CN110926474A - 卫星/视觉/激光组合的城市峡谷环境uav定位导航方法 - Google Patents
卫星/视觉/激光组合的城市峡谷环境uav定位导航方法 Download PDFInfo
- Publication number
- CN110926474A CN110926474A CN201911188082.6A CN201911188082A CN110926474A CN 110926474 A CN110926474 A CN 110926474A CN 201911188082 A CN201911188082 A CN 201911188082A CN 110926474 A CN110926474 A CN 110926474A
- Authority
- CN
- China
- Prior art keywords
- information
- building
- satellite
- skyline
- boundary
- 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
Images
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
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/22—Multipath-related issues
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,属于测量、测试的技术领域。该方法利用全向红外摄像机获取天空图像,提取3D城市信息中的部分数据构建城市理想天际线数据库,通过对比红外图像中提取的建筑物天际信息和城市理想天际数据库获取无人机水平位置信息,利用激光测距确定无人机高度信息,根据无人机的初始位置信息及建筑物边界信息构建建筑物边界天空图,叠加建筑物边界天空图和卫星天空图挖掘多路径判定法则,解算无人机最终位置信息,避免了黑夜光线减弱等光线引起的干扰,减小了计算复杂程度,图像处理特征提取易于实现,能够减小直接进行景象匹配所带来的误差和计算量,能够满足无人机全天候飞行及作业的需求。
Description
技术领域
本发明公开了卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,属于测量、测试的技术领域。
背景技术
近年来,随着商用与民用无人驾驶飞行器(UAV,Unmanned Aerial Vehicle)发展与普及,无人机被应用至众多领域,如针对大物流密度区域的城市快递无人机、针对城市突发状况的应急救援无人机辅助***以及针对智慧城市建设的城市交通动态监测无人机等,因此,城市无人机的定位导航问题亟待解决。目前,全球导航卫星***(GNSS,GlobalNavigation Satellite System)可以为定位提供一种低成本、连续的全球性解决方案,成为了无人机重要的定位导航装备。然而,在城市峡谷环境中,由于街道狭窄、建筑物密集且高度普遍较高,在其中定位时,GNSS信号易受到遮挡或反射,导致了无人机的定位导航精度不能满足飞行以及作业的需求。
开阔区域下,GNSS卫星信号接收机所接受的信号为视距接收信号(LOS,Line-of-Sight),即,卫星信号未经遮挡直接被用户接收的直射信号。但在城市峡谷建筑物密集的环境中,GNSS信号易受到遮挡或反射,导致接收机所接收信号可能为直射信号,或者为反射信号或前二者的混合信号从而引发多路径效应,获得的最终定位结果会受到多路径效应影响产生较大误差。因此在城市峡谷环境下,识别并剔除GNSS卫星信号接收机所接收信号中的多路径信号以提高无人机的导航定位精度非常重要。
Obst等人提出了一种用于多路径检测的轻量级概率定位算法,通过3D地图信息利用射线追踪来判断卫星可见性,该算法可用于在没有附加物理传感器的情况下提高城市单频GPS接收机的准确性和完整性。Conte等人根据城市峡谷GPS信号易受多路径效应等因素影响导致卫星信号不可用的特点,提出了一种结合惯性传感器、视觉里程计和景象匹配的无人机导航方法,该方法利用特征跟踪和图像匹配来修正GPS信号不可用引起的漂移以减小定位误差。Sim等人提出了一种基于机载图像传感器的导航参数估计***,***由相对位置估计与绝对位置估计两部分构成,相对位置通过两个连续的图像帧进行立体建模获得相对位置估计以更新无人机位置;绝对位置通过与参考图像进行景象匹配或利用数字高程模型(DEM,Digital Elevation Model)来矫正相对位置估计误差。Chen等提出了一种基于概率图的导航算法并结合激光雷达、3D地图信息与GNSS卫星生成轨迹估计、探测周围环境,该方法可降低多路径效应对伪距定位的影响。Groves等人提出了一种基于3D地图信息进行阴影匹配来判断卫星可见性的方法,该方法利用3D地图信息预测卫星信号可接收位置并通过判断该卫星信号是否为视距接收信号来划定用户可能所在位置,提高了城市峡谷环境下定位的精确性。Soundararaj等人提出了一种结合光流技术和基于数据驱动的图像分类技术的算法,仅使用单个相机捕获的图像就能够进行实时的3D定位与导航,实现在室内狭窄环境下进行避障与定位导航。
总体来说,目前在城市峡谷中用于提高无人机定位导航精度的主要方法包括:利用视觉传感器与LiDAR、惯性测量单元(IMU,Inertial Measurement Unit)等其他传感器结合构建实时三维周边环境信息并与3D地图信息进行匹配从而获得比较精确的定位估计;利用3D地图信息并利用阴影匹配或射线追踪等算法推测卫星可用情况进行卫星信号筛选以精确定位结果;利用视觉传感器通过视频图像处理技术及图像匹配技术,改善定位漂移现象来辅助卫星定位,提高定位精度。
尽管目前利用视觉等传感器辅助的城市无人机定位导航方法都取得了各自的成效,但大多采用了高性能的传感器,且以单目相机为例的部分视觉传感器工作易受周围光线环境影响,增加了应用场景的局限性,并且,通过视觉传感器进行三维信息重建易存在实时性能差等问题,另外,诸如双目相机等设备还存在成本偏高的问题,阻碍了其在无人机应用领域中的推广,并且实时地图构建容易产生较大误差需要进行多次训练方能得到较好的结果。其次,利用3D地图信息针对每颗卫星进行可见性反推存在计算复杂程度大等问题,会降低***的实时性能。
发明内容
本发明的发明目的是针对上述背景技术的不足,提供了卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,通过结合视觉、激光和由3D地图信息构建的2D城市理想天际线数据库判定接收信号类型,从而剔除非视距接收(NLOS,Non-Line-of-Sight)信号进行定位解算,并结合GNSS其余误差修正得到更为精确的定位结果,能够克服现有城市无人机定位导航方法计算复杂程度大和受光线因素干扰等缺陷,提高定位精确性,解决了城市峡谷环境下高楼对GNSS卫星信号的遮挡和反射导致无人机定位导航精度不足的技术问题。
本发明为实现上述发明目的采用如下技术方案:
卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,从3D地图信息中提取建筑物边界与道路边界的特征信息构建2D城市理想天际数据库,从机载红外摄像机拍摄的天空图像中提取建筑物天际线特征,在2D城市理想天际数据库中全局匹配建筑物天际线特征以确定无人机的水平位置,利用激光测距仪测得无人机高度信息进而确定无人机的初步空间位置信息,根据无人机的初步空间位置信息及2D城市理想天际线数据库计算建筑物边界线的高度角信息与方位角信息,根据建筑物边界线的高度角信息和方位角信息构建建筑物边界天空图,将接收机解算的卫星高度角和方位角转换到建筑物边界天空图所在坐标系下得到卫星天空图,叠加建筑物边界天空图和卫星天空图以确定多路径判定法则,利用多路径判定法则将接收信号中的多路径信号剔除,利用剔除多路径信号后的接收信息解算最终位置。
进一步地,卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法中,2D城市理想天际数据库包括:城市建筑物边界长度信息、建筑物边界点坐标信息、建筑物标识信息、路宽信息、道路边界点坐标信息、道路标识信息。
进一步地,卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法中,从机载红外摄像机拍摄的天空图像中提取建筑物天际线特征的方法为:对机载红外摄像机拍摄的天空图像进行预处理,采用sobel边界检测算子从预处理后的天空图像中捕获具有大亮度变化跨度的像素点,对捕获的像素点进行坐标转换得到建筑物边界点的坐标,根据建筑物边界点的坐标信息提取建筑物天际线边界的形状信息和长度比例信息。
进一步地,卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法中,在2D城市理想天际数据库中全局匹配建筑物天际线特征以确定无人机的水平位置的方法为:匹配建筑物天际线特征的角点信息和2D城市理想天际数据库中的建筑物边界点坐标信息,角点信息匹配度满足要求后匹配建筑物天际线特征的长度比例信息和2D城市理想天际数据库中的城市建筑物边界长度信息,根据长度信息匹配度最高的城市建筑物边界线在全局地图中的位置坐标确定无人机的水平位置。
进一步地,卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法中,根据建筑物边界线的高度角信息和方位角信息构建建筑物边界天空图的方法为:将东北上坐标系下的建筑物边界线的边界点坐标信息、高度角信息和方位角信息投影至EON平面得到建筑物边界天空图。
进一步地,卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法中,叠加建筑物边界天空图和卫星天空图以确定多路径判定法则的方法为:将建筑物边界天空图和卫星天空图指北方向与高度角为90°的方向重合得到叠加后的天空图,落在建筑物边界线下方的卫星为被建筑物遮挡的卫星,被遮挡卫星的信号为多路径信号。
本发明采用上述技术方案,具有以下有益效果:本发明利用全向红外摄像机进行图像信息获取,避免了由于黑夜光线减弱等光线情况变化而产生误差的情况,同时,本发明仅提取3D城市信息中的部分数据用于预先构建城市理想天际线数据库,从一定程度上减小了计算复杂程度,对红外图像处理提取建筑物天际特征易于实现,通过在理想天际数据库中进行全局的形状匹配即可获取无人机初始水平信息,能够减小直接进行景象匹配所带来的误差和计算量,能够满足无人机全天候飞行及作业的需求,叠加建筑物边界天空图和卫星天空图实现了多路径信号的简单判定,相对于常规定位导航方案减少了多路径判定法则挖掘的计算量。
附图说明
图1为城市峡谷环境下基于卫星/视觉/激光组合的无人机定位导航的流程图。
图2为像素点D0周围像素的分布示意图。
图3为计算建筑物边界线高度角与方位角的示意图。
图4为建筑物边界天空图的示意图。
图5为天空图叠加的示意图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明。城市峡谷环境下基于卫星/视觉/激光组合的无人机定位导航方法的具体方案如图1所示,包括如下五个步骤。
(一)构建城市天际线数据库
根据3D地图信息,提取建筑物与道路的特征信息预先构建一个2D城市理想天际线数据库。该数据库包含的数据信息主要包括:城市建筑物边界长度信息、建筑物边界点坐标信息、建筑物标识信息、路宽信息、道路边界点坐标信息、道路标识信息等。
(二)获取无人机所在初步空间位置
使用全向红外摄像机,对无人机正上方天空进行拍摄。考虑到全向红外摄像机的成像原理,需对相机进行标定并处理所得红外图像以减小镜头畸变对特征提取的影响,随后,根据红外图像呈现的形状特征进行特征提取。由于红外摄像机下,天空呈现为明显的黑色,能够与建筑物形状所呈现的接近白色的图案明显区分,无论白天和黑夜都是如此,因此,对红外图像进行灰度化处理后,也能够精确地捕捉建筑物天际线的特征数据。其中,特征提取原理及方法如下:
该方法可概括为:根据所摄红外图像呈现的形状特征,结合图像预处理技术,采用sobel边界检测算子对建筑物天际线特征数据进行捕获,下面是详细展开。
在对图像平滑处理前,首先需要将图像灰度化,即RGB中的各值相等,这里采用加权平均法对图像进行灰度处理,由于人眼对红绿蓝三种颜色的敏感度不一,因此,对每个像素点(u,v),灰度处理的中RGB权重值如下:
RGB(u,v)=R′=G′=B′=0a299R+0.578G+0.114B
灰度化后需对图像进行平滑处理使其成为适用sobel算子的图片类型。这里利用高斯模糊对原图像作卷积运算以达到减小图像突变梯度、平缓亮度突变、改善图像质量的图像平滑目的。对于大小为a×b的图像,其高斯模糊计算公式为:
其中,σ为高斯分布的标准差,且σ值越大,所得图像越平滑(模糊)。图像平滑后就可以利用sobel算子进行边界特征检测了,这里提到的“边界检测”就是根据设定的合适阈值M,寻找具有大亮度变化跨度的位置处的像素点,即满足|T|>M,则将该像素点视为“边界点”。
其中,sobel算子的纵向与横向卷积算子分别为:
对于像素点(u,v),记作D0,其周围的像素分布如图2所示:
则像素点(u,v)处的亮度变化梯度|T|为:
|T|=|(D6+2D7+D8)-(D1+2D2+D3)|+|(D3+2D5+D8)-(D1+2D4+D6)|,
将亮度变化梯度与设定的阈值M比较,即可获取边界点像素位置。由于图像处理涉及相机坐标系、世界坐标系与像素坐标系,因此,在进行特征数据提取前还需要对坐标系进行转换,再提取建筑物边界线形状特征,从而获得建筑物天际线边界形状信息,通过平面距离公式计算可得其长度比例信息,将建筑物天际线边界形状信息与建筑物天际线边界长度比例信息作为从红外图像中提取的建筑物天际线特征数据。
接下来,基于“形状匹配”的概念,根据红外图像建筑物天际线特征数据的提取结果,在2D城市理想天际线数据库中进行全局特征匹配。结合数据库中的城市建筑物边界长度信息、建筑物边界点坐标信息、道路边界点坐标信息等数据,同样通过距离公式,可以得到理想天际线数据库中理想建筑物天际线的长度比信息与边界点信息,将其与从图像中提取的特征信息匹配:先判断边角点(即两边界线交点)匹配度是否能达到要求,再判断边界线符合程度,最后根据长度比信息进行比较筛选,最后找到匹配度最高的理想建筑物边界线在全局地图中的位置坐标,得到无人机在全局地图中所在水平位置。利用激光测距仪测得无人机高度信息,从而最终确定无人机所在的初步空间位置信息。
(三)天空图叠加及NLOS信号判定
根据无人机高度信息、无人机水平位置信息与其所在位置2D城市理想天际线数据库中的建筑物边界长度信息、路宽信息、建筑物边界点信息中所包含的楼高信息,经计算可得无人机所在区域(如,以无人机所在位置为形心的边长为40m的方形范围)的建筑物边界天空图,包含建筑物边界线处的高度角与方位角,由于2D城市理想天际线数据库是根据3D地图信息构建的,因此,可应用距离公式与反三角函数,通过建筑物边界坐标点位置与步骤二中获得的无人机坐标点位置所构成的几何结构来进行求解,原理如图3所示,具体计算过程及如下:
首先,根据无人机所处位置的坐标、无人机高度和数据库中的建筑物边界点坐标信息及其所含楼高信息,由坐标关系和距离计算公式,可以很容易得求解出相对于无人机位置的建筑物边界线的高度角与方位角,如边界点A的高度角为∠1,方位角为0°,边界点B的高度角为∠1,方位角为∠2。在求解出建筑物边界线的高度角与方位角后,经坐标转换,将如图3所示的XuYuZu无人机机体坐标系转至东北天坐标系下,坐标转换过程如下:
其中,上述过程的旋转矩阵Q为:
至此已将无人机机体坐标系转至东北上(ENU)坐标系下,相应地,高度角与方位角也相应变化至ENU坐标系下。
将ENU坐标系下的建筑物边界线坐标信息与其高度角和方位角信息投影至EON平面可得建筑物边界天空图,将指北方向设为0°方向,可得如图4所示的天空图示意图。其中,灰色区域的边界表示建筑物边界线,圆环线表示高度角,从圆心(90°)到最外圈依次递减10°。
同理,将接收机所解算的卫星高度角及方位角进行坐标转换,使其也位于ENU坐标系下,获得卫星天空图并将建筑物边界天空图与卫星天空图叠加,即将指北方向与高度角为90°的方向重合,得到的天空图叠加示意图如图5所示.
通过对比建筑物边界线与卫星的高度角和方位角,获取卫星信号遮挡情况,确定不可见卫星编号,从而确定多路径判定法则:卫星位置落于建筑物边界下方遮挡区域即非天空区域则将被判定为多路径信号,进而将其剔除,反之则判定为可用卫星信号。如图所示,卫星ST2与卫星ST4由于落在建筑物边界下方,即建筑物阴影部分,因此接收到的两颗卫星的信号应为NLOS信号,应予以剔除。
(四)最终位置信息解算
利用上述法则对接收的信号进行判定,剔除判别为多路径的信号,使用其余的可用卫星信号进行基于最小二乘法的定位解算。其中,针对GNSS的剩余误差,使用Klobuchar模型修正电离层误差,使用TROPFIELD模型修正对流层误差,使用精密星历修正卫星钟差,得出最终输出的位置信息。
Claims (6)
1.卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,其特征在于,从3D地图信息中提取建筑物边界与道路边界的特征信息构建2D城市理想天际数据库,从机载红外摄像机拍摄的天空图像中提取建筑物天际线特征,在2D城市理想天际数据库中全局匹配建筑物天际线特征以确定无人机的水平位置,利用激光测距仪测得无人机高度信息进而确定无人机的初步空间位置信息,根据无人机的初步空间位置信息及2D城市理想天际线数据库计算建筑物边界线的高度角信息与方位角信息,根据建筑物边界线的高度角信息和方位角信息构建建筑物边界天空图,将接收机解算的卫星高度角和方位角转换到建筑物边界天空图所在坐标系下得到卫星天空图,叠加建筑物边界天空图和卫星天空图以确定多路径判定法则,利用多路径判定法则将接收信号中的多路径信号剔除,利用剔除多路径信号后的接收信息解算最终位置。
2.根据权利要求1所述卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,其特征在于,所述2D城市理想天际数据库包括:城市建筑物边界长度信息、建筑物边界点坐标信息、建筑物标识信息、路宽信息、道路边界点坐标信息、道路标识信息。
3.根据权利要求1所述卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,其特征在于,从机载红外摄像机拍摄的天空图像中提取建筑物天际线特征的方法为:对机载红外摄像机拍摄的天空图像进行预处理,采用sobel边界检测算子从预处理后的天空图像中捕获具有大亮度变化跨度的像素点,对捕获的像素点进行坐标转换得到建筑物边界点的坐标,根据建筑物边界点的坐标信息提取建筑物天际线边界的形状信息和长度比例信息。
4.根据权利要求1所述卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,其特征在于,在2D城市理想天际数据库中全局匹配建筑物天际线特征以确定无人机的水平位置的方法为:匹配建筑物天际线特征的角点信息和2D城市理想天际数据库中的建筑物边界点坐标信息,角点信息匹配度满足要求后匹配建筑物天际线特征的长度比例信息和2D城市理想天际数据库中的城市建筑物边界长度信息,根据长度信息匹配度最高的城市建筑物边界线在全局地图中的位置坐标确定无人机的水平位置。
5.根据权利要求1所述卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,其特征在于,根据建筑物边界线的高度角信息和方位角信息构建建筑物边界天空图的方法为:将东北上坐标系下的建筑物边界线的边界点坐标信息、高度角信息和方位角信息投影至EON平面得到建筑物边界天空图。
6.根据权利要求1所述卫星/视觉/激光组合的城市峡谷环境UAV定位导航方法,其特征在于,叠加建筑物边界天空图和卫星天空图以确定多路径判定法则的方法为:将建筑物边界天空图和卫星天空图指北方向与高度角为90°的方向重合得到叠加后的天空图,落在建筑物边界线下方的卫星为被建筑物遮挡的卫星,被遮挡卫星的信号为多路径信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911188082.6A CN110926474B (zh) | 2019-11-28 | 2019-11-28 | 卫星/视觉/激光组合的城市峡谷环境uav定位导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911188082.6A CN110926474B (zh) | 2019-11-28 | 2019-11-28 | 卫星/视觉/激光组合的城市峡谷环境uav定位导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110926474A true CN110926474A (zh) | 2020-03-27 |
CN110926474B CN110926474B (zh) | 2021-09-03 |
Family
ID=69846789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911188082.6A Active CN110926474B (zh) | 2019-11-28 | 2019-11-28 | 卫星/视觉/激光组合的城市峡谷环境uav定位导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110926474B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164114A (zh) * | 2020-09-23 | 2021-01-01 | 天津大学 | 一种基于天际线匹配的室外主动相机重定位方法 |
CN112835083A (zh) * | 2020-12-31 | 2021-05-25 | 广州南方卫星导航仪器有限公司 | 一种组合导航*** |
CN113031041A (zh) * | 2021-03-11 | 2021-06-25 | 南京航空航天大学 | 一种基于天际线匹配的城市峡谷组合导航定位方法 |
CN113112544A (zh) * | 2021-04-09 | 2021-07-13 | 国能智慧科技发展(江苏)有限公司 | 基于智能物联网与大数据的人员定位异常检测*** |
CN113325450A (zh) * | 2021-05-07 | 2021-08-31 | Oppo广东移动通信有限公司 | 定位方法、装置、电子设备及存储介质 |
CN113359168A (zh) * | 2021-05-19 | 2021-09-07 | 北京数研科技发展有限公司 | 一种视觉辅助的gnss非视距信号抑制方法 |
CN113504553A (zh) * | 2021-06-29 | 2021-10-15 | 南京航空航天大学 | 一种城市峡谷内基于精确3d城市模型的gnss定位方法 |
WO2021223107A1 (zh) * | 2020-05-06 | 2021-11-11 | 深圳市大疆创新科技有限公司 | 信号处理方法、电子装置及计算机可读存储介质 |
CN113739797A (zh) * | 2020-05-31 | 2021-12-03 | 华为技术有限公司 | 视觉定位方法和装置 |
CN113820697A (zh) * | 2021-09-09 | 2021-12-21 | 中国电子科技集团公司第五十四研究所 | 一种基于城市建筑特征与三维地图的视觉定位方法 |
CN113970753A (zh) * | 2021-09-30 | 2022-01-25 | 南京理工大学 | 一种基于激光雷达和视觉检测的无人机定位控制方法及*** |
CN115212489A (zh) * | 2022-07-20 | 2022-10-21 | 中国矿业大学 | 一种面向森林火灾的无人机灭火救援决策辅助*** |
CN115343745A (zh) * | 2021-07-30 | 2022-11-15 | 香港理工大学 | 三维激光雷达辅助的高精度卫星定位方法 |
CN116755126A (zh) * | 2023-08-15 | 2023-09-15 | 北京航空航天大学 | 一种基于三维模型映射匹配的北斗实时精准定位方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070286459A1 (en) * | 2004-10-18 | 2007-12-13 | Ehud Gal | Auxilliary Navigation System For Use In Urban Areas |
CN103822635A (zh) * | 2014-03-05 | 2014-05-28 | 北京航空航天大学 | 基于视觉信息的无人机飞行中空间位置实时计算方法 |
CN104848867A (zh) * | 2015-05-13 | 2015-08-19 | 北京工业大学 | 基于视觉筛选的无人驾驶汽车组合导航方法 |
CN105022401A (zh) * | 2015-07-06 | 2015-11-04 | 南京航空航天大学 | 基于视觉的多四旋翼无人机协同slam的方法 |
CN106371114A (zh) * | 2015-07-23 | 2017-02-01 | 现代自动车株式会社 | 用于车辆的定位设备和方法 |
US20170146990A1 (en) * | 2015-11-19 | 2017-05-25 | Caterpillar Inc. | Augmented communication and positioning using unmanned aerial vehicles |
CN106970398A (zh) * | 2017-03-27 | 2017-07-21 | 中国电建集团西北勘测设计研究院有限公司 | 顾及卫星遮挡条件的卫星可见性分析及星历预报方法 |
CN107064974A (zh) * | 2017-02-28 | 2017-08-18 | 广东工业大学 | 一种抑制城市峡谷多径卫星信号的定位方法和*** |
CN107966724A (zh) * | 2017-11-27 | 2018-04-27 | 南京航空航天大学 | 一种基于3d城市模型辅助的城市峡谷内卫星定位方法 |
CN109285177A (zh) * | 2018-08-24 | 2019-01-29 | 西安建筑科技大学 | 一种数字城市天际线提取方法 |
CN109991640A (zh) * | 2017-12-29 | 2019-07-09 | 上海司南卫星导航技术股份有限公司 | 一种组合导航***及其定位方法 |
US20190271550A1 (en) * | 2016-07-21 | 2019-09-05 | Intelligent Technologies International, Inc. | System and Method for Creating, Updating, and Using Maps Generated by Probe Vehicles |
-
2019
- 2019-11-28 CN CN201911188082.6A patent/CN110926474B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070286459A1 (en) * | 2004-10-18 | 2007-12-13 | Ehud Gal | Auxilliary Navigation System For Use In Urban Areas |
CN103822635A (zh) * | 2014-03-05 | 2014-05-28 | 北京航空航天大学 | 基于视觉信息的无人机飞行中空间位置实时计算方法 |
CN104848867A (zh) * | 2015-05-13 | 2015-08-19 | 北京工业大学 | 基于视觉筛选的无人驾驶汽车组合导航方法 |
CN105022401A (zh) * | 2015-07-06 | 2015-11-04 | 南京航空航天大学 | 基于视觉的多四旋翼无人机协同slam的方法 |
CN106371114A (zh) * | 2015-07-23 | 2017-02-01 | 现代自动车株式会社 | 用于车辆的定位设备和方法 |
US20170146990A1 (en) * | 2015-11-19 | 2017-05-25 | Caterpillar Inc. | Augmented communication and positioning using unmanned aerial vehicles |
US20190271550A1 (en) * | 2016-07-21 | 2019-09-05 | Intelligent Technologies International, Inc. | System and Method for Creating, Updating, and Using Maps Generated by Probe Vehicles |
CN107064974A (zh) * | 2017-02-28 | 2017-08-18 | 广东工业大学 | 一种抑制城市峡谷多径卫星信号的定位方法和*** |
CN106970398A (zh) * | 2017-03-27 | 2017-07-21 | 中国电建集团西北勘测设计研究院有限公司 | 顾及卫星遮挡条件的卫星可见性分析及星历预报方法 |
CN107966724A (zh) * | 2017-11-27 | 2018-04-27 | 南京航空航天大学 | 一种基于3d城市模型辅助的城市峡谷内卫星定位方法 |
CN109991640A (zh) * | 2017-12-29 | 2019-07-09 | 上海司南卫星导航技术股份有限公司 | 一种组合导航***及其定位方法 |
CN109285177A (zh) * | 2018-08-24 | 2019-01-29 | 西安建筑科技大学 | 一种数字城市天际线提取方法 |
Non-Patent Citations (3)
Title |
---|
ANDREA CESETTI等: "A Visual Global Positioning System for Unmanned Aerial Vehicles Used in Photogrammetric Applications", 《JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS》 * |
文少波等: "《新能源汽车及其智能化技术》", 30 September 2017, 东南大学出版社 * |
梅琪等: "一种抑制城市峡谷多径卫星信号的定位方法", 《广东工业大学学报》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021223107A1 (zh) * | 2020-05-06 | 2021-11-11 | 深圳市大疆创新科技有限公司 | 信号处理方法、电子装置及计算机可读存储介质 |
CN113739797A (zh) * | 2020-05-31 | 2021-12-03 | 华为技术有限公司 | 视觉定位方法和装置 |
WO2021244114A1 (zh) * | 2020-05-31 | 2021-12-09 | 华为技术有限公司 | 视觉定位方法和装置 |
CN112164114A (zh) * | 2020-09-23 | 2021-01-01 | 天津大学 | 一种基于天际线匹配的室外主动相机重定位方法 |
CN112835083A (zh) * | 2020-12-31 | 2021-05-25 | 广州南方卫星导航仪器有限公司 | 一种组合导航*** |
CN112835083B (zh) * | 2020-12-31 | 2023-08-01 | 广州南方卫星导航仪器有限公司 | 一种组合导航*** |
CN113031041B (zh) * | 2021-03-11 | 2022-06-10 | 南京航空航天大学 | 一种基于天际线匹配的城市峡谷组合导航定位方法 |
CN113031041A (zh) * | 2021-03-11 | 2021-06-25 | 南京航空航天大学 | 一种基于天际线匹配的城市峡谷组合导航定位方法 |
CN113112544A (zh) * | 2021-04-09 | 2021-07-13 | 国能智慧科技发展(江苏)有限公司 | 基于智能物联网与大数据的人员定位异常检测*** |
CN113325450A (zh) * | 2021-05-07 | 2021-08-31 | Oppo广东移动通信有限公司 | 定位方法、装置、电子设备及存储介质 |
CN113359168A (zh) * | 2021-05-19 | 2021-09-07 | 北京数研科技发展有限公司 | 一种视觉辅助的gnss非视距信号抑制方法 |
CN113504553A (zh) * | 2021-06-29 | 2021-10-15 | 南京航空航天大学 | 一种城市峡谷内基于精确3d城市模型的gnss定位方法 |
CN113504553B (zh) * | 2021-06-29 | 2024-03-29 | 南京航空航天大学 | 一种城市峡谷内基于精确3d城市模型的gnss定位方法 |
CN115343745A (zh) * | 2021-07-30 | 2022-11-15 | 香港理工大学 | 三维激光雷达辅助的高精度卫星定位方法 |
CN113820697A (zh) * | 2021-09-09 | 2021-12-21 | 中国电子科技集团公司第五十四研究所 | 一种基于城市建筑特征与三维地图的视觉定位方法 |
CN113820697B (zh) * | 2021-09-09 | 2024-03-26 | 中国电子科技集团公司第五十四研究所 | 一种基于城市建筑特征与三维地图的视觉定位方法 |
CN113970753A (zh) * | 2021-09-30 | 2022-01-25 | 南京理工大学 | 一种基于激光雷达和视觉检测的无人机定位控制方法及*** |
CN113970753B (zh) * | 2021-09-30 | 2024-04-30 | 南京理工大学 | 一种基于激光雷达和视觉检测的无人机定位控制方法及*** |
CN115212489A (zh) * | 2022-07-20 | 2022-10-21 | 中国矿业大学 | 一种面向森林火灾的无人机灭火救援决策辅助*** |
CN116755126A (zh) * | 2023-08-15 | 2023-09-15 | 北京航空航天大学 | 一种基于三维模型映射匹配的北斗实时精准定位方法 |
CN116755126B (zh) * | 2023-08-15 | 2023-11-14 | 北京航空航天大学 | 一种基于三维模型映射匹配的北斗实时精准定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110926474B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110926474B (zh) | 卫星/视觉/激光组合的城市峡谷环境uav定位导航方法 | |
WO2021248636A1 (zh) | 一种自动驾驶对象探测和定位***及方法 | |
CN103822635B (zh) | 基于视觉信息的无人机飞行中空间位置实时计算方法 | |
US10909395B2 (en) | Object detection apparatus | |
US20110282580A1 (en) | Method of image based navigation for precision guidance and landing | |
CN110859044A (zh) | 自然场景中的集成传感器校准 | |
CN104197928A (zh) | 多摄像机协同的无人机检测、定位及跟踪方法 | |
WO2010088290A1 (en) | Tight optical intergation (toi) of images with gps range measurements | |
CN107917699B (zh) | 一种用于提高山区地貌倾斜摄影测量空三质量的方法 | |
CN112740225A (zh) | 一种路面要素确定方法及装置 | |
CN113031041A (zh) | 一种基于天际线匹配的城市峡谷组合导航定位方法 | |
KR20210034253A (ko) | 위치 추정 장치 및 방법 | |
Bai et al. | Real-time GNSS NLOS detection and correction aided by sky-pointing camera and 3D LiDAR | |
CN112461204B (zh) | 卫星对动态飞行目标多视角成像联合计算航行高度的方法 | |
US11460302B2 (en) | Terrestrial observation device having location determination functionality | |
Chellappa et al. | On the positioning of multisensor imagery for exploitation and target recognition | |
CN113296133A (zh) | 一种基于双目视觉测量与高精度定位融合技术实现位置标定的装置及方法 | |
CN109341685B (zh) | 一种基于单应变换的固定翼飞机视觉辅助着陆导航方法 | |
CN113340272A (zh) | 一种基于无人机微群的地面目标实时定位方法 | |
Koppanyi et al. | Experiences with acquiring highly redundant spatial data to support driverless vehicle technologies | |
Gu et al. | SLAM with 3dimensional-GNSS | |
Pritt et al. | Automated georegistration of motion imagery | |
CN110887475B (zh) | 一种基于偏振北极点及偏振太阳矢量的静基座粗对准方法 | |
CN112050830B (zh) | 一种运动状态估计方法及装置 | |
Gakne | Improving the accuracy of GNSS receivers in urban canyons using an upward-facing camera |
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 |