CN114578842A - 一种无人车载旋翼无人机集群侦察的协同路径规划方法 - Google Patents
一种无人车载旋翼无人机集群侦察的协同路径规划方法 Download PDFInfo
- Publication number
- CN114578842A CN114578842A CN202011376894.6A CN202011376894A CN114578842A CN 114578842 A CN114578842 A CN 114578842A CN 202011376894 A CN202011376894 A CN 202011376894A CN 114578842 A CN114578842 A CN 114578842A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- vehicle
- rotor unmanned
- aerial vehicle
- cluster
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005192 partition Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery 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
-
- 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
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
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
本发明公开了一种无人车载旋翼无人机集群侦察的协同路径规划方法,该方法针对旋翼无人机存在的能量约束导致的巡逻覆盖面积小、滞空时间短等问题,利用车载旋翼无人机集群***,无人车能够对旋翼无人机集群进行充电、释放与回收,首先考虑旋翼无人机/无人车性能参数、巡逻高度及光学侦察传感器参数等因素对巡逻区域进行划分,然后利用蚁群算法对旋翼无人机集群与无人车的行驶路径进行协同规划。本发明方法的优点是适用于车载旋翼无人机集群侦察任务,有效解决了旋翼无人机续航不足的问题,能够协同规划出旋翼无人机集群与无人车的路径。本发明方法能够使车载旋翼无人机集群***实现大范围、长时间的侦察巡逻任务。
Description
技术领域
本发明属于无人***导航技术领域,具体是一种无人车载旋翼无人机集群侦察的协同路径规划方法。
背景技术
旋翼无人机集群因其成本低、隐蔽性强、机动性强、视野范围大等优势,被广泛应用于执行监视、侦察、电力巡检、环境监测等任务,但旋翼无人机由于体积重量空间相对较小,因此续航能力是有限的;无人车带载能力强、续航时间长,一般不受电量约束,但其侦察视角有限,因此采用旋翼无人机与无人车协同能够实现优势互补,更高效地完成任务。
专利CN 111401681 A提出了一种多无人机协同巡逻任务分配优化方法,该专利考虑到无人机的电量约束问题,采用多无人机进行协同巡逻,并对任务分配方法进行优化,能最大限度地发挥无人机的续航能力,但该方法必须满足每个站点的无人机巡逻需要的飞行时间小于无人机的最大安全续航时长,否则任务是不可行的。而本发明通过无人车载旋翼无人机集群***进行侦察,如何对旋翼无人机集群与无人车的路径进行协同规划是实现大范围、长时间的侦察任务的前提。
发明内容
本发明的目的在于提出一种无人车载旋翼无人机集群侦察的协同路径规划方法,利用车载旋翼无人机集群***,无人车能够对旋翼无人机进行充电、释放与回收,针对大范围、长时间的侦察巡逻任务,实现旋翼无人机集群与无人车协同的路径规划。
实现本发明目的的技术解决方案为:一种无人车载旋翼无人机集群侦察的协同路径规划方法,针对旋翼无人机存在的能量约束导致的巡逻覆盖面积小、滞空时间短等问题,通过引入无人车作为旋翼无人机的移动充电站,首先考虑旋翼无人机/无人车性能参数、巡逻高度及光学侦察传感器参数等因素对巡逻区域进行划分,然后利用蚁群算法对旋翼无人机集群与无人车的行驶路径进行协同规划,从而使得旋翼无人机集群能够实现大范围、长时间的侦察任务。
具体实现步骤如下:
步骤(1)、根据旋翼无人机和无人车的行驶速度ua和ug,旋翼无人机的电量e、充电速度b+和放电速度b-,以及环境信息和侦察传感器参数,确定侦察最小单元的尺寸及旋翼无人机集群需要遍历的巡逻点集P。
步骤(2)、考虑到旋翼无人机的续航问题,对待侦察区域进行划分,确定可能的分区情况数量N及每种分区情况时的子区域尺寸,并创建矩阵T用于保存每种分区情况下完成任务需要耗费的时间。
步骤(3)、取第K种分区情况下对应的子区域尺寸。
步骤(4)、对步骤(3)中得到的子区域,根据旋翼无人机数量m对子区域中的任务点进行任务分配,使得每架旋翼无人机执行一个子区域任务的时间相近。
步骤(5)、用蚁群算法对旋翼无人机集群在一个子区域中的飞行路径以及无人车的行驶路径进行协同规划,旋翼无人机集群执行完一个子区域任务后降落在无人车上被运输至下一子区域,并在运输过程中进行充电。计算出执行一次任务所需要花费的时间tK,并将其保存至矩阵T中第K种分区情况对应的位置。
步骤(6)、K=K+1,若K>N,即所有可能的分区情况下完成任务的时间均已被计算,则转步骤(7),否则转至步骤(3)计算下一种分区情况的任务耗时。
步骤(7)、计算矩阵T中的最小值tmin,其表示该种分区情况时任务耗时最短,并将其对应的旋翼无人机集群的飞行路径Qal,l=1,2,…,m(l表示集群中旋翼无人机的编号)、无人车的行驶路径Qg作为协同路径规划的结果。
本发明与现有技术相比,其显著优点为:(1)利用无人车给旋翼无人机集群充电,有效解决了旋翼无人机续航不足的问题;(2)能够有效协同规划出旋翼无人机集群与无人车的路径。本发明方法适用于车载旋翼无人机集群***实现大范围、长时间的侦察巡逻任务。
附图说明
图1是本发明一种无人车载旋翼无人机集群侦察的协同路径规划方法的流程图。
图2是本发明实施例中巡逻区域为1680m×1120m时旋翼无人机集群与无人车的行驶轨迹仿真图。
图3是本发明实施例中巡逻区域为3500m×1750m时旋翼无人机集群与无人车的行驶轨迹仿真图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步说明。
如图1所示,本发明为一种无人车载旋翼无人机集群侦察的协同路径规划方法,包括以下步骤:
步骤1:根据旋翼无人机行驶速度ua,无人车行驶速度ug,旋翼无人机的初始满电量e及充电速度b+,放电速度b-,设待侦察区域是长为X、宽为Y的矩形区域,对于在高度h定高巡逻的旋翼无人机,其光学传感器视线方向垂直向下,传感器的视场角为则根据式(1):
计算得到传感器覆盖的正方形地面区域的边长d,将该正方形地面区域作为侦察最小单元,则一共包含个侦察最小单元,a1为待侦察区域长度方向上的侦察最小单元数,a2为待侦察区域宽度方向上的侦察最小单元数,设这些侦察最小单元的中心坐标为pj=(xj,yj,0),j=1,2,…,M,得到旋翼无人机集群需要遍历的巡逻点集Pj=(xj,yj,h),j=1,2,…,M。
步骤2:由于旋翼无人机的电量约束,导致其一次飞行并不能完成对整个区域的巡逻,因此对待侦察区域进行划分,确定可能的分区情况数量N及每种分区情况时的子区域尺寸,并创建矩阵T用于保存每种分区情况下完成任务需要耗费的时间。这一步骤具体包括:
步骤2.1:根据步骤1中得到的侦察最小单元数量,设每个子区域的尺寸一致,计算可能的分区情况的数量N。由于每个子区域的尺寸一致,因此只需要对第一个子区域内的旋翼无人机集群路径进行规划,其余子区域的旋翼无人机集群飞行路径保持与第一个子区域的路径相同即可,节省了大量的算法运行时间。假设a1的因数(除1以外)共有u个,分别是s1,s2,…,su,a2的因数(除1以外)共有v个,分别是f1,f2,…,fv,将a1和a2的因数进行排列组合,则共有N=u×v种分区情况。
步骤2.2:确定每种分区时的子区域尺寸。第K=w×r(w=1,2,…,u;r=1,2,…,v)种分区情况对应的子区域中包含sw×fr(w=1,2,…,u;r=1,2,…,v)个侦察最小单元。
步骤2.3:创建一个u行v列的零矩阵T,用于保存每种分区情况下完成巡逻任务需要花费的时间。
步骤3:取第K种分区情况时由步骤2.2计算得到的子区域尺寸。
步骤4:对步骤3得到的子区域中的巡逻点进行任务分配。设旋翼无人机集群(旋翼无人机数量为m)侦察完某个子区域并全部降落在无人车上时,无人车才开始转移至下一分区,故为了减少任务总耗时,在任务分配时保证每架旋翼无人机起飞到降落耗费的时间相近。任务分配采用的方法是:假设子区域的中心点C的坐标为(xC,yC,0),某个巡逻任务点A的坐标为(xA,yA,h),计算线段AC在地面上的投影A′C′与x轴正方向(逆时针旋转)所成的角度θ,若则该点被分配给第l架无人机。
步骤5:根据步骤4得到的任务点,利用蚁群算法对旋翼无人机集群和无人车的行驶路径进行协同规划,并计算完成整个区域巡逻所耗费的时间tK,将tK保存至矩阵T中第K种分区情况对应的位置。这一步骤具体包括:
步骤5.1:假定初始时刻旋翼无人机集群与无人车被放置在第一个子区域的中心位置,旋翼无人机集群以满电量e起飞时记为0时刻,无人车在每个子区域中的停靠点为该区域的中心。用蚁群算法对旋翼无人机集群在第一个子区域中的飞行路径进行规划,当最后一架旋翼无人机完成对该子区域中任务点的巡逻并降落在无人车上时,无人车载着旋翼无人机驶向下一个子区域的中心,并对旋翼无人机进行充电。假设旋翼无人机集群从起飞到全部降落在无人车上需要的时间为t,m架旋翼无人机中最大的耗电量为Δe,剩余的最低电量为e1。若最大耗电量Δe>e,也就意味着旋翼无人机一次飞行不能完成对该子区域的巡逻,则令该分区情况对应矩阵T中的元素为无穷大,直接执行步骤6。
步骤5.2:用蚁群算法对无人车的行驶路径进行规划。
步骤5.3:计算完成整个区域巡逻所耗费的时间tK,并保存至矩阵T中第K种分区情况对应的位置。假设一共有n个子区域,记两个子区域i,i+1中心点之间的欧式距离为di,i+1,无人车从子区域i中心点行驶至子区域i+1中心点需要的时间记为ti,i+1。无人车在抵达下一个子区域中心时,若此时各旋翼无人机的电量均不小于Δe,则旋翼无人机起飞;否则无人车继续给旋翼无人机充电至电量为Δe再起飞,飞行路径与第一个子区域的飞行路径保持相同。为了便于旋翼无人机和无人车的回收,当无人车载着旋翼无人机回到初始位置时认为一次巡逻任务结束。此时巡逻一次需要的时间为:
步骤6:K=K+1,若K>N,即所有可能的分区情况下完成任务的耗时均已被计算则转步骤7;否则转至步骤3计算下一种分区情况的任务耗时。
步骤7:计算矩阵T中的最小值tmin,其表示该种分区情况时任务耗时最短,将其对应的旋翼无人机集群的飞行路径Qal,l=1,2,…,m(l表示集群中旋翼无人机的编号)、无人车的行驶路径Qg作为协同路径规划的结果。
为了对本发明算法的有效性进行说明,充分展现出该方法具有协同路径规划的功能,完成实验如下:
(1)实验初始条件及参数设置
仿真实验中旋翼无人机和无人车的运动速度设为ua=ug=5.5m/s,旋翼无人机满电量为e=100%,充电速度为b+=0.015%/s,放电速度为b-=0.055%/s。旋翼无人机的飞行高度为h=100m,光学传感器视场角为故传感器覆盖的地面为边长d=35m的正方形,即侦察最小单元是边长为d=35m的正方形。考虑两种不同大小的巡逻区域:
1)需要巡逻的地面区域为一个1680m×1120m的矩形,能够被分为48×32个侦察最小单元;
2)需要巡逻的地面区域为一个3500m×1750m的矩形,能够被分为100×50个侦察最小单元;
(2)实验结果分析
图2和图3为本方法在仿真条件下得到的旋翼无人机集群与无人车的路径图。蓝色虚线为无人车的行驶路线,蓝色圆点为无人车在子区域中的停靠点,也是旋翼无人机集群的起飞和降落点,实线为旋翼无人机集群的飞行路径。从仿真图中可以看出该算法能够有效地得出旋翼无人机集群和无人车的行驶路径,且算法能够适应不同尺寸的待巡逻区域的情况。
Claims (6)
1.一种无人车载旋翼无人机集群侦察的协同路径规划方法,其特征在于:引入无人车作为旋翼无人机集群的移动充电站,首先根据旋翼无人机/无人车性能参数、巡逻高度及光学侦察传感器参数这些因素对巡逻区域进行划分,然后利用蚁群算法对旋翼无人机集群与无人车的行驶路径进行协同规划,从而使得旋翼无人机集群实现侦察巡逻任务。
2.根据权利要求1所述的无人车载旋翼无人机集群侦察的协同路径规划方法,其特征在于,所述方法的具体实现步骤如下:
步骤(1)、根据旋翼无人机和无人车的行驶速度ua和ug,旋翼无人机的电量e、充电速度b+和放电速度b-,以及环境信息和侦察传感器参数,确定侦察最小单元的尺寸及旋翼无人机集群需要遍历的巡逻点集P;
步骤(2)、对待侦察区域进行划分,确定可能的分区情况数量N及每种分区情况时的子区域尺寸,并创建矩阵T用于保存每种分区情况下完成任务需要耗费的时间;
步骤(3)、取第K种分区情况下对应的子区域尺寸;
步骤(4)、对步骤(3)中得到的子区域,根据旋翼无人机数量m对子区域中的任务点进行任务分配,使得每架旋翼无人机执行一个子区域任务的时间相近;
步骤(5)、使用蚁群算法对旋翼无人机集群在一个子区域中的飞行路径以及无人车的行驶路径进行协同规划,旋翼无人机集群执行完一个子区域任务后降落在无人车上被运输至下一子区域,并在运输过程中进行充电;计算出执行一次任务所需要花费的时间tK,并将其保存至矩阵T中第K种分区情况对应的位置;
步骤(6)、K=K+1,若K>N,即所有可能的分区情况下完成任务的时间均已被计算,则转步骤(7),否则转至步骤(3)计算下一种分区情况的任务耗时;
步骤(7)、计算矩阵T中的最小值tmin,其表示该种分区情况时任务耗时最短,并将其对应的旋翼无人机集群的飞行路径Qal、无人车的行驶路径Qg作为协同路径规划的结果,l=1,2,…,m,l表示集群中旋翼无人机的编号。
3.根据权利要求1或2所述的无人车载旋翼无人机集群侦察的协同路径规划方法,其特征在于:所述步骤(1)中,根据旋翼无人机行驶速度ua,无人车行驶速度ug,旋翼无人机的初始满电量e及充电速度b+,放电速度b-,设待侦察区域是长为X、宽为Y的矩形区域,对于在高度h定高巡逻的旋翼无人机,其光学传感器视线方向垂直向下,传感器的视场角为则根据式(1):
4.根据权利要求1或2所述的无人车载旋翼无人机集群侦察的协同路径规划方法,其特征在于,所述步骤(2)的具体实现方法为:
步骤2.1:根据步骤1中得到的侦察最小单元数量,设每个子区域的尺寸一致,计算可能的分区情况的数量N;对第一个子区域内的旋翼无人机集群路径进行规划,其余子区域的旋翼无人机集群飞行路径保持与第一个子区域的路径相同;假设a1的因数除1以外共有u个,分别是s1,s2,…,su,a2的因数除1以外共有v个,分别是f1,f2,…,fv,将a1和a2的因数进行排列组合,则共有N=u×v种分区情况;
步骤2.2:确定每种分区时的子区域尺寸;第K=w×r种分区情况对应的子区域中包含sw×fr个侦察最小单元,w=1,2,…,u;r=1,2,…,v;
步骤2.3:创建一个u行v列的零矩阵T,用于保存每种分区情况下完成巡逻任务需要花费的时间。
6.根据权利要求1或2所述的无人车载旋翼无人机集群侦察的协同路径规划方法,其特征在于,所述步骤(5)的具体实现方法为:
步骤5.1:假定初始时刻旋翼无人机集群与无人车被放置在第一个子区域的中心位置,旋翼无人机集群以满电量e起飞时记为0时刻,无人车在每个子区域中的停靠点为该区域的中心;使用蚁群算法对旋翼无人机集群在第一个子区域中的飞行路径进行规划,当最后一架旋翼无人机完成对该子区域中任务点的巡逻并降落在无人车上时,无人车载着旋翼无人机驶向下一个子区域的中心,并对旋翼无人机进行充电;假设旋翼无人机集群从起飞到全部降落在无人车上需要的时间为t,m架旋翼无人机中最大的耗电量为Δe,剩余的最低电量为e1;若最大耗电量Δe>e,即旋翼无人机一次飞行不能完成对该子区域的巡逻,则令该分区情况对应矩阵T中的元素为无穷大,直接执行步骤6;
步骤5.2:使用蚁群算法对无人车的行驶路径进行规划;
步骤5.3:计算完成整个区域巡逻所耗费的时间tK,并保存至矩阵T中第K种分区情况对应的位置;假设一共有n个子区域,记两个子区域i,i+1中心点之间的欧式距离为di,i+1,无人车从子区域i中心点行驶至子区域i+1中心点需要的时间记为ti,i+1;无人车在抵达下一个子区域中心时,若此时各旋翼无人机的电量均不小于Δe,则旋翼无人机起飞;否则无人车继续给旋翼无人机充电至电量为Δe再起飞,飞行路径与第一个子区域的飞行路径保持相同;当无人车载着旋翼无人机回到初始位置时认为一次巡逻任务结束。此时巡逻一次需要的时间为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011376894.6A CN114578842B (zh) | 2020-11-30 | 2020-11-30 | 一种无人车载旋翼无人机集群侦察的协同路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011376894.6A CN114578842B (zh) | 2020-11-30 | 2020-11-30 | 一种无人车载旋翼无人机集群侦察的协同路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114578842A true CN114578842A (zh) | 2022-06-03 |
CN114578842B CN114578842B (zh) | 2023-04-21 |
Family
ID=81768648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011376894.6A Active CN114578842B (zh) | 2020-11-30 | 2020-11-30 | 一种无人车载旋翼无人机集群侦察的协同路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114578842B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117311381A (zh) * | 2023-09-20 | 2023-12-29 | 中国农业大学 | 一种基于车载移动机巢的多无人机智能巡检***及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2013101142A4 (en) * | 2013-08-28 | 2013-10-03 | Parker, Scott Charles MR | Method of defining a UAV flight path using 3D parametric geometry |
CN105302153A (zh) * | 2015-10-19 | 2016-02-03 | 南京航空航天大学 | 异构多无人机协同察打任务的规划方法 |
US20170162060A1 (en) * | 2015-12-07 | 2017-06-08 | International Business Machines Corporation | METHOD OF OPTIMIZED PATH PLANNING FOR UAVs FOR THE PURPOSE OF GROUND COVERAGE |
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 |
CN208506594U (zh) * | 2018-04-17 | 2019-02-15 | 中电科海洋信息技术研究院有限公司 | 无人平台集群协同控制*** |
CN109766746A (zh) * | 2018-11-22 | 2019-05-17 | 南京理工大学 | 一种无人机航拍视频的轨道异物检测方法 |
CN110162035A (zh) * | 2019-03-21 | 2019-08-23 | 中山大学 | 一种集群机器人在有障碍物场景中的协同运动方法 |
CN110470301A (zh) * | 2019-08-13 | 2019-11-19 | 上海交通大学 | 多动态任务目标点下的无人机路径规划方法 |
-
2020
- 2020-11-30 CN CN202011376894.6A patent/CN114578842B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2013101142A4 (en) * | 2013-08-28 | 2013-10-03 | Parker, Scott Charles MR | Method of defining a UAV flight path using 3D parametric geometry |
CN105302153A (zh) * | 2015-10-19 | 2016-02-03 | 南京航空航天大学 | 异构多无人机协同察打任务的规划方法 |
US20170162060A1 (en) * | 2015-12-07 | 2017-06-08 | International Business Machines Corporation | METHOD OF OPTIMIZED PATH PLANNING FOR UAVs FOR THE PURPOSE OF GROUND COVERAGE |
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 |
CN208506594U (zh) * | 2018-04-17 | 2019-02-15 | 中电科海洋信息技术研究院有限公司 | 无人平台集群协同控制*** |
CN109766746A (zh) * | 2018-11-22 | 2019-05-17 | 南京理工大学 | 一种无人机航拍视频的轨道异物检测方法 |
CN110162035A (zh) * | 2019-03-21 | 2019-08-23 | 中山大学 | 一种集群机器人在有障碍物场景中的协同运动方法 |
CN110470301A (zh) * | 2019-08-13 | 2019-11-19 | 上海交通大学 | 多动态任务目标点下的无人机路径规划方法 |
Non-Patent Citations (1)
Title |
---|
井田: "一种持续侦察无人机集群规模自适应调控方法" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117311381A (zh) * | 2023-09-20 | 2023-12-29 | 中国农业大学 | 一种基于车载移动机巢的多无人机智能巡检***及方法 |
CN117311381B (zh) * | 2023-09-20 | 2024-03-26 | 中国农业大学 | 一种基于车载移动机巢的多无人机智能巡检***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114578842B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108196575B (zh) | 一种无人机任务分配及路线规划方法 | |
CN107589663B (zh) | 基于多步粒子群算法的无人机协同侦察覆盖方法 | |
WO2017202141A1 (zh) | 基于邻域约束的空地异构机器人***路径规划方法 | |
CN103744290B (zh) | 一种多无人机编队分层目标分配方法 | |
CN104503459A (zh) | 多旋翼无人机回收*** | |
CN111665864A (zh) | 一种基于大数据物联网的农业种植植保作业智慧管理*** | |
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN113552897B (zh) | 基于任务优先级的空地无人***侦察协同路径规划方法 | |
CN206719516U (zh) | 基于临近空间平流层飞艇电磁弹射无人机的*** | |
CN111006669B (zh) | 一种无人机***任务协同及路径规划方法 | |
CN113264049B (zh) | 一种智能网联车队协作换道控制方法 | |
CN113485421A (zh) | 一种无人机飞行巡检方法、***、设备及介质 | |
CN107478238A (zh) | 一种新能源汽车无人驾驶***及控制方法 | |
CN114578842A (zh) | 一种无人车载旋翼无人机集群侦察的协同路径规划方法 | |
CN113157002A (zh) | 一种基于多无人机多基站的空地协同全覆盖轨迹规划方法 | |
CN110793522B (zh) | 一种基于蚁群算法的航迹规划方法 | |
CN107291096A (zh) | 一种无人机多机混合任务集群*** | |
CN107031808A (zh) | 基于临近空间平流层飞艇电磁弹射无人机的***及方法 | |
CN117151437B (zh) | 一种无人机任务中机场平台的分配***及其分配方法 | |
CN110751360B (zh) | 一种无人船区域调度方法 | |
CN115237157B (zh) | 一种路网约束下的空地无人集群多任务点路径规划方法 | |
CN112124299B (zh) | 一种智能网联新能源汽车分层式能耗优化方法 | |
CN110825104B (zh) | 移动平台路径规划与无人机任务分配的两阶段优化方法 | |
CN113487264A (zh) | 一种基于异构多无人机的物流配送方法及*** | |
CN104966406A (zh) | 一种特种车辆信息物理融合***择向方法 |
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 |