CN114593710A - 一种无人机测量方法、***、电子设备及介质 - Google Patents
一种无人机测量方法、***、电子设备及介质 Download PDFInfo
- Publication number
- CN114593710A CN114593710A CN202210212803.8A CN202210212803A CN114593710A CN 114593710 A CN114593710 A CN 114593710A CN 202210212803 A CN202210212803 A CN 202210212803A CN 114593710 A CN114593710 A CN 114593710A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- measurement
- laser
- millimeter wave
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005259 measurement Methods 0.000 claims abstract description 260
- 230000001133 acceleration Effects 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000012937 correction Methods 0.000 claims abstract description 33
- 230000000007 visual effect Effects 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000007499 fusion processing Methods 0.000 claims description 22
- 238000000691 measurement method Methods 0.000 claims description 17
- 230000015556 catabolic process Effects 0.000 claims description 15
- 238000006731 degradation reaction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
-
- 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
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明适用于无人机技术领域，提供了一种无人机测量方法、***、电子设备及介质，该方法包括：获取无人机的历史高度数据和测量数据，所述测量数据包括激光测量数据、毫米波测量数据、加速度测量数据；根据所述加速度测量数据分别对所述激光测量数据和所述毫米波测量数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；根据所述历史高度数据对所述无人机的高度进行预测，获取预测高度数据；根据所述预测高度数据对所述目标激光数据和所述目标毫米数据进行融合处理，生成目标测量结果；通过采用该方法解决了现有技术中无人机测量测量精度较低和准确度较低的问题。
Description
技术领域
本发明涉及无人机技术领域，尤其涉及一种无人机测量方法、***、电子设备及介质。
背景技术
随着科技的进步和人工智能的高速发展，无人机技术与应用已经成为人们研究的热点。无人机的低成本性、高灵活性及其与其他技术的结合，使得其在越来越多的领域内得到应用，比如植被保护、电力巡检、灾害救援等。在这些领域内应用无人机，既突破了传统手段的局限性，又可以大大减少人力成本。而这些应用中，需要无人机实时准确测定距离地面的高度，以便无人机能够在确定的距离范围内完成准确的升降、以及稳定在确定的高度上进行高效的工作。然而，受测量装置和测量方式的影响，无人机高度测量存在测量精度较低以及测量准确度较低的问题。
发明内容
本发明提供一种无人机测量方法、***、电子设备及介质，以解决现有技术中无人机测量测量精度较低和准确度较低的问题。
本发明提供的无人机测量方法，包括：
获取无人机的历史高度数据和测量数据，所述测量数据包括激光测量数据、毫米波测量数据、加速度测量数据；
根据所述加速度测量数据分别对所述激光测量数据和所述毫米波测量数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；
根据所述历史高度数据对所述无人机的高度进行预测，获取预测高度数据；
根据所述预测高度数据对所述目标激光数据和所述目标毫米数据进行融合处理，生成目标测量结果。
可选的，所述根据预测高度数据对所述目标激光测量数据和所述目标毫米波数据进行融合处理，得到目标测量结果包括：
将所述预测高度与第一预设高度进行比对，获取第一比对结果；
根据所述第一比对结果设置激光权重和毫米波权重，并根据所述激光权重和所述毫米波权重对所述目标激光测量数据和所述目标毫米波数据进行融合处理，得到所述目标测量结果。
可选的，所述根据所述预测高度数据对所述目标激光数据和所述目标毫米数据进行融合处理，得到目标测量结果还包括：
获取视觉测量数据，并根据所述加速度数据对所述视觉测量数据进行姿态修正处理，得到目标视觉数据；
根据所述预测高度数据对所述目标激光数据、所述目标毫米波数据和所述目标视觉数据进行融合处理，得到所述目标测量结果。
可选的，所述根据所述预测高度数据对所述目标激光数据、所述目标毫米波数据和所述目标视觉数据进行融合处理，得到所述目标测量结果包括：
将所述预测高度数据与第二预设高度进行比对，获取第二比对结果；
根据所述第二比对结果设置激光参数、毫米波参数和视觉参数，并根据所述激光参数、所述毫米波参数和所述视觉参数对所述目标激光数据、所述目标毫米波数据和所述目标视觉数据进行融合处理，得到目标测量结果。
可选的，所述根据所述历史高度数据对所述无人机的高度进行预测，得到预测高度数据包括；
获取所述历史高度数据的测量时间和目标时间，根据所述测量时间和所述历史高度数据获取所述历史高度数据的趋势数据；
根据所述目标时间和所述趋势数据对所述无人机的高度进行预测，得到预测高度数据。
可选的，所述获取无人机的历史高度数据和测量数据之前还包括：
获取所述无人机的测量周期和所述测量数据的数据量，并根据所述测量周期和所述数据量对所述测量数据进行有效性判定，获取判定结果；
若所述判定结果为异常，则获取异常数据，并根据所述异常数据对所述无人机的测量数据进行降级处理，并根据降级处理后的测量数据获取所述无人机的高度测量结果；
若所述判定结果为正常，则根据所述加速度测量数据对所述激光测量数据和所述毫米波数据进行姿态修正处理。
本发明还提供了一种无人机测量***，包括：
数据获取模块，用于获取无人机的历史高度数据和测量数据，所述测量数据包括激光测量数据、毫米波测量数据、加速度测量数据；
数据修正模块，用于根据所述加速度测量数据分别对所述激光测量数据和所述毫米波测量数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；
数据预测模块，用于根据所述历史高度数据对所述无人机的高度进行预测，获取预测高度数据；
数据融合模块，用于根据所述预测高度数据对所述目标激光数据和所述目标毫米数据进行融合处理，生成目标测量结果，所述数据获取模块、所述数据修正模块和所述数据预测模块和所述数据融合模块相连接。
可选的，所述数据获取模块还包括：
激光传感器，用于获取所述无人机的激光测量数据；
毫米波传感器，用于获取所述无人机的毫米波测量数据；
加速度传感器，用于获取所述无人机的加速度测量数据。
本发明还提供一种电子设备，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行所述无人机测量方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述无人机测量方法。
如上所述，本发明提供了一种无人机测量方法、***、电子设备及介质，具有以下有益效果：首先通过获取无人机的历史高度数据、激光测量数据、毫米波测量数据、加速度测量数据；然后根据加速度测量数据分别对激光测量数据和毫米波测量数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；再根据历史高度数据对无人机的高度进行预测，获取预测高度数据；根据预测高度数据对目标激光数据和目标毫米数据进行融合处理，生成目标测量结果；通过采用加速度测量数据对激光测量数据和毫米波测量数据进行姿态修正处理，从而使得在此基础上得到目标测量结果准确度更高，通过采用将目标激光数据和目标毫米波数据融合处理的方式，避免了激光高度表测量量程小、雷达高度表死区大以及毫米波低高度精度低等问题；进而解决了现有技术中无人机高度测量精度低以及准确度低的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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一些实施例，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，还可以根据这些附图获得其它的附图。
图1是本发明实施例中无人机测量方法的流程示意图；
图2是本发明实施例中目标测量结果的获取方法的一流程示意图；
图3是本发明实施例中目标测量结果的获取方法的另一流程示意图；
图4是本发明实施例中无人机测量***的一结构示意图；
图5是本发明实施例中无人机测量***的另一结构示意图；
图6是本发明实施例中电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
随着无人机技术的发展，无人机技术被广泛应用于高度测量。目前，针对无人机高度测量主要包括以下技术方案：采用气压计检测无人机高度、实时差分定位(RTK)计算无人机的高度、毫米波雷达获取无人机高度以及采用激光雷达测量无人机高度。但是，通过气压计测高受环境影响较大，不同的温度和空气密度会对气压计测高产生较大影响；通过RTK确定无人机高度受到卫星条件的限制，测高不稳定，主要应用在空旷地区；毫米波雷达测量大多通过单一频段的窄波束毫米波雷达获取无人机高度，这种方式发射功率大，且无法兼顾低空和高空和的检测范围和检测精度；采用激光雷达受大气环境影响和不同物体表面反射率的影响，测距误差大。因此，本发明提供了一种无人机测量方法、***、电子设备及介质，用于解决上述问题，本方案通过采用加速度测量数据分别对激光测量数据和毫米波测量数据进行姿态修正处理，并将经过姿态修正处理后的激光测量数据和毫米波测量数据进行融合处理，从而避免了测量方法受大气环境、不同物体表面反射率不同、测量精度低以及测量准确度低的问题。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1是本发明在一实施例中提供的无人机测量方法的流程示意图。
如图1所示，无人机测量方法，包括步骤S110-S140：
S110，获取无人机的历史高度数据和测量数据，测量数据包括激光测量数据、毫米波测量数据、加速度测量数据；
S120，根据加速度测量数据分别对激光测量数据和毫米波测量数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；
S130，根据历史高度数据对无人机的高度进行预测，获取预测高度数据；
S140，根据预测高度数据对目标激光数据和目标毫米数据进行融合处理，生成目标测量结果。
在一实施例中，无人机测量方法用于测量无人机距离目标物的高度，具体地，无人机测量方法可以用于测量无人机距离地面的实际高度，无人机测量方法还可以用于测量无人机距离参考平面的高度。
在本实施例的步骤S110中，历史高度数据为无人机距离目标物的历史高度，历史高度数据可以通过对历史激光测量数据、历史毫米波数据和历史加速度测量数据进行处理后得到，也通过其他无人机高度测量方式得到，例如对气压计传感器所采集的数据进行处理后得到的历史高度数据、对激光传感器所采集的数据进行处理后得到的历史高度数据、对加速度传感器所采集的数据进行处理后得到的历史高度数据。
在一实施例中，激光测量数据为对激光传感器所采集的激光数据进行处理后得到的无人机距离目标物体的高度数据，激光数据包括但不限于激光发射时间、激光接收时间、激光发射频率、激光输出强度。激光测量数据的获取方法包括：获取激光发射时间和激光从目标物反射后被接收到的时间，并获取激光从目标物被反射后被接收到的时间与激光发射时间的时间间隔，时间间隔先乘以光速再除以2得到激光测量数据。在获取激光测量数据之前需要判断激光传感器所采集的数据是否有效，若激光传感器所采集的数据有效，则对激光传感器所采集的激光数据处理后，得到激光测量数据；若激光传感器所采集的数据无效，则对激光测量数据进行降级处理。可以通过无人机的控制器向激光传感器发送测试指令并接收激光传感器返回的信息判断激光传感器是否正常工作，若激光传感器正常工作，则激光传感器所采集的激光数据有效，若激光传感器未正常工作，则激光传感器所采集的激光数据无效；通过激光传感器所采集的数据进行有效性判定，若激光传感器所采集的数据有效，则对有效数据进行处理后得到激光测量数据，若激光传感器所采集的数据无效，则对激光测量数据进行降级处理；根据有效数据得到的激光测量数据更加准确，从而提高了目标测量结果的准确性。
在一实施例中，毫米波测量数据为对毫米波传感器所采集的毫米波数据进行处理后的无人机距离目标物体的高度数据，毫米波数据包括但不限于距离分辨率、目标物体检测数据、距离项索引、多普勒项索引、距离索引、多普勒索引等计算无人机距离目标物体的高度数据所需要的相关数据，毫米波传感器采集到毫米波数据后可以根据调频连续波(FMCW)工作原理和所采集的毫米波数据获取毫米波测量数据。在获取毫米波测量数据之前需要判断毫米波传感器所采集的毫米波数据是否有效，若毫米波传感器所采集的数据有效，则对毫米波传感器所采集的毫米波数据处理后，得到毫米波测量数据；若毫米波传感器所采集的毫米波数据无效，则对毫米波测量数据进行降级处理。可以通过无人机的控制器向毫米波传感器发送测试指令并接收毫米波传感器返回的信息判断毫米波传感器是否正常工作，若毫米波传感器正常工作，则毫米波传感器所采集的毫米波数据有效，若毫米波传感器未正常工作，则毫米波传感器所采集的毫米波数据无效；通过毫米波传感器所采集的数据进行有效性判定，若毫米波传感器所采集的数据有效，则对有效毫米波数据进行处理后得到毫米波测量数据，若毫米波传感器所采集的数据无效，则对毫米波测量数据进行降级处理；根据有效毫米波数据得到的毫米波测量数据更加准确，从而提高了目标测量结果的准确性。
在一实施例中，加速度测量数据为通过加速度传感器所采集的加速度数据处理后得到无人机的姿态数据，加速度数据包括但不限于三轴加速度数据(X轴加速度数据、Y轴加速度数据、Z轴加速度数据)、温度数据，并通过欧拉公式计算姿态，以及根据三轴加速度数据与重力加速度的比值计算飞机姿态角度。在获取加速度测量数据之前需要判断加速度传感器所采集的加速度数据是否有效，可以通过无人机的控制器向加速度传感器发送测试指令并接收加速度传感器返回的信息判断加速度传感器是否正常工作，若加速度传感器正常工作，则加速度传感器所采集的加速度数据有效，若加速度传感器未正常工作，则加速度传感器所采集的加速度数据无效；通过加速度传感器所采集的加速度数据进行有效性判定，若加速度传感器所采集的加速度数据有效，则对有效加速度数据进行处理后得到加速度测量数据，若加速度传感器所采集的数据无效，则需要对加速度传感器进行调试直至加速度传感器正常工作，或者在无人机上安装备用加速度传感器并采用备用加速度传感器采集加速度数据，从而确保加速度数据的有效性；根据有效加速度数据得到的加速度测量数据更加准确，从而提高了目标测量结果的准确性。
在一实施例中，上述无人机测量方法还包括：获取无人机的测量周期和测量数据的数据量，并根据测量周期和数据量对测量数据进行有效性判定，获取判定结果；若判定结果为异常，则获取异常数据，并根据异常数据对无人机的测量数据进行降级处理，并根据降级处理后的测量数据获取无人机的高度测量结果；若判定结果为正常，则根据加速度测量数据对激光测量数据和毫米波测量数据进行姿态修正处理。具体地，测量周期包括加速度传感器的测量周期、激光传感器的测量周期和毫米波传感器的测量周期，数据量包括加速度传感器所采集的数据量、激光传感器所采集的数据量和毫米波传感器所采集的数据量，异常数据包括加速度异常数据、激光异常数据和毫米波异常数据。若判定结果为异常且异常数据为加速度数据，则对加速度测量数据进行降级处理；具体地，对加速度传感器进行调试直至加速度传感器正常工作，或者在无人机上安装备用加速度传感器并采用备用加速度传感器采集加速度数据，从而确保加速度数据的有效性。若判定结果为异常且异常数据为激光数据，则对激光测量数据进行降级处理；具体地，仅采用加速度测量数据对毫米波测量数据进行姿态修正处理，得到目标毫米波数据，不需要对目标毫米波数据和目标激光数据进行融合，目标毫米波数据为目标测量结果。若判定结果为异常且异常数据为毫米波数据，则对毫米波测量数据进行降级处理；具体地，仅采用加速度测量数据对激光测量数据进行姿态修正处理，得到目标激光数据，不需要对目标毫米波数据和目标激光数据进行融合，目标激光数据为目标测量结果。目标测量结果为无人机距离目标物体的高度。通过对测量数据进行有效性判定，并根据判定结果获取目标测量结果，从而达到提高目标测量结果准确性的目标。
在本实施例的步骤S120中，通过加速度测量数据对激光测量数据进行姿态修正得到目标激光数据，从而使得基于目标激光数据得到的目标测量结果更准确，通过加速度测量数据对毫米波数据进行姿态修正得到目标毫米波数据，从而使得基于目标毫米波数据得到的目标测量结果更加准确。
在本实施例的步骤S130中，根据历史高度数据对无人机的高度进行预测实现方法包括：获取历史高度数据的测量时间和目标时间，根据测量时间和历史高度数据获取历史高度数据的趋势数据；并根据目标时间和趋势数据对无人机的高度进行预测，得到预测高度数据。具体地，根据目标时间和趋势数据对无人机的高度进行预测得到预测高度数据的数学表达可以为：H1＝H2+(t1-t2)*h，H1为预测高度数据，t1为目标时间，H2为t2时刻的历史高度数据，h为趋势数据。无人机的高度为无人机距离目标物体的高度，目标时间为目标测量结果所对应的时间，目标时间为激光数据、毫米波数据和加速度数据的采集时间。
在本实施例的步骤S140中，根据预测高度数据对目标激光测量数据和目标毫米波数据进行融合处理，得到目标测量结果的具体实现方法请参见图2，图2是本发明在一实施例中目标测量结果的获取方法的一流程示意图。
如图2所示，目标测量结果的获取方法可以包括以下步骤S210-S220：
S210，将预测高度数据与第一预设高度进行比对，获取第一比对结果；
S220，根据第一比对结果设置激光权重和毫米波权重，并根据激光权重和毫米波权重对目标激光测量数据和目标毫米波数据进行融合处理，得到目标测量结果。
在一实施例中，根据无人机的飞行情况合理地设置第一预设高度，根据激光权重和毫米波权重对目标测量数据和目标毫米波数据进行融合处理得到目标测量结果的实现方法包括但不限于；c＝a*m+b*n，c为目标测量结果，a为目标激光数据，m为激光权重，b为目标毫米波数据，n为毫米波权重。
在一实施例中，将预测高度与第一预设高度进行比对获取第一比对结果，其中第一比对结果包括预测高度大于第一预设高度以及预测高度小于或者等于第一预设高度。考虑到激光近距离测距的准确性高于毫米波的准确性以及激光远距离测距的准确性低于毫米波的准确性，若预测高度大于第一预设高度，则设置的激光权重更小，毫米波权重更大，若预测高度小于或者等于第一预设高度，则设置的激光权重更大，毫米波权重更小。根据预测高度数据对目标激光数据和目标毫米波数据进行融合时还需要考虑飞行情况或者天气情况。通过合理设置第一预设高度，并根据预测高度数据与第一预设高度数据的比对结果设置激光权重和毫米波权重，并根据激光权重和毫米波权重进行融合处理，得到目标测量结果，从而达到提高目标测量结果准确性的目的。
在一实施例中，还可以采用卡尔曼滤波法、神经网络等其他算法对目标激光数据和目标毫米波数据进行融合处理。
在一实施例中，根据预测高度数据对目标激光测量数据和目标毫米波数据进行融合处理，得到目标测量结果的具体实现方法还可以请参见图3，图3是本发明在一实施例中目标测量结果的获取方法的另一流程示意图。
如图3所示，目标测量结果的获取方法可以包括以下步骤S310-S320：
S310，获取视觉测量数据，并根据加速度数据对视觉测量数据进行姿态修正处理，得到目标视觉数据；
S320，根据预测高度数据对目标激光数据、目标毫米波数据和目标视觉数据进行融合处理，得到目标测量结果。
在本实施例的步骤S320中，根据预测高度数据对目标激光数据、目标毫米波数据和目标视觉数据进行融合处理，得到目标测量结果的具体实现方法包括；将预测高度数据与第二预设高度进行比对，获取第二比对结果；根据第二比对结果设置激光参数、毫米波参数和视觉参数，并根据激光参数、毫米波参数和视觉参数对目标激光数据、目标毫米波数据和目标视觉数据进行融合处理，得到目标测量结果。
在一实施例中，还可以通过卡尔曼滤波法、神经网络等其他算法对目标激光数据、目标毫米波数据和目标视觉数据进行融合处理。
在一实施例中，上述无人机测量方法应用于无人机测量***，请参阅图4，无人机测量***包括飞行控制器、微处理器、存储器、加速度传感器、激光传感器和毫米波传感器，微处理器分别与飞行控制器、存储器、加速度传感器、激光传感器和毫米波传感器连接。加速度传感器采集加速度数据并将采集到的加速度数据传输给微处理器，激光传感器采集激光数据并将采集到的激光数据传输给微处理器，毫米波传感器采集毫米波数据并将采集到的毫米波数据传输给微处理器，飞行控制器将无人机的飞行数据传输给微处理器；微处理器将接收到的数据传输给存储器，存储器接收微处理器传输的数据并对其进行存储。微处理器接收到加速度数据、激光数据、毫米波数据后，根据加速度数据对激光数据和毫米波数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；并根据存储器所存储的历史高度数据对无人机的高度进行预测，得到预测高度数据；再根据预测高度数据对目标激光数据和目标毫米波数据进行融合处理，得到目标测量结果，目标测量结果为无人机距离目标物体的高度。
本施例提供了一种无人机测量方法，该方法首先通过获取无人机的历史高度数据、激光测量数据、毫米波测量数据、加速度测量数据；然后根据加速度测量数据分别对激光测量数据和毫米波测量数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；再根据历史高度数据对无人机的高度进行预测，获取预测高度数据；根据预测高度数据对目标激光数据和目标毫米数据进行融合处理，生成目标测量结果；通过采用加速度测量数据对激光测量数据和毫米波测量数据进行姿态修正处理，从而使得在此基础上得到目标测量结果准确度更高，通过采用将目标激光数据和目标毫米波数据融合处理的方式，避免了激光高度表测量量程小、雷达高度表死区大以及毫米波低高度精度低等问题；进而解决了现有技术中无人机高度测量精度低以及准确度低的问题。
基于与无人机测量方法相同的发明构思，相应的，本实施例还提供了一种无人机测量***。在本实施例中，该无人机测量***执行上述任一实施例所述的无人机测量方法，具体功能和技术效果参照上述实施例即可，此处不再赘述。
图5为本发明提供的无人机测量***的另一结构示意图。
如图5所示，所示无人机测量***包括：51数据获取模块、52数据修正模块、53数据预测模块以及54数据融合模块。
其中，数据获取模块，用于获取无人机的历史高度数据和测量数据，其中，所述测量数据包括激光测量数据、毫米波测量数据、加速度测量数据；
数据修正模块，用于根据所述加速度测量数据分别对所述激光测量数据和所述毫米波测量数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；
数据预测模块，用于根据所述历史高度数据对所述无人机的高度进行预测，获取预测高度数据；
数据融合模块，用于根据所述预测高度数据对所述目标激光数据和所述目标毫米数据进行融合处理，生成目标测量结果，所述数据获取模块、所述数据修正模块和所述数据预测模块和所述数据融合模块相连接。
在一些示例性实施例中，数据获取模块包括：
激光传感器，用于获取所述无人机的激光测量数据；
毫米波传感器，用于获取所述无人机的毫米波测量数据；
加速度传感器，用于获取所述无人机的加速度测量数据。
在一些示例性实施例中，上述无人机测量***包括：
判定模块，用于获取所述无人机的测量周期和所述测量数据的数据量，并根据所述测量周期和所述数据量对所述测量数据进行有效性判定，获取判定结果；
降级处理模块，用于若所述判定结果为异常，则获取异常数据，并根据所述异常数据对所述无人机的测量数据进行降级处理，并根据降级处理后的测量数据获取所述无人机的高度测量结果；
姿态修正模块，用于若所述判定结果为正常，则根据所述加速度测量数据对所述激光测量数据和所述毫米波数据进行姿态修正处理。
在一些示例性实施例中，数据融合模块包括：
比对单元，用于将所述预测高度与第一预设高度进行比对，获取第一比对结果；
第一融合处理单元，用于根据所述第一比对结果设置激光权重和毫米波权重，并根据所述激光权重和所述毫米波权重对所述目标激光测量数据和所述目标毫米波数据进行融合处理，得到所述目标测量结果。
在一些示例性实施例中，数据融合模块还包括：
视觉数据修正单元，用于获取视觉测量数据，并根据所述加速度数据对所述视觉测量数据进行姿态修正处理，得到目标视觉数据；
第二融合处理单元，用于根据所述预测高度数据对所述目标激光数据、所述目标毫米波数据和所述目标视觉数据进行融合处理，得到所述目标测量结果。
在一些示例性实施例中，第二融合处理单元包括：
比对子单元，用于将所述预测高度数据与第二预设高度进行比对，获取第二比对结果；
融合处理子单元，用于根据所述第二比对结果设置激光参数、毫米波参数和视觉参数，并根据所述激光参数、所述毫米波参数和所述视觉参数对所述目标激光数据、所述目标毫米波数据和所述目标视觉数据进行融合处理，得到目标测量结果。
在一些示例性实施例中，数据预测模块包括：
趋势数据获取单元，用于获取所述历史高度数据的测量时间和目标时间，根据所述测量时间和所述历史高度数据获取所述历史高度数据的趋势数据；
数据预测单元，用于根据所述目标时间和所述趋势数据对所述无人机的高度进行预测，得到预测高度数据。
在一个实施例中，请参见图6，本实施例还提供了一种电子设备600，包括存储器601、处理器602及存储在存储器上并可在处理器上运行的计算机程序，所述处理器602执行所述计算机程序时实现如上任一项实施例所述方法的步骤。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子设备，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子设备执行如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(RandomAccess Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable GateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中，说明书对“本实施例”、“一实施例”、“另一实施例”、“在一些示例性实施例”或“其他实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中，但不必是全部实施例。“本实施例”、“一实施例”、“另一实施例”的多次出现不一定全部都指代相同的实施例。
在上述实施例中，尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如，其他存储结构(例如，动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明可用于众多通用或专用的计算***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种无人机测量方法，其特征在于，包括：
获取无人机的历史高度数据和测量数据，所述测量数据包括激光测量数据、毫米波测量数据、加速度测量数据；
根据所述加速度测量数据分别对所述激光测量数据和所述毫米波测量数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；
根据所述历史高度数据对所述无人机的高度进行预测，获取预测高度数据；
根据所述预测高度数据对所述目标激光数据和所述目标毫米数据进行融合处理，生成目标测量结果。
2.根据权利要求1所述的无人机测量方法，其特征在于，所述根据预测高度数据对所述目标激光测量数据和所述目标毫米波数据进行融合处理，得到目标测量结果包括：
将所述预测高度与第一预设高度进行比对，获取第一比对结果；
根据所述第一比对结果设置激光权重和毫米波权重，并根据所述激光权重和所述毫米波权重对所述目标激光测量数据和所述目标毫米波数据进行融合处理，得到所述目标测量结果。
3.根据权利要求1所述的无人机测量方法，其特征在于，所述根据所述预测高度数据对所述目标激光数据和所述目标毫米数据进行融合处理，得到目标测量结果还包括：
获取视觉测量数据，并根据所述加速度数据对所述视觉测量数据进行姿态修正处理，得到目标视觉数据；
根据所述预测高度数据对所述目标激光数据、所述目标毫米波数据和所述目标视觉数据进行融合处理，得到所述目标测量结果。
4.根据权利要求3所述的无人机测量方法，其特征在于，所述根据所述预测高度数据对所述目标激光数据、所述目标毫米波数据和所述目标视觉数据进行融合处理，得到所述目标测量结果包括：
将所述预测高度数据与第二预设高度进行比对，获取第二比对结果；
根据所述第二比对结果设置激光参数、毫米波参数和视觉参数，并根据所述激光参数、所述毫米波参数和所述视觉参数对所述目标激光数据、所述目标毫米波数据和所述目标视觉数据进行融合处理，得到目标测量结果。
5.根据权利要求1所述的无人机测量方法，其特征在于，所述根据所述历史高度数据对所述无人机的高度进行预测，得到预测高度数据包括；
获取所述历史高度数据的测量时间和目标时间，根据所述测量时间和所述历史高度数据获取所述历史高度数据的趋势数据；
根据所述目标时间和所述趋势数据对所述无人机的高度进行预测，得到预测高度数据。
6.根据权利要求1所述的无人机测量方法，其特征在于，所述获取无人机的历史高度数据和测量数据之前还包括：
获取所述无人机的测量周期和所述测量数据的数据量，并根据所述测量周期和所述数据量对所述测量数据进行有效性判定，获取判定结果；
若所述判定结果为异常，则获取异常数据，并根据所述异常数据对所述无人机的测量数据进行降级处理，并根据降级处理后的测量数据获取所述无人机的高度测量结果；
若所述判定结果为正常，则根据所述加速度测量数据对所述激光测量数据和所述毫米波数据进行姿态修正处理。
7.一种无人机测量***，其特征在于，包括：
数据获取模块，用于获取无人机的历史高度数据和测量数据，所述测量数据包括激光测量数据、毫米波测量数据、加速度测量数据；
数据修正模块，用于根据所述加速度测量数据分别对所述激光测量数据和所述毫米波测量数据进行姿态修正处理，得到目标激光数据和目标毫米波数据；
数据预测模块，用于根据所述历史高度数据对所述无人机的高度进行预测，获取预测高度数据；
数据融合模块，用于根据所述预测高度数据对所述目标激光数据和所述目标毫米数据进行融合处理，生成目标测量结果，所述数据获取模块、所述数据修正模块和所述数据预测模块和所述数据融合模块相连接。
8.根据权利要求7所述的无人机测量***，其特征在于，所述数据获取模块还包括：
激光传感器，用于获取所述无人机的激光测量数据；
毫米波传感器，用于获取所述无人机的毫米波测量数据；
加速度传感器，用于获取所述无人机的加速度测量数据。
9.一种电子设备，其特征在于，包括处理器、存储器和通信总线；
所述通信总线用于将所述处理器和存储器连接；
所述处理器用于执行所述存储器中存储的计算机程序，以实现如权利要求1-6中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序用于使所述计算机执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210212803.8A CN114593710B (zh) | 2022-03-04 | 2022-03-04 | 一种无人机测量方法、***、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210212803.8A CN114593710B (zh) | 2022-03-04 | 2022-03-04 | 一种无人机测量方法、***、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114593710A true CN114593710A (zh) | 2022-06-07 |
| CN114593710B CN114593710B (zh) | 2024-02-06 |
Family
ID=81807338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210212803.8A Active CN114593710B (zh) | 2022-03-04 | 2022-03-04 | 一种无人机测量方法、***、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114593710B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050005065A1 (en) * | 2003-07-01 | 2005-01-06 | Rowlan Stacey R. | Method and system for recording system information |
| CN103868521A (zh) * | 2014-02-20 | 2014-06-18 | 天津大学 | 基于激光雷达的四旋翼无人机自主定位及控制方法 |
| DE102016211805A1 (de) * | 2015-10-09 | 2017-04-13 | Volkswagen Aktiengesellschaft | Fusion von Positionsdaten mittels Posen-Graph |
| US20170314927A1 (en) * | 2016-04-28 | 2017-11-02 | Rogerson Aircraft Corporation | System and method for providing persistent mission data to a fleet of vehicles |
| CN108072356A (zh) * | 2016-11-11 | 2018-05-25 | 成都康烨科技有限公司 | 高度测量方法、装置及无人机 |
| CN108872991A (zh) * | 2018-05-04 | 2018-11-23 | 上海西井信息科技有限公司 | 目标物检测与识别方法、装置、电子设备、存储介质 |
| CN110132305A (zh) * | 2019-04-28 | 2019-08-16 | 浙江吉利控股集团有限公司 | 一种实时校准方法及装置 |
| CN113141459A (zh) * | 2020-10-16 | 2021-07-20 | 北京理工大学 | 一种无人机机载视觉智能处理***及方法 |
| WO2021241534A1 (ja) * | 2020-05-29 | 2021-12-02 | 富士フイルム株式会社 | 飛行撮影システム及び方法 |
| CN113917875A (zh) * | 2021-10-19 | 2022-01-11 | 河南工业大学 | 一种自主无人***开放通用智能控制器、方法及存储介质 |
| CN114091562A (zh) * | 2020-08-05 | 2022-02-25 | 北京万集科技股份有限公司 | 多传感数据融合方法、装置、***、设备和存储介质 |
-
2022
- 2022-03-04 CN CN202210212803.8A patent/CN114593710B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050005065A1 (en) * | 2003-07-01 | 2005-01-06 | Rowlan Stacey R. | Method and system for recording system information |
| CN103868521A (zh) * | 2014-02-20 | 2014-06-18 | 天津大学 | 基于激光雷达的四旋翼无人机自主定位及控制方法 |
| DE102016211805A1 (de) * | 2015-10-09 | 2017-04-13 | Volkswagen Aktiengesellschaft | Fusion von Positionsdaten mittels Posen-Graph |
| US20170314927A1 (en) * | 2016-04-28 | 2017-11-02 | Rogerson Aircraft Corporation | System and method for providing persistent mission data to a fleet of vehicles |
| CN108072356A (zh) * | 2016-11-11 | 2018-05-25 | 成都康烨科技有限公司 | 高度测量方法、装置及无人机 |
| CN108872991A (zh) * | 2018-05-04 | 2018-11-23 | 上海西井信息科技有限公司 | 目标物检测与识别方法、装置、电子设备、存储介质 |
| CN110132305A (zh) * | 2019-04-28 | 2019-08-16 | 浙江吉利控股集团有限公司 | 一种实时校准方法及装置 |
| WO2021241534A1 (ja) * | 2020-05-29 | 2021-12-02 | 富士フイルム株式会社 | 飛行撮影システム及び方法 |
| CN114091562A (zh) * | 2020-08-05 | 2022-02-25 | 北京万集科技股份有限公司 | 多传感数据融合方法、装置、***、设备和存储介质 |
| CN113141459A (zh) * | 2020-10-16 | 2021-07-20 | 北京理工大学 | 一种无人机机载视觉智能处理***及方法 |
| CN113917875A (zh) * | 2021-10-19 | 2022-01-11 | 河南工业大学 | 一种自主无人***开放通用智能控制器、方法及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114593710B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11506512B2 (en) | Method and system using tightly coupled radar positioning to improve map performance | |
| EP3264364B1 (en) | Method and apparatus for obtaining range image with uav, and uav | |
| CN110488234B (zh) | 车载毫米波雷达的外参标定方法、装置、设备及介质 | |
| CN105700550A (zh) | 无人机及其飞行控制方法与*** | |
| KR102207816B1 (ko) | 센서 데이터를 이용한 노면 상태 측정 방법 및 그 장치 | |
| CN202046439U (zh) | 电力巡线无人直升机超低空飞行障碍规避子*** | |
| US10823842B2 (en) | System and method for generating a temporal map of radio frequency (RF) signals | |
| CN110988949A (zh) | 定位方法、定位装置、计算机可读存储介质与可移动设备 | |
| WO2018094576A1 (zh) | 无人飞行器的控制方法、飞行控制器及无人飞行器 | |
| US11454727B2 (en) | Perception data based GNSS multipath identification and correction | |
| KR20200097593A (ko) | 항공기기반 영상복원장치 및 이를 이용한 영상복원방법 | |
| US10611495B2 (en) | Sea state estimation | |
| KR102201256B1 (ko) | 레이더 전자기파 측정 방법 | |
| CN114593710B (zh) | 一种无人机测量方法、***、电子设备及介质 | |
| CN115902845A (zh) | 激光雷达的外参标定方法及相关装置 | |
| CN114199220A (zh) | 一种无人机空中在线磁罗盘校准方法和装置 | |
| CN113867389A (zh) | 一种无人机拍摄控制方法、装置、设备及存储介质 | |
| Mykyjchuk et al. | Peculiarities of the radio signals and hindrances in the navigation system of the remote-piloted vehicles | |
| CN111880576A (zh) | 基于视觉的无人机飞行控制方法及装置 | |
| CN110796707A (zh) | 标定参数计算方法、装置以及存储介质 | |
| CN112000082B (zh) | 一种无人航空器感知规避能力检测评估***及方法 | |
| CN116577762B (zh) | 仿真雷达数据生成方法、装置、设备及存储介质 | |
| CN116699666B (zh) | 星下点观测的星载gnss-r海面风场反演方法及*** | |
| KR102612606B1 (ko) | 비행체의 비행자세 보상 장치 및 보상 방법, 이를 이용한 지상국의 비행자세 시뮬레이션 시스템 및 시뮬레이션 방법 | |
| CN116449329B (zh) | 毫米波雷达的速度解模糊方法、***、设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230530 Address after: 610095 No. 601 and 602, block a, building 5, No. 200, Tianfu Fifth Street, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan Applicant after: SICHUAN AOSSCI TECHNOLOGY Co.,Ltd. Address before: 610000 China (Sichuan) pilot Free Trade Zone, Chengdu Applicant before: Wofei Changkong Technology (Chengdu) Co.,Ltd. Applicant before: ZHEJIANG GEELY HOLDING GROUP Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |