CN111679680A - 一种无人机自主着舰方法及*** - Google Patents
一种无人机自主着舰方法及*** Download PDFInfo
- Publication number
- CN111679680A CN111679680A CN201911421348.7A CN201911421348A CN111679680A CN 111679680 A CN111679680 A CN 111679680A CN 201911421348 A CN201911421348 A CN 201911421348A CN 111679680 A CN111679680 A CN 111679680A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- landing
- aerial vehicle
- data
- autonomous
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 238000013459 approach Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 19
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 239000010410 layer Substances 0.000 description 9
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0607—Rate of change of altitude or depth specially adapted for aircraft
- G05D1/0653—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing
- G05D1/0676—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing specially adapted for landing
- G05D1/0684—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing specially adapted for landing on a moving platform, e.g. aircraft carrier
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种无人机自主着舰方法及***,所述方法包括以下步骤:模式判断步骤,实时判断无人机处于任务模式还是目标搜寻模式;航点移动步骤,当所述无人机处于所述任务模式时,控制所述无人机按照线路航行到达指定着舰区域,且切换为目标搜寻模式;识别目标步骤,当所述无人机处于所述目标搜寻模式时,控制所述无人机搜寻正确的着舰标识;引导着舰步骤,控制所述无人机根据融合算法逐渐靠近所述着舰标识;以及着舰步骤,控制所述无人机着舰于舰船。
Description
技术领域
本发明涉及无人飞行技术领域,更具体地,涉及一种无人机自主着舰方法及***。
背景技术
无人机在舰船上成功降落是一项非常复杂的控制任务,由于舰船可能一直在运动,且速度不固定,也就导致无人机的自主着舰难度很大。经过多年的发展研究,目前国内外无人机应用的自主着舰导航***主要有全球定位***(GPS)、惯性导航***(INS)、光电导航***、视觉导航***以及组合导航***等导航***。而目前常见的这些无人机自主着舰***及方法由于单目视觉而导致在着舰过程中存在精度上的缺陷。
因此,有必要研发一种无人机自主着舰的方法及***,来提高无人机在自主着舰过程中的精度。
发明内容
本发明提供一种无人机自主着舰方法及***,通过多个传感器的融合定位算法,提高无人机自主着舰时的精度。
本发明提供一种无人机自主着舰方法,包括以下步骤:模式判断步骤,实时判断无人机处于任务模式还是目标搜寻模式;航点移动步骤,当所述无人机处于所述任务模式时,控制所述无人机按照线路航行到达指定着舰区域,且切换为目标搜寻模式;识别目标步骤,当所述无人机处于所述目标搜寻模式时,控制所述无人机搜寻正确的着舰标识;引导着舰步骤,控制所述无人机根据融合算法逐渐靠近所述着舰标识;以及着舰步骤,控制所述无人机着舰于舰船。
进一步地,还包括实时监控步骤,实时监控所述无人机的位姿状态及着舰状态。
进一步地,在所述航点移动步骤中:当所述无人机每到达一个航点后,判断所述航点是否为最后一个航点,若是,则使所述无人机切换至所述目标搜寻模式。
进一步地,所述识别目标步骤包括以下步骤:图像采集步骤,获取一着舰图像,所述着舰图像由所述无人机下视相机采集;标识检测步骤,获取一着舰标识,所述着舰标识由所述无人机对所述着舰图像进行图像处理检测获得;以及标识判断步骤,判断所述着舰标识与预设的正确标识是否相同,若是,执行所述引导着舰步骤;若否,更新图像并重新检测所述图像中是否存在所述正确的着舰标识,并返回图像采集步骤;其中,若一段时间后仍检测不到所述正确的着舰标识,则控制无人机升高高度以获取能够检测到所述正确的着舰标识的图像。
进一步地,在所述引导着舰步骤中,当所述无人机与所述着舰标识的相对位置小于设定值时,执行所述着舰步骤。
进一步地,在所述引导着舰步骤中,当所述无人机在逐渐靠近所述着舰标识的过程中丢失所述着舰标识时,执行所述识别目标步骤。
进一步地,所述引导着舰步骤包括以下步骤:数据采集步骤,采集各传感器原始数据;数据转换步骤,将所述原始数据转换至相对坐标系;数据检验步骤,对所述转换后的数据进行有效性检验;获取最终状态估计值步骤,通过子卡尔曼滤波器得到所述传感器的下一状态估计值,并在主滤波器中根据各子滤波器的数据分配系数计算最终状态估计值;
进一步地,在所述引导着舰步骤中还包括INS定期矫正步骤,使用所述最终状态估计值与INS输出值的误差值来定期校正INS。
进一步地,在所述引导着舰步骤中,通过所述融合算法获得估计值后,通过符号判断所述无人机的移动方向,再通过PID调控原理获得所述无人机在一方向上的微小步长,之后使所述无人机在所述方向上移动所述微小步长,直到所述无人机达到降落标准后执行所述着舰步骤。
本发明还提供一种无人机自主着舰***,采用如上所述的任一项无人机自主着舰方法。
本发明的优点是提供一种无人机自主着舰方法及***,通过多个传感器的融合定位算法,提高无人机自主着舰时的精度。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1是本发明一实施例中,无人机自主着舰方法的流程图;
图2是本发明一实施例中,无人机自主着舰***的框图;
图3是本发明一实施例中,信息传输***的框图;
图4是本发明一实施例中,无人机的机载硬件框图;
图5是本发明一实施例中,地面监控***的硬件框图;
图6是本发明一实施例中,机载***与地面监控***的功能模块图;
图7是本发明一实施例中,多传感器融合算法的整体框架图;
图8是本发明一实施例中,x方向位置控制器及PID调控器的应用流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。应当理解的是,此处所描述的具体实施用例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1为无人机自主着舰方法的流程图。
如图1所示,在本发明一实施例中,无人机自主着舰方法主要包括以下几个步骤:模式判断步骤、航点移动步骤、识别目标步骤、引导着舰步骤、着舰步骤。
具体地说,在无人机将要进行自主着舰时,首先进入模式判断步骤,如图6所示,无人机机载***中的模式切换器用于切换无人机的工作模式,实现自主着舰过程中各模式的无缝衔接,无人机的初始模式为任务模式,当无人机处于任务模式时,进入航点移动步骤,控制无人机按照规定航点连成的线路航行到达指定着舰区域,其中最后一个航点为着舰区域中的着舰标识当前位置,无人机每到达一个航点后,会判断该航点是否为最后一个航点,若是,则使无人机切换至目标搜寻模式,若不是,则使无人机切换至任务模式。
当无人机航行到达最后一个航点并切换至目标搜寻模式后,将进入识别目标步骤,控制无人机搜寻正确的着舰标识,无人机将通过机载摄像机拍摄图像识别着舰标识,若识别到正确的着舰标识,则使无人机进入引导着舰步骤,若没有识别到正确的着舰标识,将通过如图6中无人机机载***的数据收发器读取地面监控***传来的当前舰船GPS数据来更新正确的着舰标识,并使无人机重新调整到更新后的着舰标识,然后继续进行识别,直到找到正确的着舰标识,在标识检测过程中,若一段时间后仍检测不到正确的着舰标识,则控制无人机升高高度以获取能够检测到正确的着舰标识的图像。
当无人机进入引导着舰步骤后,会控制无人机根据融合算法逐渐靠近着舰标识。在无人机逐渐靠近着舰标识的过程中,若着舰标识一直没有丢失,则根据融合算法,在无人机与着舰标识的相对位置小于设定值时,使无人机进入着舰步骤,当无人机在逐渐靠近着舰标识的过程中丢失着舰标识时,使无人机重新进入识别目标步骤,其中融合算法的部分将在后续进行详细说明。
当无人机进入着舰步骤后,会控制无人机进行着舰,至此,整个无人机的自主着舰过程将结束。
但,在整个无人机的自主着舰过程中,为了保证安全,还包括实时监控步骤,在上述的所有步骤正在进行时,会实时监控无人机的位姿状态及着舰状态,当判断为需要手动控制时,使无人机接受手动控制,此时,工作人员可以通过键盘输入命令、数据实现对无人机的手动控制。
以下将对本发明中的融合算法进行详细说明,图7为多传感器融合算法的整体框架图。
本发明的融合算法包括以下步骤:数据采集步骤、数据转换步骤、数据检验步骤、获取最终状态估计值步骤、INS定期矫正步骤,其中,数据采集步骤是采集各传感器原始数据,数据转换步骤是通过坐标将所述原始数据转换至相对坐标系,数据检验步骤是对所述转换后的数据进行有效性检验,获取最终状态估计值步骤是通过子卡尔曼滤波器得到所述传感器的下一状态估计值,并在主滤波器中根据各子滤波器的数据分配系数计算最终状态估计值,INS定期矫正步骤是使用所述最终状态估计值与INS输出值的误差值来定期校正INS。以下将结合数学式对各步骤进行详细说明。
由于无人机在靠近着舰标识的过程中,各传感器数据的有效性会发生变化,为了保证结果的可靠性,在通过数据采集步骤及数据转换步骤获取坐标转换后的各传感器数据后,采用基于由INS获取的预测值与各传感器的观测值间马氏距离的卡方检验来判断数据是否到达融合需求,如图7所示,首先根据下方公式来获取预测值。
公式1:Zr(k)=Hi(k)Xr(k)
其中为第i个传感器k时刻预测值与真实值的协方差矩阵,Pi(k-1)为第i个传感器(k-1)时刻估计值与真实值的协方差矩阵,Mk为马氏距离,其服从自由度为4或1的卡方分布,其自由度是由传感器观测的相互独立的数据个数决定的。显然的,γi(k)值越小,说明传感器采集到的数据越接近参考***计算得到的数据,即该数据可信度越高。选取显著水平αi,它是一个小值,通过查卡方分布表得对应卡方值那么判断数据是否可用于融合的条件如下:
其中Pr[·]是代表事件发生的概率,γi(k)大于临界值的概率小于显著水平时,认为该传感器信息可用于融合,否则,直接进入对应子滤波器下一时刻的预测。
传感器信息无论能否参与最终融合,其数据都要经过子滤波器进行时间更新和状态更新,以供下次数据检验的需要。根据公式2和公式3,计算子滤波器卡尔曼增益矩阵:
状态更新及时间更新:
公式7:Xi(k)=Xr(k)+Ki(k)(Zi(k)-Zr(k))
为了使融合算法具有自适应,使最后输出的状态接近测量准确的传感器数据,本发明采用基于特征值的联合卡尔曼信息分配系数计算方法,该方法可自适应调整信息分配比例,从而使全局滤波精度提高,具体如下:
其中nm表示特征值的个数。再求解各子滤波器信息分配系数:
其中ni表示传感器个数,βi(k)表示第i个子滤波器的信息分配系数。最后求解融合后的状态:
由于INS在短时间可以获取较为精确的***状态值,但由于测量误差的累积和漂移,长时间工作后其数据可靠性急速衰减,所以为保证参考***数据具有真实可靠的参考性,需要使用融合后的估计值对INS进行矫正,矫正量为:
公式12:δX(k)=xf(k)-Xr(k)
图8为x方向位置控制器及PID调控器的应用流程图。在通过上述融合算法输出x方向的估计值后,无人机读取融合算法输出的x方向估计值,并通过符号判断无人机的移动方向,然后根据PID调控原理,可将该估计值视为被控对象与目标之间的偏差,该偏差值即为ex(t),将其作为输入带入下列公式中:
公式13:u(t)=Kp[e(t)+1/Ti∫e(t)dt+Td×de(t)/dt]
其中Kp为比例系数;Ti为积分时间常数;Td为微分时间常数。通过公式13可以获取对应输出ux(t),该输出即为x方向上的微小步长δx。将δx累加入控制量i上,通过MAVROS使无人机在x正/负方向上移动δx,此时再读取估计值i判断是否达到降落标准,如果没有则将新的i代入PID调控器重复上述步骤,直到达到降落标准,然后按照固定值δz下降,并继续判断有没有偏离出标准,如果偏离标准,重新读取x值继续进行PID调控,将x重新调整到标准范围内,然后继续降落,直到无人机完成着舰。
为了使用上述的无人机自主着舰方法,在本发明一实施例中,还提供一种无人机自主着舰***,图2为无人机自主着舰***的框图,如图2所示,本***主要包括中央处理模块、视觉定位模块、无线定位与传输模块、GPS/INS模块、飞行控制模块、地面监控模块等6大模块,以下将对各模块进行详细说明。
中央处理模块为本***信息处理的核心,包括图像微处理器、外部控制器、信息融合器及主控制器。其中,主控制器协调其他3个处理期间的信息交流、工作频率、开启时间等任务,图像微处理器用于获取着舰标识的位置信息,并将该信息传递到信息融合器中与其他传感器的数据进行融合,估算出优于单视觉定位的无人机当前位置相对于舰船的位置信息,外部控制器通过使用该位置估计值对飞行控制模块发出相应的指令,从而实现整个无人机自主着舰***的目标功能。
视觉定位模块用以获取图像并对图像进行处理,并传给中央处理模块,视觉定位模块包括:图像微处理器、高分辨率单目相机以及高分辨率图传。其中,图像微处理器包括图像预处理器、目标分离器、位置计算器、及模板匹配器。图像微处理器通过图像预处理器及目标分离器将机载高分辨率单目相机获取的图像分别进行图像预处理及目标分离操作,以获取更方便处理的目标图像,此处目标所指即是着舰标识。在获取更方便处理的目标图像后,分别通过位置计算器和模板匹配器获取目标的实际位置坐标并坚定目标的正确性,最后将该位置数据打包上传至主控制器。与此同时,通过高分辨率图传将高分辨率单目相机获取的原始彩色图像及识别处理后的图像传输到地面监控***中进行实时监控。
无线定位与传输模块用以获取无人机相对于舰船着舰标识的位置坐标,执行融合算法,并检测无人机的位姿状态。无线定位与传输模块包括:无限测距模块,无线定位处理器及无线传输模块,其中无限测距模块分设在无人机与舰船地面站两处,无人机上搭载无线测距模块的标签节点,而地面站上设置无线测距模块的基站节点,各个节点都能获取其自身与基站节点或标签节点的距离,标签节点通过无线定位微处理器将其与各个基站节点的距离数据进行一定算法融合,获取当前无人机相对于舰船着舰目标的位置坐标,然后将其上传到信息融合器中与其他位置数据进行融合。与此同时,通过无线传输模块将该位置数据及其他子***中的相关数据上传到地面监控***中进行实时监控,时刻检测无人机位姿状态。
GPS/INS模块作为整个***的参考***,其数据可作为融合数据的一部分,用于提高融合估计数据的精度及可靠性,同时该***提供的GPS数据及INS数据可为飞行控制模块的启动、解锁、姿态调整服务。
飞行控制模块是***的执行机构,包括:外部控制器、飞控模块、伺服子***,其中飞控模块为***核心。为了减小***设计的复杂度,本实施例使用市面上成熟的飞控模块,通过其下的控制模式子模式,即板外控制模式使用专用的通信协议对其进行控制,具体为由中央处理模块中的外部控制器将融合器估计的无人机位置信息转变为控制无人机姿态角的命令信息,飞控模块收到标准的控制命令后,驱动伺服子***对电机的控制,使无人机调整姿态向着舰标识靠近。
地面监控模块是工作人员实时了解无人机运行状态的有效工具,是无人机安全着陆的另外一种保障,按照项目需求,本模块包括:上位机显示***及无线测距模块,其中无限测距模块为在上述无线定位与传输模块中说明的无限测距模块的基站节点。上位机显示***主要显示无线传输模块传来的数据,主要包括原始图像与二值化图像对比视频、无人机的速度位姿等状态信息、数据融合过程各传感器数据及融合数据信息等。同时根据需要,可以具有参数设置、历史数据保存、手动/自动控制切换等辅助功能。
如上所述,整个无人机自主着舰***中存在很多数据及信息的传输,以下将对整个***的信息传输进行详细说明,图3为信息传输***的框图。
如图3所示,在本发明一实施例中,信息传输***主要包括:感知层、数据域传输层、应用于存储层、交互层等几大功能层,以下将对各功能层进行详细说明。
感知层,是整个信息传输***的基础,包括单目相机、IMU、GPS、UWB及键盘等。无人机在逐渐靠近着舰标识时,下置单目相机会实时采集带有着舰标识的原始图像。而IMU作为内置传感器,可输出无人机三个相互垂直方向的线加速度和角加速度。GPS用于接收由卫星发来的当前地球坐标系下无人机和舰船的经纬度和高度信息。UWB则可以测量无人机上的标签节点与舰船上基站节点的距离。为了保证***安全,工作人员可以通过键盘输入命令数据实现对无人机的手动控制。
数据与传输层,由感知层采集到的原始数据有些需要传输到其他模块进行加工处理后才能使用,如图像数据、UWB采集的距离数据等,而有些数据可以直接使用,或间接使用,即不需要单独模块进行处理,这类数据如线/角加速度、经纬度、高度等数据,还有一些是人工定制的命令数据,这类数据频率低,数据量小。
应用与存储层,数据传输到指定模块后会进行使用或存储,本***原始图像数据通过图像识别与处理后得到位置数据参与算法融合,处理后的图像数据与原始图像一起存储在地面站***内的图像数据库中。多个UWB模块的距离数据经过其定位算法处理获取坐标数据与GPS数据、IMU数据及图像处理后获得的位置数据一起传入多传感器融合算法,得到最终位置估计数据,将其按照MavLink协议进行打包,在经过串口传入飞控模块,飞控模块再结合参数库中使用键盘输入的***参数对无人机进行控制。
交互层,开发基于Qtcreator的交互界面,用于显示采集到的各种信息,包括图像、无人机位姿、***参数、故障报警数据等,同时为了着舰安全考虑,在交互界面上添加手动操作的界面,无人机在没有按照预想的路线飞行时,工作人员可在界面上终止自动降落程序,进入手动控制模式。
由上述说明可知,在本发明实施例中,无人机自主着舰***中的各模块有的载于无人机上,有的位于地面监控***上,以下将对无人机机载硬件及地面监控硬件进行详细说明。
图4为无人机的机载硬件框图,如图4所示,包括中央处理模块、数据采集模块、无限传输模块、飞行控制模块及电源模块。
更具体地,中要处理模块主要为中央处理器,在本实施例中,优选中央处理器TX2。数据采集模块主要包括:Lora模块、UWB定位模块、GPS以及飞控模块,飞控模块优选Pixhawk,其中Lora模块与UWB定位模块通过UART串口协议与中央处理器进行通信,GPS、飞控模块以及中央处理器则通过UART Mavl ink协议相互通信。无限传输模块包括相机及图传发射机,可见相机优先Sony FCB-EV7500/7520,可见相机与中央处理器通过LVDS接口进行通信,图传发射机与中央处理器通过MiniHDMI进行通信。电源模块包括电机与电调,电源模块通过分电板提供5V/12V/24V等不同的电压以供其他模块使用。
图5为地面监控模块的硬件框图,如图5所示,在本实施例中,该模块以STM32F103RCT6为主芯片,通过串口分别接收四个UWB基站传来的测距数据,同时在无人机正常工作过程中,lora模块会不断接收到无人机机载***传输的无人机位姿数据、UWB定位数据、视觉定位数据、融合估计位置数据等,主芯片将以上数据信息按照TCP/IP协议打包发送到工控主机,然后由用户交互界面进行显示。而监控平台主机的命令及配置参数数据以TCP/IP数据包的形式传输到该主芯片进行解析并通过lora发送至无人机。该***不需要多余的配置电源,其使用的5V电压可由工控主机提供。
图6为机载***与底面监控模块的功能模块图,如图6所示,包括:模式切换器,用以切换无人机的工作模式,实现无人机在自主着舰过程中各模式的无缝衔接;位置方向控制器,控制无人机油门及俯仰、横滚、偏航运动实现无人机位置和速度的变化;PID调控器,根据当前位置不断调整无人机移动速率,实现对无人机落点的精确控制,提高***的鲁棒性;数据收发器,协调两***间的信息交流,包括数据接收、数据校核、数据解析、数据打包、数据发送等,保证数据传输的安全可靠;故障处理器,在***发生突发或异常情况下,提供安全的保障措施。
综上所述,利用本发明提供的无人机自主着舰方法及***,通过多个传感器的融合定位算法,提高无人机自主着舰时的精度。
以上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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种无人机自主着舰方法,其特征在于,包括以下步骤:
模式判断步骤,实时判断无人机处于任务模式还是目标搜寻模式;
航点移动步骤,当所述无人机处于所述任务模式时,控制所述无人机按照线路航行到达指定着舰区域,且切换为目标搜寻模式;
识别目标步骤,当所述无人机处于所述目标搜寻模式时,控制所述无人机搜寻正确的着舰标识;
引导着舰步骤,控制所述无人机根据融合算法逐渐靠近所述着舰标识;以及
着舰步骤,控制所述无人机着舰于舰船。
2.如权利要求1所述的无人机自主着舰方法,其特征在于,还包括实时监控步骤,实时监控所述无人机的位姿状态及着舰状态。
3.如权利要求1所述的无人机自主着舰方法,其特征在于,在所述航点移动步骤中:
当所述无人机每到达一个航点后,判断所述航点是否为最后一个航点,
若是,则使所述无人机切换至所述目标搜寻模式。
4.如权利要求1所述的无人机自主着舰方法,其特征在于,
所述识别目标步骤包括以下步骤:
图像采集步骤,获取一着舰图像,所述着舰图像由所述无人机下视相机采集;
标识检测步骤,获取一着舰标识,所述着舰标识由所述无人机对所述着舰图像进行图像处理检测获得;以及
标识判断步骤,判断所述着舰标识与预设的正确标识是否相同,若是,执行所述引导着舰步骤;若否,更新图像并重新检测所述图像中是否存在所述正确的着舰标识,并返回图像采集步骤;
其中,若一段时间后仍检测不到所述正确的着舰标识,则控制无人机升高高度以获取能够检测到所述正确的着舰标识的图像。
5.如权利要求1所述的无人机自主着舰方法,其特征在于,在所述引导着舰步骤中,当所述无人机与所述着舰标识的相对位置小于设定值时,执行所述着舰步骤。
6.如权利要求1所述的无人机自主着舰方法,其特征在于,在所述引导着舰步骤中,当所述无人机在逐渐靠近所述着舰标识的过程中丢失所述着舰标识时,执行所述识别目标步骤。
7.如权利要求1所述的无人机自主着舰方法,其特征在于,
所述引导着舰步骤包括以下步骤:
数据采集步骤,采集各传感器原始数据;
数据转换步骤,将所述原始数据转换至相对坐标系;
数据检验步骤,对所述转换后的数据进行有效性检验;
获取最终状态估计值步骤,通过子卡尔曼滤波器得到所述传感器的下一状态估计值,并在主滤波器中根据各子滤波器的数据分配系数计算最终状态估计值。
8.如权利要求7所述的无人机自主着舰方法,其特征在于,在所述引导着舰步骤中还包括INS定期矫正步骤,使用所述最终状态估计值与INS输出值的误差值来定期校正INS。
9.如权利要求7所述的无人机自主着舰方法,其特征在于,在所述引导着舰步骤中,通过所述融合算法获得估计值后,通过符号判断所述无人机的移动方向,再通过PID调控原理获得所述无人机在一方向上的微小步长,之后使所述无人机在所述方向上移动所述微小步长,直到所述无人机达到降落标准后执行所述着舰步骤。
10.一种无人机自主着舰***,采用如权利要求1-9中所述的任一项无人机自主着舰方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421348.7A CN111679680A (zh) | 2019-12-31 | 2019-12-31 | 一种无人机自主着舰方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421348.7A CN111679680A (zh) | 2019-12-31 | 2019-12-31 | 一种无人机自主着舰方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111679680A true CN111679680A (zh) | 2020-09-18 |
Family
ID=72451204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911421348.7A Pending CN111679680A (zh) | 2019-12-31 | 2019-12-31 | 一种无人机自主着舰方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111679680A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112269399A (zh) * | 2020-11-06 | 2021-01-26 | 北京理工大学 | 应用于无人机的主动回收控制方法及装置 |
CN114115345A (zh) * | 2021-11-19 | 2022-03-01 | 中国直升机设计研究所 | 一种旋翼无人机视觉着舰引导方法与*** |
CN114384929A (zh) * | 2021-12-02 | 2022-04-22 | 上海航天控制技术研究所 | 一种基于偏差优化启发式算法的无人集群编队控制方法 |
CN114442663A (zh) * | 2022-01-12 | 2022-05-06 | 苏州大学 | 多工作模式的自动巡航无人机*** |
CN115113636A (zh) * | 2022-06-14 | 2022-09-27 | 海丰通航科技有限公司 | 控制航空器自主降落至舰船的方法、***、存储介质及计算设备 |
CN116719227A (zh) * | 2023-08-11 | 2023-09-08 | 北京瞭望神州科技有限公司 | 一种应用于耕地智保场景的保护方法及保护*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353378A (zh) * | 2011-09-09 | 2012-02-15 | 南京航空航天大学 | 一种矢量形式信息分配系数的自适应联邦滤波方法 |
CN103700286A (zh) * | 2013-12-11 | 2014-04-02 | 南京航空航天大学 | 一种舰载无人机自动着舰引导方法 |
CN104590576A (zh) * | 2014-12-04 | 2015-05-06 | 南京航空航天大学 | 一种舰载无人机自主着舰的飞行控制***及方法 |
CN104932522A (zh) * | 2015-05-27 | 2015-09-23 | 深圳市大疆创新科技有限公司 | 一种飞行器的自主降落方法和*** |
CN105021184A (zh) * | 2015-07-08 | 2015-11-04 | 西安电子科技大学 | 一种用于移动平台下视觉着舰导航的位姿估计***及方法 |
CN109270953A (zh) * | 2018-10-10 | 2019-01-25 | 大连理工大学 | 一种基于同心圆视觉标识的多旋翼无人机自主降落方法 |
CN109911231A (zh) * | 2019-03-20 | 2019-06-21 | 武汉理工大学 | 基于gps和图像识别混合导航的无人机自主着舰方法与*** |
CN110032201A (zh) * | 2019-04-19 | 2019-07-19 | 成都飞机工业(集团)有限责任公司 | 一种基于卡尔曼滤波的imu机载视觉姿态融合的方法 |
CN110081881A (zh) * | 2019-04-19 | 2019-08-02 | 成都飞机工业(集团)有限责任公司 | 一种基于无人机多传感器信息融合技术的着舰引导方法 |
CN110546459A (zh) * | 2017-02-08 | 2019-12-06 | 马凯特大学 | 具有数据融合的机器人跟踪导航 |
-
2019
- 2019-12-31 CN CN201911421348.7A patent/CN111679680A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353378A (zh) * | 2011-09-09 | 2012-02-15 | 南京航空航天大学 | 一种矢量形式信息分配系数的自适应联邦滤波方法 |
CN103700286A (zh) * | 2013-12-11 | 2014-04-02 | 南京航空航天大学 | 一种舰载无人机自动着舰引导方法 |
CN104590576A (zh) * | 2014-12-04 | 2015-05-06 | 南京航空航天大学 | 一种舰载无人机自主着舰的飞行控制***及方法 |
CN104932522A (zh) * | 2015-05-27 | 2015-09-23 | 深圳市大疆创新科技有限公司 | 一种飞行器的自主降落方法和*** |
CN105021184A (zh) * | 2015-07-08 | 2015-11-04 | 西安电子科技大学 | 一种用于移动平台下视觉着舰导航的位姿估计***及方法 |
CN110546459A (zh) * | 2017-02-08 | 2019-12-06 | 马凯特大学 | 具有数据融合的机器人跟踪导航 |
CN109270953A (zh) * | 2018-10-10 | 2019-01-25 | 大连理工大学 | 一种基于同心圆视觉标识的多旋翼无人机自主降落方法 |
CN109911231A (zh) * | 2019-03-20 | 2019-06-21 | 武汉理工大学 | 基于gps和图像识别混合导航的无人机自主着舰方法与*** |
CN110032201A (zh) * | 2019-04-19 | 2019-07-19 | 成都飞机工业(集团)有限责任公司 | 一种基于卡尔曼滤波的imu机载视觉姿态融合的方法 |
CN110081881A (zh) * | 2019-04-19 | 2019-08-02 | 成都飞机工业(集团)有限责任公司 | 一种基于无人机多传感器信息融合技术的着舰引导方法 |
Non-Patent Citations (1)
Title |
---|
程隽逸: "基于多传感器融合的舰载无人机自动着舰技术的研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112269399A (zh) * | 2020-11-06 | 2021-01-26 | 北京理工大学 | 应用于无人机的主动回收控制方法及装置 |
CN114115345A (zh) * | 2021-11-19 | 2022-03-01 | 中国直升机设计研究所 | 一种旋翼无人机视觉着舰引导方法与*** |
CN114384929A (zh) * | 2021-12-02 | 2022-04-22 | 上海航天控制技术研究所 | 一种基于偏差优化启发式算法的无人集群编队控制方法 |
CN114384929B (zh) * | 2021-12-02 | 2023-09-12 | 上海航天控制技术研究所 | 一种基于偏差优化启发式算法的无人集群编队控制方法 |
CN114442663A (zh) * | 2022-01-12 | 2022-05-06 | 苏州大学 | 多工作模式的自动巡航无人机*** |
CN115113636A (zh) * | 2022-06-14 | 2022-09-27 | 海丰通航科技有限公司 | 控制航空器自主降落至舰船的方法、***、存储介质及计算设备 |
CN116719227A (zh) * | 2023-08-11 | 2023-09-08 | 北京瞭望神州科技有限公司 | 一种应用于耕地智保场景的保护方法及保护*** |
CN116719227B (zh) * | 2023-08-11 | 2023-10-24 | 北京瞭望神州科技有限公司 | 一种应用于耕地智保场景的保护方法及保护*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111679680A (zh) | 一种无人机自主着舰方法及*** | |
US20190273909A1 (en) | Methods and systems for selective sensor fusion | |
CN113124856B (zh) | 基于uwb在线锚点的视觉惯性紧耦合里程计及计量方法 | |
CN104503466B (zh) | 一种微小型无人机导航装置 | |
CN111338383B (zh) | 基于gaas的自主飞行方法及***、存储介质 | |
AU2007360479B2 (en) | System for the precision localization of a target on the ground by a flying platform and associated method of operation | |
CN111947644B (zh) | 一种室外移动机器人定位方法、***及其电子设备 | |
CN111123964A (zh) | 一种无人机降落方法、设备以及计算机可读介质 | |
CN113156998A (zh) | 一种无人机飞控***及控制方法 | |
US20210362839A1 (en) | Control device and control method for controlling flight of aerial vehicle | |
US20210216071A1 (en) | Mapping and Control System for an Aerial Vehicle | |
CN114721441B (zh) | 多信源融合的车载无人机自主降落控制方法及装置 | |
EP4269044A1 (en) | Slope location correction method and apparatus, robot and readable storage medium | |
WO2021223122A1 (zh) | 飞行器定位方法、装置、飞行器及存储介质 | |
CN105874352B (zh) | 使用旋转半径确定设备与船只之间的错位的方法和装置 | |
CN113946157A (zh) | 一种基于多功能识别定位的定点降落无人机方法及*** | |
CN211012986U (zh) | 一种基于惯导技术的无人自主巡航车导航*** | |
KR101960164B1 (ko) | 확장 칼만 필터를 이용한 물체의 실시간 방위각 산출 방법 | |
KR20160056083A (ko) | 측위 시스템 및 방법 | |
CN110785722A (zh) | 对移动平台的参数优化方法、装置及控制设备、飞行器 | |
CN117451034B (zh) | 一种自主导航的方法、装置、存储介质及电子设备 | |
CN114384932B (zh) | 一种基于距离测量的无人机导航对接方法 | |
CN117092625B (zh) | 一种雷达与组合惯导***的外参标定方法和*** | |
JP2019148456A (ja) | 算出装置、自己位置算出方法、およびプログラム | |
CN116540754A (zh) | 固定翼无人机无卫导飞行方法、装置、***及可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |
|
RJ01 | Rejection of invention patent application after publication |