CN116193581B - 一种基于集员滤波的室内无人机混合定位方法及*** - Google Patents

一种基于集员滤波的室内无人机混合定位方法及*** Download PDF

Info

Publication number
CN116193581B
CN116193581B CN202310484854.0A CN202310484854A CN116193581B CN 116193581 B CN116193581 B CN 116193581B CN 202310484854 A CN202310484854 A CN 202310484854A CN 116193581 B CN116193581 B CN 116193581B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
positioning
positioning position
acquiring
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
CN202310484854.0A
Other languages
English (en)
Other versions
CN116193581A (zh
Inventor
鲁仁全
甘怡婷
徐雍
饶红霞
钟毅
赵曜
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202310484854.0A priority Critical patent/CN116193581B/zh
Publication of CN116193581A publication Critical patent/CN116193581A/zh
Application granted granted Critical
Publication of CN116193581B publication Critical patent/CN116193581B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明属于室内定位领域，公开了一种基于集员滤波的室内无人机混合定位方法及***，方法包括：S1，判断是否能够正常获取待定位无人机的定位数据，若是，则进入S2，若否，则进入S6；S2，基于定位基站获取待定位无人机的第一定位位置，基于摄像头获取待定位无人机的第二定位位置；S3，判断第二定位位置是否满足触发事件，若是，则进入S4，若否，则进入S5；S4，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置；S5，将第一定位位置作为待定位无人机的定位位置；S6，基于待定位无人机的加速度计获取待定位无人机的定位位置。本发明提高了待定位无人机在复杂室内环境中的定位精度。

Description

一种基于集员滤波的室内无人机混合定位方法及***
技术领域
本发明涉及室内定位领域，尤其涉及一种基于集员滤波的室内无人机混合定位方法及***。
背景技术
随着移动智能终端、无线通信技术及传感器网络技术的快速发展，对于提供目标位置信息的实时定位服务需求不断增长。现有定位技术包括GPS卫星定位技术、红外线定位技术、蓝牙技术以及超宽带（UWB）技术等，被广泛应用于军事、商业、农业等领域，已实现了开阔户外环境下的高精度定位。
然而，对于室内环境，上述定位技术仍较大受限于室内环境复杂、建筑物阻挡GPS信号、存在多障碍物等因素，难以实现室内移动目标的高精度实时定位。
与传统室内定位技术相比，UWB技术具有穿透力强、功耗低及定位精度高的优势，因此被广泛应用于室内无线通信定位场景中。
但是使用UWB技术进行定位的过程中，依然存在待定位目标位置信息突变，或受到墙壁等障碍物遮蔽，从而导致UWB定位精度较低的问题。
发明内容
有鉴于此，本发明的目的在于公开一种基于集员滤波的室内无人机混合定位方法及***，解决如何提高利用UWB技术对室内无人机进行定位的精度的问题。
为了达到上述目的，本发明提供如下技术方案：
第一个方面，本发明提供了一种基于集员滤波的室内无人机混合定位方法，包括：
S1，判断是否能够正常获取待定位无人机的定位数据，若是，则进入S2，若否，则进入S6；
S2，基于定位基站获取待定位无人机的第一定位位置，基于摄像头获取待定位无人机的第二定位位置；
S3，判断第二定位位置是否满足触发事件，若是，则进入S4，若否，则进入S5；
S4，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置；
S5，将第一定位位置作为待定位无人机的定位位置；
S6，基于待定位无人机的加速度计获取待定位无人机的定位位置。
可选的，定位数据包括待定位无人机与定位基站之间的距离和包含待定位无人机的目标图像。
可选的，判断是否能够正常获取待定位无人机的定位数据，包括：
若无法获取待定位无人机的与定位基站之间的距离和/或无法获取包含待定位无人机的图像，则表示不能正常获取待定位无人机的定位数据。
可选的，基于定位基站获取待定位无人机的第一定位位置，包括：
通过多个定位基站对待定位无人机进行UWB测距，获得多个待定位无人机的与定位基站之间的距离；
基于多个待定位无人机的与定位基站之间的距离计算得到无人机的第一定位位置。
可选的，基于摄像头获取待定位无人机的第二定位位置，包括：
通过至少两个摄像头获取包含待定位无人机的目标图像；
基于目标图像计算待定位无人机的第二定位位置。
可选的，判断第二定位位置是否满足触发事件，包括：
计算当前时刻的第二定位位置与前一时刻的第二定位位置之间的距离；
若距离大于设定的触发事件阈值，则表示第二定位位置满足触发事件，若距离小于等于设定的触发事件阈值，则表示第二定位位置不满足触发事件。
可选的，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置，包括：
根据目标图像获得的室内障碍物的遮挡系数；
基于遮挡系数分别确定第一定位位置和第二定位位置的权重；
基于第一定位位置和第二定位位置的权重对第一定位位置和第二定位位置进行加权计算，得到待定位无人机的定位位置。
可选的，基于待定位无人机的加速度计获取待定位无人机的定位位置，包括：
用（, />, />）表示距离无法正常获取待定位无人机的定位数据的初始时刻/>最近的时刻的无人机的位置；
建立动力学模型；
获取无人机在从到定位时刻t之间的各个时刻的加速度；
将加速度输入到动力学模型中，得到无人机在定位时刻t的定位位置（, />,z/>）。
可选的，动力学模型如下：
其中，，/>和/>是待定位无人机在/>时刻的三维速度，在/>时刻，待定位无人机初始速度为0，/>= />= />=0；/>, />和/>表示待定位无人机在/>时刻的三维加速度。
第二个方面，本发明提供了一种基于集员滤波的室内无人机混合定位***，包括数据获取判断模块、初次定位模块、触发事件判断模块、二次定位模块和加速度定位模块；
数据获取判断模块用于判断是否能够正常获取待定位无人机的定位数据；
初次定位模块用于在能够正常获取待定位无人机的定位数据时，基于定位基站获取待定位无人机的第一定位位置，基于摄像头获取待定位无人机的第二定位位置；
触发事件判断模块用于判断第二定位位置是否满足触发事件；
二次定位模块用于在第二定位位置没有满足触发事件时，将第一定位位置作为待定位无人机的定位位置，以及用于在第二定位位置满足触发事件时，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置；
加速度定位模块用于在不能正常获取待定位无人机的定位数据时，基于待定位无人机的加速度计获取待定位无人机的定位位置。
本发明将UWB定位结果与摄像头测距技术所得位置信息加权融合，排除了在复杂室内环境下单纯采用UWB测距受墙壁等壁垒的影响，和单纯采用多摄像头定位时摄像头图像采集受到障碍物遮蔽的影响，提高了待定位无人机在复杂室内环境中的定位精度。在外设传感器数据丢失或不可靠情况下，通过机载传感器获取机身加速度数据，建立动力学模型估计位置信息，为室内无人机的实时定位提供保障。
附图说明
从下文给出的详细描述和附图中将更充分地理解本公开，附图仅以说明的方式给出，因此不限制本公开，并且其中：
图1为本发明一种基于集员滤波的室内无人机混合定位方法的一种示意图。
图2为本发明三边测量法的原理的一种示意图。
图3为本发明改进的三边测量法定位的原理的一种示意图。
图4为本发明通过目标图像进行定位的原理的一种示意图。
图5为本发明坐标系的一种示意图。
图6为本发明一种基于集员滤波的室内无人机混合定位***的一种示意图。
具体实施方式
下面的详细描述中，出于解释的目的，阐述了许多具体细节以便提供对所公开的实施例的透彻理解。根据说明书所揭示的说明书、权利要求书及附图，所属领域的技术人员可容易地了解本发明的概念及特征。以下实施例进一步说明本发明的各个方面，但不用于限制本发明的范围。
实施例
如图1所示的一种实施例，本发明提供了一种基于集员滤波的室内无人机混合定位方法，包括：
S1，判断是否能够正常获取待定位无人机的定位数据，若是，则进入S2，若否，则进入S6；
S2，基于定位基站获取待定位无人机的第一定位位置，基于摄像头获取待定位无人机的第二定位位置；
S3，判断第二定位位置是否满足触发事件，若是，则进入S4，若否，则进入S5；
S4，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置；
S5，将第一定位位置作为待定位无人机的定位位置；
S6，基于待定位无人机的加速度计获取待定位无人机的定位位置。
考虑到待定位目标位置信息突变，或可能受到墙壁等障碍物遮蔽，导致UWB定位精度较低问题，增加事件触发的摄像头测距定位以辅助提升实时定位精度。
同时，考虑到室内环境中可能存在较多障碍物影响，导致外设传感器不可信，在丢失传感器数据时采用待定位待定位无人机携带的加速度计进行估计定位。
因此，本发明能够显著提高定位精度。
可选的，定位数据包括待定位无人机与定位基站之间的距离和包含待定位无人机的目标图像。
具体的，可以通过与定位基站来获取无人机与定位基站之间的距离，通过摄像头来获取包含待定位无人机的目标图像。
具体的，在目标图像中，待定位无人机位于目标图像的中央。
可选的，判断是否能够正常获取待定位无人机的定位数据，包括：
若无法获取待定位无人机的与定位基站之间的距离和/或无法获取包含待定位无人机的图像，则表示不能正常获取待定位无人机的定位数据。
可选的，基于定位基站获取待定位无人机的第一定位位置，包括：
通过多个定位基站对待定位无人机进行UWB测距，获得多个待定位无人机的与定位基站之间的距离；
基于多个待定位无人机的与定位基站之间的距离计算得到无人机的第一定位位置。
具体的，基于多个待定位无人机的与定位基站之间的距离计算得到无人机的第一定位位置，包括：
步骤一：利用UWB测距确定待定位无人机的初值坐标
在待定位室内空间部署三个定位基站，将待定位无人机视为待定位的标签，将定位基站视为节点，标签采用UWB无线通信技术与节点进行通信。
通过三边测量法获取待定位无人机的初值坐标。该方法可以用于三个及以上UWB基站定位中。
如图2所示，以i,j,p三个节点为圆心分别作圆，各圆心坐标分别为(, (，待测标签O的初值坐标为(/>，则标签O到三节点的距离分别为/>，，/>,
步骤二：利用集员滤波器对初值坐标进行滤波，得到集员滤波初值
由于实际测量中存在传感器硬件和环境因素等影响，测距所得结果可能导致三个圆无法相交于一个点，而是相交于一个区域或者没有相交，由三边测量法计算所得的标签的坐标存在一定误差。因此，需要对所得结果滤波处理，以获得更精准的位置信息。
考虑到噪声对定位精度的影响，需要通过滤波算法对测距定位结果进行处理，集员滤波算法与现有的卡尔曼滤波算法相比，具备不需考虑噪声特性的优势。
卡尔曼滤波和集员滤波都是用于动态***的状态估计，但它们的基本假设和方法不同。
1、卡尔曼滤波器假定***是高斯的，这意味着状态方程和测量方程可以用高斯噪声的函数来描述。卡尔曼滤波器根据先验状态估计和当前的测量来估计***的当前状态。
2、集员滤波器对噪声的分布和***的线性不做任何假设。它使用集合理论和区间分析来表示和状态和测量的不确定性。集员滤波器的工作原理是计算状态向量的可能值集合，该集合与测量值和***动力学一致。可能值的集合在每个时间步中使用集合理论的操作进行更新，如相交、联合和闵可夫斯基和。集员滤波器在***动力学未知或噪声非高斯的应用中非常有用。
总之，卡尔曼滤波器适用于具有高斯噪声的线性***，而集员滤波器则适用于具有任意噪声分布的非线性***。
不断更新通过UWB室内定位技术获得的各节点与标签之间的距离，并利用集员滤波器对i，j，p三个节点获得标签O的初值坐标进行滤波，减少标签与i，j，p三个节点的相对距离的实际误差。
以节点i举例说明，节点j、节点p为邻居节点，节点i可以接收标签的位置信息、邻居节点j，p的坐标以及测量信息。
***的状态方程为：
其中，、/>是已知的时变系数矩阵， />是***状态，代表待测待定位无人机的位置，k-1,k,k+1分别代表上一时刻、当前时刻和预测下一时刻状态。/> />是已知正定的对称矩阵，代表未知有界过程噪声的范围。
在集员滤波中，过程噪声是指被建模的动态***的状态方程中的不确定性或误差。这种不确定性通常被建模为一组可能的值或区间，代表实际过程噪声的可能范围。
这组可能的值或区间通常表示为状态方程的一组约束条件，其中每个约束条件代表过程噪声的一个可能值或区间。然后，这些约束条件被用来为***的下一个状态生成一组可能的值，在每个时间步长中使用集合理论的操作如相交、联合或闵可夫斯基和，对其进行更新。
节点i的测量方程：
其中， 、/>是已知的时变系数矩阵，/>：/>，/>是已知对称矩阵，代表未知有界测量噪声的范围。
在集员滤波中，测量噪声是指i节点对于被建模的动态***状态x进行测量时的不确定性或误差。这种不确定性通常被建模为一组可能的值或区间，代表实际测量噪声的可能范围。
这组可能的值或区间通常表示为测量方程的一组约束条件，其中每个约束条件代表测量噪声的一个可能值或区间。然后，这些约束条件被用来为***的当前状态生成一组可能的值，该值在每个时间步长中使用集合理论的操作进行更新，如相交、联合或Minkovski和。
通过改进的三边测量法定位获取经过集员滤波得到的集员滤波初值。
如图3所示，三个圆分别表示为：
其中，n=i,j,p，，I是单位矩阵，确保Qn维数与状态量x的维数保持一致。
三个圆的每两个圆并集的最小外包椭球分别为：
在上述三个最小外包椭球的交集中，可获得体积最大的内部椭球为：
由此得到的椭球即为集员滤波的初值/>，通过这种方法展开的三边测量法可以实现UWB测距中三个及以上传感器为圆心作圆时，相交于一个点、相交于一片区域或是不相交情况下依然能获得包含待测目标定位信息的椭球。
步骤三：分布式集员滤波修正定位区域
1）节点i一步预测
根据节点i初始估计，上一时刻的估计/>和节点i在当前时刻k获得的测量值/>，可得以下形式得节点i一步预测方程，
集员滤波器：
为k时刻传感器节点i对于状态x的估计值。
滤波器误差：，
可得滤波误差***：
其中， 为滤波器参数。
对于椭球，给定椭圆限制矩阵/>，有初始时刻的初值约束条件为，则当/>满足时，通过数学归纳法可证明/>，从而确保迭代后每个时刻的状态都在估计范围内。
优化滤波器参数：，Tr表示矩阵的迹。
从而求解滤波器参数，由此实现包含待定位无人机真实位置信息的本地节点椭球状态估计。其他节点进行本地估计时也同理。
2）融合邻居节点信息进行全局估计，优化定位信息
将多个节点的估计值进行加权平均，可以得到全局状态估计：
其中，表示时刻k的全局状态估计；假设节点i为第一个节点，则m=1代表节点i，N为节点的总数，即当有i,j,p三个节点时节点总数N=3；/>是权重系数，表示节点m（节点i）在时刻 k的置信度，通过以下表达式求解：
对于节点i来说，n表示m（节点i）的邻居节点j和p，由此实现包含待定位无人机真实位置信息的全局椭球状态估计。
通过分布式集员滤波算法对UWB定位结果进行滤波，优化所得位置信息，该算法无需考虑扰动噪声的统计特性，对室内目标的定位实时性较高且鲁棒性较好。
可选的，基于摄像头获取待定位无人机的第二定位位置，包括：
通过至少两个摄像头获取包含待定位无人机的目标图像；
基于目标图像计算待定位无人机的第二定位位置。
具体的，在待定位室内空间四个角落布置四个摄像头 ，测量摄像头两两之间距离。令待定位无人机处于至少两个摄像头图像的中央，根据至少两个成功获取待定位目标图像的摄像头的地理位置信息和夹角信息计算待定位目标位置。由于两个摄像头与待定位无人机形成三角形，通过投影和正弦定理即可计算待定位无人机在室内的位置信息。该方法可以拓展至任意两个及以上的成功获取待定位无人机的目标图像的摄像头定位。
以图4成功获取待定位无人机的目标图像的两个摄像头A、B为例。
两个摄像头分别被安装在室内空间两个角落顶部，预先测量摄像头与地面高度差为h，两个摄像头之间距离为d并录入服务器，两个摄像头同时对待定位无人机O进行监控。通过角度数据采集软件获得待定位无人机处于两个摄像头图像中央时两个摄像头的角度信息，设摄像头A在水平方向上与线段BA夹角为，在垂直方向上与摄像头所处平面夹角为/>，摄像头B在水平方向上与线段AB夹角为/>，在垂直方向上与摄像头所处平面夹角为。为方便计算，将目标无人机O投影到摄像头所处平面上得到O’。在三角形ABO’中，由余弦定理可得：
待定位目标到两个摄像头连线的水平方向距离：
待定位目标距离地面的垂直距离：
得到上述结果后，结合已知的摄像头位置信息即可获得待定位无人机的三维空间位置信息。
可选的，判断第二定位位置是否满足触发事件，包括：
计算当前时刻的第二定位位置与前一时刻的第二定位位置之间的距离；
若距离大于设定的触发事件阈值，则表示第二定位位置满足触发事件，若距离小于等于设定的触发事件阈值，则表示第二定位位置不满足触发事件。
具体的，针对摄像头获取的目标图像进行事件触发检测，如果目标图像对应的第二定位位置不满足事件触发条件，则以UWB定位结果，即第一定位位置作为最终结果输出，而不传输该时刻的摄像头的位置数据；
如果目标图像对应的第二定位位置满足事件触发条件，则以第二定位位置与第一定位位置加权融合作为最终结果输出。
为摄像头数据传输设定事件触发条件，降低摄像头定位传输信息量和运算量。
在如图5的坐标系下，设上一时刻目标坐标为（，/>，/>），当前时刻目标坐标计算得（/>，/>，/>），触发事件如下：
代表设定的触发事件阈值，可以根据实际情况进行设置，从而在待定位无人机位置发生突变的情况下，传输摄像头计算得到的目标坐标信息。
可选的，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置，包括：
根据目标图像获得的室内障碍物的遮挡系数；
基于遮挡系数分别确定第一定位位置和第二定位位置的权重；
基于第一定位位置和第二定位位置的权重对第一定位位置和第二定位位置进行加权计算，得到待定位无人机的定位位置。
具体的，可以将目标图像中，障碍物的像素点在目标图像中的占比作为遮挡系数。占比越大，则表示遮挡越厉害，第一定位位置的权重越大。
具体的，由于室内环境复杂且存在多障碍物、待定位无人机位置突变等情况，考虑到墙壁等壁垒对于UWB定位精度影响较大，而摄像头会受到障碍物遮挡视线等影响，因此，将UWB定位与多摄像头定位方法加权融合，根据实际情况调整UWB定位和摄像头定位方法的权重，当摄像头受到较多遮蔽时增加UWB定位权重，当摄像头视野较好时增加摄像头定位权重，有助于提升室内目标的定位精度。
可选的，基于待定位无人机的加速度计获取待定位无人机的定位位置，包括：
用（, />, />）表示距离无法正常获取待定位无人机的定位数据的初始时刻/>最近的时刻的无人机的位置；
建立动力学模型；
获取无人机在从到定位时刻t之间的各个时刻的加速度；
将加速度输入到动力学模型中，得到无人机在定位时刻t的定位位置（, />,z/>）。
可选的，动力学模型如下：
其中，，/>和/>是待定位无人机在/>时刻的三维速度，在/>时刻，待定位无人机初始速度为0，/>= />= />=0；/>, />和/>表示待定位无人机在/>时刻的三维加速度。
在室内障碍物遮挡或传感器数据丢失的情况下，根据待定位无人机的机载加速度计的数据获取运动状态，建立无人机的动力学模型，从而实现短时间内在外设传感器不可靠或数据丢失的情况下下对待定位无人机的进行定位。
实施例
如图6所示，本发明提供了一种基于集员滤波的室内无人机混合定位***，包括数据获取判断模块、初次定位模块、触发事件判断模块、二次定位模块和加速度定位模块；
数据获取判断模块用于判断是否能够正常获取待定位无人机的定位数据；
初次定位模块用于在能够正常获取待定位无人机的定位数据时，基于定位基站获取待定位无人机的第一定位位置，基于摄像头获取待定位无人机的第二定位位置；
触发事件判断模块用于判断第二定位位置是否满足触发事件；
二次定位模块用于在第二定位位置没有满足触发事件时，将第一定位位置作为待定位无人机的定位位置，以及用于在第二定位位置满足触发事件时，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置；
加速度定位模块用于在不能正常获取待定位无人机的定位数据时，基于待定位无人机的加速度计获取待定位无人机的定位位置。
本发明将UWB定位结果与摄像头测距技术所得位置信息加权融合，排除了在复杂室内环境下单纯采用UWB测距受墙壁等壁垒的影响，和单纯采用多摄像头定位时摄像头图像采集受到障碍物遮蔽的影响，提高了待定位无人机在复杂室内环境中的定位精度。在外设传感器数据丢失或不可靠情况下，通过机载传感器获取机身加速度数据，建立动力学模型估计位置信息，为室内无人机的实时定位提供保障。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于集员滤波的室内无人机混合定位方法，其特征在于，包括：
S1，判断是否能够正常获取待定位无人机的定位数据，若是，则进入S2，若否，则进入S6；
S2，基于定位基站获取待定位无人机的第一定位位置，基于摄像头获取待定位无人机的第二定位位置；
基于定位基站获取待定位无人机的第一定位位置，包括：
通过多个定位基站对待定位无人机进行UWB测距，获得多个待定位无人机的与定位基站之间的距离；
基于多个待定位无人机的与定位基站之间的距离计算得到无人机的第一定位位置；
S3，判断第二定位位置是否满足触发事件，若是，则进入S4，若否，则进入S5；
S4，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置；
S5，将第一定位位置作为待定位无人机的定位位置；
S6，基于待定位无人机的加速度计获取待定位无人机的定位位置；
基于待定位无人机的加速度计获取待定位无人机的定位位置，包括：
用（, />, />）表示距离无法正常获取待定位无人机的定位数据的初始时刻/>最近的时刻的无人机的位置；
建立动力学模型；
获取无人机在从到定位时刻t之间的各个时刻的加速度；
将加速度输入到动力学模型中，得到无人机在定位时刻t的定位位置（, />, z/>）；
动力学模型如下：
其中，，/>和/>是待定位无人机在/>时刻的三维速度，在/>时刻，待定位无人机初始速度为0，/>= />= />=0；/>, />和/>表示待定位无人机在/>时刻的三维加速度。
2.根据权利要求1所述的一种基于集员滤波的室内无人机混合定位方法，其特征在于，定位数据包括待定位无人机与定位基站之间的距离和包含待定位无人机的目标图像。
3.根据权利要求2所述的一种基于集员滤波的室内无人机混合定位方法，其特征在于，判断是否能够正常获取待定位无人机的定位数据，包括：
若无法获取待定位无人机的与定位基站之间的距离和/或无法获取包含待定位无人机的图像，则表示不能正常获取待定位无人机的定位数据。
4.根据权利要求1所述的一种基于集员滤波的室内无人机混合定位方法，其特征在于，基于摄像头获取待定位无人机的第二定位位置，包括：
通过至少两个摄像头获取包含待定位无人机的目标图像；
基于目标图像计算待定位无人机的第二定位位置。
5.根据权利要求1所述的一种基于集员滤波的室内无人机混合定位方法，其特征在于，判断第二定位位置是否满足触发事件，包括：
计算当前时刻的第二定位位置与前一时刻的第二定位位置之间的距离；
若距离大于设定的触发事件阈值，则表示第二定位位置满足触发事件，若距离小于等于设定的触发事件阈值，则表示第二定位位置不满足触发事件。
6.根据权利要求2所述的一种基于集员滤波的室内无人机混合定位方法，其特征在于，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置，包括：
根据目标图像获得的室内障碍物的遮挡系数；
基于遮挡系数分别确定第一定位位置和第二定位位置的权重；
基于第一定位位置和第二定位位置的权重对第一定位位置和第二定位位置进行加权计算，得到待定位无人机的定位位置。
7.一种基于集员滤波的室内无人机混合定位***，其特征在于，包括数据获取判断模块、初次定位模块、触发事件判断模块、二次定位模块和加速度定位模块；
数据获取判断模块用于判断是否能够正常获取待定位无人机的定位数据；
初次定位模块用于在能够正常获取待定位无人机的定位数据时，基于定位基站获取待定位无人机的第一定位位置，基于摄像头获取待定位无人机的第二定位位置；
基于定位基站获取待定位无人机的第一定位位置，包括：
通过多个定位基站对待定位无人机进行UWB测距，获得多个待定位无人机的与定位基站之间的距离；
基于多个待定位无人机的与定位基站之间的距离计算得到无人机的第一定位位置；
触发事件判断模块用于判断第二定位位置是否满足触发事件；
二次定位模块用于在第二定位位置没有满足触发事件时，将第一定位位置作为待定位无人机的定位位置，以及用于在第二定位位置满足触发事件时，将第一定位位置和第二定位位置进行加权融合，得到待定位无人机的定位位置；
加速度定位模块用于在不能正常获取待定位无人机的定位数据时，基于待定位无人机的加速度计获取待定位无人机的定位位置；
基于待定位无人机的加速度计获取待定位无人机的定位位置，包括：
用（, />, />）表示距离无法正常获取待定位无人机的定位数据的初始时刻/>最近的时刻的无人机的位置；
建立动力学模型；
获取无人机在从到定位时刻t之间的各个时刻的加速度；
将加速度输入到动力学模型中，得到无人机在定位时刻t的定位位置（, />, z/>）；
动力学模型如下：
其中，，/>和/>是待定位无人机在/>时刻的三维速度，在/>时刻，待定位无人机初始速度为0，/>= />= />=0；/>, />和/>表示待定位无人机在/>时刻的三维加速度。
CN202310484854.0A 2023-05-04 2023-05-04 一种基于集员滤波的室内无人机混合定位方法及*** Active CN116193581B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310484854.0A CN116193581B (zh) 2023-05-04 2023-05-04 一种基于集员滤波的室内无人机混合定位方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310484854.0A CN116193581B (zh) 2023-05-04 2023-05-04 一种基于集员滤波的室内无人机混合定位方法及***

Publications (2)

Publication Number Publication Date
CN116193581A CN116193581A (zh) 2023-05-30
CN116193581B true CN116193581B (zh) 2023-08-04

Family

ID=86440668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310484854.0A Active CN116193581B (zh) 2023-05-04 2023-05-04 一种基于集员滤波的室内无人机混合定位方法及***

Country Status (1)

Country Link
CN (1) CN116193581B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110650427A (zh) * 2019-04-29 2020-01-03 国网浙江省电力有限公司物资分公司 一种基于摄像机图像与uwb融合的室内定位方法和***
CN111982100A (zh) * 2020-07-07 2020-11-24 广东工业大学 一种无人机的航向角解算算法
WO2022170863A1 (zh) * 2021-02-09 2022-08-18 华为技术有限公司 超宽带定位方法及***
CN115103439A (zh) * 2022-06-07 2022-09-23 北京钢铁侠科技有限公司 超宽带视觉辅助定位方法、装置及存储介质
CN115793007A (zh) * 2022-12-19 2023-03-14 交控科技股份有限公司 一种应用于导航服务的多源融合定位方法及装置
CN115979250A (zh) * 2023-03-20 2023-04-18 山东上水环境科技集团有限公司 基于uwb模块、语义地图与视觉信息的定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230113061A1 (en) * 2021-10-12 2023-04-13 Samsung Electronics Co., Ltd. System and method for rf based robot localization

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110650427A (zh) * 2019-04-29 2020-01-03 国网浙江省电力有限公司物资分公司 一种基于摄像机图像与uwb融合的室内定位方法和***
CN111982100A (zh) * 2020-07-07 2020-11-24 广东工业大学 一种无人机的航向角解算算法
WO2022170863A1 (zh) * 2021-02-09 2022-08-18 华为技术有限公司 超宽带定位方法及***
CN115103439A (zh) * 2022-06-07 2022-09-23 北京钢铁侠科技有限公司 超宽带视觉辅助定位方法、装置及存储介质
CN115793007A (zh) * 2022-12-19 2023-03-14 交控科技股份有限公司 一种应用于导航服务的多源融合定位方法及装置
CN115979250A (zh) * 2023-03-20 2023-04-18 山东上水环境科技集团有限公司 基于uwb模块、语义地图与视觉信息的定位方法

Also Published As

Publication number Publication date
CN116193581A (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
Li et al. Simultaneous registration and fusion of multiple dissimilar sensors for cooperative driving
JP2020528994A (ja) ポイントクラウドに基づく姿勢推定を用いた車両ナビゲーションシステム
CN113074727A (zh) 基于蓝牙与slam的室内定位导航装置及其方法
CN113706612B (zh) 融合uwb和单目视觉slam的煤矿井下车辆定位方法
CN112923919B (zh) 基于图优化的行人定位方法及***
CN109375168B (zh) 一种基于rssi的低速移动车辆定位方法
CN114459467B (zh) 一种未知救援环境中基于vi-slam的目标定位方法
CN112711055B (zh) 一种基于边缘计算的室内外无缝定位***及方法
Wen et al. Object-detection-aided GNSS and its integration with lidar in highly urbanized areas
Rohani et al. A new decentralized Bayesian approach for cooperative vehicle localization based on fusion of GPS and inter-vehicle distance measurements
CN112346104A (zh) 一种无人机信息融合定位方法
CN114222240A (zh) 一种基于粒子滤波的多源融合定位方法
WO2024146585A1 (zh) 一种实现车路协同***多传感器时空快速标定的方法、装置及***
Souli et al. Online Distributed Relative Positioning Utilizing Multiple Cooperative Autonomous Agents
CN116193581B (zh) 一种基于集员滤波的室内无人机混合定位方法及***
Kong et al. Hybrid indoor positioning method of BLE and monocular VINS based smartphone
CN116026323A (zh) 一种用于发动机油加注机定位与区域防错方法
CN113219452B (zh) 未知视域下的分布式多雷达联合配准与多目标跟踪方法
CN114705223A (zh) 多移动智能体在目标跟踪中的惯导误差补偿方法及***
Zhang et al. From coarse to fine: Two-stage indoor localization with multisensor fusion
CN112798020A (zh) 一种用于评估智能汽车定位精度的***及方法
Sajjadi et al. A Robust and Adaptive Sensor Fusion Approach for Indoor UAV Localization
Gingras et al. Signal processing requirements and uncertainty modeling issues in cooperative vehicular positioning
Han et al. Research on indoor positioning based on fusion of Wi-Fi/PDR
Zhan et al. Fast Self-calibration Method for Massive UWB Anchors Aided by Odometry

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