-
公开(公告)号：CN111209294B
公开(公告)日：2023-10-24
申请号：CN202010031198.5
申请日：2020-01-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/24 , G06F16/29 , G06F18/22 , G06F18/2413 , G01C21/20
Abstract: 本发明适用于多无人机分布式搜索技术领域，提供了一种基于区域分配面向多无人机的分布式覆盖搜索方法,包括：S1、根据RKNN算法将栅格地图单元进行合并划分到不同区域；S2、根据模型预测控制得到每个无人机需要搜索区域集合并将集合中的区域分配给无人机；S3、无人机根据自己分配到的区域设计搜索路线对区域进行覆盖搜索。该方法能够在更短时间完成搜索任务；相比于直接使用多旅行商问题进行求解，利用栅格区域化减少了求解难度，简化了求解的时间复杂度；能够有效应对搜索过程中出现的突发情况；分别针对已知环境和未知环境提供了对应的路径规划方案，能适应更多的应用场景。
-
公开(公告)号：CN111209294A
公开(公告)日：2020-05-29
申请号：CN202010031198.5
申请日：2020-01-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明适用于多无人机分布式搜索技术领域，提供了一种基于区域分配面向多无人机的分布式覆盖搜索方法,包括：S1、根据PKNN算法将栅格地图单元进行合并划分到不同区域；S2、根据模型预测控制得到每个无人机需要搜索区域集合并将集合中的区域分配给无人机；S3、无人机根据自己分配到的区域设计搜索路线对区域进行覆盖搜索。该方法能够在更短时间完成搜索任务；相比于直接使用多旅行商问题进行求解，利用栅格区域化减少了求解难度，简化了求解的时间复杂度；能够有效应对搜索过程中出现的突发情况；分别针对已知环境和未知环境提供了对应的路径规划方案，能适应更多的应用场景。
-
公开(公告)号：CN109523011B
公开(公告)日：2021-07-27
申请号：CN201811321756.0
申请日：2018-11-06
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及一种面向多无人机协同探测的多传感器自适应管理方法。该方法包括采用贝叶斯网络推理技术的目标协同识别模型；利用贝叶斯网络通过离线学习和在线学习的方式得到多传感器特征级别协同感知概率；使用感知信息熵来表征目标类别的“不确定性”；基于感知信息熵建立了目标协同识别到传感器动态管理的“感知‑学习‑决策‑行动”的探测闭环；使用感知信息熵增量作为多无人机协同探测网络的传感器资源动态调度的判断依据；采用遗传算法与粒子群算法相结合的智能优化算法提升“多无人机‑多目标”的分配效率；从多传感器多目标特征综合识别的角度出发，利用多种传感器探测的多种特征对未知目标进行识别。
-
公开(公告)号：CN109523011A
公开(公告)日：2019-03-26
申请号：CN201811321756.0
申请日：2018-11-06
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及一种面向多无人机协同探测的多传感器自适应管理方法。该方法包括采用贝叶斯网络推理技术的目标协同识别模型；利用贝叶斯网络通过离线学习和在线学习的方式得到多传感器特征级别协同感知概率；使用感知信息熵来表征目标类别的“不确定性”；基于感知信息熵建立了目标协同识别到传感器动态管理的“感知-学习-决策-行动”的探测闭环；使用感知信息熵增量作为多无人机协同探测网络的传感器资源动态调度的判断依据；采用遗传算法与粒子群算法相结合的智能优化算法提升“多无人机-多目标”的分配效率；从多传感器多目标特征综合识别的角度出发，利用多种传感器探测的多种特征对未知目标进行识别。
-
-
-
Search Results
4
records
(took 0.018 seconds)
