CN218288126U - 无人机 - Google Patents

无人机 Download PDF

Info

Publication number
CN218288126U
CN218288126U CN202222685756.7U CN202222685756U CN218288126U CN 218288126 U CN218288126 U CN 218288126U CN 202222685756 U CN202222685756 U CN 202222685756U CN 218288126 U CN218288126 U CN 218288126U
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
module
radar
frame
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
Application number
CN202222685756.7U
Other languages
English (en)
Inventor
杨科成
吕艳
倪益华
倪忠进
钱佳斌
于航
温春雨
李光雷
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.)
Zhejiang A&F University ZAFU
Original Assignee
Zhejiang A&F University ZAFU
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 Zhejiang A&F University ZAFU filed Critical Zhejiang A&F University ZAFU
Priority to CN202222685756.7U priority Critical patent/CN218288126U/zh
Application granted granted Critical
Publication of CN218288126U publication Critical patent/CN218288126U/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本实用新型公开了无人机,包括无人机机架,所述无人机机架的四角均安装有碳纤架,且碳纤架的下方安装有无刷电机,所述无人机机架的上方中部连接有激光雷达,且激光雷达的一侧设有GPS模块,所述GPS模块的下方安装有GPS固定件;所述雷达驱动模块的下方设有机载处理器,且机载处理器的下方设有航模电池,所述航模电池的右侧安装有激光定高雷达,且激光定高雷达的右侧安装有USB摄像头模组。该无人机,通过设置的减震球,能够减小无人机在飞行过程中产生的抖动对双目相机数据采集的影响;采用海绵缓冲轮设计,防止无人机在降落过程中受到强烈的地面冲击,最大程度对无人机进行保护,延长使用寿命,且海绵缓冲轮便于拆卸更换。

Description

无人机
技术领域
本实用新型涉及无人机技术领域,具体为无人机。
背景技术
无人机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,或者由计算机完全地或间歇地自主地操作,这里我们所说的是一种民用无人机,可用于传统航拍等方面。
目前市面上的无人机,大多需要依靠GPS全球定位***才可以飞行并确认自身位置,而在室内使用时GPS并不能准确的获取无人机位置,为此,我们提出无人机。
实用新型内容
本实用新型的目的在于提供无人机,以解决上述背景技术中提出的问题。
为实现上述目的,本实用新型提供如下技术方案:无人机,包括:
无人机机架,所述无人机机架的四角均安装有碳纤架,且碳纤架的下方安装有无刷电机,所述无人机机架的上方中部连接有激光雷达,且激光雷达的一侧设有GPS模块,所述GPS模块的下方安装有GPS固定件;
飞控模块,其安装在所述激光雷达的下方,所述飞控模块的下方连接有雷达驱动模块,所述雷达驱动模块的下方设有机载处理器,且机载处理器的下方设有航模电池,所述航模电池的右侧安装有激光定高雷达,且激光定高雷达的右侧安装有USB摄像头模组;
电源电压报警模块,其安装在所述机载处理器的左侧;
遥控接收器,其安装在所述激光雷达的前端,所述遥控接收器的下方设置有天线架,所述天线架的前端安装有双目相机。
优选的,所述无刷电机还设有:
机架腿,其连接在所述无刷电机的下方,所述机架腿的内部底侧安装有海绵缓冲轮。
优选的,所述双目相机还设有:
减震球,其安装在所述双目相机的一侧。
优选的,所述激光雷达与雷达驱动模块电性串联,且雷达驱动模块与飞控模块电性并联。
优选的,所述双目相机和USB摄像头模组均与机载处理器电性串联,所述遥控接收器、飞控模块和机载处理器实现电性串联,所述GPS模块、激光定高雷达均与飞控模块电性串联。
优选的,所述飞控模块与四组无刷电机电性串联,所述航模电池与电源电压报警模块电性串联,且航模电池与机载处理器电性连接。
优选的,所述海绵缓冲轮在机架腿内实现转动,且海绵缓冲轮通过螺钉与机架腿构成可拆卸结构。
与现有技术相比,本实用新型提供了无人机,具备以下有益效果:
1.本实用新型通过设置的减震球,能够减小无人机在飞行过程中产生的抖动对双目相机数据采集的影响;采用海绵缓冲轮设计,防止无人机在降落过程中受到强烈的地面冲击,最大程度对无人机进行保护,延长使用寿命,且海绵缓冲轮便于拆卸更换;
2.本实用新型通过设置的电源电压报警模块可实时对无人机的航模电池量进行检测,当检测到电量低于自己设定的阈值时,就会发出警报声提示电量过低;碳纤架为碳纤维材质的机架,具有韧性高和质量相对较轻的优点,在减小无人机整体重量的同时,又保证无人机整体结构的强度;
3.本实用新型通过设置的飞控模块接收机载处理器发送来的位置,速度,加速度指令,经过控制器转化成四个无刷电机的转速,控制飞机平衡姿态,完成任务;通过设置的激光雷达、激光定高雷达、双目相机和USB摄像头模组,能够在室内对无人机位置进行确定,使无人机可以在室内等无法获取GPS信号的地方自主定位。
附图说明
图1为本实用新型整体结构示意图;
图2为本实用新型右视结构示意图;
图3为本实用新型仰视结构示意图;
图4为本实用新型工作流程示意图。
图中:1、激光雷达;2、GPS模块;3、碳纤架;4、海绵缓冲轮;5、遥控接收器;6、天线架;7、双目相机;8、无刷电机;9、GPS固定件;10、电源电压报警模块;11、航模电池;12、飞控模块;13、机架腿;14、雷达驱动模块;15、USB摄像头模组;16、机载处理器;17、激光定高雷达;18、无人机机架;19、减震球。
具体实施方式
下面将结合本实用新型实施例中的附图,对本实用新型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实用新型一部分实施例,而不是全部的实施例。基于本实用新型中的实施例,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,都属于本实用新型保护的范围。
如图1、图2和图4所示,无人机,包括:无人机机架18,无人机机架18的四角均安装有碳纤架3,且碳纤架3的下方安装有无刷电机8,碳纤架3为碳纤维材质的机架,具有韧性高和质量相对较轻的优点,在减小无人机整体重量的同时,又保证无人机整体结构的强度,无人机机架18的上方中部连接有激光雷达1,且激光雷达1的一侧设有GPS模块2,GPS模块2的下方安装有GPS固定件9;飞控模块12,其安装在激光雷达1的下方,飞控模块12与四组无刷电机8电性串联,航模电池11与电源电压报警模块10电性串联,且航模电池11与机载处理器16电性连接,通过设置的飞控模块12接收机载处理器16发送来的位置,速度,加速度指令,经过控制器转化成四个无刷电机8的转速,控制飞机平衡姿态,完成任务,雷达驱动模块14的下方设有机载处理器16,且机载处理器16的下方设有航模电池11,航模电池11的右侧安装有激光定高雷达17,且激光定高雷达17的右侧安装有USB摄像头模组15,天线架6的前端安装有双目相机7,双目相机7和USB摄像头模组15均与机载处理器16电性串联,遥控接收器5、飞控模块12和机载处理器16实现电性串联,GPS模块2、激光定高雷达17均与飞控模块12电性串联,通过设置的激光雷达1、激光定高雷达17、双目相机7和USB摄像头模组15,能够在室内对无人机位置进行确定,使无人机可以在室内等无法获取GPS信号的地方自主定位,激光雷达1与雷达驱动模块14电性串联,且雷达驱动模块14与飞控模块12电性并联;电源电压报警模块10,其安装在机载处理器16的左侧,通过设置的电源电压报警模块10可实时对无人机的航模电池11量进行检测,当检测到电量低于自己设定的阈值时,就会发出警报声提示电量过低;遥控接收器5,其安装在激光雷达1的前端,遥控接收器5的下方设置有天线架6。
如图1和图3所示,无人机,包括:机架腿13,其连接在无刷电机8的下方,机架腿13的内部底侧安装有海绵缓冲轮4;海绵缓冲轮4在机架腿13内实现转动,且海绵缓冲轮4通过螺钉与机架腿13构成可拆卸结构,采用海绵缓冲轮4设计,防止无人机在降落过程中受到强烈的地面冲击,最大程度对无人机进行保护,延长使用寿命,且海绵缓冲轮4便于拆卸更换,减震球19,其安装在双目相机7的一侧,通过设置的减震球19,能够减小无人机在飞行过程中产生的抖动对双目相机7数据采集的影响。
工作原理:在使用该无人机时,使用基于激光雷达1的SLAM算法,使得无人机可以在室内等无法获取GPS信号的地方自主定位,SLAM,也称为CML,即时定位与地图构建,或并发建图与定位。在该无人机中,支持两种定位方式:
1、采用的谷歌发布的Cartographer框架,实现基于激光SLAM自主定位:
激光SLAM适用于视觉信息不明显,环境昏暗等场景,VSLAM则适合场景纹理信息信息丰富的环境来定位,Cartographer融合激光雷达1扫描出的数据+IMU积分数据得到无人机x,y方向的位置和偏航角,通过对地红外信号数据+IMU融合得到高度数据,将此数据代替GPS信号发送给飞控模块12和机载处理器16进行组合导航,从而得到精确的角速度,加速度,位置和方向。
2.采用Intel-T265的双目相机7,实现基于VSLAM的视觉自主定位:
VSLAM融合了Intel-T265实感追踪摄像头即双目相机(7)输出的位置信息,通过对地红外信号数据+IMU融合得到高度数据,将此数据代替GPS信号发送给飞控模块12和机载处理器16进行组合导航,得到精确的角速度,加速度,位置和方向。
而基于激光雷达的自主环境感知与地图构建(SLAM建图),在该无人机中支持三大类SLAM建图实验:2D-SLAM建图(激光SLAM)、3D-SLAM建图(视觉SLAM)、3D-SLAM建图(激光SLAM)。
1、2D-SLAM建图(激光SLAM)
主要传感器:此时激光雷达1使用型号为RPLIDARA3的单线激光雷达,可用算法:Hector-SLAM、Cartographer等,Hector-SLAM不需要使用里程计,所以使得空中无人机存在运用的可行性,自主障碍物规避:用之前已经建好的2D栅格地图加载进地图服务器中,再通过Hector-SLAM算法中的定位功能与导航功能包模块输出的位置信息+地红外信号数据与IMU融合得到高度数据通过MAVROS发布给PX4实现无人机的自主避障功能;
2、3D-SLAM建图(视觉SLAM)
主要传感器:实感追踪摄像头(T265),即型号为(T265 RealSense TrackingCamera)的双目相机7,可用算法:ORB-SLAM3、VINS-Mono、VINS-Fusion等,VINS-Fusion可以进行单目+IMU,双目+IMU或只有双目的多传感器融合定位,另外也可以融进GPS信息,VINS-Fusion的双目+IMU可以在静止条件下完成初始化,因此不用额外考虑,但单目+IMU以及ORBSLAM3的单目/双目+IMU均需要在运动中初始化,在SLAM建图前,我们可以用手晃一晃无人机实现初始化;
3、3D-SLAM建图(激光SLAM)
主要传感器:此时激光雷达1使用型号为VLP-16的多线激光雷达(Velodyne 16),可用算法:A-Loam、Lego-Loam、LIO-SAM、LVI-SAM等;其中,A-Loam、Lego-Loam是纯激光建图,不需要任何其他传感器信息,而LIO-SAM和LVI-SAM是多传感器融合进行建图,LIO-SAM可以选择融合3D激光点云、IMU数据与GPS数据进行建图,LVI-SAM可以融合3D激光点云、摄像头数据、IMU数据与GPS数据进行建图。
无人机视觉导航制导是无人机一项重要的研究任务,无人机视觉导航的基础就是目标识别了,只有准确的识别到了目标,才可以完成一系列跟随,跟踪工作,首先打开无人机上搭载的USB摄像头模组15,通过USB摄像头模组15回传的图像,识别无人机视野中的物体,在这里我们使用的算法是卷积神经网络,算法框架为yolo,实现的工具为darknet。
首先准备一个要识别的物体,从各种不同角度采集大量这个物体的图像,采集完成后以这些图像为数据集训练卷积神经网络模型,将得到的模型通过darknet框架与摄像头结合进行识别,同时本无人机中布署了tiny-YOLOv3算法进行目标的检测,YOLO系列的目标检测算法可以说是目标检测史上的宏篇巨作,YOLOv3创造性的提出了one-stage,也就是将物体分类和物体定位在一个步骤中完成,yolo直接在输出层回归bounding box的位置和bounding box所属类别,从而实现one-stage。通过这种方式,在GeForce1070Ti下可实现6帧每秒的运算速度,本无人机自主一键起飞后悬停后,在无人机摄像头前方放置一个物体在程序中框选出这个物体,可以看到当物体在视野范围内时会慢慢跟随物体运动,最终以激光雷达1、双目相机7、USB摄像头模组15和激光定高雷达17实现无人机在室内精确定位效果。
尽管已经示出和描述了本实用新型的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本实用新型的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本实用新型的范围由所附权利要求及其等同物限定。

Claims (7)

1.无人机,其特征在于,包括:
无人机机架(18),所述无人机机架(18)的四角均安装有碳纤架(3),且碳纤架(3)的下方安装有无刷电机(8),所述无人机机架(18)的上方中部连接有激光雷达(1),且激光雷达(1)的一侧设有GPS模块(2),所述GPS模块(2)的下方安装有GPS固定件(9);
飞控模块(12),其安装在所述激光雷达(1)的下方,所述飞控模块(12)的下方连接有雷达驱动模块(14),所述雷达驱动模块(14)的下方设有机载处理器(16),且机载处理器(16)的下方设有航模电池(11),所述航模电池(11)的右侧安装有激光定高雷达(17),且激光定高雷达(17)的右侧安装有USB摄像头模组(15);
电源电压报警模块(10),其安装在所述机载处理器(16)的左侧;
遥控接收器(5),其安装在所述激光雷达(1)的前端,所述遥控接收器(5)的下方设置有天线架(6),所述天线架(6)的前端安装有双目相机(7)。
2.根据权利要求1所述的无人机,其特征在于,所述无刷电机(8)还设有:
机架腿(13),其连接在所述无刷电机(8)的下方,所述机架腿(13)的内部底侧安装有海绵缓冲轮(4)。
3.根据权利要求1所述的无人机,其特征在于,所述双目相机(7)还设有:
减震球(19),其安装在所述双目相机(7)的一侧。
4.根据权利要求1所述的无人机,其特征在于,所述激光雷达(1)与雷达驱动模块(14)电性串联,且雷达驱动模块(14)与飞控模块(12)电性并联。
5.根据权利要求1所述的无人机,其特征在于,所述双目相机(7)和USB摄像头模组(15)均与机载处理器(16)电性串联,所述遥控接收器(5)、飞控模块(12)和机载处理器(16)实现电性串联,所述GPS模块(2)、激光定高雷达(17)均与飞控模块(12)电性串联。
6.根据权利要求1所述的无人机,其特征在于,所述飞控模块(12)与四组无刷电机(8)电性串联,所述航模电池(11)与电源电压报警模块(10)电性串联,且航模电池(11)与机载处理器(16)电性连接。
7.根据权利要求2所述的无人机,其特征在于,所述海绵缓冲轮(4)在机架腿(13)内实现转动,且海绵缓冲轮(4)通过螺钉与机架腿(13)构成可拆卸结构。
CN202222685756.7U 2022-10-12 2022-10-12 无人机 Active CN218288126U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202222685756.7U CN218288126U (zh) 2022-10-12 2022-10-12 无人机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202222685756.7U CN218288126U (zh) 2022-10-12 2022-10-12 无人机

Publications (1)

Publication Number Publication Date
CN218288126U true CN218288126U (zh) 2023-01-13

Family

ID=84807050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202222685756.7U Active CN218288126U (zh) 2022-10-12 2022-10-12 无人机

Country Status (1)

Country Link
CN (1) CN218288126U (zh)

Similar Documents

Publication Publication Date Title
US11914369B2 (en) Multi-sensor environmental mapping
US11218689B2 (en) Methods and systems for selective sensor fusion
US10914590B2 (en) Methods and systems for determining a state of an unmanned aerial vehicle
CN110062919B (zh) 递送车辆的放下地点规划
US10599149B2 (en) Salient feature based vehicle positioning
JP6487010B2 (ja) ある環境内で無人航空機を制御する方法、ある環境のマップを生成する方法、システム、プログラムおよび通信端末
JP6312178B2 (ja) ナビゲーションシステム、輸送機の状態情報を評価する方法、及び、輸送機の状態情報を評価する装置
CN109708636A (zh) 导航图配置方法、避障方法以及装置、终端、无人飞行器
CN107643762A (zh) 自主导航的无人机***及其导航方法
WO2016179802A1 (en) Apparatuses and methods of recognizing or detecting an obstacle
WO2017206179A1 (en) Simple multi-sensor calibration
CN103144770A (zh) 一种全自主控制入室环境避障导航微型飞行器
CN110209202A (zh) 一种可行空间生成方法、装置、飞行器及飞行器***
CN108450032B (zh) 飞行控制方法和装置
JP2019050007A (ja) 移動体の位置を判断する方法および装置、ならびにコンピュータ可読媒体
US11307583B2 (en) Drone with wide frontal field of view
CN218288126U (zh) 无人机
Aksenov et al. An application of computer vision systems to solve the problem of unmanned aerial vehicle control
CN111398522A (zh) 基于微型无人机的室内空气质量检测***及检测方法
Büchi Sensors and GPS for Drones and Quadcopters
Janarthanan Vision Based Navigation System Design for Unmanned Aerial Vehicles

Legal Events

Date Code Title Description
GR01 Patent grant
GR01 Patent grant