基于三维维诺图的多无人机协同围捕轨迹规划方法及系统

    公开(公告)号:CN117724531A

    公开(公告)日:2024-03-19

    申请号:CN202311739676.8

    申请日:2023-12-18

    Abstract: 本发明公开了基于三维维诺图的多无人机协同围捕轨迹规划方法及系统,包括无人机和目标的运动状态信息感知、前端基于三维维诺图计算的点到点轨迹规划、后端的轨迹优化;在点到点轨迹规划中使用GPU加速的三维维诺图对无人机和目标位置及所处空间进行了建模与元胞划分,根据保证收敛的质心策略计算目标点;在后端的轨迹优化中,构建了保证目标可见性的带约束的优化问题,进行重新参数化并将优化问题的约束转化为无约束优化项,并使用数值优化方法求解。本发明能够实现灵活且具有理论依据的多无人机协同目标围捕轨迹规划,使得围捕决策更加高效、轨迹规划更加可靠、求解速度更加迅捷。

    一种基于事件聚类的多动态目标感知方法及装置

    公开(公告)号:CN117710412A

    公开(公告)日:2024-03-15

    申请号:CN202311687738.5

    申请日:2023-12-11

    Abstract: 本发明公开了一种基于事件聚类的多动态目标感知方法及装置,其中硬件假设是将事件相机、深度相机与IMU固定安装于同一刚体上,分别与主机连接,事件相机与深度相机需形成共视关系,利用事件信息捕捉高速目标,基于硬件架设后,主机通过检测、定位及预测动态目标得出计算结果,包括了事件相机动态目标检测与追踪、相机对齐与深度获取、目标定位非线性优化及轨迹预测。本发明解决了现有动态目标检测系统中动捕设备昂贵且固定的问题、受限于普通相机性质难以定位高速目标的问题。本发明利用事件相机的高帧率、无运动模糊特性检测目标,并结合深度信息定位、预测,使得移动设备仅凭自身感知即可实现高速目标的检测、定位及预测。

    一种无人机拦截高速目标的轨迹规划方法

    公开(公告)号:CN116700303A

    公开(公告)日:2023-09-05

    申请号:CN202310536871.4

    申请日:2023-05-11

    Abstract: 本发明涉及无人机技术领域,尤其涉及一种无人机拦截高速目标的轨迹规划方法,首先根据所要拦截目标的运动状态信息,得到目标预测的轨迹或者未来一段时间内离散的状态量,然后利用庞特里亚金极小值原理计算得出无人机控制量最优的点到点的规划轨迹,再对规划轨迹进行优化,在轨迹优化中,先构建无人机与目标带约束的优化问题,再利用几何约束下的最优控制理论对规划轨迹进行重参数化,接着将带约束优化问题转化为无约束优化问题,最后对转化后的无约束优化问题使用拟牛顿法进行求解。本发明能够优化无人机拦截高速目标的时机和终端状态,使得拦截更加灵活且自主,且求解速度快、应用的扩展性高。

    基于深度学习和边缘检测的玻璃污垢智能检测方法及系统

    公开(公告)号:CN119904422A

    公开(公告)日:2025-04-29

    申请号:CN202411962513.0

    申请日:2024-12-30

    Abstract: 本发明公开了基于深度学习和边缘检测的玻璃污垢智能检测方法,属于玻璃污垢检测领域,首先构建玻璃污垢目标检测图像数据集;然后通过构建并训练玻璃污垢图像检测模型,利用图像数据集训练构建好的图像检测模型,再通过训练好的玻璃污垢图像检测模型,对待检测图像进行玻璃污垢区域的检测,得到检测框;另一方面,通过边缘检测方法,对待检测图像进行边缘检测,得到边缘区域图;最后将所述检测框与所述边缘区域图结合,对待检测图像中玻璃污垢区域的定位及轮廓分割。本发明避免了大量的训练集标注,降低了成本,深度学习与边缘检测相结合的方式提高了模型性能和精度,而将检测结果传输给机器人控制系统,还能够协助完成工业垃圾清洁。

    一种基于建议分布地图的室内全局定位方法

    公开(公告)号:CN115014352A

    公开(公告)日:2022-09-06

    申请号:CN202210619188.2

    申请日:2022-06-01

    Abstract: 本发明公开了一种基于建议分布地图的室内全局定位方法,包括:对环境栅格地图进行预处理,获取可到达区域,得到可到达区域每个栅格点处模拟激光雷达扫描点云的集合;计算模拟激光雷达扫描点云集合中每个点云的旋转不变性几何特征集合以及质心方向角集合,计算当前状态下的激光雷达扫描点云相同的几何特征集合以及质心方向角;由上一步数据计算xy‑建议分布地图中对应栅格点处的分布概率值、以及计算θ‑建议分布地图中对应栅格点处的概率分布;采用加权随机采样的方法获得粒子滤波器的初始粒子集;用AMCL算法进行运动更新、权重计算、粒子集重采样的过程,直到粒子集收敛,收敛后的粒子集均值位姿即为全局定位结果。本发明提高了全局定位成功率和计算效率。

    一种基于神经网络增强的模型预测轮廓控制系统及方法

    公开(公告)号:CN119439826A

    公开(公告)日:2025-02-14

    申请号:CN202411429527.6

    申请日:2024-10-14

    Abstract: 本发明属于无人机控制技术领域,公开了一种基于神经网络增强的模型预测轮廓控制系统及方法,该系统通过S4‑Conv自适应网络架构处理无人机的多源传感数据,包括里程计、推力输出及PVDF柔性碰撞传感器,精确预测无人机的下一时刻位置与姿态。基于此预测模型,提出了一种神经网络增强的模型预测轮廓控制框架,用于优化无人机的推力输出并进行实时姿态调整。该方法能够快速响应外部碰撞和复杂环境中的动态扰动,显著提高无人机的轨迹跟踪精度与任务执行的稳定性,适用于城市空间、灾区搜救等复杂环境中的无人机飞行控制任务。

    一种无人机拦截运动目标的时间最优轨迹规划方法

    公开(公告)号:CN118938980A

    公开(公告)日:2024-11-12

    申请号:CN202410977805.5

    申请日:2024-07-22

    Abstract: 本发明公开了一种无人机拦截运动目标的时间最优轨迹规划方法,包括无人机自定位、目标检测定位、目标轨迹预测、无人机全动力学轨迹优化预热求解、最终轨迹优化和非线性模型预测控制。在后端的轨迹优化中,构建了包含无人机全动力学的带约束的优化问题,使用数值优化方法预求解一个接近时间最优拦截轨迹的优化问题,最后以预热解为初值求解时间最优的拦截轨迹,并通过非线性模型预测控制方法得到无人机控制量,输入到无人机控制器,完成运动目标的时间最优拦截。本发明能够预测目标运动轨迹,优化无人机拦截目标的时间和速度,使得拦截更加高效,应用的扩展性高,从而解决了现有拦截方法存在的拦截速度慢、成功率低或依赖室内动作捕捉系统等问题。

Patent Agency Ranking