CN110968113B - 一种无人机自主跟踪起降系统及跟踪定位方法 - Google Patents

一种无人机自主跟踪起降系统及跟踪定位方法 Download PDF

Info

Publication number
CN110968113B
CN110968113B CN201911292873.3A CN201911292873A CN110968113B CN 110968113 B CN110968113 B CN 110968113B CN 201911292873 A CN201911292873 A CN 201911292873A CN 110968113 B CN110968113 B CN 110968113B
Authority
CN
China
Prior art keywords
time
relative position
predicted value
estimate
measurement
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
CN201911292873.3A
Other languages
English (en)
Other versions
CN110968113A (zh
Inventor
陈朋印
闫永驰
李定涌
陈柯柯
马一鸣
曾幼涵
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.)
Xi'an Innno Aviation Technology Co ltd
Original Assignee
Xi'an Innno Aviation Technology 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 Xi'an Innno Aviation Technology Co ltd filed Critical Xi'an Innno Aviation Technology Co ltd
Priority to CN201911292873.3A priority Critical patent/CN110968113B/zh
Publication of CN110968113A publication Critical patent/CN110968113A/zh
Application granted granted Critical
Publication of CN110968113B publication Critical patent/CN110968113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/12—Target-seeking control
    • 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
    • G01S19/40—Correcting position, velocity or attitude
    • G01S19/41—Differential correction, e.g. DGPS [differential GPS]
    • 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
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G01S19/52—Determining velocity

Abstract

一种无人机自主跟踪起降系统，包括地面站、平台端和机载端；平台端连接机载端，机载端连接地面站；地面站用于实时显示机载端的姿态、速度、位置、GPS状态、平台端与机载端的相对位置与相对速度和调整导航参数与控制参数；平台端包括组合导航系统和差分GPS基准站；组合导航系统和差分GPS基准站通过串口连接；机载端包括飞行控制系统和差分GPS天空端；本发明提出的无人机自主跟踪起降系统及定位方法计算量小，定位精度高，鲁棒性好。

Description

一种无人机自主跟踪起降系统及跟踪定位方法
技术领域
本发明属于无人机应用技术领域，特别涉及一种无人机自主跟踪起降系统及跟踪定位方法。
背景技术
目前，无人机技术的发展突飞猛进，基于无人机的应用领域也越来越广泛。在军事侦查、目标攻击、战场监视、火灾探测、目标跟踪、环境监测与交通监测都得到广泛的应用，并将向全智能自主飞行发展。无人机在执行任务期间周围环境复杂多变，为了方便的执行任务，需要无人机从平台起飞，根据指令完成特定任务，执行完任务后自主跟踪平台并降落。然而现有的无人机起降大多都是在静止的地面上进行的。如今，只能在静止地面上起降的无人机已经不能满足广大用户的需求，众多用户期望在汽车上也能使用无人机，能够让无人机在运动的汽车上进行起降，可以追踪车辆，并可以根据车辆里人的指令完成任务，这种无人机甚至可以船载舰载。一些快递车辆甚至可以配备无人机实现无人机邮递。因此无人机自主起降系统的研制至关重要。
目前通常机载的传感设备有GPS、电子罗盘、三轴陀螺仪、三轴加速度计、气压高度计或小型超声波测距仪。GPS信号虽然具有定位精度高、误差不会随时间积累等优势，但GPS信号更新频率慢，而且在市区环境中(建筑物遮挡，多径效应，电磁噪声干扰)容易丢失信号，从而影响测量精度；而气压式高度计受到气温和气流的影响较大，在近地的情况下无法达测量精确高度；对于超声波测距，由于气温的变化和飞行器主轴高频振动噪声，致使超声波测距的精度不高，并且小型超声波测距仪只能在4.2米以内的高度范围提供精确的测量信息。
因此，要实现无人机在移动目标上的自主起降，并实现对移动目标的追踪是一大技术难点。目前，无人机对目标的追踪通常使用的是搭载相机，采用图像追踪技术。但采用图像的方式，需要较大的计算量，并受到图像处理技术的限制，另外，受视觉标志尺寸的限制，如旋翼无人机距离降落坪太远，会使得降落坪信息模糊而增大测量误差，太近会导致部分降落坪图案信息越出相机视野而造成信息丢失，并且还会受到光线的影响。因此视觉系统的导航范围具有一定的限制。
发明内容
本发明的目的在于提供一种无人机自主跟踪起降系统及跟踪定位方法，以解决上述问题。
为实现上述目的，本发明采用以下技术方案：
一种无人机自主跟踪起降系统，包括地面站、平台端和机载端；平台端连接机载端，机载端连接地面站；
地面站用于实时显示机载端的姿态、速度、位置、GPS状态、平台端与机载端的相对位置与相对速度和调整导航参数与控制参数；
平台端包括组合导航系统和差分GPS基准站；组合导航系统和差分GPS基准站通过串口连接；
机载端包括飞行控制系统和差分GPS天空端；飞行控制系统和差分GPS天空端通过串口连接；差分GPS基准站和差分GPS天空端通过数传电台实时实时连接；组合导航系统和飞行控制系统通过数传电台实时实时连接。
进一步的，一种无人机自主跟踪起降系统的跟踪定位方法，包括以下步骤：
步骤1，差分GPS基准站通过串口向组合导航系统实时发送平台的GPS位置、GPS速度和GPS航向信息，组合导航系统接收到差分GPS基准站发送的信息后进行组合导航，然后通过数传电台将组合导航系统计算的平台位置、速度与航向信息发送给机载端的飞行控制系统；
步骤2，差分GPS基准站通过数传电台实时向差分GPS天空端发送差分数据，该数据用于计算机载端与平台端的相对位置，该相对位置计作量测一，差分GPS天空端通过串口发送给飞行控制系统，同时通过同一串口发送机载端的GPS位置、GPS速度与GPS航向信息，飞行控制系统接收到差分GPS天空端输出的信息后进行组合导航，得到组合导航后的机载端位置、速度与航向，然后与平台端组合导航系统发送的平台位置与速度信息结合，计算机载端与平台端的相对位置与相对速度，该相对位置与相对速度计作量测二；
步骤3，使用量测一与量测二进行卡尔曼滤波计算机载端与平台端的相对位置与相对速度并将结果通过数传实时发送给地面站。
进一步的，步骤2中，选取机载端与平台端的相对位置与相对速度为状态向量，即：[px py pz vx vy vz]T，其中px为x方向相对位置，py为y方向相对位置，pz为z方向相对位置，vx为x方向相对速度，vy为y方向相对速度，vz为z方向相对速度；系统的状态方程为：
Figure BDA0002319572950000031
Figure BDA0002319572950000032
其中：
Xk-1—k-1时刻状态向量；Φk/k-1—状态转移矩阵；
Figure BDA0002319572950000033
—k时刻状态向量的预测；t—相邻两帧数据时间间隔；
Figure BDA0002319572950000034
—k时刻x方向相对位置估计值的预测值；
Figure BDA0002319572950000035
—k时刻y方向相对位置估计值的预测值；
Figure BDA0002319572950000036
—k时刻z方向相对位置估计值的预测值；
Figure BDA0002319572950000037
—k时刻x方向相对速度估计值的预测值；
Figure BDA0002319572950000038
—k时刻y方向相对速度估计值的预测值；
Figure BDA0002319572950000039
—k时刻z方向相对速度估计值的预测值；
Figure BDA00023195729500000310
—k-1时刻x方向相对位置估计值；
Figure BDA00023195729500000311
—k-1时刻y方向相对位置估计值；
Figure BDA00023195729500000312
—k-1时刻z方向相对位置估计值；
Figure BDA00023195729500000313
—k-1时刻x方向相对速度估计值；
Figure BDA00023195729500000314
—k-1时刻y方向相对速度估计值；
Figure BDA00023195729500000315
—k-1时刻z方向相对速度估计值。
进一步的，步骤2中，
量测一的量测方程如下：
Figure BDA0002319572950000041
Figure BDA0002319572950000042
其中：
Figure BDA0002319572950000043
—k时刻状态向量的预测；Hk—k时刻量测矩阵
Figure BDA0002319572950000044
—k时刻量测向量预测；
Figure BDA0002319572950000045
—k时刻x方向相对位置估计值的预测值；
Figure BDA0002319572950000046
—k时刻y方向相对位置估计值的预测值；
Figure BDA0002319572950000047
—k时刻z方向相对位置估计值的预测值；
Figure BDA0002319572950000048
—k时刻x方向相对位置量测预测值；
Figure BDA0002319572950000049
—k时刻y方向相对位置量测预测值；
Figure BDA00023195729500000410
—k时刻z方向相对位置量测预测值；
量测二的量测方程如下：
Figure BDA00023195729500000411
Figure BDA00023195729500000412
其中：
Figure BDA00023195729500000413
—k时刻状态向量的预测；Hk—k时刻量测矩阵
Figure BDA00023195729500000414
—k时刻量测向量预测；
Figure BDA00023195729500000415
—k时刻x方向相对位置估计值的预测值；
Figure BDA00023195729500000416
—k时刻y方向相对位置估计值的预测值；
Figure BDA00023195729500000417
—k时刻z方向相对位置估计值的预测值；
Figure BDA00023195729500000418
—k时刻x方向相对速度估计值的预测值；
Figure BDA00023195729500000419
—k时刻y方向相对速度估计值的预测值；
Figure BDA00023195729500000420
—k时刻z方向相对速度估计值的预测值；
Figure BDA00023195729500000421
—k时刻x方向相对位置量测预测值；
Figure BDA00023195729500000422
—k时刻y方向相对位置量测预测值；
Figure BDA00023195729500000423
—k时刻z方向相对位置量测预测值；
Figure BDA00023195729500000424
—k时刻x方向相对速度量测预测值；
Figure BDA00023195729500000425
—k时刻y方向相对速度量测预测值；
Figure BDA00023195729500000426
—k时刻z方向相对速度量测预测值。
进一步的，步骤3中，卡尔曼滤波实施过程如下：
状态预测
Figure BDA0002319572950000051
状态误差协方差矩阵预测
Figure BDA0002319572950000052
滤波器增益
Figure BDA0002319572950000053
状态更新
Figure BDA0002319572950000054
状态误差协方差矩阵更新
Figure BDA0002319572950000055
其中：
Pk-1—k-1时刻卡尔曼滤波状态误差协方差矩阵；
Figure BDA0002319572950000056
—k时刻卡尔曼滤波状态误差协方差矩阵预测值；Qk-1—k-1时刻系统噪声矩阵；Rk—k时刻量测噪声矩阵；Kk—k时刻滤波器增益矩阵；Pk—k时刻卡尔曼滤波状态误差协方差矩阵。
进一步的，步骤3中，在量测一更新后估计出两种量测位置的偏置，在使用量测二前首先进行补偿，利用补偿后的量测二进行滤波：
两种量测偏置估计算法如下：
pos_bias＝α(pos1-pos2)+(1-α)pos_bias (9)
其中：
pos_bias—量测一与量测二的位置偏置；pos1—量测一的位置信息；pos2—量测二的位置信息；α—一阶低通滤波系数；
量测二在使用前首先对其位置信息进行补偿，然后进行滤波，补偿方法如下：
pos2_bc＝pos2+pos_bias (10)
其中：
pos_bias—量测一与量测二的位置偏置；pos2_bc—量测二补偿后的位置信息；pos2—量测二的位置信息。
与现有技术相比，本发明有以下技术效果：
本发明提供一种无人机自主跟踪起降系统与定位方法，该方法可实时输出平台端与机载端的高精度相对位置与相对速度信息，该方法不仅适用于静止平台自主跟踪起降也适用于动态平台自主跟踪起降。解决了现有技术中计算量大、鲁棒性差以及定位精度不高的问题。
本发明提出的无人机自主跟踪起降系统及定位方法利用差分GPS天空端输出的机载端与平台端的相对位置和结合机载端与平台端导航信息计算出的机载端与平台端的相对位置与相对速度进行卡尔曼滤波，得到高精度机载端与平台端的相对位置与相对速度。
1)本发明提出的无人机自主跟踪起降系统及定位方法计算量小，定位精度高，鲁棒性好；
2)本发明提出的无人机自主跟踪起降系统及定位方法可实时输出平台端与机载端高精度相对位置与相对速度信息；
3)本发明提出的无人机自主跟踪起降系统及定位方法适用于动平台与静平台。
附图说明
图1是无人机自动跟踪起降相对定位测速功能框图；
图2是卡尔曼滤波流程框图。
具体实施方式
以下结合附图对本发明进一步说明：
请参阅图1和图2，本发明提出的无人机自动跟踪起降相对定位测速方法分为三个部分：地面站、平台端与机载端，下面分别介绍各个部分的功能与各个部分之间的联系。
地面站：地面站用于实时显示机载端的姿态、速度、位置、GPS状态、平台端与机载端的相对位置与相对速度以及调整导航参数与控制参数。
平台端：平台端由组合导航系统与差分GPS基准站组成，差分GPS基准站通过串口向组合导航系统实时发送平台的GPS位置、GPS速度与GPS航向信息，通过数传电台实时向差分GPS天空端发送差分数据，该数据用于计算机载端与平台端的相对位置，组合导航系统接收到差分GPS基准站发送的GPS位置、GPS速度与GPS航向信息后进行组合导航，然后通过数传电台将组合导航系统计算的平台位置、速度与航向信息发送给机载端的飞行控制系统。
机载端：机载端由飞行控制系统与差分GPS天空端组成，差分GPS天空端通过接收的差分GPS基准站发送的差分数据计算机载端与平台端的相对位置(该相对位置计作量测1)，并通过串口发送给飞行控制系统，同时通过同一串口发送机载端的GPS位置、GPS速度与GPS航向信息，飞控接收到差分GPS天空端输出的机载端的GPS位置、GPS速度与GPS航向信息后进行组合导航，得到组合导航后的机载端位置、速度与航向，然后与平台端组合导航系统发送的平台位置与速度信息结合，计算机载端与平台端的相对位置与相对速度(该相对位置与相对速度计作量测2)，最后使用量测1与量测2进行卡尔曼滤波计算机载端与平台端的相对位置与相对速度并将结果通过数传实时发送给地面站。
下面结合附图对本发明提出的相对定位测速方法的原理进行详细说明。
选取机载端与平台端的相对位置与相对速度为状态向量，即：[px py pz vx vy vz]T，其中px为x方向相对位置，py为y方向相对位置，pz为z方向相对位置，vx为x方向相对速度，vy为y方向相对速度，vz为z方向相对速度。系统的状态方程为
Figure BDA0002319572950000081
其中：
Xk-1—k-1时刻状态向量；Φk/k-1—状态转移矩阵；
Figure BDA0002319572950000082
—k时刻状态向量的预测；t—相邻两帧数据时间间隔；
Figure BDA0002319572950000083
—k时刻x方向相对位置估计值的预测值；
Figure BDA0002319572950000084
—k时刻y方向相对位置估计值的预测值；
Figure BDA0002319572950000085
—k时刻z方向相对位置估计值的预测值；
Figure BDA0002319572950000086
—k时刻x方向相对速度估计值的预测值；
Figure BDA0002319572950000087
—k时刻y方向相对速度估计值的预测值；
Figure BDA0002319572950000088
—k时刻z方向相对速度估计值的预测值；
Figure BDA0002319572950000089
—k-1时刻x方向相对位置估计值；
Figure BDA00023195729500000810
—k-1时刻y方向相对位置估计值；
Figure BDA00023195729500000811
—k-1时刻z方向相对位置估计值；
Figure BDA00023195729500000812
—k-1时刻x方向相对速度估计值；
Figure BDA00023195729500000813
—k-1时刻y方向相对速度估计值；
Figure BDA00023195729500000814
—k-1时刻z方向相对速度估计值；
选取差分GPS天空端输出的相对位置为量测1，量测1精度较高，能满足控制系统高精度的要求，但是更新频率较低，不能满足控制系统快速性的要求，因此结合机载端飞行控制系统输出的无人机位置与速度信息和平台端组合导航系统输出的平台位置与速度信息计算机载端与平台端的相对位置与相对速度，该相对位置与相对速度作为量测2，该量测输出频率高，能够满足控制系统快速性的要求，但是数据精度较低，不能满足控制系统高精度的要求，因此需要利用两种量测实时估计出能够满足控制系统要求的相对位置与相对速度。下面分别介绍两种量测的量测方程。
量测1的量测方程如下：
Figure BDA0002319572950000091
其中：
Figure BDA0002319572950000092
—k时刻状态向量的预测；Hk—k时刻量测矩阵
Figure BDA0002319572950000093
—k时刻量测向量预测；
Figure BDA0002319572950000094
—k时刻x方向相对位置估计值的预测值；
Figure BDA0002319572950000095
—k时刻y方向相对位置估计值的预测值；
Figure BDA0002319572950000096
—k时刻z方向相对位置估计值的预测值；
Figure BDA0002319572950000097
—k时刻x方向相对位置量测预测值；
Figure BDA0002319572950000098
—k时刻y方向相对位置量测预测值；
Figure BDA0002319572950000099
—k时刻z方向相对位置量测预测值；
量测2的量测方程如下：
Figure BDA00023195729500000910
其中：
Figure BDA00023195729500000911
—k时刻状态向量的预测；Hk—k时刻量测矩阵
Figure BDA00023195729500000912
—k时刻量测向量预测；
Figure BDA00023195729500000913
—k时刻x方向相对位置估计值的预测值；
Figure BDA00023195729500000914
—k时刻y方向相对位置估计值的预测值；
Figure BDA00023195729500000915
—k时刻z方向相对位置估计值的预测值；
Figure BDA00023195729500000916
—k时刻x方向相对速度估计值的预测值；
Figure BDA00023195729500000917
—k时刻y方向相对速度估计值的预测值；
Figure BDA00023195729500000918
—k时刻z方向相对速度估计值的预测值；
Figure BDA00023195729500000919
—k时刻x方向相对位置量测预测值；
Figure BDA00023195729500000920
—k时刻y方向相对位置量测预测值；
Figure BDA00023195729500000921
—k时刻z方向相对位置量测预测值；
Figure BDA00023195729500000922
—k时刻x方向相对速度量测预测值；
Figure BDA00023195729500000923
—k时刻y方向相对速度量测预测值；
Figure BDA00023195729500000924
—k时刻z方向相对速度量测预测值；
上述为本发明提出的机载端与平台端相对位置与相对速度估计的系统模型，下面对该模型的卡尔曼滤波具体实施过程进行介绍，卡尔曼滤波实施过程如下：
1)状态预测
Figure BDA0002319572950000101
2)状态误差协方差矩阵预测
Figure BDA0002319572950000102
3)滤波器增益
Figure BDA0002319572950000103
4)状态更新
Figure BDA0002319572950000104
5)状态误差协方差矩阵更新
Figure BDA0002319572950000105
其中：
Pk-1—k-1时刻卡尔曼滤波状态误差协方差矩阵；
Figure BDA0002319572950000106
—k时刻卡尔曼滤波状态误差协方差矩阵预测值；Qk-1—k-1时刻系统噪声矩阵；Rk—k时刻量测噪声矩阵；Kk—k时刻滤波器增益矩阵；Pk—k时刻卡尔曼滤波状态误差协方差矩阵；
卡尔曼滤波流程框图如图2所示。
由于量测1与量测2精度相差较大，并且输出频率不同，为了减小平台端与机载端相对位置与相对速度估计值的跳变，在量测1更新后估计出两种量测位置的偏置，在使用量测2前首先进行补偿，利用补偿后的量测2进行滤波。
两种量测偏置估计算法如下：
pos_bias＝α(pos1-pos2)+(1-α)pos_bias        (9)
其中：
pos_bias—量测1与量测2的位置偏置；pos1—量测1的位置信息；
pos2—量测2的位置信息；α—一阶低通滤波系数；
量测2在使用前首先对其位置信息进行补偿，然后进行滤波，补偿方法如下：
pos2_bc＝pos2+pos_bias         (10)
其中：
pos_bias—量测1与量测2的位置偏置；pos2_bc—量测2补偿后的位置信息；pos2—量测2的位置信息。

Claims (5)

1.一种无人机自主跟踪起降系统的跟踪定位方法，其特征在于，基于一种无人机自主跟踪起降系统，该系统包括：
地面站、平台端和机载端；平台端连接机载端，机载端连接地面站；
地面站用于实时显示机载端的姿态、速度、位置、GPS状态、平台端与机载端的相对位置与相对速度和调整导航参数与控制参数；
平台端包括组合导航系统和差分GPS基准站；组合导航系统和差分GPS基准站通过串口连接；
机载端包括飞行控制系统和差分GPS天空端；飞行控制系统和差分GPS天空端通过串口连接；差分GPS基准站和差分GPS天空端通过数传电台实时实时连接；组合导航系统和飞行控制系统通过数传电台实时连接；
该方法包括以下步骤：
步骤1，差分GPS基准站通过串口向组合导航系统实时发送平台的GPS位置、GPS速度和GPS航向信息，组合导航系统接收到差分GPS基准站发送的信息后进行组合导航，然后通过数传电台将组合导航系统计算的平台位置、速度与航向信息发送给机载端的飞行控制系统；
步骤2，差分GPS基准站通过数传电台实时向差分GPS天空端发送差分数据，该数据用于计算机载端与平台端的相对位置，该相对位置计作量测一，差分GPS天空端通过串口发送给飞行控制系统，同时通过同一串口发送机载端的GPS位置、GPS速度与GPS航向信息，飞行控制系统接收到差分GPS天空端输出的信息后进行组合导航，得到组合导航后的机载端位置、速度与航向，然后与平台端组合导航系统发送的平台位置与速度信息结合，计算机载端与平台端的相对位置与相对速度，该相对位置与相对速度计作量测二；
步骤3，使用量测一与量测二进行卡尔曼滤波计算机载端与平台端的相对位置与相对速度并将结果通过数传实时发送给地面站。
2.根据权利要求1所述的一种无人机自主跟踪起降系统的跟踪定位方法，其特征在于，步骤2中，选取机载端与平台端的相对位置与相对速度为状态向量，即：[px py pz vx vy vz]T，其中px为x方向相对位置，py为y方向相对位置，pz为z方向相对位置，vx为x方向相对速度，vy为y方向相对速度，vz为z方向相对速度；系统的状态方程为：
Figure FDA0004065784580000021
Figure FDA0004065784580000022
其中：
Xk-1—k-1时刻状态向量；Φk/k-1—状态转移矩阵；
Figure FDA0004065784580000023
—k时刻状态向量的预测；t—相邻两帧数据时间间隔；
Figure FDA0004065784580000024
—k时刻x方向相对位置估计值的预测值；
Figure FDA0004065784580000025
—k时刻y方向相对位置估计值的预测值；
Figure FDA0004065784580000026
—k时刻z方向相对位置估计值的预测值；
Figure FDA0004065784580000027
—k时刻x方向相对速度估计值的预测值；
Figure FDA0004065784580000028
—k时刻y方向相对速度估计值的预测值；
Figure FDA0004065784580000029
—k时刻z方向相对速度估计值的预测值；
Figure FDA00040657845800000210
—k-1时刻x方向相对位置估计值；
Figure FDA00040657845800000211
—k-1时刻y方向相对位置估计值；
Figure FDA00040657845800000212
—k-1时刻z方向相对位置估计值；
Figure FDA00040657845800000213
—k-1时刻x方向相对速度估计值；
Figure FDA00040657845800000214
—k-1时刻y方向相对速度估计值；
Figure FDA00040657845800000215
—k-1时刻z方向相对速度估计值。
3.根据权利要求1所述的一种无人机自主跟踪起降系统的跟踪定位方法，其特征在于，步骤2中，
量测一的量测方程如下：
Figure FDA00040657845800000216
Figure FDA00040657845800000217
其中：
Figure FDA0004065784580000031
—k时刻状态向量的预测；Hk—k时刻量测矩阵
Figure FDA0004065784580000032
—k时刻量测向量预测；
Figure FDA0004065784580000033
—k时刻x方向相对位置估计值的预测值；
Figure FDA0004065784580000034
—k时刻y方向相对位置估计值的预测值；
Figure FDA0004065784580000035
—k时刻z方向相对位置估计值的预测值；
Figure FDA0004065784580000036
—k时刻x方向相对位置量测预测值；
Figure FDA0004065784580000037
—k时刻y方向相对位置量测预测值；
Figure FDA0004065784580000038
—k时刻z方向相对位置量测预测值；
量测二的量测方程如下：
Figure FDA0004065784580000039
Figure FDA00040657845800000310
其中：
Figure FDA00040657845800000311
—k时刻状态向量的预测；Hk—k时刻量测矩阵
Figure FDA00040657845800000312
—k时刻量测向量预测；
Figure FDA00040657845800000313
—k时刻x方向相对位置估计值的预测值；
Figure FDA00040657845800000314
—k时刻y方向相对位置估计值的预测值；
Figure FDA00040657845800000315
—k时刻z方向相对位置估计值的预测值；
Figure FDA00040657845800000316
—k时刻x方向相对速度估计值的预测值；
Figure FDA00040657845800000317
—k时刻y方向相对速度估计值的预测值；
Figure FDA00040657845800000318
—k时刻z方向相对速度估计值的预测值；
Figure FDA00040657845800000319
—k时刻x方向相对位置量测预测值；
Figure FDA00040657845800000320
—k时刻y方向相对位置量测预测值；
Figure FDA00040657845800000321
—k时刻z方向相对位置量测预测值；
Figure FDA00040657845800000322
—k时刻x方向相对速度量测预测值；
Figure FDA00040657845800000323
—k时刻y方向相对速度量测预测值；
Figure FDA00040657845800000324
—k时刻z方向相对速度量测预测值。
4.根据权利要求1所述的一种无人机自主跟踪起降系统的跟踪定位方法，其特征在于，步骤3中，卡尔曼滤波实施过程如下：
状态预测
Figure FDA00040657845800000325
状态误差协方差矩阵预测
Figure FDA0004065784580000041
滤波器增益
Figure FDA0004065784580000042
状态更新
Figure FDA0004065784580000043
状态误差协方差矩阵更新
Figure FDA0004065784580000044
其中：
Pk-1—k-1时刻卡尔曼滤波状态误差协方差矩阵；
Figure FDA0004065784580000045
—k时刻卡尔曼滤波状态误差协方差矩阵预测值；Qk-1—k-1时刻系统噪声矩阵；Rk—k时刻量测噪声矩阵；Kk—k时刻滤波器增益矩阵；Pk—k时刻卡尔曼滤波状态误差协方差矩阵。
5.根据权利要求4所述的一种无人机自主跟踪起降系统的跟踪定位方法，其特征在于，步骤3中，在量测一更新后估计出两种量测位置的偏置，在使用量测二前首先进行补偿，利用补偿后的量测二进行滤波：
两种量测偏置估计算法如下：
pos_bias＝α(pos1-pos2)+(1-α)pos_bias    (9)
其中：
pos_bias—量测一与量测二的位置偏置；pos1—量测一的位置信息；pos2—量测二的位置信息；α—一阶低通滤波系数；
量测二在使用前首先对其位置信息进行补偿，然后进行滤波，补偿方法如下：
pos2_bc＝pos2+pos_bias    (10)
其中：
pos_bias—量测一与量测二的位置偏置；pos2_bc—量测二补偿后的位置信息；pos2—量测二的位置信息。
CN201911292873.3A 2019-12-16 2019-12-16 一种无人机自主跟踪起降系统及跟踪定位方法 Active CN110968113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911292873.3A CN110968113B (zh) 2019-12-16 2019-12-16 一种无人机自主跟踪起降系统及跟踪定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911292873.3A CN110968113B (zh) 2019-12-16 2019-12-16 一种无人机自主跟踪起降系统及跟踪定位方法

Publications (2)

Publication Number Publication Date
CN110968113A CN110968113A (zh) 2020-04-07
CN110968113B true CN110968113B (zh) 2023-04-07

Family

ID=70034363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911292873.3A Active CN110968113B (zh) 2019-12-16 2019-12-16 一种无人机自主跟踪起降系统及跟踪定位方法

Country Status (1)

Country Link
CN (1) CN110968113B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2598717A (en) * 2020-08-28 2022-03-16 Drone Defence Services Ltd A method of calculating the position of an unmanned aerial vehicle
CN112268558B (zh) * 2020-10-15 2022-10-14 西北工业大学 一种基于无人机自主式光电平台的有源目标定位测速方法
CN112631336A (zh) * 2020-12-30 2021-04-09 中电科特种飞机系统工程有限公司 一种无人机的控制方法、系统及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107621264A (zh) * 2017-09-30 2018-01-23 华南理工大学 车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102707306A (zh) * 2011-12-29 2012-10-03 成都飞机工业（集团）有限责任公司 适用于无人机在下滑着陆阶段的组合导航方法
CN104656660A (zh) * 2015-01-22 2015-05-27 南京航空航天大学 微小型无人直升机多模态自主飞行的控制系统及其方法
CN107014371A (zh) * 2017-04-14 2017-08-04 东南大学 基于扩展自适应区间卡尔曼的无人机组合导航方法与装置
CN106991700A (zh) * 2017-04-20 2017-07-28 佛山科学技术学院 一种无人机目标位置锁定和追踪装置及其方法
WO2018231166A1 (en) * 2017-06-14 2018-12-20 Tanrisever Oguz Laser system for aerial navigation and landing
CN108227751B (zh) * 2018-01-29 2020-12-29 广州亿航智能技术有限公司 一种无人机的降落方法及系统
CN109000642A (zh) * 2018-05-25 2018-12-14 哈尔滨工程大学 一种改进的强跟踪容积卡尔曼滤波组合导航方法
CN110045741A (zh) * 2019-04-13 2019-07-23 成都飞机工业（集团）有限责任公司 安全引导无人飞行器下滑着陆的组合导航系统
CN110262534A (zh) * 2019-06-25 2019-09-20 北京机械设备研究所 一种针对低慢小目标的无人机跟踪与拦截系统及方法
CN110470304B (zh) * 2019-08-19 2021-04-20 西安因诺航空科技有限公司 一种基于无人机光电平台的高精度目标定位测速方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107621264A (zh) * 2017-09-30 2018-01-23 华南理工大学 车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法

Also Published As

Publication number Publication date
CN110968113A (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
CN111721289B (zh) 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆
CN110968113B (zh) 一种无人机自主跟踪起降系统及跟踪定位方法
CN103697889B (zh) 一种基于多模型分布式滤波的无人机自主导航与定位方法
CN110823215B (zh) 一种无人机相对导航信息融合方法
CN111077556B (zh) 融合北斗与多传感器的机场行李牵引车定位装置与方法
CN110780326A (zh) 一种车载组合导航系统和定位方法
CN110926468B (zh) 基于传递对准的动中通天线多平台航姿确定方法
CN113124856B (zh) 基于uwb在线锚点的视觉惯性紧耦合里程计及计量方法
US8019538B2 (en) System and method for high accuracy relative navigation
CN112505737B (zh) 一种gnss/ins组合导航方法
CN111426320B (zh) 一种基于图像匹配/惯导/里程计的车辆自主导航方法
CN111649737B (zh) 一种面向飞机精密进近着陆的视觉-惯性组合导航方法
CN103196448A (zh) 一种机载分布式惯性测姿系统及其传递对准方法
CN102353377A (zh) 一种高空长航时无人机组合导航系统及其导航定位方法
CN109855621A (zh) 一种基于uwb与sins的组合室内行人导航系统及方法
CN110702091A (zh) 一种沿地铁轨道移动机器人的高精度定位方法
CN113074732A (zh) 一种室内外无缝定位系统及其定位方法
CN113295174B (zh) 一种车道级定位的方法、相关装置、设备以及存储介质
CN107289942A (zh) 一种用于编队飞行的相对导航系统及方法
CN106969721A (zh) 一种三维测量方法及其测量装置
CN114739400A (zh) 一种基于uwb和imu信息融合的室内定位方法
JPH06341848A (ja) ナビゲーション装置
CN109725649A (zh) 一种基于气压计/imu/gps多传感器融合的旋翼无人机定高算法
CN105466423A (zh) 一种无人机导航系统及其运行方法
CN115542363B (zh) 一种适用于垂直下视航空吊舱的姿态测量方法

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