CN115129088B - 基于频谱地图的无人机轨迹规划和避障方法及*** - Google Patents
基于频谱地图的无人机轨迹规划和避障方法及*** Download PDFInfo
- Publication number
- CN115129088B CN115129088B CN202211029559.8A CN202211029559A CN115129088B CN 115129088 B CN115129088 B CN 115129088B CN 202211029559 A CN202211029559 A CN 202211029559A CN 115129088 B CN115129088 B CN 115129088B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- spectrum map
- frequency spectrum
- obstacle
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 42
- 239000012530 fluid Substances 0.000 claims abstract description 22
- 230000002787 reinforcement Effects 0.000 claims abstract description 16
- 230000005855 radiation Effects 0.000 claims description 26
- 150000001875 compounds Chemical class 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 5
- 230000009194 climbing Effects 0.000 claims description 4
- 230000001934 delay Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process 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
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
本发明公开一种基于频谱地图的无人机轨迹规划和避障方法及***,该方法首先边缘服务器构建三维频谱地图,无人机根据该三维频谱地图预先规划好一条路径,然后无人机根据邻域的局部频谱地图实时动态避障。无人机执行预先规划的路径过程中,由基站实时分发给无人机邻域的局部频谱地图,当检测到干扰时,无人机采用扰动流体算法进行动态避障。通过基于双时延的深度确定性策略梯度的深度强化学习算法调整扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数,使无人机在满足运动约束的条件下实时避障并且总航路最短。本发明提供的方法为无人机提供全局和局部的实时频谱地图服务,有效提升无人机的轨迹规划和动态避障效率和鲁棒性。
Description
技术领域
本发明涉及无线通信和自动化控制技术领域,尤其是一种基于频谱地图的无人机轨迹规划和避障方法及***。
背景技术
在复杂的电磁环境中,无人机根据自身感知的频域干扰和地理障碍进行轨迹规划或者避障,由于自身传感器所能感知的范围有限,不能获得全局的或者动态的障碍信息,导致在执行任务过程中会碰撞障碍或者受到强烈的干扰失去通信。
发明内容
本发明提供一种基于频谱地图的无人机轨迹规划和避障方法及***,用于克服现有技术中无人机无法获得全局或者动态频域干扰和地理障碍信息等缺陷。
为实现上述目的,本发明提出一种基于频谱地图的无人机轨迹规划和避障方法,包括以下步骤:
利用部署在空间中的频谱传感器采集空间中的干扰辐射功率信息;
根据所述干扰辐射功率信息,利用边缘服务器结合地理地形信息构建出包含空间障碍和频域干扰的三维频谱地图;
对所述三维频谱地图进行压缩处理并分发给无人机,无人机接收到压缩后的三维频谱地图后静态规划出一条由出发点到目标点的预规划路径;
根据所述预规划路径和频谱传感器实时采集的干扰辐射功率信息,利用边缘服务器实时对三维频谱地图进行剪裁处理得到局部频谱地图,并分发给无人机;
根据所述局部频谱地图,在检测到障碍时无人机采用扰动流体算法,并利用基于双时延的深度确定性策略梯度的深度强化学习算法对扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数进行优化,再根据无人机的运动学约束,得到所有障碍物对无人机的扰动流速和无人机的运动动作。
为实现上述目的,本发明还提出一种基于频谱地图的无人机轨迹规划和避障***,包括:
频谱地图构建模块,用于利用部署在空间中的频谱传感器采集空间中的干扰辐射功率信息;根据所述干扰辐射功率信息,利用边缘服务器结合地理地形信息构建出包含空间障碍和频域干扰的三维频谱地图;
轨迹规划和避障模块,用于对所述三维频谱地图进行压缩处理并分发给无人机,无人机接收到压缩后的三维频谱地图后静态规划出一条由出发点到目标点的预规划路径;根据所述预规划路径和频谱传感器实时采集的干扰辐射功率信息,利用边缘服务器实时对三维频谱地图进行剪裁处理得到局部频谱地图,并分发给无人机;根据所述局部频谱地图,在检测到障碍时无人机采用扰动流体算法,并利用基于双时延的深度确定性策略梯度的深度强化学习算法对扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数进行优化,再根据无人机的运动学约束,得到所有障碍物对无人机的扰动流速和无人机的运动动作。
为实现上述目的,本发明还提出一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述所述方法的步骤。
为实现上述目的,本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述方法的步骤。
与现有技术相比,本发明的有益效果有:
本发明提供的基于频谱地图的无人机轨迹规划和避障方法为无人机分发压缩的全局地图和剪裁但未压缩的局部地图,为无人机轨迹规划和动态避障提供参考。首先移动边缘网络中的边缘服务器根据干扰辐射功率信息和地理地形信息构建三维频谱地图,无人机根据该三维频谱地图预先规划好一条路径,然后无人机根据邻域的局部频谱地图实时动态避障。无人机执行预先规划的路径过程中,由基站实时分发给无人机邻域的局部频谱地图,当检测到干扰时,无人机采用扰动流体算法进行动态避障。通过基于双时延的深度确定性策略梯度(Twin Delayed Deep Deterministic policy gradient,TD3)的深度强化学习算法调整扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数,使无人机在满足运动约束的条件下实时避障并且总航路最短。本发明提供的无人机轨迹规划和避障方法,为无人机提供全局和局部的实时频谱地图服务,有效提升无人机的轨迹规划和动态避障效率和鲁棒性。
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,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明提供的基于频谱地图的无人机轨迹规划和避障方法流程图;
图2为本发明基于频谱地图的无人机轨迹规划和避障方法中扰动流体算法示意图;
图3为本发明基于频谱地图的无人机轨迹规划和避障方法中TD3深度强化学习算法示意图。
图4为本发明基于频谱地图的无人机轨迹规划和避障方法轨迹规划和避障效果示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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的一部分实施例,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,都属于本发明保护的范围。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明提出一种基于频谱地图的无人机轨迹规划和避障方法,如图1所示,包括以下步骤:
利用部署在空间中的频谱传感器采集空间中的干扰辐射功率信息。
根据所述干扰辐射功率信息,利用边缘服务器结合地理地形信息构建出包含空间障碍和频域干扰的三维频谱地图。
对所述三维频谱地图进行压缩处理并分发给无人机,无人机接收到压缩后的三维频谱地图后静态规划出一条由出发点到目标点的预规划路径。
根据所述预规划路径和频谱传感器实时采集的干扰辐射功率信息,利用边缘服务器实时对三维频谱地图进行剪裁处理得到局部频谱地图,并分发给无人机。
根据所述局部频谱地图,在检测到障碍时无人机采用扰动流体算法,并利用基于双时延的深度确定性策略梯度的深度强化学习算法对扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数进行优化,再根据无人机的运动学约束,得到所有障碍物对无人机的扰动流速和无人机的运动动作。
在其中一个实施例中,频谱传感器部署在三维立体空间内;干扰辐射功率信息是频谱传感器接收到的干扰信号在某一频段的接收信号强度。
在某个实施例中,根据干扰辐射功率信息,利用边缘服务器结合地理地形信息构建出包含空间障碍和频域干扰的三维频谱地图,包括:
根据干扰辐射功率信息,利用边缘服务器采用克里金插值算法对未知的区域进行插值:
结合地理地形信息,构建出包含空间障碍和频域干扰的三维频谱地图。
在下一个实施例中,无人机采用扰动流体方法绕行障碍物,如图2所示,扰动流体算法包括:
在另一个实施例中,权重系数的计算法为:
式中,为单位吸引矩阵,第二项和第三项分别为排斥矩阵和切向矩阵,和分别是无人机对第个障碍物的排斥反应系数和切向反应系数,决定无人机规避障碍物的时机和安全距离;表示垂直于垂直向量并相切于障碍物等效包络面的切向矩阵;是无人机到障碍物表面的垂直向量,表示为:
式中转换矩阵表示为:
在某一个实施例中,利用基于双时延的深度确定性策略梯度的深度强化学习算法对扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数进行优化,如图3所示,包括:
基于双时延的深度确定性策略梯度的深度强化学习算法的即时奖励函数表示为:
无人机的爬升角和偏航角需要满足无人机运动学约束,即:
图4为本发明基于频谱地图的无人机轨迹规划和避障方法轨迹规划和避障效果示意图,由图可知,本发明提供的基于TD3算法优化扰动流体系数的方法与基于深度请确定性策略梯度算法优化扰动流体系数的方法和没有优化系数的方法进行对比,本发明提供的方法可以有效规避障碍,并且所规划的路径转弯角度较为平缓,总长度最短。
本发明还提出一种基于频谱地图的无人机轨迹规划和避障***,包括:
频谱地图构建模块,用于利用部署在空间中的频谱传感器采集空间中的干扰辐射功率信息;根据所述干扰辐射功率信息,利用边缘服务器结合地理地形信息构建出包含空间障碍和频域干扰的三维频谱地图;
轨迹规划和避障模块,用于对所述三维频谱地图进行压缩处理并分发给无人机,无人机接收到压缩后的三维频谱地图后静态规划出一条由出发点到目标点的预规划路径;根据所述预规划路径和频谱传感器实时采集的干扰辐射功率信息,利用边缘服务器实时对三维频谱地图进行剪裁处理得到局部频谱地图,并分发给无人机;根据所述局部频谱地图,在检测到障碍时无人机采用扰动流体算法,并利用基于双时延的深度确定性策略梯度的深度强化学习算法对扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数进行优化,再根据无人机的运动学约束,得到所有障碍物对无人机的扰动流速和无人机的运动动作。
本发明还提出一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述所述方法的步骤。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述所述方法的步骤。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种基于频谱地图的无人机轨迹规划和避障方法,其特征在于,包括以下步骤:
利用部署在空间中的频谱传感器采集空间中的干扰辐射功率信息;
根据所述干扰辐射功率信息,利用边缘服务器结合地理地形信息构建出包含空间障碍和频域干扰的三维频谱地图;
对所述三维频谱地图进行压缩处理并分发给无人机,无人机接收到压缩后的三维频谱地图后静态规划出一条由出发点到目标点的预规划路径;
根据所述预规划路径和频谱传感器实时采集的干扰辐射功率信息,利用边缘服务器实时对三维频谱地图进行剪裁处理得到局部频谱地图,并分发给无人机;
根据所述局部频谱地图,在检测到障碍时无人机采用扰动流体算法,并利用基于双时延的深度确定性策略梯度的深度强化学习算法对扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数进行优化,再根据无人机的运动学约束,得到所有障碍物对无人机的扰动流速和无人机的运动动作。
2.如权利要求1所述的基于频谱地图的无人机轨迹规划和避障方法,其特征在于,所述频谱传感器部署在三维立体空间内;所述干扰辐射功率信息是频谱传感器接收到的干扰信号在某一频段的接收信号强度。
4.如权利要求1所述的基于频谱地图的无人机轨迹规划和避障方法,其特征在于,所述扰动流体算法包括:
式中,为单位吸引矩阵,第二项和第三项分别为排斥矩阵和切向矩阵,和分别是无人机对第个障碍物的排斥反应系数和切向反应系数,决定无人机规避障碍物的时机和安全距离;表示垂直于垂直向量并相切于障碍物等效包络面的切向矩阵;是无人机到障碍物表面的垂直向量,表示为:
所有障碍物对无人机的扰动矩阵加权和为:
6.如权利要求1所述的基于频谱地图的无人机轨迹规划和避障方法,其特征在于,利用基于双时延的深度确定性策略梯度的深度强化学习算法对扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数进行优化,包括:
所述基于双时延的深度确定性策略梯度的深度强化学习算法的即时奖励函数表示为:
8.一种基于频谱地图的无人机轨迹规划和避障***,其特征在于,包括:
频谱地图构建模块,用于利用部署在空间中的频谱传感器采集空间中的干扰辐射功率信息;根据所述干扰辐射功率信息,利用边缘服务器结合地理地形信息构建出包含空间障碍和频域干扰的三维频谱地图;
轨迹规划和避障模块,用于对所述三维频谱地图进行压缩处理并分发给无人机,无人机接收到压缩后的三维频谱地图后静态规划出一条由出发点到目标点的预规划路径;根据所述预规划路径和频谱传感器实时采集的干扰辐射功率信息,利用边缘服务器实时对三维频谱地图进行剪裁处理得到局部频谱地图,并分发给无人机;根据所述局部频谱地图,在检测到障碍时无人机采用扰动流体算法,并利用基于双时延的深度确定性策略梯度的深度强化学习算法对扰动流体算法中的排斥反应系数、切向反应系数和切向方向系数进行优化,再根据无人机的运动学约束,得到所有障碍物对无人机的扰动流速和无人机的运动动作。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211029559.8A CN115129088B (zh) | 2022-08-26 | 2022-08-26 | 基于频谱地图的无人机轨迹规划和避障方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211029559.8A CN115129088B (zh) | 2022-08-26 | 2022-08-26 | 基于频谱地图的无人机轨迹规划和避障方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115129088A CN115129088A (zh) | 2022-09-30 |
CN115129088B true CN115129088B (zh) | 2022-11-15 |
Family
ID=83387239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211029559.8A Active CN115129088B (zh) | 2022-08-26 | 2022-08-26 | 基于频谱地图的无人机轨迹规划和避障方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115129088B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115657711B (zh) * | 2022-10-09 | 2024-07-05 | 北京航空航天大学 | 一种基于深度强化学习的高超声速飞行器规避制导方法 |
CN116774725B (zh) * | 2023-05-19 | 2024-01-16 | 北华航天工业学院 | 一种改进sac算法的低空无人机路径规划及避障方法 |
CN116880513B (zh) * | 2023-09-06 | 2023-11-17 | 广州慧洋信息科技有限公司 | 基于数据分析的水下机器人运行监控管理*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110445567A (zh) * | 2019-08-06 | 2019-11-12 | 中国人民解放军国防科技大学 | 一种电磁频谱地图的构建方法 |
CN110596698A (zh) * | 2019-07-25 | 2019-12-20 | 姚碧琛 | 主被动一体化无人机探测及识别技术 |
CN111431580A (zh) * | 2020-03-24 | 2020-07-17 | 南京航空航天大学 | 一种基于无人机平台的频谱态势认知测绘装置及方法 |
CN111800205A (zh) * | 2020-05-22 | 2020-10-20 | 中南民族大学 | 一种无人机载的无线通信干扰信号检测方法 |
CN112947548A (zh) * | 2021-01-29 | 2021-06-11 | 中国人民解放军国防科技大学 | 一种基于频谱地图的无人机编队规划方法 |
CN112967357A (zh) * | 2021-02-19 | 2021-06-15 | 中国人民解放军国防科技大学 | 一种基于卷积神经网络的频谱地图构建方法 |
CN114116209A (zh) * | 2021-11-12 | 2022-03-01 | 中国人民解放军国防科技大学 | 基于深度强化学习的频谱地图构建与分发方法及*** |
CN114326784A (zh) * | 2021-11-29 | 2022-04-12 | 南京航空航天大学 | 面向频谱测绘的无人机飞行路径自主规划装置及方法 |
CN114690782A (zh) * | 2022-04-15 | 2022-07-01 | 中国人民解放军国防科技大学 | 无人船的航迹规划方法、装置、设备和存储介质 |
-
2022
- 2022-08-26 CN CN202211029559.8A patent/CN115129088B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596698A (zh) * | 2019-07-25 | 2019-12-20 | 姚碧琛 | 主被动一体化无人机探测及识别技术 |
CN110445567A (zh) * | 2019-08-06 | 2019-11-12 | 中国人民解放军国防科技大学 | 一种电磁频谱地图的构建方法 |
CN111431580A (zh) * | 2020-03-24 | 2020-07-17 | 南京航空航天大学 | 一种基于无人机平台的频谱态势认知测绘装置及方法 |
CN111800205A (zh) * | 2020-05-22 | 2020-10-20 | 中南民族大学 | 一种无人机载的无线通信干扰信号检测方法 |
CN112947548A (zh) * | 2021-01-29 | 2021-06-11 | 中国人民解放军国防科技大学 | 一种基于频谱地图的无人机编队规划方法 |
CN112967357A (zh) * | 2021-02-19 | 2021-06-15 | 中国人民解放军国防科技大学 | 一种基于卷积神经网络的频谱地图构建方法 |
CN114116209A (zh) * | 2021-11-12 | 2022-03-01 | 中国人民解放军国防科技大学 | 基于深度强化学习的频谱地图构建与分发方法及*** |
CN114326784A (zh) * | 2021-11-29 | 2022-04-12 | 南京航空航天大学 | 面向频谱测绘的无人机飞行路径自主规划装置及方法 |
CN114690782A (zh) * | 2022-04-15 | 2022-07-01 | 中国人民解放军国防科技大学 | 无人船的航迹规划方法、装置、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
Aerial Spectrum Surveying: Radio Map Estimation with Autonomous UAVs;Daniel Romero 等;《IEEE》;20201020;全文 * |
无人机避障航路规划方法研究综述;吴健发 等;《无人***技术》;20201231;第3卷(第1期);全文 * |
电磁频谱地图构建方法研究综述及展望;夏海洋 等;《电波科学学报》;20201231;第35卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115129088A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115129088B (zh) | 基于频谱地图的无人机轨迹规划和避障方法及*** | |
CN111240319B (zh) | 室外多机器人协同作业***及其方法 | |
CN103809597B (zh) | 无人机的飞行路径规划方法及无人机 | |
Kim et al. | Coordinated trajectory planning for efficient communication relay using multiple UAVs | |
Souli et al. | Online relative positioning of autonomous vehicles using signals of opportunity | |
CN109358638A (zh) | 基于分布式地图的无人机视觉避障方法 | |
CN108897312A (zh) | 多无人飞行器对大规模环境的持续监控路径规划方法 | |
Stojkoska et al. | Indoor localization of unmanned aerial vehicles based on RSSI | |
CN103869822A (zh) | 多旋翼无人机感知与规避***及其规避方法 | |
Nguyen et al. | LIRO: Tightly coupled lidar-inertia-ranging odometry | |
JP7106417B2 (ja) | 飛行計画算出装置及びプログラム | |
Rullán-Lara et al. | Real-time localization of an UAV using Kalman filter and a Wireless Sensor Network | |
KR20220129218A (ko) | 장애물에 관한 비행 상황을 인지하여 무인 이동체의 속도 제어 방법 및 무인 이동체 | |
Isaacs et al. | GPS-optimal micro air vehicle navigation in degraded environments | |
Mason et al. | Combining LoRaWAN and a new 3D motion model for remote UAV tracking | |
Akbaş et al. | Molecular geometry inspired positioning for aerial networks | |
Zhou et al. | RSSI-based mobile robot navigation in grid-pattern wireless sensor network | |
Baek et al. | Optimal sensor management for multiple target tracking using cooperative unmanned aerial vehicles | |
Parashar et al. | Particle filter based localization of access points using direction of arrival on mobile robots | |
CN112505718A (zh) | 用于自动驾驶车辆的定位方法、***及计算机可读介质 | |
CN113923776B (zh) | 一种屏蔽目标位置确认及无人机自适应干扰***和方法 | |
Di Franco et al. | Data fusion for relative localization of wireless mobile nodes | |
CN112799420B (zh) | 一种基于多传感器无人机的实时航迹规划的方法 | |
Halder et al. | A Hybrid Localization Approach for UAV based on AODV and RSSI in FANETs | |
Torres-Gonzalez et al. | Accurate fast-mapping Range-Only SLAM for UAS applications |
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 |