基于时变向量场的多无人机编队集结控制方法

编队集结是无人机编队飞行的必要条件.固定翼无人机由于其速度可变范围有限,难以通过单一的速度调整的方式构成编队.本文提出了一种以路径调节为主、速度调节为辅的无人机编队集结策略,根据各无人机到达集结位置的最短预估时间确定集结时间.并提出一种时变向量场的构造方式,将水平机动的思想与时变向量场相结合,根据无人机的飞行状况通过时变向量场实时调整路径长度,同时调整自身速度,使各无人机都能在集结时间到达集结位置,且速度和航向角保持一致,从而实现编队集结.随后证明了系统的收敛性,并分析了实际情况中避撞问题的处理.论文用某型无人机的大偏差非线性数学模型对所提的编队集结方法进行了验证,证明了所提方法具有较好的实用性.     

时间协同多无人机编队航迹规划

传统导弹武器科研实验时采用单无人机供靶的方式,在空域、人力资源紧张的条件下系统完备性差,同时也难以适应新型抗多目标武器科研实验的需求。因此,提出了一种基于时间协同的无人机编队航迹规划,将整个无人机编队飞行系统分为单机航迹规划层、实时在线多机协同规划层,单机航迹规划层采用基于Dubins的几何规划算法,并输出每架无人机4条可飞行路径至多机规划层,实时在线多机规划层采用基于路径长度最短、时间最小的最优算法解算出每架无人机的最优路径以及飞行速度,并提出绕圈等待他机的控制策略。仿真结果表明,使用该方法控制的多无人机系统能实现同一时刻到达各自的指定目标点的任务,即完成时间协同。     

基于视觉跟踪与自主导航的移动机器人目标跟随系统

针对在移动机器人跟随目标的过程中目标消失的情景，提出了基于视觉跟踪与自主导航的机器人目标跟随系统。将机器人跟随问题分为目标在机器人视野内时的常规跟随和目标消失后的自主导航两种情况。对于常规跟随，通过卡尔曼滤波器预测目标运动状态，采用行人重识别网络提取外观特征，通过数据关联融合运动信息和外观特征后进行目标跟踪，再通过伺服控制进行跟随。对于自主导航，基于目标消失前与机器人的相对位置，采用自主导航算法，使机器人移动到目标消失位置附近进行搜索，来提高对目标的跟随成功率。将提出的算法在OTB100公开测试集和机器人应用场景下的跟随测试集中进行评估，并在移动机器人平台上进行实验，结果表明，机器人可以在不同照明条件、背景行人较多的环境中跟随目标，验证了所提算法的稳健性和有效性，同时可满足实时性要求。研究结果可为机器人在目标消失后再跟随问题的研究提供参考。     

基于人体体型差异的机器人运动系统设计

机器人与人类的交互在人们的日常生活中越来越普遍。该文针对目前机器人在人机交互过程中不能区分交互对象的缺陷，设计了一种基于人体体型差异的机器人运动系统。该系统的设计以YOLO-V5检测算法作为人体检测器，并配合RealSense深度摄头获取机器人与人之间的距离；以SimDR算法获取骨骼的关键点坐标，结合距离信息判断人体身高，并依据身高将人分为三种体型，使机器人根据不同体型的人做出三种不同的运动行为。该系统已在机器人平台上进行实验，实验结果满足机器人运动差异化表达的预期，并且系统具有良好的实时检测性能。