CN113625762A - 无人机避障方法及***、无人机集群避障方法及*** - Google Patents

无人机避障方法及***、无人机集群避障方法及*** Download PDF

Info

Publication number
CN113625762A
CN113625762A CN202111001691.3A CN202111001691A CN113625762A CN 113625762 A CN113625762 A CN 113625762A CN 202111001691 A CN202111001691 A CN 202111001691A CN 113625762 A CN113625762 A CN 113625762A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
dynamic
obstacle
obstacle avoidance
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
Application number
CN202111001691.3A
Other languages
English (en)
Other versions
CN113625762B (zh
Inventor
杨光
马海旭
周宁
曲东明
陈冠宇
杨云瑞
金雪莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN202111001691.3A priority Critical patent/CN113625762B/zh
Publication of CN113625762A publication Critical patent/CN113625762A/zh
Application granted granted Critical
Publication of CN113625762B publication Critical patent/CN113625762B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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)

Abstract

本发明提供了一种无人机避障方法及***、无人机集群避障方法及***，主要包括：获取动态障碍物的位置信息；基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间；基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，并当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案。本发明无需建模，只需要根据基于位置信息和拟线性变参模型，就能够反演预测动态障碍物的飞行轨迹，达到精准预测动态障碍物的移动轨迹，精准避障的目的。

Description

无人机避障方法及***、无人机集群避障方法及***
技术领域
本发明涉及无人机动态避障技术领域，特别是涉及一种无人机避障方法及***、无人机集群避障方法及***。
背景技术
当前，无人机在基础设施检测、地下矿藏探测、事故搜救、测绘和精准农业等多个应用领域中均展现出广阔的应用前景。一般场景下，无人机飞行任务是不考虑动态障碍物的影响，但实际情况恰恰相反，飞行事故往往也是动态障碍物造成，因此在复杂环境中需要多机编队协同飞行，共同应对不明飞行物，而无人机编队需要确定动态障碍物的移动轨迹。
在无人机动态避障技术领域，主要采用非线性预测模型来预测移动障碍物轨迹，但是此方法局限于非线性预测模型，不适用于预测未知障碍物及其未知轨迹的动态障碍物。
发明内容
本发明的目的是提供一种无人机避障方法及***、无人机集群避障方法及***，能够精准预测动态障碍物的移动轨迹，并达到精准避障的目的。
为实现上述目的，本发明提供了如下方案：
一种无人机避障方法，包括：
获取动态障碍物的位置信息；
基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；
基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间；
基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，并当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案。
可选的，所述获取动态障碍物的位置信息，具体包括：
基于激光雷达和双目相机共同获取动态障碍物的位置信息。
可选的，所述基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹，具体包括：
基于拟线性变参模型确定动态障碍物飞行轨迹所满足的状态方程；
基于所述位置信息计算动态障碍物加速度和动态障碍物速度；所述位置信息至少包括连续采集的5个位置点信息；
根据所述状态方程、所述动态障碍物加速度和所述动态障碍物速度，计算所述动态障碍物的***参数和推力加速度；
根据所述动态障碍物的***参数和推力加速度，反演预测所述动态障碍物的飞行轨迹。
可选的，所述基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间，具体包括：
基于所述飞行轨迹，计算全局任一维度下无人机与所述动态障碍物的动态距离；
在标定维度下，将所述动态距离小于碰撞区距离的时间区间确定为局部时间区间；所述标定维度为任一维度；
将所有所述局部时间区间进行并集操作，构成碰撞时间区间。
可选的，所述基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，具体包括：
判断不同维度下的所述局部时间区间之间是否有交集；
若是，则所述无人机进入碰撞区域；
若否，则所述无人机未进入碰撞区域。
可选的，所述当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案，具体包括：
当所述无人机相对于所述动态障碍物的飞行路径为在水平正前方向且在±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大Z轴正方向的推力；
当所述无人机相对于所述动态障碍物的飞行路径为左侧方向且±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大X轴负方向的推力；
当所述无人机相对于所述动态障碍物的飞行路径为右侧方向且±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大Y轴负方向放入推力；
当所述无人机相对于所述动态障碍物的飞行路径为水平正后方向且±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大原始方向推力。
可选的，在地球坐标系下选择的避障方案为前半程加速后半程减速的平滑轨迹移动方案。
一种无人机避障***，包括：
位置信息获取模块，用于获取动态障碍物的位置信息；
反演预测模块，用于基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；
碰撞时间区间确定模块，用于基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间；
避障方案选择模块，用于基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，并当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案。
一种无人机集群避障方法，包括：
获取动态障碍物的位置信息；
基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；
基于所述飞行轨迹，确定领航无人机与所述动态障碍物之间的碰撞时间区间；
确定标定无人机与动态障碍物之间的动态距离；所述标定无人机为距离动态障碍物最近的无人机；
基于所述碰撞时间区间，确定所述领航无人机是否进入碰撞区域，并当所述领航无人机进入所述碰撞区域时，根据所述领航无人机与所述动态障碍物之间的相对位置选择相应的避障方案，根据所述标定无人机与动态障碍物之间的动态距离确定所述避障方案中推力增大的持续时间。
一种无人机集群避障***，包括：
位置信息获取模块，用于获取动态障碍物的位置信息；
反演预测模块，用于基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；
碰撞时间区间确定模块，用于基于所述飞行轨迹，确定领航无人机与所述动态障碍物之间的碰撞时间区间；
动态距离确定模块，用于确定标定无人机与动态障碍物之间的动态距离；所述标定无人机为距离动态障碍物最近的无人机；
避障方案选择模块，用于基于所述碰撞时间区间，确定所述领航无人机是否进入碰撞区域，并当所述领航无人机进入所述碰撞区域时，根据所述领航无人机与所述动态障碍物之间的相对位置选择相应的避障方案，根据所述标定无人机与动态障碍物之间的动态距离确定所述避障方案中推力增大的持续时间
根据本发明提供的具体实施例，本发明公开了以下技术效果：
为实现上述目的，本发明提供了如下方案：
本发明提供了一种无人机避障方法及***、无人机集群避障方法及***，主要包括：获取动态障碍物的位置信息；基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间；基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，并当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案。本发明无需建模，只需要根据基于位置信息和拟线性变参模型，就能够反演预测动态障碍物的飞行轨迹，达到精准预测动态障碍物的移动轨迹，精准避障的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明无人机避障方法流程示意图；
图2为本发明双目相机工作原理示意图；
图3为本发明激光雷达工作原理示意图；
图4为本发明基于飞行轨迹确定碰撞区域和安全区域示意图；
图5为本发明避障方案1)的飞行轨迹示意图；
图6为本发明避障方案2)和避障方案3)的飞行轨迹示意图；
图7为本发明无人机避障***结构示意图；
图8为本发明无人机避障***控制时序图；
图9为本发明无人机集群避障方法的流程示意图。
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，都属于本发明保护的范围。
本发明的目的是提供一种无人机避障方法及***、无人机集群避障方法及***，能够精准预测动态障碍物的移动轨迹，并达到精准避障的目的。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明的核心思想为：首先基于激光雷达和双目相机共同定位动态障碍物的位置数据；其次运用经典力学牛顿第二定律、空气动力学原理，并考虑外界因素(风速)和动态障碍物内生动力，提出拟线性变参模型来计算动态障碍物的重要参数，进而反演预测动态障碍物的飞行轨迹；接着基于飞行轨迹确定碰撞区，并当无人机进入碰撞区时，利用飞行轨迹优化迭代调整推力，平滑控制无人机动态避障。
实施例一
请参见图1，本实施例提供的一种无人机避障方法，具体包括如下步骤。
步骤101：获取动态障碍物的位置信息。
本实施例基于激光雷达和双目相机共同获取动态障碍物的位置信息；所述位置信息至少包括连续采集的5个位置点信息。
由于激光雷达具有定位近、探测范围有限、速度快等优点，双目相机具有远距离图像定位特点，故在近距离时采用激光雷达工作，在远距离时采用双目相机工作，达到优势互补，准确获取动态障碍物位置信息的目的。
图2展示了双目相机的工作原理，其中，f表示相机焦距；xl和xr分别表示左右相机的像素点；视差d＝xl-xr。
Figure BDA0003235640680000061
深度为：z＝f*b/(xl-xr)＝f*b/d；x＝xl*z/f或者b+xr*z/f，且Y轴垂直于该平面，y＝yl*z/f或者yr*z/f。
图3展示了激光雷达的工作原理，其中，旋转机构旋转发射激光，记录方位以及通过计时器计算收发时间差以对动态障碍物进行定位。
步骤102：基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹。
动态障碍物在空气中的相对速度为无风时动态障碍物速度v与风速w的和，动态障碍物的加速度a由动态障碍物速度v、风速w以及推力加速度af共同确定的。
本实施例基于拟线性变参模型预测的动态障碍物飞行轨迹满足的状态方程为公式(1)所示。拟线性变参模型是基于经典牛顿第二定律、空气动力学、外界因素以及动态障碍物内在动力构建的。
Figure BDA0003235640680000071
矩阵A表示状态方程的拟变参量，是随着相对速度的变化而变化；矩阵B表示控制矩阵，向量
Figure BDA0003235640680000072
表示状态向量，向量u表示输入控制量；
Figure BDA0003235640680000073
Figure BDA0003235640680000074
***参数
Figure BDA0003235640680000075
w表示自然界风速，mobs表示动态障碍物的质量，Cd表示阻尼系数，ρ表示空气密度，S表示动态障碍物的风阻面积，v表示动态障碍物的移动速度。
Figure BDA0003235640680000076
fair表示空气阻力；aair表示空气阻力加速度。
移动物体(动态障碍物)的下一状态由上一状态推知，af是移动物体自身存在的加速度(把它称为内生动力)。空气阻力与移动物体的速度有关，还与外界风速有关。
空气阻力加速度：
Figure BDA0003235640680000077
此处速度V表示相对速度：V＝v+Δt·a+w。
此处将式(1)和式(2)融合，目的是构建一个描述移动物体运动的状态方程。A表示状态参量(控制***称为***矩阵)，式(0)通常为线性方程，此处矩阵A一直在变化，故称拟线性状态***研究非线性(障碍物移动轨迹非线性)。
牛顿运动定律，一般式：
Figure BDA0003235640680000081
xk
Figure BDA0003235640680000082
Figure BDA0003235640680000083
Figure BDA0003235640680000084
Figure BDA0003235640680000085
Figure BDA0003235640680000086
Figure BDA0003235640680000087
Figure BDA0003235640680000088
Figure BDA0003235640680000089
Figure BDA00032356406800000810
Figure BDA00032356406800000811
Figure BDA00032356406800000812
Figure BDA00032356406800000813
Figure BDA0003235640680000091
基于此，***参数Q和推力加速度af是根据公式(3)迭代求差确定的。
Figure BDA0003235640680000092
Figure BDA0003235640680000093
Figure BDA0003235640680000094
Figure BDA0003235640680000095
Figure BDA0003235640680000096
Figure BDA0003235640680000097
其中，xk表示第k个动态障碍物的位置点，xk+1表示第k+1个动态障碍物的位置估计点，xk+2表示第k+2个动态障碍物的位置估计点，xk+3表示第k+3个动态障碍物的位置估计点，δ表示动态障碍物位置估计点xk+1相对于动态障碍物位置点xk，动态障碍物的位置估计点xk+3的权重系数，
Figure BDA0003235640680000098
良示动态障碍物位置估计点xk+2相对于动态障碍物位置点xk，动态障碍物的位置估计点xk+3的权重系数，
Figure BDA0003235640680000099
且δ和
Figure BDA00032356406800000910
分别为0.3和0.6，f表示除去摩擦阻尼外的合力。Rk表示位移增量间的差，此处主要表示数学含义。xk表示第1个采样点x1，对应a1，v1；xk+1表示第2个采样点x2，对应a2，v2；xk+2表示第3个采样点x3，对应a3，v3；δ，
Figure BDA00032356406800000911
用于估计的权重系数，数学含义。
首先，通过公式(4c)(4d)(4e)求出a1，a2，a3；其次，将a1，a2，a3代入公式(4b)求出f；接着将f代入公式(4a)求出v1，v2，v3。最后根据f和公式(2)计算推力加速度af，将加速度a1，a2，a3，速度v1，v2，v3和推力加速度af代入公式(1)求出***参数Q，进而可以预测反演预测动态障碍物的飞行轨迹。
综合来说，步骤102的具体实施过程为：基于拟线性变参模型确定动态障碍物飞行轨迹所满足的状态方程；基于所述位置信息计算动态障碍物加速度和动态障碍物速度；所述位置信息至少包括连续采集的5个位置点信息；根据所述状态方程、所述动态障碍物加速度和所述动态障碍物速度，计算所述动态障碍物的***参数和推力加速度；根据所述动态障碍物的***参数和推力加速度，反演预测所述动态障碍物的飞行轨迹。
步骤103：基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间。
Figure BDA0003235640680000101
S.t.i＝1，2，...，G；
J≥Dzone；
Figure BDA0003235640680000102
S.t.i＝1，2，...，L；
J′≥Dsafe；
其中，θ∈{x，y，z}，θ表示任意一个维度，i表示预测碰撞区的时间，J(θ)表示全局任一维度下无人机与动态障碍物的动态距离，碰撞区由三个维度(x，y，z轴)的碰撞距离构成。J′(θ)表示局部区间下无人机与动态障碍物的相对距离，BG、UG表示全局状态点集，BL、UL表示局部状态点集，Dzone表示全局安全碰撞区距离参数，Dsafe表示局部安全距离参数。
步骤103具体包括：
基于所述飞行轨迹，计算全局任一维度下无人机与所述动态障碍物的动态距离；在标定维度下，将所述动态距离小于碰撞区距离的时间区间确定为局部时间区间；所述标定维度为任一维度；将所有所述局部时间区间进行并集操作，构成碰撞时间区间。图4展示了基于飞行轨迹进行的碰撞区判断和安全距离约束。
步骤104：基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，并当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案。
基于所述碰撞时间区间，首先判断是否有发生碰撞警告。若无人机与动态障碍物没有交集，则判定无碰撞风险。若在碰撞区间内则进一步判断无人机与动态障碍物的三维空间距离是否小于安全距离，判断是否发生碰撞。
其中，所述基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，具体包括：判断不同维度下的所述局部时间区间之间是否有交集；若是，则所述无人机进入碰撞区域；若否，则所述无人机未进入碰撞区域。
在无人机例行飞行任务过程中，当前方出现动态障碍物时，无人机上的双目相机和激光雷达将采集动态障碍物位置信息同时预测动态障碍物的飞行轨迹，经预测一旦无人机将进入碰撞区，无人机控制***将进一步计算是否进入危险区域，若进入则需要选择最佳飞行路径，并调整移动轨迹，顺利躲避动态障碍物。无人机进入碰撞区域且动态距离小于安全距离，无人机安全避障调度的方案分为四种：
1)当所述无人机相对于所述动态障碍物的飞行路径为在水平正前方向且在±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大Z轴正方向的推力，即在Z轴正方向施加一定的加速度。
2)当所述无人机相对于所述动态障碍物的飞行路径为左侧方向且±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大X轴负方向的推力，即在X轴负方向施加一定的加速度。
3)当所述无人机相对于所述动态障碍物的飞行路径为右侧方向且±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大Y轴负方向放入推力，即在Y轴负方向施加一定的加速度。
4)当所述无人机相对于所述动态障碍物的飞行路径为水平正后方向且±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大原始方向推力，即在原始方向施加一定的加速度。
其中，避障方案4)的计算过程如下：
Figure BDA0003235640680000111
Figure BDA0003235640680000121
确定无人机飞行速度和飞行时间，计算动态距离，无人机前半程加速后半程减速。
一切从确保无人机安全出发，不建议无人机从动态障碍物飞行轨迹前下方加速穿越，易发生碰撞事故。因为，动态障碍物的飞行轨迹本身就存在误差，而且动态障碍物的飞行轨迹也可能突然改变，不确定性因素均可能造成炸机事件。
平滑轨迹：
针对避障方案1)，无人机在Z轴正方向(竖直向上)增大推力。考虑无人机与动态障碍物在水平方向相遇，假设X轴方向相遇时刻t1，Y轴方向相遇时刻t2，且t1≤t2。在t1时刻动态障碍物高度为h1，此时无人机飞行高度应为h1+dsafe(dsafe表示安全距离)，定义此时无人机的飞行位置为安全避障目标位置，并持续||t1-t2||时间，避免无人机过早恢复原始飞行状态而与动态障碍物发生碰撞。同理避障方案2)，避障方案3)。在t1时刻到t2时刻为了平滑过渡，采用前半程加速后半程减速；其中，避障方案1)可参见图5，避障方案2)和避障方案3)可参见图6。
对于避障方案4)，执行迭代，无人机与动态障碍物的相对距离小于安全距离时，水平方向X和Y方向分别增大dsafe，离开碰撞区截止。无人机动态躲避动态障碍物，要求同一时刻无人机与动态障碍物错开，从而不发生碰撞。
综上，在地球坐标系下选择的避障方案均为前半程加速后半程减速的平滑轨迹移动方案。
实施例二
本实施例提供了一种无人机避障***，如图7所示，包括：
位置信息获取模块701，用于获取动态障碍物的位置信息。
反演预测模块702，用于基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹。
碰撞时间区间确定模块703，用于基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间。
避障方案选择模块704，用于基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，并当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案。
其中，***控制时序图参见图8。
实施例三
无人机集群分布式执行任务时，无人机之间是保持相互独立，同时为了确保飞行任务完成，要求无人机编队飞行保持一致性。无人机集群推选领航无人机，其余无人机作为跟随无人机，一旦领航无人机不幸炸机，优化算法将推出新的领航无人机。
无人机集群编队执行飞行任务时，跟随无人机跟随领航无人机，由于往往存在通信延迟或外界干扰，而破坏集群队形，跟随无人机的实际飞行轨迹和规定路径存在较大误差，优势在于已知无人机的控制***，无需重构***状态，领航无人机只需发送目标位置信息和控制输入，即便飞行过程中存在信息延迟或干扰，丝毫不影响跟随无人机保持集群队形。
当领航无人机搭载的传感器感知飞行空域存在动态障碍物时，动态捕获动态障碍物的位置信息，预测器负责预测动态障碍物的飞行轨迹并判断是否存在碰撞风险，优化器负责选择最佳飞行路径，即避障方案，控制器负责制动并同时向跟随无人机传达接下来的飞行路径，特殊情况下，领航无人机会为跟随无人机预留安全飞行域。
跟随无人机接收领航无人机动力输出信号，保持与领航无人机飞行同步，同时领航机会向跟随无人机发送下一步飞行目标位置。此操作优势在于跟随无人机在被动接收飞行指令同时也具备一定自主能力，有助于保持飞行队列，提升集群安全飞行的性能。
实施例一提供的避障方法考虑单架无人机，本实施例提供的无人机集群避障方法和单架无人机避障方案相同，只是避障时考虑距离动态障碍物较近的无人机与动态障碍物的相对位置。
请参见图9，本实施例提供的无人机集群避障方法，包括如下步骤：
步骤901：获取动态障碍物的位置信息。
步骤902：基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹。
步骤903：基于所述飞行轨迹，确定领航无人机与所述动态障碍物之间的碰撞时间区间。
步骤904：确定标定无人机与动态障碍物之间的动态距离；所述标定无人机为距离动态障碍物最近的无人机。
步骤905：基于所述碰撞时间区间，确定所述领航无人机是否进入碰撞区域，并当所述领航无人机进入所述碰撞区域时，根据所述领航无人机与所述动态障碍物之间的相对位置选择相应的避障方案，根据所述标定无人机与动态障碍物之间的动态距离确定所述避障方案中推力增大的持续时间。
如图6所示的三架无人机，选择哪种避障方案，由领航无人机uav1决定。
避障方案1：先考虑领航无人机uav1到达安全避障目标位置，水平飞行持续时间由跟随无人机uav2和跟随无人机uav3的x轴和y轴方向都相交后，集群再恢复之前的飞行状态，避免无人机集群过早向下飞行(恢复原始飞行状态)发生碰撞危险。
同理，避障方案2考虑跟随无人机uav3相对于动态障碍物的位置关系，避障方案3考虑跟随无人机uav2与动态障碍物的位置关系。避障方案4考虑跟随无人机uav2和跟随无人机uav3与动态障碍物的相对位置关系。
实施例四
本实施例提供了一种无人机集群避障***，包括：
位置信息获取模块，用于获取动态障碍物的位置信息。
反演预测模块，用于基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹。
碰撞时间区间确定模块，用于基于所述飞行轨迹，确定领航无人机与所述动态障碍物之间的碰撞时间区间。
动态距离确定模块，用于确定标定无人机与动态障碍物之间的动态距离；所述标定无人机为距离动态障碍物最近的无人机。
避障方案选择模块，用于基于所述碰撞时间区间，确定所述领航无人机是否进入碰撞区域，并当所述领航无人机进入所述碰撞区域时，根据所述领航无人机与所述动态障碍物之间的相对位置选择相应的避障方案，根据所述标定无人机与动态障碍物之间的动态距离确定所述避障方案中推力增大的持续时间。
与现有技术相比，本发明具有以下技术效果：
1、将激光雷达和双目相机整合到无人机动态避障***中，融合了激光雷达和视觉定位数据信息，二者优势互补，提高定位精确度。
2、采用基础科学理论，从实际出发，解决动态障碍物移动轨迹问题。利用经典牛顿第二定律、空气动力学及运动物体受力分析，预测动态障碍物移动轨迹。本发明通过基本理论公式推算动态障碍物基本属性参数，反演轨迹，本发明不需要通过大量迭代，无需构建各种动态障碍物模型。
最新无人机动态避障文献(一区SCI)在工作室内采用高速跟踪相机捕捉动态障碍物运动轨迹，构建具有几种模型轨迹的库，实验仍然需要采用高速摄影机捕捉移动障碍物的初始状态，然后模式识别判断属于轨迹模型库中的哪种特殊轨迹。现有动态避障技术过于局限，需要辅助定位，而且模型轨迹库中轨迹数有限。本发明无需提前建模，只需要通过分析动态障碍物的运动状态，计算其运动本质，更好的预测障碍物的未来运动状态。
3、通过粗细粒度碰撞预测，提高预测效率，定义碰撞区和安全飞行距离。一步步深入，首先判断是否进入碰撞区，然后判断是否触及安全距离。如果前一步骤不发生，则不会进入后一步骤。首先判断在三维xyz轴方向是否在时间和空间相同时有发生碰撞的可能性，粗判断，若存在碰撞区则在碰撞区内迭代计算无人机和障碍物的相对距离，进一步判断。细判断迭代区间不是全局，而是局部碰撞区，减少计算量，因为细判断需要迭代求最佳平滑飞行路径。实验证明粗细粒度结合判断是否碰撞效率高于只通过细粒度全局迭代。
4、避障路径的选择并优化不仅可以使无人机平滑飞行，而且节约无人机电量。先计算避障飞行距离和相应的飞行时间，规定前半程匀加速后半程匀减速，从起点到终点可以看成是一条平滑的轨迹。传统避障只是朝某个方向盲目加速减速，没有精确具体飞行路程，为了安全考虑通常会多飞出一段距离。
5、领航无人机首先计算并规划避障轨迹，将最近的避障目标点发送到跟随无人机，并且领航无人机马达实时推力输出也发送到跟随无人机，起到实时协同飞行，一旦由于外界噪声干扰，推力无法及时传递到跟随无人机，此时，跟随无人机仍然可以根据接收的避障目标点做出自主反应。传统集群不具备该飞行能力。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种无人机避障方法，其特征在于，包括：
获取动态障碍物的位置信息；
基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；
基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间；
基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，并当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案。
2.根据权利要求1所述的一种无人机避障方法，其特征在于，所述获取动态障碍物的位置信息，具体包括：
基于激光雷达和双目相机共同获取动态障碍物的位置信息。
3.根据权利要求1所述的一种无人机避障方法，其特征在于，所述基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹，具体包括：
基于拟线性变参模型确定动态障碍物飞行轨迹所满足的状态方程；
基于所述位置信息计算动态障碍物加速度和动态障碍物速度；所述位置信息至少包括连续采集的5个位置点信息；
根据所述状态方程、所述动态障碍物加速度和所述动态障碍物速度，计算所述动态障碍物的***参数和推力加速度；
根据所述动态障碍物的***参数和推力加速度，反演预测所述动态障碍物的飞行轨迹。
4.根据权利要求1所述的一种无人机避障方法，其特征在于，所述基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间，具体包括：
基于所述飞行轨迹，计算全局任一维度下无人机与所述动态障碍物的动态距离；
在标定维度下，将所述动态距离小于碰撞区距离的时间区间确定为局部时间区间；所述标定维度为任一维度；
将所有所述局部时间区间进行并集操作，构成碰撞时间区间。
5.根据权利要求4所述的一种无人机避障方法，其特征在于，所述基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，具体包括：
判断不同维度下的所述局部时间区间之间是否有交集；
若是，则所述无人机进入碰撞区域；
若否，则所述无人机未进入碰撞区域。
6.根据权利要求4所述的一种无人机避障方法，其特征在于，所述当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案，具体包括：
当所述无人机相对于所述动态障碍物的飞行路径为在水平正前方向且在±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大Z轴正方向的推力；
当所述无人机相对于所述动态障碍物的飞行路径为左侧方向且±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大X轴负方向的推力；
当所述无人机相对于所述动态障碍物的飞行路径为右侧方向且±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大Y轴负方向放入推力；
当所述无人机相对于所述动态障碍物的飞行路径为水平正后方向且±45度区间范围内时，在地球坐标系下选择的避障方案为所述无人机增大原始方向推力。
7.根据权利要求6所述的一种无人机避障方法，其特征在于，在地球坐标系下选择的避障方案为前半程加速后半程减速的平滑轨迹移动方案。
8.一种无人机避障***，其特征在于，包括：
位置信息获取模块，用于获取动态障碍物的位置信息；
反演预测模块，用于基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；
碰撞时间区间确定模块，用于基于所述飞行轨迹，确定无人机与所述动态障碍物之间的碰撞时间区间；
避障方案选择模块，用于基于所述碰撞时间区间，确定所述无人机是否进入碰撞区域，并当所述无人机进入所述碰撞区域时，根据所述无人机与所述动态障碍物之间的相对位置，选择相应的避障方案。
9.一种无人机集群避障方法，其特征在于，包括：
获取动态障碍物的位置信息；
基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；
基于所述飞行轨迹，确定领航无人机与所述动态障碍物之间的碰撞时间区间；
确定标定无人机与动态障碍物之间的动态距离；所述标定无人机为距离动态障碍物最近的无人机；
基于所述碰撞时间区间，确定所述领航无人机是否进入碰撞区域，并当所述领航无人机进入所述碰撞区域时，根据所述领航无人机与所述动态障碍物之间的相对位置选择相应的避障方案，根据所述标定无人机与动态障碍物之间的动态距离确定所述避障方案中推力增大的持续时间。
10.一种无人机集群避障***，其特征在于，包括：
位置信息获取模块，用于获取动态障碍物的位置信息；
反演预测模块，用于基于所述位置信息和拟线性变参模型，反演预测所述动态障碍物的飞行轨迹；
碰撞时间区间确定模块，用于基于所述飞行轨迹，确定领航无人机与所述动态障碍物之间的碰撞时间区间；
动态距离确定模块，用于确定标定无人机与动态障碍物之间的动态距离；所述标定无人机为距离动态障碍物最近的无人机；
避障方案选择模块，用于基于所述碰撞时间区间，确定所述领航无人机是否进入碰撞区域，并当所述领航无人机进入所述碰撞区域时，根据所述领航无人机与所述动态障碍物之间的相对位置选择相应的避障方案，根据所述标定无人机与动态障碍物之间的动态距离确定所述避障方案中推力增大的持续时间。
CN202111001691.3A 2021-08-30 2021-08-30 无人机避障方法及***、无人机集群避障方法及*** Active CN113625762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111001691.3A CN113625762B (zh) 2021-08-30 2021-08-30 无人机避障方法及***、无人机集群避障方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111001691.3A CN113625762B (zh) 2021-08-30 2021-08-30 无人机避障方法及***、无人机集群避障方法及***

Publications (2)

Publication Number Publication Date
CN113625762A true CN113625762A (zh) 2021-11-09
CN113625762B CN113625762B (zh) 2023-07-25

Family

ID=78388286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111001691.3A Active CN113625762B (zh) 2021-08-30 2021-08-30 无人机避障方法及***、无人机集群避障方法及***

Country Status (1)

Country Link
CN (1) CN113625762B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114489136A (zh) * 2022-01-28 2022-05-13 苏州集源***科技有限公司 一种无人智能体集群编队控制方法
CN114706421A (zh) * 2022-04-02 2022-07-05 广东工业大学 一种多无人机编队穿越框形障碍物方法
CN115562339A (zh) * 2022-10-17 2023-01-03 广东汇天航空航天科技有限公司 飞行器避障方法、***及计算机可读存储介质
CN115617079A (zh) * 2022-12-14 2023-01-17 四川轻化工大学 一种可交互无人机***
CN116878471A (zh) * 2023-09-06 2023-10-13 湖南湘船重工有限公司 一种水上无人测绘***
CN117475358A (zh) * 2023-12-27 2024-01-30 广东南方电信规划咨询设计院有限公司 一种基于无人机视觉的碰撞预测方法及装置
CN118170004A (zh) * 2024-05-14 2024-06-11 吉林烟草工业有限责任公司 基于物联网的控制方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106919181A (zh) * 2016-10-20 2017-07-04 湖南大学 一种无人机避障方法
CN110456823A (zh) * 2019-08-27 2019-11-15 北京航空航天大学 一种针对无人机计算与存储能力受限的双层路径规划方法
CN112925342A (zh) * 2021-01-20 2021-06-08 北京工商大学 基于改进相互速度障碍法的无人机动态避障方法
CN113031643A (zh) * 2021-02-01 2021-06-25 广州民航职业技术学院 一种无人机编队与避障方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106919181A (zh) * 2016-10-20 2017-07-04 湖南大学 一种无人机避障方法
CN110456823A (zh) * 2019-08-27 2019-11-15 北京航空航天大学 一种针对无人机计算与存储能力受限的双层路径规划方法
CN112925342A (zh) * 2021-01-20 2021-06-08 北京工商大学 基于改进相互速度障碍法的无人机动态避障方法
CN113031643A (zh) * 2021-02-01 2021-06-25 广州民航职业技术学院 一种无人机编队与避障方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114489136A (zh) * 2022-01-28 2022-05-13 苏州集源***科技有限公司 一种无人智能体集群编队控制方法
CN114706421A (zh) * 2022-04-02 2022-07-05 广东工业大学 一种多无人机编队穿越框形障碍物方法
CN115562339A (zh) * 2022-10-17 2023-01-03 广东汇天航空航天科技有限公司 飞行器避障方法、***及计算机可读存储介质
CN115617079A (zh) * 2022-12-14 2023-01-17 四川轻化工大学 一种可交互无人机***
CN115617079B (zh) * 2022-12-14 2023-02-28 四川轻化工大学 一种可交互无人机***
CN116878471A (zh) * 2023-09-06 2023-10-13 湖南湘船重工有限公司 一种水上无人测绘***
CN116878471B (zh) * 2023-09-06 2023-11-10 湖南湘船重工有限公司 一种水上无人测绘***
CN117475358A (zh) * 2023-12-27 2024-01-30 广东南方电信规划咨询设计院有限公司 一种基于无人机视觉的碰撞预测方法及装置
CN117475358B (zh) * 2023-12-27 2024-04-23 广东南方电信规划咨询设计院有限公司 一种基于无人机视觉的碰撞预测方法及装置
CN118170004A (zh) * 2024-05-14 2024-06-11 吉林烟草工业有限责任公司 基于物联网的控制方法及***
CN118170004B (zh) * 2024-05-14 2024-07-16 吉林烟草工业有限责任公司 基于物联网的控制方法及***

Also Published As

Publication number Publication date
CN113625762B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN113625762A (zh) 无人机避障方法及***、无人机集群避障方法及***
CN108549407B (zh) 一种多无人机协同编队避障的控制算法
Tisdale et al. Autonomous UAV path planning and estimation
Oh et al. Rendezvous and standoff target tracking guidance using differential geometry
US7765062B2 (en) Method and system for autonomous tracking of a mobile target by an unmanned aerial vehicle
CN110825113B (zh) 一种适用于四旋翼无人机集群飞行的队形保持方法
CN102915652B (zh) 飞行器交通分离***及方法
CN112684807A (zh) 无人机集群三维编队方法
CN103884237B (zh) 基于目标概率分布信息的多对一协同制导方法
CN110703804A (zh) 一种固定翼无人机集群的分层防撞控制方法
CN111897316A (zh) 一种场景快变条件下的多飞行器自主决策方法
CN113467500B (zh) 一种基于双目视觉的无人机非合作目标追踪***
CN109765919B (zh) 基于等碰撞概率线法的航天器近距离安全操作控制方法
CN110262555B (zh) 连续障碍环境下无人机实时避障控制方法
CN101807081A (zh) 一种用于无人飞机的自主导航制导方法
CN102506892A (zh) 一种光流多传感器和惯导器件信息融合配置方法
CN109358646B (zh) 带有乘性噪声的导弹自主编队队形随机控制***建模方法
CN111123984A (zh) 一种基于位置与速度人工势场法的无人机路径规划方法
Chen et al. Tracking with UAV using tangent-plus-Lyapunov vector field guidance
CN112577506A (zh) 一种自动驾驶局部路径规划方法和***
Kim Control laws to avoid collision with three dimensional obstacles using sensors
CN110989652A (zh) 一种利用激光雷达进行无人机仿地飞行的方法
Pritzl et al. Cooperative navigation and guidance of a micro-scale aerial vehicle by an accompanying UAV using 3D LiDAR relative localization
CN112947572A (zh) 一种基于地形跟随的四旋翼飞行器自适应运动规划方法
CN114138022A (zh) 一种基于精英鸽群智能的无人机集群分布式编队控制方法

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