CN112762936B - 一种运用于长航时无人机载荷的多源定位信息融合方法 - Google Patents

一种运用于长航时无人机载荷的多源定位信息融合方法 Download PDF

Info

Publication number
CN112762936B
CN112762936B CN202011546143.4A CN202011546143A CN112762936B CN 112762936 B CN112762936 B CN 112762936B CN 202011546143 A CN202011546143 A CN 202011546143A CN 112762936 B CN112762936 B CN 112762936B
Authority
CN
China
Prior art keywords
information
unmanned aerial
aerial vehicle
load
integrated navigation
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
CN202011546143.4A
Other languages
English (en)
Other versions
CN112762936A (zh
Inventor
陈磊
吕良
胡云鹏
孟志鹏
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.)
National Defense Technology Innovation Institute PLA Academy of Military Science
Original Assignee
National Defense Technology Innovation Institute PLA Academy of Military Science
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 National Defense Technology Innovation Institute PLA Academy of Military Science filed Critical National Defense Technology Innovation Institute PLA Academy of Military Science
Priority to CN202011546143.4A priority Critical patent/CN112762936B/zh
Publication of CN112762936A publication Critical patent/CN112762936A/zh
Application granted granted Critical
Publication of CN112762936B publication Critical patent/CN112762936B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

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)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明属于无人机载荷技术领域，提供一种长航时无人机载荷的多源定位方法。首先获取无人机组合导航***和载荷***初始解算信息，对无人机组合导航***的野值进行判断，若结果为野值，载荷定位***使用自身定位***解算当前时刻的位置信息；若不是野值，则将当前时刻的解算信息传递给载荷所携带定位***；对载荷定位***进行野值判断，若得到的载荷定位***的解算信息为野值，则只使用无人机组合导航***传递的信息，进行预报得到当前时刻的位置；若均不为野值，则二者进行信息融合，可以将无人机组合导航***解算的位置信息和载荷定位***解算的位置信息进行融合，增强载荷位置估算精度，进而提升载荷的工作性能。

Description

一种运用于长航时无人机载荷的多源定位信息融合方法
技术领域
本发明属于无人机载荷技术领域，具体涉及一种长航时无人机载荷的多源定位方法。
背景技术
航空对地观测技术应用广泛，随着无人机和各种载荷的发展，利用无人机携带载荷进行对地观测能够实现较高精度的三维测绘、风浪测量等功能。上述功能的实现需要解算载荷自身位置信息，完成测量信息的拼接，形成目标区域测量结果。载荷位置信息的获取目前有两种方式，一是利用无人机组合导航***信息，二是利用载荷自带定位***信息。但二者均具有一定的局限性：对于第一种方法，虽然载荷与无人机固连，利用无人机的组合导航***解算的位置信息理论上可以等同于载荷的位置信息，但二者采用的并非同一套时间***，会有所偏差；对于第二种方法，受限于尺寸、功耗等因素，载荷一般无法携带高性能定位***，位置估算精度不高。
为了提高载荷位置估算精度，进而提升载荷工作性能，目前一般采用两种方法：第一种是不限制载荷的尺寸和功耗，加装高精度导航卫星定位模块等导航装置，第二种是在飞行任务结束后，利用无人机组合导航***信息修正载荷位置信息。但上述方法要么带来额外的消耗，给无人机带来极大负担，要么缺少实时性，只能依赖后处理。因此，有必要发展一种运用于长航时无人机载荷的多源定位信息融合方法，在不额外增加载荷定位***性能的条件下，利用无人机组合导航***的信息，实时增强载荷位置信息估算精度，有效提升载荷工作性能。
发明内容
本发明解决的技术问题是如何在不增加载荷定位***性能的条件下实时增强载荷位置信息估算精度的技术问题。
为达到上述目的，本发明提供一种长航时无人机载荷多源位置解算信息融合方式，具体技术方案包括如下步骤：
步骤1、初始解算信息的获取
设无人机组合导航***解算得到的状态信息为Xi(k)＝[ri T(k),vi T(k)]，其中包含了当前时刻k无人机组合导航***的位置ri(k)和速度量vi(k)，同时也能获得当前为解算位置而得到的与位置误差相关的协方差矩阵Pi rr(k)；
设载荷定位***解算得到当前时刻k的无人机的位置信息rj(k)与位置误差相关的协方差矩阵
Figure BDA0002856375440000021
步骤2、无人机组合导航***的野值判断
无人机组合导航***在当前时刻，可得如下预报值：
Figure BDA0002856375440000022
其中前序时刻k-1与当前时刻k的时间差为dt，则有
Figure BDA0002856375440000023
当获取了无人机组合导航***的信息之后，可计算测量值对应的残差：
Figure BDA0002856375440000024
其中，Yi(k)为当前时刻解算得到的无人机组合导航***的位置；
如果对所有的p个分量均有下式成立，则测量值不为野值：
Figure BDA0002856375440000025
其中，c为给定的常量，上标p,p表示该矩阵对角线上的第p个元素，对应于D(k)矩阵的第p个分量；
步骤3、若步骤2判断得到的无人机组合导航***解算的位置结果为野值，则信息不进行传递，进行步骤4；否则，则将k时刻的解算信息传递给载荷所携带定位***,跳至步骤5；
步骤4、载荷定位***使用自身定位***解算当前时刻的位置信息；
步骤5、载荷定位***的野值判断
载荷所携带的定位***在当前时刻收到的信息实际来源于无人机组合导航***信息的k*时刻，则重新计算预报值：
Figure BDA0002856375440000026
其中
Figure BDA0002856375440000031
然后，计算测量值对应的残差：
Figure BDA0002856375440000032
如果对所有的p个分量均有下式成立，则测量值不为野值：
Figure BDA0002856375440000033
步骤6、获取当前时刻的位置信息
步骤6.1、若步骤5判断得到的载荷定位***的解算信息为野值，则只使用无人机传递的信息，进行预报
Figure BDA0002856375440000034
得到当前时刻的位置；
步骤6.2、信息融合
若无人机组合导航***和载荷定位***的解算信息均不为野值，二者进行信息融合，具体过程如下：
设无人机组合导航***解算信息的权重为wi，载荷定位***解算信息的权重为wj，无人机组合导航***的信息预报到当前时刻对应的位置和与位置相关的协方差矩阵为
Figure BDA0002856375440000035
和
Figure BDA0002856375440000036
则构造目标函数如下：
Figure BDA0002856375440000037
使用最优化方法寻找使得P的迹最小时对应的权重值wi和wj，运用下式对整个***的估计值进行更新：
Figure BDA0002856375440000038
即完成了二者的信息融合。
相对于现有技术，本发明的有效收益为：
1、本发明给出了在该种方式下的位置信息融合算法，可以将无人机组合导航***解算的位置信息和载荷定位***解算的位置信息进行融合，增强载荷位置估算精度，进而提升载荷的工作性能。
2、本发明的充分利用所有测量设备的测量信息，能够将多源信息进行融合，使***摒弃测量差的信息，筛选出可以利用信息，得到更高的位置解算精度，从而提升载荷的导航精度。
3、本发明利用设计的信息融合方法将长航时无人机自身的组合导航***解算的位置信息和载荷所携带定位***解算的位置信息进行融合，得到最优的融合方案，提升载荷的导航估计结果。
4、本发明不需要额外增加载荷定位***的性能，通过信息融合的方式就能够提升载荷自身的定位精度，降低了长航时无人机的开发成本。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图对本发明的具体实现过程进行详细的解释和说明。
通常无人机为了完成相应的任务，会搭载不同的载荷，很多载荷工作工程中需要解算其位置信息。长航时无人机一般自带组合导航***，在整个飞行过程中惯组会持续工作，且其信息被机载的导航卫星定位设备修正，具有较高的精度。载荷为了实现自闭环，往往也携带定位***，独立地为载荷提供位置信息。载荷与机身固联，载荷定位***所提供的信息理论上与无人机组合导航***提供的信息相同。但由于载荷定位***受限于载荷尺寸和功耗，在性能上与无人机组合导航***有差异，二者实际输出数据不同；另外，无人机与载荷在传递信息时，存在时间差，或者信息丢包的情况，会影响信息解算精度。因此，本发明的核心思路是：不同源的位置解算结果不同，但都是对无人机/载荷在当前时刻位置的估计。不同源信息相互之间能形成一定的约束，运用合适的融合算法，就能提升载荷整***置信息的估算精度。
发明的流程图如图1所示，下面详细的介绍本发明信息融合算法的具体实现过程。本发明是利用设计的信息融合器将长航时无人机自身的组合导航***解算的位置信息和载荷所携带定位***解算的位置信息进行融合，得到最优的融合方案，提升载荷的导航估计结果。
设无人机组合导航***解算得到的状态信息为Xi(k)＝[ri T(k),vi T(k)]，包含了当前时刻k无人机组合导航***的位置ri(k)和速度量vi(k)，同时也能获得当前为解算位置而得到的与位置误差相关的协方差矩阵Pi rr(k)。同时，载荷定位***也能处理得到当前时刻无人机的位置信息rj(k)与位置误差相关的协方差矩阵
Figure BDA0002856375440000041
信息的融合算法如下：
①无人机组合导航***的野值判断方法。无人机在当前时刻，可得如下预报值：
Figure BDA0002856375440000051
其中前序时刻k-1与当前时刻k的时间差为dt，则
Figure BDA0002856375440000052
当获取了组合导航***的信息之后，可计算测量值对应的残差：
Figure BDA0002856375440000053
其中，Yi(k)为当前时刻解算得到的无人机的位置。如果对所有的p个分量均有下式成立，则测量值不为野值：
Figure BDA0002856375440000054
其中，c为给定的常量，上标p,p表示该矩阵对角线上的第p个元素，对应于D(k)矩阵的第p个分量。
②载荷定位***野值的方法判断。由于时间的传递，载荷所携带的定位***在当前时刻收到的信息实际来源于无人机组合导航***信息的k*时刻。重新计算预报值：
Figure BDA0002856375440000055
其中
Figure BDA0002856375440000056
然后，计算测量值对应的残差：
Figure BDA0002856375440000057
如果对所有的p个分量均有下式成立，则测量值不为野值：
Figure BDA0002856375440000058
③信息的判别与融合
i.若判断得到无人机的解算信息为野值，则不进行传递，载荷定位***直接使用自身的解算信息；
ii.若判断得到的载荷定位***的解算信息为野值，则只使用无人机传递的信息，进行预报
Figure BDA0002856375440000061
得到当前时刻的位置。
iii.若两者均不为野值，则使用以下算法进行信息融合：
设两者信息的权重分别为wi和wj，无人机的信息预报到当前时刻对应的位置和与位置相关的协方差矩阵为
Figure BDA0002856375440000062
和
Figure BDA0002856375440000063
那么构造一下目标函数：
Figure BDA0002856375440000064
然后使用最优化方法寻找使得P的迹最小的各权重值wi和wj。得到结果后，运用下式对整个***的估计值进行更新：
Figure BDA0002856375440000065
本发明是利用设计的信息融合器将长航时无人机自身的组合导航***解算的位置信息和载荷所携带定位***解算的位置信息进行融合，得到最优的融合方案，提升载荷的导航估计结果。结合发明流程图，如图1所示，具体实施方式如下：
步骤1、无人机从组合导航***中解算得到：①当前时刻对应的无人机的状态信息Xi(k)＝[ri T(k),vi T(k)]，包含了当前时刻无人机的位置ri(k)和速度量vi(k)位置；②位置估计的协方差矩阵Pi rr(k)。
载荷定位***解算得到：①当前时刻对应的无人机的状态信息Yj(k)＝rj(k)；②位置估计的协方差矩阵
Figure BDA0002856375440000066
步骤2、无人机组合导航***的野值判断
无人机使用组合导航***前一时刻的估计结果，进行当前时刻位置的预报：
Figure BDA0002856375440000067
其中前序时刻k-1与当前时刻k的时间差为dt，并有：
Figure BDA0002856375440000068
依据当前时刻的位置解算信息Yi(k)＝ri(k)计算测量值对应的残差：
Figure BDA0002856375440000071
如果对所有的第p＝1，2，3个分量均有下式成立，则测量值不为野值：
Figure BDA0002856375440000072
步骤3、若所述步骤2判断得到的无人机组合导航***解算的位置结果为野值，则信息不进行传递，进行步骤4；否则，则将k时刻的解算信息传递给载荷所携带定位***,跳至步骤5；
步骤4、载荷定位***使用自身定位***解算当前时刻的位置信息；
步骤5、载荷定位***的野值判断
载荷所携带定位***在当前时刻收到的信息实际来源于无人机组合导航***在k*时刻的信息。重新计算预报值：
Figure BDA0002856375440000073
Figure BDA0002856375440000074
其中k*与当前时刻k的时间差为dt*，并有：
Figure BDA0002856375440000075
计算测量值对应的残差：
Figure BDA0002856375440000076
如果对第p＝1，2，3个分量均有下式成立，则测量值不为野值：
Figure BDA0002856375440000077
步骤6、获取当前时刻的位置信息
若判定得到的载荷定位***获取的信息为野值，则使用的信息完全来自于无人机所传递的信息，即
Figure BDA0002856375440000078
否则，进行信息的融合。给两个信息分别赋值初始权重wi和wj(0≤wi,wj≤1，wi+wj＝1)。将无人机的信息预报到当前时刻所对应的位置和与位置相关的协方差矩阵为
Figure BDA0002856375440000079
和
Figure BDA00028563754400000710
然后计算使得
Figure BDA00028563754400000711
取最小值的
Figure BDA00028563754400000712
和
Figure BDA00028563754400000713
得到结果后，运用下式对整个***的估计值进行更新：
Figure BDA0002856375440000081
通过上述载荷多源信息融合方法，增强载荷位置估算精度，进而提升载荷的工作性能。

Claims (1)

1.一种运用于长航时无人机载荷的多源定位信息融合方法，其特征在于，包括如下步骤：
步骤1、初始解算信息的获取
设无人机组合导航***解算得到的状态信息为Xi(k)＝[ri T(k),vi T(k)]，其中包含了当前时刻k无人机组合导航***的位置ri(k)和速度量vi(k)，同时也能获得当前为解算位置而得到的与位置误差相关的协方差矩阵Pi rr(k)；
设载荷所携带定位***解算得到当前时刻k的无人机的位置信息rj(k)与位置误差相关的协方差矩阵
Figure FDA0003479640150000011
步骤2、无人机组合导航***的野值判断
无人机组合导航***在当前时刻，可得如下预报值：
Figure FDA0003479640150000012
其中前序时刻k-1与当前时刻k的时间差为dt，则有
Figure FDA0003479640150000013
当获取了无人机组合导航***的信息之后，可计算测量值对应的残差：
Figure FDA0003479640150000014
其中，Yi(k)为当前时刻解算得到的无人机组合导航***的位置；
如果对所有的p个分量均有下式成立，则测量值不为野值：
Figure FDA0003479640150000015
其中，c为给定的常量，上标p,p表示D(k)矩阵对角线上的第p个元素，对应于D(k)矩阵的第p个分量；
步骤3、若所述步骤2判断得到的无人机组合导航***解算的位置结果为野值，则信息不进行传递，进行步骤4；否则，则将k时刻的解算信息传递给载荷所携带定位***,跳至步骤5；
步骤4、载荷所携带定位***使用自身定位***解算当前时刻的位置信息；
步骤5、载荷所携带定位***的野值判断
载荷所携带定位***在当前时刻收到的信息实际来源于无人机组合导航***信息的k*时刻，则重新计算预报值：
Figure FDA0003479640150000021
其中
Figure FDA0003479640150000022
然后，计算测量值对应的残差：
Figure FDA0003479640150000023
如果对所有的p个分量均有下式成立，则测量值不为野值：
Figure FDA0003479640150000024
步骤6、获取当前时刻的位置信息
步骤6.1、若所述步骤5判断得到的载荷所携带定位***的解算信息为野值，则只使用无人机传递的信息，进行预报
Figure FDA0003479640150000025
得到当前时刻的位置；
步骤6.2、信息融合
若无人机组合导航***和载荷所携带定位***的解算信息均不为野值，二者进行信息融合，具体过程如下：
设无人机组合导航***解算信息的权重为wi，载荷所携带定位***解算信息的权重为wj，且0≤wi,wj≤1，wi+wj＝1；
无人机组合导航***的信息预报到当前时刻对应的位置和与位置相关的协方差矩阵为
Figure FDA0003479640150000026
和
Figure FDA0003479640150000027
则构造目标函数如下：
Figure FDA0003479640150000028
st:min trace(Prr) (7)
使用最优化方法寻找使得Prr的迹最小时对应的权重值
Figure FDA0003479640150000029
和
Figure FDA00034796401500000210
运用下式对整个***的估计值进行更新：
Figure FDA0003479640150000031
即完成了二者的信息融合。
CN202011546143.4A 2020-12-24 2020-12-24 一种运用于长航时无人机载荷的多源定位信息融合方法 Active CN112762936B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011546143.4A CN112762936B (zh) 2020-12-24 2020-12-24 一种运用于长航时无人机载荷的多源定位信息融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011546143.4A CN112762936B (zh) 2020-12-24 2020-12-24 一种运用于长航时无人机载荷的多源定位信息融合方法

Publications (2)

Publication Number Publication Date
CN112762936A CN112762936A (zh) 2021-05-07
CN112762936B true CN112762936B (zh) 2022-03-15

Family

ID=75695474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011546143.4A Active CN112762936B (zh) 2020-12-24 2020-12-24 一种运用于长航时无人机载荷的多源定位信息融合方法

Country Status (1)

Country Link
CN (1) CN112762936B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117269885B (zh) * 2023-11-23 2024-02-20 中国飞行试验研究院 基于机会信号融合的飞行器定位方法及装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9224053B1 (en) * 2013-07-31 2015-12-29 Google Inc. Combining multiple estimates of an environment into a consolidated estimate for an autonomous vehicle
CN104406605B (zh) * 2014-10-13 2017-06-06 中国电子科技集团公司第十研究所 机载多导航源综合导航仿真***
CN104808558B (zh) * 2015-04-24 2017-11-28 中电科（德阳广汉）特种飞机***工程有限公司 一种适用于特种通用飞机的多任务载荷***
JP6325116B2 (ja) * 2015-05-23 2018-05-16 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ 慣性および画像センサを用いたセンサ融合
CN108139486A (zh) * 2015-09-16 2018-06-08 深圳市大疆创新科技有限公司 用于uav定位的***和方法
US11781931B2 (en) * 2016-06-10 2023-10-10 Metal Raptor, Llc Center of gravity based positioning of items within a drone
CN107747944B (zh) * 2017-09-18 2020-03-17 北京航空航天大学 基于融合权重矩阵的机载分布式pos传递对准方法和装置
CN108055003A (zh) * 2017-10-24 2018-05-18 北京利泽菲尔文化科技有限公司 一种基于双光智能载荷的无人机自主巡检装置
CN109801336B (zh) * 2019-01-09 2022-09-06 南京理工大学 基于可见光及红外光视觉的机载目标定位***及方法
CN109813311B (zh) * 2019-03-18 2020-09-15 南京航空航天大学 一种无人机编队协同导航方法
CN110617818A (zh) * 2019-10-15 2019-12-27 中国人民解放军军事科学院国防科技创新研究院 一种无人机航迹生成方法
CN111189442B (zh) * 2020-01-11 2023-07-04 郑州轻工业大学 基于cepf的无人机多源导航信息状态预测方法
CN111115458A (zh) * 2020-04-01 2020-05-08 湖南三一塔式起重机械有限公司 载荷位置计算装置及起重机

Also Published As

Publication number Publication date
CN112762936A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN107438752B (zh) 定位方法、终端和服务器
CN109901139A (zh) 激光雷达标定方法、装置、设备和存储介质
CN112505737B (zh) 一种gnss/ins组合导航方法
CN108387236B (zh) 一种基于扩展卡尔曼滤波的偏振光slam方法
CN103471586B (zh) 一种传感器辅助的终端组合定位方法及装置
CN114264301B (zh) 车载多传感器融合定位方法、装置、芯片及终端
CN112596089B (zh) 融合定位方法、装置、电子设备及存储介质
US20160379365A1 (en) Camera calibration device, camera calibration method, and camera calibration program
CN105021198A (zh) 一种基于多传感器综合导航的位置估计方法
CN116182867A (zh) 复杂室内环境下基于紧组合的ins/uwb无人车定位方法
CN112762936B (zh) 一种运用于长航时无人机载荷的多源定位信息融合方法
CN107764273B (zh) 一种车辆导航定位方法及***
CN111708008B (zh) 一种基于imu和tof的水下机器人单信标导航方法
US11187814B2 (en) Method and device for increasing the accuracy of localization
CN111829511A (zh) 一种基于m估计的auv组合导航方法及***
CN114993299B (zh) 一种基于超宽带的无人机辅助定位方法及***
CN106886037A (zh) 适用于弱gnss信号条件的pos数据纠偏方法
CN111288990A (zh) 一种架空检修机器人组合姿态测量方法
CN114035154A (zh) 一种运动参数辅助的单站射频信号定位方法
CN110764126B (zh) 一种gps信息缺失情况下的无人车导航方法及***
CN114111840A (zh) 一种基于组合导航的dvl误差参数在线标定方法
Xu et al. Adaptive kalman filter with linear equality road constraints for autonomous vehicle localization
CN111473786A (zh) 一种基于局部反馈的两层分布式多传感器组合导航滤波方法
Nagui et al. Smart Real-Time Autonomous Navigation System using integration of MEMS-based Low-Cost IMU/GPS
CN116929350B (zh) 一种基于数据链测距的快速临机重构协同导航***及方法

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