空地协同作业场景下无人机快速路径规划与自主降落技术

空地协同作业场景中要求无人机同时具备快速路径规划与精准自主降落功能,这对无人机搭载有限计算资源下算法的实时性和准确性提出了更高要求。主要解决了无人机快速路径规划与自主降落功能一体化实现关键技术难题。首先,针对传统A~*算法实时性差、消耗资源多等问题,将传统8邻域搜索方式改进为16方向搜索方式,并设计高匹配度启发函数和自适应权重系数全面提升路径规划算法性能;其次,设计了基于视觉反馈的面向空地协同作业场景下无人机自主降落策略,提高了自主降落的精度;最后,进行了仿真和实验,验证了所提改进A~*算法、自主降落和一体化实现策略的性能。结果表明,改进的A~*算法在规划路径长度与平滑度性能方面均得到提升,算法实时性大幅提升,满足复杂环境下的实时避障与规划需求;同时,无人机可以快速稳定地降落在地面平台目标点上。

基于自适应神经网络的四旋翼无人机轨迹跟踪控制

四旋翼无人机在飞行过程中易受到难测量的非线性多源干扰,进而影响系统的稳定性和控制精度。针对此问题,提出了一种基于自适应神经网络的鲁棒轨迹跟踪控制策略。首先,将四旋翼无人机的跟踪问题转化为对位置子系统和姿态子系统的期望指令跟踪控制问题,针对2个子系统设计基于干扰估计器的控制策略,使系统快速逼近期望轨迹;其次,针对干扰估计器存在估计误差问题,在位置子系统引入了自适应神经网络补偿,实现非线性多源干扰的高精度补偿;最后,通过仿真与实验验证所提控制策略的性能。实验结果表明,所提控制策略在快时变干扰下仍然能够实现期望轨迹跟踪控制,风扰环境下悬停和圆形轨迹跟踪的位置控制精度分别达到0.02m和0.1m,姿态控制精度达到0.1°。

动态环境下基于语义信息与几何约束的视觉SLAM系统

目前同时定位与地图构建技术多假设外部环境是静态的,忽略了动态目标对SLAM系统的影响,这一假设很大程度上影响了无人系统自主导航的定位精度与鲁棒性。针对这一问题,提出了一种结合目标检测语义信息与多视图极线几何约束的动态SLAM系统,根据运动概率来判别与剔除系统中的动态特征点,并在TUM数据集及实机平台上进行了算法性能测试。实验结果表明在高动态环境下,该系统相较于ORB-SLAM2在绝对轨迹误差上至少可减小94%以上,相对位移轨迹和旋转角度误差分别至少降低了41%和40%,表明该算法能够有效剔除动态特征点,提高了动态环境下视觉SLAM系统的定位精度和鲁棒性。

融合DDPG算法的移动机器人路径规划研究

路径规划是实现移动机器人自主导航的关键技术。针对传统算法不能有效解决未知动态环境下移动机器人路径规划的问题,提出了一种基于深度确定性策略梯度算法(DDPG)与人工势场法相融合的路径规划方法,首先创建并训练基于DDPG算法的路径规划模型;其次,利用人工势场法对DDPG算法的动作选择策略进行干预;最后,在四种仿真环境下验证本文所提算法的性能。仿真实验结果表明,本文提出的算法与DDPG算法相比,移动机器人行驶路径长度减少3%至10%,行驶过程中角速度超过1.0rad/s的次数减少5%至12.5%,表明所提方法能有效提升规划路径的平滑度,同时缩短移动机器人路径规划长度。此外,相较人工势场法,本文所提融合算法可有效解决未知动态环境下移动机器人路径规划难题。