CN114740901A - 一种无人机集群飞行方法、***及云平台 - Google Patents
一种无人机集群飞行方法、***及云平台 Download PDFInfo
- Publication number
- CN114740901A CN114740901A CN202210658994.0A CN202210658994A CN114740901A CN 114740901 A CN114740901 A CN 114740901A CN 202210658994 A CN202210658994 A CN 202210658994A CN 114740901 A CN114740901 A CN 114740901A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- analyzed
- flight
- inspection 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000007689 inspection Methods 0.000 claims abstract description 137
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims description 97
- 230000009194 climbing Effects 0.000 claims description 28
- 230000000007 visual effect Effects 0.000 claims description 17
- 230000000875 corresponding effect Effects 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000002085 persistent effect Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 230000002688 persistence Effects 0.000 claims description 3
- 230000002195 synergetic effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training 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)
- Traffic Control Systems (AREA)
Abstract
本申请的无人机集群飞行方法、***及云平台,通过对无人机巡检信息集的每一无人机巡检信息中不同的待分析无人机的任务协同关系进行判断,若在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,说明第一待分析无人机和第二待分析无人机的时空域连续性很强,可被认定为一个待分析无人机,则对第一待分析无人机和第二待分析无人机进行持续性目标跟踪处理,无人机跟踪定位结果中的两个待分析无人机的时空域连续性很强,避免将本身无任务协同关系的两个待分析无人机定位为一个待分析无人机,从而确保无人机跟踪定位结果的完整性,能根据无人机跟踪定位结果准确确定主控无人机,以实现设定集航点任务的精准下发。
Description
技术领域
本申请涉及无人机集群控制技术领域,具体涉及一种无人机集群飞行方法、***及云平台。
背景技术
无人驾驶飞机简称无人机(Unmanned Aerial Vehicle/Drones,UAV),是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。
无人机的应用领域相对广泛,在一些飞行任务下,需要不同的无人机组成无人机集群进行集航飞行,然而相关技术难以确保集航点任务的下发准确性。
发明内容
有鉴于此,本申请提供了一种无人机集群飞行方法、***及云平台。
本申请提供了一种无人机集群飞行方法,应用于无人机集群飞行服务云平台,所述方法包括:
对于所获取到的无人机巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述,并根据所述各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系;
如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果;
根据所述无人机跟踪定位结果确定主控无人机,将设定集航点任务下发给所述主控无人机。
在一些可独立实施的设计思路下,所述根据所述各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系的步骤,包括:
对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性;
根据所述飞行状态相关性,确定所述两个待分析无人机之间的可视化相关性图谱;
对所述可视化相关性图谱进行任务协同分析,得到所述两个待分析无人机之间是否存在任务协同关系的判断结果。
在一些可独立实施的设计思路下,所述多模态飞行描述包括待分析无人机空间特征、待分析无人机飞行轨迹特征和待分析无人机姿态特征中的一个或一个以上;
所述对于所获取到的无人机巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述的步骤,包括以下步骤中的一个或一个以上:
对于所获取到的无人机巡检信息集中的每一无人机巡检信息,将该无人机巡检信息传入事先完成训练的空间特征挖掘网络,得到该无人机巡检信息中各待分析无人机的待分析无人机空间特征;
对于所获取到的无人机巡检信息集中的每一无人机巡检信息,将该无人机巡检信息传入事先完成训练的飞行轨迹识别网络,得到该无人机巡检信息中各待分析无人机的待分析无人机飞行轨迹特征;
对于所获取到的无人机巡检信息集中的每一无人机巡检信息,将该无人机巡检信息传入事先完成训练的待分析无人机姿态特征分析网络,得到该无人机巡检信息中各待分析无人机的待分析无人机姿态特征;
在所述多模态飞行描述包括待分析无人机空间特征的前提下,所述对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性的步骤,包括:
对于待判断的两个待分析无人机,根据所述两个待分析无人机的待分析无人机空间特征,确定所述两个待分析无人机之间的位置关系;
在所述多模态飞行描述包括待分析无人机飞行轨迹特征的前提下,所述对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性的步骤,包括:
根据所述两个待分析无人机的待分析无人机飞行轨迹特征,确定所述两个待分析无人机之间的飞行轨迹特征相关度;
在所述多模态飞行描述包括待分析无人机姿态特征的前提下,所述对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性的步骤,包括:
根据所述两个待分析无人机的待分析无人机姿态特征,确定所述两个待分析无人机之间的飞行姿态共性度。
在一些可独立实施的设计思路下,在所述如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果的步骤之前,所述方法还包括:
如果在当前无人机巡检信息中判断出第一待分析无人机和第二待分析无人机存在任务协同关系,则抽取在先的无人机全局化分析报告,并根据所述在先的无人机全局化分析报告,判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系;
如果是,则判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机存在任务协同关系的无人机巡检信息数量是否大于等于设定数量值;
所述如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果的步骤,包括:
如果所述无人机巡检信息数量大于等于所述设定数量值,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果;
相应的,在所述根据所述在先的无人机全局化分析报告,判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系的步骤之后,所述方法还包括:
如果否,则配置所述第一待分析无人机和所述第二待分析无人机之间的原始协同可信系数为设定系数;
统计包含所述原始协同可信系数的响应信息。
在一些可独立实施的设计思路下,在所述判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机存在任务协同关系的无人机巡检信息数量是否大于等于设定数量值的步骤之后,所述方法还包括:
如果所述无人机巡检信息数量未大于等于所述设定数量值,则基于所述无人机巡检信息数量,配置所述第一待分析无人机和所述第二待分析无人机之间的当前协同可信系数,其中,所述当前协同可信系数的数值选定情况与所述无人机巡检信息数量呈正相关;
统计包含所述当前协同可信系数的响应信息。
在一些可独立实施的设计思路下,所述在先的无人机全局化分析报告为:待分析无人机统计结果,所述待分析无人机统计结果用于汇总在先的无人机巡检信息中与其中一个待分析无人机存在任务协同关系的其他待分析无人机的差异化识别信息;
所述如果在当前无人机巡检信息中判断出第一待分析无人机和第二待分析无人机存在任务协同关系,则抽取在先的无人机全局化分析报告,并根据所述在先的无人机全局化分析报告,判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系的步骤,包括:
如果在当前无人机巡检信息中判断出第一待分析无人机和第二待分析无人机存在任务协同关系,则抽取所述第一待分析无人机的待分析无人机统计结果;
如果所述第一待分析无人机的待分析无人机统计结果为空集,则确定在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机不存在任务协同关系;
如果所述第一待分析无人机的待分析无人机统计结果不为空集,且所述第一待分析无人机的待分析无人机统计结果中汇总有所述第二待分析无人机的差异化识别信息,则确定在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机存在任务协同关系。
在一些可独立实施的设计思路下,所述如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果的步骤,包括:
如果在不间断的多个无人机巡检信息中皆判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,且所述不间断的多个无人机巡检信息的数量超过设定数量值,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果。
在一些可独立实施的设计思路下,所述方法还包括:
如果在不间断的在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机之间持续存在任务协同关系,且在当前无人机巡检信息中判断出所述第一待分析无人机和第三待分析无人机之间存在任务协同关系,则获取所述第一待分析无人机、所述第二待分析无人机和所述第三待分析无人机的可视化路径描述,并抽取所述第一待分析无人机和所述第二待分析无人机之间的在先的无人机全局化分析报告;
根据所述第一待分析无人机和所述第三待分析无人机的可视化路径描述,确定所述第一待分析无人机和所述第三待分析无人机的第一协同可信系数;
根据所述第一待分析无人机和所述第二待分析无人机的可视化路径描述,以及所述在先的无人机全局化分析报告,确定所述第一待分析无人机和所述第二待分析无人机的第二协同可信系数;
确定所述第一协同可信系数和所述第二协同可信系数中的目标值;
统计所述目标值对应的任务协同关系的跟踪定位结果,所述跟踪定位结果中包含所述目标值。
本申请还提供了一种无人机集群飞行***,包括互相之间通信的无人机以及无人机集群飞行服务云平台;
无人机用于:向无人机集群飞行服务云平台发送无人机巡检信息;
无人机集群飞行服务云平台用于:对于所获取到的无人机巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述,并根据所述各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系;如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果;根据所述无人机跟踪定位结果确定主控无人机,将设定集航点任务下发给所述主控无人机。
本申请还提供了一种无人机集群飞行服务云平台,包括处理器、网络模块和存储器;所述处理器和所述存储器通过所述网络模块通信,所述处理器从所述存储器中读取计算机程序并运行,以执行上述的方法。
本申请还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
相较于现有技术,本申请提供的一种无人机集群飞行方法、***及云平台具有以下技术效果:通过对无人机巡检信息集的每一无人机巡检信息中不同的待分析无人机的任务协同关系进行判断,如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,说明第一待分析无人机和第二待分析无人机的时空域连续性很强,可以被认定为一个待分析无人机,则对第一待分析无人机和第二待分析无人机进行持续性目标跟踪处理,所得到的无人机跟踪定位结果中,两个待分析无人机的时空域连续性很强,避免了将本身无任务协同关系的两个待分析无人机定位为一个待分析无人机,从而确保无人机跟踪定位结果的完整性,这样能够根据无人机跟踪定位结果准确确定主控无人机,以实现设定集航点任务的精准下发。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
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为本申请实施例所提供的一种无人机集群飞行服务云平台的方框示意图。
图2为本申请实施例所提供的一种无人机集群飞行方法的流程图。
图3为本申请实施例所提供的一种无人机集群飞行***的通信架构框图。
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,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作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。
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。
图1示出了本申请实施例所提供的一种无人机集群飞行服务云平台10的方框示意图。本申请实施例中的无人机集群飞行服务云平台10可以为具有数据存储、传输、处理功能的服务端,如图1所示,无人机集群飞行服务云平台10包括:存储器11、处理器12、网络模块13和无人机集群飞行装置20。
存储器11、处理器12和网络模块13之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有无人机集群飞行装置20,所述无人机集群飞行装置20包括至少一个可以软件或固件(firmware)的形式储存于所述存储器11中的软件功能模块,所述处理器12通过运行存储在存储器11内的软件程序以及模块,例如本申请实施例中的无人机集群飞行装置20,从而执行各种功能应用以及数据处理,即实现本申请实施例中的无人机集群飞行方法。
其中,所述存储器11可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器11用于存储程序,所述处理器12在接收到执行指令后,执行所述程序。
所述处理器12可能是一种集成电路芯片,具有数据的处理能力。上述的处理器12可以是通用处理器,包括中央处理器 (Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。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。
网络模块13用于通过网络建立无人机集群飞行服务云平台10与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图1所示的结构仅为示意,无人机集群飞行服务云平台10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序在运行时实现上述的方法。
图2示出了本申请实施例所提供的一种无人机集群飞行的流程图。所述方法有关的流程所定义的方法步骤应用于上述的无人机集群飞行服务云平台10,所述方法包括以下步骤S21-步骤S23。
步骤S21,对于所获取到的无人机巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述,并根据所述各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系。
在本申请实施例中,在本申请实施例中,无人机巡检信息可以是图像,比如可以是不同的待分析无人机在巡检过程中实时发送给无人机集群飞行服务云平台的。待分析无人机可以在巡检过程中进行交叉拍摄,从而确保无人机巡检信息集中对应的无人机巡检信息均能够包含上述的待分析无人机。进一步地,多模态飞行描述可以理解为无人机的飞行特征信息,比如可以是特征向量或者特征图。
进一步地,任务协同关系可以理解为关联关系,该关联关系可以理解为时空域层面的关联关系,比如无人机A上传的无人机巡检信息集中包括无人机B,则本申请实施例可以是针对无人机B的多模态飞行描述分析从而确定无人机B是否为主控无人机。
在相关实施例中,根据所述各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系,可以包括以下内容:对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性;根据所述飞行状态相关性,确定所述两个待分析无人机之间的可视化相关性图谱(相关性矩阵);对所述可视化相关性图谱进行任务协同分析,得到所述两个待分析无人机之间是否存在任务协同关系的判断结果。
在一些示例中,在一些可能的实施方式中,所述多模态飞行描述包括待分析无人机空间特征、待分析无人机飞行轨迹特征和待分析无人机姿态特征中的一个或一个以上。基于此,上述步骤所描述的对于所获取到的无人机巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述,可以包括以下步骤a1-步骤a3中的至少一个。
步骤a1,对于所获取到的无人机巡检信息集中的每一无人机巡检信息,将该无人机巡检信息传入事先完成训练的空间特征挖掘网络,得到该无人机巡检信息中各待分析无人机的待分析无人机空间特征。
步骤a2,对于所获取到的无人机巡检信息集中的每一无人机巡检信息,将该无人机巡检信息传入事先完成训练的飞行轨迹识别网络,得到该无人机巡检信息中各待分析无人机的待分析无人机飞行轨迹特征。
步骤a3,对于所获取到的无人机巡检信息集中的每一无人机巡检信息,将该无人机巡检信息传入事先完成训练的待分析无人机姿态特征分析网络,得到该无人机巡检信息中各待分析无人机的待分析无人机姿态特征。
在上述实施例中,不同的网络可以理解为具有不同功能的机器学习模型,其训练过程在本申请实施例的基础上参阅相关技术,在此不作赘述。进一步地,空间特征对应于位置信息,飞行轨迹特征对应于飞行路径,姿态特征对应于无人机的俯仰角、飞行速度、飞行方向等。
进一步地,在所述多模态飞行描述包括待分析无人机空间特征的前提下,所述对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性的步骤,可以包括:对于待判断的两个待分析无人机,根据所述两个待分析无人机的待分析无人机空间特征,确定所述两个待分析无人机之间的位置关系。
进一步地,在所述多模态飞行描述包括待分析无人机飞行轨迹特征的前提下,所述对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性的步骤,可以包括:根据所述两个待分析无人机的待分析无人机飞行轨迹特征,确定所述两个待分析无人机之间的飞行轨迹特征相关度。
进一步地,在所述多模态飞行描述包括待分析无人机姿态特征的前提下,所述对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性的步骤,可以包括:根据所述两个待分析无人机的待分析无人机姿态特征,确定所述两个待分析无人机之间的飞行姿态共性度。
步骤S22,如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果。
在本申请实施例中,持续性目标跟踪处理可以理解为关联合并处理,比如将所述第一待分析无人机和所述第二待分析无人机确定为同一待分析无人机,然后进行飞行轨迹的拼接补全处理。相应的无人机跟踪定位结果可以包括全局化的飞行路径。
在一些可选的实施例中,在所述如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果的步骤之前,所述方法还可以包括以下步骤:如果在当前无人机巡检信息中判断出第一待分析无人机和第二待分析无人机存在任务协同关系,则抽取在先的无人机全局化分析报告,并根据所述在先的无人机全局化分析报告,判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系;如果是,则判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机存在任务协同关系的无人机巡检信息数量是否大于等于设定数量值;
基于此,步骤S22所描述的如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果的步骤,包括:如果所述无人机巡检信息数量大于等于所述设定数量值,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果。
在上述内容的基础上,在所述根据所述在先的无人机全局化分析报告,判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系的步骤之后,所述方法还包括:如果否,则配置所述第一待分析无人机和所述第二待分析无人机之间的原始协同可信系数为设定系数;统计包含所述原始协同可信系数的响应信息。例如,原始协同可信系数可以理解为初始化的关联置信度。
进一步地,在所述判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机存在任务协同关系的无人机巡检信息数量是否大于等于设定数量值的步骤之后,所述方法还包括:如果所述无人机巡检信息数量未大于等于所述设定数量值,则基于所述无人机巡检信息数量,配置所述第一待分析无人机和所述第二待分析无人机之间的当前协同可信系数,其中,所述当前协同可信系数的数值选定情况与所述无人机巡检信息数量呈正相关;统计包含所述当前协同可信系数的响应信息。
在一些可能的示例中,所述在先的无人机全局化分析报告为:待分析无人机统计结果,所述待分析无人机统计结果用于汇总在先的无人机巡检信息中与其中一个待分析无人机存在任务协同关系的其他待分析无人机的差异化识别信息(比如标识信息)。
基于此,上述的如果在当前无人机巡检信息中判断出第一待分析无人机和第二待分析无人机存在任务协同关系,则抽取在先的无人机全局化分析报告,并根据所述在先的无人机全局化分析报告,判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系的步骤,可以包括以下内容:如果在当前无人机巡检信息中判断出第一待分析无人机和第二待分析无人机存在任务协同关系,则抽取所述第一待分析无人机的待分析无人机统计结果;如果所述第一待分析无人机的待分析无人机统计结果为空集,则确定在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机不存在任务协同关系;如果所述第一待分析无人机的待分析无人机统计结果不为空集,且所述第一待分析无人机的待分析无人机统计结果中汇总有所述第二待分析无人机的差异化识别信息,则确定在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机存在任务协同关系。
这样一来,能够基于待分析无人机统计结果准确判定所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系。
在另外的一些可能的实施例中,步骤S22所描述的如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果的步骤,包括:如果在不间断的多个无人机巡检信息中皆判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,且所述不间断的多个无人机巡检信息的数量超过设定数量值,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果。
在一些可选的实施例中,在上述步骤S21和步骤S22之后,该方法还可以包括以下步骤S2301-步骤S2305所描述的技术方案。
步骤S2301,如果在不间断的在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机之间持续存在任务协同关系,且在当前无人机巡检信息中判断出所述第一待分析无人机和第三待分析无人机之间存在任务协同关系,则获取所述第一待分析无人机、所述第二待分析无人机和所述第三待分析无人机的可视化路径描述,并抽取所述第一待分析无人机和所述第二待分析无人机之间的在先的无人机全局化分析报告。
步骤S2302,根据所述第一待分析无人机和所述第三待分析无人机的可视化路径描述,确定所述第一待分析无人机和所述第三待分析无人机的第一协同可信系数。
步骤S2303,根据所述第一待分析无人机和所述第二待分析无人机的可视化路径描述,以及所述在先的无人机全局化分析报告,确定所述第一待分析无人机和所述第二待分析无人机的第二协同可信系数。
步骤S2304,确定所述第一协同可信系数和所述第二协同可信系数中的目标值。其中,目标值可以是所述第一协同可信系数和所述第二协同可信系数中的较大值。
步骤S2305,统计所述目标值对应的任务协同关系的跟踪定位结果,所述跟踪定位结果中包含所述目标值。
步骤S23,根据所述无人机跟踪定位结果确定主控无人机,将设定集航点任务下发给所述主控无人机。
在本申请实施例中,通过将设定集航点任务下发给主控无人机,再由主控无人机分别下发给对应的下级无人机,这样可以确保下级无人机能快速准确地接收到各自的巡航任务,从而实现集航点任务的快速下发,减少无人机集群飞行服务云平台的任务下发压力,同时可以提高主控无人机和下级无人机的飞行自由度。
在一些选择性的且可独立实施的思路下,步骤S23所描述的根据所述无人机跟踪定位结果确定主控无人机,可以包括以下内容:从所述无人机跟踪定位结果获取待进行校验的目标全局化飞行线路;对所述目标全局化飞行线路中的多个局部化飞行路段分别进行爬升状态分析和下降状态分析,得到爬升状态分析内容集和下降状态分析内容集;利用第一设定内容优化策略,对所述爬升状态分析内容集进行第一内容优化处理,得到包括有爬升状态的第一全局化飞行路段集;利用第二设定内容优化策略,对所述下降状态分析内容集进行第二内容优化处理,得到包括有下降状态的第二全局化飞行路段集;基于所述第一全局化飞行路段集和所述第二全局化飞行路段集进行噪声清洗处理,得到所述目标全局化飞行线路中与目标状态相匹配的目标全局化飞行路段集;所述目标状态包括爬升状态和下降状态中的至少一种,所述目标全局化飞行路段集用于对所述目标全局化飞行线路进行校验;在基于所述目标全局化飞行路段集对所述目标全局化飞行线路进行校验并判定出所述目标全局化飞行线路通过校验时,将所述无人机跟踪定位结果对应的无人机确定为主控无人机。
在本申请实施例中,目标全局化飞行线路通过校验可以理解为目标全局化飞行线路不存在飞行冲突。如此,可以依据不同无人机的飞行安全性确定主控无人机,从而确保后续无人机集群在飞行过程中的协同安全性。
在一些选择性的且可独立实施的思路下,所述对所述目标全局化飞行线路中的多个局部化飞行路段分别进行爬升状态分析和下降状态分析,得到爬升状态分析内容集和下降状态分析内容集,包括:对所述目标全局化飞行线路中的多个局部化飞行路段分别进行爬升状态分析,得到各个局部化飞行路段中的爬升状态分析事项、以及各爬升状态分析事项所对应的初始状态类别;基于各局部化飞行路段中的爬升状态分析事项和相应的初始状态类别,确定爬升状态分析内容集;对所述目标全局化飞行线路中的多个局部化飞行路段分别进行下降状态分析,得到下降状态分析内容集。
在一些选择性的且可独立实施的思路下,所述对所述目标全局化飞行线路中的多个局部化飞行路段分别进行下降状态分析,得到下降状态分析内容集,包括:对所述目标局部化飞行路段中的多个局部化飞行路段分别进行飞行环境识别,得到各局部化飞行路段分别对应的飞行环境识别结果;
对所述目标局部化飞行路段中的多个局部化飞行路段分别进行飞行干扰识别,得到各局部化飞行路段分别对应的飞行干扰识别结果;将对应于相同无人机的飞行环境识别结果和飞行干扰识别结果进行配对;基于所述目标局部化飞行路段中与目标飞行环境识别结果相配对的飞行干扰识别结果进行下降状态分析处理,得到下降状态分析内容集。
在一些选择性的且可独立实施的思路下,所述利用第一设定内容优化策略,对所述爬升状态分析内容集进行第一内容优化处理,得到包括有爬升状态的第一全局化飞行路段集,包括:对所述爬升状态分析内容集中的每个局部化飞行路段分别进行状态类别挑选,得到每个局部化飞行路段各自对应的独立状态类别;基于每个局部化飞行路段中与相应独立状态类别对应的爬升状态分析事项的数目,分别进行分析事项更新处理,得到更新后的爬升状态分析内容集;对所述更新后的爬升状态分析内容集进行阶段性更新处理,得到多个包括有爬升状态的第一备选全局化飞行路段集;根据各所述第一备选全局化飞行路段集分别所属的爬升类别,对属于相同爬升类别的第一备选全局化飞行路段集进行路段集整理,得到包括有爬升状态的第一全局化飞行路段集。
本申请实施例提供的一种无人机集群飞行方法、***及云平台,对于所获取到的无人机巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述,并根据各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系,如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将第一待分析无人机和第二待分析无人机进行持续性目标跟踪处理,得到第一待分析无人机和第二待分析无人机的无人机跟踪定位结果。
可以理解的是,通过对无人机巡检信息集的每一无人机巡检信息中不同的待分析无人机的任务协同关系进行判断,如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,说明第一待分析无人机和第二待分析无人机的时空域连续性很强,可以被认定为一个待分析无人机,则对第一待分析无人机和第二待分析无人机进行持续性目标跟踪处理,所得到的无人机跟踪定位结果中,两个待分析无人机的时空域连续性很强,避免了将本身无任务协同关系的两个待分析无人机定位为一个待分析无人机,从而确保无人机跟踪定位结果的完整性,这样能够根据无人机跟踪定位结果准确确定主控无人机,以实现设定集航点任务的精准下发。
基于上述同样的发明构思,请结合参阅图3,还提供了一种无人机集群飞行***30,包括互相之间通信的无人机31以及无人机集群飞行服务云平台10。无人机31用于:向无人机集群飞行服务云平台10发送无人机巡检信息;无人机集群飞行服务云平台10用于:对于所获取到的无人机31巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述,并根据所述各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系;如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果;根据所述无人机跟踪定位结果确定主控无人机,将设定集航点任务下发给所述主控无人机。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,无人机集群飞行服务云平台10,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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。
Claims (10)
1.一种无人机集群飞行方法,其特征在于,应用于无人机集群飞行服务云平台,所述方法包括:
对于所获取到的无人机巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述,并根据所述各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系;
如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果;
根据所述无人机跟踪定位结果确定主控无人机,将设定集航点任务下发给所述主控无人机;
其中,所述根据所述无人机跟踪定位结果确定主控无人机,将设定集航点任务下发给所述主控无人机,包括:
从所述无人机跟踪定位结果获取待进行校验的目标全局化飞行线路;对所述目标全局化飞行线路中的多个局部化飞行路段分别进行爬升状态分析和下降状态分析,得到爬升状态分析内容集和下降状态分析内容集;利用第一设定内容优化策略,对所述爬升状态分析内容集进行第一内容优化处理,得到包括有爬升状态的第一全局化飞行路段集;利用第二设定内容优化策略,对所述下降状态分析内容集进行第二内容优化处理,得到包括有下降状态的第二全局化飞行路段集;基于所述第一全局化飞行路段集和所述第二全局化飞行路段集进行噪声清洗处理,得到所述目标全局化飞行线路中与目标状态相匹配的目标全局化飞行路段集;所述目标状态包括爬升状态和下降状态中的至少一种,所述目标全局化飞行路段集用于对所述目标全局化飞行线路进行校验;在基于所述目标全局化飞行路段集对所述目标全局化飞行线路进行校验并判定出所述目标全局化飞行线路通过校验时,将所述无人机跟踪定位结果对应的无人机确定为主控无人机。
2.根据权利要求1所述的方法,其特征在于,所述根据所述各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系的步骤,包括:
对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性;
根据所述飞行状态相关性,确定所述两个待分析无人机之间的可视化相关性图谱;
对所述可视化相关性图谱进行任务协同分析,得到所述两个待分析无人机之间是否存在任务协同关系的判断结果。
3.根据权利要求2所述的方法,其特征在于,所述多模态飞行描述包括待分析无人机空间特征、待分析无人机飞行轨迹特征和待分析无人机姿态特征中的一个或一个以上;
所述对于所获取到的无人机巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述的步骤,包括以下步骤中的一个或一个以上:
对于所获取到的无人机巡检信息集中的每一无人机巡检信息,将该无人机巡检信息传入事先完成训练的空间特征挖掘网络,得到该无人机巡检信息中各待分析无人机的待分析无人机空间特征;
对于所获取到的无人机巡检信息集中的每一无人机巡检信息,将该无人机巡检信息传入事先完成训练的飞行轨迹识别网络,得到该无人机巡检信息中各待分析无人机的待分析无人机飞行轨迹特征;
对于所获取到的无人机巡检信息集中的每一无人机巡检信息,将该无人机巡检信息传入事先完成训练的待分析无人机姿态特征分析网络,得到该无人机巡检信息中各待分析无人机的待分析无人机姿态特征;
在所述多模态飞行描述包括待分析无人机空间特征的前提下,所述对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性的步骤,包括:
对于待判断的两个待分析无人机,根据所述两个待分析无人机的待分析无人机空间特征,确定所述两个待分析无人机之间的位置关系;
在所述多模态飞行描述包括待分析无人机飞行轨迹特征的前提下,所述对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性的步骤,包括:
根据所述两个待分析无人机的待分析无人机飞行轨迹特征,确定所述两个待分析无人机之间的飞行轨迹特征相关度;
在所述多模态飞行描述包括待分析无人机姿态特征的前提下,所述对于待判断的两个待分析无人机,根据所述两个待分析无人机的多模态飞行描述,确定所述两个待分析无人机之间的飞行状态相关性的步骤,包括:
根据所述两个待分析无人机的待分析无人机姿态特征,确定所述两个待分析无人机之间的飞行姿态共性度。
4.根据权利要求1所述的方法,其特征在于,在所述如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果的步骤之前,所述方法还包括:
如果在当前无人机巡检信息中判断出第一待分析无人机和第二待分析无人机存在任务协同关系,则抽取在先的无人机全局化分析报告,并根据所述在先的无人机全局化分析报告,判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系;
如果是,则判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机存在任务协同关系的无人机巡检信息数量是否大于等于设定数量值;
所述如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果的步骤,包括:
如果所述无人机巡检信息数量大于等于所述设定数量值,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果;
相应的,在所述根据所述在先的无人机全局化分析报告,判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系的步骤之后,所述方法还包括:
如果否,则配置所述第一待分析无人机和所述第二待分析无人机之间的原始协同可信系数为设定系数;
统计包含所述原始协同可信系数的响应信息。
5.根据权利要求4所述的方法,其特征在于,在所述判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机存在任务协同关系的无人机巡检信息数量是否大于等于设定数量值的步骤之后,所述方法还包括:
如果所述无人机巡检信息数量未大于等于所述设定数量值,则基于所述无人机巡检信息数量,配置所述第一待分析无人机和所述第二待分析无人机之间的当前协同可信系数,其中,所述当前协同可信系数的数值选定情况与所述无人机巡检信息数量呈正相关;
统计包含所述当前协同可信系数的响应信息。
6.根据权利要求4所述的方法,其特征在于,所述在先的无人机全局化分析报告为:待分析无人机统计结果,所述待分析无人机统计结果用于汇总在先的无人机巡检信息中与其中一个待分析无人机存在任务协同关系的其他待分析无人机的差异化识别信息;
所述如果在当前无人机巡检信息中判断出第一待分析无人机和第二待分析无人机存在任务协同关系,则抽取在先的无人机全局化分析报告,并根据所述在先的无人机全局化分析报告,判断在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机是否存在任务协同关系的步骤,包括:
如果在当前无人机巡检信息中判断出第一待分析无人机和第二待分析无人机存在任务协同关系,则抽取所述第一待分析无人机的待分析无人机统计结果;
如果所述第一待分析无人机的待分析无人机统计结果为空集,则确定在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机不存在任务协同关系;
如果所述第一待分析无人机的待分析无人机统计结果不为空集,且所述第一待分析无人机的待分析无人机统计结果中汇总有所述第二待分析无人机的差异化识别信息,则确定在在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机存在任务协同关系。
7.根据权利要求1所述的方法,其特征在于,所述如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果的步骤,包括:
如果在不间断的多个无人机巡检信息中皆判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,且所述不间断的多个无人机巡检信息的数量超过设定数量值,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
如果在不间断的在先的无人机巡检信息中所述第一待分析无人机和所述第二待分析无人机之间持续存在任务协同关系,且在当前无人机巡检信息中判断出所述第一待分析无人机和第三待分析无人机之间存在任务协同关系,则获取所述第一待分析无人机、所述第二待分析无人机和所述第三待分析无人机的可视化路径描述,并抽取所述第一待分析无人机和所述第二待分析无人机之间的在先的无人机全局化分析报告;
根据所述第一待分析无人机和所述第三待分析无人机的可视化路径描述,确定所述第一待分析无人机和所述第三待分析无人机的第一协同可信系数;
根据所述第一待分析无人机和所述第二待分析无人机的可视化路径描述,以及所述在先的无人机全局化分析报告,确定所述第一待分析无人机和所述第二待分析无人机的第二协同可信系数;
确定所述第一协同可信系数和所述第二协同可信系数中的目标值;
统计所述目标值对应的任务协同关系的跟踪定位结果,所述跟踪定位结果中包含所述目标值。
9.一种无人机集群飞行***,其特征在于,包括互相之间通信的无人机以及无人机集群飞行服务云平台;
无人机用于:向无人机集群飞行服务云平台发送无人机巡检信息;
无人机集群飞行服务云平台用于:对于所获取到的无人机巡检信息集中的每一无人机巡检信息,提取该无人机巡检信息中各待分析无人机的多模态飞行描述,并根据所述各待分析无人机的多模态飞行描述,判断不同的待分析无人机之间是否存在任务协同关系;如果在多个无人机巡检信息中判断出第一待分析无人机和第二待分析无人机之间存在任务协同关系,则将所述第一待分析无人机和所述第二待分析无人机进行持续性目标跟踪处理,得到所述第一待分析无人机和所述第二待分析无人机的无人机跟踪定位结果;根据所述无人机跟踪定位结果确定主控无人机,将设定集航点任务下发给所述主控无人机;
其中,无人机集群飞行服务云平台根据所述无人机跟踪定位结果确定主控无人机,将设定集航点任务下发给所述主控无人机,包括:
从所述无人机跟踪定位结果获取待进行校验的目标全局化飞行线路;对所述目标全局化飞行线路中的多个局部化飞行路段分别进行爬升状态分析和下降状态分析,得到爬升状态分析内容集和下降状态分析内容集;利用第一设定内容优化策略,对所述爬升状态分析内容集进行第一内容优化处理,得到包括有爬升状态的第一全局化飞行路段集;利用第二设定内容优化策略,对所述下降状态分析内容集进行第二内容优化处理,得到包括有下降状态的第二全局化飞行路段集;基于所述第一全局化飞行路段集和所述第二全局化飞行路段集进行噪声清洗处理,得到所述目标全局化飞行线路中与目标状态相匹配的目标全局化飞行路段集;所述目标状态包括爬升状态和下降状态中的至少一种,所述目标全局化飞行路段集用于对所述目标全局化飞行线路进行校验;在基于所述目标全局化飞行路段集对所述目标全局化飞行线路进行校验并判定出所述目标全局化飞行线路通过校验时,将所述无人机跟踪定位结果对应的无人机确定为主控无人机。
10.一种无人机集群飞行服务云平台,其特征在于,包括处理器、网络模块和存储器;所述处理器和所述存储器通过所述网络模块通信,所述处理器从所述存储器中读取计算机程序并运行,以执行上述权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210658994.0A CN114740901B (zh) | 2022-06-13 | 2022-06-13 | 一种无人机集群飞行方法、***及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210658994.0A CN114740901B (zh) | 2022-06-13 | 2022-06-13 | 一种无人机集群飞行方法、***及云平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114740901A true CN114740901A (zh) | 2022-07-12 |
CN114740901B CN114740901B (zh) | 2022-08-19 |
Family
ID=82287680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210658994.0A Active CN114740901B (zh) | 2022-06-13 | 2022-06-13 | 一种无人机集群飞行方法、***及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114740901B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114898236A (zh) * | 2022-07-14 | 2022-08-12 | 深圳联和智慧科技有限公司 | 一种基于无人机的渣土车监测方法、***及云平台 |
CN118068853A (zh) * | 2024-04-24 | 2024-05-24 | 辽宁高比科技有限公司 | 一种室内变电站gis室无人机自主飞行巡检方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及*** |
CN108490975A (zh) * | 2018-04-28 | 2018-09-04 | 广州亿航智能技术有限公司 | 一种无人机集群的调度方法及计算机存储介质 |
US10140875B1 (en) * | 2017-05-27 | 2018-11-27 | Hefei University Of Technology | Method and apparatus for joint optimization of multi-UAV task assignment and path planning |
CN109917767A (zh) * | 2019-04-01 | 2019-06-21 | 中国电子科技集团公司信息科学研究院 | 一种分布式无人机集群自主管理***及控制方法 |
CN111884333A (zh) * | 2020-06-30 | 2020-11-03 | 国网安徽省电力有限公司淮南供电公司 | 无人值守巡检无人机协同工作***及其方法 |
CN111988524A (zh) * | 2020-08-21 | 2020-11-24 | 广东电网有限责任公司清远供电局 | 一种无人机与摄像头协同避障方法、服务器及存储介质 |
CN112097770A (zh) * | 2020-08-05 | 2020-12-18 | 中国人民解放军军事科学院国防科技创新研究院 | 一种多无人机协同全覆盖的路径规划方法、装置、存储介质及终端 |
CN112305974A (zh) * | 2020-11-13 | 2021-02-02 | 青海大学 | 无人机集群远程控制方法、***、装置及设备 |
WO2021018113A1 (zh) * | 2019-07-31 | 2021-02-04 | 南京航空航天大学 | 用于无人机蜂群协同导航的动态互观测在线建模方法 |
CN112491982A (zh) * | 2020-11-13 | 2021-03-12 | 国网天津市电力公司 | 基于云边协同输电线路精细化感知方法 |
CN112823323A (zh) * | 2020-05-06 | 2021-05-18 | 深圳市大疆创新科技有限公司 | 巡检方法、无人机、地面控制平台、***及存储介质 |
CN114240868A (zh) * | 2021-12-09 | 2022-03-25 | 陕西省地方电力(集团)有限公司渭南供电分公司 | 一种基于无人机的巡检分析***及方法 |
CN114550107A (zh) * | 2022-04-26 | 2022-05-27 | 深圳联和智慧科技有限公司 | 基于无人机集群的桥梁联动智能巡检方法、***及云平台 |
-
2022
- 2022-06-13 CN CN202210658994.0A patent/CN114740901B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197684A (zh) * | 2013-04-25 | 2013-07-10 | 清华大学 | 无人机群协同跟踪目标的方法及*** |
US10140875B1 (en) * | 2017-05-27 | 2018-11-27 | Hefei University Of Technology | Method and apparatus for joint optimization of multi-UAV task assignment and path planning |
CN108490975A (zh) * | 2018-04-28 | 2018-09-04 | 广州亿航智能技术有限公司 | 一种无人机集群的调度方法及计算机存储介质 |
CN109917767A (zh) * | 2019-04-01 | 2019-06-21 | 中国电子科技集团公司信息科学研究院 | 一种分布式无人机集群自主管理***及控制方法 |
WO2021018113A1 (zh) * | 2019-07-31 | 2021-02-04 | 南京航空航天大学 | 用于无人机蜂群协同导航的动态互观测在线建模方法 |
CN112823323A (zh) * | 2020-05-06 | 2021-05-18 | 深圳市大疆创新科技有限公司 | 巡检方法、无人机、地面控制平台、***及存储介质 |
CN111884333A (zh) * | 2020-06-30 | 2020-11-03 | 国网安徽省电力有限公司淮南供电公司 | 无人值守巡检无人机协同工作***及其方法 |
CN112097770A (zh) * | 2020-08-05 | 2020-12-18 | 中国人民解放军军事科学院国防科技创新研究院 | 一种多无人机协同全覆盖的路径规划方法、装置、存储介质及终端 |
CN111988524A (zh) * | 2020-08-21 | 2020-11-24 | 广东电网有限责任公司清远供电局 | 一种无人机与摄像头协同避障方法、服务器及存储介质 |
CN112305974A (zh) * | 2020-11-13 | 2021-02-02 | 青海大学 | 无人机集群远程控制方法、***、装置及设备 |
CN112491982A (zh) * | 2020-11-13 | 2021-03-12 | 国网天津市电力公司 | 基于云边协同输电线路精细化感知方法 |
CN114240868A (zh) * | 2021-12-09 | 2022-03-25 | 陕西省地方电力(集团)有限公司渭南供电分公司 | 一种基于无人机的巡检分析***及方法 |
CN114550107A (zh) * | 2022-04-26 | 2022-05-27 | 深圳联和智慧科技有限公司 | 基于无人机集群的桥梁联动智能巡检方法、***及云平台 |
Non-Patent Citations (2)
Title |
---|
TANG SHUYAN.ETAL: "Collaborative Task Assignment Scheme for Multi-UAV Based on Clus", 《2010 SECOND INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS》 * |
姚敏 等: "无人机群协同作战任务分配方法研究", 《电子科技大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114898236A (zh) * | 2022-07-14 | 2022-08-12 | 深圳联和智慧科技有限公司 | 一种基于无人机的渣土车监测方法、***及云平台 |
CN118068853A (zh) * | 2024-04-24 | 2024-05-24 | 辽宁高比科技有限公司 | 一种室内变电站gis室无人机自主飞行巡检方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114740901B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114740901B (zh) | 一种无人机集群飞行方法、***及云平台 | |
CN111291697A (zh) | 用于识别障碍物的方法和装置 | |
CN113466822B (zh) | 用于检测障碍物的方法和装置 | |
CN110796007B (zh) | 场景识别的方法与计算设备 | |
CN109633688A (zh) | 一种激光雷达障碍物识别方法和装置 | |
US20230013544A1 (en) | Method, Apparatus and System for Detecting Abnormal Operating States of a Device | |
CN105973245A (zh) | 利用无人驾驶车辆更新在线地图的方法和装置 | |
CN108845321A (zh) | 目标对象的识别方法、装置及无人驾驶智能设备 | |
WO2020209918A2 (en) | Detection of cyber attacks targeting avionics systems | |
KR102170632B1 (ko) | 군집 시스템에서 실시간 이상 탐지 방법 및 장치 | |
CN108153980A (zh) | 基于ads-b与tcas数据融合的综合显示方法 | |
CN115221722A (zh) | 自动驾驶车辆的仿真测试方法、模型训练方法和设备 | |
CN115366920A (zh) | 用于自动驾驶车辆的决策方法及装置、设备和介质 | |
CN112766595A (zh) | 一种指挥控制装置、方法、***、计算机设备及介质 | |
CN112861902A (zh) | 用于确定移动元素的轨迹的方法和装置 | |
CN114550107B (zh) | 基于无人机集群的桥梁联动智能巡检方法、***及云平台 | |
EP4186050A1 (en) | Critical scenario identification for verification and validation of vehicles | |
CN107332706B (zh) | 一种机载网络选型方法 | |
Hensel et al. | Object Detection and Mapping with Unmanned Aerial Vehicles Using Convolutional Neural Networks | |
CN112572471B (zh) | 自动驾驶方法、装置、电子设备及计算机存储介质 | |
Smyers et al. | AVOIDDS: aircraft vision-based intruder detection dataset and simulator | |
CN114241373A (zh) | 一种端到端的车辆行为检测方法、***、设备及存储介质 | |
KR101858802B1 (ko) | 이동체 감시정보 추출을 위한 레이더 데이터 관리 장치 및 그 방법 | |
US20190213703A1 (en) | Systems and methods for identifying unidentified autonomous vehicles | |
CN114743120B (zh) | 一种基于图像识别的路边车辆非法占道检测方法及*** |
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 |