CN116929350A - 一种基于数据链测距的快速临机重构协同导航***及方法 - Google Patents
一种基于数据链测距的快速临机重构协同导航***及方法 Download PDFInfo
- Publication number
- CN116929350A CN116929350A CN202311064485.6A CN202311064485A CN116929350A CN 116929350 A CN116929350 A CN 116929350A CN 202311064485 A CN202311064485 A CN 202311064485A CN 116929350 A CN116929350 A CN 116929350A
- Authority
- CN
- China
- Prior art keywords
- unmanned
- aerial
- platform
- ground
- time
- 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 132
- 238000004891 communication Methods 0.000 claims abstract description 66
- 238000000691 measurement method Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 81
- 238000001914 filtration Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 18
- 230000015572 biosynthetic process Effects 0.000 claims description 17
- 238000013519 translation Methods 0.000 claims description 16
- 230000007704 transition Effects 0.000 claims description 12
- 230000026676 system process Effects 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于数据链测距的快速临机重构协同导航***及方法。该***包括空中无人子***、地面无人子***和通信数据链,空中无人子***包括多个空中无人平台组成的空中无人飞行网络,地面无人子***包括多个地面无人平台组成的地面协同通信网络;通信数据链与各无人平台相连。该方法为:空中无人平台搭载机载传感器获取导航定位数据,辅助无人平台导航定位;当空中无人平台进入地面无人平台的通信范围时,利用地面无人平台的导航位置信息,修正空中无人平台的定位误差;各无人平台通过通信数据链传输的数据,利用双向单程测距法计算获得无人平台间的相对距离。本发明能够在复杂环境下进行高精度协同导航,有较强的抗干扰能力。
Description
技术领域
本发明涉及无人***协同导航技术领域,特别是一种基于数据链测距的快速临机重构协同导航***及方法。
背景技术
无人机与无人车的发展是现代科技的重要组成部分,随着科技的不断发展和进步,无人机和无人车也在不断完善和升级。无人机与无人车的应用范围广泛,例如在军事方面,可以用于情报侦查、侦察监视、目标识别、打击攻击等任务,能够有效提高军队的战斗力和作战效果;在民用方面,无人机和地面无人平台可以用于航拍摄像、物流配送、环境监测、救援搜寻等工作,能够节省大量人力和物力资源。
传统的无人平台通常采用GNSS/INS组合导航的方法进行导航定位,在有GNSS情况下,可获得相对较高的精度,能够有效的提高工作完成的效率。但当无人平台进入GNSS信号弱乃至无GNSS信号的情况下,惯性器件的误差无法修正,其定位误差将会随着时间的增加而增大,当时间较长时,导致定位精度不佳,无法完成指定任务。与单个无人平台相比,多无人平台之间可以通过相互通信、测距等方法实现协同导航,提高无人平台的定位精度,完成指定任务。传统的协同导航通常指空中无人平台的协同导航,对空中无人平台和地面无人平台的协同导航研究较少,无人***的空地协同导航目前仍然存在以下问题:①GNSS拒止环境下,多无人平台惯性导航误差发散速度快,编队保持困难;②空中域与地面域之间的高度、速度不匹配,而传统的几何图形约束法,需要将无人平台折算到同一高度进行计算,会产生较大的导航定位误差;③依赖于GNSS定位***,难以在丘陵、森林、城市等复杂环境下进行协同导航。
发明内容
本发明的目的在于提供一种于数据链测距的快速临机重构协同导航***及方法,实现GNSS拒止环境下的高精度协同导航定位。
实现本发明目的的技术解决方案为:一种基于数据链测距的快速临机重构协同导航***,该***包括空中无人子***、地面无人子***和通信数据链,其中:
所述空中无人子***包括多个空中无人平台组成的空中无人飞行网络,空中无人平台搭载机载传感器,机载传感器获取导航定位数据,辅助无人平台导航定位;
所述地面无人子***,包括多个地面无人平台组成的地面协同通信网络;地面无人平台能够与空中无人平台进行通信,当空中无人平台进入地面无人平台的通信范围时,利用地面无人平台的导航位置信息,修正空中无人平台的定位误差,实现空中无人平台与地面无人平台的协同导航;
所述通信数据链与各无人平台相连,通信数据链包括图传数据链和数传数据链,图传数据链用于传输图像信息,数传数据链用于传输各无人平台的姿态、速度、位置这些数据信息;各无人平台通过通信数据链传输的数据,利用双向单程测距法计算获得无人平台间的相对距离,实现多无人平台协同导航。
一种基于数据链测距的快速临机重构协同导航方法,该方法基于所述的基于数据链测距的快速临机重构协同导航***,具体包括以下步骤:
步骤1、快速临机重构协同导航***上电,以一个空中无人平台建立坐标基准,计算该空中无人平台与其它空中无人平台的位置信息,并进行编队飞行;
步骤2、空中无人平台利用惯性传感器,采集数据信息并传递给空中无人平台搭载的处理器;
步骤3、使用空中无人平台搭载的处理器进行姿态解算,获得各空中无人平台当前位置信息;
步骤4、判断是否有通过数据链通信获得的协同导航数据输入,协同导航数据包括无人平台间的相对距离和相对位置,当无协同导航数据输入时,直接进入步骤3,进行姿态解算;当有协同导航数据输入时,将协同导航数据作为观测量,将惯性传感器解算获得的数据作为状态量,进入步骤5;
步骤5、根据基于几何图形约束的方法,使用卡尔曼滤波进行姿态更新,实现空中无人平台的定位;
步骤6、判断是否有地面无人平台或地面锚点的通信信息,当无地面无人平台或地面锚点的通信信息时,进入步骤3,进行姿态解算;当有地面无人平台或地面锚点的信息时,进入步骤7;
步骤7、将地面无人平台的信息和空中无人平台的信息进行导航解算,利用快速临机重构协同导航方法,进行导航位置更新,实现空地协同导航。
本发明与现有技术相比,其显著优点为:
(1)利用各无人平台之间的测距信息,使用数据链进行通信,利用通信获得的数据形成几何图形用于辅助无人平台进行导航,实现GNSS拒止环境下的多无人平台协同编队飞行;
(2)基于几何特性进行快速临机重构协同导航,实现空中与地面的协同导航,以及GNSS拒止环境下的高精度协同导航定位;
(3)不依赖于GNSS定位***,能够在丘陵、森林、城市等复杂环境下进行协同导航,完成编队飞行,抑制导航***的误差发散,有较强的抗干扰能力。
附图说明
图1为本发明基于数据链测距的快速临机重构协同导航***的组成示意图。
图2为几何图形平移示意图。
图3为几何图形旋转示意图。
图4为快速临机重构方法原理图。
图5为多无人平台协同导航误差分析曲线图。
图6为本发明基于数据链测距的快速临机重构协同导航方法的流程图。
具体实施方式
本发明涉及一种基于数据链测距的空地协同定位方法,称为一种基于数据链测距的快速临机重构协同导航方法,针对GNSS拒止环境下,多无人平台惯性导航误差发散速度快,编队保持困难等问题,本发明利用各无人平台之间的测距信息,使用数据链进行通信,利用通信获得的数据形成几何图形用于辅助无人平台进行导航,实现GNSS拒止环境下的多无人平台协同编队飞行;针对空中域与地面域之间的高度、速度不匹配等问题,采用传统的几何图形约束法,需要将无人平台折算到同一高度进行计算,会产生较大的导航定位误差,因此,提出了基于几何特性的快速临机重构协同导航方法,实现空中与地面的协同导航,实现GNSS拒止环境下的高精度协同导航定位,从而提高无人机群的工作效率,满足任务需求。同时,本发明提出的基于数据链测距的快速临机重构协同导航方法不依赖于GNSS定位***,能够在复杂环境(丘陵、森林、城市等环境)下进行协同导航,完成编队飞行,抑制导航***的误差发散,有较强的抗干扰能力。下面对本发明技术方案进行详细说明。
容易理解,依据本发明的技术方案,在不变更本发明的实质精神的情况下,本领域的一般技术人员可以想象出本发明的多种实施方式。因此,以下具体实施方式和附图仅是对本发明的技术方案的示例性说明,而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
本发明一种基于数据链测距的快速临机重构协同导航***,该***包括空中无人子***、地面无人子***和通信数据链,其中:
所述空中无人子***包括多个空中无人平台组成的空中无人飞行网络,空中无人平台搭载机载传感器,机载传感器获取导航定位数据,辅助无人平台导航定位;
所述地面无人子***,包括多个地面无人平台组成的地面协同通信网络;地面无人平台能够与空中无人平台进行通信,当空中无人平台进入地面无人平台的通信范围时,利用地面无人平台的导航位置信息,修正空中无人平台的定位误差,实现空中无人平台与地面无人平台的协同导航;
所述通信数据链与各无人平台相连,通信数据链包括图传数据链和数传数据链,图传数据链用于传输图像信息,数传数据链用于传输各无人平台的姿态、速度、位置这些数据信息;各无人平台通过通信数据链传输的数据,利用双向单程测距法计算获得无人平台间的相对距离,实现多无人平台协同导航。
作为一种具体示例,所述利用双向单程测距法计算获得无人平台间的相对距离,实现多无人平台协同导航,具体为:
每个无人平台同时发送单程测距信号,同时接收其它无人平台发送的单程测距信号,通过测量两个信号间的时间间隔,获得当前无人平台之间的距离信息,并利用通信数据链传输的无人平台位置、速度信息,进行多无人平台间的协同定位,提高定位精度。
作为一种具体示例,所述空中无人子***中的空中无人平台为旋翼无人机;各空中无人平台之间能够互相通信,交换位置信息和距离信息,各空中无人平台根据通信数据链获得的距离信息,建立基于几何图形约束的量测多边形,进而抑制惯性导航的误差发散,实现多空中无人平台协同导航定位,提高***定位精度。
作为一种具体示例,所述通信数据链包括用于进行数据传输数传数据链和图像传输的图传数据链,可用于传输数据,测量距离,具有较高的抗干扰性,能够进行较高频率的通信,不影响***的正常位置更新,能够通过通信数据链传输的数据计算获得无人平台间的相对距离,利用相对距离实现多无人平台协同定位。
作为一种具体示例,所述地面无人子***中的地面无人平台为地面移动机器人,,能够在复杂环境下灵活运作,并具有较高的稳定性;即使在GNSS信号不可用的情况下,地面无人平台仍然能够保持较高的精度;地面无人平台事先记录特征点和地面锚点信息,在经过这些点时将自动修正自身位置信息,使得地面无人平台能够更加精准地执行任务,提高工作效率。
作为一种具体示例,多空中无人平台的协同导航定位采用基于几何图形约束的方法,利用通信数据链进行测距,惯性传感器测量位姿信息,机载传感器辅助定位,实时测量空中无人平台之间的相对距离和相对速度,并通过通信数据链传输各空中无人平台间的位置、速度、姿态数据信息,通过各空中无人平台间形成的几何图形,对***进行约束,构建量测多边形,修正多空中无人平台的惯性导航误差。
作为一种具体示例,空中无人平台与地面无人平台的协同导航,具体为:
各无人平台均有其自身的通信地址,利用该地址能够判断当前无人平台是空中无人平台还是地面无人平台或地面锚点;
当通信网络内只有空中无人平台时,通过各空中无人平台的相对距离约束实现协同导航;
当空中无人平台与地面无人平台进行协同导航时,由于平台之间高度距离较大,使用基于几何图形约束的空地协同定位***将会产生较大的误差,无法有效约束惯性导航的误差发散,因此,当有地面无人平台或地面锚点接入通信网络时,利用空中无人平台与地面无人平台间形成的法向量,获取空中无人平台的观测信息,进而修正空中无人平台的误差发散,实现空地协同导航。
当地面无人平台接入通信网络时,各个空中无人平台均会与地面无人平台通信,并基于地面无人平台的位置信息,修正自身的相对定位信息;这些信息可以帮助空中无人平台更加高效地执行任务,修正由惯性传感器长时间运行产生的累积误差,从而提高飞行的稳定性和精度。
同时,当地面无人平台由于环境复杂、物体遮挡等原因无法接收到GNSS信号,但空中无人平台能够接收到这些信号时,可以利用空中无人平台的位置信息和与地面无人平台之间的距离信息,来对地面无人平台的位置信息进行修正,通过空中无人平台提供的信息,我们可以更准确地确定地面无人平台的位置,实现多无人平台间的双向修正。
本发明一种基于数据链测距的快速临机重构协同导航方法,该方法基于所述的基于数据链测距的快速临机重构协同导航***,具体包括以下步骤:
步骤1、快速临机重构协同导航***上电,以一个空中无人平台建立坐标基准,计算该空中无人平台与其它空中无人平台的位置信息,并进行编队飞行;
步骤2、空中无人平台利用惯性传感器,采集数据信息并传递给空中无人平台搭载的处理器;
步骤3、使用空中无人平台搭载的处理器进行姿态解算,获得各空中无人平台当前位置信息;
步骤4、判断是否有通过数据链通信获得的协同导航数据输入,协同导航数据包括无人平台间的相对距离和相对位置,当无协同导航数据输入时,直接进入步骤3,进行姿态解算;当有协同导航数据输入时,将协同导航数据作为观测量,将惯性传感器解算获得的数据作为状态量,进入步骤5;
步骤5、根据基于几何图形约束的方法,使用卡尔曼滤波进行姿态更新,实现空中无人平台的定位;
步骤6、判断是否有地面无人平台或地面锚点的通信信息,当无地面无人平台或地面锚点的通信信息时,进入步骤3,进行姿态解算;当有地面无人平台或地面锚点的信息时,进入步骤7;
步骤7、将地面无人平台的信息和空中无人平台的信息进行导航解算,利用快速临机重构协同导航方法,进行导航位置更新,实现空地协同导航。
作为一种具体示例,当地面无人平台无法接收到GNSS信号,但空中无人平台能够接收到这些信号时,利用空中无人平台的位置信息和与地面无人平台之间的距离信息,来对地面无人平台的位置信息进行修正。
作为一种具体示例,步骤5中,根据基于几何图形约束的方法,使用卡尔曼滤波进行姿态更新,实现空中无人平台的定位,具体如下:
步骤1、设空中无人平台为旋翼无人机,机群由个节点组成,为节点
的实际位置,为节点的惯性传感器对应的输出位置;为测距值确定
的节点的概略坐标,其中测距值从通信数据链中获得;
步骤2、将一号无人机的起始位置作为初始位置,建立坐标基准,通过双程单向测距法测量空中无人平台之间的距离信息,利用该距离信息,记录初始编队信息,确定各空中无人平台位置信息,利用各惯性传感器获得的位置信息,将各空中无人平台折算到同一高度,并计算惯性传感器多边形的重心位置;
步骤3、将编队多边形组成的多边形形心和惯性传感器计算的多边形重心重合,获
得平移后的量测多边形,记当前位置为;
步骤4、获得平移后的量测多边形后,旋转平移后的量测多边形,令旋转平移后量
测多边形的位置信息与惯性传感器的位置信息误差最小,即最小:
(1)
式中,为平移旋转后各节点位置坐标,为惯性传感器测量的
各空中无人平台位置;
利用最小二乘法进行计算当最小时的和,将所得位置作为卡
尔曼滤波的观测量,将惯性传感器测量的位置作为状态量进行卡尔曼滤波,进而修正惯性
传感器的累计误差。
作为一种具体示例,步骤7中,将地面无人平台的信息和空中无人平台的信息进行导航解算,利用快速临机重构协同导航方法,进行导航位置更新,实现空地协同导航,具体如下:
当空中无人平台进入地面无人平台的通信范围内,各空中无人平台根据传输的数据地址判断是否有地面无人平台,当有地面无人平台时,由空中无人平台与地面无人平台之间的相互测距信息,组成测距三角形;
利用测距三角形计算获得无人平台之间的法向量,将法向量和距离信息作为观测量,各无人平台间的位置、速度信息作为状态量,使用卡尔曼滤波进行实时观测,约束无人平台间的误差发散,实现基于数据链测距的快速临机重构空地协同导航;
卡尔曼滤波的步骤如下:
取状态量为
(2)
式中,为无人平台的位置信息,,为无人平台
的速度信息,将三个无人平台间组成的位置和速度信息作为状态量;
则***的状态方程为
(3)
式中,为连续***的先验估计值,为时刻***状态转移矩阵,为时刻***状态矩阵,为时刻***噪声输入矩阵,为时刻***过程噪声;
离散化为
(4)
式中,表示***时刻的状态矩阵,为时刻到时刻的***状态
转移矩阵,为***时刻的状态矩阵,为时刻的***噪声输入矩阵,为时刻的***过程噪声,即加速度计噪声;
设观测量,分别为***内第一个无人平台和第
二个无人平台之间的距离、第一个无人平台和第三个无人平台之间的距离、第二个无人平
台和第三个无人平台之间的距离,为无人平台之间形成的法向量在
方向上的分量;
量测方程为
(5)
式中,为***在时刻的实际观测值,为时刻***的观测矩阵,为时刻***的状态矩阵,为时刻***的观测噪声;
离散化为
(6)
式中,为时刻***的实际观测值;为***在时刻的观测矩阵,将
状态变量转化为预测观测值;为***在时刻***的状态矩阵,为时刻系
统量测噪声;
根据扩展卡尔曼滤波有
(7)
式中,为***时刻先验估计值,为***时刻到时刻的***状
态转移矩阵,为***时刻的后验估计值;
从而估计时刻的先验误差方差矩阵
(8)
式中,为***在时刻的先验预测误差方差矩阵,为***时刻到时刻的***状态转移矩阵,为***在时刻的后验预测误差方差矩阵,
为的转置矩阵,为***过程噪声协方差矩阵;
更新卡尔曼滤波增益
(9)
式中,为时刻***的卡尔曼滤波增益,为观测和预测的加权系数;为
***在时刻的先验预测误差方差矩阵,为***在时刻的测量矩阵,为的转置,为时刻***测量噪声协方差矩阵;
从而估计时刻状态向量估计值为
(10)
式中,为***在时刻的后验状态估计,为时刻的先验状态估计,为时刻***的卡尔曼滤波增益,为***观测值,为***在时刻的测
量矩阵;
更新状态误差协方差阵为
(11)
式中,***在时刻的后验预测误差方差矩阵,为时刻***的卡尔
曼滤波增益,为***在时刻的测量矩阵,为***在时刻的先验预测误差方差
矩阵,为时刻***测量噪声协方差矩阵;
当***无协同导航数据时,各无人平台根据惯性传感器的数据进行姿态更新,当***接收到协同导航数据时,进行一次卡尔曼滤波,修正惯性传感器的位置误差,从而实现空地协同导航。
下面结合附图及具体实施例对本发明作进一步详细说明。
实施例
结合图1,本实施例提供了一种基于数据链测距的快速临机重构协同导航***,该***包括:
空中无人***,其包括多个空中无人飞行平台组成的空中无人飞行网络,搭载通信数据链和各种机载传感器,可用于传输传感器获取的导航定位数据,用于辅助无人平台导航定位;
地面无人***,其包括多个地面移动机器人组成的地面协同通信网络,搭载有高精度传感器和空地通信数据链,能够与空中无人平台进行通信,当空中无人平台进入地面无人平台的通信范围时,可利用地面无人平台的导航位置信息,修正空中无人平台的定位误差,提高空中无人平台导航定位精度;
通信数据链,其与多个无人平台相连,包括用于传输图像信息的图传数据链,和传输各无人平台的姿态、速度、位置等数据信息的数传数据链,并且可以测量无人平台之间的相对距离信息。
进一步地,所述通信数据链包括:
数据链传输的数据包括数据传输的数传数据链和图像传输的图传数据链,可用于传输数据,测量距离,具有较高的抗干扰性,传输数据的频率较高,不影响***的正常位置更新,能够通过通信数据链传输的数据,利用双向单程测距法计算获得无人平台间的相对距离,实现多无人平台协同导航。
本实施例中,多空中无人平台的协同导航采用基于几何图形平移旋转的方法约束惯性***的误差发散,该方法主要利用多无人平台间的测距信息不会随着时间的增加而发散的原理,通过数据链传输测距、位姿等信息进行协同导航定位,主要步骤如下:
(1)设机群由个节点组成, 为节点的实际位置, 为惯性传感器的输出位置, 为测距值确定的
节点的概略坐标,为在数据链中获得的测距值。
(2)将一号无人机的起始位置作为初始位置,建立坐标基准,通过双程单向测距法测量无人平台之间的距离信息,利用该距离信息,记录初始编队信息,确定各无人平台位置信息,利用各惯性导航器件获得的位置信息,将各无人平台折算到同一高度,并计算惯性传感器多边形的重心位置。
(3)将编队多边形组成的多边形形心和惯性器件计算的多边形重心重合,获得平
移后的量测多边形,计当前位置为 ,如图2所示:
(4)获得平移后的量测多边形后,旋转平移后量测多边形,令最小
式中,为平移旋转后各节点位置坐标,为惯性传感器测量的
各空中无人平台位置;
利用最小二乘法进行计算当最小时的和,将该位置作为卡尔
曼滤波的观测量,将惯性器件测量的位置作为状态量进行卡尔曼滤波,进而修正惯性导航
器件的累计误差。图3为几何图形旋转
该方法能够有效的约束惯性导航的误差发散程度,其本质是利用惯性器件的误差发散遵循高斯分布对***进行约束,因此,在无人平台数量较多的环境下,该方法可以有效地约束惯性导航的误差发散,具有控制简单、编队飞行、提高定位精度的优点。
作为本发明的进一步改进,针对空中域与地面域之间的高度、速度不匹配等问题,开展空地协同相对定位***原理分析,采用传统的几何图形约束法,将会导致地面无人平台与空中无人平台之间产生较大的误差,并且将会产生多面体结构,大大增加了***的运算量,提出了一种快速临机重构的协同导航方法。
当空中无人平台经过地面无人平台或地面锚点的通信范围内将会进行重构,利用多无人平台间的法向量进行误差约束,实现空中无人平台与地面无人平台之间的协同定位,为空中无人平台提供精度较高的定位锚点,修正空中无人平台位置误差发散,实现GNSS拒止环境下的高精度导航定位;该方法可以有效的提高***的定位精度,提升***协同定位效率。
当空中无人平台进入地面无人平台的通信范围内,各无人平台将会根据传输的数据地址判断是否有地面无人平台,当有地面无人平台时,由无人机与无人车之间的相互测距信息,组成测距三角形,如图4所示:
利用该三角形可以计算获得无人平台之间的法向量,将法向量和距离信息作为观测量,各无人平台间的位置,速度等信息作为状态量,使用卡尔曼滤波进行实时观测,约束无人平台间的误差发散,实现基于数据链测距的快速临机重构空地协同导航。
卡尔曼滤波主要步骤如下:
取状态量为:
其中,为无人平台上的位置信息,,为无人平台的速度信息,将三个无人平台间组成的位置和速度信息作为状态量。
则***的状态方程为
式中,为连续***的先验估计值,为时刻***状态转移矩阵,为时刻***状态矩阵,为时刻***噪声输入矩阵,为时刻***过程噪声;
离散化为
式中,表示***时刻的状态矩阵,为时刻到时刻的***状态
转移矩阵,为***时刻的状态矩阵,为时刻的***噪声输入矩阵,为时刻的***过程噪声,即加速度计噪声。
设其观测量,分别为***内第一个无人平台和
第二个无人平台之间的距离、第一个无人平台和第三个无人平台之间的距离、第二个无人
平台和第三个无人平台之间的距离,为无人机之间形成的法向量在
方向上的分量。
则量测方程为
式中,为***在时刻的实际观测值,为时刻***的观测矩阵,为时刻***的状态矩阵,为时刻***的观测噪声;
离散化为
式中,为时刻***的实际观测值;为***在时刻的观测矩阵,将
状态变量转化为预测观测值;为***在时刻***的状态矩阵,为时刻系
统量测噪声;
式中,为量测噪声,根据扩展卡尔曼滤波有
式中,为***时刻先验估计值,为***时刻到时刻的***状
态转移矩阵,为***时刻的后验估计值;
获得***的先验估计并更新***的先验预测误差方差矩阵
式中,为***在时刻的先验预测误差方差矩阵,为***时刻到时刻的***状态转移矩阵,为***在时刻的后验预测误差方差矩阵,
为的转置矩阵,为***过程噪声协方差矩阵;
更新***卡尔曼滤波增益
式中,为时刻***的卡尔曼滤波增益,为观测和预测的加权系数;为
***在时刻的先验预测误差方差矩阵,为***在时刻的测量矩阵,为的转置,为时刻***测量噪声协方差矩阵;
从而估计时刻状态向量估计值为
式中,为***在时刻的后验状态估计,为时刻的先验状态估计,为时刻***的卡尔曼滤波增益,为***观测值,为***在时刻的测
量矩阵;
更新状态误差协方差阵为
式中,***在时刻的后验预测误差方差矩阵,为时刻***的卡尔
曼滤波增益,为***在时刻的测量矩阵,为***在时刻的先验预测误差方差
矩阵,为时刻***测量噪声协方差矩阵;
当***无协同导航数据时,各无人平台将会根据其惯性导航的数据进行姿态更新,当***接收到协同导航数据时,进行一次卡尔曼滤波,修正惯性导航的位置误差,从而实现空地协同导航。
该方法利用多无人平台之间的几何约束实现空中域与地面域之间的协同导航技术,通过地面域与空中域形成的三角形,确定该三角形的法向量,用利用测距数据和法向量数据作为观测值,使用卡尔曼滤波,实现空地协同导航。
该方法相较于几何图形的约束方法,计算量小,相应速度快,定位精度高,并且可以随时切换目标,不受几何图形的影响,能够实现地面域与空中域的快速临机重构,使用快速临机重构协同导航方法下的导航误差如图5所示。
上述仿真条件为:四架无人机和两台无人车进行协同导航,使用的惯性导航器件
其陀螺零漂为10,陀螺噪声为0.01,加速度计零偏为15,加速度计噪声
为60;4架无人机保持2的匀速飞行,2台无人车保持静止,其定位已知,仿真时
间为195;无人平台之间利用数据链测距的误差为3,虚线为多边型平移旋转法的4架无
人机之间的均方差,实线为快速临机重构协同导航方法的均方差,可以看出,使用快速临机
重构协同导航方法,相较于多边形旋转平移法,其误差进一步降低,在不使用GNSS信号情况
下,能够在较长的时间内,依然保持较高的定位精度,能够满足多无人***间的编队飞行,
降低其协同导航定位误差,实现GNSS拒止环境下的高精度导航定位。
结合图6对本实施例做进一步的详细描述:
①***上电,以1号飞机建立坐标基准,利用1号飞机的坐标基准,计算其与各无人平台的位置信息,并进行编队飞行;
②无人平台利用惯性传感器采集数据信息并传递给无人平台搭载的处理器;
③使用处理器进行姿态解算,获得各无人平台当前位置信息;
④判断是否有协同导航数据输入,当无协同导航数据输入时,直接进入步骤②,进行姿态解算;当有协同导航数据输入时,将其作为观测量,将惯性器件解算获得的数据作为状态量,进入步骤⑤;
⑤利用获得的数据链信息,采用几何图形平移旋转法使用卡尔曼滤波进行姿态更新,提高空中无人平台的定位精度;
⑥判断其是否有地面无人平台或地面锚点的通信信息,当无地面无人平台或地面锚点的信息时,进入步骤②,进行姿态解算;当有地面无人平台或地面锚点的信息时,进入步骤⑦;
⑦将地面无人平台的信息和空中无人平台的信息进行导航解算,利用快速临机重构协同导航方法,进行导航位置更新,实现空地协同导航。
步骤⑦所述的基于数据链测距的快速临机重构协同导航方法,利用地面无人平台的定位精度高的特性,修正空中无人平台的定位误差,同时,当空中无人平台能够获取GNSS信号,但地面无人平台因地面环境复杂等原因无法获取GNSS信号时,能够通过空中无人平台反向修正地面无人平台的位置信息,实现快速临机重构,提高***的抗干扰性,增强***的鲁棒性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
应当理解,为了精简本发明并帮助本领域的技术人员理解本发明的各个方面,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时在单个实施例中进行描述,或者参照单个图进行描述。但是,不应将本发明解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。
Claims (10)
1.一种基于数据链测距的快速临机重构协同导航***,其特征在于,该***包括空中无人子***、地面无人子***和通信数据链,其中:
所述空中无人子***包括多个空中无人平台组成的空中无人飞行网络,空中无人平台搭载机载传感器,机载传感器获取导航定位数据,辅助无人平台导航定位;
所述地面无人子***,包括多个地面无人平台组成的地面协同通信网络;地面无人平台能够与空中无人平台进行通信,当空中无人平台进入地面无人平台的通信范围时,利用地面无人平台的导航位置信息,修正空中无人平台的定位误差,实现空中无人平台与地面无人平台的协同导航;
所述通信数据链与各无人平台相连,通信数据链包括图传数据链和数传数据链,图传数据链用于传输图像信息,数传数据链用于传输各无人平台的姿态、速度、位置这些数据信息;各无人平台通过通信数据链传输的数据,利用双向单程测距法计算获得无人平台间的相对距离,实现多无人平台协同导航。
2.根据权利要求1所述的基于数据链测距的快速临机重构协同导航***,其特征在于,所述利用双向单程测距法计算获得无人平台间的相对距离,实现多无人平台协同导航,具体为:
每个无人平台同时发送单程测距信号,同时接收其它无人平台发送的单程测距信号,通过测量两个信号间的时间间隔,获得当前无人平台之间的距离信息,并利用通信数据链传输的无人平台位置、速度信息,进行多无人平台间的协同定位。
3.根据权利要求1所述的基于数据链测距的快速临机重构协同导航***,其特征在于,所述空中无人子***中的空中无人平台为旋翼无人机;各空中无人平台之间能够互相通信,交换位置信息和距离信息,各空中无人平台根据通信数据链获得的距离信息,建立基于几何图形约束的量测多边形,实现多空中无人平台协同导航定位。
4.根据权利要求1所述的基于数据链测距的快速临机重构协同导航***,其特征在于,所述地面无人子***中的地面无人平台为地面移动机器人,地面无人平台事先记录特征点和地面锚点信息,在经过这些点时将自动修正自身位置信息。
5.根据权利要求3所述的基于数据链测距的快速临机重构协同导航***,其特征在于,多空中无人平台的协同导航定位采用基于几何图形约束的方法,利用通信数据链进行测距,惯性传感器测量位姿信息,机载传感器辅助定位,实时测量空中无人平台之间的相对距离和相对速度,并通过通信数据链传输各空中无人平台间的位置、速度、姿态数据信息,通过各空中无人平台间形成的几何图形,构建量测多边形,修正多空中无人平台的惯性导航误差。
6.根据权利要求1所述的基于数据链测距的快速临机重构协同导航***,其特征在于,空中无人平台与地面无人平台的协同导航,具体为:
各无人平台均有其自身的通信地址,利用该地址能够判断当前无人平台是空中无人平台还是地面无人平台或地面锚点;
当通信网络内只有空中无人平台时,通过各空中无人平台的相对距离约束实现协同导航;当有地面无人平台或地面锚点接入通信网络时,利用空中无人平台与地面无人平台间形成的法向量,获取空中无人平台的观测信息,进而修正空中无人平台的误差发散,实现空地协同导航。
7.一种基于数据链测距的快速临机重构协同导航方法,其特征在于,该方法基于权利要求1~6中任一项所述的基于数据链测距的快速临机重构协同导航***,具体包括以下步骤:
步骤1、快速临机重构协同导航***上电,以一个空中无人平台建立坐标基准,计算该空中无人平台与其它空中无人平台的位置信息,并进行编队飞行;
步骤2、空中无人平台利用惯性传感器,采集数据信息并传递给空中无人平台搭载的处理器;
步骤3、使用空中无人平台搭载的处理器进行姿态解算,获得各空中无人平台当前位置信息;
步骤4、判断是否有通过数据链通信获得的协同导航数据输入,协同导航数据包括无人平台间的相对距离和相对位置,当无协同导航数据输入时,直接进入步骤3,进行姿态解算;当有协同导航数据输入时,将协同导航数据作为观测量,将惯性传感器解算获得的数据作为状态量,进入步骤5;
步骤5、根据基于几何图形约束的方法,使用卡尔曼滤波进行姿态更新,实现空中无人平台的定位;
步骤6、判断是否有地面无人平台或地面锚点的通信信息,当无地面无人平台或地面锚点的通信信息时,进入步骤3,进行姿态解算;当有地面无人平台或地面锚点的信息时,进入步骤7;
步骤7、将地面无人平台的信息和空中无人平台的信息进行导航解算,利用快速临机重构协同导航方法,进行导航位置更新,实现空地协同导航。
8.根据权利要求7所述的基于数据链测距的快速临机重构协同导航方法,其特征在于,当地面无人平台无法接收到GNSS信号,但空中无人平台能够接收到这些信号时,利用空中无人平台的位置信息和与地面无人平台之间的距离信息,来对地面无人平台的位置信息进行修正。
9.根据权利要求7所述的基于数据链测距的快速临机重构协同导航方法,其特征在于,步骤5中,根据基于几何图形约束的方法,使用卡尔曼滤波进行姿态更新,实现空中无人平台的定位,具体如下:
步骤1、设空中无人平台为旋翼无人机,机群由个节点组成,/>为节点/>的实际位置,/>为节点/>的惯性传感器对应的输出位置;/>为测距值确定的节点的概略坐标,其中测距值从通信数据链中获得;
步骤2、将一号无人机的起始位置作为初始位置,建立坐标基准,通过双程单向测距法测量空中无人平台之间的距离信息,利用该距离信息,记录初始编队信息,确定各空中无人平台位置信息,利用各惯性传感器获得的位置信息,将各空中无人平台折算到同一高度,并计算惯性传感器多边形的重心位置;
步骤3、将编队多边形组成的多边形形心和惯性传感器计算的多边形重心重合,获得平移后的量测多边形,记当前位置为;
步骤4、获得平移后的量测多边形后,旋转平移后的量测多边形,令旋转平移后量测多边形的位置信息与惯性传感器的位置信息误差最小,即最小:
(1)
式中,为平移旋转后各节点位置坐标,/>为惯性传感器测量的各空中无人平台位置;
利用最小二乘法进行计算当最小时的/>和/>,将所得位置/>作为卡尔曼滤波的观测量,将惯性传感器测量的位置作为状态量进行卡尔曼滤波,进而修正惯性传感器的累计误差。
10.根据权利要求7所述的基于数据链测距的快速临机重构协同导航方法,其特征在于,步骤7中,将地面无人平台的信息和空中无人平台的信息进行导航解算,利用快速临机重构协同导航方法,进行导航位置更新,实现空地协同导航,具体如下:
当空中无人平台进入地面无人平台的通信范围内,各空中无人平台根据传输的数据地址判断是否有地面无人平台,当有地面无人平台时,由空中无人平台与地面无人平台之间的相互测距信息,组成测距三角形;
利用测距三角形计算获得无人平台之间的法向量,将法向量和距离信息作为观测量,各无人平台间的位置、速度信息作为状态量,使用卡尔曼滤波进行实时观测,约束无人平台间的误差发散,实现基于数据链测距的快速临机重构空地协同导航;
卡尔曼滤波的步骤如下:
取状态量为
(2)
式中,为无人平台/>的位置信息,/>,/>为无人平台/>的速度信息,将三个无人平台间组成的位置和速度信息作为状态量;
则***的状态方程为
(3)
式中,为连续***的先验估计值,/>为/>时刻***状态转移矩阵,/>为/>时刻***状态矩阵,/>为/>时刻***噪声输入矩阵,/>为/>时刻***过程噪声;
离散化为
(4)
式中,表示***/>时刻的状态矩阵,/>为/>时刻到/>时刻的***状态转移矩阵,/>为***/>时刻的状态矩阵,/>为/>时刻的***噪声输入矩阵,/>为时刻的***过程噪声,即加速度计噪声;
设观测量,/>分别为***内第一个无人平台和第二个无人平台之间的距离、第一个无人平台和第三个无人平台之间的距离、第二个无人平台和第三个无人平台之间的距离,/>为无人平台之间形成的法向量在/>方向上的分量;
量测方程为
(5)
式中,为***在/>时刻的实际观测值,/>为/>时刻***的观测矩阵,/>为时刻***的状态矩阵,/>为/>时刻***的观测噪声;
离散化为
(6)
式中,为/>时刻***的实际观测值;/>为***在/>时刻的观测矩阵,将状态变量转化为预测观测值;/>为***在/>时刻***的状态矩阵,/>为/>时刻***量测噪声;
根据扩展卡尔曼滤波有
(7)
式中,为***/>时刻先验估计值,/>为***/>时刻到/>时刻的***状态转移矩阵,/>为***/>时刻的后验估计值;
从而估计时刻的先验误差方差矩阵
(8)
式中,为***在/>时刻的先验预测误差方差矩阵,/>为***/>时刻到/>时刻的***状态转移矩阵,/>为***在/>时刻的后验预测误差方差矩阵,/>为的转置矩阵,/>为***过程噪声协方差矩阵;
更新卡尔曼滤波增益
(9)
式中,为/>时刻***的卡尔曼滤波增益,为观测和预测的加权系数;/>为***在/>时刻的先验预测误差方差矩阵,/>为***在/>时刻的测量矩阵,/>为/>的转置,/>为/>时刻***测量噪声协方差矩阵;
从而估计时刻状态向量估计值为
(10)
式中,为***在/>时刻的后验状态估计,/>为/>时刻的先验状态估计,为/>时刻***的卡尔曼滤波增益,/>为***观测值,/>为***在/>时刻的测量矩阵;
更新状态误差协方差阵为
(11)
式中,***在/>时刻的后验预测误差方差矩阵,/>为/>时刻***的卡尔曼滤波增益,/>为***在/>时刻的测量矩阵,/>为***在/>时刻的先验预测误差方差矩阵,/>为/>时刻***测量噪声协方差矩阵;
当***无协同导航数据时,各无人平台根据惯性传感器的数据进行姿态更新,当***接收到协同导航数据时,进行一次卡尔曼滤波,修正惯性传感器的位置误差,从而实现空地协同导航。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311064485.6A CN116929350B (zh) | 2023-08-23 | 2023-08-23 | 一种基于数据链测距的快速临机重构协同导航***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311064485.6A CN116929350B (zh) | 2023-08-23 | 2023-08-23 | 一种基于数据链测距的快速临机重构协同导航***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116929350A true CN116929350A (zh) | 2023-10-24 |
CN116929350B CN116929350B (zh) | 2023-11-21 |
Family
ID=88377255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311064485.6A Active CN116929350B (zh) | 2023-08-23 | 2023-08-23 | 一种基于数据链测距的快速临机重构协同导航***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116929350B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941750A (zh) * | 2014-04-30 | 2014-07-23 | 东北大学 | 基于小型四旋翼无人机的构图装置及方法 |
CN206883639U (zh) * | 2017-04-10 | 2018-01-16 | 浙江谱麦科技有限公司 | 一种工业机器人的视觉定位*** |
CN108415057A (zh) * | 2018-01-25 | 2018-08-17 | 南京理工大学 | 一种无人车队与路侧单元协同工作的相对定位方法 |
CN109445432A (zh) * | 2018-10-31 | 2019-03-08 | 中国科学技术大学 | 基于图像的无人机和地面移动机器人编队定位方法 |
KR102043175B1 (ko) * | 2018-05-18 | 2019-11-11 | 이상인 | 야포 탄환 격추용 그물을 가지는 군사용 드론 및 그 군집 비행을 이용한 드론 방공망 시스템 |
CN110550212A (zh) * | 2019-10-18 | 2019-12-10 | 中国兵器工业计算机应用技术研究所 | 一种空地协同无人*** |
CN110716222A (zh) * | 2019-11-11 | 2020-01-21 | 北京航空航天大学 | 一种基于无人机的无人车导航方法及*** |
CN110888456A (zh) * | 2019-12-05 | 2020-03-17 | 中国北方车辆研究所 | 一种无人机与无人车的自主协同侦察控制方法 |
CN110888457A (zh) * | 2019-12-13 | 2020-03-17 | 云南电网有限责任公司保山供电局 | 利用无人机和机器人对变电设备开展立体巡视***及方法 |
CN111707988A (zh) * | 2020-05-29 | 2020-09-25 | 江苏科技大学 | 基于无人车车载uwb基站的无人器定位***及定位方法 |
CN112325878A (zh) * | 2020-10-30 | 2021-02-05 | 南京航空航天大学 | 基于ukf与空中无人机节点辅助的地面载体组合导航方法 |
US20210304130A1 (en) * | 2020-03-27 | 2021-09-30 | Sony Corporation | Configuring a system for delivery of goods by unmanned aerial vehicles |
CN113971697A (zh) * | 2021-09-16 | 2022-01-25 | 中国人民解放***箭军工程大学 | 一种空地协同车辆定位定向方法 |
CN114485619A (zh) * | 2022-01-26 | 2022-05-13 | 清华大学 | 基于空地协同的多机器人定位和导航方法及装置 |
CN115164870A (zh) * | 2022-07-06 | 2022-10-11 | 沈阳航空航天大学 | 一种空地协作模式下的室内自主相对定位导航方法 |
CN217716438U (zh) * | 2022-03-28 | 2022-11-01 | 南京信息工程大学 | 一种无人车、无人机协同导航装置 |
CN115639830A (zh) * | 2022-12-15 | 2023-01-24 | 北京航空航天大学 | 一种空地智能体协同编队控制***及其编队控制方法 |
US20230064401A1 (en) * | 2021-08-25 | 2023-03-02 | Hexagon Geosystems Services Ag | System for 3d surveying by a ugv and a uav with automatic provision of referencing of ugv lidar data and uav lidar data |
CN116027305A (zh) * | 2022-12-27 | 2023-04-28 | 湖南华诺星空电子技术有限公司 | 无人机载穿墙雷达探测***的运动补偿方法、装置及*** |
CN116540784A (zh) * | 2023-06-28 | 2023-08-04 | 西北工业大学 | 一种基于视觉的无人***空地协同导航与避障方法 |
-
2023
- 2023-08-23 CN CN202311064485.6A patent/CN116929350B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941750A (zh) * | 2014-04-30 | 2014-07-23 | 东北大学 | 基于小型四旋翼无人机的构图装置及方法 |
CN206883639U (zh) * | 2017-04-10 | 2018-01-16 | 浙江谱麦科技有限公司 | 一种工业机器人的视觉定位*** |
CN108415057A (zh) * | 2018-01-25 | 2018-08-17 | 南京理工大学 | 一种无人车队与路侧单元协同工作的相对定位方法 |
KR102043175B1 (ko) * | 2018-05-18 | 2019-11-11 | 이상인 | 야포 탄환 격추용 그물을 가지는 군사용 드론 및 그 군집 비행을 이용한 드론 방공망 시스템 |
CN109445432A (zh) * | 2018-10-31 | 2019-03-08 | 中国科学技术大学 | 基于图像的无人机和地面移动机器人编队定位方法 |
CN110550212A (zh) * | 2019-10-18 | 2019-12-10 | 中国兵器工业计算机应用技术研究所 | 一种空地协同无人*** |
CN110716222A (zh) * | 2019-11-11 | 2020-01-21 | 北京航空航天大学 | 一种基于无人机的无人车导航方法及*** |
CN110888456A (zh) * | 2019-12-05 | 2020-03-17 | 中国北方车辆研究所 | 一种无人机与无人车的自主协同侦察控制方法 |
CN110888457A (zh) * | 2019-12-13 | 2020-03-17 | 云南电网有限责任公司保山供电局 | 利用无人机和机器人对变电设备开展立体巡视***及方法 |
US20210304130A1 (en) * | 2020-03-27 | 2021-09-30 | Sony Corporation | Configuring a system for delivery of goods by unmanned aerial vehicles |
CN111707988A (zh) * | 2020-05-29 | 2020-09-25 | 江苏科技大学 | 基于无人车车载uwb基站的无人器定位***及定位方法 |
CN112325878A (zh) * | 2020-10-30 | 2021-02-05 | 南京航空航天大学 | 基于ukf与空中无人机节点辅助的地面载体组合导航方法 |
US20230064401A1 (en) * | 2021-08-25 | 2023-03-02 | Hexagon Geosystems Services Ag | System for 3d surveying by a ugv and a uav with automatic provision of referencing of ugv lidar data and uav lidar data |
CN113971697A (zh) * | 2021-09-16 | 2022-01-25 | 中国人民解放***箭军工程大学 | 一种空地协同车辆定位定向方法 |
CN114485619A (zh) * | 2022-01-26 | 2022-05-13 | 清华大学 | 基于空地协同的多机器人定位和导航方法及装置 |
CN217716438U (zh) * | 2022-03-28 | 2022-11-01 | 南京信息工程大学 | 一种无人车、无人机协同导航装置 |
CN115164870A (zh) * | 2022-07-06 | 2022-10-11 | 沈阳航空航天大学 | 一种空地协作模式下的室内自主相对定位导航方法 |
CN115639830A (zh) * | 2022-12-15 | 2023-01-24 | 北京航空航天大学 | 一种空地智能体协同编队控制***及其编队控制方法 |
CN116027305A (zh) * | 2022-12-27 | 2023-04-28 | 湖南华诺星空电子技术有限公司 | 无人机载穿墙雷达探测***的运动补偿方法、装置及*** |
CN116540784A (zh) * | 2023-06-28 | 2023-08-04 | 西北工业大学 | 一种基于视觉的无人***空地协同导航与避障方法 |
Non-Patent Citations (6)
Title |
---|
SASKA 等: "Cooperative muUAV-UGV autonomous indoor surveillance", 2012 IEEE 9TH INTERNATIONAL MULTI-CONFERENCE ON SYSTEMS, SIGNALS AND DEVICES (SSD), pages 1 - 6 * |
VICTOR 等: "UGV-to-UAV cooperative ranging for robust navigation in GNSS-challenged environments", AEROSPACE SCIENCE AND TECHNOLOGY, vol. 71, pages 245 - 255, XP085288527, DOI: 10.1016/j.ast.2017.09.024 * |
刘俊成 等: "基于相互测距信息的机群组网协同定位技术", 北京航空航天大学学报, vol. 38, no. 04, pages 541 - 545 * |
刘涛: "GNSS拒止环境下的多无人机协同导航方法研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 2022, pages 031 - 302 * |
潘瑞鸿 等: "基于几何特性的多无人机协同导航算法", 兵器装备工程学报, vol. 38, no. 10, pages 55 - 59 * |
邹鹏程: "微小型空地无人***协同导航技术研究", 中国优秀硕士学位论文全文数据库信息科技辑, no. 2022, pages 136 - 1846 * |
Also Published As
Publication number | Publication date |
---|---|
CN116929350B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110375730B (zh) | 基于imu和uwb融合的室内定位导航*** | |
CN109991636A (zh) | 基于gps、imu以及双目视觉的地图构建方法及*** | |
CN104729506A (zh) | 一种视觉信息辅助的无人机自主导航定位方法 | |
Petrich et al. | On-board wind speed estimation for uavs | |
CN103884340B (zh) | 一种深空探测定点软着陆过程的信息融合导航方法 | |
CN112967392A (zh) | 一种基于多传感器触合的大规模园区建图定位方法 | |
CN102679977A (zh) | 基于惯性网络的分布式导航装置及其信息融合方法 | |
CN111983660A (zh) | Gnss拒止环境下四旋翼无人机定位***和方法 | |
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 | |
CN114264301B (zh) | 车载多传感器融合定位方法、装置、芯片及终端 | |
CN114510076A (zh) | 基于无迹变换的目标协同探测与制导一体化方法及*** | |
Yu et al. | Combining Zigbee and inertial sensors for quadrotor UAV indoor localization | |
CN113076634B (zh) | 一种多机协同无源定位方法、装置及*** | |
Maeda et al. | Flight path planning of multiple UAVs for robust localization near infrastructure facilities | |
Huang et al. | Research on UAV flight performance test method based on dual antenna GPS/ins integrated system | |
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 | |
CN110388917B (zh) | 飞行器单目视觉尺度估计方法和装置、飞行器导航***及飞行器 | |
Hu et al. | A brief review on the positioning technologies for unmanned aerial vehicles | |
CN114705223A (zh) | 多移动智能体在目标跟踪中的惯导误差补偿方法及*** | |
CN113984069B (zh) | 基于人造卫星的星光定位导航方法 | |
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 | |
CN113721188A (zh) | 拒止环境下的多无人机自身定位与目标定位方法 | |
Deneault et al. | Tracking ground targets with measurements obtained from a single monocular camera mounted on an unmanned aerial vehicle | |
CN113514052A (zh) | 一种多机协同高精度有源目标定位方法及*** | |
Aravind et al. | Enhancing GPS Position Estimation Using Multi-Sensor Fusion and Error-State Extended Kalman Filter |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20231024 Assignee: Suzhou Tuyuan Transportation Technology Co.,Ltd. Assignor: NANJING University OF SCIENCE AND TECHNOLOGY Contract record no.: X2024980000837 Denomination of invention: A fast and real-time reconstruction collaborative navigation system and method based on data link ranging Granted publication date: 20231121 License type: Common License Record date: 20240117 |
|
EE01 | Entry into force of recordation of patent licensing contract |