其他
导读近年来,无人机集群逐渐在工业、农业、交通等诸多领域得到部署应用。然而,受限于机载计算能力的不足,无人机集群在执行大规模复杂任务时面临自主化程度低、任务执行效率不高等问题。本文提出一种基于边缘计算的无人机集群应用框架,可实现集群感知、通信与规划多维度高效互惠协同,显著提升集群的自主性、安全性和效率。得益于出色的机动性、经济性和多样化的部署能力,无人机集群近年来在工业、农业、交通等多个领域得到广泛的应用,如大规模基础设施检查、交通流监控等。在这些任务场景中,无人机通常配备相机、激光雷达等机载传感器,通过分析传感器数据(如捕获的相机视频和激光点云)来提取环境信息(如基础设施破损情况、交通拥堵状况等)。为了实现无人机集群的自主飞行与信息收集,需要开发一系列关键算法,以实现一些核心功能,包括从传感器数据中提取信息,将提取的信息在无人机之间进行传输和融合,以及规划和协调它们的飞行轨迹以确保安全高效地完成任务。然而,将这些算法部署在当前无人机集群中仍存在着诸多挑战。首先,从传感器数据中提取信息通常需要较高算力,难以在机载计算设备上实时有效进行。其次,集群内的信息融合和飞行轨迹协调在很大程度上依赖于无人机之间的通信,但在复杂城市环境中,受限于遮挡等因素,机间通信并不始终可用,且通信距离有限。这些挑战给当前无人机集群的应用带来了一些瓶颈,如由于机载数据处理速度较低导致飞行速度降低等问题。此外,可靠机间通信的缺失也限制了集群的应用规模。图1