买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种无人机球体感知与捕捉装置及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114647255B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210256303.4，技术领域涉及：G05D1/495；该发明授权一种无人机球体感知与捕捉装置及方法是由于欢;王进;涂杰;张芷菱;陆国栋;张科文;刘伟隆;庄儒洪设计研发完成，并于2022-03-16向国家知识产权局提交的专利申请。

本一种无人机球体感知与捕捉装置及方法在说明书摘要公布了：本发明涉及无人机捕捉飞行物领域，公开了一种无人机球体感知与捕捉装置及方法。该无人机装置与方法与其他无人机最大的不同在于搭载了深度相机和机载主机，控制指令均由部署在机载主机上的感知与捕捉球体的智能方法计算得出。智能方法包括基于HSV分割的球体识别、基于风阻系数优化物理模型的球体轨迹预测、基于最优控制的无人机轨迹规划三大模块。本发明解决了现有无人机球体捕捉系统依赖于外部动捕设备，因而无法在其他场景实现球体感知与捕捉的问题。本发明的无人机具有自主感知能力，仅依靠自身搭载的传感器即可实现球体的识别、轨迹预测与无人机的轨迹规划，使得无人机可在任何场景下实现快速感知与捕捉球体。

本发明授权一种无人机球体感知与捕捉装置及方法在权利要求书中公布了：1.一种利用无人机球体感知与捕捉装置进行无人机球体感知与捕捉的方法，所述无人机球体感知与捕捉装置，包括机载主机5，机载主机5为十字形支架结构，十字形支架中间上表面具有飞控4和深度相机6，所述飞控4通过串口与机载主机5相连，所述机载主机5包括三大模块：球体识别模块10，球体轨迹预测模块11，无人机轨迹规划模块12；每个支架末端具有电调3，所述电调3的信号输入线与飞控4连接，每个支架末端延伸连接有无刷电机2，所述电调3的输出端通过导线与无刷电机2连接，所述无刷电机2的转子轴上安装螺旋桨1，网兜架7固定安装在机架8上，所述机载主机5获取深度相机6的传感器信息并计算，将感知与捕捉球体的智能方法计算所得的无人机的控制量信息通过串口发送至飞控4，由飞控4控制电调3，电调3控制无刷电机2的位置和转速从而控制无人机运动；其特征在于，所述方法包括如下步骤： 步骤1：球体识别； 步骤2：球体轨迹预测； 所述步骤2包括如下具体步骤： 步骤30：构建球体动力学模型：设三维空间下球体状态为x＝px,py,pz,vx,vy,vzT，不考虑球体自旋的情况下，受风阻影响时球体的动力学模型为： 公式a中，g为重力加速度，kD为阻力系数，满足其中m为球体质量，CD为空气阻力系数，ρa为空气密度，A为球体横截面积，将一段连续飞行中‖v‖看作一个与该段轨迹初始运动速度相关的固定值，即令： K＝fv0＝kD∥v∥b 由于对式a做了线性简化处理，这里通过增加K变化的自由度降低对‖v‖变化简化的误差，对于x,y,z三个方向区别处理，以Kx,Ky,Kz代表，由此，球体的动力学模型进一步简化为： 式c是球体动力学模型最终优化结果，为在三个方向独立解耦的一阶线性微分形式，若给出球的初始状态x0＝px0,py0,pz0,vx0,vy0,vz0T，则可求解球体的位置和速度随时间t变化的连续运动模型，如下式： 通过式d和式e可获得球体离散运动模型为： 式f和g中，pi为球体运动到第i个点的位置，vi为球体运动到第i个点的速度，ΔT为视觉观测采样周期； 步骤31：球体初速度获取：由公式d至g可知，利用球体离散运动模型和连续运动模型进行位姿估计和轨迹预测时需要已知球体初速度，设视觉采样的第一帧图像中球体位置为p1＝x1,y1,z1T，第二帧图像中球体位置为p2＝x2,y2,z2T，则初速度为： 式h中，取v0为位置p2的速度，即以p2,v0作为球体的初始状态p0,v0； 步骤32：基于卡尔曼滤波的球体位姿估计：由公式f和g可知，球体的离散运动模型可改写为： 根据式i状态转移方程，采用卡尔曼滤波对球体识别步骤28中给出的球体中心坐标观测值x,y,z进行位姿估计，即得到最优估计位置pm＝xm,ym,zmT，并将最优估计位置用于下一步的球体轨迹预测； 步骤33：基于物理模型的球体轨迹预测：根据公式f和g，可直接通过球体的连续运动模型获取t时刻的球体坐标pf＝xf,yf,zfT，该坐标位于实际场地坐标系中； 步骤34：阻力系数优化：在基于卡尔曼滤波的球体位姿估计和基于物理模型的球体轨迹预测的同时，用非线性最小二乘法优化阻力系数Kx,Ky,Kz，构建xyz方向的位置误差的平方项，记为： 其中，i为球体处于的第i个坐标点，n代表选取用于非线性最小二乘法的坐标点个数，每一次循环时阻力系数优化目标函数如下： 采用Ceres非线性优化库，调用非线性最小二乘求解器对上式求解； 步骤3：无人机轨迹规划； 所述步骤3包括如下具体步骤： 步骤40：构建无人机动力学模型：根据目前无人机的通用建模方法，将无人机建模为具有六个自由度的刚体，分别为三维笛卡尔坐标系上的位置x1,x2,x3和角速度w1,w2,w3，则其动力学方程为： 其中，g为重力加速度，R为旋转矩阵，e3＝0,0,1，为角速度的斜对称矩阵形式： 步骤41：将无人机轨迹规划构建为最优控制问题：使用加加速度 来描述无人机关于时间t的轨迹xt，那么控制系统输入的力f为： 对式l求导并代入m，得到式o，对式n求导并代入式l，得到式p； 由式0和式p可推导得： 式n和式q说明了可以通过无人机的加加速度j计算得到无人机的控制量力f以及角速度w，可将最优控制问题的目标函数表示为: 其中i表示坐标系的轴数，为了方便计算，将无人机三个轴的变量分别计算，后述轴数i也均省略，该控制系统的状态量为s＝p,v,a，即包含位置p、速度v、加速度a，无人机初始时刻静止，初始状态为s0＝p0,v0,a0＝0,0,0，无人机要实现捕捉球体，需要满足球体在某时刻的位置与无人机的位置相同，根据球体轨迹预测模块得到t时刻的小球位置pf，则无人机运动的终端状态sf＝pf,vf,af，至此，将无人机轨迹规划构建为了最优边界值问题：OBVP问题； 步骤42：求解最优控制问题；求解OBVP问题有成熟的数学方法，首先引入协态λ＝λ1,λ2,λ3，定义哈密尔顿方程： Hs,j,λ＝j2+λTfs,j＝j2+λ1v+λ2a+λ3js 根据极小值原理得： 其中星号*表示最优量，引入常数系数α,β,γ，可得： 最优输入为： 对式v求积分得： 则从初始状态经过时间T后，终端状态的最优状态为s*T＝sf，结合极小值原理的约束条件解得： 步骤43：将最优控制问题转化为多项式求极值问题并求解，将式v代入式o，得： 将式x代入式y，由式x得知α,β,γ的取值仅与T相关，则式y中J为仅与T相关的函数，利用费拉里法求得式y的极值以及对应的T； 步骤44：执行最优控制量：利用上述T，代入式x可求得α,β,γ，代入式v可求得最优加加速度关于时间t的函数，根据式n和式q可计算得控制量力f以及角速度w，将其利用串口通讯下发至飞控，飞控执行，从而实现无人机捕捉球体。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：315400 浙江省宁波市余姚市凤山街道冶山路479号科创大厦12楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。