CN114763998B - 基于微型雷达阵列的未知环境并行导航方法和*** - Google Patents
基于微型雷达阵列的未知环境并行导航方法和*** Download PDFInfo
- Publication number
- CN114763998B CN114763998B CN202210325045.0A CN202210325045A CN114763998B CN 114763998 B CN114763998 B CN 114763998B CN 202210325045 A CN202210325045 A CN 202210325045A CN 114763998 B CN114763998 B CN 114763998B
- Authority
- CN
- China
- Prior art keywords
- radar
- terrain
- navigation
- slope
- array
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005070 sampling Methods 0.000 claims abstract description 58
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000009825 accumulation Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 15
- 238000003491 array Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 10
- 238000012876 topography Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 101150050759 outI gene Proteins 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于微型雷达阵列的未知环境并行导航方法和***,其具体步骤如下:获取微型雷达阵列序贯采样的实时数据;依据姿态角对实时数据进行补偿;根据采集数据计算坡度和坡向以进行坡面的识别;基于坡面的识别根据地形匹配算法对突变地形进行匹配;根据匹配结果进行导航计算,由速度累加得到从对地面探测时间开始到经过任意地形时刻导航所需的相对位置信息,进而计算得到导航结果。本发明旨在实现无人***在地形复杂多变的未知环境中进行自主导航,消除雷达阵列序贯采样方式造成的***性误差,提高导航精度,同时获取地形包括坡度和坡向的信息。该发明的精度高、成本低、实时性好。
Description
技术领域
本发明属于制导、导航与控制领域,具体涉及基于微型雷达阵列的未知环境 并行导航方法和***。
技术背景
在地形复杂多变的室内未知环境下,卫星导航无法使用,而惯性导航***由 于其误差累积导致导航精度不够,无法长时间工作。在采用雷达阵列的情况下, 常采用序惯采样方式,本专利导航方法针对了序惯采样设计。本专利方法适用于 超声波雷达、激光雷达、微波雷达等雷达阵列。本专利进一步提出通过雷达阵列 估计坡度、坡向的方法。
数字高程模型(Digital Elevation Model),简称DEM,是通过有限的地形高 程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达),它是用 一组有序数值阵列形式表示地面高程的一种实体地面模型。如果利用数字高程模 型解决未知环境导航是需要解决的问题。
发明内容
为解决现有技术中无法进行未知环境导航的问题,本发明提供了基于微型雷 达阵列的未知环境并行导航方法和***,旨在不依赖于卫星导航的情况下,实现 无人***在地形复杂多变的未知环境中进行自主导航的能力,并实现对典型的坡 面特征识别。
为解决上述问题,本发明采用的技术方案如下:
基于微型雷达阵列的未知环境并行导航方法,包括以下步骤:
获取微型雷达阵列序贯采样的实时数据;依据姿态角对实时测量数据进行补 偿;
根据采集数据计算坡度和坡向以进行坡面的识别;基于坡面的识别根据地形 匹配算法对突变地形进行匹配;
根据匹配结果进行导航计算,由速度累加得到从对地面探测时间开始到经过 任意地形时刻导航所需的相对位置信息,进而计算得到导航结果。
作为本发明的进一步改进,所述微型雷达阵列按照矩阵式排布在无人***上, 阵列共m行,每行安装n个雷达,雷达阵列安装于无人***本体坐标系,前后排雷达一一对应;雷达数据采集端指向朝下且相互平行。
作为本发明的进一步改进,阵列雷达以序贯采样方式测量地形、地物,阵列 中相邻雷达采样存在时间差。
作为本发明的进一步改进,所述依据姿态角对雷达数据进行补偿,具体包括:
雷达阵列前后排距无人***质心距离为Lg/2,当俯仰角为θ时,雷达阵列数 据修正为
其中,Dm为雷达采集相对地形的距离,D为修正后的无人***飞行相对地 形的距离;
本专利提出将前排和后排每两个对应的雷达看作一组导航***,共构成n组 导航***,设k时刻前排第j个雷达经过某个地形,此时得到的雷达数据为经过i个周期后排第j个雷达经过同一地形,雷达测量到的数据为/>根据上 述条件:
其中,表示前排第j个雷达在k时刻的测量数据,/>表示后排第j个雷 达在k+i时刻的测量数据。
作为本发明的进一步改进,所述置信度参数ε的计算为:
其中,Φ(x)为对应的概率分布函数;
给出的取值,结合已知σr,σh通过概率分布得到置信度 参数ε;
进而得到补偿后的雷达数据。
作为本发明的进一步改进,所述根据采集数据计算坡度和坡向以进行坡面的 识别,具体包括:
无人***沿y方向运动,机上雷达阵列扫过计算区域,机载共2n个雷达,每 排阵列由n个雷达构成,雷达采用序惯采样,2n个雷达序惯采样周期为T;相邻 雷达安装距离记为xcellsize,同一雷达在上一时刻k-1至当前时刻k飞过的距离由无人 ***速度v和序惯采样周期T所决定:
ycellsize=v×T
其中,v为无人***在经过上一次突变点时的速度。
分别计算k-1时刻各点的坡向和坡度。设曲面函数为z=f(x,y),则坡度为
其中,和/>分别为x方向和y方向的坡度;以k时刻各点为例,其x和y 方向的坡度分别为
坡向计算方法为
其中,
当雷达阵列采用序贯采样方式时,相邻雷达的采样时间间隔则相邻 雷达在无人***前进方向上产生的相对位移为
Lr′=vT′
其中,v为无人***飞行速度;进而得到:
以k-1时刻地形高度数据和k时刻地形高度数据/>作直线拟合,得到
为在x方向上与k时刻采样点在同一直线的采样点地形高度数据估计值;
由此,x方向坡度修正为:
进而完成坡面的识别。
作为本发明的进一步改进,所述基于坡面的识别根据地形匹配算法对突变地 形进行匹配,具体包括:
通过地形坡度来判断突变地形,满足:
其中的E表示坡度变化的阈值;当无人***经过的地形满足上述条件时,判 断为突变地形;
其中,坡度变化的阈值E的取值满足下式:
根据地形特征复杂度,给出的取值,进而求出E值。
作为本发明的进一步改进,所述根据匹配结果进行导航计算,具体包括:
雷达阵列的探测周期为T,当无人***沿垂直于阵列方向直线运动时,各雷 达采样点在周期T内沿飞行方向产生相对位移,每组导航***对应雷达产生的相 对位移为
其中,v为无人***飞行速度,T为雷达阵列的序惯测量周期;
前排和后排雷达阵列的安装距离为Lm,在一个探测周期内,前排和后排对应 雷达采样点距离修正为
L=Lm-Lr
前排雷达和后排雷达经过同一地形的时间差t=iT,则联立以上各式得到无人 ***经过该地形的速度:
其中,T为每次探测的雷达阵列采样周期;
无人***速度为
当i=1时两种速度计算结果相差最大,最大相差
基于微型雷达阵列的未知环境并行导航***,包括:
数据获取模块,用于获取微型雷达阵列序贯采样的实时数据;
识别匹配模块,用于依据姿态角对实时数据进行补偿;根据采集数据计算坡 度和坡向以进行坡面的识别;基于坡面的识别根据地形匹配算法对突变地形进行 匹配;
导航计算模块,用于根据匹配结果进行导航计算,由速度累加得到从对地面 探测时间开始到经过任意地形时刻导航所需的相对位置信息,进而计算得到导航 结果。
一种无人***,包括所述的基于微型雷达阵列的未知环境并行导航***。
与现有技术相比,本发明有以下优势:
本发明基于微型雷达阵列的无人机未知环境自主导航方法,具体设计了复杂 环境地形匹配导航算法,在此算法基础上,首先修正了微型雷达阵列序贯采样引 起的***误差,其次建立了复杂地形的数字高程模型,获取地形的坡度和坡向等 信息,同时对算法进行优化,提高了导航计算的精确度。实现无人***在地形复 杂多变的未知环境中进行自主导航,消除雷达阵列序贯采样方式造成的***性误 差,提高导航精度,同时获取地形包括坡度和坡向的信息。
附图说明
图1为本发明基于微型雷达阵列的未知环境并行导航方法流程示意图;
图2为本发明并行导航***示意图;
图3为本发明微型雷达阵列序贯采样示意图;
图4为本发明仿真时探测到的三维地形图;
图5为本发明仿真地形坡度图;
图6为本发明仿真地形坡向图;
图7为本发明基于微型雷达阵列的未知环境并行导航***结构示意图;
图8为本发明一种电子设备结构示意图。
具体实施例方式
本发明旨在不依赖于卫星导航的情况下,实现无人***在地形复杂多变的未 知环境中进行自主导航的能力。基于地形匹配的自主导航算法,在此基础上开发 了一种实时性好、成本低的基于微型雷达阵列的自主导航***,并消除雷达阵列 序贯采样方式造成的***性误差,提高了导航精度,同时能够获取未知地形的坡 面包括坡度和坡向的信息。
本发明提供了一种实时性好、成本低的未知环境自主导航***,该导航*** 基于微型雷达阵列实现无人***在地形复杂多变的未知环境中进行自主导航。如 图1所示,基于微型雷达阵列的未知环境并行导航方法,包括以下步骤:
获取微型雷达阵列序贯采样的实时数据;
依据姿态角对实时数据进行补偿;根据采集数据计算坡度和坡向以进行坡面 的识别;基于坡面的识别根据地形匹配算法对突变地形进行匹配;
根据匹配结果进行导航计算,由速度累加得到从对地面探测时间开始到经过 任意地形时刻导航所需的相对位置信息,进而计算得到导航结果。
本发明将根据所述基于微型雷达阵列的导航***建立未知环境地形的DEM, 获取地形的坡度和坡向等信息。基于地形匹配的自主导航算法,在此基础上开发 了一种实时性好、成本低的基于微型雷达阵列的自主导航***,并消除雷达阵列序贯采样方式造成的***性误差,提高了导航精度,同时能够获取未知地形的坡 面包括坡度和坡向的信息。
基于超声波雷达阵列实现三维地图重建,以及使得无人***具备一定的导航 能力。本发明旨在实现无人***在地形复杂多变的未知环境中进行自主导航,消 除雷达阵列序贯采样方式造成的***性误差,提高导航精度,同时获取地形包括 坡度和坡向的信息。该发明的精度高、成本低、实时性好。
具体包括以下步骤:
S100,在无人***上安装矩阵式排布的微型测距雷达阵列,雷达信号类别可 以取为超声波、激光、无线电波等;
步骤S100的具体步骤如下:
在无人***平台上按照矩阵排布安装雷达阵列。阵列共m行,每行安装n 个雷达,为便于说明,下文选取m=2。前后排雷达一一对应。雷达阵列安装于无 人***本体坐标系,雷达数据采集端指向朝下且相互平行,保证数据采集无任何 遮挡。
S200,阵列中各雷达采样方式为序贯采样,提出基于雷达阵列序贯采样的并 行导航算法;
步骤S200的具体步骤如下:
首先,雷达阵列采样方式为序贯采样,即由前排第一个雷达至后排最后一个 雷达依次采样,相邻雷达、前后排雷达采样存在时间差。由于无人***飞行速度 较快,由该时间差产生的数据误差不可忽略。
其次,由于前后两排雷达阵列安装于无人***正下方,且与无人***质心距 离较大,无人***保持高度H做水平直线运动时,姿态角的变化对雷达产生影响, 使其采集的数据无法反映真实飞行相对高度,因此需要依据姿态角对雷达数据进 行补偿。
前后排雷达阵列距无人***质心距离为Lg/2,姿态角由机载IMU获得,当 俯仰角为θ时,雷达阵列数据修正为
其中,Dm为雷达采集相对地形高度数据,D为修正后的无人***飞行相对 地形高度。同时,阵列中每个雷达的测量误差满足正态分布:
ν~N(0,σr 2)
对于做直线运动的无人***,前排的测距雷达阵列会率先飞越过某个地形, 随后经过一定时间后,后排的测距雷达阵列飞过同一地形,前排和后排雷达对同 一地形的采样数据存在相似性。由于雷达阵列为序贯采样,为保证实时性,需要 在每次采样结束时处理数据,为此本发明将前排和后排每两个对应的雷达看作一 组导航***,共构成n组导航***,并且各组导航***之间相互并行,互不干扰, 可最大程度地减少误差累积。
设k时刻前排第j个雷达经过某个地形,此时得到的雷达数据为经过i次 测量后排第j个雷达经过同一地形,此时得到的雷达数据为/>根据上述条 件:
对于j,/>使得
其中,ε为置信度参数;
当置信度参数ε为足够小的量时,保证和/>相似,即:
其中,表示前排第j个雷达在k时刻的测量数据,/>表示后排第j个雷 达在k+i时刻的测量数据。
对于置信度参数ε的计算,首先,根据Lindeberg-Fellercentral中心极限定理,地面起伏程度g满足正态分布:
h~N(0,σh 2)
则雷达测量数据Di,j=H+hi,j+νi,j满足正态分布:
Di,j~N(H,σr 2+σh 2)
可知前排雷达采集数据与后排雷达采集数据相互独立,则
将其转化为标准正态分布,即
标准正态分布的密度函数为
则,令由式(3)可知
其中,Φ(x)为标准正态分布的分布函数。
为满足尽量少的i满足条件,保证前后排雷达数据匹配的准确性,取结合已知σr,σh通过查标准正态分布表,采用线性插值 法即可求得ε。
下面根据匹配结果进行导航计算:
雷达阵列的探测周期为T,当无人***沿垂直于阵列方向做直线运动时,各 雷达采样点在周期T内沿飞行方向产生相对位移。则前后排对应雷达产生的相对 位移为
其中,v为无人***飞行速度,T为雷达阵列的探测周期。
前排和后排雷达阵列的安装距离为Lm,由上式可得,在一个探测周期内,前 排和后排对应雷达采样点距离修正为
L=Lm-Lr (7)
前排雷达和后排雷达经过同一地形的时间差t=iT,则联立以上各式得到无人 ***经过该地形的速度
其中,T为每次探测的雷达阵列采样周期。
在不考虑雷达序贯采样的情况下,无人***速度为
当i=1时两种速度计算结果相差最大,最大相差因此在雷达阵列频率较 低的情况下,不可忽略序贯采样对导航计算的影响。
进而可知,由速度累加即可得到从对地面探测时间开始到经过任意地形时刻 无人***导航所需的相对位置信息。
S300,根据雷达阵列测量数据提出坡面地形特征识别的方法;
步骤S300的具体步骤如下:
无人***沿y方向运动,机上单行n个雷达构成的雷达阵列扫过计算区域。 可根据采集数据计算坡度和坡向以进行坡面的识别。
当n个雷达同时触发时,可建立如表1所示的栅格图,第一至三行分别表示 当前k时刻、k-1时刻和k-2时刻下的地形起伏高度。该栅格图中的数值随着无人 ***运动不断更新。
表1
时刻 | 雷达1 | 雷达2 | 雷达3 | 雷达4 | 雷达5 |
k | hk,1 | hk,2 | hk,3 | hk,4 | hk,5 |
k-1 | hk-1,1 | hk-1,2 | hk-1,3 | hk-1,4 | hk-1,5 |
k-2 | hk-2,1 | hk-2,2 | hk-2,3 | hk-2,4 | hk-2,5 |
其中,相邻雷达安装距离记为xcellsize,同一雷达在上一时刻k-1至当前时刻k飞 过的距离由无人***速度v和计算周期T所决定:
ycellsize=v×T (10)
其中,v为无人***在经过上一次突变点时的速度,由此可分别计算k-1时刻 各点的坡向和坡度。
设曲面函数为z=f(x,y),则坡度为
其中,和/>分别为x方向和y方向的坡度。以k时刻各点为例,其x和y 方向的坡度分别为
在测量数据精准的前提下,xcellsize和ycellsize的大小决定了坡度和坡向的计算精度。
坡向计算公式为
其中,
当雷达阵列采用序贯采样方式时,相邻雷达的采样时间间隔则相邻 雷达在无人***前进方向上产生的相对位移为
Lr′=vT′ (16)
其中,v为无人***飞行速度。联合式(10)得
以k-1时刻地形高度数据和k时刻地形高度数据/>作直线拟合,得到
为在x方向上与k时刻采样点在同一直线的采样点地形高度数据估计值。
由此,x方向坡度修正为
S400,提出基于坡面地形特征匹配的导航算法。
步骤S400的具体步骤如下:
根据步骤S200所述算法,对于平坦地形,该算法无法提供有效的导航信息。 基于雷达阵列测量的相对高度数据,导航计算要求地形存在突变,因此需识别出 突变地形从而根据地形匹配算法得出有效的导航信息。根据权利要求步骤S300 所述,对于特殊地形的识别,可通过地形坡度来判断,满足:
即有
其中的E表示坡度变化的阈值;当无人***经过的地形满足上述条件时,即 可得到高精度的位置和速度信息。
下面确定E的取值,可知
(hk+1,j-hk-1,j)~N(0,2σh 2)
将其转化为标准正态分布,
令则式(20)等价于
类似的,
根据地形特征复杂度,为减小误差,令进而求出E值。
实施例
基于本发明基于微型雷达阵列的无人机并行导航***及坡面识别方法,实施 例如下所述:
针对步骤S100,我们应用已有的配置好微型雷达阵列的无人机,按图2所示 保持一定高度飞行,其飞行地面环境如图3所示。
针对步骤S200,在飞行的同时地面站运行所设计的地形匹配导航算法,由于 微型雷达阵列采样方式为序贯采样,在无人机飞行过程中各雷达采样点存在相对 位移,如图4所示,因此有必要修正算法,消除***误差。此时得到的地形数字高程模型如图5所示。
针对步骤S300,我们在步骤S200获取的数字高程模型的基础上,通过坡面 识别算法得到地形的坡度和坡向的信息,结果如图6、图7。
针对步骤S400,我们在步骤S300得到的地形坡度和坡向云图的基础上,对 地形匹配导航算法进一步修正,使得算法在地形突变位置的导航计算精度进一步 提高。根据导航的计算结果,得到如图6、图7所示速度和位置估计曲线。
如图7所示,本发明还提供基于微型雷达阵列的未知环境并行导航确定***, 包括:
数据获取模块,用于获取微型雷达阵列序贯采样的实时数据;
识别匹配模块,用于依据姿态角对实时数据进行补偿;根据采集数据计算坡 度和坡向以进行坡面的识别;基于坡面的识别根据地形匹配算法对突变地形进行 匹配;
导航计算模块,用于根据匹配结果进行导航计算,由速度累加得到从对地面 探测时间开始到经过任意地形时刻导航所需的相对位置信息,进而计算得到导航 结果。
如图8所示,本发明的另一目的在于提出基于微型雷达阵列的未知环境并行 导航的设备,包括:
存储器,
处理器,
所述处理器被配置为:执行所述的基于微型雷达阵列的未知环境并行导航方 法。
本发明还提供一种计算机可读存储介质,当所述存储介质中的指令由处理器 执行时,使得处理器能够执行基于微型雷达阵列的未知环境并行导航方法。
本发明还提供一种无人***,包括所述的基于微型雷达阵列的未知环境并行 导航***。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算 机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软 件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计 算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、 光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品 的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或 方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框 的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机 或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可 编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指 令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得 在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从 而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或 多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制, 尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当 理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发 明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (9)
1.基于微型雷达阵列的未知环境并行导航方法,其特征在于,包括以下步骤:
获取微型雷达阵列序贯采样的实时数据;依据姿态角对实时测量数据进行补偿;
根据采集数据计算坡度和坡向以进行坡面的识别;基于坡面的识别根据地形匹配算法对突变地形进行匹配;
所述基于坡面的识别根据地形匹配算法对突变地形进行匹配,具体包括:
通过地形坡度来判断突变地形,满足:
其中的E表示坡度变化的阈值;当无人***经过的地形满足上述条件时,判断为突变地形;
其中,坡度变化的阈值E的取值满足下式:
根据地形特征复杂度,给出的取值,进而求出E值;
根据匹配结果进行导航计算,由速度累加得到从对地面探测时间开始到经过任意地形时刻导航所需的相对位置信息,进而计算得到导航结果。
2.根据权利要求1所述的基于微型雷达阵列的未知环境并行导航方法,其特征在于,所述微型雷达阵列按照矩阵式排布在无人***上,阵列共m行,每行安装n个雷达,雷达阵列安装于无人***本体坐标系,前后排雷达一一对应;雷达数据采集端指向朝下且相互平行。
3.根据权利要求1所述的基于微型雷达阵列的未知环境并行导航方法,其特征在于,阵列雷达以序贯采样方式测量地形、地物,阵列中相邻雷达采样存在时间差。
4.根据权利要求1所述的基于微型雷达阵列的未知环境并行导航方法,其特征在于,所述依据姿态角对雷达数据进行补偿,具体包括:
雷达阵列前后排距无人***质心距离为Lg/2,当俯仰角为θ时,雷达阵列数据修正为
其中,Dm为雷达采集相对地形的距离,D为修正后的无人***飞行相对地形的距离;
将前排和后排每两个对应的雷达看作一组导航***,共构成n组导航***,设k时刻前排第j个雷达经过某个地形,此时得到的雷达数据为经过i个周期后排第j个雷达经过同一地形,雷达测量到的数据为/>根据上述条件:
其中,表示前排第j个雷达在k时刻的测量数据,/>表示后排第j个雷达在k+i时刻的测量数据。
5.根据权利要求4所述的基于微型雷达阵列的未知环境并行导航方法,其特征在于,所述置信度参数ε的计算为:
其中,Φ(x)为对应的概率分布函数;
给出的取值,结合已知σr,σh通过概率分布得到置信度参数ε;
进而得到补偿后的雷达数据。
6.根据权利要求1所述的基于微型雷达阵列的未知环境并行导航方法,其特征在于,所述根据采集数据计算坡度和坡向以进行坡面的识别,具体包括:
无人***沿y方向运动,机上雷达阵列扫过计算区域,机载共2n个雷达,每排阵列由n个雷达构成,雷达采用序惯采样,2n个雷达序惯采样周期为T;相邻雷达安装距离记为xcellsize,同一雷达在上一时刻k-1至当前时刻k飞过的距离由无人***速度v和序惯采样周期T所决定:
ycellsize=v×T
其中,v为无人***在经过上一次突变点时的速度;
分别计算k-1时刻各点的坡向和坡度;设曲面函数为z=f(x,y),则坡度为
其中,和/>分别为x方向和y方向的坡度;以k时刻各点为例,其x和y方向的坡度分别为
坡向计算方法为
其中,
当雷达阵列采用序贯采样方式时,相邻雷达的采样时间间隔则相邻雷达在无人***前进方向上产生的相对位移为
Lr′=vT′
其中,v为无人***飞行速度;进而得到:
以k-1时刻地形高度数据和k时刻地形高度数据/>作直线拟合,得到
为在x方向上与k时刻采样点在同一直线的采样点地形高度数据估计值;
由此,x方向坡度修正为:
进而完成坡面的识别。
7.根据权利要求1所述的基于微型雷达阵列的未知环境并行导航方法,其特征在于,所述根据匹配结果进行导航计算,具体包括:
雷达阵列的探测周期为T,当无人***沿垂直于阵列方向直线运动时,各雷达采样点在周期T内沿飞行方向产生相对位移,每组导航***对应雷达产生的相对位移为
其中,v为无人***飞行速度,T为雷达阵列的序惯测量周期;
前排和后排雷达阵列的安装距离为Lm,在一个探测周期内,前排和后排对应雷达采样点距离修正为
L=Lm-Lr
前排雷达和后排雷达经过同一地形的时间差t=iT,则联立以上各式得到无人***经过该地形的速度:
其中,T为每次探测的雷达阵列采样周期;
无人***速度为
当i=1时两种速度计算结果相差最大,最大相差
8.基于微型雷达阵列的未知环境并行导航***,其特征在于,包括:
数据获取模块,用于获取微型雷达阵列序贯采样的实时数据;
识别匹配模块,用于依据姿态角对实时数据进行补偿;根据采集数据计算坡度和坡向以进行坡面的识别;基于坡面的识别根据地形匹配算法对突变地形进行匹配;
所述基于坡面的识别根据地形匹配算法对突变地形进行匹配,具体包括:
通过地形坡度来判断突变地形,满足:
其中的E表示坡度变化的阈值;当无人***经过的地形满足上述条件时,判断为突变地形;
其中,坡度变化的阈值E的取值满足下式:
根据地形特征复杂度,给出的取值,进而求出E值;
导航计算模块,用于根据匹配结果进行导航计算,由速度累加得到从对地面探测时间开始到经过任意地形时刻导航所需的相对位置信息,进而计算得到导航结果。
9.一种无人***,其特征在于,包括权利要求8所述的基于微型雷达阵列的未知环境并行导航***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210325045.0A CN114763998B (zh) | 2022-03-30 | 2022-03-30 | 基于微型雷达阵列的未知环境并行导航方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210325045.0A CN114763998B (zh) | 2022-03-30 | 2022-03-30 | 基于微型雷达阵列的未知环境并行导航方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114763998A CN114763998A (zh) | 2022-07-19 |
CN114763998B true CN114763998B (zh) | 2023-08-22 |
Family
ID=82365116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210325045.0A Active CN114763998B (zh) | 2022-03-30 | 2022-03-30 | 基于微型雷达阵列的未知环境并行导航方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114763998B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116698016B (zh) * | 2023-08-04 | 2023-10-20 | 西安交通大学 | 复杂狭窄空间微型雷达阵列建图***及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4520445A (en) * | 1981-03-30 | 1985-05-28 | E-Systems, Inc. | Method of determining the position and velocity of a vehicle |
EP1176393A2 (en) * | 2000-07-17 | 2002-01-30 | Inco Limited | Self-contained mapping and positioning system utilizing point cloud data |
CN105954746A (zh) * | 2016-04-29 | 2016-09-21 | 西安电子科技大学 | 基于广播自动相互监视信号的地形修正米波雷达测高方法 |
CN106052688A (zh) * | 2016-08-08 | 2016-10-26 | 西安电子科技大学 | 基于地形轮廓匹配的惯性导航***速度累积误差修正方法 |
CN106643714A (zh) * | 2017-03-15 | 2017-05-10 | 北京航空航天大学 | 一种自主实时机载地形辅助惯性导航方法和*** |
CN110286371A (zh) * | 2019-06-28 | 2019-09-27 | 北京理工大学 | 基于雷达点阵数据的小天体着陆器相对位姿确定方法 |
CN113218408A (zh) * | 2021-03-26 | 2021-08-06 | 合肥中科智驰科技有限公司 | 适用于多地形的多传感器融合的2Dslam方法及其*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7961301B2 (en) * | 2008-05-09 | 2011-06-14 | Ball Aerospace & Technologies Corp. | Flash LADAR system |
-
2022
- 2022-03-30 CN CN202210325045.0A patent/CN114763998B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4520445A (en) * | 1981-03-30 | 1985-05-28 | E-Systems, Inc. | Method of determining the position and velocity of a vehicle |
EP1176393A2 (en) * | 2000-07-17 | 2002-01-30 | Inco Limited | Self-contained mapping and positioning system utilizing point cloud data |
CN105954746A (zh) * | 2016-04-29 | 2016-09-21 | 西安电子科技大学 | 基于广播自动相互监视信号的地形修正米波雷达测高方法 |
CN106052688A (zh) * | 2016-08-08 | 2016-10-26 | 西安电子科技大学 | 基于地形轮廓匹配的惯性导航***速度累积误差修正方法 |
CN106643714A (zh) * | 2017-03-15 | 2017-05-10 | 北京航空航天大学 | 一种自主实时机载地形辅助惯性导航方法和*** |
CN110286371A (zh) * | 2019-06-28 | 2019-09-27 | 北京理工大学 | 基于雷达点阵数据的小天体着陆器相对位姿确定方法 |
CN113218408A (zh) * | 2021-03-26 | 2021-08-06 | 合肥中科智驰科技有限公司 | 适用于多地形的多传感器融合的2Dslam方法及其*** |
Non-Patent Citations (1)
Title |
---|
基于激光雷达的多路径地形匹配算法;孟海东;王祺;慕春棣;陈丽萍;;计算机仿真(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114763998A (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bergman et al. | Terrain navigation using Bayesian statistics | |
CN108226980B (zh) | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 | |
CN107544067B (zh) | 一种基于高斯混合近似的高超声速再入飞行器跟踪方法 | |
EP0061564B1 (en) | Navigation system | |
CN110554376A (zh) | 用于运载工具的雷达测程法 | |
CN113252038B (zh) | 基于粒子群算法的航迹规划地形辅助导航方法 | |
CN112346104A (zh) | 一种无人机信息融合定位方法 | |
CN113342059B (zh) | 基于位置和速度误差的多无人机跟踪移动辐射源方法 | |
CN114623823B (zh) | 一种融合里程计的uwb多模态定位***、方法及装置 | |
CN114763998B (zh) | 基于微型雷达阵列的未知环境并行导航方法和*** | |
CN114608568B (zh) | 一种基于多传感器信息即时融合定位方法 | |
CN114111767B (zh) | 基于多信息融合对线路设计线型进行优化的方法 | |
CN109556598B (zh) | 一种基于超声波传感器阵列的自主建图与导航定位方法 | |
CN108507587B (zh) | 一种基于坐标变换的三维车载定位导航方法 | |
Turan et al. | Particle filter studies on terrain referenced navigation | |
CN115560757B (zh) | 随机姿态误差条件下基于神经网络的无人机直接定位校正方法 | |
CN117387604A (zh) | 基于4d毫米波雷达和imu融合的定位与建图方法及*** | |
Kauffman et al. | Simulation study of UWB-OFDM SAR for navigation with INS integration | |
JP6528293B1 (ja) | ダイナミック座標管理装置、ダイナミック座標管理方法、プログラム | |
CN113093092B (zh) | 一种水下鲁棒自适应单信标定位方法 | |
US20230011501A1 (en) | Particle filtering and navigation system using measurement correlation | |
CN114705223A (zh) | 多移动智能体在目标跟踪中的惯导误差补偿方法及*** | |
CN113761662A (zh) | 一种滑翔类目标的轨迹预测管道的生成方法 | |
CN112683265A (zh) | 一种基于快速iss集员滤波的mimu/gps组合导航方法 | |
CN113359837B (zh) | 一种使用单架无人机追踪移动源的方法 |
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 |