CN111090283A - 一种无人艇组合定位定向方法和系统 - Google Patents

一种无人艇组合定位定向方法和系统 Download PDF

Info

Publication number
CN111090283A
CN111090283A CN201911329302.2A CN201911329302A CN111090283A CN 111090283 A CN111090283 A CN 111090283A CN 201911329302 A CN201911329302 A CN 201911329302A CN 111090283 A CN111090283 A CN 111090283A
Authority
CN
China
Prior art keywords
unmanned ship
positioning
point
point cloud
laser radar
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
CN201911329302.2A
Other languages
English (en)
Other versions
CN111090283B (zh
Inventor
裴忠海
李聪
尹诗明
余薛浩
皮操
王鹏
李桂芳
周智洋
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.)
Shanghai Aerospace Control Technology Institute
Original Assignee
Shanghai Aerospace Control Technology Institute
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 Shanghai Aerospace Control Technology Institute filed Critical Shanghai Aerospace Control Technology Institute
Priority to CN201911329302.2A priority Critical patent/CN111090283B/zh
Publication of CN111090283A publication Critical patent/CN111090283A/zh
Application granted granted Critical
Publication of CN111090283B publication Critical patent/CN111090283B/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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种无人艇组合定位定向方法和系统，根据无人艇使用环境和传感器性能特点，确定组合定位定向系统的配置，并建立组合定位定向系统融合策略；根据步骤组合定位定向系统融合策略，对激光雷达数据进行预处理；采用相对定位随机采样一致算法对预处理后的激光雷达数据进行解算，得到无人艇与障碍物之间的相对距离；通过观测矢量融合算法，解算得到无人艇的定位定向信息，并输出。本发明使无人艇具备自主绝对+相对定位定向的能力，能够解决无人艇布放回收过程中姿态、速度、位置以及相对位置确定问题，为自主无人艇航行提供高可靠高精度的导航信息，且配置和算法实现简单，运行可靠，精度较高，便于工程应用。

Description

一种无人艇组合定位定向方法和系统
技术领域
本发明涉及无人艇控制技术领域，特别是一种无人艇组合定位定向方法和系统。
背景技术
水面无人艇(Unmanned Surface Vehicle，USV)是无人驾驶技术的在水面环境中的重要应用，是一种能够在海洋、湖泊及河流等环境下进行自主航行并完成相应任务的平台。USV具有体积小，成本低，灵活自主等特点。与传统的船舶相比，由于USV非载人的特点，使得其能够适应海洋及其他水域的复杂多变环境，在一些人类不可达的场景中进行作业。同时相比于现有的静止水上无人设备，USV覆盖面积更广，实时性更强，能够在不同位置灵活作业。目前，USV被广泛应用于海洋战场环境信息收集、作战训练与打击、补给支援等军事领域以及海事搜救、环保监测、水文环境勘探、港口巡逻、海事追踪执法、渔业捕捞等民用领域。
无人水面艇面临的技术难点在于其快速、高效的自主路径规划能力。而优异的自主路径规划能力得益于无人水面艇对周围环境的精确、快速的自主感知，即对周边环境的认知，为路径规划绝对和相对导航提供支撑。可见导航定位是一切无人系统的基础。而无人水面艇存在布放回收过程，即存在室外和室内导航的需求。无人艇对环境的感知的原始信息来源于各种传感设备对环境中的信号捕获，其中传感设备包括红外雷达、超声波雷达、激光雷达、毫米波雷达以及视频传感设备等。
无人艇需要通过定位系统准确感知自身在全局环境中的绝对位置相对位置，以使无人艇看作一个质点与航行环境有机结合起来，而导航技术则能够保证无人艇清楚地知道自己所要行驶的速度、方向、路径以及与航行环境其他物体的相对位置等信息。因此实际应用中，需要通过信息融合技术实现定位与导航技术的组合，从而使环境信息与艇体信息融合成为一个系统性的整体。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了一种无人艇组合定位定向方法和系统，使无人艇具备自主绝对+相对定位定向的能力，能够解决无人艇布放回收过程中姿态、速度、位置以及相对位置确定问题，为自主无人艇航行提供高可靠高精度的导航信息，且配置和算法实现简单，运行可靠，精度较高，便于工程应用。
本发明的技术解决方案是：
本发明公开了一种无人艇组合定位定向方法，包括：
步骤1，根据无人艇使用环境和传感器性能特点，确定基于MEMS+差分导航+多天线测姿+激光雷达多传感器信息的组合定位定向系统的配置；
步骤2，根据步骤1的配置结果，建立组合定位定向系统融合策略；
步骤3，根据步骤2建立的组合定位定向系统融合策略，对激光雷达数据进行预处理；
步骤4，根据步骤3输出的激光雷达数据预处理结果，采用相对定位随机采样一致算法，解算得到无人艇与障碍物之间的相对距离；
步骤5，根据步骤4输出的无人艇与障碍物之间的相对距离，通过观测矢量融合算法，解算得到无人艇的定位定向信息，并输出。
可选地，根据步骤2建立的组合定位定向系统融合策略，对激光雷达数据进行预处理，包括：
从激光雷达数据提取得到点云的球面坐标；
根据提取得到的点云的球面坐标，对从激光雷达数据提取得到点云进行筛选，将筛选结果作为激光雷达数据预处理结果输出。
可选地，根据提取得到的点云的球面坐标，对从激光雷达数据提取得到点云进行筛选，将筛选结果作为激光雷达数据预处理结果输出，包括：
根据提取得到的点云的球面坐标，对从激光雷达数据提取得到点云进行一次筛选，保留无人艇船采集到的正前方环境的点云，得到点云集合A；其中，正前方指无人艇的前进方向；
根据点云集合A中的各点云的球面坐标，对点云集合A中的点云进行二次筛选，过滤掉与无人艇之间的距离大于设定距离阈值的点云，得到点云集合B；
根据点云集合B中的各点云的球面坐标，对点云集合B中的点云进行三次筛选，过滤掉由无人艇激光雷达周围三根天线构成的点云，得到点云集合C；
根据点云集合C中的各点云的球面坐标，对点云集合C中的点云进行三次筛选，仅保留满足阈值上限和阈值下限的点云，得到点云集合D；
将点云集合D作为激光雷达数据预处理结果输出。
可选地，满足阈值上限和阈值下限的点云是指：阈值下限≤点云与原点之间的距离≤阈值上限；其中，原点为无人艇的船头位置。
可选地，根据步骤3输出的激光雷达数据预处理结果，采用相对定位随机采样一致算法，解算得到无人艇与障碍物之间的相对距离，包括：
从点云集合D中随机选取两个点，记作：点p1和点p2；
计算由点p1和点p2所构成的包围盒中所有点的数量，记作内点数；
根据内点数与包围盒的体积的比值，确定内点密度；
根据内点数和内点密度，对包围盒进行打分，得到包围盒分值；
根据得到的包围盒分值，对包围盒进行优化处理；
循环多次，得到最优点p1优和最优点p2优；
根据得到的最优点p1优和最优点p2优，确定障碍物中心点pM为：
Figure BDA0002329169000000031
计算得到定障碍物中心点pM与原点之间的距离，记作到无人艇与障碍物之间的相对距离。
可选地，根据步骤4输出的无人艇与障碍物之间的相对距离，通过观测矢量融合算法，解算得到无人艇的定位定向信息，并输出，包括：
获取速度量测信息Z＝[VE,VN]T、第一天线的输出信息ZG＝[VGE,VGN]T和第二天线的输出信息ZJ＝[VJE,VJN]T；其中，VE和VN分别表示无人艇的东向速度和北向速度，VGE和VGN分别表示第一天线所在位置测得的东向速度和北向速度，VJE和VJN分别表示第二天线所在位置测得东向速度和北向速度；
取：
Figure BDA0002329169000000041
其中，δVGE表示第一天线输出的东向速度误差，δVGN表示第一天线输出的北向速度误差，δVJE表示第二天线输出的东向速度误差，δVJN表示第二天线输出的北向速度误差；
通过观测矢量融合算法，得到速度融合结果Z融：
Z融＝(RG-1+RJ-1)-1(RG-1ZG+RJ-1ZJ)
其中，RG-1表示第一天线速度误差方差阵，RJ-1表示第二天线速度误差方差阵；
在差分GPS有效的条件下，采用差分GPS得到的速度位置信息对通过捷联解算得到的速度位置信息进行替换，即得到无人艇的位置和速度信息：
Figure BDA0002329169000000042
其中：
Figure BDA0002329169000000043
为无人艇位置的三维坐标值经捷联解算插值后结果，
Figure BDA0002329169000000044
为无人艇速度的三维坐标值值经过捷联解算插值后结果，
Figure BDA0002329169000000045
为无人艇接收机差分位置三维坐标值，
Figure BDA0002329169000000046
为无人艇接收机差分速度三维值。
可选地，阈值下限取值为5米，阈值上限取值为20米。
本发明公开了一种无人艇组合定位定向系统，包括：
配置模块，用于根据无人艇使用环境和传感器性能特点，确定基于MEMS+差分导航+多天线测姿+激光雷达多传感器信息的组合定位定向系统的配置；
策略建立模块，用于根据配置模块的配置结果，建立组合定位定向系统融合策略；
预处理模块，用于根据建立的组合定位定向系统融合策略，对激光雷达数据进行预处理；
解算模块，用于根据预处理模块输出的激光雷达数据预处理结果，采用相对定位随机采样一致算法，解算得到无人艇与障碍物之间的相对距离；以及，根据无人艇与障碍物之间的相对距离，通过观测矢量融合算法，解算得到无人艇的定位定向信息，并输出。
本发明与现有技术相比的优点在于：
(1)本发明公开了一种无人艇组合定位定向方法和系统，使无人艇具备自主绝对+相对定位定向的能力，能够解决无人艇布放回收过程中姿态、速度、位置以及相对位置确定问题，为自主无人艇航行提供高可靠高精度的导航信息，且配置和算法实现简单，运行可靠，精度较高，便于工程应用。
(2)高精度：本发明通过多天线测姿和激光雷达测距融合算法，在获得高精度定位信息的同时获得高精度绝对和相对航行信息。
(3)低成本：针对无人艇高精度导航和自主路径规划的需求，本发明采用全自主低成本融合配置方案，同时组合定位定向算法实现高精度定位定向。
(4)适应性强：无人艇自主航行存在室外室内多种复杂环境，要实现自主控制，必须在复杂条件下实时获得导航信息。
附图说明
图1为本发明一种无人艇组合定位定向方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
本发明公开了一种无人艇组合定位定向方法，包括：
步骤1，根据无人艇使用环境和传感器性能特点，确定基于MEMS+差分导航+多天线测姿+激光雷达多传感器信息的组合定位定向系统的配置。
在本发明中，组合定位定向系统主要包含MEMS系统、多天线测姿系统、激光雷达以及控制处理器。信息融合是针对一个系统中使用多种传感器这一个特定问题而展开的一种信息处理的新研究方向，多传感器系统利用各个传感器在时间上和空间上的冗余性和互补性，扩大系统时间、空间以及频率覆盖范围，避免单传感器的工作盲区；同类多源信息的融合能够提高系统的工作性能指标，不同类多源信息的融合可以获得目标的多侧面属性信息，能够提高结论的可信度、增加系统的容错能力。
无人艇组合定位定向系统的配置采用全自主测量模块+激光雷达+多天线测姿组合方案，利用多天线测姿系统输出的姿态信息，可以采用姿态角匹配方法，提高姿态角的精度和稳定性。在该融合过程中，全自主测量与卫星定位之间是相互辅助的过程，充分利用全自主测量的短期稳定性高，而卫星定位长期误差稳定的特点，综合输出姿态信息、速度信息和位置信息。在该融合过程中，全自主测量模块和卫星定位模块均可以输出姿态信息、速度信息和位置信息。本发明在现有MEMS+GNSS卫星组合导航的基础上，增加多天线测姿和激光雷达相对距离测量功能，实现多信息融合定位定向，为无人艇提供绝对+相对导航速度、姿态和位置信息。
步骤2，根据步骤1的配置结果，建立组合定位定向系统融合策略。
在导航系统中以惯性导航系统为主导航系统，惯性导航系统具有自主性、输出信息全面等优点，但由于惯导定位误差发散，所以采用其他导航系统辅助惯性导航系统提高导航精度。在滤波器设计中，将惯性导航系统的误差方程作为系统的状态方程，将惯性导航系统和其他的导航系统的同一类型导航量的差值作为观测量。
步骤3，根据步骤2建立的组合定位定向系统融合策略，对激光雷达数据进行预处理。
预处理流程如下：从激光雷达数据提取得到点云的球面坐标；根据提取得到的点云的球面坐标，对从激光雷达数据提取得到点云进行筛选，将筛选结果作为激光雷达数据预处理结果输出。
具体的：
(31)根据提取得到的点云的球面坐标，对从激光雷达数据提取得到点云进行一次筛选，保留无人艇船采集到的正前方环境的点云。
正前方指无人艇的前进方向，保留无人艇船采集到的正前方环境的点云，体现在点云坐标中即仅保留y坐标大于0的点。
(32)根据点云集合A中的各点云的球面坐标，对点云集合A中的点云进行二次筛选，过滤掉与无人艇之间的距离大于设定距离阈值的点云，得到点云集合B。
以4-6节航速为例，可对点云集合A中的点云进行二次筛选，过滤掉与无人艇之间的距离大于10米的点云，得到点云集合B。
(33)根据点云集合B中的各点云的球面坐标，对点云集合B中的的点云进行三次筛选，过滤掉由无人艇激光雷达周围三根天线构成的点云，得到点云集合C；
(34)根据点云集合C中的各点云的球面坐标，对点云集合C中的的点云进行三次筛选，仅保留满足阈值上限和阈值下限的点云，得到点云集合D。
满足阈值上限和阈值下限的点云是指：阈值下限≤点云与原点之间的距离≤阈值上限；其中，原点为无人艇的船头位置。以2米无人艇、4节航速为例，阈值下限取值为5米，阈值上限取值为20米。
(35)将点云集合D作为激光雷达数据预处理结果输出。
步骤4，根据步骤3输出的激光雷达数据预处理结果，采用相对定位随机采样一致算法，解算得到无人艇与障碍物之间的相对距离。
无人艇与障碍物之间的相对距离的解算具体流程如下：
(41)从点云集合D中随机选取两个点，记作：点p1和点p2。
(42)计算由点p1和点p2所构成的包围盒中所有点的数量，记作内点数。
若|p.x|<|p1.x-p2.x|&&|p.y|<|p1.y-p2.y|&&|p.z|<|p1.z-p2.z|，则点p视为点p1和点p2所构成的包围盒中的点。其中，点p的三维坐标值为(p.x,p.y,p.z)，点p1三维坐标值为(p1.x,p1.y,p1.z)，点p2的三维坐标值为(p2.x,p2.y,p2.z)。
遍历点云集合D中的所有点，每出现一个满足p.x|<|p1.x-p2.x|&&|p.y|<|p1.y-p2.y|&&|p.z|<|p1.z-p2.z|条件的点，则包围盒中的内点数num增加1。
(43)根据内点数与包围盒的体积V的比值，确定内点密度density。
density＝num/V
(44)根据内点数和内点密度，对包围盒进行打分，得到包围盒分值。
打分函数如下：
score＝0.3snum+0.5sden+0.3sv
其中，score为打分函数最后得出的总分。snum为包围盒内点数的分数：当内点数num在设置的阈值之内，则snum为1；当内点数num在设置的阈值之外，则snum为0；snum的系数0.3为包围盒内点数在总分中的权重，体现了它对框选结果的影响程度。sden为密度的分数：当内点密度density在设置的阈值之内，则sden为1；当在内点密度density在设置的阈值之外，则sden为0；sden的系数0.5为内点密在总分中的权重。包围盒的体积大小分数sv：考虑到某些情况下如果内点数非常少，但是由于点p1和点p2距离非常之近所以算出来的密度很大，从而错误地将一些噪点框选进包围盒的情况，引入sv，作为包围盒的体积大小分数，同之前两个分数一样该分数也是由相应阈值控制。在循环随机选择过程中选出最后得分最高的包围盒，将构成包围盒的点p1和点p2保留下来。
(45)根据得到的包围盒分值，对包围盒进行优化处理。
调整包围盒大小达到最佳框选效果，选择模拟退火模型f(score′)对包围盒进行优化操作：随机选取六个服从高斯分布的随机数，将其加到点p1和点p2的xyz坐标上，重新计算修改后的点p1和点p2构成的包围盒的分数score′，并计算退火优化函数：f(score′)＝|score′-1|。
(46)循环多次，得到最优点p1优和最优点p2优。
由第(44)步可知包围盒所能得到的最高分数即为1分，循环选取高斯分布数并通过此函数计算对应的，当出现更低的函数值时保留变化之后的点p1和点p2，当函数值不变或甚至变大时则不保留，如此循环多次便可得出优化后的点p1和点p2。
(47)根据得到的最优点p1优和最优点p2优，确定障碍物中心点pM为：
Figure BDA0002329169000000091
(48)计算得到定障碍物中心点pM与原点之间的距离，记作到无人艇与障碍物之间的相对距离。
步骤5，根据步骤4输出的无人艇与障碍物之间的相对距离，通过观测矢量融合算法，解算得到无人艇的定位定向信息，并输出。
无人艇的定位定向信息的解算具体流程如下：
(51)获取速度量测信息Z＝[VE,VN]T、第一天线的输出信息ZG＝[VGE,VGN]T和第二天线的输出信息ZJ＝[VJE,VJN]T。
其中，VE和VN分别表示无人艇的东向速度和北向速度，VGE和VGN分别表示第一天线所在位置测得的东向速度和北向速度，VJE和VJN分别表示第二天线所在位置测得东向速度和北向速度。
(52)取：
Figure BDA0002329169000000101
其中，δVGE表示第一天线输出的东向速度误差，δVGN表示第一天线输出的北向速度误差，δVJE表示第二天线输出的东向速度误差，δVJN表示第二天线输出的北向速度误差。
(53)通过观测矢量融合算法，得到速度融合结果Z融：
Z融＝(RG-1+RJ-1)-1(RG-1ZG+RJ-1ZJ)
其中，RG-1表示第一天线速度误差方差阵，RJ-1表示第二天线速度误差方差阵。
(54)在差分GPS有效的条件下，采用差分GPS得到的速度位置信息对通过捷联解算得到的速度位置信息进行替换，即得到无人艇的位置和速度信息：
Figure BDA0002329169000000102
其中：
Figure BDA0002329169000000103
为无人艇位置的三维坐标值经捷联解算插值后结果，
Figure BDA0002329169000000104
为无人艇速度的三维坐标值值经过捷联解算插值后结果，
Figure BDA0002329169000000105
为无人艇接收机差分位置三维坐标值，
Figure BDA0002329169000000106
为无人艇接收机差分速度三维值。
实施例2
本发明公开了一种无人艇组合定位定向系统，包括：配置模块，用于根据无人艇使用环境和传感器性能特点，确定基于MEMS+差分导航+多天线测姿+激光雷达多传感器信息的组合定位定向系统的配置；策略建立模块，用于根据配置模块的配置结果，建立组合定位定向系统融合策略；预处理模块，用于根据建立的组合定位定向系统融合策略，对激光雷达数据进行预处理；解算模块，用于根据预处理模块输出的激光雷达数据预处理结果，采用相对定位随机采样一致算法，解算得到无人艇与障碍物之间的相对距离；以及，根据无人艇与障碍物之间的相对距离，通过观测矢量融合算法，解算得到无人艇的定位定向信息，并输出。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

Claims (8)

1.一种无人艇组合定位定向方法，其特征在于，包括：
步骤1，根据无人艇使用环境和传感器性能特点，确定基于MEMS+差分导航+多天线测姿+激光雷达多传感器信息的组合定位定向系统的配置；
步骤2，根据步骤1的配置结果，建立组合定位定向系统融合策略；
步骤3，根据步骤2建立的组合定位定向系统融合策略，对激光雷达数据进行预处理；
步骤4，根据步骤3输出的激光雷达数据预处理结果，采用相对定位随机采样一致算法，解算得到无人艇与障碍物之间的相对距离；
步骤5，根据步骤4输出的无人艇与障碍物之间的相对距离，通过观测矢量融合算法，解算得到无人艇的定位定向信息，并输出。
2.根据权利要求1所述的无人艇组合定位定向方法，其特征在于，根据步骤2建立的组合定位定向系统融合策略，对激光雷达数据进行预处理，包括：
从激光雷达数据提取得到点云的球面坐标；
根据提取得到的点云的球面坐标，对从激光雷达数据提取得到点云进行筛选，将筛选结果作为激光雷达数据预处理结果输出。
3.根据权利要求2所述的无人艇组合定位定向方法，其特征在于，根据提取得到的点云的球面坐标，对从激光雷达数据提取得到点云进行筛选，将筛选结果作为激光雷达数据预处理结果输出，包括：
根据提取得到的点云的球面坐标，对从激光雷达数据提取得到点云进行一次筛选，保留无人艇船采集到的正前方环境的点云，得到点云集合A；其中，正前方指无人艇的前进方向；
根据点云集合A中的各点云的球面坐标，对点云集合A中的点云进行二次筛选，过滤掉与无人艇之间的距离大于设定距离阈值的点云，得到点云集合B；
根据点云集合B中的各点云的球面坐标，对点云集合B中的点云进行三次筛选，过滤掉由无人艇激光雷达周围三根天线构成的点云，得到点云集合C；
根据点云集合C中的各点云的球面坐标，对点云集合C中的点云进行三次筛选，仅保留满足阈值上限和阈值下限的点云，得到点云集合D；
将点云集合D作为激光雷达数据预处理结果输出。
4.根据权利要求3所述的无人艇组合定位定向方法，其特征在于，满足阈值上限和阈值下限的点云是指：阈值下限≤点云与原点之间的距离≤阈值上限；其中，原点为无人艇的船头位置。
5.根据权利要求4所述的无人艇组合定位定向方法，其特征在于，根据步骤3输出的激光雷达数据预处理结果，采用相对定位随机采样一致算法，解算得到无人艇与障碍物之间的相对距离，包括：
从点云集合D中随机选取两个点，记作：点p1和点p2；
计算由点p1和点p2所构成的包围盒中所有点的数量，记作内点数；
根据内点数与包围盒的体积的比值，确定内点密度；
根据内点数和内点密度，对包围盒进行打分，得到包围盒分值；
根据得到的包围盒分值，对包围盒进行优化处理；
循环多次，得到最优点p1优和最优点p2优；
根据得到的最优点p1优和最优点p2优，确定障碍物中心点pM为：
Figure FDA0002329168990000021
计算得到定障碍物中心点pM与原点之间的距离，记作到无人艇与障碍物之间的相对距离。
6.根据权利要求1所述的无人艇组合定位定向方法，其特征在于，根据步骤4输出的无人艇与障碍物之间的相对距离，通过观测矢量融合算法，解算得到无人艇的定位定向信息，并输出，包括：
获取速度量测信息Z＝[VE,VN]T、第一天线的输出信息ZG＝[VGE,VGN]T和第二天线的输出信息ZJ＝[VJE,VJN]T；其中，VE和VN分别表示无人艇的东向速度和北向速度，VGE和VGN分别表示第一天线所在位置测得的东向速度和北向速度，VJE和VJN分别表示第二天线所在位置测得东向速度和北向速度；
取：
Figure FDA0002329168990000031
其中，δVGE表示第一天线输出的东向速度误差，δVGN表示第一天线输出的北向速度误差，δVJE表示第二天线输出的东向速度误差，δVJN表示第二天线输出的北向速度误差；
通过观测矢量融合算法，得到速度融合结果Z融：
Z融＝(RG-1+RJ-1)-1(RG-1ZG+RJ-1ZJ)
其中，RG-1表示第一天线速度误差方差阵，RJ-1表示第二天线速度误差方差阵；
在差分GPS有效的条件下，采用差分GPS得到的速度位置信息对通过捷联解算得到的速度位置信息进行替换，即得到无人艇的位置和速度信息：
Figure FDA0002329168990000032
其中：
Figure FDA0002329168990000033
为无人艇位置的三维坐标值经捷联解算插值后结果，
Figure FDA0002329168990000034
为无人艇速度的三维坐标值值经过捷联解算插值后结果，
Figure FDA0002329168990000035
为无人艇接收机差分位置三维坐标值，
Figure FDA0002329168990000036
为无人艇接收机差分速度三维值。
7.根据权利要求4所述的无人艇组合定位定向方法，其特征在于，阈值下限取值为5米，阈值上限取值为20米。
8.一种无人艇组合定位定向系统，其特征在于，包括：
配置模块，用于根据无人艇使用环境和传感器性能特点，确定基于MEMS+差分导航+多天线测姿+激光雷达多传感器信息的组合定位定向系统的配置；
策略建立模块，用于根据配置模块的配置结果，建立组合定位定向系统融合策略；
预处理模块，用于根据建立的组合定位定向系统融合策略，对激光雷达数据进行预处理；
解算模块，用于根据预处理模块输出的激光雷达数据预处理结果，采用相对定位随机采样一致算法，解算得到无人艇与障碍物之间的相对距离；以及，根据无人艇与障碍物之间的相对距离，通过观测矢量融合算法，解算得到无人艇的定位定向信息，并输出。
CN201911329302.2A 2019-12-20 2019-12-20 一种无人艇组合定位定向方法和系统 Active CN111090283B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911329302.2A CN111090283B (zh) 2019-12-20 2019-12-20 一种无人艇组合定位定向方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911329302.2A CN111090283B (zh) 2019-12-20 2019-12-20 一种无人艇组合定位定向方法和系统

Publications (2)

Publication Number Publication Date
CN111090283A true CN111090283A (zh) 2020-05-01
CN111090283B CN111090283B (zh) 2023-08-29

Family

ID=70396556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911329302.2A Active CN111090283B (zh) 2019-12-20 2019-12-20 一种无人艇组合定位定向方法和系统

Country Status (1)

Country Link
CN (1) CN111090283B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112099039A (zh) * 2020-08-25 2020-12-18 西北工业大学 一种基于激光雷达的室内相对定位方法
CN112113557A (zh) * 2020-07-29 2020-12-22 中国人民解放军军事科学院国防科技创新研究院 一种基于插值法的多无人机相对定位预测方法及装置
CN113359171A (zh) * 2021-05-17 2021-09-07 交控科技股份有限公司 基于多传感器融合的定位方法、装置和电子设备
CN113602416A (zh) * 2021-08-09 2021-11-05 山东交通学院 无人船视觉感知系统
CN118089744A (zh) * 2024-04-25 2024-05-28 山东科技大学 一种基于组合导航定位技术的无人船回收方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104049269A (zh) * 2014-06-25 2014-09-17 哈尔滨工程大学 一种基于激光测距和mems/gps组合导航系统的目标导航测绘方法
CN104406605A (zh) * 2014-10-13 2015-03-11 中国电子科技集团公司第十研究所 机载多导航源综合导航仿真系统
CN104616349A (zh) * 2015-01-30 2015-05-13 天津大学 基于局部曲面变化因子的散乱点云数据精简处理方法
CN106022381A (zh) * 2016-05-25 2016-10-12 厦门大学 基于车载激光扫描点云的路灯杆自动提取技术
US20170023473A1 (en) * 2015-07-21 2017-01-26 Airbus Ds Electronics And Border Security Gmbh Method for segmenting the data of a 3d sensor produced in the presence of aerosol clouds for increasing the situational awareness and the location detection of obstacles
CN109269471A (zh) * 2018-11-09 2019-01-25 上海华测导航技术股份有限公司 一种新型gnss接收机倾斜测量系统及方法
CN110070570A (zh) * 2019-03-20 2019-07-30 重庆邮电大学 一种基于深度信息的障碍物检测系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104049269A (zh) * 2014-06-25 2014-09-17 哈尔滨工程大学 一种基于激光测距和mems/gps组合导航系统的目标导航测绘方法
CN104406605A (zh) * 2014-10-13 2015-03-11 中国电子科技集团公司第十研究所 机载多导航源综合导航仿真系统
CN104616349A (zh) * 2015-01-30 2015-05-13 天津大学 基于局部曲面变化因子的散乱点云数据精简处理方法
US20170023473A1 (en) * 2015-07-21 2017-01-26 Airbus Ds Electronics And Border Security Gmbh Method for segmenting the data of a 3d sensor produced in the presence of aerosol clouds for increasing the situational awareness and the location detection of obstacles
CN106022381A (zh) * 2016-05-25 2016-10-12 厦门大学 基于车载激光扫描点云的路灯杆自动提取技术
CN109269471A (zh) * 2018-11-09 2019-01-25 上海华测导航技术股份有限公司 一种新型gnss接收机倾斜测量系统及方法
CN110070570A (zh) * 2019-03-20 2019-07-30 重庆邮电大学 一种基于深度信息的障碍物检测系统及方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
GUOJUN WANG: "A Point Cloud-Based Robust Road Curb Detection and Tracking Method" *
LINLIN ZHAO: "Application of an Improved Lifting Wavelet Method in the GNSS/INS Integrated Navigation Receiver" *
杨澜: "融合ＧＰＳ／ＳＩＮＳ的容积卡尔曼滤波智能 车位置姿态估计方法" *
段建民;王昶人;任璐;刘丹;: "基于多层激光雷达的可行驶区域信息提取算法", no. 10 *
胡 颖: "无人驾驶车辆双目视觉 障碍物检测研究", pages 5 *
裴忠海: "The Explicit Tuning Investigation and Validation of a Full Kalman Filter-Based Tracking Loop in GNSS Receivers" *
裴忠海: "基于SINS/DVL/GPS组合导航技术湖面试验验证" *
马宏阳;程鹏飞;黄华东;: "GPS/INS位置、速度和姿态全组合导航系统研究", no. 03 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112113557A (zh) * 2020-07-29 2020-12-22 中国人民解放军军事科学院国防科技创新研究院 一种基于插值法的多无人机相对定位预测方法及装置
CN112099039A (zh) * 2020-08-25 2020-12-18 西北工业大学 一种基于激光雷达的室内相对定位方法
CN112099039B (zh) * 2020-08-25 2024-05-31 西北工业大学 一种基于激光雷达的室内相对定位方法
CN113359171A (zh) * 2021-05-17 2021-09-07 交控科技股份有限公司 基于多传感器融合的定位方法、装置和电子设备
CN113359171B (zh) * 2021-05-17 2023-03-14 交控科技股份有限公司 基于多传感器融合的定位方法、装置和电子设备
CN113602416A (zh) * 2021-08-09 2021-11-05 山东交通学院 无人船视觉感知系统
CN118089744A (zh) * 2024-04-25 2024-05-28 山东科技大学 一种基于组合导航定位技术的无人船回收方法

Also Published As

Publication number Publication date
CN111090283B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
Wu et al. Survey of underwater robot positioning navigation
CN111090283B (zh) 一种无人艇组合定位定向方法和系统
Stateczny et al. Shore construction detection by automotive radar for the needs of autonomous surface vehicle navigation
Cesetti et al. A vision-based guidance system for UAV navigation and safe landing using natural landmarks
Quist et al. Radar odometry on fixed-wing small unmanned aircraft
CN105759829A (zh) 基于激光雷达的微型无人机操控方法及系统
US20210191400A1 (en) Autonomous vessel simulation system and operating method thereof
Shan et al. LiDAR-based stable navigable region detection for unmanned surface vehicles
Han et al. GPS-less coastal navigation using marine radar for USV operation
CN114077249B (zh) 一种作业方法、作业设备、装置、存储介质
Cahyadi et al. Performance of GPS and IMU sensor fusion using unscented Kalman filter for precise i-Boat navigation in infinite wide waters
CN115031726A (zh) 一种数据融合导航定位方法
Loebis et al. Review of multisensor data fusion techniques and their application to autonomous underwater vehicle navigation
Li et al. Collaborative positioning for swarms: A brief survey of vision, LiDAR and wireless sensors based methods
Kamat et al. A survey on autonomous navigation techniques
Xu et al. An effective stereo SLAM with high-level primitives in underwater environment
Quist UAV navigation and radar odometry
Bayrak et al. COLREG-Compliant Simulation Environment for Verifying USV Motion Planning Algorithms
Bikmaev et al. Visual Localization of a Ground Vehicle Using a Monocamera and Geodesic-Bound Road Signs
Al-Kaff Vision-based navigation system for unmanned aerial vehicles
Marut et al. Visual-based landing system of a multirotor UAV in GNSS denied environment
Leedekerken et al. Mapping complex marine environments with autonomous surface craft
Cesetti et al. A single-camera feature-based vision system for helicopter autonomous landing
Sanna et al. A novel ego-motion compensation strategy for automatic target tracking in FLIR video sequences taken from UAVs
Mondal et al. Non-GNSS navigation systems in aerial vehicles (multi-rotors)

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