CN111623777B - 一种基于场强信息的等值线跟踪方法 - Google Patents

一种基于场强信息的等值线跟踪方法 Download PDF

Info

Publication number
CN111623777B
CN111623777B CN202010398689.3A CN202010398689A CN111623777B CN 111623777 B CN111623777 B CN 111623777B CN 202010398689 A CN202010398689 A CN 202010398689A CN 111623777 B CN111623777 B CN 111623777B
Authority
CN
China
Prior art keywords
mobile robot
time
field intensity
robot
field
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.)
Active
Application number
CN202010398689.3A
Other languages
English (en)
Other versions
CN111623777A (zh
Inventor
游科友
董斐
宋士吉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN202010398689.3A priority Critical patent/CN111623777B/zh
Publication of CN111623777A publication Critical patent/CN111623777A/zh
Application granted granted Critical
Publication of CN111623777B publication Critical patent/CN111623777B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明提出一种基于场强信息的等值线跟踪方法,属于机器人场源搜索领域。该方法首先在平面坐标系下建立移动机器人的动力学模型,移动机器人开始对期望的等值线进行跟踪后,通过机器人安装的传感器测量机器人当前位置的信号场的场强信息,最后基于场强信息设计控制量,控制移动机器人到达期望的场强,并对该强度对应的等值线持续跟踪。本发明的方法仅需要场强信息作为反馈变量,设计简单,可以在不限制移动机器人初始状态的情况下保证跟踪方法的全局稳定性,并且控制参数的设计不依赖移动机器人的初始位置。本发明的方法不需要机器人的位置信息和信号场的分布就可以实现有效的等值线跟踪,可靠性高,适合工程应用。

Description

一种基于场强信息的等值线跟踪方法
技术领域
本发明涉及一种基于场强信息的等值线跟踪方法,属于机器人场源搜索领域。
背景技术
伴随着移动机器人技术的快速发展,通过移动机器人进行场源搜索在军用和民用领域获得了广泛的应用,比如空气污染监测、火灾监测、海洋污染监测等。
其中等值线跟踪是一种特殊的场源搜索方式:移动机器人在跟踪过程中需要到达期望的场强,并沿该场强的对应的等值线持续运行,以此获得信号场的分布信息或者绘制等值线。
当利用移动机器人进行等值线跟踪时,在理想情况下,移动机器人的位置和信号场的分布信息均可获得。这时可以通过跟踪信号场的梯度或者负梯度方向实现对期望等值线的跟踪。在一般情况下,移动移动机器人的位置可以通过自身携带的传感器(比如全球卫星定位***、惯性导航***等)直接获得,但是信号场的分布信息不能提前获得,比如利用移动机器人确定海洋污染物的扩散范围。这时,可以通过移动机器人携带传感器的量测信息设计估计方法对信号场的梯度信息或者分布函数进行估计,然后再通过跟踪梯度或者负梯度方向实现等值线跟踪。常用的信号场估计方法可以分为两种:第一种是单个机器人改变自己的位置获得不同地点的场强信息,然后通过记录位置与场强的对应关系来估计信号场的分布信息;第二种是多个机器人同时测量不同位置的场强来联合估计信号场的分布信息。
在极端情况下,例如水下或者隧道等环境,移动机器人无法获得自身的位置信息。这种情况下移动机器人不能对信号场的梯度信息进行估计,因此先估计信号场梯度再设计控制方法的方法行不通。这时,研究基于场强信息的控制方法显得至关重要。
然而,基于场强信息的等值线跟踪方法面临诸多挑战:1)反馈状态有限,只有场强量测可以使用;2)移动机器人跟踪***存在比较强的非线性,当前场强与待跟踪场强之间的误差需要通过移动机器人的加速度进行间接控制;3)信号场分布未知,且不能通过场强信息对其进行估计。
目前基于场强信息的等值线跟踪方法大多存在缺陷。文献《Method for trackingof environmental level sets by a unicycle-like vehicle》设计了一种基于滑模控制的等值线跟踪方法,该方法的控制输出会根据跟踪误差在最大值与最小值之间切换,这会在实际应用中带来“抖振”问题。此外,该滑模控制方法在圆形信号场中存在稳态误差,并且还需要限制移动机器人的起始状态。
发明内容
本发明的目的是为克服现有技术的不足之处,提出一种基于场强信息的等值线跟踪方法。本发明只利用场强量测作为反馈信息就可以保证控制方法的全局稳定性,不需要限制机器人的初始状态,此外控制参数的设计也不依赖移动机器人的初始位置,可实现在移动机器人自身位置未知导致无法估计信号场分布的情况下,实现对期望等值线的有效跟踪。
本发明提出一种基于场强信息的等值线跟踪方法,其特征在于,包括以下步骤:
(1)在平面坐标系下建立移动机器人的动力学模型:
Figure BDA0002488596420000021
Figure BDA0002488596420000022
其中,p(t)=[x(t);y(t)]表示移动机器人的在t时刻的位置,x(t)和y(t)分别表示移动机器人t时刻在x轴和y轴的坐标,
Figure BDA0002488596420000023
表示t时刻p(t)的变化率,v(t)=[vx(t);vy(t)]表示移动机器人在t时刻的线速度,vx(t)和vy(t)分别表示移动机器人t时刻在x轴和y轴的线速度,a(t)表示移动机器人在t时刻的加速度;
(2)令移动机器人开始对期望的等值线进行跟踪,记当前时刻为t;
(3)移动机器人通过自身安装的传感器测量移动机器人t时刻在位置p(t)的场强,表达式如下:
s(t)=F(p(t)),
其中,F(p(t))表示信号场的函数表达式;
(4)在t时刻,通过如下控制方法获得a(t):
Figure BDA0002488596420000024
其中,ω(t)=kpe(t)+kiσ(t),
Figure BDA0002488596420000025
sd表示期望场强,vd(t)=v[cosθ(t);sinθ(t)]表示t时刻移动机器人的期望速度,v是期望的常数线速度,
Figure BDA0002488596420000026
表示机器人在t时刻的航向角,vx(t)和vy(t)分别表示移动机器人t时刻在x轴和y轴的线速度,kp>0表示比例系数,ki>0表示积分系数;k1>0,k2>0,k3>0分别表示控制参数,
Figure BDA0002488596420000027
表示t时刻场强s(t)的变化率,
Figure BDA0002488596420000028
表示t时刻积分项σ(t)的变化率,e(t)表示跟踪误差,tanh(·)表示标准双曲正切函数;
(5)将步骤(4)获得的a(t)施加到步骤(1)建立的移动机器人的动力学模型上,移动机器人进行相应运动至t+1时刻;
(6)令t=t+1,然后重新返回步骤(4),实现移动机器人对期望场强为sd的等值线的跟踪。
本发明的特点及有益效果在于:
(1)本发明仅需要场强信息作为反馈状态就可以实现对期望等值线的跟踪,不需要移动机器人本身的位置信息,该方法适用范围广,特别是水下或者隧道等无法采用GPS定位的环境;
(2)本发明无需限制移动机器人的初始状态,就可以快速到达期望的场强,无论机器人起始状态如何,都可以保证控制算法的全局稳定性,该方法设计简单,稳定性高;
(3)本发明涉及的控制参数不依赖移动机器人的初始状态,不需要根据移动机器人的初始位置调整控制参数,非常适合实际工程应用。
附图说明
图1为本发明的原理示意图。
图2为本发明实施例中移动机器人圆形信号场中运行轨迹的示意图。
图3为本发明实施例中移动机器人圆形信号场中跟踪误差随时间变化的示意图。
图4为本发明实施例中移动机器人在标量信号场中运行轨迹的示意图。
图5为本发明实施例中移动机器人在标量信号场中跟踪误差随时间变化的示意图。
具体实施方式
本发明提出的一种基于场强信息的等值线跟踪方法,下面结合附图和具体实施例进一步详细说明。
本发明提出的一种基于场强信息的等值线跟踪方法,首先在平面坐标系下建立移动机器人的动力学模型,然后通过机器人携带的传感器测量当前位置下信号场的场强,最后基于场强信息设计控制量,控制移动机器人实现到达期望的场强并沿该场强对应的等值线持续运行。本发明提出的方法仅采用场强信息作为反馈变量就可以实现对期望等值线的持续跟踪,不需要限制移动机器人的初始状态,也不需要根据移动机器人初始位置调整控制参数。
本发明提出的一种基于场强信息的等值线跟踪方法,原理如图1所示,该方法包括以下步骤:
(1)在平面坐标系下建立移动机器人的动力学模型:
Figure BDA0002488596420000041
Figure BDA0002488596420000042
其中,p(t)=[x(t);y(t)]表示移动机器人的在t时刻的位置,x(t)和y(t)分别表示移动机器人t时刻在x轴和y轴的坐标,
Figure BDA0002488596420000043
表示t时刻p(t)的变化率,v(t)=[vx(t);vy(t)]表示移动机器人在t时刻的线速度,a(t)表示移动机器人在t时刻的加速度,也是需要设计的控制输入;
(2)令移动机器人开始对期望的等值线进行跟踪,记当前时刻为t;
(3)移动机器人通过自身安装的传感器(传感器类型依据待检测信号确定)测量移动机器人t时刻在位置p(t)的场强,表达式如下:
s(t)=F(p(t)),
其中F(p(t))表示信号场的函数表达式,该函数表示一个从二维向量到一维标量的映射,即:
Figure BDA0002488596420000044
(4)在t时刻,通过如下控制方法获得控制变量a(t):
Figure BDA0002488596420000045
其中,ω(t)=kpe(t)+kiσ(t),
Figure BDA0002488596420000046
上述控制器中,sd表示期望场强,vd(t)=v[cosθ(t);sinθ(t)]表示t时刻移动机器人的期望速度,v是期望的常数线速度,此外,
Figure BDA0002488596420000047
表示机器人在t时刻的航向角,vx(t)和vy(t)分别表示移动机器人t时刻在x轴和y轴的线速度,kp>0表示比例系数,ki>0表示积分系数;k1>0,k2>0,k3>0分别表示需要设计的控制参数(通常情况下,比例系数kp远大于积分系数ki,此外k1,k2和k3需要根据实际信号场的类型确定),
Figure BDA0002488596420000048
表示t时刻场强s(t)的变化率,
Figure BDA0002488596420000049
表示t时刻积分项σ(t)的变化率,e(t)表示跟踪误差,tanh(·)表示标准双曲正切函数;
(5)将步骤(4)获得的控制变量a(t)施加到步骤(1)建立的移动机器人的动力学模型上,移动机器人进行相应运动至t+1时刻;
(6)令t=t+1,然后重新返回步骤(4),实现移动机器人对期望场强sd的等值线的跟踪。
本发明方法所采用的移动机器人和传感器均为常规型号设备;本发明方法本领域技术人员通过编程即可实现。
下面结合一个具体实施例对本发明进一步说明如下。
仿真实验
(1)仿真设置
设定移动机器人的期望常数线速度为v=0.5m/s,采样间隔为0.01s。为了方便表示,我们定义q(t)=[p(t);v(t)]代表移动机器人t时刻的状态变量。
(2)仿真结果
首先选定圆形信号场以测试控制方法的全局稳定性。不失一般性,将信号源设定在坐标原点,并将信号场函数设计为:
F(p(t))=30exp(-0.1(x2(t)+y2(t))),
其中x(t)和y(t)分别表示机器人t时刻在x轴和y轴的坐标。将期望场强设定为sd=20,控制参数设计为:kp=10,ki=1,k1=0.3,k2=1,k3=0.2。我们选定八种不同的起始状态(q(0)分别取[10;0;-0.1545;0.4755],[0;10;-0.5;0],[-10;0;0;0.5],[0;-10;0.5;0],[1;0;0.5;0],[0;1;0;0.5],[-1;0;-0.5;0],[0;-1;0;-0.5])来测试控制方法的可靠性,测试结果如图2所示。图2为本发明实施例中移动机器人在圆形信号场中运行轨迹的示意图。图2中的小正方形表示移动机器人的起始位置,箭头表示移动机器人的起始航向。从结果可以看出,无论移动机器人初始状态如何,最终都会到达期望的场强sd=20,并沿着该场强对应的等值线持续运行。
以移动机器人初始状态q(0)=[10;0;-0.1545;0.4755]为例进行跟踪效果的分析,跟踪误差随时间的变化如图3所示,从图3可以发现实际跟踪误差s(t)-sd随时间收敛到零,并且不存在稳态误差。
其次,我们设定信号场为如下的标量形式:
Figure BDA0002488596420000051
控制参数设计为:kp=10,ki=0.5,k1=0.1,k2=1,k3=0.2。实验结果如图4所示。图4中正方形分别表示移动机器人的起始位置,箭头表示移动机器人的起始航向。移动机器人的跟踪误差如图5所示,从图5中可以看出,跟踪误差小于0.02。
本发明可以仅用场强信息作为反馈变量就可以实现等值线跟踪,并且可以在不限制移动机器人初始状态的情况下保证控制方法的全局稳定性。此外,控制参数的设定不依赖于移动机器人的初始位置,设计方法简单,比较适合工程应用。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (1)

1.一种基于场强信息的等值线跟踪方法,其特征在于,包括以下步骤:
(1)在平面坐标系下建立移动机器人的动力学模型:
Figure FDA0002488596410000011
Figure FDA0002488596410000012
其中,p(t)=[x(t);y(t)]表示移动机器人的在t时刻的位置,x(t)和y(t)分别表示移动机器人t时刻在x轴和y轴的坐标,
Figure FDA0002488596410000013
表示t时刻p(t)的变化率,v(t)=[vx(t);vy(t)]表示移动机器人在t时刻的线速度,vx(t)和vy(t)分别表示移动机器人t时刻在x轴和y轴的线速度,a(t)表示移动机器人在t时刻的加速度;
(2)令移动机器人开始对期望的等值线进行跟踪,记当前时刻为t;
(3)移动机器人通过自身安装的传感器测量移动机器人t时刻在位置p(t)的场强,表达式如下:
s(t)=F(p(t)),
其中,F(p(t))表示信号场的函数表达式;
(4)在t时刻,通过如下控制方法获得a(t):
Figure FDA0002488596410000014
其中,ω(t)=kpe(t)+kiσ(t),
Figure FDA0002488596410000015
sd表示期望场强,vd(t)=v[cosθ(t);sinθ(t)]表示t时刻移动机器人的期望速度,v是期望的常数线速度,
Figure FDA0002488596410000016
表示机器人在t时刻的航向角,vx(t)和vy(t)分别表示移动机器人t时刻在x轴和y轴的线速度,kp>0表示比例系数,ki>0表示积分系数;k1>0,k2>0,k3>0分别表示控制参数,
Figure FDA0002488596410000017
表示t时刻场强s(t)的变化率,
Figure FDA0002488596410000018
表示t时刻积分项σ(t)的变化率,e(t)表示跟踪误差,tanh(·)表示标准双曲正切函数;
(5)将步骤(4)获得的a(t)施加到步骤(1)建立的移动机器人的动力学模型上,移动机器人进行相应运动至t+1时刻;
(6)令t=t+1,然后重新返回步骤(4),实现移动机器人对期望场强为sd的等值线的跟踪。
CN202010398689.3A 2020-05-12 2020-05-12 一种基于场强信息的等值线跟踪方法 Active CN111623777B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010398689.3A CN111623777B (zh) 2020-05-12 2020-05-12 一种基于场强信息的等值线跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010398689.3A CN111623777B (zh) 2020-05-12 2020-05-12 一种基于场强信息的等值线跟踪方法

Publications (2)

Publication Number Publication Date
CN111623777A CN111623777A (zh) 2020-09-04
CN111623777B true CN111623777B (zh) 2021-10-15

Family

ID=72257942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010398689.3A Active CN111623777B (zh) 2020-05-12 2020-05-12 一种基于场强信息的等值线跟踪方法

Country Status (1)

Country Link
CN (1) CN111623777B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5497181A (en) * 1992-06-29 1996-03-05 Xerox Corporation Dynamic control of individual spot exposure in an optical output device
CN101361660A (zh) * 2008-05-16 2009-02-11 深圳先进技术研究院 一种多磁性目标的定位方法及定位***
CN101733749A (zh) * 2009-12-22 2010-06-16 哈尔滨工业大学 空间机器人多领域统一建模与仿真***
CN101807081A (zh) * 2010-04-07 2010-08-18 南京航空航天大学 一种用于无人飞机的自主导航制导方法
CN103576693A (zh) * 2013-11-11 2014-02-12 哈尔滨工程大学 基于二阶滤波器的水下机器人三维路径跟踪控制方法
US8701584B2 (en) * 2010-08-31 2014-04-22 Atlas Elektronik Gmbh Unmanned underwater vehicle and method for operating an unmanned underwater vehicle
CN104416569A (zh) * 2013-08-28 2015-03-18 鸿富锦精密工业(深圳)有限公司 机器人控制***、机器人及机器人控制方法
CN104460665A (zh) * 2014-10-13 2015-03-25 上海交通大学 基于道路曲率地图的磁导航无人车及其地图的建立方法
US9037314B2 (en) * 2010-06-21 2015-05-19 Optimal Ranging, Inc. UAV power line position and load parameter estimation
CN107748566A (zh) * 2017-09-20 2018-03-02 清华大学 一种基于强化学习的水下自主机器人固定深度控制方法
CN108527365A (zh) * 2018-03-21 2018-09-14 清华大学 一种高速并联机器人驱动***参数优化选型方法
CN108646740A (zh) * 2018-05-23 2018-10-12 杭州晶智能科技有限公司 基于双无线网络的移动机器人回归路径规划方法
CN108664039A (zh) * 2018-03-15 2018-10-16 清华大学 基于梯度估计的自主式水下机器人场源搜索方法及***
CN108803632A (zh) * 2018-09-19 2018-11-13 哈尔滨工程大学 基于饱和补偿技术的水面无人艇全状态约束轨迹跟踪控制方法
CN109343350A (zh) * 2018-11-20 2019-02-15 清华大学 一种基于模型预测控制的水下机器人路径跟踪控制方法
CN109579860A (zh) * 2018-11-20 2019-04-05 清华大学 一种基于场在线估计的水下机器人场源搜索方法
CN109870906A (zh) * 2019-02-25 2019-06-11 北京航空航天大学 一种基于bbo优化人工势场的高速旋翼飞行器路径规划方法
WO2019204319A1 (en) * 2018-04-16 2019-10-24 The Regents Of The University Of California Underwater free space optical communication systems
CN110824433A (zh) * 2019-10-09 2020-02-21 清华大学 电磁波量子态轨道角动量雷达探测和方法

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5497181A (en) * 1992-06-29 1996-03-05 Xerox Corporation Dynamic control of individual spot exposure in an optical output device
CN101361660A (zh) * 2008-05-16 2009-02-11 深圳先进技术研究院 一种多磁性目标的定位方法及定位***
CN101733749A (zh) * 2009-12-22 2010-06-16 哈尔滨工业大学 空间机器人多领域统一建模与仿真***
CN101807081A (zh) * 2010-04-07 2010-08-18 南京航空航天大学 一种用于无人飞机的自主导航制导方法
US9037314B2 (en) * 2010-06-21 2015-05-19 Optimal Ranging, Inc. UAV power line position and load parameter estimation
US8701584B2 (en) * 2010-08-31 2014-04-22 Atlas Elektronik Gmbh Unmanned underwater vehicle and method for operating an unmanned underwater vehicle
CN104416569A (zh) * 2013-08-28 2015-03-18 鸿富锦精密工业(深圳)有限公司 机器人控制***、机器人及机器人控制方法
CN103576693A (zh) * 2013-11-11 2014-02-12 哈尔滨工程大学 基于二阶滤波器的水下机器人三维路径跟踪控制方法
CN104460665A (zh) * 2014-10-13 2015-03-25 上海交通大学 基于道路曲率地图的磁导航无人车及其地图的建立方法
CN107748566A (zh) * 2017-09-20 2018-03-02 清华大学 一种基于强化学习的水下自主机器人固定深度控制方法
CN108664039A (zh) * 2018-03-15 2018-10-16 清华大学 基于梯度估计的自主式水下机器人场源搜索方法及***
CN108527365A (zh) * 2018-03-21 2018-09-14 清华大学 一种高速并联机器人驱动***参数优化选型方法
WO2019204319A1 (en) * 2018-04-16 2019-10-24 The Regents Of The University Of California Underwater free space optical communication systems
CN108646740A (zh) * 2018-05-23 2018-10-12 杭州晶智能科技有限公司 基于双无线网络的移动机器人回归路径规划方法
CN108803632A (zh) * 2018-09-19 2018-11-13 哈尔滨工程大学 基于饱和补偿技术的水面无人艇全状态约束轨迹跟踪控制方法
CN109343350A (zh) * 2018-11-20 2019-02-15 清华大学 一种基于模型预测控制的水下机器人路径跟踪控制方法
CN109579860A (zh) * 2018-11-20 2019-04-05 清华大学 一种基于场在线估计的水下机器人场源搜索方法
CN109870906A (zh) * 2019-02-25 2019-06-11 北京航空航天大学 一种基于bbo优化人工势场的高速旋翼飞行器路径规划方法
CN110824433A (zh) * 2019-10-09 2020-02-21 清华大学 电磁波量子态轨道角动量雷达探测和方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
A Source-seeking Strategy for An Autonomous Underwater Vehicle via On-line Field Estimation;Keyou You等;《2016 14th International Conference on Control, Automation, Robotics & Vision》;20170202;第1-6页 *
AUV Based Source Seeking with Estimated Gradients;YOU Keyou等;《Springer》;20180227;第262-275页 *
Dynamic Modelling and Control;Avilash Sahoo等;《Springer》;20200101;第303-321页 *
基于环境势场的移动机器人主动定位;刘志斌等;《控制与决策》;20080215;第23卷(第2期);第187-190、194页 *
多水下机器人自主海洋特征场跟踪研究;张少伟等;《科学通报》;20131220;第58卷;第67-74页 *
水下机器人水动力学系数计算与操纵性能研究;王雪梅;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20190115;第I140-1496页 *

Also Published As

Publication number Publication date
CN111623777A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN105823480B (zh) 基于单信标的水下移动目标定位算法
CN104655131B (zh) 基于istssrckf的惯性导航初始对准方法
CN106679662B (zh) 一种基于tma技术的水下机器人单信标组合导航方法
CN110595479B (zh) 一种基于icp算法的slam轨迹评估方法
CN102162733A (zh) 一种基于svm的auv舰位推算导航误差实时修正方法
CN116238545B (zh) 一种自动驾驶轨迹偏差检测方法及检测***
CN103968838A (zh) 一种基于极坐标系的auv曲线运动状态下的协同定位方法
CN109931952A (zh) 未知纬度条件下捷联惯导直接解析式粗对准方法
CN110160528A (zh) 一种基于角度特征识别的移动装置位姿定位方法
CN109992009B (zh) 一种基于距离量测的移动目标环绕跟踪方法
CN111623777B (zh) 一种基于场强信息的等值线跟踪方法
De Carolis et al. Low-cost energy measurement and estimation for autonomous underwater vehicles
KR101600772B1 (ko) 비행 동역학 모델을 활용한 항공기 정밀 추적 방법
Sun A comparative study on the monte carlo localization and the odometry localization
CN111487981B (zh) 船舶动力定位***及其风力前馈控制方法和装置
CN112013849A (zh) 一种水面船自主定位方法及***
CN112945245A (zh) 基于条件数理论在多auv协同导航***中可观测性分析方法
CN114200966A (zh) 一种基于感知信息的无人航行器目标定方位等距跟踪方法
CN104866669B (zh) 一种分析惯性导航***可观测性的方法
KR20170092356A (ko) 3축 지자기 센서의 방위각 보정 시스템
Yan et al. Cooperative navigation in unmanned surface vehicles with observability and trilateral positioning method
ZARKASI et al. Design Heading Control for Steering AUV with fuzzy logic
CN114705114B (zh) 一种电场测量装置定位方法、***、设备及终端
CN113514059B (zh) 一种重力辅助惯性导航***仿真平台
CN112050804B (zh) 一种基于地磁梯度的近场磁图构建方法

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