Rlim——感知距离限制
α——避障角
θaim——无人机期望航向角
KP——无人机航向比例控制增益
KI——无人机航向积分控制增益
KD——无人机航向微分控制增益
τ——视觉感知传感器时延
KS——惯性稳定控制增益
xg——地面坐标系横轴
yg——地面坐标系纵轴
具体实施方式
见图1至图2,下面通过一个具体的无人机避障实例来验证本发明所提出的方法的有效性。一种基于鸽子被动式避障飞行的无人机避障导引方法,该方法具体步骤如下:
步骤一:初始化
随机生成无人机在初始时刻的二维空间位置(X,Y),其中X取值范围为0~2m,Y取值范围为8m~12m;无人机飞行速度V=1m/s,初始航向角ψ=0°;随机生成二维空间内的20个圆形障碍,每个障碍的圆心坐标为(xi,yi),其中i=1,2,...,20为障碍的编号,xi取值范围为7m~13m,yi取值范围为0~20m;圆形障碍的半径r=0.1m;设定仿真时间t=1。
步骤二:感知并检测障碍
将无人机视为具有视场角限制θlim=30°和感知距离限制Rlim=0.5m的鸽子。鸽子可检测到位于有效感知区域内的障碍,鸽子的有效感知区域为一个扇形,该扇形的顶点为(X,Y),半径为0.5m,圆心角为60°,顶点到弧线中点的方向与ψ一致。即当无人机与障碍i的距离Ri小于等于0.5m,且障碍i到无人机的连线与无人机航向间的夹角小于30°时,无人机可检测到障碍i,其中
步骤三:制定避障策略
由式(1)得到无人机针对障碍i的避障角αi。
步骤四:航向导引
由式(2)得到无人机期望航向角θaim
步骤五:航向控制
无人机航向控制器可描述为式(3),其中视觉感知传感器时延τ=1,无人机航向比例控制增益KP=0.25,无人机航向积分控制增益KI=0,无人机航向微分控制增益KD=0.1,惯性稳定控制增益KS=0.05。
步骤六:更新飞行状态
由航向角变化率更新无人机航向角ψ,并由式(4)更新无人机二维空间位置。
步骤七:判断是否结束仿真
仿真时间t=t+1。若t大于100,则仿真结束,绘制的无人机避障飞行轨迹如图2所示;否则,返回步骤二。
Claims (1)
1.一种基于鸽子被动式避障飞行的无人机避障导引方法,其特征在于:该方法的实现步骤如下:
步骤一:初始化
随机生成无人机在初始时刻的二维空间位置(X,Y)、飞行速度V、航向角ψ;随机生成二维空间内的n个圆形障碍,每个障碍的圆心坐标为(xi,yi),半径均为r,其中i=1,2,...,n为障碍的编号;设定仿真时间t=1;
步骤二:感知并检测障碍
将无人机视为具有视场角限制θlim和感知距离限制Rlim的鸽子,其中0°<θlim≤180°,Rlim>0;鸽子可检测到位于有效感知区域内的障碍,鸽子的有效感知区域为一个扇形,该扇形的顶点为(X,Y),半径为Rlim,圆心角为2θlim,顶点到弧线中点的方向与ψ一致;即当无人机与障碍i的距离Ri小于等于Rlim,且障碍i到无人机的连线与无人机航向间的夹角小于θlim时,无人机可检测到障碍i,其中
步骤三:制定避障策略
鸽子主要根据检测到的障碍间的缝隙制定避障策略;鸽子检测到的障碍间的缝隙可视为由无人机与障碍i间的距离Ri以及无人机航向角ψ与障碍角坐标θi间的差异来描述的量,鸽子的避障策略可视为下式所描述的无人机针对障碍i的避障角αi:
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>&psi;</mi>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mfrac>
<msub>
<mi>&theta;</mi>
<mi>lim</mi>
</msub>
<mrow>
<mo>|</mo>
<mi>&psi;</mi>
<mo>-</mo>
<msub>
<mi>&theta;</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
</mrow>
</mfrac>
<mfrac>
<msub>
<mi>R</mi>
<mi>lim</mi>
</msub>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中
步骤四:航向导引
为保证飞行安全,鸽子会将自身的飞行方向对准最大缝隙;鸽子对准的最大缝隙角坐标可视为下式所描述的无人机期望航向角θaim:
θaim=∑(θi+αi) (2)
步骤五:航向控制
无人机航向控制器可描述为:
<mrow>
<mover>
<mi>&psi;</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>K</mi>
<mi>P</mi>
</msub>
<msub>
<mi>&theta;</mi>
<mi>e</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>I</mi>
</msub>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>t</mi>
</msubsup>
<msub>
<mi>&theta;</mi>
<mi>e</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>D</mi>
</msub>
<msub>
<mover>
<mi>&theta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>e</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>S</mi>
</msub>
<mover>
<mi>&psi;</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>&tau;</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中航向误差θe=ψ-θaim,τ为视觉感知传感器时延,KP、KI和KD分别为无人机航向比例控制增益、积分控制增益以及微分控制增益,KS为惯性稳定控制增益;
步骤六:更新飞行状态
由航向角变化率更新无人机航向角ψ,并由下式更新无人机二维空间位置:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mover>
<mi>X</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>=</mo>
<mi>V</mi>
<mi> </mi>
<mi>cos</mi>
<mi>&psi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mover>
<mi>Y</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>=</mo>
<mi>V</mi>
<mi> </mi>
<mi>sin</mi>
<mi>&psi;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤七:判断是否结束仿真
仿真时间t=t+1;若t大于最大仿真运行时间Tmax,则仿真结束并绘制无人机避障飞行轨迹;否则,返回步骤二。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710546082.3A CN107272736B (zh) | 2017-07-06 | 2017-07-06 | 一种基于鸽子被动式避障飞行的无人机避障导引方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710546082.3A CN107272736B (zh) | 2017-07-06 | 2017-07-06 | 一种基于鸽子被动式避障飞行的无人机避障导引方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107272736A true CN107272736A (zh) | 2017-10-20 |
CN107272736B CN107272736B (zh) | 2020-05-05 |
Family
ID=60072279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710546082.3A Active CN107272736B (zh) | 2017-07-06 | 2017-07-06 | 一种基于鸽子被动式避障飞行的无人机避障导引方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107272736B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829131A (zh) * | 2018-06-12 | 2018-11-16 | 北京航空航天大学 | 一种基于多目标自适应变异鸽群优化的无人机集群避障法 |
CN109357678A (zh) * | 2018-10-16 | 2019-02-19 | 北京航空航天大学 | 一种基于异质化鸽群优化算法的多无人机路径规划方法 |
CN111766891A (zh) * | 2019-05-23 | 2020-10-13 | 北京京东尚科信息技术有限公司 | 用于控制无人机飞行的方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6804607B1 (en) * | 2001-04-17 | 2004-10-12 | Derek Wood | Collision avoidance system and method utilizing variable surveillance envelope |
CN102621988A (zh) * | 2012-04-10 | 2012-08-01 | 西北工业大学 | 一种水下航行器的避障方法 |
CN102854883A (zh) * | 2012-07-04 | 2013-01-02 | 北京航空航天大学 | 一种无人机动态紧急避撞区的建模方法 |
CN103365299A (zh) * | 2013-08-02 | 2013-10-23 | 中国科学院自动化研究所 | 一种无人机的避障方法及其装置 |
US9208687B2 (en) * | 2013-01-15 | 2015-12-08 | Raytheon Canada Limited | System and method for social networking of aircraft for information exchange |
CN105654500A (zh) * | 2016-02-01 | 2016-06-08 | 北京航空航天大学 | 基于仿生鸽群优化视觉注意机制的无人机目标检测方法 |
US9417325B1 (en) * | 2014-01-10 | 2016-08-16 | Google Inc. | Interface for accessing radar data |
US20170000106A1 (en) * | 2012-11-27 | 2017-01-05 | Elwha Llc | Methods and systems for directing birds away from equipment |
CN106843269A (zh) * | 2017-01-22 | 2017-06-13 | 北京航空航天大学 | 一种基于小型鸟类集群飞行机制的无人机编队方法 |
-
2017
- 2017-07-06 CN CN201710546082.3A patent/CN107272736B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6804607B1 (en) * | 2001-04-17 | 2004-10-12 | Derek Wood | Collision avoidance system and method utilizing variable surveillance envelope |
CN102621988A (zh) * | 2012-04-10 | 2012-08-01 | 西北工业大学 | 一种水下航行器的避障方法 |
CN102854883A (zh) * | 2012-07-04 | 2013-01-02 | 北京航空航天大学 | 一种无人机动态紧急避撞区的建模方法 |
US20170000106A1 (en) * | 2012-11-27 | 2017-01-05 | Elwha Llc | Methods and systems for directing birds away from equipment |
US9208687B2 (en) * | 2013-01-15 | 2015-12-08 | Raytheon Canada Limited | System and method for social networking of aircraft for information exchange |
CN103365299A (zh) * | 2013-08-02 | 2013-10-23 | 中国科学院自动化研究所 | 一种无人机的避障方法及其装置 |
US9417325B1 (en) * | 2014-01-10 | 2016-08-16 | Google Inc. | Interface for accessing radar data |
CN105654500A (zh) * | 2016-02-01 | 2016-06-08 | 北京航空航天大学 | 基于仿生鸽群优化视觉注意机制的无人机目标检测方法 |
CN106843269A (zh) * | 2017-01-22 | 2017-06-13 | 北京航空航天大学 | 一种基于小型鸟类集群飞行机制的无人机编队方法 |
Non-Patent Citations (4)
Title |
---|
BIQIANG DU 等: "A common obstacle avoidance module based on fuzzy algorithm for Unmanned Aerial Vehicle", 《2016 IEEE INTERNATIONAL CONFERENCE ON CYBER TECHNOLOGY IN AUTOMATION, CONTROL, AND INTELLIGENT SYSTEMS (CYBER)》 * |
LIANG YAN 等: "Structure optimization of permanent magnet spherical motor utilizing improved Particle Swarm algorithm", 《 2016 IEEE CHINESE GUIDANCE, NAVIGATION AND CONTROL CONFERENCE (CGNCC)》 * |
宗群 等: "多无人机协同编队飞行控制研究现状及发展", 《哈尔滨工业大学学报》 * |
邱华鑫 等: "基于鸽群行为机制的多无人机自主编队", 《控制理论与应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829131A (zh) * | 2018-06-12 | 2018-11-16 | 北京航空航天大学 | 一种基于多目标自适应变异鸽群优化的无人机集群避障法 |
CN109357678A (zh) * | 2018-10-16 | 2019-02-19 | 北京航空航天大学 | 一种基于异质化鸽群优化算法的多无人机路径规划方法 |
CN109357678B (zh) * | 2018-10-16 | 2020-10-13 | 北京航空航天大学 | 一种基于异质化鸽群优化算法的多无人机路径规划方法 |
CN111766891A (zh) * | 2019-05-23 | 2020-10-13 | 北京京东尚科信息技术有限公司 | 用于控制无人机飞行的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107272736B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lugo-Cárdenas et al. | Dubins path generation for a fixed wing UAV | |
CN104960520B (zh) | 基于Pure Pursuit算法的预瞄点确定方法 | |
Coppola et al. | On-board communication-based relative localization for collision avoidance in micro air vehicle teams | |
CN104536457B (zh) | 基于小型无人机导航的滑模控制方法 | |
CN103365299B (zh) | 一种无人机的避障方法及其装置 | |
ES2367396T3 (es) | Procedimiento y aparato para generar al menos una trayectoria de vuelo votada de un vehículo. | |
Saska et al. | Coordination and navigation of heterogeneous UAVs-UGVs teams localized by a hawk-eye approach | |
CN104392047B (zh) | 一种基于平稳滑翔弹道解析解的快速弹道规划方法 | |
Zhao et al. | Dynamic motion planning for autonomous vehicle in unknown environments | |
CN103149937A (zh) | 一种基于曲率补偿的横侧向曲线航迹跟踪方法 | |
Wang et al. | Integrated path planning and trajectory tracking control for quadrotor UAVs with obstacle avoidance in the presence of environmental and systematic uncertainties: Theory and experiment | |
CN107272736A (zh) | 一种基于鸽子被动式避障飞行的无人机避障导引方法 | |
CN101266150A (zh) | 一种无人机侧向领航方法 | |
CN109991972A (zh) | 控制车辆行驶的方法、装置、车辆及可读存储介质 | |
Fu et al. | Path planning and decision making for autonomous vehicle in urban environment | |
Chen et al. | Formation reconfiguration for fixed-wing UAVs: A coordinated path following approach | |
CN105241466A (zh) | 一种飞行器三维导航方法及其装置 | |
Zeyu et al. | Autonomous formation flight of UAVs: Control algorithms and field experiments | |
Roald | Path planning for vehicle motion control using numerical optimization methods | |
Pant et al. | Obstacle Avoidance Method for UAVs using Polar Grid | |
Zhang et al. | Trajectory planning and tracking for autonomous vehicle considering human driver personality | |
Dugar et al. | Smooth trajectory optimization in wind: First results on a full-scale helicopter | |
Jackson et al. | Cushioned extended-periphery avoidance: A reactive obstacle avoidance plugin | |
Shukla et al. | Validation and verification flight testing of uas morphing potential field collision avoidance algorithms | |
Moussa et al. | IoT-based dynamic map attributes for connected and autonomous vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |