CN108375370B - 一种面向智能巡防无人机的复合导航系统 - Google Patents

一种面向智能巡防无人机的复合导航系统 Download PDF

Info

Publication number
CN108375370B
CN108375370B CN201810707337.4A CN201810707337A CN108375370B CN 108375370 B CN108375370 B CN 108375370B CN 201810707337 A CN201810707337 A CN 201810707337A CN 108375370 B CN108375370 B CN 108375370B
Authority
CN
China
Prior art keywords
unmanned plane
estimation module
sensor
pose
measurement unit
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
CN201810707337.4A
Other languages
English (en)
Other versions
CN108375370A (zh
Inventor
杜浩
王伟
肖冉
徐朝文
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.)
Jiangsu Zhongke Intelligent Science And Technology Application Research Institute
Southeast University
Original Assignee
Intelligence Science Technology Application Study Institute Of Institute Of Jiangsu Wisoft Softuare Co Ltd
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 Intelligence Science Technology Application Study Institute Of Institute Of Jiangsu Wisoft Softuare Co Ltd filed Critical Intelligence Science Technology Application Study Institute Of Institute Of Jiangsu Wisoft Softuare Co Ltd
Priority to CN201810707337.4A priority Critical patent/CN108375370B/zh
Publication of CN108375370A publication Critical patent/CN108375370A/zh
Application granted granted Critical
Publication of CN108375370B publication Critical patent/CN108375370B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明提供一种面向智能巡防无人机的复合导航系统，包括：视觉传感器、激光测距传感器、GPS/BDS双模接收机、惯性测量单元、光流传感器、SLAM运算模块、位姿估计模块及扩展卡尔曼滤波器。根据无人机所处环境的不同采用获取到的不同传感器数据，通过扩展卡尔曼滤波器融合后输出完整的三维无人机位姿信息，从而保证导航的精度，最终提升导航系统的可靠性和自主性，有利于实现无人机在未知、复杂环境的自主导航。

Description

一种面向智能巡防无人机的复合导航系统
技术领域
本发明属于小型无人机技术领域，尤其涉及一种面向智能巡防无人机的复合导航系统。
背景技术
在无人机导航领域，单一导航技术存在不同的优缺点。
惯性导航，优点是独立性好不易受外界环境影响，能够全天候工作，频率更新快，缺点是误差会随着时间累积，精度将受到影响。
卫星导航，优点是可以全天候工作，没有累积误差，缺点是容易受干扰，更新频率较慢，在卫星信号受到遮挡环境中无法定位。
地形辅助导航，优点是没有累积误差，抗干扰能力较强，缺点是计算量较大，实时性受到制约，工作性能受地形影响，不适宜在平原使用。
激光测距雷达导航，好处是速度快，测距精度高，相对于声纳传感器而言，角分辨率高、而且激光波束窄、测量距离长，但是存在价格昂贵、回波响应与目标的表面材料属性有关且有镜面反射和漫反射现象发生的缺陷。
视觉导航，优势是能够从未知、复杂环境中获取海量纹理信息，拥有超强的场景辨识能力，但是精度容易受光照影响。
因惯性导航、卫星导航、地形辅助导航、激光测距雷达导航、视觉导航等单一导航方式存在自身的缺陷无法满足未知复杂多变的环境，因此组合导航方式一直受到广泛的关注，大量的理论研究成果应用于实践中。但是目前组合导航系统不具备可靠性和自主性，即不能同时满足室内无GPS信号和室外未知环境和复杂条件下的自主导航，无法在不同的环境下自适应调整导航系统保证导航的精度。
发明内容
为解决上述技术问题，本发明提供一种面向智能巡防无人机的复合导航系统。
为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。
该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。
其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
本发明采用如下技术方案：
在一些可选的实施例中，提供一种面向智能巡防无人机的复合导航系统，包括：视觉传感器、激光测距传感器、GPS/BDS双模接收机、惯性测量单元、光流传感器、即时定位与地图构建(Simultaneous Localization And Mapping)运算模块（以下简称SLAM运算模块）、位姿估计模块及扩展卡尔曼滤波器；
SLAM运算模块，用于根据所述视觉传感器及所述激光测距传感器采集的数据推算出无人机的三维位姿信息；
位姿估计模块，用于根据所述惯性测量单元、所述GPS/BDS双模接收机、所述光流传感器采集的数据估计出无人机位姿信息；
扩展卡尔曼滤波器，用于将所述位姿估计模块估算出的无人机位姿信息及所述SLAM运算模块融合输出的三维位姿信息与所述惯性测量单元输出的四元数、角速度偏差进行融合，最终计算出无人机的三维位姿。
在一些可选的实施例中，所述位姿估计模块包括：第一估计模块、第二估计模块及第三估计模块；第一估计模块，用于根据所述惯性测量单元输出的数据估算出四元数及姿态角；第二估计模块，用于根据所述GPS/BDS双模接收机输出的经纬度和速度原始信息融合所述第一估计模块输出的四元数和姿态角估计出无人机的室外位姿信息；第三估计模块，用于根据所述光流传感器采集的数据与所述惯性测量单元输出的三轴角速度和三轴加速度进行互补滤波，从而估计出无人机的室内位姿信息。
在一些可选的实施例中，所述惯性测量单元输出的数据包括：三轴角速度、三轴加速度、三轴地磁数据。
在一些可选的实施例中，所述惯性测量单元包括：三轴陀螺仪、三轴加速度计、三轴地磁计及ARM处理器。
在一些可选的实施例中，所述SLAM运算模块的融合算法运行在小型工控机上。
在一些可选的实施例中，所述光流传感器板载CMOS图像传感器和超声波传感器。
本发明所带来的有益效果：根据无人机所处环境的不同采用获取到的不同传感器数据，通过扩展卡尔曼滤波器融合后输出完整的三维无人机位置和姿态信息，从而保证导航的精度，最终提升导航系统的可靠性和自主性，有利于实现无人机在未知、复杂环境的自主导航。
为了上述以及相关的目的，一个或多个实施例包括后面将详细说明并在权利要求中特别指出的特征。
下面的说明以及附图详细说明某些示例性方面，并且其指示的仅仅是各个实施例的原则可以利用的各种方式中的一些方式。
其它的益处和新颖性特征将随着下面的详细说明结合附图考虑而变得明显，所公开的实施例是要包括所有这些方面以及它们的等同。
附图说明
图1是本发明一种面向智能巡防无人机的复合导航系统的结构框图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。
除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。
一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。
本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。
如图1所示，在一些说明性的实施例中，提供一种面向智能巡防无人机的复合导航系统，适应于未知、复杂环境下的导航。
本发明采用GPS/BDS双模接收机、惯性测量单元（IMU，Inertial measurementunit）、光流传感器、激光测距传感器和视觉传感器复合导航技术解决室内、室外未知复杂环境下的无人机自主导航问题，采用扩展卡尔曼滤波器融合多源数据来实现无人机的三维位姿估计。
复合导航，就是融合不同传感器测量到的多源信息来实现更加精确或者更加完整的姿态和位置估计。
本发明的复合导航系统包括：视觉传感器1、激光测距传感器2、GPS/BDS双模接收机3、惯性测量单元4、光流传感器5、SLAM运算模块6、位姿估计模块7及扩展卡尔曼滤波器8。
视觉传感器1及激光测距传感器2分别将采集到的数据发送至SLAM运算模块6，SLAM运算模块6的融合算法运行在工控机9上。
GPS/BDS双模接收机3、惯性测量单元4及光流传感器5分别将各自数据发送至位姿估计模块7，位姿估计模块7和SLAM运算模块6将位姿数据发送给扩展卡尔曼滤波器8，最终融合输出全面的适应于室内、室外的复杂环境下的三维位姿信息。
视觉传感器1具体为单目相机、双目相机、RGB-D相机或者是广角鱼眼和360度全向摄像头与标准单双目相机的结合，使VSLAM的覆盖范围进一步提升，对场景按照距离的远近进行不同精度不同速度的定位。VSLAM是基于视觉的SLAM技术。
激光测距传感器2，是一个16线激光雷达，高达100m的测量距离，±3cm的测量精度，30°的垂直测量角度范围，2°垂直方向角度分辨率，360°的水平方向测量角度范围，0.1°到0.4°的水平方向角度分辨率，测量频率5到20Hz可调。
激光测距传感器2可为无人机提供360度感知能力，在通电后即可对周围环境进行扫描，能够获得扫描物体表面的三维点云数据，通过SLAM算法建立周围区域三维地图。
GPS/BDS双模接收机3，支持GPS卫星导航系统，同时支持北斗卫星导航系统，相比GPS卫星导航系统，北斗卫星导航系统的优势主要是在城市高遮挡区的信号可用度更好，首次定位时间更快。
北斗卫星导航系统可以直接授时，同时具备短报文通信功能，GPS/BDS双模接收机3输出无人机的位置、速度和高度等信息。在大地坐标系下能够提供经度、纬度和高度。
惯性测量单元4，包括：三轴陀螺仪、三轴加速度计、三轴地磁计、ARM处理器及外围电路，输出三轴角速度、三轴加速度、三轴地磁数据、四元数及姿态角。
光流传感器5板载一块752×480物理分辨率CMOS图像传感器和一个超声波传感器，综合输出X轴、Y轴速度和像素数、时间、光流数据质量和高度等数据。
SLAM运算模块6，用于根据视觉传感器1及激光测距传感器2采集的数据推算出无人机的三维位姿信息，即激光测距传感器2和视觉传感器1通过SLAM运算模块6进行地图构建可以推算出无人机的三维位姿信息。
位姿估计模块7，用于根据惯性测量单元4、所述GPS/BDS双模接收机3及所述光流传感器5采集的数据估算出无人机位姿信息。
扩展卡尔曼滤波器8，用于将所述位姿估计模块7估算出的无人机位姿信息及所述SLAM运算模块6融合输出的三维位姿信息与所述惯性测量单元4输出的四元数、角速度偏差进行融合，最终计算出无人机的三维位姿。
在一些说明性的实施例中，位姿估计模块7包括：第一估计模块、第二估计模块及第三估计模块。
第一估计模块用于根据惯性测量单元4输出的数据估算出四元数及姿态角。惯性测量单元4输出三轴角速度、三轴加速度、三轴地磁数据，状态方程如下：
。
上式中，代表四元数，代表三轴陀螺仪偏差, 代表三轴角速率，为过程噪声。
观测方程：，式中，代表三轴加速度数据，代表地磁航向角，为观测噪声。
将上面状态方程和观测方程离散化后可得：
。
实际应用中，向量函数和通常是非线性的，不能直接应用，通常是通过求该向量函数的雅可比矩阵来实现线性化，下面把
时刻的被估计状态的估计值设为，预测估计值设为。
第一估计模块主要由预测和更新两大步骤组成。
预测：
。
更新：
。
式中，，通过第一估计模块可以估计出四元数和姿态角。
第二估计模块，用于根据GPS/BDS双模接收机3输出的经纬度和速度原始信息融合第一估计模块输出的四元数和姿态角估计出无人机的室外位姿信息。
第二估计模块构建的扩展卡尔曼滤波器方程如下：
状态方程：，式中，其中位置，速度，为三轴加速度偏差，为三轴角速度，为过程噪声。
观测方程：，式中，为通过GPS/BDS双模接收机3接收到的观测数据，为测量噪声，对状态方程和观测方程离散化及通过扩展卡尔曼滤波方法推导速度和位置的方法同第一估计模块的方法相同。
第三估计模块，用于根据光流传感器5采集的数据与惯性测量单元4输出的三轴角速度和三轴加速度进行互补滤波，从而估计出无人机的室内位姿信息。
首先将获取到的更新速度数据进行坐标转换，将东北地坐标系统转化为机体坐标系，然后对原始数据进行滤波处理，接着计算得到光流测量速度数据，然后再将机体坐标系转换为东北地坐标系下，最后是通过互补滤波的预测函数和更新函数来推算位置、速度信息。根据坐标轴方向的不同，地理坐标系的方向可选为东北天、北东地、北西天等右手直角坐标系，东北地坐标系统是指其中的北东地直角坐标系。
预测函数：，式中为位置，为加速度；，式中表示速度，表示加速度。
更新函数：，式中为当前速度估计值，上次的估计值，为系数，为观测值。
该滤波方法实质上是固定增益的卡尔曼滤波器，通过该方法可以估计出光流的位置和速度信息。
扩展卡尔曼滤波器8将位姿估计模块7估计出四元数及位姿信息与惯性测量单元4输出的数据以及SLAM运算模块6输出的位姿数据进行融合。
状态方程：，式中，其中是三维位置，是三维速度，是四元数，为三轴陀螺仪偏差，为三轴加速度偏差。
测量方程：，式中，其中位置的值来源于视觉传感器1或者激光测距传感器2，取决于二者的更新频率和环境状况，四元数来自于惯性测量单元4的估计值，构建扩展卡尔曼滤波器的方法同上述第一估计模块的卡尔曼滤波器构建方法相同。
具体流程：首先基于惯性测量单元4的加速度、角速度和地磁数据采用位姿估计模块7中的第一估计模块推导出四元数，室外环境下通过GPS/BDS双模接收机3和惯性测量单元4估计融合输出位置和姿态信息，室内环境或者GPS/BDS信号强度差的环境下基于光流传感器5和惯性测量单元4输出的加速度和角速度数据通过互补滤波输出速度和位置信息，基于视觉传感器1和激光测距传感器2通过SLAM运算模块6融合输出三维位姿信息，最后将上述估计的四元数和位置、速度、陀螺仪偏差和加速度偏差作为系统的状态变量导入到状态方程中，然后通过扩展卡尔曼滤波器8进行融合得出三维姿态和位置信息。
因姿态采用四元数表示法运算量小，无奇点问题，所以本发明首先采用位姿估计模块7中第一估计模块融合惯性测量单元4输出的三轴角速度、三轴加速度和三轴地磁计数据估计四元数、、、和姿态角。采用多源传感器复合导航技术，能够适应于未知复杂环境和无GPS/BDS信号的环境，在无GPS/BDS信号环境条件下优先采用光流传感器5、激光测距传感器2和惯性测量单元4推导出速度、位置和姿态信息，实现无人机的导航，在GPS/BDS信号强的环境下可以使用GPS/BDS双模接收机3实现导航。根据所处的环境改变自动更新所用的传感器的权重，以期达到最好的导航精度，以便能够适应于无GPS/BDS信号环境和复杂未知环境。基于激光SLAM、视觉SLAM系统与惯性测量单元4的数据实时相互融合，使得激光测距传感器2或视觉传感器1在突然加减速或旋转时可以保持一定的定位精度，防止跟踪丢失，大幅提高定位与地图构建的稳定性。
综合不同模块估计的四元数、位置、速度等多源数据采用扩展卡尔曼滤波器8最终融合出无人机三维位置和姿态信息。
激光测距传感器2和视觉传感器1各有特长，单独使用都有其局限性，而融合使用则可以取长补短，例如，视觉传感器1在纹理丰富的动态环境中稳定工作，并能为激光SLAM提供非常准确的点云匹配，而激光测距传感器2提供的精确方向和距离信息在正确匹配的点云上会发挥更大的功能。
而在光照严重不足或纹理缺失的环境中，激光SLAM的定位能力使得视觉传感器1可以借助少量的信息记录场景。本发明将两种或两种以上的传感器以最优的方式融合在一起，利用其性能上的互补特性可以获得比单一导航方式更高的导航性能，
本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。
为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。
熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。

Claims (5)

1.一种面向智能巡防无人机的复合导航系统，其特征在于，包括：视觉传感器、激光测距传感器、GPS/BDS双模接收机、惯性测量单元、光流传感器、SLAM运算模块、位姿估计模块及扩展卡尔曼滤波器；
SLAM运算模块，用于根据所述视觉传感器及所述激光测距传感器采集的数据推算出无人机的三维位姿信息；
位姿估计模块，用于根据所述惯性测量单元、所述GPS/BDS双模接收机、所述光流传感器采集的数据估计出无人机位姿信息；
扩展卡尔曼滤波器，用于将所述位姿估计模块估计出的四元数及位姿信息与惯性测量单元输出的数据及所述SLAM运算模块输出的位姿数据进行融合，最终计算出无人机的三维位姿；
所述位姿估计模块包括：第一估计模块、第二估计模块及第三估计模块；
第一估计模块，用于根据所述惯性测量单元输出的数据估算出四元数及姿态角；
第二估计模块，用于根据所述GPS/BDS双模接收机输出的经纬度和速度原始信息融合所述惯性测量单元输出的四元数和姿态角估计出无人机的室外位姿信息；
第三估计模块，用于根据所述光流传感器采集的数据与所述惯性测量单元输出的三轴角速度和三轴加速度进行互补滤波，从而估计出无人机的室内位姿信息；
扩展卡尔曼滤波器将位姿估计模块估计出的四元数及位姿信息与惯性测量单元输出的数据以及SLAM运算模块输出的位姿数据进行融合，
状态方程：式中x＝[p vb q bw ba]T，其中p是三维位置，vb是三维速度，q是四元数，bω为三维陀螺仪偏差，ba为三轴加速度偏差；
测量方程：y＝h(x)+v，式中y＝[p q]T，其中三维位置p的值来源于位姿估计模块或者SLAM运算模块，取决于所处的环境，当有GPS/BDS信号时来自于第一和第二位姿估计模块，否则来源于SLAM运算模块和第三位姿估计模块，取决于二者的环境状况，四元数q来自于第一估计模块。
2.根据权利要求1所述的一种面向智能巡防无人机的复合导航系统，其特征在于，所述惯性测量单元输出的数据包括：三轴角速度、三轴加速度、三轴地磁数据。
3.根据权利要求2所述的一种面向智能巡防无人机的复合导航系统，其特征在于，所述惯性测量单元包括：三轴陀螺仪、三轴加速度计、三轴地磁计及ARM处理器。
4.根据权利要求3所述的一种面向智能巡防无人机的复合导航系统，其特征在于，所述SLAM运算模块的融合算法运行在小型工控机上。
5.根据权利要求4所述的一种面向智能巡防无人机的复合导航系统，其特征在于，所述光流传感器板载CMOS图像传感器和超声波传感器。
CN201810707337.4A 2018-07-02 2018-07-02 一种面向智能巡防无人机的复合导航系统 Active CN108375370B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810707337.4A CN108375370B (zh) 2018-07-02 2018-07-02 一种面向智能巡防无人机的复合导航系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810707337.4A CN108375370B (zh) 2018-07-02 2018-07-02 一种面向智能巡防无人机的复合导航系统

Publications (2)

Publication Number Publication Date
CN108375370A CN108375370A (zh) 2018-08-07
CN108375370B true CN108375370B (zh) 2019-03-01

Family

ID=63033485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810707337.4A Active CN108375370B (zh) 2018-07-02 2018-07-02 一种面向智能巡防无人机的复合导航系统

Country Status (1)

Country Link
CN (1) CN108375370B (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109002053A (zh) * 2018-08-17 2018-12-14 河南科技大学 无人驾驶设备用智能化空间定位和环境感知装置及方法
CN109407696B (zh) * 2018-09-06 2022-03-08 南京信息工程大学 一种无人机航向角动态校定方法
CN109283539A (zh) * 2018-09-20 2019-01-29 清华四川能源互联网研究院 一种适用于高层非平整结构的定位方法
CN109085852B (zh) * 2018-09-20 2020-05-08 清华四川能源互联网研究院 一种适用于高层非平整结构的飞行机器人系统
CN109358640B (zh) * 2018-10-15 2022-03-04 广东电网有限责任公司 一种无人机激光探测实时可视化方法、系统及存储介质
CN109655058A (zh) * 2018-12-24 2019-04-19 中国电子科技集团公司第二十研究所 一种惯性/视觉智能化组合导航方法
CN109682373B (zh) * 2018-12-28 2021-03-09 中国兵器工业计算机应用技术研究所 一种无人平台的感知系统
CN109827574B (zh) * 2018-12-28 2021-03-09 中国兵器工业计算机应用技术研究所 一种无人机室内外切换导航系统
CN109752725A (zh) * 2019-01-14 2019-05-14 天合光能股份有限公司 一种低速商用机器人、定位导航方法及定位导航系统
CN111457913B (zh) * 2019-01-22 2024-05-17 北京京东乾石科技有限公司 交通工具导航数据融合方法、装置和系统
CN109931926B (zh) * 2019-04-04 2023-04-25 山东智翼航空科技有限公司 一种基于站心坐标系的小型无人机无缝自主式导航方法
CN111854769B (zh) * 2019-04-25 2022-07-22 北京嘀嘀无限科技发展有限公司 位姿数据处理方法、装置、地图生成设备和存储介质
WO2021016749A1 (zh) * 2019-07-26 2021-02-04 深圳市大疆创新科技有限公司 基于多数据融合的定位方法、可移动平台及存储介质
CN110375747A (zh) * 2019-08-26 2019-10-25 华东师范大学 一种室内无人机的惯导系统
CN110986988B (zh) * 2019-12-20 2023-12-08 上海有个机器人有限公司 融合多传感器数据的轨迹推算方法、介质、终端和装置
CN111158363A (zh) * 2019-12-27 2020-05-15 苏州博田自动化技术有限公司 基于控制时序组合的宏微导航方法
CN111102984A (zh) * 2020-01-21 2020-05-05 中南民族大学 可视化山区公路导航方法、装置、设备及存储介质
CN111398522B (zh) * 2020-03-24 2022-02-22 山东智翼航空科技有限公司 基于微型无人机的室内空气质量检测系统及检测方法
CN112556691B (zh) * 2020-11-26 2022-08-02 广东工业大学 一种用于无人机自主导航与温度测量系统的方法
CN113110556B (zh) * 2021-05-06 2023-07-21 南京云智控产业技术研究院有限公司 一种基于视觉传感器的无人机位置估计系统及估计方法
CN113971438A (zh) * 2021-10-11 2022-01-25 复旦大学 荒漠环境下多传感器融合的定位与建图方法
CN113848991B (zh) * 2021-11-15 2023-09-29 国网黑龙江省电力有限公司信息通信公司 一种长距离通信的电网无人机巡检系统
CN115035620A (zh) * 2022-06-08 2022-09-09 千眼云(重庆)科技有限公司 一种基于共享物联网技术的智能路内占道停车系统
CN115014330A (zh) * 2022-06-13 2022-09-06 武汉华中天易星惯科技有限公司 一种无人平台光电导航智能感知及决策系统
CN116320747A (zh) * 2023-05-19 2023-06-23 四川华鲲振宇智能科技有限责任公司 一种图像传感器与镜头水平校验的方法
CN116295507B (zh) * 2023-05-26 2023-08-15 南京师范大学 一种基于深度学习的激光惯性里程计优化方法、系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205193562U (zh) * 2015-07-02 2016-04-27 深圳市蜂鸟智航科技有限公司 一种基于以太网交换总线的无人机飞行控制系统
CN106767785A (zh) * 2016-12-23 2017-05-31 成都通甲优博科技有限责任公司 一种双回路无人机的导航方法及装置
CN106774221A (zh) * 2017-01-22 2017-05-31 江苏中科院智能科学技术应用研究院 一种无人机与无人车协作巡逻系统及方法
CN107450577A (zh) * 2017-07-25 2017-12-08 天津大学 基于多传感器的无人机智能感知系统和方法
CN107490382A (zh) * 2017-07-31 2017-12-19 中北智杰科技（北京）有限公司 一种无人驾驶汽车路径规划系统及控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205193562U (zh) * 2015-07-02 2016-04-27 深圳市蜂鸟智航科技有限公司 一种基于以太网交换总线的无人机飞行控制系统
CN106767785A (zh) * 2016-12-23 2017-05-31 成都通甲优博科技有限责任公司 一种双回路无人机的导航方法及装置
CN106774221A (zh) * 2017-01-22 2017-05-31 江苏中科院智能科学技术应用研究院 一种无人机与无人车协作巡逻系统及方法
CN107450577A (zh) * 2017-07-25 2017-12-08 天津大学 基于多传感器的无人机智能感知系统和方法
CN107490382A (zh) * 2017-07-31 2017-12-19 中北智杰科技（北京）有限公司 一种无人驾驶汽车路径规划系统及控制方法

Also Published As

Publication number Publication date
CN108375370A (zh) 2018-08-07

Similar Documents

Publication Publication Date Title
CN108375370B (zh) 一种面向智能巡防无人机的复合导航系统
CN110243358B (zh) 多源融合的无人车室内外定位方法及系统
CN109029417B (zh) 基于混合视觉里程计和多尺度地图的无人机slam方法
CN109931926B (zh) 一种基于站心坐标系的小型无人机无缝自主式导航方法
CN112987065B (zh) 一种融合多传感器的手持式slam装置及其控制方法
US10184797B2 (en) Apparatus and methods for ultrasonic sensor navigation
CN110446159A (zh) 一种室内无人机精确定位与自主导航的系统及方法
CN111288989B (zh) 一种小型无人机视觉定位方法
CN109388150A (zh) 多传感器环境地图构建
CN115574816B (zh) 仿生视觉多源信息智能感知无人平台
CN112967392A (zh) 一种基于多传感器触合的大规模园区建图定位方法
CN110361010A (zh) 一种基于占据栅格地图且结合imu的移动机器人定位方法
CN110412596A (zh) 一种基于图像信息和激光点云的机器人定位方法
KR20160028379A (ko) 강화된 휴대용 네비게이션을 위한 다수의 필터들을 이용하기 위한 방법
CN110533719A (zh) 基于环境视觉特征点识别技术的增强现实定位方法及装置
JP6934116B1 (ja) 航空機の飛行制御を行う制御装置、及び制御方法
CN106969721A (zh) 一种三维测量方法及其测量装置
Karam et al. Integrating a low-cost mems imu into a laser-based slam for indoor mobile mapping
WO2018133077A1 (zh) 一种智能轮椅的环境信息收集与反馈系统及方法
Singh et al. Ubiquitous hybrid tracking techniques for augmented reality applications
Li et al. Unmanned aerial vehicle position estimation augmentation using optical flow sensor
Kleinert et al. Inertial aided monocular SLAM for GPS-denied navigation
WO2022018964A1 (ja) 情報処理装置、情報処理方法およびプログラム
Cai et al. Multi-source information fusion augmented reality benefited decision-making for unmanned aerial vehicles: A effective way for accurate operation
Haase et al. AR binocular: Augmented reality system for nautical navigation

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
TR01 Transfer of patent right

Effective date of registration: 20210111

Address after: 213164 Sany Road, science and Education City, Changzhou City, Jiangsu Province

Patentee after: INSTITUTE OF INTELLIGENT SCIENCE AND TECHNOLOGY APPLICATION RESEARCH, JIANGSU AND CHINESE ACADEMY OF SCIENCES

Patentee after: SOUTHEAST University

Address before: 213164 Sany Road, kejiaocheng, Wujin District, Changzhou City, Jiangsu Province

Patentee before: INSTITUTE OF INTELLIGENT SCIENCE AND TECHNOLOGY APPLICATION RESEARCH, JIANGSU AND CHINESE ACADEMY OF SCIENCES

TR01 Transfer of patent right
CP03 Change of name, title or address

Address after: 213000 South end of Sany Road, Changzhou Science and Education City, Wujin District, Changzhou City, Jiangsu Province

Patentee after: Jiangsu Zhongke intelligent science and Technology Application Research Institute

Patentee after: SOUTHEAST University

Address before: 213164 Sany Road, science and Education City, Changzhou City, Jiangsu Province

Patentee before: INSTITUTE OF INTELLIGENT SCIENCE AND TECHNOLOGY APPLICATION RESEARCH, JIANGSU AND CHINESE ACADEMY OF SCIENCES

Patentee before: SOUTHEAST University

CP03 Change of name, title or address