基于改进人工势场法和自适应神经网络的共轴双旋翼无人机避障飞行控制

针对共轴双旋翼无人机(coaxial rotor unmanned aerial vehicle, CR-UAV)在未知和危险环境中飞行避障的控制问题，基于飞行态势图和改进人工势场算法，提出了一种新的避障方法。首先，该方法通过飞行态势图对障碍物信息进行建模，考虑了CR-UAV飞行控制的约束条件，可使无人机有效利用障碍物信息进行避障，避免了局部极小点的问题，无人机的控制和避障能力显著提高；其次，采用基于径向基函数的神经网络(RBFNN)对CR-UAV飞行中的干扰进行估计并实时补偿，采用非线性状态误差反馈实现CR-UAV的姿态跟踪控制，从而保持无人机避障飞行过程中的姿态稳定；最后，进行了仿真实验。从仿真结果可以看出，无人机在避障飞行具有良好的姿态稳定能力。     

基于LGMD的无人机避障方法研究

为提高无人机避障的灵活性和可靠性，提出了一种基于LGMD（Lobula Giant Movement Detector）的无人机避障方法，通过将视场分割为上、下、左、右4个方位，形成4个方位竞争的LGMD（C-LGMD），并利用Matlab软件进行算法实现和视频仿真分析，最后将算法移植到无人机硬件系统，开展悬停测试和实时飞行实验研究。由视频仿真分析和悬停测试结果表明，该算法能有效分辨来自不同方位的障碍物，具有较好的避障性能和鲁棒性；在实时飞行测试中，无人机在室内环境中可实现三维空间有效避障，验证了该算法的可靠性。研究结果为进一步探索无人机高效、可靠避障提供参考依据。     

PIXHAWK开源飞控的多旋翼无人机避障技术研究

针对当前无人机的安全问题,提出一种基于PIXHAWK开源飞控的无人避障控制方法.在PIXHAWK开源飞控中添加了超声波传感器、激光测距仪、电磁传感器,并对不同传感器的信息进行融合,依据无人机与障碍物的距离及遥控器的通道值,解算出无人机远离障碍物的姿态信息,实现多旋翼无人机的避障飞行.实验结果证明,该系统具有价格便宜、控制精度高、安全性能可靠的特点,在无人机安全飞行领域具有一定的应用价值.     

基于边缘智能感知的无人机空间航迹规划方法

随着海量用频设备的涌现，无人机执行任务的电磁环境愈加复杂，对无人机认知环境和自主避障能力提出了更高的要求。鉴于此，提出了一种基于边缘智能感知的无人机空间航迹规划方法。首先，提出了一个基于边缘智能感知的无人机航迹规划框架，通过边缘服务器、传感器终端和无人机的协同通信与计算，提高无人机的环境感知和自主避障能力；其次，提出了一种基于深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)算法优化的人工势场方法，避免无人机航迹规划陷入局部最小值点，同时行能耗；最后，在静态和动态干扰环境中对所提算法进行仿真实验，结果表明，与现有航迹规划方法相比，所提方法可以优化无人机的飞行航迹和传输数据速率，在静态和动态干扰环境中，无人机飞行能耗分别降低5.59%和11.99%,传输速率分别提高7.64%和16.52%,显著提高了无人机的通信稳定性和对复杂电磁环境的适应性。     

基于贝叶斯决策的无人机飞行路径自动规划方法

传统无人机飞行路径自动规划方法无法获取全部障碍物信号,使无人机飞行不能达到避障效果,导致飞行路线规划效果较差;为此提出基于贝叶斯决策的无人机飞行路径自动规划方法;无人机飞行路径自动规划硬件模块包含自动规划模块、动画演示模块、地图导航模块和数据导出模块,自动规划模块负责控制无人机飞行;动画演示模块使用240PRO型号的LEWITT声卡,为展示飞机飞行路线提供声音;LS-TM8N地图导航模块通过串口将射频信号发送到天线的输入端,再由数据导出模块导出并保存相关数据;基于贝叶斯决策原理,结合贝叶斯元胞蚁群算法,计算贝叶斯先验概率和后验概率,规划无人机飞行路径,获取最优路径;实验结果表明,该方法遇到静态障碍物捕获的避障信号在-28～30mV范围内波动,动态障碍物捕获的避障信号在-27～30 mV范围内波动,与实际障碍物信号波动范围一致,避障效果较优.     

基于深度学习的多旋翼无人机单目视觉目标定位追踪方法

针对无人机对目标的识别定位与跟踪,本文提出了一种基于深度学习的多旋翼无人机单目视觉目标识别跟踪方法,解决了传统的基于双目摄像机成本过高以及在复杂环境下识别准确率较低的问题。该方法基于深度学习卷积神经网络的目标检测算法,使用该算法对目标进行模型训练,将训练好的模型加载到搭载ROS的机载电脑。机载电脑外接单目摄像机,单目摄像头检测目标后,自动检测出目标在图像中的位置,通过采用一种基于坐标求差的优化算法进行目标位置准确获取,然后将目标位置信息转化为控制无人机飞行的期望速度和高度发送给飞控板,飞控板接收到机载电脑发送的跟踪指令,实现对目标物体的跟踪。试验结果验证了该方法可以很好的进行目标识别并实现目标追踪     

基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

基于滚动速度障碍法的无人机山地航测避障路径规划研究

无人机在进行山地航测时,经常遭遇鸟类等动态障碍,若不能及时规避掉障碍,极容易发生坠机事故。为此,研究一种基于滚动速度障碍法的无人机山地航测避障路径规划方法。基于山地环境模型,结合飞行路径长度、路径平滑度建立一个综合目标函数并利用改进布谷鸟搜索算法求解,得到无人机山地航测的初始路径。对图像进行预处理后,识别无人机初始路径飞行过程中遇到的障碍物,并通过超声波测量无人机与障碍物之间的距离,以此建立速度障碍模型,实现速度障碍碰撞分析,通过滚动窗口的方式确定无人机与障碍物是否存在飞行冲突。基于滚动速度障碍避障方法实现滚动角度避障和速度避障,获取最终的优化路径,完成基于滚动速度障碍法的无人机山地航测避障路径规划。测试结果表明:航测避障路径长度为571.45m,平滑度为165.52,规划的方案更具合理性。     

基于多传感器的无人机避障方法研究及应用

随着无人机巡检作业方式应用越来越广泛,巡检过程中对障碍物检测并进行避障显得愈发关键。若无人机碰到杆塔或线路不仅会造成无人机自身的损坏,还会对居民用电造成影响,给检修带来麻烦。毫米波雷达、激光雷达、双目视觉传感器在机器人避障中有广泛应用。但是基于输电线路巡检的多旋翼无人机的实际情况,传感器器件的选型、尺寸、重量,以及障碍物信息与飞控的融合,显得尤为重要。通过对多旋翼无人机搭载毫米波雷达、双目视觉传感器、差分GPS进行了研究,采用多传感器融合方法检测障碍物,利用虚拟力场法(VFF)进行航迹重规划,并实际飞行验证。测试表明该方法对杆塔避障取得了较好的应用效果。     

无人机自主巡检系统的关键技术研究

无人机（UAV）将成为未来电力巡检的主要工具,目前其飞行路径主要根据GPS进行设计。GPS定位精度低,部分区域GPS信号弱,是阻碍无人机电力巡检广泛应用的主要瓶颈。针对复杂环境下的输电线路态势感知,提出一种基于单目视觉的无人机自主巡检系统,实现脱离GPS的自主导航。该系统采用基于深度学习的目标识别检测算法,利用单目视觉的投影变换对尺度已知的待检测目标进行三维定位,然后通过基于大疆SDK开发的飞控程序调整无人机的飞行姿态并自主导航,实现无人机实时巡检。实验结果表明,距离目标物10?m时,该系统在世界坐标系[X、][Y、][Z]三个方向的定位误差分别为0.31 m、0.06 m、0.24 m,处理速度0.76 frame/s,准确性和可行性得到了验证。     

基于贝叶斯估计与区域划分遍历的四轴飞行器避障路径规划算法

为了提高利用图像处理技术进行四轴飞行器避障的实时性,提出一种基于贝叶斯估计与区域划分遍历的避障路径规划算法。首先,通过贝叶斯估计来对四轴飞行器采集到的视频图像进行预处理;其次,对采集到的图像进行障碍物概率分析以获取视频图像中的关键帧,最大限度地提高四轴飞行器的实时性;最后,对选取的图像帧进行背景差分实现障碍物识别,并通过实现基于区域划分的像素点遍历算法提高障碍物识别的准确性。实验结果表明,在保证障碍物识别性能的前提下,所提算法使四轴飞行器进行避障时的实时性有所提升,且四轴飞行器的理想轨迹与实际飞行轨迹的最大距离为25.6 cm,最小距离为0.2 cm。可见所提出的避障路径规划算法为四轴飞行器利用摄像头采集的视频图像进行避障提供了一种高效的解决方案。     

非结构化环境下的单目视觉可通行区域检测

目前三维避障主要采用三维激光雷达或者基于深度学习的障碍物识别,但前者价格昂贵,后者训练成本高且不稳定。为了稳定、鲁棒地实现低成本三维空间避障方案,提出了一种基于单目相机的可通行区域检测方法。该方法利用特征点标识障碍物,通过对相机高度和旋转平面加以约束,解决单目SLAM中的尺度不一致问题,并设计了障碍物距离求解器和代价求解器对小车前方区域特征点进行处理,计算出视觉代价地图,划分可通行区域。该方法优势在于仅需要低成本的单目相机便可完成可通行区域检测任务,可方便地移植到轻量级的移动设备,计算得到的视觉代价地图亦有利于小车后续的路径规划任务。在KITTI数据集上进行的实验表明,该方法的平均运算速度能达到20?frame/s,能满足小车实时避障的要求,对于单目SLAM的尺度恢复误差为2.5%~4.9%。     

Monocular Visual Mapping for Obstacle Avoidance on UAVs

An unmanned aerial vehicle requires adequate knowledge of its surroundings in order to operate in close proximity to obstacles. UAVs also have strict payload and power constraints which limit the number and variety of sensors available to gather this information. It is desirable, therefore, to enable a UAV to gather information about potential obstacles or interesting landmarks using common and lightweight sensor systems. This paper presents a method of fast terrain mapping with a monocular camera. Features are extracted from camera images and used to update a sequential extended Kalman filter. The features locations are parameterized in inverse depth to enable fast depth convergence. Converged features are added to a persistent terrain map which can be used for obstacle avoidance and additional vehicle guidance. Simulation results, results from recorded flight test data, and flight test results are presented to validate the algorithm.     

Design and research of automobile anti-collision warning system based on monocular vision sensor with license plate cooperative target

At present, detection method for the target vehicle based on monocular vision sensor uses the whole vehicle as targets. The automobile anti-collision technology proposed in this paper adopts monocular vision sensor for automobile measurement based on vehicle license plate cooperative target. Monocular vision sensor has advantages of good real-time performance and low cost. The technique can improve the detection capability of vehicle collision avoidance warning systems. In addition to the target vehicle positioning, it can also realize attitude determination. This technology eliminates the limits of road surface roughness and fluctuation. This paper designs the realization scheme of collision warning system based on monocular vision sensor from the automobile license plate cooperative target. Technology roadmap of automobile collision warning system is given. In this paper, license plate frame location is as the research background. The paper presents an analytic solution of positioning method for the license plate frame image. The method uses four vertex characteristics of license plate frame image to locate. Positioning speed of the method is fast. And it has a unique solution. This method can be used to positioning for the license plate frame. Simulation experiment is done for the collision warning location. The simulation results show that this method can locate the position for license plate frame image. License plate is regular shape, uniform, with identity recognition function markers on the automobile body. In the previous research on automotive collision warning and intelligent vehicle, we have not seen the research methods similar to the method introduced in this paper. The research enriches automobile anti-collision technology and theory of intelligent vehicle technology. It can also provide an auxiliary method for navigation and obstacle avoidance research for unmanned vehicle. It has certain scientific significance. Vehicle collision warning system can help the driver judgment, prompting warning, improving driving safety, and has broad application prospects.     

基于BP神经网络的移动机器人避障设计及仿真

为了解决移动机器人在复杂环境中如何高效精确地躲避障碍物的问题,提出了一种基于BP神经网络的避障方法。建立了机器人的避障运动模型并设计了神经网络避障控制系统;分析了机器人在运动过程中与障碍物的位置关系,使用超声波传感器采集距离信息,进行BP神经网络输入、输出训练并采用Matlab工具进行仿真试验。结果表明,该方法可以高效精确地实现移动机器人的自主避障,运行相对稳定、轨迹连续平滑,达到了较为理想的避障效果。验证了方法的可行性和有效性,为移动机器人自主避障提供了一种新的控制方法。     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。