CN112000130B - 一种无人机的多机协同高精度建图定位*** - Google Patents
一种无人机的多机协同高精度建图定位*** Download PDFInfo
- Publication number
- CN112000130B CN112000130B CN202010930513.8A CN202010930513A CN112000130B CN 112000130 B CN112000130 B CN 112000130B CN 202010930513 A CN202010930513 A CN 202010930513A CN 112000130 B CN112000130 B CN 112000130B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- point cloud
- target area
- data
- 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
- 238000004891 communication Methods 0.000 claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000013507 mapping Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 20
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography Methods 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
一种无人机的多机协同高精度建图定位***，属于无人机集群控制策略规划的算法领域，具体涉及无人机多机协同建图定位***。解决了现有的建图过程中，无法立体、快速的实现动态环境的建图的问题。本发明的通信***包括通信基站，通过无线基站建立无线局域网，所述无线局域网覆盖目标区域；无人机环境感知***采用点云扫描的方式获取目标区域点云数据、无人机高度数据和无人机定位数据；控制***用于根据不同时刻多无人机的位置，对每架无人机的飞行速度、角度及位姿进行控制；无人机协同建图控制***根据目标区域对无人机的飞行路线进行规划，建立坐标系，对多无人机扫描的点云数据进行融合获取目标区域的三维图像。本发明适用于未知区域建图使用。
Description
技术领域
本发明属于无人机集群控制策略规划的算法领域，具体涉及无人机多机协同建图定位***。
背景技术
无人机(UnmannedAerial Vehicle，UAV)作为一种新型技术，因其灵活机动、成本低、受地面地形约束小的特点，可以在多种场景中发挥重要作用，尤其在三维点云建图受环境影响较小。为了在复杂三维场景环境下快速实现高精度建图，多无人机的协同控制、高精度建图仍然是一个难点。对于无人机多机协同，在特定区域内的协同建图、任务分配及路径规划问题上总体协调还很难解决，从而无法快速的实现无人机资源的最优化分配。
发明内容
本发明是为了解决现有的建图定位过程(simultaneous localization andmapping,SLAM)中，无法快速的实现动态环境的建图的问题，提出了一种无人机的多机协同高精度建图定位***。
本发明所述的一种无人机的多机协同高精度建图定位***，包括无人机环境感知***、控制***、无人机协同建图控制***和通信***；
通信***包括通信基站，通过无线基站建立无线局域网，所述无线局域网覆盖目标区域；
无人机环境感知***采用点云扫描的方式获取目标区域点云数据、无人机高度数据和无人机定位数据；
控制***用于根据不同时刻多无人机的位置，对每架无人机的飞行速度、角度及位姿进行控制；
无人机协同建图控制***用于根据目标区域对每架无人机的飞行路线进行规划，并建立坐标系，对多无人机扫描的点云数据进行融合获取目标区域的三维点云地图信息。
进一步地，本发明中，无人机环境感知***包括多个子单元，每个子单元设置在一架无人机上，每个子单元均包括点云激光雷达传感器模块、陀螺仪传感器、高度测量模块、高精度定位模块；
点云激光雷达传感器模块用于对目标区域进行点云数据采集；
陀螺仪传感器用于对无人机姿态进行采集；
高度测量模块用于实时测量无人机的高度；
高精度定位模块用于实时对无人机进行定位。
进一步地，本发明中，控制***包括无人机中央控制模块、无人机飞行控制模块和无线通信模块；
无线通信模块利用无线网络与无人机协同建图控制***进行无线通信；
将测量无人机的高度数据、无人机定位状态和点云数据传输至无人机协同建图控制***；
还将多无人机的编队、避障和巡航控制信号发送至无人机飞行控制模块；
无人机中央控制模块用于将采集的点云数据传输至无线通信模块；
无人机飞行控制模块用于根据无人机的高度信息、定位信息、无人机的编队、避障和巡航控制信号对无人机进行导航，同时根据陀螺仪传感器采集信息对无人机的位姿进行调整；
无人机飞行控制模块还用于根据无人机的位置和高度实时对无人机的飞行速度和飞行状态进行控制。
进一步地，本发明中，无人机环境感知***的每个子模块还包括风速传感器，所述风速传感器用于采集所处环境的风速及风向信息，并将风速及风向信息发送至无人机飞行控制模块，所述无人机飞行控制模块还用于根据风速风向信号调整无人机的航行速度和方向。
进一步地，本发明中，
无人机协同建图控制***获取目标区域的三维点云地图信息的具体方法为：
首先根据目标区域的范围，利用聚类分析结合A*算法对多无人机的飞行路线进行初始规划，获取初始编队、避障和巡航控制信号；
然后实时接收点云数据、无人机的高度数据、无人机定位信息和无人机姿态，通过多源数据融合将多无人机的点云数据融合到同一坐标系，再采用二次签名距算法及迭代就近点法ICP算法对点云数据进行匹配，获得目标区域的三维重构图，再采用支持向量机、随机森林算法结合贝叶斯判别分类器对三维重构图进行三维点云语义分割，获得带标签的三维点云重构图，对目标区域进行带语义识别的三维立体重构，获得目标区域的三维点云地图信息。
进一步地，本发明中，还包括云台和云台控制模块，所述云台安装在无人机的下侧，用于安装点云激光雷达传感器模块,所述云台控制模块利用无人机的姿态信息自适应调节点云激光雷达传感器模块的采样角度。
进一步地，本发明中，还包括云端服务器，所述云端服务器用于实时接收多无人机发送的点云数据、无人机的高度数据、无人机定位信息和无人机姿态数据，建立坐标系，对多无人机扫描的点云数据进行融合获取目标区域的实时三维图像，并根据所述实时三维图像与目标区域，判断是否存在点云图像空缺部分，根据点云图像空缺部分的位置与无人机的实时定位信息，调整与空缺部分位置临近的无人机的航行路线，点云激光雷达对图像空缺部分位置进行点云扫描，并将目标区域的实时三维图像与无人机的航行路线控制信号发送至无人机协同建图控制***。
本发明利用聚类分析与A*算法结合的方式，解决多目标、多通信无人机情况下对无人机的最优分配。使每个无人机都能够完成规划的巡航路程，从而实现对目标区域的覆盖。可以实现未知环境下、大范围的场景的迅速建图及目标的三维重构。本发明具有规划时间短、建图精度高、定位准确、响应速度快和多机协同集群作业等优点，可以有效快速实现特定区域的覆盖，且可将点云数据通过局域网传输至PC端，实现大规模快速建图。
附图说明
图1是本发明所述的无人机的多机协同高精度建图定位***原理框图；
图2是本发明所述的无人机的多机协同高精度建图定位***图像扫描示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
具体实施方式一：下面结合图1和图2说明本实施方式，本实施方式所述一种无人机的多机协同高精度建图定位***，包括无人机环境感知***1、控制***2、无人机协同建图控制***3和通信***4；
通信***4包括通信基站，通过无线基站建立无线局域网，所述无线局域网覆盖目标区域；
无人机环境感知***1采用点云扫描的方式获取目标区域点云数据、无人机高度数据和无人机定位数据；
控制***2用于根据不同时刻多无人机的位置，对每架无人机的飞行速度、角度及位姿进行控制；
无人机协同建图控制***3用于根据目标区域对每架无人机的飞行路线进行规划，并建立坐标系，对多无人机扫描的点云数据进行融合获取目标区域的三维点云地图信息。
进一步地，本实施方式中，无人机环境感知***1包括多个子单元，每个子单元设置在一架无人机上，每个子单元均包括点云激光雷达传感器模1-1、陀螺仪传感器1-2、高度测量模块1-3、高精度定位模块1-4；
点云激光雷达传感器模1-1用于对目标区域进行点云数据采集；
陀螺仪传感器1-2用于对无人机姿态进行采集；
高度测量模块1-3用于实时测量无人机的高度；
高精度定位模块1-4用于实时对无人机进行定位。
进一步地，本实施方式中，控制***2包括无人机中央控制模块2-1、无人机飞行控制模块2-2和无线通信模块2-3；
无线通信模块2-3利用无线网络与无人机协同建图控制***3进行无线通信；
将测量无人机的高度数据、无人机定位状态和点云数据传输至无人机协同建图控制***3；
还将多无人机的编队、避障和巡航控制信号发送至无人机飞行控制模块2-2；
无人机中央控制模块2-1用于将采集的点云数据传输至无线通信模块2-3；
无人机飞行控制模块2-2用于根据无人机的高度信息、定位信息、无人机的编队、避障和巡航控制信号对无人机进行导航，同时根据陀螺仪传感器1-2采集信息对无人机的位姿进行调整；
还用于根据无人机的位置和高度实时对无人机的飞行速度和飞行状态进行控制。
进一步地，本实施方式中，无人机环境感知***1的每个子模块还包括风速传感器，所述风速传感器用于采集所处环境的风速及风向信息，并将风速及风向信息发送至无人机飞行控制模块2-2，所述无人机飞行控制模块2-2还用于根据风速风向信号调整无人机的航行速度和方向。
本实施方式所述的无人机协同建图控制***3设置在PC端，首先根据目标区域范围对进行拍摄的无人机进行编队、避障和巡航路线规划，当规划完成后将控制信号发送到设置在无人机上的控制***内，所述控制***根据接收的控制信号对无人机进行导航，所述无人机上设置有点云激光雷达传感器模块，用于采集目标区域的点云数据，并实施将点云数据通过无线网络传输至PC端的无人机协同建图控制***3，所述无人机协同建图控制***3根据接收的点云数据、无人机的高度与定位数据，对目标区域进行建图，有效的提高了对未知区域的构图效率和准确性。
进一步地，本实施方式中，无人机协同建图控制***3获取目标区域的三维点云地图信息的具体方法为：
首先根据目标区域的范围，利用聚类分析结合A*算法对多无人机的飞行路线进行初始规划，获取初始编队、避障和巡航控制信号；
然后实时接收点云数据、无人机的高度数据、无人机定位信息和无人机姿态，通过多源数据融合将多无人机的点云数据融合到同一坐标系，再采用二次签名距算法及迭代就近点法ICP算法对点云数据进行匹配，获得目标区域的三维重构图，再采用支持向量机(SVM)、随机森林算法结合贝叶斯判别分类器对三维重构图进行三维点云语义分割，获得带标签的三维点云重构图，对目标区域进行带语义识别的三维立体重构，获得目标区域的三维点云地图信息。
本实时方式中所述的无人机协同建图控制***3在建图过程中无人机的路径规划，保证全域范围的覆盖；是根据巡航路线进行互补，对于未进行覆盖的位置进行补充扫描；再根据不同无人机的点云扫描数据，以一台无人机作为参考点进行坐标系构建，然后将不同无人机的数据进行多源数据融合，重新在新坐标系中进行表达。
本实施方式中，无人机编队巡航***，其包括编队内的所有无人机个体，且至少有一台无人机作为主机，其余无人机与主机间采用分布式控制，且当主机存在故障或信号中断情况下，可通过飞行基地中央控制模块重新对无人机编队中的剩余无人机进行指定，从而确立编队中新主机。
无人机路径规划模块对无人机编队主要使用改进后的蚁群算法，主要包括对蚁群算法中的参数优化及各无人机巡航区域，在地面通信基站地理位置分布欧氏距离较为接近的位置区域，设定的相应模糊巡航区域，通过模糊控制的控制理论基础，对该区域进行特殊处理。
蚁群算法(Ant colony optimization,ACO)具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。对于解决旅行商问题(Travelling salesmanproblem,TSP)有着显著效果。其以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小，算法采用误差平方和准则函数作为聚类准则函数。可以合理运用在无人机目标点准确分类，从而达到有效分配资源的目的。本申请提出的无人机航迹规划***区别于传统的无人机航迹规划***的是：本申请可以根据需求优先设定聚类个数，即为待使用无人机数量，并且可以在各无人机巡航区域边界处设置模糊巡航区域，可实现特殊区域特殊处理。
A*算法，A*(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的启发式有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。
所述的多机协同实时建图路径规划***(3)先通过激光雷达实时采集区域数据并建立地图，在本发明中，首先提出了未知动态复杂环境下通过蚁群算法结合A*算法对无人机作业路径进行规划，并实现避障，因本发明中实际是采集的点云数据，故采用以欧氏距离为基础的蚁群算法及A*算法。
进一步地，本实施方式中，还包括云台和云台控制模块，所述云台安装在无人机的下侧，用于安装点云激光雷达传感器模1-1,所述云台控制模块利用无人机的姿态信息自适应调节点云激光雷达传感器模1-1的采样角度。
本实施方式所述的云台控制模块基于陀螺仪传感器1-2反馈数据，对无人机的点云激光雷达传感器模1-1及无人机自身飞行状态的控制，可保证点云激光雷达传感器模1-1的拍摄环境稳定，减少因飞行扰动造成的抖振。
进一步地，本实施方式中，还包括云端服务器，所述云端服务器用于实时接收多无人机发送的点云数据、无人机的高度数据、无人机定位信息和无人机姿态数据，建立坐标系，对多无人机扫描的点云数据进行融合获取目标区域的实时三维图像，并根据所述实时三维图像与目标区域，判断是否存在点云图像空缺部分，根据点云图像空缺部分的位置与无人机的实时定位信息，调整与空缺部分位置临近的无人机的航行路线，点云激光雷达对图像空缺部分位置进行点云扫描，并将目标区域的实时三维图像与无人机的航行路线控制信号发送至无人机协同建图控制***3。
本实施方式通过无人机上的无线通信模块2-3、云端服务器和无人机协同建图控制***3构成5G云-边-端一体化通讯***，保证了无人机建图过程中无人机通讯***是保证自身的定位、高度实时更新校正；并且通过该通讯***，保障无人机间的实时通信，使无人机实现有序编队；并且对于各无人机间，数据量较少的信息可以实现机间共享。
同时保证了边缘计算及端的无人机建图任务策略分配的实时性；云-边-端分指云计算，边缘计算，终端；其中边缘计算是指在搭载激光雷达的无人机的终端一侧，采用最近的网络、计算、存储、应用核心能力为一体的开放平台，就近提供近端服务；其应用程序在无人机所在的边缘侧发起，产生更快的网络服务响应，满足实时业务、应用智能等方面的基本需求；云计算，是指边缘侧的无人机及PC端将数据通过5G通讯网络将所有信息上传至云端，利用算力较强的云端，实现算力要求较大的操作，并且云计算仍可访问边缘计算的历史数据，有效提高***的计算效率。
对于建图过程中的环境点云数据及其他关键的信息，通过5G通讯***实时上传云端，由于5G的低时延、大带宽特点，可保障海量点云传输的实时性、***的速度稳定，实现云端知识共享、远程决策及操控。虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (5)
1.一种无人机的多机协同高精度建图定位***，其特征在于，包括无人机环境感知***(1)、控制***(2)、无人机协同建图控制***(3)和通信***(4)；
通信***(4)包括通信基站，通过无线基站建立无线局域网，所述无线局域网覆盖目标区域；
无人机环境感知***(1)采用点云扫描的方式获取目标区域点云数据、无人机高度数据和无人机定位数据；
控制***(2)用于根据不同时刻多无人机的位置，对每架无人机的飞行速度、角度及位姿进行控制；
无人机协同建图控制***(3)用于根据目标区域对每架无人机的飞行路线进行规划，并建立坐标系，对多无人机扫描的点云数据进行融合获取目标区域的三维点云地图信息；
无人机协同建图控制***(3)在建图过程中无人机的路径规划，保证全域范围的覆盖；是根据巡航路线进行互补，对于未进行覆盖的位置进行补充扫描；再根据不同无人机的点云扫描数据，以一台无人机作为参考点进行坐标系构建，然后将不同无人机的数据进行多源数据融合，重新在新坐标系中进行表达；
编队内的所有无人机个体，至少有一台无人机作为主机，其余无人机与主机间采用分布式控制，且当主机存在故障或信号中断情况下，通过飞行基地中央控制模块重新对无人机编队中的剩余无人机进行指定，从而确立编队中新主机；
对无人机编队使用改进后的蚁群算法，根据需求优先设定聚类个数，即为待使用无人机数量，并且在各无人机巡航区域边界处设置模糊巡航区域；
获取目标区域的三维点云地图信息的具体方法为：
首先根据目标区域的范围，利用聚类分析结合A*算法对多无人机的飞行路线进行初始规划，获取初始编队、避障和巡航控制信号；
然后实时接收点云数据、无人机的高度数据、无人机定位信息和无人机姿态，通过多源数据融合将多无人机的点云数据融合到同一坐标系，再采用二次签名距算法及迭代就近点法ICP算法对点云数据进行匹配，获得目标区域的三维重构图，再采用支持向量机、随机森林算法结合贝叶斯判别分类器对三维重构图进行三维点云语义分割，获得带标签的三维点云重构图，对目标区域进行带语义识别的三维立体重构，获得目标区域的三维点云地图信息；
还包括云端服务器，所述云端服务器用于实时接收多无人机发送的点云数据、无人机的高度数据、无人机定位信息和无人机姿态数据，建立坐标系，对多无人机扫描的点云数据进行融合获取目标区域的实时三维图像，并根据所述实时三维图像与目标区域，判断是否存在点云图像空缺部分，根据点云图像空缺部分的位置与无人机的实时定位信息，调整与空缺部分位置临近的无人机的航行路线，点云激光雷达对图像空缺部分位置进行点云扫描，并将目标区域的实时三维图像与无人机的航行路线控制信号发送至无人机协同建图控制***(3)。
2.根据权利要求1所述的一种无人机的多机协同高精度建图定位***，其特征在于，无人机环境感知***(1)包括多个子单元，每个子单元设置在一架无人机上，每个子单元均包括点云激光雷达传感器模块(1-1)、陀螺仪传感器(1-2)、高度测量模块(1-3)、高精度定位模块(1-4)；
点云激光雷达传感器模块(1-1)用于对目标区域进行点云数据采集；
陀螺仪传感器(1-2)用于对无人机姿态进行采集；
高度测量模块(1-3)用于实时测量无人机的高度；
高精度定位模块(1-4)用于实时对无人机进行定位。
3.根据权利要求2所述的一种无人机的多机协同高精度建图定位***，其特征在于，控制***(2)包括无人机中央控制模块(2-1)、无人机飞行控制模块(2-2)和无线通信模块(2-3)；
无线通信模块(2-3)利用无线网络与无人机协同建图控制***(3)进行无线通信；
将测量无人机的高度数据、无人机定位状态和点云数据传输至无人机协同建图控制***(3)；
还将多无人机的编队、避障和巡航控制信号发送至无人机飞行控制模块(2-2)；
无人机中央控制模块(2-1)用于将采集的点云数据传输至无线通信模块(2-3)；
无人机飞行控制模块(2-2)用于根据无人机的高度信息、定位信息、无人机的编队、避障和巡航控制信号对无人机进行导航，同时根据陀螺仪传感器(1-2)采集信息对无人机的位姿进行调整；
还用于根据无人机的位置和高度实时对无人机的飞行速度和飞行状态进行控制。
4.根据权利要求3所述的一种无人机的多机协同高精度建图定位***，其特征在于，无人机环境感知***(1)的每个子模块还包括风速传感器，所述风速传感器用于采集所处环境的风速及风向信息，并将风速及风向信息发送至无人机飞行控制模块(2-2)，所述无人机飞行控制模块(2-2)还用于根据风速风向信号调整无人机的航行速度和方向。
5.根据权利要求1、2、3或4所述的一种无人机的多机协同高精度建图定位***，其特征在于，还包括云台和云台控制模块，所述云台安装在无人机的下侧，用于安装点云激光雷达传感器模块(1-1),所述云台控制模块利用无人机的姿态信息自适应调节点云激光雷达传感器模块(1-1)的采样角度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010930513.8A CN112000130B (zh) | 2020-09-07 | 2020-09-07 | 一种无人机的多机协同高精度建图定位*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010930513.8A CN112000130B (zh) | 2020-09-07 | 2020-09-07 | 一种无人机的多机协同高精度建图定位*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112000130A CN112000130A (zh) | 2020-11-27 |
| CN112000130B true CN112000130B (zh) | 2023-04-25 |
Family
ID=73468865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010930513.8A Active CN112000130B (zh) | 2020-09-07 | 2020-09-07 | 一种无人机的多机协同高精度建图定位*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112000130B (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112731335B (zh) * | 2020-12-20 | 2023-11-07 | 大连理工大学人工智能大连研究院 | 一种基于全区域激光扫描的多无人机协作定位方法 |
| CN112683171B (zh) * | 2020-12-31 | 2023-04-14 | 数字港湾科技(湖北)有限公司 | 一种测算土方工程量的方法及装置 |
| CN112947448B (zh) * | 2021-02-09 | 2023-08-01 | 大连海事大学 | 一种无人船集群协同包围多目标模糊控制器结构及设计方法 |
| CN112985305B (zh) * | 2021-03-22 | 2023-02-28 | 塔里木大学 | 一种物体表面曲面快速重建方法 |
| 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*** |
| CN113593022B (zh) * | 2021-07-06 | 2022-06-14 | 安徽海博智能科技有限责任公司 | 一种用于矿山无人驾驶场景的高精地图制作方法 |
| CN113409233A (zh) * | 2021-07-09 | 2021-09-17 | 江苏大势航空科技有限公司 | 无人机集群监测三维机器视觉构图方法、设备和*** |
| CN113654528B (zh) * | 2021-09-18 | 2024-02-06 | 北方天途航空技术发展（北京）有限公司 | 通过无人机位置和云台角度估测目标坐标的方法和*** |
| CN114089787A (zh) * | 2021-09-29 | 2022-02-25 | 航天时代飞鸿技术有限公司 | 基于多机协同飞行的地面三维语义地图及其构建方法 |
| CN114115263B (zh) * | 2021-11-19 | 2024-04-09 | 武汉万集光电技术有限公司 | 用于agv的自主建图方法、装置、移动机器人及介质 |
| CN114485619A (zh) * | 2022-01-26 | 2022-05-13 | 清华大学 | 基于空地协同的多机器人定位和导航方法及装置 |
| CN115144879B (zh) * | 2022-07-01 | 2024-07-12 | 燕山大学 | 一种多机多目标动态定位***及方法 |
| CN114859939A (zh) * | 2022-07-05 | 2022-08-05 | 中国人民解放军战略支援部队航天工程大学 | 一种基于智能移动的节点机器人路径规划方法 |
| CN115390582B (zh) * | 2022-07-15 | 2023-04-07 | 江西理工大学 | 一种基于点云的多旋翼无人机跟踪拦截方法及*** |
| CN115166686B (zh) * | 2022-09-06 | 2022-11-11 | 天津大学 | 卫星拒止环境下多无人机分布式协同定位与建图方法 |
| CN116412813B (zh) * | 2023-06-09 | 2023-09-05 | 苏州青宸科技有限公司 | 一种基于无人机的地图构建方法及*** |
| CN116744368B (zh) * | 2023-07-03 | 2024-01-23 | 北京理工大学 | 基于云边端架构的智能协同异构空地无人***及实现方法 |
| CN116664790B (zh) * | 2023-07-26 | 2023-11-17 | 昆明人为峰科技有限公司 | 基于无人机测绘的三维地形分析***及方法 |
| CN117170406B (zh) * | 2023-09-21 | 2024-04-12 | 四川大学 | 一种基于分层规划的无人机快速自主搜寻方法 |
| CN117288207B (zh) * | 2023-11-24 | 2024-02-20 | 天津云圣智能科技有限责任公司 | 三维建模的航线规划方法、装置、电子设备及存储介质 |
| CN117724532B (zh) * | 2023-12-18 | 2024-06-21 | 青岛九天国际飞行学院股份有限公司 | 一种基于LTE Cat1技术的飞行数据无线传输*** |
| CN117930870B (zh) * | 2024-03-21 | 2024-06-18 | 天津万森科技发展有限公司 | 一种无人机的实时避障方法及*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106802668A (zh) * | 2017-02-16 | 2017-06-06 | 上海交通大学 | 基于双目与超声波融合的无人机三维避撞方法及*** |
| CN109544456A (zh) * | 2018-11-26 | 2019-03-29 | 湖南科技大学 | 基于二维图像和三维点云数据融合的全景环境感知方法 |
| 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***及其定位方法 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103941747B (zh) * | 2014-03-31 | 2016-08-17 | 清华大学 | 无人机群的控制方法及*** |
| CN106595659A (zh) * | 2016-11-03 | 2017-04-26 | 南京航空航天大学 | 城市复杂环境下多无人机视觉slam的地图融合方法 |
| CN107037845A (zh) * | 2017-04-20 | 2017-08-11 | 中博宇图信息科技有限公司 | 一种航拍无人机飞行控制*** |
| CN107450577A (zh) * | 2017-07-25 | 2017-12-08 | 天津大学 | 基于多传感器的无人机智能感知***和方法 |
| CN108230379B (zh) * | 2017-12-29 | 2020-12-04 | 百度在线网络技术（北京）有限公司 | 用于融合点云数据的方法和装置 |
| CN108303710B (zh) * | 2018-06-12 | 2018-11-02 | 江苏中科院智能科学技术应用研究院 | 基于三维激光雷达的无人机多场景定位建图方法 |
| CN109029422B (zh) * | 2018-07-10 | 2021-03-05 | 北京木业邦科技有限公司 | 一种多无人机协作构建三维调查地图的方法和装置 |
| CN109615698A (zh) * | 2018-12-03 | 2019-04-12 | 哈尔滨工业大学（深圳） | 基于互回环检测的多无人机slam地图融合算法 |
| CN109945856B (zh) * | 2019-02-18 | 2021-07-06 | 天津大学 | 基于惯性/雷达的无人机自主定位与建图方法 |
| CN110648389A (zh) * | 2019-08-22 | 2020-01-03 | 广东工业大学 | 基于无人机和边缘车辆协同的城市街景3d重建方法和*** |
| CN110989659A (zh) * | 2019-11-19 | 2020-04-10 | 深圳市方斯精密科技有限公司 | 一种无人机飞行控制方法及其装置 |
| CN110930495A (zh) * | 2019-11-22 | 2020-03-27 | 哈尔滨工业大学（深圳） | 基于多无人机协作的icp点云地图融合方法、***、装置及存储介质 |
| CN111080659A (zh) * | 2019-12-19 | 2020-04-28 | 哈尔滨工业大学 | 一种基于视觉信息的环境语义感知方法 |
-
2020
- 2020-09-07 CN CN202010930513.8A patent/CN112000130B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106802668A (zh) * | 2017-02-16 | 2017-06-06 | 上海交通大学 | 基于双目与超声波融合的无人机三维避撞方法及*** |
| CN109544456A (zh) * | 2018-11-26 | 2019-03-29 | 湖南科技大学 | 基于二维图像和三维点云数据融合的全景环境感知方法 |
| 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***及其定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112000130A (zh) | 2020-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112000130B (zh) | 一种无人机的多机协同高精度建图定位*** | |
| US11893160B2 (en) | Flying vehicle | |
| CN110111566B (zh) | 轨迹预测方法、装置和存储介质 | |
| US11675324B2 (en) | Air transportation systems and methods | |
| Shakhatreh et al. | Unmanned aerial vehicles (UAVs): A survey on civil applications and key research challenges | |
| Kanistras et al. | A survey of unmanned aerial vehicles (UAVs) for traffic monitoring | |
| CN112558608B (zh) | 一种基于无人机辅助的车机协同控制及路径优化方法 | |
| WO2021038294A1 (en) | Systems and methods for identifying potential communication impediments | |
| CN107943016A (zh) | 用于自主车辆的群体驾驶风格学习框架 | |
| EP3158485B1 (en) | Cooperative safe landing area determination | |
| US20180233054A1 (en) | Method and apparatus for controlling agent movement in an operating space | |
| CN112382131B (zh) | 一种机场场面安全避撞预警***和方法 | |
| CN113792566A (zh) | 一种激光点云的处理方法及相关设备 | |
| EP4148385A1 (en) | Vehicle navigation positioning method and apparatus, and base station, system and readable storage medium | |
| WO2021110166A1 (zh) | 道路结构检测方法及装置 | |
| Shit | Precise localization for achieving next-generation autonomous navigation: State-of-the-art, taxonomy and future prospects | |
| CN114792149A (zh) | 一种轨迹预测方法、装置及地图 | |
| US11645775B1 (en) | Methods and apparatus for depth estimation on a non-flat road with stereo-assisted monocular camera in a vehicle | |
| Chen et al. | Key technologies related to C-V2X applications | |
| Choi et al. | Cooperative localization based on topology matching | |
| WO2022033089A1 (zh) | 确定检测对象的三维信息的方法及装置 | |
| US11783178B2 (en) | Systems and methods for corridor intent prediction | |
| US20210406558A1 (en) | Systems and methods to aggregate and distribute dynamic information of crowdsourcing vehicles for edge-assisted live map service | |
| Yang et al. | An optimization-based selection approach of landing sites for swarm unmanned aerial vehicles in unknown environments | |
| US12044784B2 (en) | Device and method for autonomously locating a mobile vehicle on a railway track |
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 |