一种无人机降落过程中视觉锚点的检测方法及系统

    公开(公告)号:CN112102412A

    公开(公告)日:2020-12-18

    申请号:CN202011235408.9

    申请日:2020-11-09

    IPC分类号: G06T7/73

    摘要: 本发明公开一种无人机降落过程中视觉锚点的检测方法及系统,首先根据锚点的属性选取了一组可较好表征无人机空间位置和姿态的锚点;然后利用锚点检测模型中的目标检测神经子网络从视觉图像中提取出无人机区域,可有效避免背景区域对无人机锚点检测的干扰;最后设计了一种基于区域分块的多分辨率锚点检测架构,先将无人机区域分成多块不同分辨率的子区域,再利用锚点检测模型中的锚点检测子网络分别对完整的无人机区域和子区域进行锚点检测,增强了对不同尺度无人机目标锚点检测的鲁棒性,之后通过求取各组原始锚点间相同原始锚点的位置均值,得到视觉锚点,有效增强了锚点检测的准确性。

    一种无人机集群飞行中有限交互情形下的协同控制方法

    公开(公告)号:CN114895699B

    公开(公告)日:2024-09-06

    申请号:CN202210296943.8

    申请日:2022-03-24

    IPC分类号: G05D1/46 G05D1/695

    摘要: 本发明涉及一种无人机集群飞行中有限交互情形下的协同控制方法,包括:确定信息无人机用于对周围普通无人机进行协同控制的输入输出变量和语言值,并依据专家经验法得出输入输出变量与所述语言值之间的隶属度函数;基于输入输出变量和语言值,设计无人机协同控制方案,以及对无人机协同控制方案进行模糊推理;将完成的无人机协同控制方案和隶属度函数导入信息无人机;信息无人机采集周围实时的输入语言值,且确定出用于对周围所述普通无人机进行协同控制的输出语言值;信息无人机对确定出的输出语言值进行去模糊化处理,生成包含有精确值的输出变量;信息无人机基于输出变量所包含的精确值改变信息无人机的通信覆盖范围。

    面向无人机集群紧密编队构型的分布式相对定位方法及系统

    公开(公告)号:CN113110589A

    公开(公告)日:2021-07-13

    申请号:CN202110477081.4

    申请日:2021-04-29

    IPC分类号: G05D1/10

    摘要: 本发明公开一种面向无人机集群紧密编队构型的分布式相对定位方法及系统,该方法步骤包括:步骤S1、在每个无人机平台上部署安装UWB标签,各无人机平台通过部署的所述UWB标签进行通信;步骤S2、将每个无人机平台配置为一个测量节点,各无人机平台之间按照轮询方式进行两两相互测量定位,以在各测量节点中建立当前测量节点相对于其余测量节点的空间位置状态关系,实现分布式相对定位。本发明具有实现方法简单、成本及功耗低、不需要依赖于辅助测量手段且定位精准等优点。

    一种无人机降落过程中视觉锚点的检测方法及系统

    公开(公告)号:CN112102412B

    公开(公告)日:2021-01-26

    申请号:CN202011235408.9

    申请日:2020-11-09

    IPC分类号: G06T7/73

    摘要: 本发明公开一种无人机降落过程中视觉锚点的检测方法及系统,首先根据锚点的属性选取了一组可较好表征无人机空间位置和姿态的锚点;然后利用锚点检测模型中的目标检测神经子网络从视觉图像中提取出无人机区域,可有效避免背景区域对无人机锚点检测的干扰;最后设计了一种基于区域分块的多分辨率锚点检测架构,先将无人机区域分成多块不同分辨率的子区域,再利用锚点检测模型中的锚点检测子网络分别对完整的无人机区域和子区域进行锚点检测,增强了对不同尺度无人机目标锚点检测的鲁棒性,之后通过求取各组原始锚点间相同原始锚点的位置均值,得到视觉锚点,有效增强了锚点检测的准确性。

    一种单边双向测距方法及装置

    公开(公告)号:CN113311384B

    公开(公告)日:2023-11-10

    申请号:CN202110477103.7

    申请日:2021-04-29

    IPC分类号: G01S5/02

    摘要: 本发明公开一种单边双向测距方法及装置,该方法步骤包括:S1.当用于测距的发送设备与应答设备之间通过内置的射频芯片、天线传输测距消息以及应答消息时,分别获取测距消息、应答消息的发送时间与接收时间,并使用天线的时延进行修正,提取出测距消息、应答消息在发送设备与应答设备间传播的发送时间戳、接收时间戳;S2.根据提取的发送、接收时间戳,计算出发送设备与应答设备之间的距离初值;S3.对计算出的距离初值使用预设模型进行修正,得到修正后的距离值;S4.对修正后的距离值使用滤波器进行滤波,输出滤波后的测量结果。本发明具有实现方法简单、测量效率及精度高、误差小且时间可估算等优点。

    面向无人机集群紧密编队构型的分布式相对定位方法及系统

    公开(公告)号:CN113110589B

    公开(公告)日:2023-05-16

    申请号:CN202110477081.4

    申请日:2021-04-29

    IPC分类号: G05D1/10

    摘要: 本发明公开一种面向无人机集群紧密编队构型的分布式相对定位方法及系统,该方法步骤包括:步骤S1、在每个无人机平台上部署安装UWB标签,各无人机平台通过部署的所述UWB标签进行通信;步骤S2、将每个无人机平台配置为一个测量节点,各无人机平台之间按照轮询方式进行两两相互测量定位,以在各测量节点中建立当前测量节点相对于其余测量节点的空间位置状态关系,实现分布式相对定位。本发明具有实现方法简单、成本及功耗低、不需要依赖于辅助测量手段且定位精准等优点。

    一种无人机集群飞行中有限交互情形下的协同控制方法

    公开(公告)号:CN114895699A

    公开(公告)日:2022-08-12

    申请号:CN202210296943.8

    申请日:2022-03-24

    IPC分类号: G05D1/10

    摘要: 本发明涉及一种无人机集群飞行中有限交互情形下的协同控制方法,包括:确定信息无人机用于对周围普通无人机进行协同控制的输入输出变量和语言值,并依据专家经验法得出输入输出变量与所述语言值之间的隶属度函数;基于输入输出变量和语言值,设计无人机协同控制方案,以及对无人机协同控制方案进行模糊推理;将完成的无人机协同控制方案和隶属度函数导入信息无人机;信息无人机采集周围实时的输入语言值,且确定出用于对周围所述普通无人机进行协同控制的输出语言值;信息无人机对确定出的输出语言值进行去模糊化处理,生成包含有精确值的输出变量;信息无人机基于输出变量所包含的精确值改变信息无人机的通信覆盖范围。

    一种单边双向测距方法及装置
    8.
    发明公开

    公开(公告)号:CN113311384A

    公开(公告)日:2021-08-27

    申请号:CN202110477103.7

    申请日:2021-04-29

    IPC分类号: G01S5/02

    摘要: 本发明公开一种单边双向测距方法及装置,该方法步骤包括:S1.当用于测距的发送设备与应答设备之间通过内置的射频芯片、天线传输测距消息以及应答消息时,分别获取测距消息、应答消息的发送时间与接收时间,并使用天线的时延进行修正,提取出测距消息、应答消息在发送设备与应答设备间传播的发送时间戳、接收时间戳;S2.根据提取的发送、接收时间戳,计算出发送设备与应答设备之间的距离初值;S3.对计算出的距离初值使用预设模型进行修正,得到修正后的距离值;S4.对修正后的距离值使用滤波器进行滤波,输出滤波后的测量结果。本发明具有实现方法简单、测量效率及精度高、误差小且时间可估算等优点。

    一种无人机降落空间位置和姿态端到端估计方法

    公开(公告)号:CN112268564B

    公开(公告)日:2021-03-02

    申请号:CN202011555526.8

    申请日:2020-12-25

    IPC分类号: G01C21/20 G06N3/04 G06N3/08

    摘要: 本发明公开一种无人机降落空间位置和姿态端到端估计方法,包括如下步骤:步骤1,获取地基视觉拍摄的无人机降落实时图像序列,并基于各帧无人机降落实时图像之间的时域关联,得到无人机相对地基相机的位姿;步骤2,基于地基相机与世界坐标系的转换矩阵,将无人机相对地基相机的位姿转换为在世界坐标系下的空间位姿。依托机器学习理论,充分借鉴深度学习在计算机视觉领域的优秀成果,通过设计一种无人机目标相对空间位姿深度神经网络,实现了无人机降落过程中由图像到无人机空间位姿的端到端直接估计,相比传统的多模块串行方法大幅提升了无人机降落过程中位姿估计对环境光照、视觉背景以及观测视角等因素适应性。

    一种无人机降落空间位置和姿态端到端估计方法

    公开(公告)号:CN112268564A

    公开(公告)日:2021-01-26

    申请号:CN202011555526.8

    申请日:2020-12-25

    IPC分类号: G01C21/20 G06N3/04 G06N3/08

    摘要: 本发明公开一种无人机降落空间位置和姿态端到端估计方法,包括如下步骤:步骤1,获取地基视觉拍摄的无人机降落实时图像序列,并基于各帧无人机降落实时图像之间的时域关联,得到无人机相对地基相机的位姿;步骤2,基于地基相机与世界坐标系的转换矩阵,将无人机相对地基相机的位姿转换为在世界坐标系下的空间位姿。依托机器学习理论,充分借鉴深度学习在计算机视觉领域的优秀成果,通过设计一种无人机目标相对空间位姿深度神经网络,实现了无人机降落过程中由图像到无人机空间位姿的端到端直接估计,相比传统的多模块串行方法大幅提升了无人机降落过程中位姿估计对环境光照、视觉背景以及观测视角等因素适应性。