仿信鸽脑-海马的无人机同时定位与建图导航系统及方法

    公开(公告)号:CN112097769B

    公开(公告)日:2022-06-10

    申请号:CN202010776277.9

    申请日:2020-08-05

    IPC分类号: G01C21/20 G01C21/32

    摘要: 本发明公开一种仿信鸽脑‑海马的无人机同时定位与建图导航系统及方法,该系统包括7个模块,分别为图像采集与预处理模块、局部视场细胞模块、里程计模块、位姿细胞模块、头朝向细胞模块、网格细胞模块、经验地图模块;本发明方法模拟鸽脑海马具有两种独立导航机制的特点,基于连续吸引子神经网络模型,分别建立了两种类脑导航路径积分算法,并结合局部视图细胞、位姿细胞和经验地图等模块,实现冗余、鲁棒的定位和导航,弥补了原始RatSLAM算法不具备冗余导航的缺点,可以辅助无人机实现导航与定位,提高无人机智能水平。

    一种基于ResNet的仿鹰脑特征整合小目标识别方法

    公开(公告)号:CN109344878B

    公开(公告)日:2021-03-30

    申请号:CN201811038980.9

    申请日:2018-09-06

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开一种基于ResNet的仿鹰脑特征整合小目标识别方法:步骤一、建立小目标识别图库;步骤二、初始化设置;步骤三、图像归一化:计算小目标识别图库中所有图像的均值与方差,并利用该均值和方差对所有图像进行归一化,并对图像大小进行归一化;步骤四、逐层计算ResNet‑34卷积层输出;步骤五、仿鹰脑特征整合;步骤六、小目标分类;步骤七、完成小目标分类网络训练;步骤八、小目标分类网络测试。本发明方法使用全局池化操作能够大大减少全连接层的参数,使用特征并行融合的方法能够同时利用不同层次的特征进行小目标识别,从而达到更好的分类效果。

    一种仿信鸽地貌感知归巢机制的无人机自主导航方法

    公开(公告)号:CN110672088A

    公开(公告)日:2020-01-10

    申请号:CN201910846601.7

    申请日:2019-09-09

    IPC分类号: G01C21/00 G01C21/20 G06N3/04

    摘要: 本发明公开一种仿信鸽地貌感知归巢机制的无人机自主导航方法,步骤如下:步骤一、初始化环境场,训练神经网络;步骤二、仿信鸽地貌感知行为的目标检测;步骤三、仿信鸽地标导航的无人机位姿估计与建图;步骤四、3D点云分割;步骤五、数据融合;步骤六、仿信鸽动态感知的地标类别判定;步骤七、仿信鸽感知决策的飞行路径更新;步骤八、输出飞行路径。本发明可以实现无人机在应用场景下的自主导航,同时实现了建立高级的、具有地标信息的地图的功能,增加无人机对环境的感知和交互能力;此外,利用目标识别得到的语义信息消除位姿估计模块中运动目标带来的干扰,提高无人机定位与导航的准确性和鲁棒性。

    一种基于ResNet的仿鹰脑特征整合小目标识别方法

    公开(公告)号:CN109344878A

    公开(公告)日:2019-02-15

    申请号:CN201811038980.9

    申请日:2018-09-06

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开一种基于ResNet的仿鹰脑特征整合小目标识别方法:步骤一、建立小目标识别图库;步骤二、初始化设置;步骤三、图像归一化:计算小目标识别图库中所有图像的均值与方差,并利用该均值和方差对所有图像进行归一化,并对图像大小进行归一化;步骤四、逐层计算ResNet-34卷积层输出;步骤五、仿鹰脑特征整合;步骤六、小目标分类;步骤七、完成小目标分类网络训练;步骤八、小目标分类网络测试。本发明方法使用全局池化操作能够大大减少全连接层的参数,使用特征并行融合的方法能够同时利用不同层次的特征进行小目标识别,从而达到更好的分类效果。

    仿信鸽脑-海马的无人机同时定位与建图导航系统及方法

    公开(公告)号:CN112097769A

    公开(公告)日:2020-12-18

    申请号:CN202010776277.9

    申请日:2020-08-05

    IPC分类号: G01C21/20 G01C21/32

    摘要: 本发明公开一种仿信鸽脑‑海马的无人机同时定位与建图导航系统及方法,该系统包括7个模块,分别为图像采集与预处理模块、局部视场细胞模块、里程计模块、位姿细胞模块、头朝向细胞模块、网格细胞模块、经验地图模块;本发明方法模拟鸽脑海马具有两种独立导航机制的特点,基于连续吸引子神经网络模型,分别建立了两种类脑导航路径积分算法,并结合局部视图细胞、位姿细胞和经验地图等模块,实现冗余、鲁棒的定位和导航,弥补了原始RatSLAM算法不具备冗余导航的缺点,可以辅助无人机实现导航与定位,提高无人机智能水平。

    一种自主空中加油对接仿生视觉导航控制系统及方法

    公开(公告)号:CN109085845A

    公开(公告)日:2018-12-25

    申请号:CN201810856669.9

    申请日:2018-07-31

    摘要: 本发明一种自主空中加油对接仿生视觉导航控制系统及方法,该系统包括:加/受油机底层控制模块、多干扰软管-锥套稳定控制模块、使能与选择模块、近距视觉相对导航模块、受油机相对位置精确控制模块。该方法如下:步骤一:受油机、软管-锥套、多种风干扰建模,给定初始状态;步骤二:锥套位置稳定控制;步骤三:加/受油机相对位置计算,视觉使能判断;步骤四:相对位置精确控制;步骤五:利用仿鹰眼颜色视觉进行导航方法选择;步骤六:锥套所有标志点检测正常的近距视觉导航;步骤七:锥套距离远或者部分标志点被遮挡情况下的近距视觉导航;步骤八:选择利用GPS信号或视觉导航信号控制,并设计视觉导航下的控制;步骤九:判断对接是否成功。

    一种仿信鸽地貌感知归巢机制的无人机自主导航方法

    公开(公告)号:CN110672088B

    公开(公告)日:2021-03-30

    申请号:CN201910846601.7

    申请日:2019-09-09

    IPC分类号: G01C21/00 G01C21/20 G06N3/04

    摘要: 本发明公开一种仿信鸽地貌感知归巢机制的无人机自主导航方法,步骤如下:步骤一、初始化环境场,训练神经网络;步骤二、仿信鸽地貌感知行为的目标检测;步骤三、仿信鸽地标导航的无人机位姿估计与建图;步骤四、3D点云分割;步骤五、数据融合;步骤六、仿信鸽动态感知的地标类别判定;步骤七、仿信鸽感知决策的飞行路径更新;步骤八、输出飞行路径。本发明可以实现无人机在应用场景下的自主导航,同时实现了建立高级的、具有地标信息的地图的功能,增加无人机对环境的感知和交互能力;此外,利用目标识别得到的语义信息消除位姿估计模块中运动目标带来的干扰,提高无人机定位与导航的准确性和鲁棒性。

    一种基于非劣解鸽群优化的无人机集群编队控制方法

    公开(公告)号:CN109917806A

    公开(公告)日:2019-06-21

    申请号:CN201910193111.1

    申请日:2019-03-14

    IPC分类号: G05D1/10 G05B13/04 G05B13/02

    摘要: 本发明是一种基于非劣解鸽群优化的无人机集群编队控制方法,其实现步骤为:步骤一:无人机集群编队模型;步骤二:无人机集群编队状态预测;步骤三:初始化非劣解鸽群优化方法的参数;步骤四:基于非劣解鸽群优化的方法设计;步骤五:基于非劣解鸽群优化的无人机集群编队RHC控制器设计;步骤六:无人机集群编队控制方法结果输出。该方法旨在提供一种实时、在线优化无人机集群编队控制器的方法,从而有效提高复杂战场环境下的无人机集群编队的控制水平。

    一种仿鸽子智能的无人机自主导航系统及方法

    公开(公告)号:CN110081875B

    公开(公告)日:2020-10-09

    申请号:CN201910338535.2

    申请日:2019-04-25

    IPC分类号: G01C21/00 G01C11/04

    摘要: 本发明公开一种仿鸽子智能的无人机自主导航系统及方法,该系统具体包括仿鸽子地磁导航定向模块、仿鸽子智能行为‑认知的主动视觉目标感知模块、仿鸽子地貌参考导航的自然场景运动估计模块、仿鸽子即时归巢机制的拼接地图快速导航模块;本发明的系统和方法,模拟鸽子的归巢过程中涌现出的智能导航机制,可以实现基于地磁场导航定向,尺度、旋转不变的目标识别,基于自然场景的运动估计和基于特殊地标的拼接地图快速导航。将所述方法集成为一个自主导航系统,充分模拟了鸽子导航行为机制,并可以实现无人机自主导航,具备不依赖卫星导航系统、高性能、高自主、抗干扰等优势。

    一种基于非劣解鸽群优化的无人机集群编队控制方法

    公开(公告)号:CN109917806B

    公开(公告)日:2020-08-11

    申请号:CN201910193111.1

    申请日:2019-03-14

    IPC分类号: G05D1/10 G05B13/04 G05B13/02

    摘要: 本发明是一种基于非劣解鸽群优化的无人机集群编队控制方法,其实现步骤为:步骤一:无人机集群编队模型;步骤二:无人机集群编队状态预测;步骤三:初始化非劣解鸽群优化方法的参数;步骤四:基于非劣解鸽群优化的方法设计;步骤五:基于非劣解鸽群优化的无人机集群编队RHC控制器设计;步骤六:无人机集群编队控制方法结果输出。该方法旨在提供一种实时、在线优化无人机集群编队控制器的方法,从而有效提高复杂战场环境下的无人机集群编队的控制水平。