English 日本語 Русский

面向新手在无人机竞速场景下的飞行辅助系统

面向新手在无人机竞速场景下的飞行辅助系统

客??????户
浙江大学FAST-Lab
关??键?词
浙江大学,FAST-Lab,高飞,无人机,竞速飞行,轨迹规划
被捕捉物
无人机


恭喜浙江大学 FAST-Lab 高飞老师团队钟宇航同学的论文?A Trajectory-based Flight Assistive System for Novice Pilots in Drone Racing Scenario?顺利发表 ICRA 2024,并同时入选三项 Finalist:

  • the IEEE ICRA Best Paper Award on Unmanned Aerial Vehicles
  • the IEEE ICRA Best Conference Paper Award
  • the IEEE ICRA Best Student Paper Award



面向新手在无人机竞速场景下的飞行辅助系统


无人机竞速飞行指的是操纵无人机以最短的时间完成指定的飞行路线。无人机需要持续飞行在非常高速的状态下,飞手需要娴熟的操纵无人机,进行高机动大姿态的飞行。


这对无人机飞手提出了非常高的要求。飞手需要非常熟悉整个飞行路线,躲避飞行路线中的障碍物。


即使是非常有经验的专业对手,也是很可能出现碰撞导致飞行失败的可能。这些技术要求使得新手飞手对于竞速飞行来说只能是望尘莫及,很难参与其中。


本文提出一种无人机竞速飞行辅助系统,目的是让新手飞手甚至是完全没碰过无人机的人,也能快速上手,体验竞速飞行,深度参与到这项活动中来。




设计这样的无人机竞速飞行辅助系统,面临着若干挑战。

首先,新手飞手由于缺乏经验,操纵感较差,需要有专家的引导。其次,新手飞手的操作是不可预测的,这对安全性带来很大的挑战。第三,也是最重要的一点,要让飞手有很强的参与感。

在学界,全自主的无人机竞速飞行已经有一套相对成熟的解决方案。在没有人参与的情况下,无人机仅靠自身的计算平台就能够实现媲美专业飞手、甚至超越专业飞手的竞速飞行成绩。

但是这样的方式,飞手缺少参与感。



本文希望设计一套飞行辅助系统,既能提升无人机竞速飞行的比赛表现,又能让人类飞手能获得充分的参赛体验。

这就需要精确的捕获用户意图,并且能够实时反馈到无人机的运动上来。从这个层面上来说,实现辅助竞速飞行比自主竞速飞行要更加困难。

系统框架

整个系统采用分层结构,由离线和在线两部分组成。


1、离线预处理模块


首先对比赛场地和赛道构建点云地图。使用相对成熟的全局轨迹规划方法,生成时间最优轨迹,作为专家参考。

并且沿着参考轨迹生成稠密的安全飞行走廊,提供足够大的安全区域,用一些首尾相接的多面体来表征安全空域。


2、在线重规化?


设计了一个?赜成浠钥焖俜庾胺尚性钡氖淙耄⒍ㄖ屏嘶谑奔溆成涞墓旒=纫越徊讲蹲揭馔。

然后,提出了一个轨迹规划器,用于定期生成与意图一致、平滑、可行和安全的轨迹。


3、加入偏航角重规划


在生成轨迹上,进行偏航角的重规划。目的是为了让无人机能够尽快朝向下一个目标点看去,为飞行员提供最佳的视角,进一步减轻操作难度。这一点对于新手飞手来说非常重要。


飞行辅助系统架构图

实验验证

进行了模拟和实际实验,验证该系统的性能。在真实实验中,邀请5名参与者在无人机竞速场景中操纵无人机。记录完成时间,并确定最终排名。

比赛过程中,使用米兰体育米兰体育动作捕捉系统获取无人机相关位置信息,以验证比赛中无人机的飞行轨迹

所有飞手行员都成功完成了真实场景中的比赛,最大速度超过 3.0 米/秒。所有飞手的飞行轨:臀奕嘶尚锌煺杖缦峦。使用该研究提出的飞行辅助系统,即使是新手飞手也能顺利完成比赛。

获胜的飞手最高飞行速度达到 6.0 米/秒,平均飞行速度接近 3.0 米/秒。


所有飞行轨:头尚锌煺



参考文献:

面向新手在无人机竞速场景下的飞行辅助系统



IEEE RAL 足式机器人鲁棒状态估计 精度较基线提升40%以上

山东大学研究团队发表面向绳驱动连续体机器人的融合非线性扩展状态观测器的自适应滑模跟踪控制方法,米兰体育动捕为实验提供机器人末端执行器位姿数据,助力验证控制方法有效性。

室外环境无人车动作捕捉

清华大学李翔老师团队在室外环境下对无人车进行动作捕捉。米兰体育米兰体育抗日光版本动捕镜头过滤日光干扰,准确识别无人车表面的反光标记点,获取高精度运动轨迹。

IJRR | 北航团队提出机器人复合分层抗干扰框架:实现无人机边飞边学

北航杭研院郭克信老师团队在IJRR上发表FORESEER机器人复合分层抗干扰框架,研究在五种不同构型的无人机平台上进行了室内外大量实验,通过四类代表性任务系统验证框架的性能。 米兰体育米兰体育动作捕捉系统为实验提供了无人机在室内执行飞行任务时的高精度位姿数据及轨迹信息,助力验证FORESEER框架处理各种不确定性的有效性。

IROS 2025浙大高飞老师团队 | FLOAT Drone:一种可用于近距离操作的共轴全驱动无人机

浙江大学高飞老师团队设计并验证其创新的FLOAT Drone全驱动同轴无人机并发表于IROS 2025。该无人机首次集成控制面,结合同轴双旋翼设计,实现了低气流干扰的紧凑型平台,可完成倾斜悬停浇花、穿越狭窄缝隙、近距离推拉窗帘等精细任务。米兰体育米兰体育动作捕捉系统为该无人机动力学建模、双模态控制器验证及高精度轨迹/姿态跟踪提供关键的位姿真值数据。
联系米兰体育app
如需更多应用、案例信息或产品报价,请致电 米兰体育官网,或在下方留言:
机器人/无人机 VR/AR/XR 运动康复 传媒娱乐
北京米兰体育科技有限公司(总部)
北京市朝阳区安慧里四区15号五矿大厦8层820室
米兰体育app
米兰体育官网
提交成功!请您耐心等待!
欢迎关注公众号,获取更多信息
关闭
网站地图XML