CN110470304A - 一种基于无人机光电平台的高精度目标定位测速方法 - Google Patents
一种基于无人机光电平台的高精度目标定位测速方法 Download PDFInfo
- Publication number
- CN110470304A CN110470304A CN201910764968.4A CN201910764968A CN110470304A CN 110470304 A CN110470304 A CN 110470304A CN 201910764968 A CN201910764968 A CN 201910764968A CN 110470304 A CN110470304 A CN 110470304A
- Authority
- CN
- China
- Prior art keywords
- target
- unmanned plane
- angle
- coordinate system
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000013598 vector Substances 0.000 claims description 50
- 238000005259 measurement Methods 0.000 claims description 44
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000007704 transition Effects 0.000 claims description 18
- 230000033001 locomotion Effects 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000005096 rolling process Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 abstract description 15
- 238000010276 construction Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 12
- 238000001914 filtration Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Power Engineering (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于无人机光电平台的高精度目标定位测速方法;本发明提出的高精度目标定位测速方法首先根据静止的合作目标对光电平台的方位角误差和高低角误差进行估计,待光电平台方位角误差和高低角误差估计值稳定后,取稳定后的方位角误差和高低角误差的估计值作为光电平台的方位角误差和高低角误差,然后在定位测速过程中实时对光电平台方位角误差和高低角误差进行补偿并输出高精度的目标位置与速度信息。
Description
【技术领域】
本发明属于无人机目标定位领域,具体涉及一种基于无人机光电平台的高精度目标定位测速方法。
【背景技术】
在现代战争中实时把握战场发展的态势和瞬时变化的情报是获取战场主动权的关键。因此,有效的获取战场信息的方式和手段就显得尤为重要。无人机具有体积小、成本低、机动灵活、作战时无人员伤亡风险的优点,目前广泛应用于侦察监视、火炮校射等军事领域。
无人机可以进入阵地前沿和深入敌后,按预定的程序或地面指令进行工作,通过装在机体上的光电平台将所获得的信息和图像实时传送回地面。无人机在执行校射任务时,一般是首先使用光电平台进行搜索并识别目标,将目标的图像和坐标显示在地面控制站的屏幕上,然后将目标数据输入炮兵射击指挥***。在无人机诸多的军事应用中,无人机对目标定位功能是实现这些应用的前提条件。只有实现高精度的目标定位,才能实现侦察监视、火炮校射等军事任务。
目前国内外各种型号无人机进行目标定位主要有三种方法:基于共线构像的目标定位、基于图像匹配模式的目标定位和基于姿态测量/激光测距的目标定位。现有的三种无人机目标定位方法均有不足之处:
基于共线构像的目标定位:该方法需要获取目标点飞行器的航高,以及摄像机的内、外方位元素,根据共线条件方程计算地面目标位置。在实际使用中,该方法需要假定待测目标区域为平坦地面,复杂地形情况下,目标定位精度较低,并且该方法要求在实施目标定位时,飞机尽量从目标上方飞过,该方法使用局限性较多。
基于图像匹配模式的目标定位:该方法利用可获取的多源图像,在预先建立基准图像条件下,将经过校正的无人机图像与基准图片进行匹配,从而实现目标定位,该方法有较高的定位精度,但基准图片的获取有一定的限制性,且图片匹配实时性较差,实用性不高。
基于姿态测量/激光测距的目标定位:该方法对侦察机的飞行方式没有特殊要求。但是该方法误差来源较多,包括:光电平台方位角误差和高低角误差、激光测距误差、无人机姿态误差以及无人机位置误差等,以上所有误差均会影响该方法定位精度。
【发明内容】
本发明的目的在于克服上述现有技术的缺点,提供一种基于无人机光电平台的高精度目标定位测速方法,该方法不仅能够实时输出目标高精度位置信息还能输出目标的速度信息,解决现有技术中使用局限性较多、定位精度不高以及实时性较差的问题。
为达到上述目的,本发明采用以下技术方案予以实现:
一种基于无人机光电平台的高精度目标定位测速方法,包括以下步骤:
步骤1,采集合作目标的经度、纬度和高度,确定无人机的标定航线;无人机在标定航线中匀速运动,且运动时无人机的航高固定,俯仰角和滚转角均为零度;
步骤2,无人机在标定航线内匀速运动时,针对合作目标,通过六个参数计算得出目标位置量测Te、光电平台方位角误差量测δαt及高低角误差量测δβt;所述六个参数为:无人机的位置Pe、无人机的姿态合作目标的位置光电平台输出的激光测距值r以及光电平台的方位角αp和高低角βp;
通过建立合作目标的状态方程和量测方程得到针对合作目标的k时刻量测向量预测将Te、δαt和δβt代入至卡尔曼滤波器或者UKF滤波器,计算得出光电平台方位角误差估计值δα和高低角误差估计值δβ;
步骤3,对任意目标进行定位和测速时,通过步骤2得出的光电平台方位角误差估计值δα和高低角误差估计值δβ,对无人机输出的跟踪任意目标的光电平台方位角αp和高低角βp进行实时补偿,结合无人机的位置Pe、无人机的姿态和光电平台输出的激光测距值r,计算出针对任意目标的目标位置量测Te;通过建立任意目标的状态方程和量测方程得到针对任意目标的k时刻量测向量预测将任意目标的Te和输入至卡尔曼滤波器或者UKF滤波器,计算得到k时刻任意目标的速度和位置。
本发明的进一步改进在于:
优选的,步骤1中,所述标定航线中,合作目标和无人机机身的轴线为一条直线,或合作目标在无人机机身轴线的左侧或右侧。
优选的,步骤2中的目标均指代合作目标,步骤2具体包括以下步骤:
步骤2.1,针对合作目标,建立状态方程,得到目标k时刻状态向量的预测
步骤2.2,通过目标在摄像机坐标系下的坐标值Tc和在大地直角坐标系下的目标位置量测Te之间的转换关系,构造合作目标的目标位置量测Te和无人机的位置Pe、无人机的姿态光电平台输出的激光测距值r、光电平台的方位角αp以及高低角βp的第一关系式,通过第一关系式计算得出合作目标的目标位置量测Te;
通过目标在摄像机坐标系下的坐标值Tc和在导航坐标系的坐标值Tn之间的转换关系,构造光电平台方位角误差量测δαt和高低角误差量测δβt分别与无人机的位置Pe、合作目标点的位置无人机的姿态光电平台的方位角αp以及高低角βp的第二关系式,通过第二关系式计算得出光电平台方位角误差量测δαt和高低角误差量测δβt;
步骤2.3,针对合作目标,建立量测方程,对步骤2.1中的目标k时刻状态向量的预测进行计算,得到目标k时刻量测向量预测
步骤2.4,将步骤2.2得到的目标位置量测Te、光电平台方位角误差量测δαt和高低角误差量测δβt,以及步骤2.3得到的目标k时刻量测向量预测输入至卡尔曼滤波器或者UKF滤波器,计算得到k时刻光电平台方位角误差估计值δα和高低角误差估计值δβ。
优选的,步骤2.1中,针对合作目标,目标的状态方程为:
其中:Xk-1—k-1时刻状态向量;Φk/k-1—状态转移矩阵;—k时刻状态向量的预测;t—相邻两帧数据时间间隔。
优选的,步骤2.2中的具体步骤为:
步骤2.2.1,所述第一关系式为:
式中,
其中,目标在摄像机坐标系下的坐标
目标在大地直角坐标系下的目标位置量测Te=[pxe pye pze]T;
无人机在大地直角坐标系下的坐标值
—大地直角坐标系e到地理坐标系n的转换矩阵;
—地理坐标系n到无人机机体坐标系b的转换矩阵;
—无人机机体坐标系b到摄像机坐标系c的转换矩阵;
其中:
L—无人机纬度;λ—无人机经度;—无人机航向角;θ—无人机俯仰角;γ—无人机滚转角;αp—光电平台输出的方位角,(αp∈[0,2π));βp—光电平台输出的高低角,
步骤2.2.2,所述第二关系式如下所示:
其中,目标在摄像机坐标系的坐标值为Tc,目标在导航坐标系的坐标值为Tn;
假设Tc=[1 0 0],则Tn=[cos(αv)·cos(βv) sin(αv)·cos(βv) sin(βv)],将式(11)展开可得:
右=[cos(αtrue)·cos(βtrue) sin(αtrue)·cos(βtrue) sin(βtrue)] (12)
由于左=右,令左=Tb,得到光电平台方位角真值αtrue和高低角真值βtrue的计算公式:
其中:
—无人机航向角;θ—无人机俯仰角;γ—无人机滚转角;αtrue—光电平台真实方位角,(αtrue∈[0,2π));βtrue—光电平台真实高低角,αv—视轴方位角(αv∈[0,2π));βv—视轴高低角,
则光电平台方位角误差量测δαt和高低角误差量测δβt的计算公式如下:
优选的,步骤2.3中,所述量测方程为:
其中:
—k时刻状态向量的预测;Hk—k时刻量测矩阵;—k时刻量测向量预测。
优选的,步骤3中的目标均指代任意目标,步骤3具体包括以下步骤:
步骤3.1,针对任意目标,建立状态方程,得到目标k时刻状态向量的预测
步骤3.2,通过目标在摄像机坐标系下的坐标值Tc和在大地直角坐标系下的目标位置量测Te之间的转换关系,构造任意目标的目标位置量测Te和光电平台方位角αp、高低角βp、无人机的位置Pe、无人机的姿态和光电平台输出的激光测距值r的第三关系式,计算得出任意目标的目标位置量测Te;
步骤3.3,建立量测方程,对步骤3.1中目标k时刻状态向量的预测进行计算,得到目标k时刻量测向量预测
步骤3.4,将任意目标的Te和输入至卡尔曼滤波器或者UKF滤波器,计算得到k时刻任意目标的速度和位置。
优选的,步骤3.1中,目标的状态方程为:
其中:
Xk-1—k-1时刻状态向量;Φk/k-1—状态转移矩阵;—k时刻状态向量预测;t—相邻两帧数据时间间隔。
优选的,步骤3.2中,针对任意目标,所述第三关系式为:
式中,
其中,目标在摄像机坐标系下的坐标值
目标在大地直角坐标系下的目标位置量测
无人机在大地直角坐标系下的坐标为
—大地直角坐标系e到地理坐标系n的转换矩阵;
—地理坐标系n到无人机机体坐标系b的转换矩阵;
—无人机机体坐标系b到摄像机坐标系c的转换矩阵;
其中:
L—无人机纬度;λ—无人机经度;—无人机航向角;θ——无人机俯仰角;γ——无人机滚转角;αp_bc——补偿后的光电平台方位角,(αp_bc∈[0,2π));βp_bc——补偿后的光电平台高低角,
光电平台方位角和高低角实时补偿方法如下式所示:
其中:
δα—步骤2计算得出的光电平台方位角误差估计值;αp—光电平台输出的方位角(αp∈[0,2π));δβ—步骤2计算得出的光电平台方位角误差估计值;βp—补偿后的光电平台高低角
优选的,步骤3.3中,所述量测方程为:
其中:
—k时刻状态向量预测;Hk—k时刻量测矩阵;—k时刻量测向量预测。
与现有技术相比,本发明具有以下有益效果:
本发明公开了一种基于无人机光电平台的高精度目标定位测速方法,该方法首先通过构建合作目标的目标位置量测、光电平台方位角误差量测和高低角误差量测,计算出光电平台方位角误差估计值δα和高低角误差估计值δβ;将两个角度的误差估计值带入至下一步中任意目标的速度和位置计算的过程中,对两个角度进行修正,使得输出的目标和速度的精度提高;本发明提出的高精度目标定位测速方法对地形无要求,对航迹无要求,使用没有局限性;可实时输出目标的高精度位置与速度信息;该方法不仅适用于静态目标,还适用于动态目标;可有效减小光电平台方位角误差和高低角误差带来的影响。
【附图说明】
图1是对光电平台的高低角误差和俯仰角误差进行标定时的参考标定航线图;
图2是视轴方位角和高低角示意图;
图3是卡尔曼滤波流程框图;
图4是对静态目标进行1000次定位测速仿真的定位结果分布图;
图5是对静态目标进行1000次定位测速仿真的总位置误差分布图;
图6是对静态目标进行1000次定位测速仿真的总速度误差分布图;
图7是对动态目标进行1000次定位测速仿真的定位结果分布图;
图8是对动态目标进行1000次定位测速仿真的总位置误差分布图;
图9是对动态目标进行1000次定位测速仿真的总速度误差分布图;
1-第一航路;2-第二航路;3-第三航路。
【具体实施方式】
下面结合附图和具体步骤对本发明做进一步详细描述,本发明公开了一种基于无人机光电平台的高精度目标定位测速方法,该方法具体包括以下步骤:
步骤1,采集合作目标点精确的经度、纬度和高度;规划标定航线,标定航线要求无人机保持匀速运动、航向和航高稳定、俯仰角和滚转角为零度。
标定航线的规划要考虑无人机与合作目标的相对位置,使得无人机能充分利用前后左右四个方向对合作目标进行定位,标定航线应采用如图1所示的航线或与之相似的航线。在第一航路1或第三航路3,目标在无人机的机头或机尾;在第二航路2,目标在无人机的左翼或右翼。无人机从合作目标垂直起飞后,到达指定高度,设定合作目标在指定高度的垂直投影点为W点,无人机开始沿远离W点的方向移动,W点始终在无人机机尾的后侧,目标和无人机的机身在同一直线上,无人机在第一航路1上飞行X1米后转向,转至第二航路2,设定第一航路1和第二航路2之间的夹角为o;无人机在第二航路2飞行X2米后转向,转至第三航路3,无人机在第三航路3上朝向W点运动,第三航路3和第二航路2之间的夹角同为o,无人机在第三航路3飞行至W;在整个航路飞行过程中,无人机的高度不变。
完成标定航线的规划与合作目标点精确的经度、纬度和高度采集后,无人机在对光电平台方位角误差和高低角误差进行估计时沿规划完成的标定航线飞行,在飞行过程中光电平台一直跟踪合作目标,该步骤为后续对光电平台方位角误差和高低角误差的估计奠定基础。
步骤2,在第一步规划的标定航线和采集的合作目标点精确的经度、纬度和高度基础上对光电平台的方位角误差和高低角误差进行实时估计,无人机沿第一步规划的标定航线飞行,在飞行过程中光电平台一直跟踪合作目标,并且实时输出光电平台的方位角、高低角以及激光测距信息;根据光电平台输出的方位角、高低角以及激光测距信息并结合无人机自身的位置、姿态以及合作目标点精确的经度、纬度和高度,通过建立的估计模型实时估计光电平台方位角误差和高低角误差,取稳定后的方位角误差和高低角误差的估计值作为光电平台的方位角误差和高低角误差。下述步骤2中所有的目标均指代合作目标;
步骤2.1构造***的状态方程
选取目标在大地直角坐标系下的位置估计值[px py pz]T、速度估计值[vx vy vz]T以及光电平台方位角误差估计值δα和高低角误差估计值δβ为状态,建立目标的状态向量即:X=[px py pz vx vy vz δα δβ]T,其中,px为大地直角坐标系下目标x方向位置估计值,py为大地直角坐标系下目标y方向位置估计值,pz为大地直角坐标系下目标z方向位置估计值,vx为大地直角坐标系下目标x方向速度估计值,vy为大地直角坐标系下目标y方向速度估计值,vz为大地直角坐标系下目标z方向速度估计值。
选取目标在大地直角坐标系下的位置[pxe pye pze]T与光电平台方位角误差δαt和高低角误差δβt为量测,即:Z=[pxe pye pze δαt δβt]T,其中pxe为大地直角坐标系下目标x方向位置量测,pye为大地直角坐标系下目标y方向位置量测,pze为大地直角坐标系下目标z方向位置量测。
设定合作目标为静止状态,无人机运动状态为匀速直线运动,则合作目标的***的状态方程为:
其中:
Xk-1——k-1时刻状态向量;
Φk/k-1——状态转移矩阵;
——k时刻状态向量的预测;
t——相邻两帧数据时间间隔;
——k时刻目标x方向位置估计值的预测值;
——k时刻目标y方向位置估计值的预测值;
——k时刻目标z方向位置估计值的预测值;
——k时刻目标x方向速度估计值的预测值;
——k时刻目标y方向速度估计值的预测值;
——k时刻目标z方向速度估计值的预测值;
——k时刻光电平台方位角误差估计值的预测值;
——k时刻光电平台高低角误差估计值的预测值;
——k-1时刻目标x方向位置估计值;
——k-1时刻目标y方向位置估计值;
——k-1时刻目标z方向位置估计值;
——k-1时刻目标x方向速度估计值;
——k-1时刻目标y方向速度估计值;
——k-1时刻目标z方向速度估计值;
δαk-1——k-1时刻光电平台方位角的误差估计值;
δβk-1——k-1时刻光电平台高低角的误差估计值;
步骤2.2计算目标位置量测、光电平台方位角误差量测和高低角误差量测。
由于光电平台直接输出的信息为无人机与目标的距离r以及光电平台的方位角αp和高低角βp,都是量测构造过程中的输入;与无人机计算目标位置和速度的模型中直接使用的量测[pxe pye pze δαt δβt]T不同,因此量测需要重新进行构造便于模型中的计算应用,量测构造过程分为目标位置量测[pxe pye pze]T构造与光电平台方位角误差量测δαt、高低角误差量测δβt构造两部分;该步骤中,通过坐标转换得到无人机的位置无人机的姿态光电平台输出的激光测距值r以及光电平台的方位角αp和高低角βp这五个参数和目标位置量测、光电平台方位角误差量测δαt和高低角误差量测δβt之间的关系式;
步骤2.2.1构造目标位置量测
假设目标在摄像机坐标系下的坐标其中r为激光测距值,为摄像机坐标系下目标x方向位置,为摄像机坐标系下目标y方向位置,为摄像机坐标系下目标z方向位置;目标大地直角坐标系下位置量测为Te=[pxe pye pze]T,该步骤中的目标均指代合作目标,无人机在大地直角坐标系下的位置为则根据坐标转换关系可得:
其中:
——大地直角坐标系e到地理坐标系n的转换矩阵;
——地理坐标系n到无人机机体坐标系b的转换矩阵;——无人机机体坐标系b到摄像机坐标系c的转换矩阵。将式(8)进行变换可得第一关系式:
式(10)中各个矩阵定义如下:
其中:
L——无人机纬度;
λ——无人机经度;
——无人机航向角;
θ——无人机俯仰角;
γ——无人机滚转角;
αp——光电平台输出的方位角(αp∈[0,2π));
βp——光电平台输出的高低角
以上是目标位置量测[pxe pye pze]T的构造过程,通过上述构造过程可将无人机的位置无人机的姿态光电平台输出的激光测距值r以及光电平台的方位角αp和高低角βp转换为目标位置量测([pxe pye pze]T),所述光电平台输出的激光测距值r为无人机与目标的距离。
步骤2.2.2构造光电平台方位角误差量测δαt和高低角误差量测δβt。
假设合作目标在摄像机坐标系的坐标值为Tc,目标在导航坐标系的坐标值为Tn,根据坐标转换关系可知两个向量存在如下关系,即为第二关系式:
本发明采用的导航坐标系为北东地坐标系,载体坐标系为前右下坐标系,因此可假设Tc=[1 0 0],则Tn=[cos(αv)·cos(βv) sin(αv)·cos(βv) sin(βv)],将式(11)展开可得:
右=[cos(αtrue)·cos(βtrue) sin(αtrue)·cos(βtrue) sin(βtrue)] (12)
由于左=右,令左=Tb,可得光电平台方位角真值αtrue和高低角真值βtrue的计算公式:
其中:
——无人机航向角;
θ——无人机俯仰角;
γ——无人机滚转角;
αtrue——光电平台真实方位角(αtrue∈[0,2π));
βtrue——光电平台真实高低角
αv——视轴方位角(αv∈[0,2π));
βv——视轴高低角
视轴方位角和高低角示意图如图2所示,计算方法如下:
其中:
——静止合作目标在大地直角坐标系x方向坐标值;
——静止合作目标在大地直角坐标系y方向坐标值;
——静止合作目标在大地直角坐标系z方向坐标值;
——无人机在大地直角坐标系x方向坐标值;
——无人机在大地直角坐标系y方向坐标值;
——无人机在大地直角坐标系z方向坐标值;
αv——视轴方位角(αv∈[0,2π));
βv——视轴高低角
计算出光电平台真实的方位角和高低角后与光电平台输出的方位角和高低角做差即可得到光电平台方位角误差量测δαt和高低角误差量测δβt,公式如下:
以上是光电平台方位角误差量测δαt和高低角误差量测δβt的构造过程,通过上述构造过程可将无人机的位置合作目标点的位置无人机的姿态以及光电平台的方位角αp和高低角βp转换为光电平台方位角误差量测δαt和高低角误差量测δβt。
步骤2.3建立量测方程
至此完成两部分量测的构造,为了后续在进行滤波时可利用构造的量测对状态进行修正,实时估计出光电平台方位角误差δα和高低角误差δβ,还需要进行量测方程的推导,为了利用步骤2.1中k时刻状态向量的预测计算k时刻量测向量预测建立***的量测方程,,下面介绍量测方程:
其中:
——k时刻状态向量的预测;
Hk——k时刻量测矩阵
——k时刻量测向量预测;
——k时刻目标在大地直角坐标系下x方向位置量测预测值;
——k时刻目标在大地直角坐标系下y方向位置量测预测值;
——k时刻目标在大地直角坐标系下z方向位置量测预测值;
——k时刻光电平台方位角误差量测预测值;
——k时刻光电平台高低角误差量测预测值;
步骤2.4通过步骤2.2得到的目标位置量测Te与光电平台方位角误差量测δαt和高低角误差量测δβt,并结合步骤2.3得到的k时刻量测向量预测通过卡尔曼滤波器或者UKF滤波器计算得出k时刻光电平台方位角误差估计值δα和高低角误差估计值δβ。
下面以卡尔曼滤波为例,对该模型的卡尔曼滤波具体实施过程进行介绍,如图3所示,卡尔曼滤波实施过程如下:
1)状态预测
2)状态误差协方差矩阵预测
3)滤波器增益
4)状态更新
5)状态误差协方差矩阵更新
其中:
Pk-1——k-1时刻卡尔曼滤波状态误差协方差矩阵;
——k时刻卡尔曼滤波状态误差协方差矩阵预测值;
Qk-1——k-1时刻***噪声矩阵;
Rk——k时刻量测噪声矩阵;
Kk——k时刻滤波器增益矩阵;
Pk——k时刻卡尔曼滤波状态误差协方差矩阵;
通过上述卡尔曼滤波器可估计出光电平台方位角误差δα和高低角误差δβ,在后续进行任意目标定位时可实时对光电平台方位角αp和高低角βp进行补偿,提高定位精度。下面对任意目标定位过程进行详细介绍。
步骤3,对任意目标进行高精度定位测速过程中实时补偿光电平台方位角和高低角,提高任意目标定位测速精度。
该步骤利用步骤2估计的光电平台方位角误差估计值δα和高低角误差估计值δβ实时对光电平台输出的方位角αp和高低角βp进行实时补偿,并对任意目标进行高精度定位测速;以下涉及到的目标均代指任意目标。
步骤3.1建立***的状态方程
选取目标大地直角坐标系下的位置估计值[px py pz]T以及速度估计值[vx vy vz]T为状态,即:X=[px py pz vx vy vz]T,其中px为大地直角坐标系下目标x方向位置估计值,py为大地直角坐标系下目标y方向位置估计值,pz为大地直角坐标系下目标z方向位置估计值,vx为大地直角坐标系下目标x方向速度估计值,vy为大地直角坐标系下目标y方向速度估计值,vz为大地直角坐标系下目标z方向速度估计值。选取目标在大地直角坐标系下的位置[pxe pye pze]T为量测,即:Z=[pxe pye pze]T,其中pxe为大地直角坐标系下目标x方向目标位置量测,pye为大地直角坐标系下目标y方向目标位置量测,pze为大地直角坐标系下目标z方向目标位置量测;本段中目标均指代任意目标;
设定目标为任意可活动的目标,***状态方程为:
其中:
Xk-1—k-1时刻状态向量;
Φk/k-1—状态转移矩阵;
—k时刻状态向量预测;
t—相邻两帧数据时间间隔;
——k时刻目标x方向位置估计值的预测值;
——k时刻目标y方向位置估计值的预测值;
——k时刻目标z方向位置估计值的预测值;
——k时刻目标x方向速度估计值的预测值;
——k时刻目标y方向速度估计值的预测值;
——k时刻目标z方向速度估计值的预测值;
——k-1时刻目标x方向位置估计值;
——k-1时刻目标y方向位置估计值;
——k-1时刻目标z方向位置估计值;
——k-1时刻目标x方向速度估计值;
——k-1时刻目标y方向速度估计值;
——k-1时刻目标z方向速度估计值;
步骤3.2计算目标位置量测、光电平台方位角误差量测和高低角误差量测。
由于光电平台直接输出的信息为无人机与任意目标的距离r以及光电平台的方位角αp和高低角βp,与模型中直接使用的量测[pxe pye pze]T不同,因此量测需要重新进行构造便于模型中的计算应用,量测构造过程为目标位置量测[pxe pye pze]T构造的过程;该步骤中,通过坐标转换得到无人机的位置无人机的姿态光电平台输出的激光测距值r以及光电平台的方位角αp和高低角βp这五个参数和目标位置量测[pxe pye pze]T之间的关系式;
步骤3.2.1构造目标位置量测
假设目标在摄像机坐标系下的坐标值其中r为激光测距值;设大地直角坐标系下任意目标位置量测为Te=[pxe pye pze]T,无人机在大地直角坐标系下的坐标为则根据坐标转换关系可得:
其中:
——大地直角坐标系e到地理坐标系n的转换矩阵;
——地理坐标系n到无人机机体坐标系b的转换矩阵;——无人机机体坐标系b到摄像机坐标系c的转换矩阵。将式(26)进行变换可得第三关系式为:
式(28)中各个矩阵定义如下:
其中:
L——无人机纬度;
λ——无人机经度;
——无人机航向角;
θ——无人机俯仰角;
γ——无人机滚转角;
αp_bc——补偿后的光电平台方位角(αp_bc∈[0,2π));
βp_bc——补偿后的光电平台高低角
光电平台方位角和高低角实时补偿方法如下:
其中:
δα——步骤2计算得出的光电平台方位角误差估计值;
αp——光电平台输出的方位角(αp∈[0,2π));
αp_bc——补偿后的光电平台方位角(αp_bc∈[0,2π));
δβ——步骤2计算得出的光电平台方位角误差估计值;
βp——补偿后的光电平台高低角
βp_bc——补偿后的光电平台高低角
以上是量测[pxe pye pze]T的构造过程,通过上述构造过程可将无人机的位置无人机的姿态光电平台输出的无人机与任意目标的距离r以及光电平台的方位角αp和高低角βp转换为任意目标的目标位置量测[pxe pye pze]T。
步骤3.3建立量测方程为了后续在进行滤波时可利用构造的量测对状态进行修正,对任意目标位置和速度进行实时高精度的估计,还需要进行量测方程的推导,为了利用步骤3.1中式(25)得到的k时刻状态向量预测计算k时刻量测向量预测建立***的量测方程,,下面介绍量测方程:
其中:
——k时刻状态向量预测;
Hk——k时刻量测矩阵;
——k时刻量测向量预测;
——k时刻目标在大地直角坐标系下x方向位置量测预测值;
——k时刻目标在大地直角坐标系下y方向位置量测预测值;
——k时刻目标在大地直角坐标系下z方向位置量测预测值。
步骤3.4,通过步骤3.2得到的目标位置量测Te,并结合步骤3.3得到的k时刻量测向量预测通过卡尔曼滤波器或者UKF滤波器计算得到k时刻任意目标高精度位置和速度信息。卡尔曼滤波具体实施过程参考步骤二,此处不再重复赘余。应用本发明提供的基于无人机光电平台的高精度目标定位测速方法分别对动/静态目标进行定位测速仿真,仿真条件如下:
无人机在目标上方进行绕飞,飞行高度约为3000米,飞行速度约为100米/秒;静态目标静止不动,动态目标以20米/秒速度进行匀速直线运动。
无人机位置误差(δLδλδh)、姿态误差光电平台方位角误差(δα)和高低角误差(δβ)以及激光测距误差(δr)均为服从零均值高斯分布的随机变量,δL~N(0,0.3),δλ~N(0,0.3),δh~N(0,0.5),δr~N(0,5)单位:米;δθ~N(0,0.3),δγ~N(0,0.3),δα~N(0,0.02),δβ~N(0,0.02)单位:度。
对动/静态目标分别进行1000次仿真,图4为对静态目标进行1000次仿真静态目标坐标分布图,图7为对动态目标进行1000次仿真动态目标坐标分布图;从图5~图6中可看出在1000次静态目标定位测速仿真中位置误差为21.14米,速度误差为0.72米/秒,从图8~图9中可看出在1000次动态目标定位测速仿真中位置误差为27.38米,速度误差为0.78米。由以上仿真可知,本发明提出的基于无人机光电平台的高精度目标定位测速方法可在目标与无人机相距3000米的状态下实时输出20米精度的动/静态目标位置信息,0.7米/秒精度的动态目标速度信息。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,包括以下步骤:
步骤1,采集合作目标的经度、纬度和高度,确定无人机的标定航线;无人机在标定航线中匀速运动,且运动时无人机的航高固定,俯仰角和滚转角均为零度;
步骤2,无人机在标定航线内匀速运动时,针对合作目标,通过六个参数计算得出目标位置量测Te、光电平台方位角误差量测δαt及高低角误差量测δβt;所述六个参数为:无人机的位置Pe、无人机的姿态合作目标的位置光电平台输出的激光测距值r以及光电平台的方位角αp和高低角βp;
通过建立合作目标的状态方程和量测方程得到针对合作目标的k时刻量测向量预测将Te、δαt和δβt代入至卡尔曼滤波器或者UKF滤波器,计算得出光电平台方位角误差估计值δα和高低角误差估计值δβ;
步骤3,对任意目标进行定位和测速时,通过步骤2得出的光电平台方位角误差估计值δα和高低角误差估计值δβ,对无人机输出的跟踪任意目标的光电平台方位角αp和高低角βp进行实时补偿,结合无人机的位置Pe、无人机的姿态和光电平台输出的激光测距值r,计算出针对任意目标的目标位置量测Te;通过建立任意目标的状态方程和量测方程得到针对任意目标的k时刻量测向量预测将任意目标的Te和输入至卡尔曼滤波器或者UKF滤波器,计算得到k时刻任意目标的速度和位置。
2.根据权利要求1所述的一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,步骤1中,所述标定航线中,合作目标和无人机机身的轴线为一条直线,或合作目标在无人机机身轴线的左侧或右侧。
3.根据权利要求1所述的一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,步骤2中的目标均指代合作目标,步骤2具体包括以下步骤:
步骤2.1,针对合作目标,建立状态方程,得到目标k时刻状态向量的预测
步骤2.2,通过目标在摄像机坐标系下的坐标值Tc和在大地直角坐标系下的目标位置量测Te之间的转换关系,构造合作目标的目标位置量测Te和无人机的位置Pe、无人机的姿态光电平台输出的激光测距值r、光电平台的方位角αp以及高低角βp的第一关系式,通过第一关系式计算得出合作目标的目标位置量测Te;
通过目标在摄像机坐标系下的坐标值Tc和在导航坐标系的坐标值Tn之间的转换关系,构造光电平台方位角误差量测δαt和高低角误差量测δβt分别与无人机的位置Pe、合作目标点的位置无人机的姿态光电平台的方位角αp以及高低角βp的第二关系式,通过第二关系式计算得出光电平台方位角误差量测δαt和高低角误差量测δβt;
步骤2.3,针对合作目标,建立量测方程,对步骤2.1中的目标k时刻状态向量的预测进行计算,得到目标k时刻量测向量预测
步骤2.4,将步骤2.2得到的目标位置量测Te、光电平台方位角误差量测δαt和高低角误差量测δβt,以及步骤2.3得到的目标k时刻量测向量预测输入至卡尔曼滤波器或者UKF滤波器,计算得到k时刻光电平台方位角误差估计值δα和高低角误差估计值δβ。
4.根据权利要求3所述的一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,步骤2.1中,针对合作目标,目标的状态方程为:
其中:Xk-1—k-1时刻状态向量;Φk/k-1—状态转移矩阵;—k时刻状态向量的预测;t—相邻两帧数据时间间隔。
5.根据权利要求3所述的一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,步骤2.2中的具体步骤为:
步骤2.2.1,所述第一关系式为:
式中,
其中,目标在摄像机坐标系下的坐标
目标在大地直角坐标系下的目标位置量测Te=[pxe pye pze]T;
无人机在大地直角坐标系下的坐标值
—大地直角坐标系e到地理坐标系n的转换矩阵;
—地理坐标系n到无人机机体坐标系b的转换矩阵;
—无人机机体坐标系b到摄像机坐标系c的转换矩阵;
其中:
L—无人机纬度;λ—无人机经度;—无人机航向角;θ—无人机俯仰角;γ—无人机滚转角;αp—光电平台输出的方位角,(αp∈[0,2π));βp—光电平台输出的高低角,
步骤2.2.2,所述第二关系式如下所示:
其中,目标在摄像机坐标系的坐标值为Tc,目标在导航坐标系的坐标值为Tn;
假设Tc=[1 0 0],则Tn=[cos(αv)·cos(βv) sin(αv)·cos(βv) sin(βv)],将式(11)展开可得:
右=[cos(αtrue)·cos(βtrue) sin(αtrue)·cos(βtrue) sin(βtrue)] (12)
由于左=右,令左=Tb,得到光电平台方位角真值αtrue和高低角真值βtrue的计算公式:
其中:
—无人机航向角;θ—无人机俯仰角;γ—无人机滚转角;αtrue—光电平台真实方位角,(αtrue∈[0,2π));βtrue—光电平台真实高低角,αv—视轴方位角(αv∈[0,2π));βv—视轴高低角,
则光电平台方位角误差量测δαt和高低角误差量测δβt的计算公式如下:
6.根据权利要求3所述的一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,步骤2.3中,所述量测方程为:
其中:
—k时刻状态向量的预测;Hk—k时刻量测矩阵;—k时刻量测向量预测。
7.根据权利要求1所述的一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,步骤3中的目标均指代任意目标,步骤3具体包括以下步骤:
步骤3.1,针对任意目标,建立状态方程,得到目标k时刻状态向量的预测
步骤3.2,通过目标在摄像机坐标系下的坐标值Tc和在大地直角坐标系下的目标位置量测Te之间的转换关系,构造任意目标的目标位置量测Te和光电平台方位角αp、高低角βp、无人机的位置Pe、无人机的姿态和光电平台输出的激光测距值r的第三关系式,计算得出任意目标的目标位置量测Te;
步骤3.3,建立量测方程,对步骤3.1中目标k时刻状态向量的预测进行计算,得到目标k时刻量测向量预测
步骤3.4,将任意目标的Te和输入至卡尔曼滤波器或者UKF滤波器,计算得到k时刻任意目标的速度和位置。
8.根据权利要求7所述的一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,步骤3.1中,目标的状态方程为:
其中:
Xk-1—k-1时刻状态向量;Φk/k-1—状态转移矩阵;—k时刻状态向量预测;t—相邻两帧数据时间间隔。
9.根据权利要求7所述的一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,步骤3.2中,针对任意目标,所述第三关系式为:
式中,
其中,目标在摄像机坐标系下的坐标值
目标在大地直角坐标系下的目标位置量测
无人机在大地直角坐标系下的坐标为
—大地直角坐标系e到地理坐标系n的转换矩阵;
—地理坐标系n到无人机机体坐标系b的转换矩阵;
—无人机机体坐标系b到摄像机坐标系c的转换矩阵;
其中:
L—无人机纬度;λ—无人机经度;—无人机航向角;θ——无人机俯仰角;γ——无人机滚转角;αp_bc——补偿后的光电平台方位角,(αp_bc∈[0,2π));βp_bc——补偿后的光电平台高低角,
光电平台方位角和高低角实时补偿方法如下式所示:
其中:
δα—步骤2计算得出的光电平台方位角误差估计值;αp—光电平台输出的方位角(αp∈[0,2π));δβ—步骤2计算得出的光电平台方位角误差估计值;βp—补偿后的光电平台高低角
10.根据权利要求7所述的一种基于无人机光电平台的高精度目标定位测速方法,其特征在于,步骤3.3中,所述量测方程为:
其中:
—k时刻状态向量预测;Hk—k时刻量测矩阵;—k时刻量测向量预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910764968.4A CN110470304B (zh) | 2019-08-19 | 2019-08-19 | 一种基于无人机光电平台的高精度目标定位测速方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910764968.4A CN110470304B (zh) | 2019-08-19 | 2019-08-19 | 一种基于无人机光电平台的高精度目标定位测速方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110470304A true CN110470304A (zh) | 2019-11-19 |
CN110470304B CN110470304B (zh) | 2021-04-20 |
Family
ID=68511237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910764968.4A Active CN110470304B (zh) | 2019-08-19 | 2019-08-19 | 一种基于无人机光电平台的高精度目标定位测速方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110470304B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968113A (zh) * | 2019-12-16 | 2020-04-07 | 西安因诺航空科技有限公司 | 一种无人机自主跟踪起降***及跟踪定位方法 |
CN111009012A (zh) * | 2019-11-29 | 2020-04-14 | 四川沃洛佳科技有限公司 | 一种基于计算机视觉的无人机测速方法、存储介质及终端 |
CN111457895A (zh) * | 2020-03-31 | 2020-07-28 | 彩虹无人机科技有限公司 | 一种无人机光电载荷的目标尺寸计算与显示方法 |
CN112268558A (zh) * | 2020-10-15 | 2021-01-26 | 西北工业大学 | 一种基于无人机自主式光电平台的有源目标定位测速方法 |
CN113514052A (zh) * | 2021-06-10 | 2021-10-19 | 西安因诺航空科技有限公司 | 一种多机协同高精度有源目标定位方法及*** |
CN115292941A (zh) * | 2022-08-11 | 2022-11-04 | 中国人民解放军海军航空大学 | 一种跨平台目标指示误差估计方法 |
CN115618749A (zh) * | 2022-12-05 | 2023-01-17 | 四川腾盾科技有限公司 | 一种大型无人机实时定位的误差补偿方法 |
EP4162234A4 (en) * | 2020-06-07 | 2024-06-26 | Israel Aerospace Industries Ltd. | IMPROVED DESTINATION DETERMINATION |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103604427A (zh) * | 2013-12-10 | 2014-02-26 | 中国航天空气动力技术研究院 | 对地面移动目标动态定位的无人机***和方法 |
CN104820434A (zh) * | 2015-03-24 | 2015-08-05 | 南京航空航天大学 | 一种无人机对地面运动目标的测速方法 |
CN106777489A (zh) * | 2016-11-22 | 2017-05-31 | 中国人民解放军陆军军官学院 | 无人机载光电稳定转台跟踪态建模仿真方法 |
CN108594193A (zh) * | 2018-04-24 | 2018-09-28 | 西安交通大学 | 一种基于固定目标与非合作目标的雷达***偏差估计方法 |
CN109752023A (zh) * | 2018-12-20 | 2019-05-14 | 北京恒星箭翔科技有限公司 | 一种目标运动状态快速估计方法 |
-
2019
- 2019-08-19 CN CN201910764968.4A patent/CN110470304B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103604427A (zh) * | 2013-12-10 | 2014-02-26 | 中国航天空气动力技术研究院 | 对地面移动目标动态定位的无人机***和方法 |
CN104820434A (zh) * | 2015-03-24 | 2015-08-05 | 南京航空航天大学 | 一种无人机对地面运动目标的测速方法 |
CN106777489A (zh) * | 2016-11-22 | 2017-05-31 | 中国人民解放军陆军军官学院 | 无人机载光电稳定转台跟踪态建模仿真方法 |
CN108594193A (zh) * | 2018-04-24 | 2018-09-28 | 西安交通大学 | 一种基于固定目标与非合作目标的雷达***偏差估计方法 |
CN109752023A (zh) * | 2018-12-20 | 2019-05-14 | 北京恒星箭翔科技有限公司 | 一种目标运动状态快速估计方法 |
Non-Patent Citations (1)
Title |
---|
徐诚等: "一种小型无人机无源目标定位方法及精度分析", 《仪器仪表学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111009012A (zh) * | 2019-11-29 | 2020-04-14 | 四川沃洛佳科技有限公司 | 一种基于计算机视觉的无人机测速方法、存储介质及终端 |
CN111009012B (zh) * | 2019-11-29 | 2023-07-28 | 四川沃洛佳科技有限公司 | 一种基于计算机视觉的无人机测速方法、存储介质及终端 |
CN110968113A (zh) * | 2019-12-16 | 2020-04-07 | 西安因诺航空科技有限公司 | 一种无人机自主跟踪起降***及跟踪定位方法 |
CN111457895A (zh) * | 2020-03-31 | 2020-07-28 | 彩虹无人机科技有限公司 | 一种无人机光电载荷的目标尺寸计算与显示方法 |
EP4162234A4 (en) * | 2020-06-07 | 2024-06-26 | Israel Aerospace Industries Ltd. | IMPROVED DESTINATION DETERMINATION |
CN112268558A (zh) * | 2020-10-15 | 2021-01-26 | 西北工业大学 | 一种基于无人机自主式光电平台的有源目标定位测速方法 |
CN112268558B (zh) * | 2020-10-15 | 2022-10-14 | 西北工业大学 | 一种基于无人机自主式光电平台的有源目标定位测速方法 |
CN113514052A (zh) * | 2021-06-10 | 2021-10-19 | 西安因诺航空科技有限公司 | 一种多机协同高精度有源目标定位方法及*** |
CN115292941A (zh) * | 2022-08-11 | 2022-11-04 | 中国人民解放军海军航空大学 | 一种跨平台目标指示误差估计方法 |
CN115292941B (zh) * | 2022-08-11 | 2023-04-07 | 中国人民解放军海军航空大学 | 一种跨平台目标指示误差估计方法 |
CN115618749A (zh) * | 2022-12-05 | 2023-01-17 | 四川腾盾科技有限公司 | 一种大型无人机实时定位的误差补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110470304B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110470304A (zh) | 一种基于无人机光电平台的高精度目标定位测速方法 | |
CN102506892B (zh) | 一种光流多传感器和惯导器件信息融合配置方法 | |
Guo et al. | LiDAR principles, processing and applications in forest ecology | |
Hernandez-Lopez et al. | An automatic approach to UAV flight planning and control for photogrammetric applications | |
CN109911188A (zh) | 非卫星导航定位环境的桥梁检测无人机*** | |
CN109597427A (zh) | 一种基于无人机的炸弹随遇攻击规划方法及*** | |
Langelaan et al. | Wind field estimation for autonomous dynamic soaring | |
Johnson et al. | Real-time terrain relative navigation test results from a relevant environment for Mars landing | |
RU2458358C1 (ru) | Угломерно-корреляционный способ определения местоположения наземных источников радиоизлучения | |
Chiabrando et al. | Direct photogrammetry using UAV: tests and first results | |
CN105698762A (zh) | 一种单机航迹上基于不同时刻观测点的目标快速定位方法 | |
CN109032153A (zh) | 基于光电-惯性组合导引的无人机自主着舰方法和*** | |
CN111649737B (zh) | 一种面向飞机精密进近着陆的视觉-惯性组合导航方法 | |
BR112015001737B1 (pt) | Método para aquisição e processamento de informações geográficas de uma trajetória. | |
CN105180963A (zh) | 基于在线标校的无人机遥测参数修正方法 | |
CN110220491A (zh) | 一种无人机的光学吊舱安装误差角估算方法 | |
Ouyang et al. | Cooperative navigation of UAVs in GNSS-denied area with colored RSSI measurements | |
CN117455960B (zh) | 时变观测噪声条件下机载光电***对地无源定位滤波方法 | |
Hill et al. | Ground-to-air flow visualization using Solar Calcium-K line Background-Oriented Schlieren | |
CN109143303A (zh) | 飞行定位方法、装置及固定翼无人机 | |
Meriaux et al. | Evaluation of navigation and trajectory-following capabilities of small unmanned aerial systems | |
CN110779512A (zh) | 一种测控设备精度鉴定飞行试验航线规划方法 | |
Whitacre et al. | Decentralized geolocation and bias estimation for uninhabited aerial vehicles with articulating cameras | |
CN102706360B (zh) | 一种利用光流传感器和速率陀螺对飞行器状态估计的方法 | |
RU2200900C2 (ru) | Автоматический беспилотный диагностический комплекс |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |