CN110989682A - 基于单基站的无人机精准降落方法 - Google Patents

基于单基站的无人机精准降落方法 Download PDF

Info

Publication number
CN110989682A
CN110989682A CN201911402853.7A CN201911402853A CN110989682A CN 110989682 A CN110989682 A CN 110989682A CN 201911402853 A CN201911402853 A CN 201911402853A CN 110989682 A CN110989682 A CN 110989682A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
base station
relative
uwb
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
Application number
CN201911402853.7A
Other languages
English (en)
Other versions
CN110989682B (zh
Inventor
江灏
黄仕程
缪希仁
陈静
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.)
Fuzhou University
Original Assignee
Fuzhou University
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 Fuzhou University filed Critical Fuzhou University
Priority to CN201911402853.7A priority Critical patent/CN110989682B/zh
Publication of CN110989682A publication Critical patent/CN110989682A/zh
Application granted granted Critical
Publication of CN110989682B publication Critical patent/CN110989682B/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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提出一种基于单基站的无人机精准降落方法，其特征在于：当待降落的无人机到达预设的区域内：以单个基站为原点，指向无人机的方向为x轴，根据实时获取的所述无人机相对基站的距离信息以及无人机的飞行里程信息，使所述无人机执行不偏离x轴的振荡运动，形成一个扇形的收敛轨迹，直至降落在目标位置。其不仅能实现对无人机低成本、精准化的收敛降落，还能解决现有三基站及以上的UWB定位环境的搭建中受空间环境限制而带来的布置困难，同时，还解决了UWB单基站定位环境下，无人机进行导航降落时存在的无人机位置信息难以获得以及系统稳定性不足等问题。

Description

基于单基站的无人机精准降落方法
技术领域
本发明属于无人机领域，尤其涉及一种基于单基站的无人机精准降落方法。
背景技术
近十年来，无人机的数量急剧增加，在民用和军事领域都有广泛的应用，如航空摄影、物流配送、巡检监视和救灾等等。虽然无人机的应用领域越来越多，但存在的问题也各式各样，其中，无人机降落阶段的问题是最复杂、最易产生飞行事故的阶段，主要的原因是无人机的自主飞行能力低，性能不足。
精准的自主降落技术可以支撑无人机完成稳定可靠的飞行任务。以往，无人机的降落过程主要依靠其自身的惯性导航系统和GPS定位系统相结合。然而，在降落过程中，受到无人机本身或其它无线电等电磁干扰的影响，GPS定位信号容易丢失，并且无人机自身惯性器件存在累积误差，往往无法使无人机很好的完成降落任务。
图像处理技术以及摄像机硬件的发展加快了无人机视觉的应用。无人机视觉的实时信息可以与本身的惯性数据和GPS信息进行深度融合，从而可以弥补惯性器件和GPS定位信号存在的缺陷。当前无人机通过视觉进行降落的方法有两种：其一是将机载摄像头获取的图像信息通过远距离传输模块发送给地面站，经处理后将定位信息发回无人机，但该方法在图像传输过程中往往会受到较大干扰而造成图像信息的丢失，同时存在着延时问题，无法满足实时性要求；其二是采用机载图像处理模块实时处理图像信息，但由于机载图像处理模块的性能受到多方面因素的限制，运算能力十分有限，同时也增加了无人机自身的负担。
目前，低成本、高精度的超宽带(UWB)定位技术广泛应用于无人机的自主降落之中。该技术需要在空间上布置3个或3个以上的定位基站才能进行无人机的精准降落。但由于现实空间环境复杂等问题，在定位基站的布置上往往会遇到多重难题。
发明内容
为了克服现有技术存在的缺陷和不足，本发明提出一种基于单基站尤其是UWB单基站的无人机精准降落方法，实现无人机低成本、简洁化、精准化的降落。其具体采用以下技术方案：
一种基于单基站的无人机精准降落方法，其特征在于：当待降落的无人机到达预设的区域内：以单个基站为原点，指向无人机的方向为x轴，根据实时获取的所述无人机相对基站的距离信息以及无人机的飞行里程信息，使所述无人机执行不偏离x轴的振荡运动，形成一个扇形的收敛轨迹，直至降落在目标位置。
优选地，具体包括以下步骤：
步骤S1：设定基站的位置为坐标原点并选定无人机降落的目标位置L*；
步骤S2：当待降落的无人机与所述基站的距离小于设定的阈值ε时，以基站为原点，指向无人机的方向为x轴，建立无人机自适应收敛至目标位置的坐标系；
步骤S3：根据实时获取的所述无人机相对基站的距离信息以及无人机的飞行里程信息，控制所述无人机执行不偏离x轴的振荡运动，形成一个扇形的收敛轨迹：
以采样周期划分时刻，设t时刻无人机的位置为Lt，根据t时刻无人机相对基站的距离信息dt＝||Lt-L*||，以及无人机的飞行里程信息
Figure BDA0002345899240000021
计算得到t时刻无人机相对基站的位置qt＝Lt-L*以及下一时刻无人机相对基站的估计位置qt+1＝qt+wt；
其中，T为采样周期，
Figure BDA0002345899240000022
为t时刻无人机的平均速度；
根据下一时刻无人机相对基站的估计位置，对无人机进行飞行控制，并在下一时刻以实测的无人机相对基站的位置进行位置更新，直至检测到无人机相对基站的距离小于预设的最小距离，则控制无人机降落。
优选地，在步骤S3当中，根据：
Figure BDA0002345899240000023
对无人机的速度vt进行饱和限制；其中，V为预设的无人机最大速度。
优选地，所述基站为UWB定位基站，所述无人机上搭载有UWB标签模块；所述无人机相对基站的距离信息通过UWB技术进行测量。
相较于现有技术，本发明及其优选方案不仅能实现对无人机低成本、精准化的收敛降落，还能解决现有三基站及以上的UWB定位环境的搭建中受空间环境限制而带来的布置困难，同时，还解决了UWB单基站定位环境下，无人机进行导航降落时存在的无人机位置信息难以获得以及系统稳定性不足等问题。
其有益效果在于：在单基站定位的条件下，提出了无人机振荡运动完成扇形的收敛轨迹后降落的方案。将无人机控制技术与UWB定位技术相结合，运用单UWB定位基站与无人机之间距离数据和无人机自振荡位移数据进行自适应估计，得出无人机与UWB基站的相对位置。解决了多UWB定位基站空间布置的复杂繁琐性问题，实现对无人机在规定区域内降落的精准化，简洁化。该种单基站的无人机精准降落方法也可以推广至不依赖于UWB技术的更广泛的应用场景当中。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
图1是本发明实施例无人机快速收敛降落模型示意图；
图2是本发明实施例无人机相对位置估计和自振荡方案流程示意图；
图3是本发明实施例单UWB基站下无人机快速收敛降落方法流程示意图。
具体实施方式
为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：
在本实施例提供的方案中：首先，在UWB定位环境的搭建中只需要布置一个UWB定位基站，而该基站的布置受环境的影响不大，只要存在无人机可降落的区域，就可在该区域附近布置单个的UWB基站。该方法改善了当前UWB定位环境布置的繁琐性，实现了其布置的简洁方便。
其次，在无人机上搭载UWB标签模块。如图1所示，当无人机到达所设定的区域内，以布置好的UWB定位环境中的单基站为原点，指向无人机的位置为x轴，建立无人机自适应收敛至指定降落区域的坐标系。无人机开始在一定空间范围内、一定速度区间中做不偏离x轴的振荡运动，从而自动估计出无人机自身到UWB基站的相对位置。同时，无人机以限定的速度值边振荡边靠近基站附近的降落区域，并且自振荡范围在不偏离x轴的情况下逐渐减少，形成一个扇形的收敛模型，最终使无人机收敛到指定降落区域，实现精准降落。
为了确保无人机精准的降落到指定的降落区域，如图2、图3所示，本实施例设计了一套无人机导航控制算法。该算法首先在单基站附近指定无人机降落区域。当无人机与UWB定位基站的距离达到所设定的阈值时，该算法以基站为原点，指向无人机的位置为x轴建立无人机收敛坐标系。无人机开始绕x轴做规定范围内的自振荡收敛动作。在无人机自振荡收敛过程中，需要实时获取无人机相对基站的位置信息，因此，该算法中加入了一个无人机自适应的相对位置估计器。无人机在收敛靠近降落区域的过程中，位置估计器实时刷新无人机和基站之间的距离信息，并通过距离和位移等数据解算出无人机的位置信息。为了保证无人机自振荡收敛系统的稳定性，该算法对无人机的自振荡收敛速度值进行饱和限定，其具体内容如下：
首先是单UWB基站的布置，如图1所示，在任意位置布置好单个UWB定位基站，并设定该基站的位置为坐标原点以及选定好无人机降落的目标区域L*。
当无人机飞行至一定范围，该范围要求无人机与UWB基站的距离小于所设定的阈值ε时，建立如图1所示的坐标系，以基站为原点，指向无人机开始自振荡收敛的位置为x轴。
无人机开始在设定的范围内进行自振荡飞行，通过UWB定位基站与无人机搭载的标签模块之间的通讯，获得无人机相对基站之间的距离数据。
设有t时刻无人机的位置为Lt，再根据无人机第t时刻的位移数据以及与基站间的距离数据，自适应估计出t+1时刻无人机相对于UWB单定位基站的位置信息。所以当时间t趋向于无穷时，就有
Figure BDA0002345899240000041
转化为有速度界限的离散时间积分模型为：
Figure BDA0002345899240000042
其中，T是采样周期、V是预设的无人机最大速度。
如图2所示，基于距离传感器得到距离数据dt＝||Lt-L*||以及位移数据
Figure BDA0002345899240000043
可得到t时刻无人机相对基站的位置qt＝Lt-L*以及下一时刻无人机相对基站的位置qt+1＝qt+wt。
进一步地，为了使无人机基于单UWB基站实现稳定的自振荡运动，必须对无人机自振荡的速度进行控制。设计无人机自振荡速度公式：
Figure BDA0002345899240000044
其中β＞0，C＞0。为了不使无人机的速度产生发散性失控，对收敛速度进行饱和限制：
Figure BDA0002345899240000051
如图3所示，本实施例无人机自振荡收敛算法的要旨在于，以此时刻的无人机相对基站的距离信息以及无人机的飞行里程信息，获得下一时刻无人机相对基站的估计位置，根据下一时刻无人机相对基站的估计位置，对无人机进行飞行控制，同时对无人机的速度进行饱和限制；并在下一时刻以实测的无人机相对基站的位置进行位置更新，直至检测到无人机相对基站的距离小于预设的最小距离，则控制无人机降落。
本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的基于单基站的无人机精准降落方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。

Claims (4)

1.一种基于单基站的无人机精准降落方法，其特征在于：当待降落的无人机到达预设的区域内：以单个基站为原点，指向无人机的方向为x轴，根据实时获取的所述无人机相对基站的距离信息以及无人机的飞行里程信息，使所述无人机执行不偏离x轴的振荡运动，形成一个扇形的收敛轨迹，直至降落在目标位置。
2.根据权利要求1所述的基于单基站的无人机精准降落方法，其特征在于，具体包括以下步骤：
步骤S1：设定基站的位置为坐标原点并选定无人机降落的目标位置L*；
步骤S2：当待降落的无人机与所述基站的距离小于设定的阈值ε时，以基站为原点，指向无人机的方向为x轴，建立无人机自适应收敛至目标位置的坐标系；
步骤S3：根据实时获取的所述无人机相对基站的距离信息以及无人机的飞行里程信息，控制所述无人机执行不偏离x轴的振荡运动，形成一个扇形的收敛轨迹：
以采样周期划分时刻，设t时刻无人机的位置为Lt，根据t时刻无人机相对基站的距离信息dt＝||Lt-L*||，以及无人机的飞行里程信息
Figure FDA0002345899230000011
计算得到t时刻无人机相对基站的位置qt＝Lt-L*以及下一时刻无人机相对基站的估计位置qt+1＝qt+wt；
其中，T为采样周期，
Figure FDA0002345899230000012
为t时刻无人机的平均速度；
根据下一时刻无人机相对基站的估计位置，对无人机进行飞行控制，并在下一时刻以实测的无人机相对基站的位置进行位置更新，直至检测到无人机相对基站的距离小于预设的最小距离，则控制无人机降落。
3.根据权利要求2所述的基于单基站的无人机精准降落方法，其特征在于：在步骤S3当中，根据：
Figure FDA0002345899230000013
对无人机的速度vt进行饱和限制；其中，V为预设的无人机最大速度。
4.根据权利要求1-3其中任一所述的基于单基站的无人机精准降落方法，其特征在于：所述基站为UWB定位基站，所述无人机上搭载有UWB标签模块；所述无人机相对基站的距离信息通过UWB技术进行测量。
CN201911402853.7A 2019-12-30 2019-12-30 基于单基站的无人机精准降落方法 Active CN110989682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911402853.7A CN110989682B (zh) 2019-12-30 2019-12-30 基于单基站的无人机精准降落方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911402853.7A CN110989682B (zh) 2019-12-30 2019-12-30 基于单基站的无人机精准降落方法

Publications (2)

Publication Number Publication Date
CN110989682A true CN110989682A (zh) 2020-04-10
CN110989682B CN110989682B (zh) 2021-06-01

Family

ID=70079300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911402853.7A Active CN110989682B (zh) 2019-12-30 2019-12-30 基于单基站的无人机精准降落方法

Country Status (1)

Country Link
CN (1) CN110989682B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111352444A (zh) * 2020-04-23 2020-06-30 上海交通大学 基于无线导航的无人机室外移动平台自主降落方法及系统
CN112346477A (zh) * 2020-11-09 2021-02-09 江苏科技大学 基于无人艇的旋翼无人机自主降落系统及其自主降落方法
CN113311868A (zh) * 2021-05-28 2021-08-27 南京先飞机器人技术有限公司 一种gnss被干扰下无人机的自我保护的方法
CN113342009A (zh) * 2021-06-01 2021-09-03 尚良仲毅(沈阳)高新科技有限公司 一种无人机及其辅助降落方法和系统
CN114384932A (zh) * 2021-12-24 2022-04-22 同济大学 一种基于距离测量的无人机导航对接方法
CN114594783A (zh) * 2021-12-21 2022-06-07 北京理工大学 基于全过程约束的四旋翼实时轨迹规划及降落控制方法
CN113342009B (zh) * 2021-06-01 2024-06-04 尚良仲毅(沈阳)高新科技有限公司 一种无人机及其辅助降落方法和系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103383571A (zh) * 2013-08-13 2013-11-06 湖南航天机电设备与特种材料研究所 一种非对称四旋翼无人机及其控制方法
CN106371447A (zh) * 2016-10-25 2017-02-01 南京奇蛙智能科技有限公司 一种无人机全天候精准降落的控制方法
CN106843260A (zh) * 2016-07-04 2017-06-13 北京京东尚科信息技术有限公司 无人机飞行方向修正方法、控制方法及无人机
US20180024555A1 (en) * 2015-01-29 2018-01-25 Rocky Mountain Equipment Canada Ltd. Uav navigation and sensor system configuration
US20180155027A1 (en) * 2016-04-29 2018-06-07 United Parcel Service Of America, Inc. Unmanned aerial vehicle and landing system
CN108583920A (zh) * 2018-04-24 2018-09-28 上海海洋大学 一种无人机用海上着陆平台及无人机着陆的控制方法
CN108614582A (zh) * 2018-04-08 2018-10-02 北京领航智能科技发展有限公司 基于rtk技术的无人机精准降落方法
CN108628327A (zh) * 2017-03-22 2018-10-09 桂林电子科技大学 一种基于超宽带通信的无人机导航装置
CN108802713A (zh) * 2018-06-01 2018-11-13 郑州联睿电子科技有限公司 单基站无人机定位系统及降落导引方法
CN108945491A (zh) * 2018-04-08 2018-12-07 北京领航智能科技发展有限公司 基于uwb的无人机精准引导及自动降落方法
CN208421639U (zh) * 2018-08-16 2019-01-22 北京电联宇科技股份有限公司 一种精准定位超长续航无人机巡检防灾系统
CN109598758A (zh) * 2018-11-21 2019-04-09 三峡大学 一种可视觉定位的无人机起降平台及无人机落点修正方法
CN110069072A (zh) * 2018-08-16 2019-07-30 北京电联宇科技股份有限公司 一种精准定位超长续航无人机巡检防灾系统
CN110244770A (zh) * 2019-04-14 2019-09-17 西安烛龙智能科技有限公司 一种基于uwb定位的无人机精准降落系统
CN110329527A (zh) * 2019-08-02 2019-10-15 深圳市安泽拉科技有限公司 一种具有降落伞安全保护装置的无人机系统
US20190371184A1 (en) * 2016-05-27 2019-12-05 Guangzhou Xaircraft Technology Co., Ltd Method and device for controlling flight of unmanned aerial vehicle and remote controller

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103383571A (zh) * 2013-08-13 2013-11-06 湖南航天机电设备与特种材料研究所 一种非对称四旋翼无人机及其控制方法
US20180024555A1 (en) * 2015-01-29 2018-01-25 Rocky Mountain Equipment Canada Ltd. Uav navigation and sensor system configuration
US20180155027A1 (en) * 2016-04-29 2018-06-07 United Parcel Service Of America, Inc. Unmanned aerial vehicle and landing system
US20190371184A1 (en) * 2016-05-27 2019-12-05 Guangzhou Xaircraft Technology Co., Ltd Method and device for controlling flight of unmanned aerial vehicle and remote controller
CN106843260A (zh) * 2016-07-04 2017-06-13 北京京东尚科信息技术有限公司 无人机飞行方向修正方法、控制方法及无人机
CN106371447A (zh) * 2016-10-25 2017-02-01 南京奇蛙智能科技有限公司 一种无人机全天候精准降落的控制方法
CN108628327A (zh) * 2017-03-22 2018-10-09 桂林电子科技大学 一种基于超宽带通信的无人机导航装置
CN108614582A (zh) * 2018-04-08 2018-10-02 北京领航智能科技发展有限公司 基于rtk技术的无人机精准降落方法
CN108945491A (zh) * 2018-04-08 2018-12-07 北京领航智能科技发展有限公司 基于uwb的无人机精准引导及自动降落方法
CN108583920A (zh) * 2018-04-24 2018-09-28 上海海洋大学 一种无人机用海上着陆平台及无人机着陆的控制方法
CN108802713A (zh) * 2018-06-01 2018-11-13 郑州联睿电子科技有限公司 单基站无人机定位系统及降落导引方法
CN110069072A (zh) * 2018-08-16 2019-07-30 北京电联宇科技股份有限公司 一种精准定位超长续航无人机巡检防灾系统
CN208421639U (zh) * 2018-08-16 2019-01-22 北京电联宇科技股份有限公司 一种精准定位超长续航无人机巡检防灾系统
CN109598758A (zh) * 2018-11-21 2019-04-09 三峡大学 一种可视觉定位的无人机起降平台及无人机落点修正方法
CN110244770A (zh) * 2019-04-14 2019-09-17 西安烛龙智能科技有限公司 一种基于uwb定位的无人机精准降落系统
CN110329527A (zh) * 2019-08-02 2019-10-15 深圳市安泽拉科技有限公司 一种具有降落伞安全保护装置的无人机系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
OMER CETIN等: "Fuzzy Logic Based Approach to Design of Autonomous Landing System for Unmanned Aerial Vehicles", 《INTELL ROBOT SYST》 *
何一等: "L波段超宽带微型无人机测控链路性能分析", 《科技导报》 *
孙伟光: "基于视觉系统的无人直升机自主降落", 《中国优秀硕士论文电子期刊网 工程科技Ⅱ辑》 *
龙涛: "无人机通信信道建模及盲均衡技术研究", 《中国优秀硕士论文电子期刊网 工程科技Ⅱ辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111352444A (zh) * 2020-04-23 2020-06-30 上海交通大学 基于无线导航的无人机室外移动平台自主降落方法及系统
CN112346477A (zh) * 2020-11-09 2021-02-09 江苏科技大学 基于无人艇的旋翼无人机自主降落系统及其自主降落方法
CN112346477B (zh) * 2020-11-09 2022-12-13 江苏科技大学 基于无人艇的旋翼无人机自主降落系统及其自主降落方法
CN113311868A (zh) * 2021-05-28 2021-08-27 南京先飞机器人技术有限公司 一种gnss被干扰下无人机的自我保护的方法
CN113342009A (zh) * 2021-06-01 2021-09-03 尚良仲毅(沈阳)高新科技有限公司 一种无人机及其辅助降落方法和系统
CN113342009B (zh) * 2021-06-01 2024-06-04 尚良仲毅(沈阳)高新科技有限公司 一种无人机及其辅助降落方法和系统
CN114594783A (zh) * 2021-12-21 2022-06-07 北京理工大学 基于全过程约束的四旋翼实时轨迹规划及降落控制方法
CN114594783B (zh) * 2021-12-21 2023-03-31 北京理工大学 基于全过程约束的四旋翼实时轨迹规划及降落控制方法
CN114384932A (zh) * 2021-12-24 2022-04-22 同济大学 一种基于距离测量的无人机导航对接方法
CN114384932B (zh) * 2021-12-24 2023-08-29 同济大学 一种基于距离测量的无人机导航对接方法

Also Published As

Publication number Publication date
CN110989682B (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN110989682B (zh) 基于单基站的无人机精准降落方法
CN108521670B (zh) 面向多机紧密编队飞行基于uwb通信与定位方法及一体化系统
CN109375643B (zh) 基于领航-跟随式三角形编队的多四旋翼对峙跟踪目标制导律
US11073389B2 (en) Hover control
US10322819B2 (en) Autonomous system for taking moving images from a drone, with target tracking and improved target location
Li et al. Self-positioning for UAV indoor navigation based on 3D laser scanner, UWB and INS
CN105843246A (zh) 无人机跟踪方法、系统及无人机
CN113124856A (zh) 基于uwb在线锚点的视觉惯性紧耦合里程计及计量方法
WO2018027339A1 (en) Copyright notice
CN106054924A (zh) 一种无人机伴飞方法、伴飞装置和伴飞系统
US20220326720A1 (en) Method and system for hovering control of unmanned aerial vehicle in tunnel
CN111983660A (zh) Gnss拒止环境下四旋翼无人机定位系统和方法
CN112965507B (zh) 一种基于智能优化的集群无人机协同工作系统及方法
CN109508036A (zh) 一种中继点生成方法、装置和无人机
Li et al. Resilient unscented Kalman filtering fusion with dynamic event-triggered scheme: Applications to multiple unmanned aerial vehicles
CN116182867A (zh) 复杂室内环境下基于紧组合的ins/uwb无人车定位方法
Mason et al. Combining LoRaWAN and a new 3D motion model for remote UAV tracking
Rullan-Lara et al. Uav real-time location using a wireless sensor network
Zhu et al. Demonstration and verification system for UAV formation control
Pestana et al. A general purpose configurable navigation controller for micro aerial multirotor vehicles
CN113495287A (zh) 一种蜂群无人机的高精度定位方法
KR20210088145A (ko) 무인비행체 자동 정밀 착륙 시스템 및 방법
Ye et al. Equational dynamic modeling and adaptive control of UAV
CN114384932B (zh) 一种基于距离测量的无人机导航对接方法
Dobrokhodov et al. Rapid motion estimation of a target moving with time-varying velocity

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