CN113220032A - 无人机集群控制方法、装置、无人机及存储介质 - Google Patents
无人机集群控制方法、装置、无人机及存储介质 Download PDFInfo
- Publication number
- CN113220032A CN113220032A CN202110533260.5A CN202110533260A CN113220032A CN 113220032 A CN113220032 A CN 113220032A CN 202110533260 A CN202110533260 A CN 202110533260A CN 113220032 A CN113220032 A CN 113220032A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- cluster
- attitude
- information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004891 communication Methods 0.000 claims description 58
- 238000003062 neural network model Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 abstract description 18
- 230000008569 process Effects 0.000 description 10
- 230000003993 interaction Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised 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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请实施例提供了一种无人机集群控制方法、装置、无人机及存储介质,属于无人机技术领域。本申请通过无人机集群中的每一无人机都接收控制指令;使得每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息;从而可以让每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态,进而使得当某一无人机出现偏航或掉队时,无人机集群中的每一无人机均可以快速做出姿态调整,以便于缩短无人机集群的飞行队形的队形调整时间,使得无人机集群可以更好地按照飞行队形进行飞行。
Description
技术领域
本申请涉及无人机技术领域,具体而言,涉及一种无人机集群控制方法、装置、无人机及存储介质。
背景技术
随着无人机技术的不断发展,无人机群协作也成为重要的发展趋势,无人机群能够控制更大的范围,实现功能互补和任务分担等。
在实际应用中,往往要求一群无人机同时从一个出发点集群飞行到目标位置,然后执行特定的任务。而目前以集群飞行时都是通过预先给每一无人机进行位置、速度等配置,以让无人机实现集群飞行。
然而,在实际飞行过程中,由于无人机自身原因或天气原因极大可能导致无人机集群中的某一无人机出现偏航或掉队,从而使得无人机集群的飞行出现偏差,影响整体效率以及飞行队形。而在实际中,当出现掉队时,后台服务器很难快速识别出是否出现掉队,进而影响调整队形的时间,使得飞行队形存在杂乱无章的情况。
因此,如何解决上述问题是目前亟需解决的问题。
发明内容
本申请提供一种无人机集群控制方法、装置、无人机及存储介质,旨在改善上述问题。
第一方面,本申请提供的一种无人机集群控制方法,所述方法包括:无人机集群中的每一无人机接收控制指令;每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息;每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态。
可以理解的是,通过无人机集群中的每一无人机都接收控制指令;使得每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息;从而可以让每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态,进而使得当某一无人机出现偏航或掉队时,无人机集群中的每一无人机均可以快速做出姿态调整,以便于缩短无人机集群的飞行队形的队形调整时间,使得无人机集群可以更好地按照飞行队形进行飞行。
在一可能的实施例中,所述每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态,包括:所述每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到自身的目标姿态调整信息;所述每一所述无人机根据自身的所述目标姿态调整信息调整自身在所述无人机集群中的飞行姿态。
在一可能的实施例中,所述每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到自身的目标姿态调整信息,包括:每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到初始姿态调整信息;确定所述初始姿态调整信息是否满足预设规则;若否,确定当前迭代次数是否位于阈值区间;若所述当前迭代次数位于所述阈值区间,将所述初始姿态调整信息作为目标姿态调整信息;若所述当前迭代次数不位于所述阈值区间,利用所述神经网络模型重新生成新的初始姿态调整信息。
可以理解的是,通过神经网络模型来对无人机输入的姿态信息进行处理,以输出初始姿态调整信息,然后通过迭代算法来对该初始姿态调整信息进一步进行处理,使得当当前迭代次数不位于阈值区间时,利用所述神经网络模型重新生成新的初始姿态调整信息,进而提高初始姿态调整信息的准确性,使得无人机集群的姿态调整更加优化,更加合理。
在一可能的实施例中,在无人机集群中的每一无人机接收控制指令之前,所述方法还包括:无人机集群中的某一无人机发送姿态调整请求至控制中心。
在一可能的实施例中,所述无人机集群中的某一无人机发送姿态调整请求至控制中心,包括:所述无人机集群中的每一所述无人机定时采集自身的飞行路径信息;每一所述无人机确定所述飞行路径信息是否位于目标路径上;若某一所述无人机确定自身的飞行路径信息非位于所述目标路径上,发送姿态调整请求至控制中心。
在一可能的实施例中,所述每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息,包括:每一所述无人机解析所述控制指令,得到采集指令以及除自身以外的其他无人机的通信链路;每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立通信链接;每一所述无人机根据所述采集指令采集自身的姿态信息,并将自身的所述姿态信息通过所述通信链接发送至所述除自身以外的其他无人机。
可以理解的是,通过解析所述控制指令,以得到采集指令以及除自身以外的其他无人机的通信链路;使得每一无人机可以通过该通信链路与除自身以外的其他无人机建立通信链接;进一步地,每一无人机根据所述采集指令采集自身的姿态信息,并将自身的所述姿态信息通过该通信链接发送至所述除自身以外的其他无人机,从而实现无人机集群中的每一无人机之间的姿态信息的交互,以便于更好地根据其他无人机的姿态信息来调整自身的姿态。
可以理解的是,通过所述无人机集群中的每一所述无人机定时采集自身的飞行路径信息;每一所述无人机确定所述飞行路径信息是否位于目标路径上;若某一所述无人机确定自身的飞行路径信息非位于所述目标路径上,发送姿态调整请求至控制中心。从而通过无人机来主动判断自身的飞行状态,以在出行偏航或掉队时可以及时进行调整,以缩短调整时间,提高飞行效率。
在一可能的实施例中,所述每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立通信链接,包括:每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立5G网络通信链接。
可以理解的是,通过在无人机集群中的每一无人机之间建立5G网络通信链接,进而可以使得无人机之间的信息交互更为顺畅,提高数据的交互效率。
第二方面,本申请提供的一种无人机集群控制装置,所述装置包括:接收单元,用于无人机集群中的每一无人机接收控制指令;采集单元,用于每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息;调整单元,用于每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态。
第三方面,本申请提供的一种无人机,包括:存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现如第一方面任一项所述的无人机集群控制方法。
第四方面,本申请提供的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理设备运行时执行如第一方面的任一项所述的无人机集群控制方法的步骤。
上述本申请提供的一种无人机集群控制方法、装置、无人机及存储介质,本申请通过无人机集群中的每一无人机都接收控制指令;使得每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息;从而可以让每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态,进而使得当某一无人机出现偏航或掉队时,无人机集群中的每一无人机均可以快速做出姿态调整,以便于缩短无人机集群的飞行队形的队形调整时间,使得无人机集群可以更好地按照飞行队形进行飞行。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请第一实施例提供的一种无人机的结构示意图;
图2为本申请第二实施例提供的一种无人机集群控制方法的流程图;
图3为本申请第三实施例提供的一种无人机集群控制装置的功能模块示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
第一实施例
图1为本申请实施例提供的一种无人机的结构示意图,在本申请中可以通过图1所示的示意图来描述用于实现本申请实施例的无人机集群控制方法以及无人机集群控制装置的示例的无人机100。
如图1所示的一种无人机的结构示意图,无人机100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108,这些组件通过总线***和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的无人机100的组件和结构只是示例性的,而非限制性的,根据需要,所述无人机可以具有图1示出的部分组件,也可以具有图1未示出的其他组件和结构。
所述处理器102可以是中央处理单元(CPU)或者具有无人机集群控制能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述无人机100中的其它组件以执行期望的功能。
应理解,在本申请实施例中的处理器102可以是中央处理单元(centralprocessing unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(digitalsignal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质。
应理解,本申请实施例中的存储装置104可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的随机存取存储器(random accessmemory,RAM)可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DR RAM)。
其中,在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本申请实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
第二实施例:
参照图2所示的一种无人机集群控制方法的流程图,该方法具体包括如下步骤:
步骤S201,无人机集群中的每一无人机接收控制指令。
其中,控制指令由后台服务器被动发送,即由无人机来触发后台服务器发送控制指令,以提高响应效率。
在一可能的实施例中,在步骤S201之前,所述方法还包括:无人机集群中的某一无人机发送姿态调整请求至控制中心。
其中,该某一无人机可以是无人机集群中的任一无人机,也可以是出现掉队或偏航的无人机。在此,不作具体限定。
可选地,所述无人机集群中的某一无人机发送姿态调整请求至控制中心,包括:所述无人机集群中的每一所述无人机定时采集自身的飞行路径信息;每一所述无人机确定所述飞行路径信息是否位于目标路径上;若某一所述无人机确定自身的飞行路径信息非位于所述目标路径上,发送姿态调整请求至控制中心。
应理解,定时的具体时间可以根据用户实际需求进行设置,另外该定时的时间间隔可以是秒,也可以是分。在此,不作具体限定。
其中,目标路径为无人机起航时被配置的,也可以是飞行之前被预先配置的,在此,不作具体限定。
在上述实现过程中,通过所述无人机集群中的每一所述无人机定时采集自身的飞行路径信息;每一所述无人机确定所述飞行路径信息是否位于目标路径上;若某一所述无人机确定自身的飞行路径信息非位于所述目标路径上,发送姿态调整请求至控制中心。从而通过无人机来主动判断自身的飞行状态,以在出行偏航或掉队时可以及时进行调整,以缩短调整时间,提高飞行效率。
步骤S202,每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息。
其中,姿态信息包括但不限于飞行角度和飞行速度。
作为一种实施方式,步骤S202,包括:每一所述无人机解析所述控制指令,得到采集指令以及除自身以外的其他无人机的通信链路;每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立通信链接;每一所述无人机根据所述采集指令采集自身的姿态信息,并将自身的所述姿态信息通过所述通信链接发送至所述除自身以外的其他无人机。
在上述实现过程中,通过解析所述控制指令,以得到采集指令以及除自身以外的其他无人机的通信链路;使得每一无人机可以通过该通信链路与除自身以外的其他无人机建立通信链接;进一步地,每一无人机根据所述采集指令采集自身的姿态信息,并将自身的所述姿态信息通过该通信链接发送至所述除自身以外的其他无人机,从而实现无人机集群中的每一无人机之间的姿态信息的交互,以便于更好地根据其他无人机的姿态信息来调整自身的姿态。
可选地,所述每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立通信链接,包括:每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立5G(5th generation mobile networks或5th generation wireless systems、5th-Generation,第五代移动通信技术)网络通信链接。
在上述实现过程中,通过在无人机集群中的每一无人机之间建立5G网络通信链接,进而可以使得无人机之间的信息交互更为顺畅,提高数据的交互效率。
步骤S203,每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态。
作为一种实施方式,步骤S203,包括:所述每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到自身的目标姿态调整信息;所述每一所述无人机根据自身的所述目标姿态调整信息调整自身在所述无人机集群中的飞行姿态。
也就是说,无人机集群中的每一无人机分别将自己接收到的以及自身的姿态信息输入到预训练的神经网络模型,通过该预训练的神经网络模型对每一无人机的姿态信息进行处理,从而得到自身的目标姿态调整信息。
可选地,所述每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到自身的目标姿态调整信息,包括:每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到初始姿态调整信息;确定所述初始姿态调整信息是否满足预设规则;若否,确定当前迭代次数是否位于阈值区间;若所述当前迭代次数位于所述阈值区间,将所述初始姿态调整信息作为目标姿态调整信息;若所述当前迭代次数不位于所述阈值区间,利用所述神经网络模型重新生成新的初始姿态调整信息。
在上述实现过程中,通过神经网络模型来对无人机输入的姿态信息进行处理,以输出初始姿态调整信息,然后通过迭代算法来对该初始姿态调整信息进一步进行处理,使得当当前迭代次数不位于阈值区间时,利用所述神经网络模型重新生成新的初始姿态调整信息,进而提高初始姿态调整信息的准确性,使得无人机集群的姿态调整更加优化,更加合理。
举例来说,假设一无人机集群包括7架无人机,分别为无人机1、无人机2、无人机3、无人机4、无人机5、无人机6、无人机7,7架无人机以“人”字型队形进行飞行,假设当无人机1在定时采集自身的飞行路径信息时,确定自身出现了偏航或掉队时,该无人机1向控制中心(或监控中心,或后台服务器)发送姿态调整请求,控制中心在接收到该姿态调整请求后,向每一无人机发送控制指令,无人机1、无人机2、无人机3、无人机4、无人机5、无人机6、无人机7在接收到控制指令后,解析该控制指令,得到采集指令以及除自身以外的其他无人机的通信链路(例如,无人机1解析该控制指令,得到采集指令以及无人机2、无人机3、无人机4、无人机5、无人机6、无人机7的通信链路);每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立通信链接(例如,无人机1基于所述通信链路与无人机2、无人机3、无人机4、无人机5、无人机6、无人机7建立通信链接;无人机2基于所述通信链路与无人机1、无人机3、无人机4、无人机5、无人机6、无人机7建立通信链接等);每一所述无人机根据所述采集指令采集自身的姿态信息,并将自身的所述姿态信息通过所述通信链接发送至所述除自身以外的其他无人机(如无人机1将自身的所述姿态信息通过所述通信链接发送到无人机2、无人机3、无人机4、无人机5、无人机6、无人机7)。最后无人机1、无人机2、无人机3、无人机4、无人机5、无人机6、无人机7根据所述姿态信息调整自身在所述无人机集群中的飞行姿态。
在本实施例中,本实施例通过无人机集群中的每一无人机都接收控制指令;使得每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息;从而可以让每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态,进而使得当某一无人机出现偏航或掉队时,无人机集群中的每一无人机均可以快速做出姿态调整,以便于缩短无人机集群的飞行队形的队形调整时间,使得无人机集群可以更好地按照飞行队形进行飞行。
第三实施例:
参见图3所示的一种无人机集群控制装置,该无人机集群控制装置500包括:
接收单元510,用于无人机集群中的每一无人机接收控制指令。
在一可能的实施例中,无人机集群控制装置500还包括:发送单元,该发送单元用于在无人机集群中的每一无人机接收控制指令之前,无人机集群中的某一无人机发送姿态调整请求至控制中心。
也就是说,在无人机集群中的每一无人机接收控制指令之前,无人机集群中的某一无人机通过该发送单元发送姿态调整请求至控制中心。
可选地,该发送单元,具体用于:所述无人机集群中的每一所述无人机定时采集自身的飞行路径信息;每一所述无人机确定所述飞行路径信息是否位于目标路径上;若某一所述无人机确定自身的飞行路径信息非位于所述目标路径上,发送姿态调整请求至控制中心。
也就是说,无人机集群中的每一所述无人机会定时采集自身的飞行路径信息;且每一所述无人机还会确定所述飞行路径信息是否位于目标路径上,若某一所述无人机确定自身的飞行路径信息非位于所述目标路径上,通过该发送单元发送姿态调整请求至控制中心。
采集单元520,用于每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息。
可选地,采集单元520,具体用于每一所述无人机解析所述控制指令,得到采集指令以及除自身以外的其他无人机的通信链路;每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立通信链接;每一所述无人机根据所述采集指令采集自身的姿态信息,并将自身的所述姿态信息通过所述通信链接发送至所述除自身以外的其他无人机。
也就是说,该采集单元520的作用是解析所述控制指令,得到采集指令以及除自身以外的其他无人机的通信链路;基于所述通信链路与所述除自身以外的其他无人机建立通信链接;根据所述采集指令采集自身的姿态信息,并将自身的所述姿态信息通过所述通信链接发送至所述除自身以外的其他无人机。
也就是说,每一无人机内均设有该采集单元520。
可选地,所述每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立通信链接,包括:每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立5G网络通信链接。
调整单元530,用于每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态。
可选地,调整单元530,还用于:所述每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到自身的目标姿态调整信息;所述每一所述无人机根据自身的所述目标姿态调整信息调整自身在所述无人机集群中的飞行姿态。
可选地,所述每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到自身的目标姿态调整信息,包括:每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到初始姿态调整信息;确定所述初始姿态调整信息是否满足预设规则;若否,确定当前迭代次数是否位于阈值区间;若所述当前迭代次数位于所述阈值区间,将所述初始姿态调整信息作为目标姿态调整信息;若所述当前迭代次数不位于所述阈值区间,利用所述神经网络模型重新生成新的初始姿态调整信息。
应理解,该无人机集群控制装置500部署在无人机内,以便于该无人机通过该无人机集群控制装置500实现第二实施例所示的无人机集群控制方法。
进一步,本实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理设备运行时执行上述第二实施例提供的任一项无人机集群控制方法的步骤。
本申请实施例所提供的一种无人机集群控制方法及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
综上所述,本申请提供一种无人机集群控制方法、装置、无人机及存储介质,以通过无人机集群中的每一无人机都接收控制指令;使得每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息;从而可以让每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态,进而使得当某一无人机出现偏航或掉队时,无人机集群中的每一无人机均可以快速做出姿态调整,以便于缩短无人机集群的飞行队形的队形调整时间,使得无人机集群可以更好地按照飞行队形进行飞行。
需要说明的是,上述实施例,可以全部或部分地通过软件、硬件(如电路)、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (10)
1.一种无人机集群控制方法,其特征在于,所述方法包括:
无人机集群中的每一无人机接收控制指令;
每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息;
每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态。
2.根据权利要求1所述的方法,其特征在于,所述每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态,包括:
所述每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到自身的目标姿态调整信息;
所述每一所述无人机根据自身的所述目标姿态调整信息调整自身在所述无人机集群中的飞行姿态。
3.根据权利要求2所述的方法,其特征在于,所述每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到自身的目标姿态调整信息,包括:
每一所述无人机将所述姿态信息输入预训练的神经网络模型,得到初始姿态调整信息;
确定所述初始姿态调整信息是否满足预设规则;
若否,确定当前迭代次数是否位于阈值区间;
若所述当前迭代次数位于所述阈值区间,将所述初始姿态调整信息作为目标姿态调整信息;
若所述当前迭代次数不位于所述阈值区间,利用所述神经网络模型重新生成新的初始姿态调整信息。
4.根据权利要求1所述的方法,其特征在于,在无人机集群中的每一无人机接收控制指令之前,所述方法还包括:
无人机集群中的某一无人机发送姿态调整请求至控制中心。
5.根据权利要求4所述的方法,其特征在于,所述无人机集群中的某一无人机发送姿态调整请求至控制中心,包括:
所述无人机集群中的每一所述无人机定时采集自身的飞行路径信息;
每一所述无人机确定所述飞行路径信息是否位于目标路径上;
若某一所述无人机确定自身的飞行路径信息非位于所述目标路径上,发送姿态调整请求至控制中心。
6.根据权利要求1所述的方法,其特征在于,所述每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息,包括:
每一所述无人机解析所述控制指令,得到采集指令以及除自身以外的其他无人机的通信链路;
每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立通信链接;
每一所述无人机根据所述采集指令采集自身的姿态信息,并将自身的所述姿态信息通过所述通信链接发送至所述除自身以外的其他无人机。
7.根据权利要求6所述的方法,其特征在于,所述每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立通信链接,包括:
每一所述无人机基于所述通信链路与所述除自身以外的其他无人机建立5G网络通信链接。
8.一种无人机集群控制装置,其特征在于,所述装置包括:
接收单元,用于无人机集群中的每一无人机接收控制指令;
采集单元,用于每一所述无人机根据所述控制指令采集自身以及所述无人机集群中的其他无人机的姿态信息;
调整单元,用于每一所述无人机根据所述姿态信息调整自身在所述无人机集群中的飞行姿态。
9.一种无人机,其特征在于,包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现如权利要求1至7任一项所述的无人机集群控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理设备运行时执行如权利要求1-7的任一项所述的无人机集群控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533260.5A CN113220032A (zh) | 2021-05-17 | 2021-05-17 | 无人机集群控制方法、装置、无人机及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533260.5A CN113220032A (zh) | 2021-05-17 | 2021-05-17 | 无人机集群控制方法、装置、无人机及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113220032A true CN113220032A (zh) | 2021-08-06 |
Family
ID=77092284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110533260.5A Pending CN113220032A (zh) | 2021-05-17 | 2021-05-17 | 无人机集群控制方法、装置、无人机及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113220032A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662999A (zh) * | 2022-05-24 | 2022-06-24 | 深圳联和智慧科技有限公司 | 一种无人机集群调动处理方法、***及云平台 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167596A1 (en) * | 2005-01-24 | 2006-07-27 | Bodin William K | Depicting the flight of a formation of UAVs |
CN102637040A (zh) * | 2012-04-23 | 2012-08-15 | 清华大学 | 无人机集群可视导航任务协同方法和*** |
CN106249754A (zh) * | 2016-09-07 | 2016-12-21 | 陈飞 | 一种飞行器自组网并动态维持编队状态的方法 |
CN108388270A (zh) * | 2018-03-21 | 2018-08-10 | 天津大学 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪***及方法 |
CN109857127A (zh) * | 2018-11-20 | 2019-06-07 | 深圳先进技术研究院 | 训练神经网络模型以及飞行器姿态解算的方法、装置 |
CN110162086A (zh) * | 2019-03-21 | 2019-08-23 | 中山大学 | 一种基于模型预测控制框架的集群无人机编队方法 |
CN110413006A (zh) * | 2019-08-30 | 2019-11-05 | 杭州电子科技大学 | 一种基于5g通信的无人机编队组网***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 |
CN112180975A (zh) * | 2020-09-27 | 2021-01-05 | 陕西智盈电子科技有限公司 | 一种智能集群无人机控制***及其控制方法 |
CN112230670A (zh) * | 2020-10-29 | 2021-01-15 | 南京邮电大学 | 一种含预估器的多四旋翼飞行器的编队控制方法 |
-
2021
- 2021-05-17 CN CN202110533260.5A patent/CN113220032A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167596A1 (en) * | 2005-01-24 | 2006-07-27 | Bodin William K | Depicting the flight of a formation of UAVs |
CN102637040A (zh) * | 2012-04-23 | 2012-08-15 | 清华大学 | 无人机集群可视导航任务协同方法和*** |
CN106249754A (zh) * | 2016-09-07 | 2016-12-21 | 陈飞 | 一种飞行器自组网并动态维持编队状态的方法 |
CN108388270A (zh) * | 2018-03-21 | 2018-08-10 | 天津大学 | 面向安全域的集群无人机轨迹姿态协同控制方法 |
CN109857127A (zh) * | 2018-11-20 | 2019-06-07 | 深圳先进技术研究院 | 训练神经网络模型以及飞行器姿态解算的方法、装置 |
CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪***及方法 |
CN110162086A (zh) * | 2019-03-21 | 2019-08-23 | 中山大学 | 一种基于模型预测控制框架的集群无人机编队方法 |
CN110413006A (zh) * | 2019-08-30 | 2019-11-05 | 杭州电子科技大学 | 一种基于5g通信的无人机编队组网***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 |
CN112180975A (zh) * | 2020-09-27 | 2021-01-05 | 陕西智盈电子科技有限公司 | 一种智能集群无人机控制***及其控制方法 |
CN112230670A (zh) * | 2020-10-29 | 2021-01-15 | 南京邮电大学 | 一种含预估器的多四旋翼飞行器的编队控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662999A (zh) * | 2022-05-24 | 2022-06-24 | 深圳联和智慧科技有限公司 | 一种无人机集群调动处理方法、***及云平台 |
CN114662999B (zh) * | 2022-05-24 | 2022-08-30 | 深圳联和智慧科技有限公司 | 一种无人机集群调动处理方法、***及云平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10546066B2 (en) | End-to-end learning of dialogue agents for information access | |
US10268679B2 (en) | Joint language understanding and dialogue management using binary classification based on forward and backward recurrent neural network | |
EP3014446B1 (en) | Asynchronous message passing for large graph clustering | |
US10210255B2 (en) | Distributed system for large volume deep web data extraction | |
US20200272945A1 (en) | System and method of decentralized model building for machine learning and data privacy preserving using blockchain | |
US10567220B2 (en) | Distributed rules engine for processing events associated with internet of things devices | |
US20180240010A1 (en) | Technologies for optimized machine learning training | |
US11275643B2 (en) | Dynamic configuration of anomaly detection | |
CN108089921A (zh) | 用于云端大数据运算架构的服务器及其运算资源最佳化方法 | |
Serban et al. | Piecewise latent variables for neural variational text processing | |
US20220237521A1 (en) | Method, device, and computer program product for updating machine learning model | |
CN110703797A (zh) | 无人机及其飞行轨迹的生成方法、计算机可读存储介质 | |
CN110293818A (zh) | 车载空调控制方法和装置 | |
US10153980B2 (en) | Systems and methods for managing network congestion | |
CN113164056A (zh) | 睡眠预测方法、装置、存储介质及电子设备 | |
CN113220032A (zh) | 无人机集群控制方法、装置、无人机及存储介质 | |
US20180293528A1 (en) | Task planning using task-emotional state mapping | |
Garcia et al. | Parameter estimation in time-triggered and event-triggered model-based control of uncertain systems | |
US11550672B1 (en) | Machine learning to predict container failure for data transactions in distributed computing environment | |
US11410034B2 (en) | Cognitive device management using artificial intelligence | |
CN112997148A (zh) | 睡眠预测方法、装置、存储介质及电子设备 | |
AU2019364421B2 (en) | Generating test cases for a software application and identifying issues with the software application as a part of test case generation | |
US11704542B2 (en) | Convolutional dynamic Boltzmann Machine for temporal event sequence | |
US20220215204A1 (en) | Method for exploration based on curiosity and prioritization of experience data in multi-agent reinforcement learning | |
US11625294B2 (en) | Techniques to provide self-healing data pipelines in a cloud computing environment |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210806 |