CN110275546B - 一种无人机编队搜索与任务调度方法 - Google Patents
一种无人机编队搜索与任务调度方法 Download PDFInfo
- Publication number
- CN110275546B CN110275546B CN201910697829.4A CN201910697829A CN110275546B CN 110275546 B CN110275546 B CN 110275546B CN 201910697829 A CN201910697829 A CN 201910697829A CN 110275546 B CN110275546 B CN 110275546B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- search
- aerial vehicle
- energy
- task
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 22
- 238000005265 energy consumption Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims description 8
- 230000002035 prolonged effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
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)
- Navigation (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种无人机编队搜索与任务调度方法,包括如下步骤:基于无人机能量消耗模型并计算初始搜索点与基站的几何距离,确定不同无人机的搜索子空间,对搜索子空间进行离散化并采用宽度优先法,结合搜索轨迹记忆进行无人机搜索路径规划,在无人机能量不足时与邻居无人机进行协同调度完成目标空间的搜索任务。本发明通过能量消耗、搜索区域划分、路径规划以及任务调度,在搜索空间采用无人机编队飞行,划分差异的搜索区域获得连续搜索路径,在无人机能量供应不足时进行任务切换,保障搜索效率的同时延长了搜索时间,无人机能够有效完成目标区域的搜索以及调度任务。
Description
技术领域
本发明属于无人机目标搜索技术领域,具体涉及一种无人机编队搜索与任务调度方法。
背景技术
随着人们对安全检测、目标跟踪等作业任务的迫切需求,尤其是面对复杂地理环境、沼泽峡谷、山川湖泊、崇山峻岭、昆虫灾区乃至于有毒辐射等极端区域,人类往往难以到达甚至会危害人类健康,单纯采用人工检测效率不高、效果不佳,且存在严重的漏检和误检的情况,从而难以达到对大范围零散目标高效检测的目的。因此必须借助先进的机器来对人类无法进行有效作业的区域进行高效检测作业。
借助于无人机重量轻,体积较小,成本低,灵活性好的特点,可以在电池供电下实现在目标检测区域的复合工作,包括轨迹复飞、定点悬停、偏航运动乃至于垂直升降等动作,结合无人机机身搭载的视觉传感器等,可以在教育科研、航拍巡检、军事搜救、农业植保、快递行业等领域获得广泛应用,从而可以实现对目标区域高效、非接触式乃至于全方位的检测。
无人机进行搜索作业时常采用人工远程遥控方式,使用单台无人机通过操作人员手动操作进行航迹确定,从视觉传感器返回的图像来进行目标检出,对复杂工作环境操作人员更是需要随时跟踪无人机的位置,避免无人机飞行过程中存在危险而损坏失联;同时,在无人机路径规划时难以建立搜索立体区域的全局路径规划,从而存在对某些区域的重复无效搜索,在降低搜索效率的同时更是浪费了无人机宝贵的能量供应。随着无人机应用范围越来越广且搜索目标越来越多,需要对无人机进行编队协同运动,但是初始能量供应相同的无人机,面对不同的搜索任务时消耗不同的能量,从而需要给不同的无人机分配不同的搜索面积,同时无人机飞行过程中需要在搜索子空间进行路径规划,当无人机能量供应不足时,需要调度邻居无人机进行协同搜索。
发明内容
为了解决现有技术中大范围搜索区域的划分、单无人机在搜索子空间的路径规划、以及无人机能量供应不足时的能量接力及调度策略等问题,本发明提出一种无人机编队搜索与任务调度方法,采用无人机编队飞行,划分差异的搜索区域获得连续的搜索路径,对能量供应不足的无人机进行任务切换,保障搜索效率的同时延长了搜索时间,从而提高无人机在大范围空间的服务能力。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种无人机编队搜索与任务调度方法,包括:
获取无人机从基站飞行至对应预设搜索子区域时的剩余能量;
基于无人机的剩余能量重新分配搜索区域,得到与无人机对应的新搜索子区域;
在新搜索子区域内进行无人机的路径规划,获得连续的搜索路径;
当无人机按照连续的搜索路径执行搜索任务时,剩余能量不足以供应其继续搜索直到返回基站时,则与邻居无人机进行任务切换,直至完成整个搜索区域的搜索。
可选地,无人机从基站飞行至对应预设搜索子区域时的剩余能量,通过以下步骤获得:
确定无人机初始能量,以及对应预设搜索子区域内的初始搜索点与基站的几何距离;
将无人机初始能量和对应预设搜索子区域内的初始搜索点,与基站的几何距离代入能量消耗模型,计算出无人机从基站飞行至对应预设搜索子区域时的剩余能量。
可选地,无人机的初始能量均相等。
可选地,所述基于无人机的剩余能量重新分配搜索区域,得到与无人机对应的新搜索子区域,具体包括以下步骤:
基于无人机飞行至对应预设搜索子区域时的剩余能量,分配与搜索子区域地形相匹配的搜索面积,搜索子区域地形较为崎岖起伏时,无人机搜索能耗较大,则对应分配较小的搜索面积;搜索子区域地形较为平坦时,无人机搜索能耗较小,则对应分配较大的搜索面积,形成基于地形复杂程度的非均匀分布式搜索面积,均衡无人机在不同搜索子空间的能量消耗。
可选地,所述在新搜索子区域内进行无人机的路径规划,获得连续的搜索路径,具体包括以下步骤:
建立包含高度参数的搜索子区域三维模型,将所述搜索子区域离散化为三维点集;
基于所述三维点集采用宽度优先树,使得无人机对整个搜索子区域进行全覆盖路径规划,获得连续的搜索路径。
可选地,所述当无人机按照连续的搜索路径执行搜索任务时,剩余能量不足以供应其继续搜索直到返回时,则与邻居无人机进行任务切换,直至完成整个搜索区域的搜索,具体包括以下步骤:
当无人机按照搜索路径执行搜索任务时,利用能量消耗模型实时计算出已消耗的总能量,进而获得剩余能量;
当发现无人机的剩余能量不足以供应其继续搜索直到返回基站时,则调度已完成搜索任务的邻居无人机进行搜索任务切换,由邻居无人机继续执行搜索任务,该无人机提前飞回基站;
当邻居无人机均未完成搜索任务时,则与距离最近的邻居无人机进行能量接力,然后继续执行搜索任务。
式中,{P1,P2,...,PN}为搜索空间的N个三维点,M为无人机总数,第i个无人机的搜索区域中共有Ni个三维点,β是比例系数;无人机的总能量消耗为E,单个无人机能量消耗为Ei,表示搜索点和之间的欧氏距离。
可选地,所述调度已完成搜索任务的邻居无人机进行搜索任务切换,具体为:
当所需总能量Si小于邻居无人机的剩余能量,则邻居无人机参与能量接力及搜索任务切换;所述能量接力指为待补充能量的无人机补充能量;所述搜索任务切换指将已保存的搜索路径通信给邻居无人机,邻居无人机继续搜索未搜索过的三维点。
可选地,所述方法还包括:当所有无人机完成整个搜索区域的搜索任务后,编队返回基站。
可选地,所述编队返回基站具体包括以下步骤:
第i个无人机Qi在t时刻位置为Qi(t);
当Qj(t)接近Qi(t)对应欧氏距离d||Qj(t)-Qi(t)||<ε,其中ε表示最小几何距离,则Qi在t+1时刻运动方向为Qk在t时刻的速度为vk(t),当最小距离ε范围内没有其他无人机时,将激活无人机Qk而无人机Qi在t+1时刻运动方向为当无人机Qi的探测范围内没有其他无人机存在时,Qi按原方向运动,Qi下一时刻的运动方向为Ai(t+Δt)=vi(t)。
与现有技术相比,本发明的有益效果:
本发明提出一种无人机编队搜索与任务调度方法,根据陆上地形(即根据搜索区域建模出的地形图判定地形的复杂程度)与搜索区域距基站的距离对搜索区域进行了划分,合理均衡能耗;同时,无人机在搜索空间通过宽度优先法规划搜索路径,并实时保存无人机搜索路径,避免重复搜索。无人机能量均衡分配,能量不足时与邻居无人机进行能量接力及搜索任务切换。完成任务后,无人机编队返回,缩短返回时间,提高效率。本发明注重搜索的效率与任务的可执行性,可以使无人机在最短的时间内,搜索到目标,并编队返回,具有良好的可持续性。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1是本发明一种无人机编队搜索与任务调度方法示意图;
图2是本发明一种无人机编队搜索与任务调度区域规划图;
图3是本发明一种无人机编队搜索与任务调度坐标示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例提供了一种无人机编队搜索与任务调度方法,具体包括以下步骤:
(1)获取无人机从基站飞行至对应预设搜索子区域时的剩余能量;
(2)基于无人机的剩余能量重新分配搜索区域,得到与无人机对应的新搜索子区域;
(3)在新搜索子区域内进行无人机的路径规划,获得连续的搜索路径;
(4)当无人机按照连续的搜索路径执行搜索任务时,剩余能量不足以供应其继续搜索直到返回至基站时,则与邻居无人机进行任务切换,直至完成整个搜索区域的搜索。
在本发明实施例的一种具体实施方式中,无人机从基站飞行至对应预设搜索子区域时的剩余能量通过以下步骤获得:
确定无人机初始能量,以及对应预设搜索子区域内的初始搜索点与基站的几何距离;优选地,无人机的初始能量均相等;
将无人机初始能量和对应预设搜索子区域内的初始搜索点,与基站的几何距离代入能量消耗模型,计算出无人机从基站飞行至对应预设搜索子区域时的剩余能量。所述的能量消耗模型根据实际使用的无人机来设定,该模型为现有技术,因此不做过多的赘述。
由于每台无人机的初始搜索点距离基站具有不同的距离,飞行至对应的初始搜索点时消耗不同的能量,且无人机搜索不同面积区域需要消耗不同能量,为此,在本发明实施例的一种具体实施方式中,所述基于无人机的剩余能量重新分配搜索区域,得到与无人机对应的新搜索子区域,具体包括以下步骤:
基于无人机飞行至对应预设搜索子区域时的剩余能量,分配与搜索子区域地形相匹配的搜索面积,搜索子区域地形较为崎岖起伏时,无人机搜索能耗较大,则对应分配较小的搜索面积,搜索子区域较为平坦时,无人机搜索能耗较小,对应分配较大的搜索面积,形成基于地形复杂程度的非均匀分布式搜索面积,均衡无人机在不同搜索子空间能量消耗。
在本发明实施例的一种具体实施方式中,所述在新搜索子区域内进行无人机的路径进行规划,获得连续的搜索路径,具体包括以下步骤:
建立包含高度参数的搜索子区域三维模型,将所述搜索子区域离散化为三维点集;具体地:无人机在对应的搜索子区域根据实际地理信息,建立附加高度信息的三维环境模型,使得无人机的距离计算包含高度起伏变化引起的距离增加;
基于所述三维点集采用宽度优先树,使得无人机对整个搜索子区域进行全覆盖路径规划,获得连续的搜索路径。
在本发明实施例的一种具体实施方式中,由于无人机采用电池进行有限供电,消耗的能量与所移动的欧氏距离成正比,采用均方根方法表示能量均衡度量,使得多无人机在搜索目标时能量均衡分配。所述当无人机按照搜索路径执行搜索任务时,剩余能量不足以供应其继续搜索直到返回时,则与邻居无人机进行任务切换,直至完成整个搜索区域的搜索,具体包括以下步骤:
当无人机按照搜索路径执行搜索任务时,利用能量消耗模型实时计算出已消耗的总能量,进而获得剩余能量;
当发现无人机的剩余能量不足以供应其继续搜索直到返回基站时,则调度已完成搜索任务的邻居无人机进行搜索任务切换,由邻居无人机继续执行搜索任务,该无人机提前飞回基站;
无人机飞行过程中,保存每台无人机对应的搜索路径,即无人机已经飞行过的搜索路径,用于供邻居无人机继续执行搜索任务时,从该实时当前位置按照前述的连续的搜索路径中未经过的搜索路径继续飞行,该无人机提前飞回基站。可选地,所述已消耗的总能量为:
式中,{P1,P2,...,PN}为搜索空间的N个三维点,M为无人机总数,第i个无人机的搜索区域中共有Ni个三维点,β是比例系数,E为无人机的总能量消耗,Ei为单个无人机能量消耗,表示搜索点和之间的欧氏距离。
可选地,所述调度已完成搜索任务的邻居无人机进行搜索任务切换,具体为:
当所需总能量Si小于邻居无人机的剩余能量,则邻居无人机参与能量接力及搜索任务切换。所述能量接力就是指一台无人机为另一台补充能量。这里是指当邻居无人机剩余能量足够时,则该无人机可参与能量接力及搜索任务切换的环节;后续再从可参与的这一批无人机中判断是执行能量接力还是执行搜索任务切换,具体哪一台去执行;所述搜索任务切换指将已保存的搜索路径通信给邻居无人机,邻居无人机继续搜索未搜索过的三维点。
实施例2
本发明实施例与实施例1的区别在于:所述方法还包括:
当所有无人机完成整个搜索区域的搜索任务后,编队返回基站,具体包括以下步骤:第i个无人机Qi在t时刻位置为Qi(t);
当Qj(t)当接近Qi(t)对应欧氏距离d||Qj(t)-Qi(t)||<ε,其中ε表示最小几何距离,则Qi在t+1时刻运动方向为Qk在t时刻的速度为vk(t),当最小距离ε范围内没有其他无人机时,将激活无人机Qk而无人机Qi在t+1时刻运动方向为当无人机Qi的探测范围内没有其他无人机存在时,Qi按原方向运动,Qi下一时刻的运动方向为Ai(t+Δt)=vi(t)。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种无人机编队搜索与任务调度方法,其特征在于,包括:
获取无人机从基站飞行至对应预设搜索子区域时的剩余能量;
基于无人机的剩余能量重新分配搜索区域,得到与无人机对应的新搜索子区域;
在新搜索子区域内进行无人机的路径规划,获得连续的搜索路径;
当无人机按照连续的搜索路径执行搜索任务时,剩余能量不足以供应其继续搜索直到返回基站时,与邻居无人机进行任务切换,直至完成整个搜索区域的搜索;
当所有无人机完成整个搜索区域的搜索任务后,编队返回基站;
所述编队返回基站具体包括以下步骤:
第i个无人机Qi在t时刻位置为Qi(t);
2.根据权利要求1所述的一种无人机编队搜索与任务调度方法,其特征在于:无人机从基站飞行至对应预设搜索子区域时的剩余能量,通过以下步骤获得:
确定无人机初始能量,及对应预设搜索子区域内的初始搜索点与基站的几何距离;
将无人机初始能量和对应预设搜索子区域内的初始搜索点,与基站的几何距离代入能量消耗模型,计算出无人机从基站飞行至对应预设搜索子区域时的剩余能量。
3.根据权利要求2所述的一种无人机编队搜索与任务调度方法,其特征在于:无人机的初始能量均相等。
4.根据权利要求2所述的一种无人机编队搜索与任务调度方法,其特征在于:所述基于无人机的剩余能量重新分配搜索区域,得到与无人机对应的新搜索子区域,具体包括以下步骤:
基于无人机飞行至对应预设搜索子区域时的剩余能量,分配与搜索子区域地形相匹配的搜索面积,搜索子区域地形较为崎岖起伏时,无人机搜索能耗较大,则对应分配较小的搜索面积;搜索子区域地形较为平坦时,无人机搜索能耗较小,则对应分配较大的搜索面积,形成基于地形复杂程度的非均匀分布式搜索面积,均衡无人机在不同搜索子空间的能量消耗。
5.根据权利要求1所述的一种无人机编队搜索与任务调度方法,其特征在于:所述在新搜索子区域内进行无人机的路径规划,获得连续的搜索路径,具体包括以下步骤:
建立包含高度参数的搜索子区域三维模型,将所述搜索子区域离散化为三维点集;
基于所述三维点集对整个搜索子区域进行全覆盖路径规划,获得连续的搜索路径。
6.根据权利要求1所述的一种无人机编队搜索与任务调度方法,其特征在于:所述无人机按照连续的搜索路径执行搜索任务时,剩余能量不足以供应其继续搜索直到返回时,则与邻居无人机进行任务切换,直至完成整个搜索区域的搜索,具体包括以下步骤:
当无人机按照搜索路径执行搜索任务时,利用能量消耗模型实时计算出已消耗的总能量,进而获得剩余能量;
当发现无人机的剩余能量不足以供应其继续搜索直到返回基站时,则调度已完成搜索任务的邻居无人机进行搜索任务切换,由邻居无人机继续执行搜索任务,该无人机提前飞回基站;
当邻居无人机均未完成搜索任务时,则与距离最近的邻居无人机进行能量接力,然后继续执行搜索任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910697829.4A CN110275546B (zh) | 2019-07-31 | 2019-07-31 | 一种无人机编队搜索与任务调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910697829.4A CN110275546B (zh) | 2019-07-31 | 2019-07-31 | 一种无人机编队搜索与任务调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110275546A CN110275546A (zh) | 2019-09-24 |
CN110275546B true CN110275546B (zh) | 2022-05-10 |
Family
ID=67965724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910697829.4A Active CN110275546B (zh) | 2019-07-31 | 2019-07-31 | 一种无人机编队搜索与任务调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110275546B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110749323B (zh) * | 2019-10-22 | 2022-03-18 | 广州极飞科技股份有限公司 | 一种作业路线的确定方法及装置 |
CN111006669B (zh) * | 2019-12-12 | 2022-08-02 | 重庆邮电大学 | 一种无人机***任务协同及路径规划方法 |
CN111561934A (zh) * | 2020-06-24 | 2020-08-21 | 平湖市中地测绘规划有限公司 | 基于无人机的地质勘探规划方法 |
CN112180723B (zh) * | 2020-09-15 | 2022-02-01 | 东北大学 | 一种基于能量分析的无人机任务规划方法及装置 |
CN112564767B (zh) * | 2020-11-30 | 2021-09-21 | 北京邮电大学 | 无人机网络中基于自组织优化协作的连续覆盖方法 |
CN113759967B (zh) * | 2021-08-30 | 2023-02-28 | 中国人民解放军国防科技大学 | 一种基于预估的多无人机搜索任务能量均衡化方法 |
CN114200963B (zh) * | 2022-02-17 | 2022-05-10 | 佛山科学技术学院 | 动态环境下无人机自主任务规划方法、设备及存储介质 |
CN114872029B (zh) * | 2022-06-09 | 2024-02-02 | 深圳市巨龙创视科技有限公司 | 一种机器人视觉识别*** |
CN117474292B (zh) * | 2023-12-26 | 2024-02-27 | 中国电信股份有限公司无人科技技术创新中心 | 一种基于5g传输的网联无人机用调度***及调度方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107272742A (zh) * | 2017-08-07 | 2017-10-20 | 深圳市华琥技术有限公司 | 一种无人机群协同作业的导航控制方法 |
CN108563240A (zh) * | 2018-07-26 | 2018-09-21 | 电子科技大学 | 一种大规模微型无人机的编队及控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1984001345A1 (en) * | 1982-09-30 | 1984-04-12 | Boeing Co | Total energy based flight control system |
CN105045271B (zh) * | 2015-06-30 | 2017-07-28 | 北京航天长征飞行器研究所 | 一种欠驱动条件下的空间飞行器位置机动方法 |
CN108931984A (zh) * | 2017-05-25 | 2018-12-04 | 深圳市天荧智能科技有限公司 | 路径规划方法、控制方法、***、介质、控制站和无人机 |
CN108459621A (zh) * | 2018-06-19 | 2018-08-28 | 北京天龙智控科技有限公司 | 基于无人机的施药*** |
CN109213191B (zh) * | 2018-08-02 | 2023-09-01 | 平安科技(深圳)有限公司 | 一种无人机控制方法、计算机可读存储介质及终端设备 |
CN109407706A (zh) * | 2018-12-24 | 2019-03-01 | 杭州瓦屋科技有限公司 | 无人机控制方法和装置 |
-
2019
- 2019-07-31 CN CN201910697829.4A patent/CN110275546B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107272742A (zh) * | 2017-08-07 | 2017-10-20 | 深圳市华琥技术有限公司 | 一种无人机群协同作业的导航控制方法 |
CN108563240A (zh) * | 2018-07-26 | 2018-09-21 | 电子科技大学 | 一种大规模微型无人机的编队及控制方法 |
Non-Patent Citations (3)
Title |
---|
Cooperative Formation and Obstacle Avoidance Algorithm for Multi- UAV System in 3D Environment;Qianyu Lin;《Proceedings of the 37th Chinese Control Conference》;20180727;全文 * |
基于MAS的无人机新型编队算法;王潇;《复杂***与复杂性科学》;20190630;全文 * |
基于一致性的无人机编队飞行几何构型控制;易文;《武汉科技大学学报》;20190430;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110275546A (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275546B (zh) | 一种无人机编队搜索与任务调度方法 | |
Bircher et al. | Structural inspection path planning via iterative viewpoint resampling with application to aerial robotics | |
Basiri et al. | A survey on the application of path-planning algorithms for multi-rotor UAVs in precision agriculture | |
CN112684807A (zh) | 无人机集群三维编队方法 | |
Levine et al. | Information-rich path planning with general constraints using rapidly-exploring random trees | |
CN109923589A (zh) | 构建和更新高程地图 | |
Bagula et al. | Internet-of-things in motion: A cooperative data muling model for public safety | |
Dantu et al. | A comparison of deterministic and stochastic approaches for allocating spatially dependent tasks in micro-aerial vehicle collectives | |
Lawrance et al. | Long endurance autonomous flight for unmanned aerial vehicles | |
Che et al. | Research on improved ACO algorithm-based multi-robot odor source localization | |
Jain et al. | Comparative study of frontier based exploration methods | |
Botteghi et al. | Multi-agent path planning of robotic swarms in agricultural fields | |
Fusic et al. | Optimal path planning of autonomous navigation in outdoor environment via heuristic technique | |
Sai et al. | A comprehensive survey on artificial intelligence for unmanned aerial vehicles | |
Çaşka et al. | An algorithm for collaborative patrolling systems with unmanned air vehicles and unmanned ground vehicles | |
Chai et al. | Cooperative motion planning and control for aerial-ground autonomous systems: Methods and applications | |
Mughal et al. | UAVs path planning by particle swarm optimization based on visual-SLAM algorithm | |
Bechtsis et al. | Scheduling and Control of Unmanned Ground Vehicles for Precision Farming: A Real-time Navigation Tool. | |
Talha et al. | Autonomous UAV Navigation in Wilderness Search-and-Rescue Operations Using Deep Reinforcement Learning | |
Dobrokhodov et al. | Aqua-Quad-solar powered, long endurance, hybrid mobile vehicle for persistent surface and underwater reconnaissance, part II-onboard intelligence | |
Watthanawisuth et al. | Design of mobile robot for real world application in path planning using ZigBee localization | |
Majeed et al. | Recent Developments in Path Planning for Unmanned Aerial Vehicles | |
Krusniak et al. | A multiple UAV path-planning approach to small object counting with aerial images | |
Xi et al. | Survey on UAV Coverage Path Planning and Trajectory Optimization | |
Hu et al. | Visual-Based Moving Target Tracking With Solar-Powered Fixed-Wing UAV: A New Learning-Based Approach |
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 |