CN108827295A - 基于无线传感器网络和惯性导航的微型无人机自定位方法 - Google Patents

Abstract

本发明公开了属于无人机自动定位技术领域的一种基于无线传感器网络和惯性导航的微型无人机自定位方法，该方法包括：首先在微型无人机上安装无线传感器节点模块，将无人机内嵌的捷联惯性导航系统所得信息作为无人机基础位置，并应用无线传感器网络三维空间定位算法进一步确定无人机的精确位置。在微型无人机常规运行状态下，通过传感器网络节点定位算法实时修正捷联惯性导航算法的定位结果，减少误差累积，从而实现微型无人机的精准自定位。定位精度最高可达厘米甚至毫米级别；每秒钟可刷新数据数次，系统内核处理时间可达μs级别；确保精确度和实时性；此外，无线传感器网络成本低，可以大规模铺设和广泛应用，保障了本发明的经济性和可扩展性。

Description

基于无线传感器网络和惯性导航的微型无人机自定位方法

技术领域

本发明属于无人机自动定位技术领域，特别涉及一种基于无线传感器网络和惯性导航的微型无人机自定位方法，具体说是一种基于无线传感器网络和捷联惯性导航系统的微型无人机三维空间自定位方法。

背景技术

微型无人机(Mirco-Air Vehicle,MAV)是指尺寸只有手掌大小(约15cm)的飞行器，其价格一般在人民币数百元范围内。微型无人机最早于1992年在美国兰德公司和国防高级研究计划局举办的一个关于未来军事技术的研讨会上提出，资深科学家奥根斯坦主持了有关微型无人机的讨论。第一个微型无人机飞行样机出现于1990年代末期。近年来随着微型无人机的发展，由于它体积小、造价低、使用方便、以及对环境要求低等优点，其使用范围已从军事拓宽到民用和科学研究等领域。在军事方面，广泛应用于侦察、监视、通信中继、电子对抗、火力制导、战果评估等；在民用上，可用于大地测量、气象观测、城市环境检测、地球资源勘探和森林防火等；在科学研究上，可用于大气研究、对核生化污染区的取样与监控、新技术新设备与新飞行器的试验验证等，而实现上述这些应用的基础都是微型无人机的精确自定位。然而目前无人机自定位技术大多针对116kg以上的小型和大型无人机，相对于微型无人机而言，它们结构复杂、体积和重量大、价格昂贵，其定位技术并不适用于微型无人机系统。例如，目前使用最广泛、技术最为成熟有效的卫星导航定位技术GPS全球定位系统，尽管具有全天候、范围广等优点，但其民用定位精度最高只有2-3米，并且在室内环境中定位效果差，无法应用于微型无人机的精准定位。

目前针对微型无人机的定位技术仍未形成规模，多为针对具体场景的定位方法，同时定位精度、实时性也有一定限制。其中，应用较多的是捷联惯性导航系统。捷联惯性导航系统是利用数学平台，通过惯性测量元件、基准方位及初始的方位信息，来确定系统运载体的速度、姿态和位置的自主式航位推算系统。具体来说是在牛顿经典力学定律的基础上，通过陀螺仪以及加速度计反馈的测量信息推算运载体的方位，即使用陀螺仪、加速度计采集到的实时数据计算得到飞行载体相对于导航坐标系的加速度数据，通过对加速度进行时间连续积分计算出速度以及位置的变化。但由于惯性传感器精度较低，即使其参数在起飞时经过初始校准，惯性传感器的测量误差也会随着时间累积，使最终定位精确度逐渐降低。为了解决这一缺陷，研究人员在捷联惯性导航系统定位的基础上进一步提出多种方案对其定位结果进行修正，得到更为精确的定位结果。龚真春等人提出一种适用于超小型无人机的GPS和微型惯性测量单元相结合的算法，GPS与微型惯性测量单元的结合可以取长补短，但仍存在室内效果差，实时性差等问题。宋宇等人提出一种基于光流系统和惯性导航系统相结合的定位方法，采用双光流传感器测量飞行器的高度和速度，并将二维光流信息与捷联惯性导航系统通过扩展卡尔曼滤波器(EKF)进行数据融合，得到实时的位置、速度和姿态。但该方法只适用于可以布设光流系统并符合实验条件的环境，实用性有一定的限制。孔天恒等人提出一种基于雷达-扫描器/惯性导航系统的微小型无人机室内导航方法，采用基于 EKF的D&C(Divide and Conquer)同步定位与构图技术(SLAM)实现定位和构图，最终将D&C、SLAM与惯性导航系统进行基于EKF的组合滤波，给出无人机的全状态估计。但该方法使用设备成本较高，难以推广。

目前研究人员在二维无线传感器网络的经典算法基础上，提出了针对三维空间的节点定位算法：例如，在经典算法APIT算法的基础上，韩睿松等人提出一种在阶次序列基础上采用APIT信标三角形切割垂直平分线的方法缩小定位子区域面积的混合定位算法；周四清等人提出了一种三维空间中的节点自身定位算法 APIT-3D，该算法将二维平面中的APIT算法扩充到三维实现节点定位。此外，此外，传感器节点尺寸小，在微型无人机上仍可装备传感器通讯模块，使其与传感器网络实现信息互通，从而进行微型无人机的自定位。无线传感器网络节点定位算法经过多年的研究，发展也已较为成熟，成果较为显著；随着物联网的迅速发展，传感器网络将会得到更大范围的应用，未来将无需单独为实现无人机定位布设专门的传感器网络，直接接入现有网络即可。可以解决目前微型无人机自定位中存在的室内精度低、成本相对较高和应用场景受限等问题。

发明内容

本发明的目的是提出一种基于无线传感器网络和惯性导航的微型无人机自定位方法，其特征在于，包括如下步骤：

步骤1，在微型无人机上安装无线传感器节点模块，若无人机自带无线传感器节点模块，则无需再装同类备；

步骤2，无人机内嵌的捷联惯性导航系统经过测算得出无人机的基础位置信息；

步骤3，应用无线传感器网络三维空间定位算法进一步确定无人机的精确位置信息；

步骤4，在微型无人机运行状态下，步骤1-步骤3一直循环执行，实时对微型无人机进行定位。

所述步骤2无人机内嵌的捷联惯性导航系统包括：

步骤21，无人机内嵌的捷联惯性导航系统中嵌有陀螺仪和加速度计，能够读回无人机实时飞行的角速度、加速度信息；这些信息用于进一步计算出微型无人机的空间位置；

步骤22，惯性导航系统中的计算单元将角速度、加速度信息进行综合计算，该过程通过算得无人机飞行姿态矩阵提取出无人机的航向和姿态，最终得出无人机相对于初始起飞位置的相对位置。

所述步骤3应用无线传感器网络三维空间定位算法确定无人机的精确位置，包括：

步骤31，根据步骤2中得到的无人机基础位置信息选定其附近布设的部分无线传感器网络节点参与进一步定位；设定节点通信有效距离、无人机节点有效距离外的节点不再参与无人机的进一步定位，从而避免较远距离的节点通信造成的误差大的问题。

步骤32：选定的部分节点使用基于相位偏移测距的超高频RFID定位算法进行节点定位，与无人机自带无线传感器节点模块通信，进一步精确无人机的位置信息。

本发明的有益效果是本发明引入无线传感器网络节点定位算法，将微型无人机作为传感器网络中的一个节点，通过传感器网络节点定位算法实时修正捷联惯性导航算法的定位结果，减少误差累积，从而实现微型无人机的精准自定位。无线传感器网络成本低，可以大规模铺设；定位精度最高可达厘米甚至毫米级别；每秒钟可刷新数据数次，系统内核处理时间可达μs级别；这些优点使得无线传感器网络定位技术应用广泛，同时确保精确度和实时性。

附图说明

图1为微型无人机三维空间自定位系统运行示意图。

图2为基于无线传感器网络和捷联惯性导航系统的微型无人机三维空间自定位流程图。

图3为惯性导航系统测算微型无人机基础位置过程。

图4为三维三边定位算法图解，其中，(A)为三维三边定位算法理想状况； (B)为三维三边定位算法存在误差状况。

具体实施方式

本发明提出一种基于无线传感器网络和惯性导航的微型无人机自定位方法，下面结合附图对本发明予以进一步说明。

图1所示为微型无人机三维空间自定位系统运行示意图。图中所示微型无人机三维空间自定位系统运行包括：

1.在微型无人机上装备无线传感器节点模块，使其具有与其他无线传感器节点进行通信的功能，其通信模块应与无线传感器网络中其他节点通信模块相同，并且保证时间同步；将其投放到无线传感器网络中试飞，确保其飞行与通信功能正常。

2.无人机内嵌的捷联惯性导航系统经过测算得出无人机的基础位置信息；新一代微型无人机通常都装备捷联惯性导航单元，其中包括加速度计、陀螺仪等惯性敏感器。捷联惯性导航单元获得无人机飞行过程中的角速度、加速度等信息，经过捷联惯性解算得出无人机的方位角、速度、飞行距离等实时信息，从而得到无人机当前的位置信息。该过程由无人机内嵌的捷联惯性导航系统直接解算出结果，并且形成相应基础位置数据。惯性导航系统测算微型无人机位置的过程如图 3所示。

3.应用无线传感器网络三维空间定位算法进一步确定无人机的精确位置信息；安装有无线传感器节点模块的无人机飞行在布控无线传感器网络的环境中，并获得了无人机基础位置信息。为传感器节点设定通信有效距离，选定在无人机传感器节点通信有效距离内的其他传感器节点，使用无线传感器网络节点定位算法进行无人机位置的进一步精准确定，得出无人机在整个无线传感器网络环境中的精确位置。

步骤4，在微型无人机运行状态下，步骤1-步骤3一直循环执行，实时对微型无人机进行定位。

实施例

图2所示为基于无线传感器网络和捷联惯性导航系统的微型无人机三维空间自定位流程图。本实例中使用crazyfile2.0微型无人机。为crazyfile2.0装备无线传感器网络通用节点模块后，将其投放到无线传感器网络中飞行，其内部嵌有捷联惯性导航系统可以自行测算出无人机基础位置信息，但该位置信息的误差会随着时间逐步累积，精确度不高。基于该基础位置，根据节点通信距离选定参与进一步定位的节点，使用无线传感器网络三维空间节点定位算法对无人机进行节点定位，确定无人机节点模块位置即无人机位置。

其中使用的无线传感器网络三维空间节点定位算法为超高频RFID相位偏移三维空间定位算法，该算法将超高频RFID技术、相位偏移测距和三维三边定位算法相结合，可以实现无线传感器节点的精准定位，定位精度在厘米级别。该定位方法具体步骤如下：

A、被选中的无线传感器节点使用超高频RFID技术发送载波信号进行广播通信，

在无线传感器网络中布设位置已知的无线传感器节点作为信号发送端，其中能够被微型无人机传感器节点选中在有效距离内的传感器发送节点数量不少于4 个。每个发送端节点广播发送其超高频RFID载波信号，并记录其相位信息。无人机飞行在其通信范围内作为信号接收端，接收每个发送端节点发送来的信号，并记录其接收到信号的相位信息。

B、根据发送端信号相位与接收端信号相位之间的差值计算发送节点与无人机的距离

通过步骤A中得到的每个信号发送端与接收端的相位信息，可以计算得出每个信号传输过程中产生的相位差，记为ΔФ。

假设所使用超高频RFID载波信号的频率为ω，则发送节点和无人机之间的距离d可以表示为d＝CΔФ/(4πω)，其中C为电波传输速度，即光速。

C、根据每个发送节点与无人机之间的距离对无人机进行三维空间定位

使用三维三边定位算法对无人机进行定位，该定位算法至少需要4个已知自身位置的发送节点，设这4个发送节点依次为a、b、c、d，其与无人机之间的距离分别为da、db、dc、dd，这些距离在步骤B中可以得知；该过程具体图解为图 4所示。

如图4所示的三维三边定位算法图解，其中，(A)为三维三边定位算法理想状况；(B)为三维三边定位算法存在误差状况。以发送节点a、b、c、d为球心，距离da、db、dc、dd为半径得到4个球面，理论上4个球面的交点即为无人机位置。具体如下：根据球面的性质可知，2个球面在相交处得到1个正圆，第3 个球面交此正圆于两点。这两点中只有一个在第4个球面上，则该点就是无人机位置。设无人机坐标为(x,y,z)，a、b、c、d坐标分别为(x_a,y_a,z_a)，(x_b,y_b,z_b)， (x_c,y_c,z_c)，(x_d,y_d,z_d)。通过解算

可以得到(x,y,z)的唯一解，该结果即为无人机的位置。

但考虑到实际环境和误差的存在，上式可能没有解，此时先联立三项方程解得其中3个球面的两个交点，再计算这两点与第4个球面的距离，距离更小的点即为定位结果。

此外，因为误差现象的存在，为使定位结果更为精确，当发送节点在4个以上，可以选用多种三项方程的联立组合进行上述过程求得定位结果，并计算这些定位结果的平均值，最终无人机的位置即为这个平均结果。

Claims (3)

1.一种基于无线传感器网络和惯性导航的微型无人机自定位方法，其特征在于，包括如下步骤：

步骤1，在微型无人机上安装无线传感器节点模块，若无人机自带无线传感器节点模块，则无需再装同类备；

步骤2，无人机内嵌的捷联惯性导航系统经过测算得出无人机的基础位置信息；

步骤3，应用无线传感器网络三维空间定位算法进一步确定无人机的精确位置信息；

步骤4，在微型无人机运行状态下，步骤1-步骤3一直循环执行，实时对微型无人机进行定位。

2.根据权利要求1所述基于无线传感器网络和惯性导航的微型无人机自定位方法，其特征在于，所述步骤2无人机内嵌的捷联惯性导航系统包括：

步骤21，无人机内嵌的捷联惯性导航系统中嵌有陀螺仪和加速度计，能够读回无人机实时飞行的角速度、加速度信息；这些信息用于进一步计算出微型无人机的空间位置；

步骤22，惯性导航系统中的计算单元将角速度、加速度信息进行综合计算，该过程通过算得无人机飞行姿态矩阵提取出无人机的航向和姿态，最终得出无人机相对于初始起飞位置的相对位置。

3.根据权利要求1所述基于无线传感器网络和惯性导航的微型无人机自定位方法，其特征在于，所述步骤3应用无线传感器网络三维空间定位算法确定无人机的精确位置，包括：

步骤31，根据步骤2中得到的无人机基础位置信息选定其附近布设的部分无线传感器网络节点参与进一步定位；设定节点通信有效距离、无人机节点有效距离外的节点不再参与无人机的进一步定位，从而避免较远距离的节点通信造成的误差大的问题；

步骤32：选定的部分节点使用基于相位偏移测距的超高频RFID定位算法进行节点定位，与无人机自带无线传感器节点模块通信，进一步精确无人机的位置信息。