[发明专利]一种基于笔画人机交互的无人机集群控制方法及系统在审

专利信息
申请号: 202110505859.8 申请日: 2021-05-10
公开(公告)号: CN113190045A 公开(公告)日: 2021-07-30
发明(设计)人: 董希旺;韦小宝;周思全;于江龙;任章;李清东 申请(专利权)人: 北京航空航天大学
主分类号: G05D1/10 分类号: G05D1/10
代理公司: 北京高沃律师事务所 11569 代理人: 王爱涛
地址: 100191*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 笔画 人机交互 无人机 集群 控制 方法 系统
【说明书】:

发明涉及一种基于笔画人机交互的无人机集群控制方法及系统。该方法包括:获取操作者描绘的笔画轨迹;并以设定频率确定所述笔画轨迹中每一点的像素坐标;对每一点的像素坐标进行笔画识别,确定控制指令;根据所述控制指令控制无人机集群。本发明所提供的一种基于笔画人机交互的无人机集群控制方法及系统能够提高集群系统对模糊与不确定性场景的适应性,实现具有人机交互机制的高安全编队控制。

技术领域

本发明涉及人与无人机集群智能协同控制领域,特别是涉及一种基于笔画人机交互的无人机集群控制方法及系统。

背景技术

面对未来无人化、网络化、信息化、智能化的高速发展,各国势必要与时俱进利用相关技术研究对等甚至更加先进的作战武器、作战平台、作战方法。智能无人集群作为一种颠覆性技术,一直被视为各国无人系统人工智能的核心,是未来智能无人系统的突破口,也是形成非对称武器装备,实现弯道超车的杀手锏技术。许多应用项目纷纷利用人工智能技术赋能作战中的无人平台和系统,提升蜂群的智能自主化能力水平,各个项目从不同侧重点进行关键技术攻关,其中便包括人机协同与人机交互技术。

无人机集群相对单机作战,有无可取代的优势。由于反无人机系统和技术近些年来飞速的发展,对“低小慢”无人机的杀伤和拦截效果很好,杀伤概率提升非常快。面对反无人机系统,单机作战的无人机一旦被捕获,不仅会造成装备损失,也会对战术侦察任务造成巨大影响。而集群式无人机则不同,它构成一个任务编队,即便一架、两架无人机被防空系统或反无人机系统击落,集群内其它无人机也能成功执行侦察任务。而且与单兵侦察无人机相比,集群无人机具有编队侦察的优势,可以对更广阔的区域进行编队搜索,探测能力强于单架无人机;此外集群无人机还可以对某一区域进行反复多次地毯式搜索,避免单次搜索造成的侦察遗漏或错漏,进一步提高侦察成功率;而且,对于运动中的作战平台目标,单兵无人机往往难于跟踪监视,而对于集群无人机而言,对移动目标进行接力侦察跟踪是非常轻松的事;此外,多架无人机侦察同一个目标,可以从不同角度对同一目标有不同的观察,对目标的观察更为立体和细致,侦察效果更好,细节更为突出。

然而,与单兵无人机相比,“集群人机系统”在技术上难度更大,需要解决任务协同、智能编队等技术瓶颈,用更合理高效的方式完成无人机的自组队和对同一目标的协同探测,在人机交互方面也提出了更高要求。

目前,随着新兴人机交互技术的兴起,国内外对各类基于语音、视觉、手势、复合体感的人机交互方式的研究都有了较大进展,而将各种交互方式用于无人机集群控制的研究则相对缺乏。目前,笔画交互技术已较为成熟,但在机器人集群控制方面研究并不多。目前识别笔画轨迹的方法有:利用模糊逻辑,模糊知识,从笔迹的位置、方向、速度、加速度,来识别图形;把图形作为整体识别,进行平滑处理,提取圆弧段,识别结点,分解出直线段,根据相邻3点的夹角角度作为圆弧和直线段的提取特征,找出实验阈值,进行分类;通过提取图素几何形状的内角特征,用二进制突触的权重算法BSW(含一个隐层的前馈网)进行识别。

综上所述,为充分发挥机器人集群的作战优势、集合人的作战指挥能力,需要实现人与机器人集群的高效协同,因此,亟需一种通过手势交互控制无人机系统的方法或系统具有重要意义。

发明内容

基于上述问题,本发明所提供的一种基于笔画人机交互的无人机集群控制方法及系统,在时间延迟和切换拓扑同时存在的情况下将人工智能引入机器人集群协同控制系统,提高集群系统对模糊与不确定性场景的适应性,实现具有人机交互机制的高安全编队控制。

为实现上述目的,本发明提供了如下方案:

一种基于笔画人机交互的无人机集群控制方法,包括:

获取操作者描绘的笔画轨迹;并以设定频率确定所述笔画轨迹中每一点的像素坐标;

对每一点的像素坐标进行笔画识别,确定控制指令;

根据所述控制指令控制无人机集群。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110505859.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top