一种无人机目标跟踪轨迹生成方法、无人机及存储介质

    公开(公告)号:CN111833381B

    公开(公告)日:2024-07-23

    申请号:CN202010587797.5

    申请日:2020-06-24

    Abstract: 本发明公开了一种无人机目标跟踪轨迹生成方法、无人机及存储介质,所述无人机目标跟踪轨迹生成方法根据环境图像获取目标在当前时刻后预设时长内目标以及移动障碍物的位置,并根据目标以及移动障碍物的位置确定无人机在当前时刻后预设时长内的目标跟踪轨迹,实现了针对存在移动障碍物环境的无人机目标跟踪轨迹生成。

    一种受限多智能体系统编队控制方法、系统及设备

    公开(公告)号:CN111983923B

    公开(公告)日:2022-12-23

    申请号:CN202010693046.1

    申请日:2020-07-17

    Abstract: 本发明提出了一种受限多智能体系统编队控制方法、系统及设备,通过建立受限多智能体系统模型,该系统模型包括:多智能体系统拓扑模型、多智能体系统动力学模型和带有多非光滑优化指标的分布式资源分配优化模型;根据所述位置最优解对应的多近端算子、所述多智能体系统动力学模型和所述分布式资源分配优化模型,计算得到各个智能体的满足预设编队条件的第一位置状态信息使用第一位置状态信息对各个智能体进行位置状态控制。本实施例所提供的方法充分利用多智能体系统的群体性优势,可分布式地动态求解优化问题的最优解,并可以光滑地控制受限多智能体系统完成编队任务,可扩展性强,具有很高的实用性。

    一种基于树干特征的无人机定位方法、无人机及存储介质

    公开(公告)号:CN111811501A

    公开(公告)日:2020-10-23

    申请号:CN202010597975.2

    申请日:2020-06-28

    Abstract: 本发明公开了一种基于树干特征的无人机定位方法、无人机及存储介质,所述方法包括:根据无人机的惯性测量单元的测量数据获取所述无人机的定位参数在预设时段内各个时刻分别与惯性测量单元参数的第一对应关系;获取所述惯性测量单元在所述预设时段内的数据残差与所述惯性测量单元参数的第二对应关系;根据树干特征获取所述预设时段内的树干特征投影残差与所述惯性测量单元参数的第三对应关系;根据所述第一对应关系、所述第二对应关系以及所述第三对应关系获取目标惯性测量单元参数。所述基于树干特征的无人机定位方法基于树干特征以及无人机的惯性测量单元来对无人机进行定位,能够在森林环境下不依靠GPS信号实现定位。

    一种基于树干特征的无人机定位方法、无人机及存储介质

    公开(公告)号:CN111811501B

    公开(公告)日:2022-03-08

    申请号:CN202010597975.2

    申请日:2020-06-28

    Abstract: 本发明公开了一种基于树干特征的无人机定位方法、无人机及存储介质,所述方法包括:根据无人机的惯性测量单元的测量数据获取所述无人机的定位参数在预设时段内各个时刻分别与惯性测量单元参数的第一对应关系;获取所述惯性测量单元在所述预设时段内的数据残差与所述惯性测量单元参数的第二对应关系;根据树干特征获取所述预设时段内的树干特征投影残差与所述惯性测量单元参数的第三对应关系;根据所述第一对应关系、所述第二对应关系以及所述第三对应关系获取目标惯性测量单元参数。所述基于树干特征的无人机定位方法基于树干特征以及无人机的惯性测量单元来对无人机进行定位,能够在森林环境下不依靠GPS信号实现定位。

    一种无人机目标跟踪轨迹生成方法、无人机及存储介质

    公开(公告)号:CN111833381A

    公开(公告)日:2020-10-27

    申请号:CN202010587797.5

    申请日:2020-06-24

    Abstract: 本发明公开了一种无人机目标跟踪轨迹生成方法、无人机及存储介质,所述无人机目标跟踪轨迹生成方法根据环境图像获取目标在当前时刻后预设时长内目标以及移动障碍物的位置,并根据目标以及移动障碍物的位置确定无人机在当前时刻后预设时长内的目标跟踪轨迹,实现了针对存在移动障碍物环境的无人机目标跟踪轨迹生成。

    一种受限多智能体系统编队控制方法、系统及设备

    公开(公告)号:CN111983923A

    公开(公告)日:2020-11-24

    申请号:CN202010693046.1

    申请日:2020-07-17

    Abstract: 本发明提出了一种受限多智能体系统编队控制方法、系统及设备,通过建立受限多智能体系统模型,该系统模型包括:多智能体系统拓扑模型、多智能体系统动力学模型和带有多非光滑优化指标的分布式资源分配优化模型;根据所述位置最优解对应的多近端算子、所述多智能体系统动力学模型和所述分布式资源分配优化模型,计算得到各个智能体的满足预设编队条件的第一位置状态信息使用第一位置状态信息对各个智能体进行位置状态控制。本实施例所提供的方法充分利用多智能体系统的群体性优势,可分布式地动态求解优化问题的最优解,并可以光滑地控制受限多智能体系统完成编队任务,可扩展性强,具有很高的实用性。

Patent Agency Ranking