CN108508916A - 一种无人机编队的控制方法、装置、设备及存储介质 - Google Patents
一种无人机编队的控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN108508916A CN108508916A CN201810283435.XA CN201810283435A CN108508916A CN 108508916 A CN108508916 A CN 108508916A CN 201810283435 A CN201810283435 A CN 201810283435A CN 108508916 A CN108508916 A CN 108508916A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- target object
- local feature
- feature region
- distribution map
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012876 topography Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000005381 potential energy Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003331 infrared imaging Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
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
本发明实施例公开了一种无人机编队的控制方法、装置、设备及存储介质,方法包括:获取至少一个无人机采集的目标物体的局部特征点;根据各所述无人机相对所述目标物体的位置以及各所述无人机的姿态确定所述局部特征点在所述目标物体的全局特征点分布图中的位置;基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置。本发明实施例的技术方案能够提高被测目标物体的信息获取量,从而提升对被测目标物体进行识别、扫描的效率以及对被测目标物体进行识别、扫描的精确度。
Description
技术领域
本发明实施例涉及无人机操作领域,尤其涉及一种无人机编队的控制方法、装置、设备及存储介质。
背景技术
无人机的研究在最近几年有了很大的进展,其体积小、重量轻、易维修等优点得到了广泛的推广,且利用无人机群的协同作业以执行更为复杂任务的要求逐渐成为无人机研究的趋势。
现有的无人机群规划主要包括编队飞行与目标观察或打击等方法。编队飞行的任务目标是维持特定队形,目标观察打击的任务目标则是使无人机群尽量覆盖所有目标区域。编队方法侧重防止无人机碰撞以及个***置安排,基本可分为三种框架:(1)基于行为控制的方法:机群个体的行为动作有保持距离、避障、朝目标前进等等,个体按照预定的逻辑规则去执行这些动作来实现编队控制。(2)基于人工势场的方法:在飞行区域内根据障碍物的位置、无人机的位置、以及目的地的位置构建一个势能场,无人机群的个体顺着其所处位置的势能梯度方向飞行,直到在场中找到势能场函数的平衡位置来实现编队控制。(3)基于长机-僚机的方法:僚机均对长机以特定的相对位置跟随,由此实现编队控制。目标观察打击方法则通常采用群体路径规划方法:通过优化方法给多个无人机分配目标,使得多个无人机覆盖多个目标所需的路径最短、代价最小。编队任务和目标观察打击任务有相通之处,而且通常混合执行(例如观察打击任务也会需要编队;而编队任务也可利用群体多路径规划方法、观察打击任务也可以利用人工势场方法等)。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:
基于行为控制的方法需要预先设定一系列条件逻辑,执行过程依赖于预定逻辑判断,不利于对意外的情况做出反应。基于人工势场的方法可以保证队形的自适应编队,但容易陷入势能函数的局部极值,导致其中的无人机困留在极值位置无法脱出,并且一般只能实现聚群编队,难以将任务信息添加到势能函数中。基于长机-僚机的方法实现简单,但依赖于长机的安全,且通常需要和其他方法结合。目标观察打击采用的群体多路径规划方法只考虑到达目标而不考虑目标的特征信息。综上,在目前所有的规划方法中,主要解决的问题是队形变换、队形稳定、防撞、避障以及达到目标等,都无法获取被测目标的最多信息,无法利用无人机集群提高对目标识别、扫描的效率和精确度。
发明内容
本发明实施例提供一种无人机群编队的控制方法、装置、设备及介质,提高被测目标物体的信息获取量,从而提升对被测目标物体进行识别、扫描的效率以及对被测目标物体进行识别、扫描的精确度。
第一方面,本发明实施例提供了一种无人机编队的控制方法,包括:
获取至少一个无人机采集的目标物体的局部特征点;
根据各所述无人机相对所述目标物体的位置以及各所述无人机的姿态确定所述局部特征点在所述目标物体的全局特征点分布图中的位置;
基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置。
第二方面,本发明实施例还提供了一种无人机群编队的控制装置,包括:
信息获取模块,用于获取至少一个无人机采集的目标物体的局部特征点;
位置确定模块,用于根据各所述无人机相对所述目标物体的位置以及各所述无人机的姿态确定所述局部特征点在所述目标物体的全局特征点分布图中的位置;
位置控制模块,用于基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所提供的无人机编队的控制方法。
所述设备还包括:
机载传感器,用于采集目标物体的局部特征点。
第四方面,本发明实施例还提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所提供的无人机编队的控制方法。
本发明实施例通过各无人机相对目标物体的位置以及各无人机采集的目标物体的局部特征点在全局特征点分布图的位置,控制各无人机的编队位置,可以获取被测目标物体的更多信息,提高被测目标物体的信息获取量,从而提升对被测目标物体进行识别、扫描的效率以及对被测目标物体进行识别、扫描的精确度。
附图说明
图1是本发明实施例一提供的一种无人机编队的控制方法的流程图;
图2是本发明实施例二提供的一种无人机编队的控制方法的流程图;
图3是本发明实施例二提供的一种自组织控制无人机编队位置的示意图;
图4是本发明实施例二提供的一种无人机编队位置变化前后视角变化的示意图;
图5是本发明实施例三提供的一种无人机编队的控制装置的示意图;
图6为本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
目前装载了摄像机或激光雷达的无人机常被用于对地面活动目标物体进行检测识别或者对大型目标物体进行三维扫描建模。单个无人机对目标物体的检测所需时间较长并且容易被环境遮挡。而利用多个无人机协作的方式则可以更快速、更全面的检测与扫描目标物体,本发明实施例应用于多个无人机协作检测、扫描目标物体的场景中。
实施例一
图1是本发明实施例一提供的一种无人机编队的控制方法的流程图,本实施例可适用于自动控制无人机编队以对目标物体全面检测识别或三维扫描建模,该方法可以由无人机编队的控制装置来执行,该装置可以由软件和/或硬件的方式来实现,所述装置可以配置在地面控制设备中,也可以配置在目标无人机中,其中目标无人机可以是各无人机中的任意一个。如图1所示,该方法包括如下操作:
S110、获取至少一个无人机采集的目标物体的局部特征点。
其中,目标物体是位于地面的静止或活动的物体,例如汽车、山谷等。特征点指的是具有鲜明特性并能够有效反映目标物体本质特征且能够标识目标物体的点。目标物体的局部特征点指的是无人机针对目标物体局部范围内获取到的具有鲜明特性并能够有效反映目标物体本质特征,且能够标识目标物体的点。需要理解的是局部特征点其实是目标物体的特征点。例如,目标物体是汽车时,局部特征点可以是车轮上的特征点,车轮上的特征点其实就是汽车的特征点。
在本发明实施例中,采用多个无人机协作的方式对目标物体的局部特征点进行采集,可以实现对目标物体的全面检测识别或三维扫描建模。可选的,无人机可以采用可见光摄像机、红外热成像摄像机、激光雷达或者其他一些类型的机载传感器等对目标物体进行采集,以获取目标物体的局部特征点。例如,通过传统摄像机作为机载传感器,各个无人机根据拍摄到的图像进行特征点提取与特征点个数计算,从而形成局部特征点。
在本发明的一个可选实施例中,所述获取至少一个无人机采集的目标物体的局部特征点,包括:获取所述目标物体的局部图像,根据特征提取算法在所述局部图像中提取特征点,并形成所述局部特征点。其中,当各无人机通过可见光摄像机或红外热成像摄像机等对无人机进行局部特征点采集时,可以首先通过摄像机获取目标物体的局部图像,进而根据图像处理领域的特征提取算法如尺度不变特征转换(Scale-invariant featuretransform,SIFT)算法等,在无人机获取的局部图像中提取特征点,并形成局部特征点。
在本发明的一个可选实施例中,在所述获取至少一个无人机采集的目标物体的局部特征点之前,还包括:获取所述目标物体的位置,并根据所述目标物体的位置随机控制各所述无人机的位置,以使目标物体在各所述无人机所在位置形成的区域中。
相应的,获取目标物体的位置可以是预先对无人机输入目标物***置的信息。如果无人机没有预先获取目标物体的位置,无人机在采集目标物体的局部特征点之前可以首先定位目标物体的位置。具体的,可以为各个无人机配置相应的GPS(Global PositioningSystem,全球定位***)功能以获取目标物体的位置。例如,在目标物体上设置GPS接收机,无人机通过GPS功能对目标物体定位以获取目标物体的位置。也还可以预先为目标物体和各无人机设置相应的无线传感器,通过各无人机和目标物体组成的无线传感器网络对目标物体进行定位。当然,本领域技术人员还可以根据公知常识,在本技术方案的技术背景下,建立其他获取目标物体的位置的方法,本发明实施例对此并不进行限制。
当获取到目标物体的位置后,可以通过控制各无人机可以采用随机的队形从地面起飞,根据目标物体的定位信息靠近目标物体,直到机载传感器(摄像机或激光雷达等)检测到目标物体,然后控制各无人机按随机队形把目标物体包围起来,即目标物体在各无人机所在位置形成的区域中。
需要说明的是,现有的无人机编队方法通常是采用均匀圆形队形去包围目标物体,然后平均分配目标物体的检测识别任务。这是一种平行作业而非协同作业,即每个无人机是独立作业。由于每个无人机的作业效率并不相同,在作业过程中可能会出现部分无人机因完成分配的任务而闲置的状态,从而导致无人机群执行任务的平均效率降低。本发明实施例对目标物体进行检测识别时采用无人机群对目标物体进行特征点采集,并采用自组织的编队方式(协同作业方式)控制无人机去执行任务,避免作业过程中无人机闲置的状态,可以提高作业的平均效率。
在本发明的一个可选实施例中,在采集所述目标物体的局部特征点的过程中,各所述无人机之间保持第一设定安全距离以及各所述无人机与所述目标物体之间保持第二设定安全距离。
其中,第一设定安全距离和第二设定安全距离可以根据实际需求进行设计,如第一设定安全距离为1米,第二设定安全距离为2米。当目标物体不同时,两个设定安全距离可以适应性更改。由此,无人机在作业的过程中保持无人机之间的安全作业距离,以及无人机和目标物体之间的安全作业距离,可以防止无人机更改编队位置时发生碰撞。
S120、根据各所述无人机相对所述目标物体的位置以及各所述无人机的姿态确定所述局部特征点在所述目标物体的全局特征点分布图中的位置。
其中,目标物体的全局特征点指的是整个目标物体的所有特征点,其中,全局特征点分布图是目标物体的所有特征点基于各特征点的位置形成的分布图。
在本发明实施例中,每一个无人机每次并不能采集到目标物体的全局特征点,只能采集到目标物体的局部特征点,为了实现各无人机的自组织的编队,需要确定各无人机获取的局部特征点在全部特征点分布图中的位置,可以选择将局部特征点融合的方式。融合即为在目标物体的全局特征点分布图(如三维立体图)中标注所有局部特征点在目标物体中的位置,基于标注的位置形成特征点分布图,也即局部特征点分布图。
其中,若存在两个无人机采集的局部特征点重合的现象,则在局部特征点分布图中仅仅显示一个。
局部特征点分布图是将所有无人机采集的局部特征点进行融合后,基于各个局部特征点的位置形成的分布图,局部特征点分布图中的局部特征点并不能覆盖目标物体的全局特征点。理论上,最优编队位置对应的无人机采集的局部特征点融合形成的局部特征点分布图能够包括目标物体的所有特征点,也即最优编队位置对应形成的局部特征点分布图就是目标物体的全局特征点分布图。
其中,在确定各无人机采集的局部特征点在全局特征点分布图中的位置时,可以通过各无人机相对目标物体的位置以及各无人机的姿态,确定各无人机获取的是目标物体中设定区域的特征点,并根据设定区域与目标物体之间的空间关系,确定设定区域中特征点的位置。其中,无人机的姿态指的是无人机的姿态角,可以通过设置在无人机上的陀螺仪或九轴传感器等可以测量姿态角的传感器获取,具体包括俯仰角、偏航角以及翻滚角。在确定设定区域中特征点的位置时,可以依据各无人机姿态角中的俯仰角、偏航角以及翻滚角,对各无人机采集到的局部特征点位置进行修正后,结合各无人机相对目标物体的位置进行确定。设定区域中的特征点即为局部特征点,从而就可以确定局部特征点在目标物体中的位置,继而可以确定局部特征点在目标物体的全局特征点分布图中的位置。
举例而言,无人机1、无人机2、无人机3以及无人机4分别位于无人机的正前、正后,左、右4个方向,控制无人机的姿态以使无人机上的机载传感器针对目标物体的一侧,从而可以获取到目标物体四个方位的图片:图A、图B、图C以及图D。通过无人机相对目标物体的位置以及无人机的姿态,可以确定各无人机分别获取的是目标物体正前侧、正后侧、左侧和右侧的局部特征点。由于目标物体的正前侧、正后侧、左侧、右侧分别目标物体之间存在空间关系,因此,图A中的局部特征点的位置对应目标物体正前侧特征点的位置,从而可以确定图A中局部特征点在目标物体全局特征点的位置,图B、图C和图D中局部特征点在目标物体全局特征点的位置的确定方法同图A。
需要说明的是,当无人机的位置和方向发生变化时,各无人机采集到的局部特征点与发生变化前采集到的局部特征点不同,因此局部特征点分布图与上一个局部特征点分布图并不相同。
S130、基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置。
在本发明实施例中,可以依据各无人机当前相对目标物体的位置以及局部特征点在全局特征点分布图中的位置,为每个无人机自行制定需要更改的编队位置。具体的,可以根据各无人机采集到的局部特征点在全局特征点分布图中的位置,形成局部特征点分布图,根据局部特征点的分布情况以及各无人机相对目标物体的位置,控制各个无人机的编队位置。具体的控制方法在下面实施例中详细介绍。其中,各无人机可以多次采集局部特征点,无人机的编队位置也会实时生成和变化,每次无人机的编队位置发送变化后,各无人机采集到的局部特征点形成的局部特征点分布图相对于上一个局部特征点分布图可能会包括的新增特征点。当局部特征点分布图中不再包括新增特征点时,说明无人机获取到的所有局部特征点已经是目标物体的可获取的最多的特征点。因此,本发明实施例无需人工干预,以获得被测目标物体的最多信息,从而提高对被测目标物体进行识别、扫描的效率以及对被测目标物体进行识别、扫描的精确度。
本发明实施例通过各无人机相对目标物体的位置以及各无人机采集的目标物体的局部特征点在全局特征点分布图的位置,控制各无人机的编队位置,可以获取被测目标物体的更多信息,提高被测目标物体的信息获取量,从而提升对被测目标物体进行识别、扫描的效率以及对被测目标物体进行识别、扫描的精确度。
实施例二
图2是本发明实施例二提供的一种无人机编队的控制方法的流程图,本实施例以上述实施例为基础进行具体化,在本实施例中,给出了基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置的具体实施方案。相应的,如图2所示,本实施例的方法可以包括:
S210、获取至少一个无人机采集的目标物体的局部特征点。
S220、根据所述局部特征点在所述全局特征点分布图中的位置,形成局部特征点分布图。
S230、在所述局部特征点分布图中,确定至少一个目标区域;其中,所述目标区域中局部特征点密度满足预设条件。
其中,局部特征点分布图可以是将各个无人机采集的局部特征点在目标物体的全部特征点的位置进行标注,标注的位置形成局部特征点分布图。目标区域指的是局部特征点分布图中的特征点高密度区域,即单位面积内的局部特征点的数量达到设定值。预设条件指的是特征点密度达到设定值。该设定值可以根据目标物体的结构、形状进行针对性的设计,本发明实施例对此并不进行限制。
S240、根据各所述无人机相对所述目标物体的位置,确定与所述无人机匹配的目标区域,将与所述无人机距离最近的目标区域与所述无人机进行匹配。
在本步骤中,目标区域数量可以是大于或者等于1,当目标区域的数量大于1时,可以针对各无人机相对目标物体的位置,将目标区域分配给各无人机。具体分配方法是针对每个无人机对所有目标区域的距离进行判断,将将无人机与距离该无人机最近的目标区域进行匹配。所以,一个目标区域至少会对应匹配一个无人机。这种匹配方式能够使得所有的无人机在作业工作中始终保持作业状态而非悬停状态,能够更快速、更全面的检测与扫描目标物体,进而提高目标物体的检测识别效率。
S250、根据匹配结果更改各所述无人机的编队位置。
相应的,在将无人机与距离该无人机最近的目标区域进行匹配后,各个无人机根据接收到的目标区域更改自身的编队位置。当多个无人机接收到相同的目标区域时,多个无人机可能无法全部完全对应目标区域,此时多个无人机可以根据安全距离和目标区域适应性地调整编队位置,保证能够覆盖目标区域即可。
图3是本发明实施例二提供的一种自组织控制无人机编队位置的示意图。如图3所示,假定目标物体为地面上的汽车D,并采用无人机1、无人机2以及无人机3组成无人机群对汽车D进行信息采集和识别。无人机群通过各自的机载传感器获取相应的局部特征点,如无人机1采集到的局部特征点为图3A中的图3a,无人机2采集到的局部特征点为图3A中的图3b,无人机3采集到的局部特征点为图3A中的图3c。图3a、图3b以及图3c中分别对应无人机1、无人机2以及无人机3各自视角拍到的汽车图像,并在图像中标注各个局部特征点。如果采用地面上的控制设备对无人机群进行统一控制,则无人机群将各自获取的局部特征点发送给控制设备。控制设备对接收到的各个局部特征点进行汇总,确定各个局部特征点在全局特征点分布图中的位置,形成一个针对汽车D的局部特征点分布图。根据局部特征点分布图计算汽车D所有对应区域的特征点密度,并根据预设条件在局部特征点分布图中确定至少一个特征点高密度区域作为目标区域,如图3B中的E、F和G区域。在控制设备获取到全部目标区域后,对各个无人机分配相应的目标区域。如无人机1分配到图3d中的目标区域E,无人机2分配到图3e中的目标区域F,无人机3分配到图3f中的目标区域G。各个无人机根据分配到的目标区域调整当前的编队位置,并在新的编队位置处重新采集汽车D的局部特征点。
S260、判断与各所述无人机的当前位置对应的局部特征点分布图与上一个局部特征点分布图相比,包括的新增局部特征点的数量是否为零,若是,执行S270,否则,返回执行S210。
其中,新增局部特征点区别于历史出现的局部特征点。需要说明的是,只有之前未被所有无人机采集到的局部特征点才可作为新增局部特征点。当无人机在当前编队位置采集到的局部特征点与该无人机在之前的编队位置对应采集到的局部特征点数量增加,但是增加的局部特征点是其他无人机采集过的局部特征点,则这种情况下获取的增加的局部特征点并不是新增局部特征点。与无人机的当前位置对应的局部特征点分布图指的是各无人机在当前位置采集到局部特征点融合形成的局部特征点分布图,或者无人机在当前编队位置下,各无人机采集到的局部特征点融合形成的局部特征点分布图。
在本发明实施例中,无人机每次更改编队位置后获取的局部特征点,以及局部特征点分布图中目标物体的大小不会改变,改变的只是目标物体的局部特征点的数量。在形成局部特征点分布图时,可以在上一个局部特征点分布图的基础上,添加新增局部特征点,形成当前无人机编队位置对应的新的局部特征点分布图。也还可以重新将所有无人机获取的局部特征点进行融合,形成新的局部特征点分布图。当局部特征点分布图中不包括新增局部特征点时,说明当前无人机的编队位置已经是最优编队位置。
另外还需说明的是,在判断无人机的编队位置是否为最优编队位置时,还可以针对每个无人机采集的局部特征点进行分析。如果所有的无人机采集到的局部特征点都不包括新增局部特征点(此时各无人机获取的局部特征点融合形成的局部特征点分布图里也不会包括新增局部特征点),也可以表明当前无人机的编队位置已经是最优编队位置。
图4是本发明实施例二提供的一种无人机视角随编队位置变化的示意图,其中,图4a为无人机接收到的目标区域H,图4b为无人机根据接收到的目标区域H调整当前编队位置后,由前一位置时相对目标物体的视角J变化为相对目标物体的视角H。如图4所示,各无人机根据接收到的目标区域更改当前的编队位置,当各个无人机根据接收到的目标区域更改当前编队位置形成新的编队位置后,各个无人机自行飞行到新的编队位置,此时无人机针对目标物体的视角发生改变。各无人机在新的编队位置重新获取在当前视角下的目标物体的局部特征点。
在本发明实施例中,通过局部特征点分布图包括的局部特征点计算各个无人机下一步的部署方位来进行编队,能够实现更高效的目标物体识别或三维重建,是一种以感知为任务目标的机群编队规划方法。
S270、将各所述无人机的当前位置确定为最优编队位置。
相应的,当与无人机的当前位置对应的局部特征点分布图与上一个局部特征点分布图相比,包括的新增局部特征点的数量为零时,说明所有无人机获取到的目标物体的局部特征点已经达到极值,此时即使改变各无人机的编队位置,并重新获取局部特征点,也不会有新增局部特征点产生。也即,当局部特征点分布图中包括的新增特征点的数量为0时,各无人机的当前位置确定就是最优编队位置。最优编队位置对应的各个无人机所获取到的局部特征点是目标物体最多的特征点,实现最大化地提取目标物体的目标信息,同时实现了无人机的自动编队飞行。
本发明实施例所提供的无人机编队的控制方法能够在复杂环境下对目标物体的检测,同样适用于大型场景的高效扫描建模,且无需手动预定或控制各个无人机的飞行路径,实现无人机自动飞行路径的实时生成和变化,使得各个无人机自动飞到最有效的观测位置。相比现有的技术方案可在更短时间内获取目标物体更多的信息,从而建立更精确的模型。
本发明实施例通过根据局部特征点在全局特征点分布图中的位置确定局部特征点分布图,在局部特征点分布图中确定至少一个目标区域;根据各无人机相对目标物体的位置,确定与目标区域匹配的无人机;根据匹配结果更改各无人机的编队位置,并重新计算和判断局部特征点分布图中是否包括新增局部特征点,实现通过局部特征点分布图包括的局部特征点来计算各个无人机下一步的部署方位来进行编队,从而在无人工干预的情况下无人机编队位置的实时生成和变化,可以获取被测目标物体的更多信息,提高被测目标物体的信息获取量,从而提升对被测目标物体进行识别、扫描的效率以及对被测目标物体进行识别、扫描的精确度。
实施例三
图5是本发明实施例三提供的一种无人机编队的控制装置的示意图,可执行本发明任意实施例所提供的无人机编队的控制方法,本实施例可适用于自动控制无人机编队以全面获取被测目标信息。
如图5所示,所述装置包括:信息获取模块310、位置确定模块320以及位置控制模块330,其中:
信息获取模块310,用于获取至少一个无人机采集的目标物体的局部特征点;
位置确定模块320,用于根据各所述无人机相对所述目标物体的位置以及各所述无人机的姿态确定所述局部特征点在所述目标物体的全局特征点分布图中的位置;
位置控制模块330,用于基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置。
本发明实施例通过各无人机相对目标物体的位置以及各无人机采集的目标物体的局部特征点在全局特征点分布图的位置,控制各无人机的编队位置,可以获取被测目标物体的更多信息,提高被测目标物体的信息获取量,从而提升对被测目标物体进行识别、扫描的效率以及对被测目标物体进行识别、扫描的精确度。
可选的,位置控制模块320,还用于根据所述局部特征点在所述全局特征点分布图中的位置,形成局部特征点分布图;在所述局部特征点分布图中,确定至少一个目标区域;其中,所述目标区域中局部特征点密度满足预设条件;根据各所述无人机相对所述目标物体的位置,确定与所述无人机匹配的目标区域;根据匹配结果更改各所述无人机的编队位置。
可选的,位置控制模块320,还用于将所述无人机与距离所述无人机最近的目标区域进行匹配。
可选的,位置控制模块320,还用于返回执行获取至少一个无人机采集的目标物体的局部特征点的操作,直至与各所述无人机的当前位置对应的局部特征点分布图与上一个局部特征点分布图相比,包括的新增局部特征点的数量为零;将各所述无人机的当前位置确定为最优编队位置。
可选的,所述装置还包括,位置控制模块340,用于获取所述目标物体的位置,并根据所述目标物体的位置随机控制各所述无人机的位置,以使目标物体在各所述无人机所在位置形成的区域中。
可选的,在采集所述目标物体的局部特征点的过程中,各所述无人机之间保持第一设定安全距离以及各所述无人机与所述目标物体之间保持第二设定安全距离。
可选的,信息获取模块310,还用于获取所述目标物体的局部图像,根据特征提取算法在所述局部图像中提取特征点,并形成所述局部特征点。
上述无人机群编队的控制装置可执行本发明任意实施例所提供的无人机群编队的控制方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的无人机群编队的控制方法。
实施例四
图6为本发明实施例四提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施方式的设备412的框图。图6显示的设备412仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,设备412以通用计算设备的形式表现。设备412的组件可以包括但不限于:一个或者多个处理器416,存储装置428,连接不同***组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及***组件互连(Peripheral Component Interconnect,PCI)总线。
设备412典型地包括多种计算机***可读介质。这些介质可以是任何能够被设备412访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(Random Access Memory,RAM)430和/或高速缓存存储器432。设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***434可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块426的程序436,可以存储在例如存储装置428中,这样的程序模块426包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块426通常执行本发明所描述的实施例中的功能和/或方法。
设备412也可以与一个或多个外部设备414(例如键盘、指向设备、摄像头、显示器424等)通信,还可与一个或者多个使得用户能与该设备412交互的设备通信,和/或与使得该设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网WideArea Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器420通过总线418与设备412的其它模块通信。应当明白,尽管图中未示出,可以结合设备412使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)***、磁带驱动器以及数据备份存储***等。
处理器416通过运行存储在存储装置428中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的无人机编队的控制方法。
也即,所述处理单元执行所述程序时实现:获取至少一个无人机采集的目标物体的局部特征点;根据各所述无人机相对所述目标物体的位置以及各所述无人机的姿态确定所述局部特征点在所述目标物体的全局特征点分布图中的位置;基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置。
除上述组件以外,本发明实施例的设备412还包括:机载传感器,用于采集目标物体的局部特征点。
所述设备通过各无人机相对目标物体的位置以及各无人机采集的目标物体的局部特征点在全局特征点分布图的位置,控制各无人机的编队位置,可以获取被测目标物体的更多信息,提高被测目标物体的信息获取量,从而提升对被测目标物体进行识别、扫描的效率以及对被测目标物体进行识别、扫描的精确度。
实施例六
本发明实施例六还提供一种存储计算机程序的计算机存储介质,所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的无人机编队的控制方法:获取至少一个无人机采集的目标物体的局部特征点;根据各所述无人机相对所述目标物体的位置以及各所述无人机的姿态确定所述局部特征点在所述目标物体的全局特征点分布图中的位置;基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(Read Only Memory,ROM)、可擦式可编程只读存储器((Erasable Programmable ReadOnly Memory,EPROM)或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、射频(Radio Frequency,RF)等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种无人机编队的控制方法,其特征在于,包括:
获取至少一个无人机采集的目标物体的局部特征点;
根据各所述无人机相对所述目标物体的位置以及各所述无人机的姿态确定所述局部特征点在所述目标物体的全局特征点分布图中的位置;
基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置。
2.根据权利要求1所述的方法,其特征在于,所述基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置,包括:
根据所述局部特征点在所述全局特征点分布图中的位置,形成局部特征点分布图;
在所述局部特征点分布图中,确定至少一个目标区域;其中,所述目标区域中局部特征点密度满足预设条件;
根据各所述无人机相对所述目标物体的位置,确定与所述无人机匹配的目标区域;
根据匹配结果更改各所述无人机的编队位置。
3.根据权利要求2所述的方法,其特征在于,所述确定与所述目标区域匹配的无人机,包括:
将所述无人机与距离所述无人机最近的目标区域进行匹配。
4.根据权利要求3所述的方法,其特征在于,还包括:
返回执行获取至少一个无人机采集的目标物体的局部特征点的操作,直至与各所述无人机的当前位置对应的局部特征点分布图与上一个局部特征点分布图相比,包括的新增局部特征点的数量为零;
将各所述无人机的当前位置确定为最优编队位置。
5.根据权利要求1-4任一项所述的方法,其特征在于,在所述获取至少一个无人机采集的目标物体的局部特征点之前,还包括:
获取所述目标物体的位置,并根据所述目标物体的位置随机控制各所述无人机的位置,以使目标物体在各所述无人机所在位置形成的区域中。
6.根据权利要求4所述的方法,其特征在于,
在采集所述目标物体的局部特征点的过程中,各所述无人机之间保持第一设定安全距离以及各所述无人机与所述目标物体之间保持第二设定安全距离。
7.根据权利要求1所述的方法,其特征在于,所述获取至少一个无人机采集的目标物体的局部特征点,包括:
获取所述目标物体的局部图像,根据特征提取算法在所述局部图像中提取特征点,并形成所述局部特征点。
8.一种无人机群编队的控制装置,其特征在于,包括:
信息获取模块,用于获取至少一个无人机采集的目标物体的局部特征点;
位置确定模块,用于根据各所述无人机相对所述目标物体的位置以及各所述无人机的姿态确定所述局部特征点在所述目标物体的全局特征点分布图中的位置;
位置控制模块,用于基于各所述无人机相对所述目标物体的位置以及所述局部特征点在所述全局特征点分布图中的位置控制各所述无人机的编队位置。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的无人机编队的控制方法;
所述设备还包括:
机载传感器,用于采集目标物体的局部特征点。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的无人机群编队的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810283435.XA CN108508916B (zh) | 2018-04-02 | 2018-04-02 | 一种无人机编队的控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810283435.XA CN108508916B (zh) | 2018-04-02 | 2018-04-02 | 一种无人机编队的控制方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108508916A true CN108508916A (zh) | 2018-09-07 |
CN108508916B CN108508916B (zh) | 2021-05-07 |
Family
ID=63379865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810283435.XA Active CN108508916B (zh) | 2018-04-02 | 2018-04-02 | 一种无人机编队的控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108508916B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108873942A (zh) * | 2018-10-10 | 2018-11-23 | 边学静 | 一种基于互联网的无人机编队队形保持的方法 |
CN109325489A (zh) * | 2018-09-14 | 2019-02-12 | 浙江口碑网络技术有限公司 | 图像的识别方法及装置、存储介质、电子装置 |
CN109991999A (zh) * | 2019-03-29 | 2019-07-09 | 郑州信大捷安信息技术股份有限公司 | 无人机编队自定位***及方法 |
CN111176309A (zh) * | 2019-12-31 | 2020-05-19 | 北京理工大学 | 一种基于球面成像的多无人机自组群互感理解方法 |
CN111208526A (zh) * | 2020-01-17 | 2020-05-29 | 西北工业大学 | 基于激光雷达与定位向量匹配的多无人机协同定位方法 |
CN112578812A (zh) * | 2020-12-01 | 2021-03-30 | 一飞智控(天津)科技有限公司 | 无人机编队、路径规划目标点交换方法、***、介质及终端 |
CN112859923A (zh) * | 2021-01-25 | 2021-05-28 | 西北工业大学 | 一种无人机视觉编队飞行控制*** |
CN113064447A (zh) * | 2021-03-19 | 2021-07-02 | 深圳市道通智能航空技术股份有限公司 | 安全检测方法、装置、***、无人飞行器及其控制设备 |
CN114115356A (zh) * | 2022-01-25 | 2022-03-01 | 北京神导科技股份有限公司 | 一种用于飞机飞行表演的编队队形参考数据计算方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103686084A (zh) * | 2013-12-10 | 2014-03-26 | 中国航天科工集团第四研究院 | 一种用于多无人机协同实时侦察的全景视频监控方法 |
CN106296821A (zh) * | 2016-08-19 | 2017-01-04 | 刘建国 | 基于无人机的多视角三维重建方法及*** |
CN106529674A (zh) * | 2016-11-03 | 2017-03-22 | 中国人民解放军信息工程大学 | 多无人机协同多目标分配方法 |
CN106656300A (zh) * | 2016-12-21 | 2017-05-10 | 中国航天时代电子公司 | 一种采用自组网数据链的无人机集群作战*** |
CN107015571A (zh) * | 2017-05-12 | 2017-08-04 | 南京航空航天大学 | 一种编队无人机追踪与规避移动目标的算法 |
CN107678446A (zh) * | 2017-10-30 | 2018-02-09 | 西北工业大学 | 一种针对大规模目标群的无人机协同目标分配方法 |
CN107709158A (zh) * | 2015-06-15 | 2018-02-16 | 多尼克公司 | 用于自动检查表面的***和方法 |
-
2018
- 2018-04-02 CN CN201810283435.XA patent/CN108508916B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103686084A (zh) * | 2013-12-10 | 2014-03-26 | 中国航天科工集团第四研究院 | 一种用于多无人机协同实时侦察的全景视频监控方法 |
CN107709158A (zh) * | 2015-06-15 | 2018-02-16 | 多尼克公司 | 用于自动检查表面的***和方法 |
CN106296821A (zh) * | 2016-08-19 | 2017-01-04 | 刘建国 | 基于无人机的多视角三维重建方法及*** |
CN106529674A (zh) * | 2016-11-03 | 2017-03-22 | 中国人民解放军信息工程大学 | 多无人机协同多目标分配方法 |
CN106656300A (zh) * | 2016-12-21 | 2017-05-10 | 中国航天时代电子公司 | 一种采用自组网数据链的无人机集群作战*** |
CN107015571A (zh) * | 2017-05-12 | 2017-08-04 | 南京航空航天大学 | 一种编队无人机追踪与规避移动目标的算法 |
CN107678446A (zh) * | 2017-10-30 | 2018-02-09 | 西北工业大学 | 一种针对大规模目标群的无人机协同目标分配方法 |
Non-Patent Citations (6)
Title |
---|
ERIC PRICE 等: "Deep Neural Network-Based Cooperative Visual Tracking Through Multiple Micro Aerial Vehicles", 《IEEE ROBOTICS AND AUTOMATION LETTERS》 * |
RUI MA 等: "Space Coding Schemes for Multiple Human Localization With Fiber-Optic Sensors", 《IEEE SENSORS JOURNAL》 * |
TIAN XIANG 等: "UAV Based Target Tracking and Recognition", 《IEEE》 * |
曹健 等: "基于局部特征的目标识别技术研究", 《计算机工程》 * |
毛琼 等: "基于规则的无人机编队队形构建与重构控制方法", 《***工程与电子技术》 * |
王林 等: "复杂环境下多无人机协作式地面移动目标跟踪", 《控制理论与应用》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325489A (zh) * | 2018-09-14 | 2019-02-12 | 浙江口碑网络技术有限公司 | 图像的识别方法及装置、存储介质、电子装置 |
CN109325489B (zh) * | 2018-09-14 | 2021-05-28 | 浙江口碑网络技术有限公司 | 图像的识别方法及装置、存储介质、电子装置 |
CN108873942A (zh) * | 2018-10-10 | 2018-11-23 | 边学静 | 一种基于互联网的无人机编队队形保持的方法 |
CN108873942B (zh) * | 2018-10-10 | 2019-06-28 | 边学静 | 一种基于互联网的无人机编队队形保持的方法 |
CN109991999A (zh) * | 2019-03-29 | 2019-07-09 | 郑州信大捷安信息技术股份有限公司 | 无人机编队自定位***及方法 |
CN109991999B (zh) * | 2019-03-29 | 2021-10-29 | 郑州信大捷安信息技术股份有限公司 | 无人机编队自定位***及方法 |
CN111176309B (zh) * | 2019-12-31 | 2021-01-12 | 北京理工大学 | 一种基于球面成像的多无人机自组群互感理解方法 |
CN111176309A (zh) * | 2019-12-31 | 2020-05-19 | 北京理工大学 | 一种基于球面成像的多无人机自组群互感理解方法 |
CN111208526A (zh) * | 2020-01-17 | 2020-05-29 | 西北工业大学 | 基于激光雷达与定位向量匹配的多无人机协同定位方法 |
CN112578812A (zh) * | 2020-12-01 | 2021-03-30 | 一飞智控(天津)科技有限公司 | 无人机编队、路径规划目标点交换方法、***、介质及终端 |
CN112859923A (zh) * | 2021-01-25 | 2021-05-28 | 西北工业大学 | 一种无人机视觉编队飞行控制*** |
CN113064447A (zh) * | 2021-03-19 | 2021-07-02 | 深圳市道通智能航空技术股份有限公司 | 安全检测方法、装置、***、无人飞行器及其控制设备 |
CN113064447B (zh) * | 2021-03-19 | 2023-02-28 | 深圳市道通智能航空技术股份有限公司 | 安全检测方法、装置、***、无人飞行器及其控制设备 |
CN114115356A (zh) * | 2022-01-25 | 2022-03-01 | 北京神导科技股份有限公司 | 一种用于飞机飞行表演的编队队形参考数据计算方法 |
CN114115356B (zh) * | 2022-01-25 | 2022-04-15 | 北京神导科技股份有限公司 | 一种用于飞机飞行表演的编队队形参考数据计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108508916B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108508916A (zh) | 一种无人机编队的控制方法、装置、设备及存储介质 | |
CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、***、装置 | |
CN109345596B (zh) | 多传感器标定方法、装置、计算机设备、介质和车辆 | |
CN110059608B (zh) | 一种物体检测方法、装置、电子设备和存储介质 | |
US11829142B2 (en) | Unmanned aerial vehicle adaptable to obstructions | |
EP3506212A1 (en) | Method and apparatus for generating raster map | |
CN110386142A (zh) | 用于自动驾驶车辆的俯仰角校准方法 | |
KR20190082070A (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
CN110163930A (zh) | 车道线生成方法、装置、设备、***及可读存储介质 | |
CN108764187A (zh) | 提取车道线的方法、装置、设备、存储介质以及采集实体 | |
RU2613735C2 (ru) | Способ обнаружения положения и местонахождения посредством виртуальных опорных изображений | |
CN113761999B (zh) | 一种目标检测方法、装置、电子设备和存储介质 | |
CN113359782B (zh) | 一种融合lidar点云与图像数据的无人机自主选址降落方法 | |
CN110095123B (zh) | 不规则小天体表面路标观测信息评价优化方法 | |
Liu et al. | A new approach for the estimation of non-cooperative satellites based on circular feature extraction | |
US20230386175A1 (en) | System and method for annotating car radar data | |
CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
CN112530014A (zh) | 一种多无人机室内场景三维重建方法及装置 | |
Shahbazi | Professional drone mapping | |
KR102616437B1 (ko) | 라이다 및 관성측정장치의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
KR102618951B1 (ko) | 시각적 매핑 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
KR102626574B1 (ko) | 카메라 및 라이다의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
KR102675138B1 (ko) | 복수개의 라이다들의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
CN117132728B (zh) | 构建地图的方法、装置、电子设备及存储介质 | |
CN112540622B (zh) | 雷达数据的处理方法及装置、作业设备 |
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 |