基于改进人工势场法的多无人机三维编队路径规划

针对传统人工势场法的障碍物附近目标不可达、存在局部极小点和振荡的问题对势场函数进行分析和改进,以保证目标点为势场的全局最小点。在动态势场中,引入是否陷入局部极小点的判断机制,并结合一种“沿目标方向90°移动”的方法来跳出局部极小点,实现多无人机编队的路径规划、协同避障和防碰撞。利用回归搜索法来对路径进一步优化。MATLAB的仿真结果显示,该方法有效地弥补了传统人工势场法的不足,提高了人工势场法的实用性。     

基于仿真的无人机空袭沙特油田事件探索性分析

以2019 年9 月也门空袭沙特油田事件为例，提出一种基于仿真的危机事件快速分析方法，将仿真与探索性分析相结合，对危机事件进行全面的分析与处理。根据沙特、也门关于事件细节的公开资料，基于仿真推演复盘此次空袭的作战情况，校验各方在事件声明中细节的合理性和真实性，同时可为我国防御“低、小、慢”无人机的发展和作战研究提供借鉴意义。     

基于无人机遥感的绿化园林三维绿量估算与分析——以福州大学校区为例

三维绿量能够从立体空间上描述城市绿地的空间分布和定量评价城市绿化的环境效益。本文以福州大学为研究区，探讨了利用可见光无人机影像估算绿化树木三维绿量的方法，并对校园生态效益进行定量分析。首先获取高于10cm分辨率的无人机可见光遥感影像；其次结合可见光波段的光谱特征与无人机数据点云的高程特征获得研究区的冠层高度模型；然后通过局部最大值算法与标记控制分水岭算法提取单木树高、株数以及冠径参数，通过野外实测数据构建“树高-冠高”关系模型得到冠高；最后结合树种分布情况，按照不同的树冠形状构建三维绿量估算模型，并基于三维绿量估算校园不同树种的生态效益。结果表明：研究区内三维绿量总量达到了804405m3，其中休闲区的三维绿量总量为428566m3，占总绿量的53.3%，而科技园区的三维绿量总量为26568m3，仅占总绿量的3.3%；而常见树种中，三维绿量贡献最大的为榕树，达到404405m3，占三维绿量总量的50.3%，而丹桂贡献的三维绿量仅为509m3，占总绿量的0.063%。研究认为：基于无人机遥感数据，能够较好的估算出研究区内绿化树木的三维绿量。     

轻型无人机在水利带状地形图中的应用

本文通过大疆Phantom4 RTK无人机在水利工程中的应用,论证了其航测解算所得成果DOM、DEM的精度可以满足1∶1 000比例尺的DLG精度要求,为测绘外业工作节省了大量的时间。今后,无人机也必将在水利行业中得到广泛的应用。     

基于鸽群层级交互的有人/无人机集群一致性控制

有人/无人机共融集群中的有人机可弥补无人机在复杂环境中能力的不足.利用鸽群层级交互机制能够高效传递信息的特点,提出一种有人/无人机集群一致性控制方法.根据动力学约束与人类行为特点,建立无人机动力学模型和多通道的有人机操作员模型.在此基础上,通过鸽群层级交互机制构建集群系统的层级交互网络:有人机对等级较高的无人机发送指令,并通过层级网络影响整个无人机群体.设计可节约资源的自适应牵制控制策略,实现有人/无人机集群运动状态的一致性.此外,对系统稳定性进行简要分析.仿真结果验证了方法的有效性.     

无人机在地形测绘工程中的应用

随着社会经济的发展,测绘装备和技术日趋成熟。通过无人机进行地形测绘处理,建立完善的测绘系统,可以有效提升数据测绘的精准性。同时,通过无人机进行地形测绘处理,对区域地表状况和地形水平投影高程进行分析,可以有效提升工作效率,获得更加清晰的测量数据。因此,分析无人机在地形测绘工程中的具体应用,了解关键技术,可以为各项工作的开展提供有效参考。     

2018年无人机研发热点回眸

 2018年，无人机技术、产品、应用、监管等领域取得了系列进展。回顾了无人机集群飞行、载人无人机与飞行汽车、无人机与5G融合、变体无人机、新能源无人机、有人机无人化等前沿热点进展，以及大型无人机融入国家空域、无人机空中交通管理系统和无人机监管法规政策等无人机安全及监管方面的最新进展。     

基于ULS、TLS和超声测高仪的天然次生林中不同林冠层树高估测

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。