CN112180954B - 一种基于人工势场的无人机避障方法 - Google Patents
一种基于人工势场的无人机避障方法 Download PDFInfo
- Publication number
- CN112180954B CN112180954B CN202010739041.8A CN202010739041A CN112180954B CN 112180954 B CN112180954 B CN 112180954B CN 202010739041 A CN202010739041 A CN 202010739041A CN 112180954 B CN112180954 B CN 112180954B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- obstacle
- force
- drone
- 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 32
- 239000013598 vector Substances 0.000 claims description 11
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000002411 adverse Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000001846 repelling 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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- 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
本发明公开了一种基于人工势场的无人机避障方法，该方法中通过模拟目标位置具有引力场，障碍物位置具有斥力场，在引力场和斥力场的作用下，无人机避开障碍物飞向目标，通过解算出无人机上受到的引力和斥力的合力即可获知需要为无人机提供的动力，由于可能存在引力和斥力彼此抵消的情况，所以还额外设置横向避障控制力，从而避免局部最小值对无人机避障的不良影响，使得无人机能够安全、及时地避开障碍物，到达目标位置。
Description
技术领域
本发明涉及一种无人机的避障方法，具体涉及一种基于人工势场的无人机避障方法。
背景技术
目前的避障算法分为两大类，以A*算法为代表的全局路径规划的算法，和以人工势场法为例的局部避障算法。两种算法各有优劣，A*算法可以求得全局最优解从而避免无人机陷入局部最优解，但是A*算法需要提前获知整个地图的信息且算法随着地图的增大解算时间也会延长；而人工势场法可以快速针对障碍物位置信息做出响应，方法可靠性高，不依赖环境的先验信息和障碍物形状，不受障碍物的外形影响，但是会陷入局部最优；具体来说，人工势场法的基本原理，在飞行过程中生成虚拟的两个势力场：引力场(重力势能场)，斥力场(电势场)。然后，在两个势力场联合的作用下，根据各个势力场的模型不同产生不同的作用力。
传统的人工势场法是根据受力产生特定的搜索方向，进而按照特定的步长进行路径规划，最后进行轨迹跟踪设计。
由于上述原因，本发明人对现有的人工势场的无人机避障方法做了深入研究，以期待设计出一种能够解决上述问题的新的避障方法。
发明内容
为了克服上述问题，本发明人进行了锐意研究，设计出一种基于人工势场的无人机避障方法，该方法中直接将作用力作用在无人机上，根据势场之间的作用力计算无人机的受力情况。由于是直接作用力，所以无需考虑后续的轨迹跟踪方式，而且在避障阶段的斥力场生成方式上考虑到了无人机当前时刻的速度，因此对于无人机的速度要求比较小。只有当无人机在末端减速范围内才会限制无人机的速度和加速度，满足无人机到达的需要；该方法主要针对较高速飞行情况下简单障碍物的避障。另外，由于可能存在引力和斥力彼此抵消的情况，所以该方法中还额外设置横向避障控制力，从而避免局部最小值对无人机避障的不良影响，使得无人机能够安全、及时地避开障碍物，到达目标位置，从而完成本发明。
具体来说，本发明的目的在于提供以一种基于人工势场的无人机避障方法，该方法包括如下步骤：
步骤1，通过安装在无人机上的探测器实时探测障碍物的位置；
步骤2，通过螺旋桨给无人机施加动力来控制无人机飞向目标位置，所述通过螺旋桨施加给无人机的动力等于引力、斥力和横向避障控制力的合力。
其中，通过螺旋桨施加给无人机的动力如下述式(一)所述：
F(X)＝Fatt(X)+Frep(X)+Foff (一)
其中，F(X)表示通过螺旋桨施加给无人机的动力，
Fatt(X)表示目标点作用在无人机上的引力，
Frep(X)表示障碍物作用在无人机上的斥力，
Foff表示横向避障控制力。
其中，目标点作用在无人机上的引力Fatt(X)通过下式(二)获得：
其中，v表示无人机的当前速度，kv为速度反馈系数，
k表示引力正比例位置增益系数，
Xg表示目标的位置，
X表示无人机所在的位置，
ρ(X,Xg)表示无人机与目标之间的距离。
其中，障碍物作用在无人机上的斥力Frep(X)通过下式(三)和(四)获得：
其中，Frepi(X)表示第i个障碍物作用在无人机上的斥力，
η表示斥力正比例位移增益系数，
ρi(X,X0)表示无人机与第i个障碍物之间的距离
ρ0表示斥力起作用的最大距离，
N表示障碍物的总数量。
其中，所述斥力正比例位移增益系数η通过下式(五)获得：
L表示无人机和障碍物连线的径向方向允许的最小距离；
其中，横向避障控制力Foff通过下式(六)获得：
d表示无人机和障碍物连线法向方向允许的最小距离；
其中，横向避障控制力Foff的单位矢量通过下式(七)获得：
其中，
表示从无人机指向障碍物的矢量，
表示无人机的速度方向。
本发明所具有的有益效果包括：
(1)根据本发明提供的基于人工势场的无人机避障方法能够有效避免局部最小值的出现，提升了在速度方向与障碍物方向重合情况下的避障效果；
(2)根据本发明提供的基于人工势场的无人机避障方法，在斥力作用场范围内，通过能量转换关系，计算无人机的斥力场势场模型来保证无人机和障碍物之间的最小距离，增加最小的安全偏移力，使得避障效率进一步提升从而保障无人机的安全性；
附图说明
图1示出根据本发明一种无人机避障控制流程图；
图2示出根据本发明实验例中得到的无人机运动轨迹示意图。
具体实施方式
下面通过附图和实施例对本发明进一步详细说明。通过这些说明，本发明的特点和优点将变得更为清楚明确。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
假设在理想环境下，障碍物周围存在斥力场，能够排斥无人机，目标周围存在引力场，能够吸引无人机，无人机在引力场和斥力场的共同作用下，且假设无人机只受到引力和斥力，则无人机会飞行目标，并且在此过程中避开障碍物位置，实现完美的避障飞行，所以在真实的环境中，如果能够实时给无人机提供与上述引力斥力的合力相等的作用力，无人机自然也能够实现完美的避障飞行，基于这样的理论研究，进行无人机避障方法设置。
根据本发明提供的一种基于人工势场的无人机避障方法，该方法中模拟出目标点的引力场，模拟出障碍物的斥力场，根据目标点产生的引力、障碍物产生的斥力和额外提供的横向避障控制力来设置无人机的控制力，从而使得无人机在飞向目标位置的同时避开障碍物，并且防止无人机落入到局部最小值的困境中。
优选地，该方法包括如下步骤：
步骤1，通过安装在无人机上的探测器实时探测障碍物的位置；所述探测器具体包括雷达探测器，红外感应探测器，超声波探测器，激光距离感应器，双目视觉探测器中的一种或多种。
步骤2，通过螺旋桨给无人机施加动力控制无人机飞向目标位置，通过螺旋桨施加给无人机的动力等于引力、斥力和横向避障控制力的合力。
具体来说，在步骤2中，所述通过螺旋桨施加给无人机的动力如下述式(一)所述：
F(X)＝Fatt(X)+Frep(X)+Foff (一)
其中，F(X)表示通过螺旋桨施加给无人机的动力，
Fatt(X)表示目标点作用在无人机上的引力，
Frep(X)表示障碍物作用在无人机上的斥力，
Foff表示横向避障控制力。
在一个优选的实施方式中，所述目标点作用在无人机上的引力Fatt(X)通过下式(二)获得：
v表示无人机的当前速度，kv为速度反馈系数，其取值为kv＝1.05。通过kvv的反馈量实现无人机在末端减速范围调节无人机最终达到目标点的速度为0。
其中，k表示引力正比例位置增益系数，其取值为k＝5；ρ(X,Xg)＝||Xg-X||，Xg表示目标的位置，X表示无人机所在的位置，通过无人机上的卫星接收机实时获知该无人机所在的位置。ρg表示末端减速距离，其取值根据目标距离和无人机速度有关，在无人机起飞前设置，一般取值为5～100米，ρ(X,Xg)表示无人机与目标之间的距离；
在一个优选的实施方式中，所述障碍物作用在无人机上的斥力Frep(X)通过下式(三)和式(四)获得：
其中，Frepi(X)表示第i个障碍物作用在无人机上的斥力，η表示斥力正比例位移增益系数，ρi(X,X0)表示无人机与第i个障碍物之间的距离，其值由无人机上的探测装置实时探测得到，所述探测装置包括雷达探测器、红外感应探测器、超声波探测器、激光距离感应器、双目视觉探测器中的一种或多种；ρ0表示斥力起作用的最大距离，即障碍物对无人机产生影响的最大距离，其取值根据场景中的禁飞区的大小设定，一般取值为5m，即为当飞行器飞到距离障碍物5米以内的位置时，障碍物提供斥力，当飞行器飞到距离障碍物5米以外的位置时，障碍物不再提供斥力。所述无人机与障碍物之间的距离是指无人机与障碍物之间的最小距离，即无人机外轮廓与障碍物外轮廓之间的最小距离。
当障碍物有多个时，作用在无人机上的总斥力为所有障碍物对应的Frepi(X)之和。具体来说，如式(四)所示：
其中，N表示障碍物的总数量。
优选地，所述斥力正比例位移增益系数η通过下式(五)获得：
其中ρ0是斥力起作用的最大距离，L为常数，表示无人机和障碍物连线的径向方向允许的最小距离，本申请中优选的取值是3，单位是米。
优选地，通过探测器探测到障碍物位置时，也同时获得障碍物的轮廓大小，从而能够解算出该障碍物对应的ρ0，若相邻两个障碍物的斥力作用范围重叠，则将这两个障碍物认定为一个障碍物进行避障控制。这样的设置既能够缩短计算时间，提高效率，还能够避免多个障碍物的交替
在一个优选的实施方式中，所述横向避障控制力Foff通过下式(六)获得：
其中，d表示无人机和障碍物连线法向方向允许的最小距离，取值和障碍物的大小有关，本申请中优选地取值为1，单位是米；当Frep(X)取值为零时，Foff取值为零，不必执行式(六)中的计算，当Frep(X)取值不为零时，通过上述式(六)解算Foff；
其中，
表示从无人机指向障碍物的矢量，
表示无人机的速度方向。通过矢量之间的叉乘获得垂直于无人机和障碍物连线方向的矢量，从而有助于无人机有效的避开障碍物，进而通过归一化的方法计算出Foff单位矢量
通过设置上述横向避障控制力能够在无人机执行避障作业时提供横向力，以避免局部最小值的情况出现，同时通过施力时间及施力大小的设定，为无人机提供刚好能够满足避障要求的最小横向避障控制力。
本申请中，在无人机在临近目标5m的范围内时，通过增加速度的负反馈，降低无人机的速度，以便于无人机能够稳定地停止在目标位置。
实验例：
认为无人机的避障是在恒定的高度上进行的，因此可以简化为2D模型，无人机从起点位置(0,0)处起飞，飞向坐标为(0,30)的目标位置，在飞行路径中设置以(0,15)为圆心，以0.3m为半径的圆形障碍物；
通过本申请中方法控制该无人机，具体控制过程如下：
通过F(X)＝Fatt(X)+Frep(X)+Foff实时求解通过螺旋桨施加给无人机的动力，并通过该动力控制无人机飞行。
其中，Fatt(X)通过下式(二)获得：
Frep(X)通过下式(三)和式(四)获得：
Foff通过下式(六)获得：
引力场正比例位置系数k＝5，速度反馈增益系数为1.05，ρ0是斥力起作用的最大距离ρ0为5米，无人机和障碍物连线的径向方向的最小距离L＝3，无人机和障碍物连线的法相方向的最小距离d＝1；ρg取值为5米
根据实际无人机飞行情况中实时反馈的无人机的速度计算处斥力场系数的η以及Foff的大小，最终实时解算出螺旋桨施加给无人机的动力F(X)；
由于解算出来的控制量为无人机加速度控制量，通过姿态解算转换成无人机姿态角的控制量，再通过无人机的姿态控制回路最终实现设计量对无人机的控制，最终得到无人机的飞行轨迹如图2中所示。
通过本实验例可知，本申请提供的方法能够直接将控制量传递给无人机，减少了路径规划的过程，是对控制算法的直接求解，大大提高了控制算法的解算频率。该算法控制量的生成考虑无人机的速度，提高了在这种简单障碍物场景中无人机避障的速度。
以上结合了优选的实施方式对本发明进行了说明，不过这些实施方式仅是范例性的，仅起到说明性的作用。在此基础上，可以对本发明进行多种替换和改进，这些均落入本发明的保护范围内。
Claims (5)
1.一种基于人工势场的无人机避障方法，其特征在于，该方法包括如下步骤：
步骤1，通过安装在无人机上的探测器实时探测障碍物的位置；
步骤2，通过螺旋桨给无人机施加动力来控制无人机飞向目标位置，所述通过螺旋桨施加给无人机的动力等于引力、斥力和横向避障控制力的合力；
通过螺旋桨施加给无人机的动力如下述式(一)所述：
F(X)＝Fatt(X)+Frep(X)+Foff (一)
其中，F(X)表示通过螺旋桨施加给无人机的动力，
Fatt(X)表示目标点作用在无人机上的引力，
Frep(X)表示障碍物作用在无人机上的斥力，
Foff表示横向避障控制力；
横向避障控制力Foff通过下式(六)获得：
d表示无人机和障碍物连线法向方向允许的最小距离；
2.根据权利要求1所述的基于人工势场的无人机避障方法，其特征在于，
目标点作用在无人机上的引力Fatt(X)通过下式(二)获得：
其中，v表示无人机的当前速度，kv为速度反馈系数，
k表示引力正比例位置增益系数，
Xg表示目标的位置，
X表示无人机所在的位置，
ρ(X,Xg)表示无人机与目标之间的距离，
ρg表示末端减速距离，其取值根据目标距离和无人机速度，在无人机起飞前设置，取值为5～100米。
3.根据权利要求1所述的基于人工势场的无人机避障方法，其特征在于，
障碍物作用在无人机上的斥力Frep(X)通过下式(三)和(四)获得：
其中，Frepi(X)表示第i个障碍物作用在无人机上的斥力，
η表示斥力正比例位移增益系数，
ρi(X,X0)表示无人机与第i个障碍物之间的距离
ρ0表示斥力起作用的最大距离，
N表示障碍物的总数量。
4.根据权利要求3所述的基于人工势场的无人机避障方法，其特征在于，
所述斥力正比例位移增益系数η通过下式(五)获得：
L表示无人机和障碍物连线的径向方向允许的最小距离。
5.根据权利要求1所述的基于人工势场的无人机避障方法，其特征在于，
横向避障控制力Foff的单位矢量通过下式(七)获得：
其中，
表示从无人机指向障碍物的矢量，
表示无人机的速度方向。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010739041.8A CN112180954B (zh) | 2020-07-28 | 2020-07-28 | 一种基于人工势场的无人机避障方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010739041.8A CN112180954B (zh) | 2020-07-28 | 2020-07-28 | 一种基于人工势场的无人机避障方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112180954A CN112180954A (zh) | 2021-01-05 |
| CN112180954B true CN112180954B (zh) | 2021-12-24 |
Family
ID=73918959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010739041.8A Active CN112180954B (zh) | 2020-07-28 | 2020-07-28 | 一种基于人工势场的无人机避障方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112180954B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112947417A (zh) * | 2021-01-27 | 2021-06-11 | 厦门大学 | 一种用于智能运动体避障的控制方法 |
| CN113534838A (zh) * | 2021-07-15 | 2021-10-22 | 西北工业大学 | 一种基于人工势场法的改进无人机航迹规划方法 |
| CN113534841A (zh) * | 2021-07-29 | 2021-10-22 | 北京航空航天大学 | 一种无人飞行器避障路径规划算法、路径规划算法 |
| CN114518770B (zh) * | 2022-03-01 | 2024-05-31 | 西安交通大学 | 一种电势场和深度强化学习融合的无人机路径规划方法 |
| CN114879719A (zh) * | 2022-04-12 | 2022-08-09 | 江苏中科智能科学技术应用研究院 | 一种适用于油电混动无人机的智能避障方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106843235A (zh) * | 2017-03-31 | 2017-06-13 | 深圳市靖洲科技有限公司 | 一种面向无人自行车的人工势场路径规划法 |
| CN107219857A (zh) * | 2017-03-23 | 2017-09-29 | 南京航空航天大学 | 一种基于三维全局人工势函数的无人机编队路径规划算法 |
| CN108459612A (zh) * | 2017-02-21 | 2018-08-28 | 北京航空航天大学 | 基于人工势场法的无人机编队控制方法及装置 |
| CN109358637A (zh) * | 2018-05-25 | 2019-02-19 | 武汉科技大学 | 一种基于预设航线的地表近距离自主探查无人机的三维避障方法 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8170287B2 (en) * | 2007-10-26 | 2012-05-01 | Honda Motor Co., Ltd. | Real-time self collision and obstacle avoidance |
| CN100570523C (zh) * | 2008-08-18 | 2009-12-16 | 浙江大学 | 一种基于障碍物运动预测的移动机器人避障方法 |
| CN101408772B (zh) * | 2008-11-21 | 2010-09-08 | 哈尔滨工程大学 | Auv智能避碰方法 |
| CN102591332B (zh) * | 2011-01-13 | 2014-08-13 | 同济大学 | 用于无人驾驶汽车局部路径规划的装置及方法 |
| CN102231082B (zh) * | 2011-04-08 | 2013-06-12 | 中国船舶重工集团公司第七○二研究所 | 基于迷你声纳的水下目标探测与auv自动避碰方法及其*** |
| WO2016065055A1 (en) * | 2014-10-21 | 2016-04-28 | Ask Y, Llc | Platooning control via accurate synchronization |
| CN108398960B (zh) * | 2018-03-02 | 2021-01-26 | 南京航空航天大学 | 一种改进APF与分段Bezier相结合的多无人机协同目标追踪方法 |
| CN109318890A (zh) * | 2018-06-29 | 2019-02-12 | 北京理工大学 | 一种基于动态窗口及障碍物势能场的无人车动态避障方法 |
| CN109696917A (zh) * | 2019-01-28 | 2019-04-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种航天器自动交会避障方法及*** |
| CN110989656A (zh) * | 2019-11-13 | 2020-04-10 | 中国电子科技集团公司第二十研究所 | 一种基于改进人工势场法的冲突解脱方法 |
| CN110794842A (zh) * | 2019-11-15 | 2020-02-14 | 北京邮电大学 | 基于势场的强化学习路径规划算法 |
| CN110727274B (zh) * | 2019-11-19 | 2022-09-02 | 大连海事大学 | 一种基于无人船***的带有避碰且保持连通性的编队控制方法 |
| CN111207756B (zh) * | 2020-03-19 | 2022-08-23 | 重庆邮电大学 | 一种基于改进人工势场算法的移动机器人路径规划方法 |
-
2020
- 2020-07-28 CN CN202010739041.8A patent/CN112180954B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108459612A (zh) * | 2017-02-21 | 2018-08-28 | 北京航空航天大学 | 基于人工势场法的无人机编队控制方法及装置 |
| CN107219857A (zh) * | 2017-03-23 | 2017-09-29 | 南京航空航天大学 | 一种基于三维全局人工势函数的无人机编队路径规划算法 |
| CN106843235A (zh) * | 2017-03-31 | 2017-06-13 | 深圳市靖洲科技有限公司 | 一种面向无人自行车的人工势场路径规划法 |
| CN109358637A (zh) * | 2018-05-25 | 2019-02-19 | 武汉科技大学 | 一种基于预设航线的地表近距离自主探查无人机的三维避障方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112180954A (zh) | 2021-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112180954B (zh) | 一种基于人工势场的无人机避障方法 | |
| US11557210B2 (en) | Trajectory planner for a vehicle | |
| CN111256703B (zh) | 一种多旋翼无人机巡检路径规划方法 | |
| US10276051B2 (en) | Dynamic collision-avoidance system and method | |
| CN105892489B (zh) | 一种基于多传感器融合的自主避障无人机***及控制方法 | |
| Scherer et al. | Flying fast and low among obstacles | |
| CN109358637B (zh) | 一种基于预设航线的地表近距离自主探查无人机的三维避障方法 | |
| CN104309803A (zh) | 旋翼飞行器自动降落***及方法 | |
| CN103144770A (zh) | 一种全自主控制入室环境避障导航微型飞行器 | |
| CN110764531B (zh) | 基于激光雷达与人工势场法的无人机编队飞行避障方法 | |
| CN114200471B (zh) | 基于无人机的森林火源检测***、方法、存储介质、设备 | |
| KR101278708B1 (ko) | 수중로봇과 그 제어방법 | |
| CN105045286A (zh) | 一种基于自驾仪和遗传算法的监测无人机悬停范围的方法 | |
| US20240076066A1 (en) | Fixed-wing unmanned aerial vehicle capable of high angle-of-attack maneuvering | |
| CN113703470A (zh) | 基于架空输电线电磁场探测的飞行防撞方法及装置 | |
| Chen et al. | Obstacle avoidance strategy for quadrotor UAV based on improved particle swarm optimization algorithm | |
| Cobano et al. | Thermal detection and generation of collision-free trajectories for cooperative soaring UAVs | |
| CN111142565B (zh) | 一种基于电空气动力学可自适应环境的无桨叶飞行器及其控制方法 | |
| Rossouw et al. | An open-source autopilot and source localisation for bio-inspired miniature blimps | |
| Bouzerzour et al. | Robust vision-based sliding mode control for uncooperative ground target searching and tracking by quadrotor | |
| CN113569430B (zh) | 一种仅外测观测下再入飞行转弯方向辨识方法 | |
| Kanellakis et al. | Vision-driven NMPC for Autonomous Aerial Navigation in Subterranean Environments | |
| Klein et al. | Glide path generation with regard to wind misestimations | |
| Alshbatat | Heuristic Optimization Technique to Locate and Avoid Buried Landmines: Drone-based Approach | |
| Marins | A closed-form energy model for quadcopters based on the dynamic of the movement applied to calculate wind parameters aiming to extend the flight time |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Xu Chao Inventor after: Song Tao Inventor after: Zhang Yunfei Inventor after: Zheng Duo Inventor after: Cheng Ziheng Inventor after: Lin Defu Inventor after: He Shaomi Inventor after: Fan Shipeng Inventor before: Lin Defu Inventor before: Zhang Yunfei Inventor before: Zheng Duo Inventor before: Cheng Ziheng Inventor before: Song Tao Inventor before: He Shaomi Inventor before: Fan Shipeng |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |