CN113340271A - 一种基于无人机微群的地面目标定位误差实时估计方法 - Google Patents
一种基于无人机微群的地面目标定位误差实时估计方法 Download PDFInfo
- Publication number
- CN113340271A CN113340271A CN202110727965.0A CN202110727965A CN113340271A CN 113340271 A CN113340271 A CN 113340271A CN 202110727965 A CN202110727965 A CN 202110727965A CN 113340271 A CN113340271 A CN 113340271A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- error
- target
- latitude
- 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
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
- G01C5/005—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels altimeters for aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Manufacturing & Machinery (AREA)
- Multimedia (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于无人机微群的地面目标定位误差实时估计方法,包括以下步骤:步骤一,计算单架无人机的自身经纬度测量误差和海拔高程测量误差;步骤二,计算单架无人机机载相机云台姿态测量误差;步骤三,计算单架无人机机载相机镜头光学误差;步骤四,计算单架无人机姿态测量误差;步骤五,计算单架无人机大地高程误差;步骤六,将单架无人机的上述误差进行融合,解算单架无人机的目标经纬度定位误差和目标高程定位误差;步骤七,综合多架无人机的目标经纬度定位误差和目标高程定位误差,解算无人机微群的地面目标经纬度定位误差和目标高程定位误差。本发明通过将不同来源、不同种类的误差数据进行融合,有利于定位精度的量化和故障诊断。
Description
技术领域
本发明涉及无人机微群目标定位技术领域,更具体的说是涉及一种基于无人机微群的地面目标定位误差实时估计方法。
背景技术
对于无人机微群目标定位,通常基于机载相机云台对目标进行拍摄,之后再结合无人机自身测量得到的信息进行解算得到目标真实位置。在此过程中,无人机自身经纬度和海拔高程定位误差、无人机姿态测量误差、无人机大地高程测量误差、机载相机云台姿态测量误差、机载相机镜头光学误差成为了目标定位主要的误差来源,这些误差源会导致目标物体经纬度和高程的计算误差,此即目标物体定位误差,该误差由概率圆半径表示。由于单架无人机的相关误差都不尽相同,因此对多无人机多来源的数据进行误差估计,最终得出目标定位总体误差成为重点。
在无人机目标定位领域,多针对最终结果的精度进行考核,少见对误差的解算和分析。在无人机微群目标定位方面,多由数个目标定位结果进行简单的平均处理得到最终结果,无法评估单架无人机目标定位的精度和效果,更无法得出最终结果的误差范围。
现有技术中,无人机的目标定位方法通过至少两台无人机对准同一目标进行拍摄,利用位置及角度数据确定目标同每台无人机之间的方向向量,从而确定所述目标的位置。但该方法没有对定位误差进行分析和估计,无法实时评估无人机目标定位的误差大小。
因此,如何提供一种能够对不同来源误差数据进行融合,提高定位精度的基于无人机微群的地面目标定位误差实时估计方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于无人机微群的地面目标定位误差实时估计方法,通过将不同来源、不同种类的误差数据进行融合,有利于定位精度的量化和故障诊断。
为了实现上述目的,本发明采用如下技术方案:
一种基于无人机微群的地面目标定位误差实时估计方法,包括以下步骤:
步骤一,在任意时刻k,令无人机微群悬停;根据单架无人机的卫星定位仪参数和实时测量数据方差计算出无人机自身经纬度测量误差和海拔高程测量误差;
步骤二,根据单架无人机的机载相机云台姿态参数和实时测量数据方差计算出机载相机云台姿态测量误差;
步骤三,根据单架无人机三维机载相机镜头畸变系数标定值计算出机载相机镜头光学误差;
步骤四,根据单架无人机的姿态传感器参数及实时测量数据方差计算出无人机姿态测量误差;
步骤五,根据单架无人机大地高程传感器参数和实时测量数据方差计算出无人机大地高程误差;
步骤六,将单架无人机的自身经纬度测量误差、海拔高程测量误差、机载相机云台姿态测量误差、机载相机镜头光学误差、无人机姿态测量误差和无人机大地高程误差进行融合,解算出单架无人机的目标经纬度定位误差和目标高程定位误差;
步骤七,综合多架无人机的目标经纬度定位误差和目标高程定位误差,解算出无人机微群的地面目标经纬度定位误差和目标高程定位误差。
优选的,在上述一种基于无人机微群的地面目标定位误差实时估计方法中,步骤一中,单架无人机的自身经纬度测量误差δ1的计算公式如下:
上式中,δ11表示单架无人机自身卫星定位仪的标称经纬度定位精度;δ12表示当前时刻前30s时间内,单架无人机测量得到的经纬度实时数据的方差;
单架无人机的海拔高程测量误差δ6的计算公式如下:
上式中,δ61表示单架无人机自身卫星定位仪的标称海拔高程定位精度,δ62表示当前时刻之前一段时间海拔高程实时数据的方差。
优选的,在上述一种基于无人机微群的地面目标定位误差实时估计方法中,步骤二中,单架无人机的机载相机云台姿态测量误差δ2a、δ2b、δ2c的计算公式如下,其中,三轴姿态分别为方向角、俯仰角和翻滚角;
上式中,δ21、δ22、δ23分别表示单架无人机的机载相机云台三轴姿态的测量精度;δ24、δ25、δ26分别表示当前时刻之前一段时间单架无人机的机载相机云台三轴姿态实时测量数据的方差。
优选的,在上述一种基于无人机微群的地面目标定位误差实时估计方法中,步骤三中,单架无人机的机载相机镜头光学误差包括光学畸变横向误差和纵向误差,光学畸变横向误差δ3a和纵向误差δ3b的计算公式如下:
上式中,k1和k2表示单架无人机机载相机镜头径向畸变系数,p1和p2表示单架无人机机载相机镜头切向畸变系数,(x,y)表示目标中心点在图像中的像素位置,r表示目标中心点在图像中像素位置距图像中心的距离。
优选的,在上述一种基于无人机微群的地面目标定位误差实时估计方法中,步骤四中,单架无人机的姿态测量误差δ4a、δ4b、δ4c的计算公式如下,三轴顺序为方向角、俯仰角、翻滚角;
上式中,δ41、δ42、δ43表示单架无人机三轴姿态测量精度;δ44、δ45、δ46表示单架无人机当前时刻前一段时间的姿态实时测量数据的方差。
优选的,在上述一种基于无人机微群的地面目标定位误差实时估计方法中,步骤五中,单架无人机的大地高程误差δ5的计算公式如下:
上式中,δ51表示单架无人机大地高程测量仪的标称测量精度,δ52表示单架无人机当前时刻之前一段时间大地高程实时测量数据的方差。
优选的,在上述一种基于无人机微群的地面目标定位误差实时估计方法中,步骤六中,单架无人机的目标经纬度定位误差的计算过程如下:
根据单架无人机的机载相机镜头光学误差、机载相机云台姿态测量误差和无人机姿态测量误差推导出目标与无人机连线的俯仰角误差δp和方向角误差δy;计算公式如下:
上式中,θgr表示记载相机云台的翻滚角;θr表示单架无人机的翻滚角;h表示机载相机所拍摄的含有目标的图像的像素高度,w为图像的像素宽度,θcw为相机镜头的横向视角;θch为相机镜头的纵向视角;
将单架无人机的大地高程测量误差与目标俯仰角误差和目标方向角误差进行融合解算,得到单架无人机的目标经纬度相对定位误差区域,该区域为一以单架无人机为中心的扇环,扇环内半径r1、外半径r2和圆心角θfr计算公式如下:
其中,hf表示单架无人机的大地高程;θgp表示机载相机云台的俯仰角;θp表示单架无人机的俯仰角;
引入单架无人机自身经纬度测量误差,目标经纬度相对定位误差区域中心在单架无人机自身经纬度测量误差概率圆内进行平移,取最大的覆盖区域的外接圆为单架无人机的目标经纬度定位误差概率圆,将目标经纬度定位误差概率圆的半径作为单架无人机的目标经纬度定位误差,目标经纬度定位误差概率圆的半径rd的计算公式如下:
优选的,在上述一种基于无人机微群的地面目标定位误差实时估计方法中,步骤六中,根据单架无人机的自身海拔高程测量误差和大地高程测量误差融合,得到单架无人机的目标高程定位误差一维概率圆,将目标高程定位误差一维概率圆的半径rh作为单架无人机的目标高程定位误差,rh的计算公式如下:
优选的,在上述一种基于无人机微群的地面目标定位误差实时估计方法中,无人机微群的地面目标经纬度定位误差rD的计算公式如下:
上式中,xi为无人机i目标经纬度定位经度值,yi为无人机i目标经纬度定位纬度值,px为目标经度离散惩罚系数,py为目标纬度离散惩罚系数,n表示无人机微群中包含n架无人机;
无人机微群的目标高程定位误差rH的计算公式如下:
其中,rhi表示无人机i的目标高程定位误差一维概率圆的半径。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于无人机微群的地面目标定位误差实时估计方法,通过计算不同来源的单架无人机目标经纬度定位误差和目标高程定位误差,并进行数据融合,最终得到总体圆概率误差,提升了误差估计的可靠性,有利于定位精度的估算。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的基于无人机微群的地面目标定位误差实时估计方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例公开了一种基于无人机微群的地面目标定位误差实时估计方法,包括以下步骤:
步骤一,在任意时刻k,令无人机微群悬停;根据单架无人机的卫星定位仪参数和实时测量数据方差计算出无人机自身经纬度测量误差和海拔高程测量误差。
该步骤中,单架无人机的自身经纬度测量误差δ1的计算公式如下:
上式中,δ11表示单架无人机自身卫星定位仪的标称经纬度定位精度;δ12表示当前时刻前30s时间内,单架无人机测量得到的经纬度实时数据的方差;
单架无人机的海拔高程测量误差δ6的计算公式如下:
上式中,δ61表示单架无人机自身卫星定位仪的标称海拔高程定位精度,δ62表示当前时刻之前一段时间海拔高程实时数据的方差。
步骤二,根据单架无人机的机载相机云台姿态参数和实时测量数据方差计算出机载相机云台姿态测量误差。
该步骤中,单架无人机的机载相机云台姿态测量误差δ2a、δ2b、δ2c的计算公式如下,其中,三轴姿态分别为方向角、俯仰角和翻滚角;
上式中,δ21、δ22、δ23分别表示单架无人机的机载相机云台三轴姿态的测量精度;δ24、δ25、δ26分别表示当前时刻之前一段时间单架无人机的机载相机云台三轴姿态实时测量数据的方差。
步骤三,根据单架无人机三维机载相机镜头畸变系数标定值计算出机载相机镜头光学误差。
该步骤中,单架无人机的机载相机镜头光学误差包括光学畸变横向误差和纵向误差,光学畸变横向误差δ3a和纵向误差δ3b的计算公式如下:
上式中,k1和k2表示单架无人机机载相机镜头径向畸变系数,p1和p2表示单架无人机机载相机镜头切向畸变系数,(x,y)表示目标中心点在图像中的像素位置,r表示目标中心点在图像中像素位置距图像中心的距离。
步骤四,根据单架无人机的姿态传感器参数及实时测量数据方差计算出无人机姿态测量误差。
该步骤中,单架无人机的姿态测量误差δ4a、δ4b、δ4c的计算公式如下,三轴顺序为方向角、俯仰角、翻滚角;
上式中,δ41、δ42、δ43表示单架无人机三轴姿态测量精度;δ44、δ45、δ46表示单架无人机当前时刻前一段时间的姿态实时测量数据的方差。
步骤五,根据单架无人机大地高程传感器参数和实时测量数据方差计算出无人机大地高程误差。
该步骤中,单架无人机的大地高程误差δ5的计算公式如下:
上式中,δ51表示单架无人机大地高程测量仪的标称测量精度,δ52表示单架无人机当前时刻之前一段时间大地高程实时测量数据的方差。
步骤六,将单架无人机的自身经纬度测量误差、海拔高程测量误差、机载相机云台姿态测量误差、机载相机镜头光学误差、无人机姿态测量误差和无人机大地高程误差进行融合,解算出单架无人机的目标经纬度定位误差和目标高程定位误差。
单架无人机的目标经纬度定位误差的计算过程如下:
根据单架无人机的机载相机镜头光学误差、机载相机云台姿态测量误差和无人机姿态测量误差推导出目标与无人机连线的俯仰角误差δp和方向角误差δy;计算公式如下:
上式中,θgr表示记载相机云台的翻滚角;θr表示单架无人机的翻滚角;h表示机载相机所拍摄的含有目标的图像的像素高度,w为图像的像素宽度,θcw为相机镜头的横向视角;θch为相机镜头的纵向视角;
将单架无人机的大地高程测量误差与目标俯仰角误差和目标方向角误差进行融合解算,得到单架无人机的目标经纬度相对定位误差区域,该区域为一以单架无人机为中心的扇环,扇环内半径r1、外半径r2和圆心角θfr计算公式如下:
其中,hf表示单架无人机的大地高程;θgp表示机载相机云台的俯仰角;θp表示单架无人机的俯仰角;
引入单架无人机自身经纬度测量误差,目标经纬度相对定位误差区域中心在单架无人机自身经纬度测量误差概率圆内进行平移,取最大的覆盖区域的外接圆为单架无人机的目标经纬度定位误差概率圆,将目标经纬度定位误差概率圆的半径作为单架无人机的目标经纬度定位误差,目标经纬度定位误差概率圆的半径rd的计算公式如下:
单架无人机的目标高程定位误差的计算过程为:
根据单架无人机的自身海拔高程测量误差和大地高程测量误差融合,得到单架无人机的目标高程定位误差一维概率圆,将目标高程定位误差一维概率圆的半径rh作为单架无人机的目标高程定位误差,rh的计算公式如下:
步骤七,综合多架无人机的目标经纬度定位误差和目标高程定位误差,解算出无人机微群的地面目标经纬度定位误差和目标高程定位误差。
无人机微群的地面目标经纬度定位误差rD的计算公式如下:
上式中,xi为无人机i目标经纬度定位经度值,yi为无人机i目标经纬度定位纬度值,px为目标经度离散惩罚系数,py为目标纬度离散惩罚系数,n表示无人机微群中包含n架无人机;
无人机微群的目标高程定位误差rH的计算公式如下:
其中,rhi表示无人机i的目标高程定位误差一维概率圆的半径。
在一个具体实施例中,无人机微群由三架相同的大疆Mavic Air小型无人机组成,无人机搭载相机云台为Osmo Air 3s三轴机械云台,机载相机为Camo1200,有效像素为1200万。解算用计算机CPU主频为3.1GHz、内存为8G。
该无人机微群的地面目标定位误差实时估计方法具体包括以下步骤:
步骤一、无人机自身卫星定位仪经纬度标称定位精度δ11=1m,计算当前时刻之前100ms经纬度实时数据的方差δ12=1.5m。则无人机自身经纬度定位误差δ1=1m。
无人机自身卫星定位仪海拔高程标称定位精度δ61=1m,计算当前时刻之前100ms海拔高程实时数据的方差δ62=1.5m。则无人机自身海拔高程定位误差δ6=1.3m。
步骤二、无人机机载相机云台姿态测量仪标称精度δ21=0.1°、δ22=0.1°、δ23=0.1°,计算当前时刻之前100ms机载相机云台姿态实时测量数据的方差δ24°=0.1°、δ25=0.2°、δ26=0.1°。则机载相机云台机械误差为δ2a=0.10°、δ2b=0.22°、δ2c=0.10°。
步骤三、经黑白格板标定实验,测得机载相机镜头光学畸变系数k1=0.01、k2=0.0001、p1=0.001、p2=0.0001。目标在图像中的像素位置为(51,51),目标在图像中像素位置距图像中心距离r=1.414,计算所得x、y轴机载相机镜头光学误差δ3a=0.02、δ3b=0.02。
步骤四、无人机自身姿态测量仪标称精度δ41=0.5°、δ42=0.1°、δ43=0.2°,计算当前时刻之前100ms无人机自身姿态测量实时数据的方差δ44=1°、δ45=0.2°、δ46=0.3°。则无人机自身姿态测量误差δ4a=1.11°、δ4b=0.22°、δ4c=0.36°。
步骤五、无人机自身大地高程测量仪标称精度δ51=0.2m,计算当前时刻之前100ms大地高程实时测量数据的方差δ52=0.3m。则无人机大地高程测量误差δ5=0.36m。
步骤六、根据机载相机镜头光学误差、机载相机云台姿态测量误差和无人机姿态测量误差,解算目标定位的俯仰角和方向角误差。已知机载相机云台的翻滚角θgr=0°,无人机的翻滚角θr=0°,图像的像素高程h=100,图像的像素宽度w=100,相机镜头的横向视角θcw=57°,相机镜头的纵向视角为θch=53°。则目标定位俯仰角误差δp=0.51°,方向角误差δy=2.53°。
将无人机大地高程测量误差、目标俯仰角和目标方向角误差进行融合解算,得到单架无人机目标相对定位误差区域,该区域为一以无人机为中心的扇环,已知无人机大地高程hf=100m、机载相机云台俯仰角θgp=45°、无人机俯仰角θp=0°,则扇环内半径r1=97.88m,外半径r2=102.16m,圆心角θfr=2.53°。
引入无人机i自身经纬度测量误差,目标经纬度相对定位误差区域中心在无人机i自身经纬度测量误差概率圆内进行平移,取最大的覆盖区域,取该区域的外接圆为单机目标经纬度定位误差区域,该圆形区域半径rd即单无人机目标经纬度定位误差rd=4.46m。
以上为无人机1的经纬度定位误差解算,经相同步骤计算得到无人机2和无人机3的经纬度定位误差为rd2=5.28m、rd3=3.59m。
步骤七、无人机向大地竖直投影面与定位目标位于同一高程,目标高程是根据无人机海拔高程和大地高程求差而得,则三架无人机目标高程定位误差一维概率圆半径分别rh1=1.21m、rh2=1.11m、rh3=1.52m。
根据多无人机经纬度定位误差和目标经纬度定位结果,解算基于无人机微群的目标经纬度定位误差,计算公式为:
计算结果是rD=3.23m。依据多无人机高程定位误差解算出基于无人机微群的目标高程定位误差rH=1.29m。其中经纬度定位误差较高的原因为无人机自身姿态测量仪的方向角测量误差较大,假如采用大疆Mavic 2无人机进行实验,则对同样的实施例,目标经纬度定位误差预计为1.5m、高程定位误差预计为0.5m。
该实施例目标定位误差实时估计所耗用的计算时间为5毫秒,计算机硬件配置为Intel Core i7个人计算机,主频3.4GHz,内存8G,操作软件为Microsoft Windows 1064位操作***。对于固定目标和慢速移动目标(<100km/h)具有实时性
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种基于无人机微群的地面目标定位误差实时估计方法,其特征在于,包括以下步骤:
步骤一,在任意时刻k,令无人机微群悬停;根据单架无人机的卫星定位仪参数和实时测量数据方差计算出无人机自身经纬度测量误差和海拔高程测量误差;
步骤二,根据单架无人机的机载相机云台姿态参数和实时测量数据方差计算出机载相机云台姿态测量误差;
步骤三,根据单架无人机三维机载相机镜头畸变系数标定值计算出机载相机镜头光学误差;
步骤四,根据单架无人机的姿态传感器参数及实时测量数据方差计算出无人机姿态测量误差;
步骤五,根据单架无人机大地高程传感器参数和实时测量数据方差计算出无人机大地高程误差;
步骤六,将单架无人机的自身经纬度测量误差、海拔高程测量误差、机载相机云台姿态测量误差、机载相机镜头光学误差、无人机姿态测量误差和无人机大地高程误差进行融合,解算出单架无人机的目标经纬度定位误差和目标高程定位误差;
步骤七,综合多架无人机的目标经纬度定位误差和目标高程定位误差,解算出无人机微群的地面目标经纬度定位误差和目标高程定位误差。
7.根据权利要求6所述的一种基于无人机微群的地面目标定位误差实时估计方法,其特征在于,步骤六中,单架无人机的目标经纬度定位误差的计算过程如下:
根据单架无人机的机载相机镜头光学误差、机载相机云台姿态测量误差和无人机姿态测量误差推导出目标与无人机连线的俯仰角误差δp和方向角误差δy;计算公式如下:
上式中,θgr表示记载相机云台的翻滚角;θr表示单架无人机的翻滚角;h表示机载相机所拍摄的含有目标的图像的像素高度,w为图像的像素宽度,θcw为相机镜头的横向视角;θch为相机镜头的纵向视角;
将单架无人机的大地高程测量误差与目标俯仰角误差和目标方向角误差进行融合解算,得到单架无人机的目标经纬度相对定位误差区域,该区域为一以单架无人机为中心的扇环,扇环内半径r1、外半径r2和圆心角θfr计算公式如下:
其中,hf表示单架无人机的大地高程;θgp表示机载相机云台的俯仰角;θp表示单架无人机的俯仰角;
引入单架无人机自身经纬度测量误差,目标经纬度相对定位误差区域中心在单架无人机自身经纬度测量误差概率圆内进行平移,取最大的覆盖区域的外接圆为单架无人机的目标经纬度定位误差概率圆,将目标经纬度定位误差概率圆的半径作为单架无人机的目标经纬度定位误差,目标经纬度定位误差概率圆的半径rd的计算公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110727965.0A CN113340271B (zh) | 2021-06-29 | 2021-06-29 | 一种基于无人机微群的地面目标定位误差实时估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110727965.0A CN113340271B (zh) | 2021-06-29 | 2021-06-29 | 一种基于无人机微群的地面目标定位误差实时估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113340271A true CN113340271A (zh) | 2021-09-03 |
CN113340271B CN113340271B (zh) | 2022-09-06 |
Family
ID=77481571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110727965.0A Active CN113340271B (zh) | 2021-06-29 | 2021-06-29 | 一种基于无人机微群的地面目标定位误差实时估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113340271B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120050525A1 (en) * | 2010-08-25 | 2012-03-01 | Lakeside Labs Gmbh | Apparatus and method for generating an overview image of a plurality of images using a reference plane |
CN105467415A (zh) * | 2016-01-18 | 2016-04-06 | 中国民航大学 | 一种基于差分气压高度约束的小型无人机rtk相对定位方法 |
CN106705936A (zh) * | 2016-12-06 | 2017-05-24 | 浙江华飞智能科技有限公司 | 一种无人机高度优化方法及装置 |
CN106772230A (zh) * | 2016-11-10 | 2017-05-31 | 上海创功通讯技术有限公司 | 无人机精确定位的方法及装置 |
CN108490470A (zh) * | 2018-03-22 | 2018-09-04 | 深圳飞马机器人科技有限公司 | 无人机定位方法和*** |
CN110220491A (zh) * | 2019-05-31 | 2019-09-10 | 彩虹无人机科技有限公司 | 一种无人机的光学吊舱安装误差角估算方法 |
CN110285800A (zh) * | 2019-06-10 | 2019-09-27 | 中南大学 | 一种飞行器集群的协同相对定位方法及*** |
CN110411449A (zh) * | 2019-07-19 | 2019-11-05 | 中国科学院大学 | 一种航空侦察载荷目标定位方法、***及终端设备 |
-
2021
- 2021-06-29 CN CN202110727965.0A patent/CN113340271B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120050525A1 (en) * | 2010-08-25 | 2012-03-01 | Lakeside Labs Gmbh | Apparatus and method for generating an overview image of a plurality of images using a reference plane |
CN105467415A (zh) * | 2016-01-18 | 2016-04-06 | 中国民航大学 | 一种基于差分气压高度约束的小型无人机rtk相对定位方法 |
CN106772230A (zh) * | 2016-11-10 | 2017-05-31 | 上海创功通讯技术有限公司 | 无人机精确定位的方法及装置 |
CN106705936A (zh) * | 2016-12-06 | 2017-05-24 | 浙江华飞智能科技有限公司 | 一种无人机高度优化方法及装置 |
CN108490470A (zh) * | 2018-03-22 | 2018-09-04 | 深圳飞马机器人科技有限公司 | 无人机定位方法和*** |
CN110220491A (zh) * | 2019-05-31 | 2019-09-10 | 彩虹无人机科技有限公司 | 一种无人机的光学吊舱安装误差角估算方法 |
CN110285800A (zh) * | 2019-06-10 | 2019-09-27 | 中南大学 | 一种飞行器集群的协同相对定位方法及*** |
CN110411449A (zh) * | 2019-07-19 | 2019-11-05 | 中国科学院大学 | 一种航空侦察载荷目标定位方法、***及终端设备 |
Non-Patent Citations (2)
Title |
---|
孙辉: "机载光电平台目标定位与误差分析", 《中国光学》 * |
徐诚等: "无人机光电侦测平台目标定位误差分析", 《仪器仪表学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113340271B (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10607371B2 (en) | Camera calibration method, recording medium, and camera calibration apparatus | |
CN110573830B (zh) | 激光传感器的校准方法 | |
CN107314771B (zh) | 基于编码标志点的无人机定位以及姿态角测量方法 | |
EP3454008B1 (en) | Survey data processing device, survey data processing method, and survey data processing program | |
US20200003878A1 (en) | Calibration of laser and vision sensors | |
CN111415387B (zh) | 相机位姿确定方法、装置、电子设备及存储介质 | |
US11017558B2 (en) | Camera registration in a multi-camera system | |
CN109523595B (zh) | 一种建筑工程直线棱角间距视觉测量方法 | |
US7408629B2 (en) | Passive measurement of terrain parameters | |
CN114777768A (zh) | 一种卫星拒止环境高精度定位方法、***及电子设备 | |
CN111208526B (zh) | 基于激光雷达与定位向量匹配的多无人机协同定位方法 | |
CN116817929B (zh) | 一种无人机对地平面多目标同时定位方法及*** | |
CN113340271B (zh) | 一种基于无人机微群的地面目标定位误差实时估计方法 | |
CN116908818B (zh) | 基于rtk无人机的激光雷达的标定方法、装置及存储介质 | |
CN115683170B (zh) | 基于雷达点云数据融合误差的校准方法 | |
CN113790711B (zh) | 一种无人机低空飞行位姿无控多视测量方法及存储介质 | |
CN110906922A (zh) | 无人机位姿信息的确定方法及装置、存储介质、终端 | |
CN115755950A (zh) | 一种基于激光雷达和相机数据融合的无人机定点降落方法 | |
CN117434522A (zh) | 激光雷达与定位设备的标定方法、装置和标定设备 | |
CN115131433A (zh) | 一种非合作目标位姿的处理方法、装置及电子设备 | |
CN114076946A (zh) | 一种运动估计方法及装置 | |
CN117953007B (zh) | 一种基于图像匹配的线性运动补偿控制方法 | |
WO2024104418A1 (en) | Calibration method for lidar and calibration apparatus, storage medium, and terminal device | |
KR102494973B1 (ko) | 유도 비행체의 탄착 정보 계측 방법 및 그를 위한 장치 | |
EP4325836A1 (en) | Information processing device, information processing method and program |
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 |