CN111156964A - 一种高度测量方法、系统、移动终端和存储介质 - Google Patents
一种高度测量方法、系统、移动终端和存储介质 Download PDFInfo
- Publication number
- CN111156964A CN111156964A CN202010038289.1A CN202010038289A CN111156964A CN 111156964 A CN111156964 A CN 111156964A CN 202010038289 A CN202010038289 A CN 202010038289A CN 111156964 A CN111156964 A CN 111156964A
- Authority
- CN
- China
- Prior art keywords
- time point
- positioning time
- height
- value
- current positioning
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
- G01C5/06—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels by using barometric means
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种高度测量方法、系统、移动终端和存储介质,其方法包括:分别获取各定位时间点前后预设时间段内的气压数据和惯导数据;根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值;根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值;根据第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。本发明在利用气压数据的同时使用了移动终端的运动状态作为高度估计的依据,从而更能够克服环境噪声所产生的干扰,提升移动终端的高度值测量准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤指一种高度测量方法、系统、移动终端和存储介质。
背景技术
现有的移动终端高度预测方法主要是基于两种数据源,一种是基站站点数据和气压数据。基站数据测量终端所在高度一般使用AOA(angle of arrival)和TOA(time ofarrival)的方法,AOA方法受外界环境影响较大尤其是多径干扰,TOA方法需要严格的时间同步对设备要求十分的高。基于气压数据的方法主要有气压差分测高法,这种方法在气压波动大的场景下误差会逐渐累积,且对气压传感器的精度要求也非常高。
发明内容
本发明的目的是提供一种高度测量方法、系统、移动终端和存储介质,实现在利用气压数据的同时使用了移动终端的运动状态作为高度估计的依据,从而更能够克服环境噪声所产生的干扰,提升移动终端的高度值测量准确性。
本发明提供的技术方案如下:
本发明提供一种高度测量方法,包括步骤:
分别获取各定位时间点前后预设时间段内的气压数据和惯导数据;
根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值;
根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值;
根据所述第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。
进一步的,所述根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值包括步骤:
根据当前定位时间点前后预设时间段内的气压数据,进行均值计算得到所述当前定位时间点的气压值;
根据上一定位时间点前后预设时间段内的气压数据,进行均值计算得到所述上一定位时间点的气压值;
根据所述当前定位时间点的气压值和上一定位时间点的气压值,计算得到所述当前定位时间点对应的第一类高度值,直至计算得到各定位时间点对应的第一类高度值。
进一步的,所述根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值包括步骤:
根据当前定位时间点前后预设时间段内的惯导数据,进行均值计算得到所述当前定位时间点的运动状态值;
根据上一定位时间点前后预设时间段内的惯导数据,进行均值计算得到所述上一定位时间点的运动状态值;
根据所述当前定位时间点的运动状态值和上一定位时间点的运动状态值,计算得到所述当前定位时间点对应的第二类高度值,直至计算得到各定位时间点对应的第二类高度值。
进一步的,所述根据所述第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值包括步骤:
根据各定位时间点分别对应的第一类高度值和第二类高度值,建立各定位时间点对应的融合高度矩阵;
根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的融合高度矩阵以及状态空间模型,按照第一预设公式计算得到当前定位时间点对应的高度融合计算模型;
根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第一类高度值以及状态空间模型,按照第二预设公式计算得到当前定位时间点对应的第一类高度计算模型;
根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第二类高度值以及状态空间模型,按照第三预设公式计算得到当前定位时间点对应的第二类高度计算模型;
根据上一定位时间点对应的噪声协方差矩阵、当前定位时间点对应的融合高度偏导结果、当前定位时间点对应的融合高度偏导取反结果,按照第四预设公式计算得到当前定位时间点对应的噪声协方差矩阵;
根据气压传感器的第一噪声方差以及惯性传感器的第二噪声方差计算得到融合噪声方差;
根据所述融合噪声方差,以及当前定位时间点对应的噪声协方差矩阵按照第五预设公式计算得到卡尔曼增益;
根据所述卡尔曼增益、当前定位时间点对应的高度融合计算模型、当前定位时间点对应的第一类高度计算模型、当前定位时间点对应的第二类高度计算模型,按照第六预设公式计算得到当前定位时间点所述移动终端的最终高度值,直至计算得到定位时间点所述移动终端的最终高度值为止。
本发明还提供一种高度测量系统,包括:气压传感器和惯性传感器;还包括:
储存模块,用于从所述气压传感器和惯性传感器获取定位时间点的气压数据和惯导数据;
获取模块,用于从所述储存模块分别获取各定位时间点前后预设时间段内的气压数据和惯导数据;
第一高度计算模块,用于根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值;
第二高度计算模块,用于根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值;
高度值运算模块,用于根据所述第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。
进一步的,所述第一高度计算模块包括:
第一均值计算单元,用于根据当前定位时间点前后预设时间段内的气压数据,进行均值计算得到所述当前定位时间点的气压值;根据上一定位时间点前后预设时间段内的气压数据,进行均值计算得到所述上一定位时间点的气压值;
第一高度计算单元,用于根据所述当前定位时间点的气压值和上一定位时间点的气压值,计算得到所述当前定位时间点对应的第一类高度值,直至计算得到各定位时间点对应的第一类高度值。
进一步的,所述第二高度计算模块包括:
第二均值计算单元,用于根据当前定位时间点前后预设时间段内的惯导数据,进行均值计算得到所述当前定位时间点的运动状态值;根据上一定位时间点前后预设时间段内的惯导数据,进行均值计算得到所述上一定位时间点的运动状态值;
第二高度计算单元,用于根据所述当前定位时间点的运动状态值和上一定位时间点的运动状态值,计算得到所述当前定位时间点对应的第二类高度值,直至计算得到各定位时间点对应的第二类高度值。
进一步的,所述高度值运算模块包括:
融合高度矩阵获取单元,用于根据各定位时间点分别对应的第一类高度值和第二类高度值,建立各定位时间点对应的融合高度矩阵;
高度融合计算模型获取单元,用于根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的融合高度矩阵以及状态空间模型,按照第一预设公式计算得到当前定位时间点对应的高度融合计算模型;
第一类高度计算模型获取单元,用于根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第一类高度值以及状态空间模型,按照第二预设公式计算得到当前定位时间点对应的第一类高度计算模型;
第二类高度计算模型获取单元,用于根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第二类高度值以及状态空间模型,按照第三预设公式计算得到当前定位时间点对应的第二类高度计算模型;
噪声协方差矩阵获取单元,用于根据上一定位时间点对应的噪声协方差矩阵、当前定位时间点对应的融合高度偏导结果、当前定位时间点对应的融合高度偏导取反结果,按照第四预设公式计算得到当前定位时间点对应的噪声协方差矩阵;
融合噪声方差获取单元,用于根据气压传感器的第一噪声方差以及惯性传感器的第二噪声方差计算得到融合噪声方差;
卡尔曼增益获取单元,用于根据所述融合噪声方差,以及当前定位时间点对应的噪声协方差矩阵按照第五预设公式计算得到卡尔曼增益;
最终高度值计算单元,用于根据所述卡尔曼增益、当前定位时间点对应的高度融合计算模型、当前定位时间点对应的第一类高度计算模型、当前定位时间点对应的第二类高度计算模型,按照第六预设公式计算得到当前定位时间点所述移动终端的最终高度值,直至计算得到定位时间点所述移动终端的最终高度值为止。
本发明还提供一种移动终端,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器,用于执行所述存储器上所存放的计算机程序,实现上述的高度测量方法所执行的操作。
本发明还提供一种存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述的高度测量方法所执行的操作。
通过本发明提供的一种高度测量方法、系统、移动终端和存储介质,能够在利用气压数据的同时使用了移动终端的运动状态作为高度估计的依据,从而更能够克服环境噪声所产生的干扰,提升移动终端的高度值测量准确性。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对一种高度测量方法、系统、移动终端和存储介质的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种高度测量方法的一个实施例的流程图;
图2是本发明一种高度测量方法的另一个实施例的流程图;
图3是本发明一种高度测量方法的另一个实施例的流程图;
图4是本发明一种高度测量系统的一个实施例的结构示意图;
图5是本发明一种计算机设备的一个实施例的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
具体实现中,本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其他便携式设备。
移动终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、网络创建应用程序、文字处理应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄像机应用程序、Web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
另外,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
本发明的一个实施例,如图1所示,一种高度测量方法,包括:
S100分别获取各定位时间点前后预设时间段内的气压数据和惯导数据;
具体的,本发明主要基于气压传感器采集到的气压数据和惯导数据,在对气压数据和惯导数据直接使用之前需要进行预处理。
本方案数据采集使用的是多点采集策略,一定时间段内会采集到多个数据点,因此本方案会将多点数值均值化。定义当前定位时间点为t,当前定位时间点为t对应的上一定位时间点为t-1,当前定位时间点t对应的下一定位时间点为t+1,每一定位时间点对应的时间单位相同,例如假设当前定位时间点为2019年12月12日10:00:02,则上一定位时间点为2019年12月12日10:00:01,下一定位时间点为2019年12月12日10:00:03。
S200根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值;
S300根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值;
S400根据第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。
具体的,本实施例中,S200与S300之间没有先后顺序。本发明为实现对移动终端的高度位置估计,使用了两份传感器数据,分别是气压数据和惯导数据,基于卡尔曼滤波的方法实现移动终端的高度估计。本方案主要涉及到三个步骤,首先是气压数据和惯导数据的采集与入库,其次是根据气压数据进行高度测量得到各定位时间点对应的第一类高度值,以及根据惯导数据进行高度测量各定位时间点对应的第二类高度值,最后根据第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。
本发明基于卡尔曼滤波算法,结合移动终端的气压传感器和惯性传感器数据预测移动终端所在的高度位置。本发明无需布置任何的基站,不打扰移动终端使用者,在利用气压数据的同时使用了移动终端的运动状态作为高度估计的依据,从而更能够克服环境噪声所产生的干扰。
本发明的一个实施例,如图2所示,一种高度测量方法,包括:
S100分别获取各定位时间点前后预设时间段内的气压数据和惯导数据;
S210根据当前定位时间点前后预设时间段内的气压数据,进行均值计算得到当前定位时间点的气压值;
S220根据上一定位时间点前后预设时间段内的气压数据,进行均值计算得到上一定位时间点的气压值;
具体的,假设气压传感器在当前定位时间点t前后的2T时间段内以t/2T(HZ)的频率采集气压数据,则所采集的气压数据可以表示为{Xt-k,…,Xt-1,Xt,Xt+1,…,Xt+k},其中,k为正整数,且k≥2。那么当前定位时间点t的气压值可以表示为
通过上述公式能进行均值计算得到当前定位时间点的气压值以及上一定位时间点的气压值,因此,可以根据定位时间点前后预设时间段内的气压数据计算得到定位时间点的气压值,将定位时间点对应的气压值储存起来,以便后续根据各定位时间点的气压值进行高度计算。
S230根据当前定位时间点的气压值和上一定位时间点的气压值,计算得到当前定位时间点对应的第一类高度值,直至计算得到各定位时间点对应的第一类高度值;
具体的,众所周知,大气气压是与高度存在一定的关系的,我们可以依据气压大致推测到移动终端所在的高度。每一个点的数据可以写作楼层高度变化和气压变化的关系可以表示为:
其中,Pt-1表示上一定位时间点移动终端所在楼层的气压值,Pt表示当前定位时间点移动终端所在楼层的气压值,Tt表示当前定位时间点移动终端所处环境的环境温度,ΔH表示移动终端移动的高度变化量,移动的高度变化量为前一个海拔高度到后一个海拔高度的差值,Ht表示当前定位时间点对应的第一类高度值,Ht-1表示当前定位时间点对应的第一类高度值,m表示第一测量误差。
根据当前定位时间点的气压值和上一定位时间点的气压值代入上述公式(1),能够计算得到当前定位时间点对应的第一类高度值。同理,根据下一定位时间点的气压值和当前定位时间点的气压值代入上述公式(1),能够计算得到下一定位时间点对应的第一类高度值,如此反复从而能够计算得到各定位时间点对应的第一类高度值。
S310根据当前定位时间点前后预设时间段内的惯导数据,进行均值计算得到当前定位时间点的运动状态值;
S320根据上一定位时间点前后预设时间段内的惯导数据,进行均值计算得到上一定位时间点的运动状态值;
具体的,假设惯性传感器在当前定位时间点t前后的2T时间段内以t/2T(HZ)的频率采集惯导数据,则所采集的惯导数据可以表示为{Yt-k,…,Yt-1,Yt,Yt+1,…,Yt+k},其中,k为正整数,且k≥2。那么当前定位时间点t的运动状态值可以表示为
其中,惯导数据包括加速度和速度,运动状态值包括加速度值和速度值,惯导数据中的加速度和速度均使用上述的方法进行均值计算。例如,所采集的加速度数据可以表示为{at-k,…,at-1,at,at+1,…,at+k},其中,k为正整数,且k≥2。那么当前定位时间点t的加速度值可以表示为
通过上述公式能进行均值计算得到当前定位时间点的运动状态值(加速度值或者速度值)以及上一定位时间点的运动状态值(加速度值或者速度值),因此,可以根据定位时间点前后预设时间段内的惯导数据(加速度数据或者速度数据)计算得到定位时间点的运动状态值(加速度值或者速度值),将定位时间点对应的运动状态值(加速度值或者速度值)储存起来,以便后续根据各定位时间点的运动状态值(加速度值或者速度值)进行高度计算。
S330根据当前定位时间点的运动状态值和上一定位时间点的运动状态值,计算得到当前定位时间点对应的第二类高度值,直至计算得到各定位时间点对应的第二类高度值;
具体的,移动终端的运动过程会产生多个方向的运动分量,在本方案中只使用与地面垂直方向上的变化量。由储存的各定位时间点对应的运动状态值(加速度值或者速度值)进行计算得到垂直运动数值,然后通过二次积分可以得到移动终端在垂直方向上运动的位移。
众所周知,位移与速度和加速度之间的计算公式为:
其中,St-1表示上一定位时间点对应的第二类高度值,St表示当前定位时间点对应的第二类高度值,ΔS表示移动终端移动的高度变化量,移动的高度变化量为前一个高度到后一个高度的差值,表示上一定位时间点移动终端的加速度值,表示当前定位时间点移动终端的加速度值,表示上一定位时间点移动终端的速度值,n表示第二测量误差。
根据当前定位时间点的加速度值和上一定位时间点的速度值和加速度值代入上述公式(2),能够计算得到当前定位时间点对应的第二类高度值。同理根据下一定位时间点的加速度值和当前定位时间点的速度值和加速度值代入上述公式(2),能够计算得到下一定位时间点对应的第一类高度值。如此反复从而能够计算得到各定位时间点对应的第一类高度值。
S400根据第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。
具体的,本实施例与上述实施例相同的部分参见上述实施例,在此不再一一赘述。
本实施例中,本发明为实现对移动终端的高度位置估计,使用了两份传感器数据,分别是气压数据和惯导数据,基于卡尔曼滤波的方法实现移动终端的高度估计。本方案主要涉及到三个步骤,首先是气压数据和惯导数据的采集与入库,其次是根据气压数据进行高度测量得到各定位时间点对应的第一类高度值,以及根据惯导数据进行高度测量各定位时间点对应的第二类高度值,最后根据第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。
本发明基于卡尔曼滤波算法,结合移动终端的气压传感器和惯性传感器数据预测移动终端所在的高度位置。本发明无需布置任何的基站,不打扰移动终端使用者,在利用气压数据的同时使用了移动终端的运动状态作为高度估计的依据,从而更能够克服环境噪声所产生的干扰。
本发明的一个实施例,如图3所示,一种高度测量方法,包括:
S100分别获取各定位时间点前后预设时间段内的气压数据和惯导数据;
S200根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值;
S300根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值;
S410根据各定位时间点分别对应的第一类高度值和第二类高度值,建立各定位时间点对应的融合高度矩阵;
具体的,将各定位时间点分别对应的第一类高度值和第二类高度值,建立各定位时间点对应的融合高度矩阵。示例性的,将当前定位时间点对应的第一类高度值St和当前定位时间点对应的第二类高度值Ht建立当前定位时间点对应的融合高度矩阵Zt=[St,Ht]。同理,将下一定位时间点对应的第一类高度值St-1和下一定位时间点对应的第二类高度值Ht-1建立下一定位时间点对应的融合高度矩阵Zt-1=[St-1,Ht-1]。如此反复,直至建立各定位时间点对应的融合高度矩阵为止,将各定位时间点对应的融合高度矩阵储存起来,以便后续根据各定位时间点的融合高度矩阵进行计算。
S420根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的融合高度矩阵以及状态空间模型,按照第一预设公式计算得到当前定位时间点对应的高度融合计算模型;
其中,xt表示上一高度值,ft表示当前定位时间点的的状态空间模型,ut表示卡尔曼滤波的观测模型,w表示过程噪声。
如此重复上述计算过程,直至计算得到各定位时间点对应的高度融合计算模型为止。将各定位时间点对应的高度融合计算模型储存起来,以便后续根据各定位时间点对应的高度融合计算模型进行计算。
S430根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第一类高度值以及状态空间模型,按照第二预设公式计算得到当前定位时间点对应的第一类高度计算模型;
其中,Ht-1表示当前定位时间点对应的第一类高度值,ft表示当前定位时间点的的状态空间模型,ut表示卡尔曼滤波的观测模型,w表示过程噪声。
将当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第一类高度值以及状态空间模型代入第二预设公式,即上述公式(4)计算得到当前定位时间点对应的第一类高度计算模型。
同理,将下一定位时间点对应的观测模型和下一定位时间点对应的过程噪声,以及当前定位时间点对应的第一类高度值以及状态空间模型代入第二预设公式,即上述公式(4)计算得到下一定位时间点对应的第一类高度计算模型
如此重复上述计算过程,直至计算得到各定位时间点对应的第一类高度计算模型为止。将各定位时间点对应的第一类高度计算模型储存起来,以便后续根据各定位时间点对应的第一类高度计算模型进行计算。
S440根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第二类高度值以及状态空间模型,按照第三预设公式计算得到当前定位时间点对应的第二类高度计算模型;
其中,St-1表示当前定位时间点对应的第二类高度值,ft表示当前定位时间点的的状态空间模型,ut表示卡尔曼滤波的观测模型,w表示过程噪声。
将当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第二类高度值以及状态空间模型代入第三预设公式,即上述公式(5)计算得到当前定位时间点对应的第二类高度计算模型。
同理,将下一定位时间点对应的观测模型和下一定位时间点对应的过程噪声,以及当前定位时间点对应的第二类高度值以及状态空间模型代入第三预设公式,即上述公式(5)计算得到下一定位时间点对应的第二类高度计算模型
如此重复上述计算过程,直至计算得到各定位时间点对应的第二类高度计算模型为止。将各定位时间点对应的第二类高度计算模型储存起来,以便后续根据各定位时间点对应的第二类高度计算模型进行计算。
S450根据上一定位时间点对应的噪声协方差矩阵、当前定位时间点对应的融合高度偏导结果、当前定位时间点对应的融合高度偏导取反结果,按照第四预设公式计算得到当前定位时间点对应的噪声协方差矩阵;
具体的,由于已知当前定位时间点对应的融合高度矩阵Zt=[St,Ht],以及当前定位时间点的状态空间模型ft,则计算得到当前定位时间点对应的融合高度偏导结果为并且对融合高度偏导结果为进行取反计算得到当前定位时间点对应的融合高度偏导取反结果Ft T。
将上一定位时间点对应的噪声协方差矩阵Rt-1、当前定位时间点对应的融合高度偏导结果当前定位时间点对应的融合高度偏导取反结果Ft T代入下列公式(6),即第四预设公式中计算得到当前定位时间点对应的噪声协方差矩阵Rt。
如此重复上述计算过程,直至计算得到各定位时间点对应的噪声协方差矩阵为止。将各定位时间点对应的噪声协方差矩阵储存起来,以便后续根据各定位时间点对应的噪声协方差矩阵进行计算。
S460根据气压传感器的第一噪声方差以及惯性传感器的第二噪声方差计算得到融合噪声方差;
S470根据融合噪声方差,以及当前定位时间点对应的噪声协方差矩阵按照第五预设公式计算得到卡尔曼增益;
具体的,将融合噪声方差Q和当前定位时间点对应的噪声协方差矩阵Rt代入至下列公式(8),即第五预设公式中计算得到卡尔曼增益K。
K=Rt(Rt+Q)-1 (8)
S480根据卡尔曼增益、当前定位时间点对应的高度融合计算模型、当前定位时间点对应的第一类高度计算模型、当前定位时间点对应的第二类高度计算模型,按照第六预设公式计算得到移动终端在当前定位时间点的最终高度值,直至计算得到移动终端在各定位时间点的最终高度值为止。
具体的,将卡尔曼增益K、当前定位时间点对应的高度融合计算模型当前定位时间点对应的第一类高度计算模型当前定位时间点对应的第二类高度计算模型代入下列公式(9),即第六预设公式中计算得到移动终端在当前定位时间点的最终高度值,如此反复,直至计算得到移动终端在各定位时间点的最终高度值为止。
本发明基于气压数据和惯导数据,结合卡尔曼滤波理论,有效的过滤了测量和观察过程中带来的噪声,最终得到了精准的移动终端高度值。一方面本方案结构简单,过程理论支撑完整,在任何具备惯性传感器和气压传感器的移移动终端皆可以应用。另一方面,本方案采用了两种传感数据,系统可靠性高,抗干扰能力强。
本发明数据获取过程简单,数据直接来源于移动终端所设置的气压传感器和惯性传感器,数据运算量少,可以由移动终端运算处理得到移动终端的高度值,或者也可以由移动终端从设于自身的气压传感器和惯性传感器采集气压数据和惯导数据后上传至云端服务器,由云端服务器运算处理得到移动终端的高度值,部署推广十分方便,应用场景广泛。此外,相比于差分测量等其他方案,本方案对于移动终端所在高度测量的结果精度更高。
本发明的一个实施例,如图4所示,一种高度测量系统包括:
气压传感器10和惯性传感器10;还包括:
储存模块30,用于从气压传感器10和惯性传感器获取定位时间点的气压数据和惯导数据;
获取模块40,用于从储存模块30分别获取各定位时间点前后预设时间段内的气压数据和惯导数据;
第一高度计算模块50,用于根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值;
第二高度计算模块60,用于根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值;
高度值运算模块70,用于根据第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。
基于前述实施例,第一高度计算模块50包括:
第一均值计算单元,用于根据当前定位时间点前后预设时间段内的气压数据,进行均值计算得到当前定位时间点的气压值;根据上一定位时间点前后预设时间段内的气压数据,进行均值计算得到上一定位时间点的气压值;
第一高度计算单元,用于根据当前定位时间点的气压值和上一定位时间点的气压值,计算得到当前定位时间点对应的第一类高度值,直至计算得到各定位时间点对应的第一类高度值。
基于前述实施例,第二高度计算模块60包括:
第二均值计算单元,用于根据当前定位时间点前后预设时间段内的惯导数据,进行均值计算得到当前定位时间点的运动状态值;根据上一定位时间点前后预设时间段内的惯导数据,进行均值计算得到上一定位时间点的运动状态值;
第二高度计算单元,用于根据当前定位时间点的运动状态值和上一定位时间点的运动状态值,计算得到当前定位时间点对应的第二类高度值,直至计算得到各定位时间点对应的第二类高度值。
基于前述实施例,高度值运算模块70包括:
融合高度矩阵获取单元,用于根据各定位时间点分别对应的第一类高度值和第二类高度值,建立各定位时间点对应的融合高度矩阵;
高度融合计算模型获取单元,用于根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的融合高度矩阵以及状态空间模型,按照第一预设公式计算得到当前定位时间点对应的高度融合计算模型;
第一类高度计算模型获取单元,用于根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第一类高度值以及状态空间模型,按照第二预设公式计算得到当前定位时间点对应的第一类高度计算模型;
第二类高度计算模型获取单元,用于根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第二类高度值以及状态空间模型,按照第三预设公式计算得到当前定位时间点对应的第二类高度计算模型;
噪声协方差矩阵获取单元,用于根据上一定位时间点对应的噪声协方差矩阵、当前定位时间点对应的融合高度偏导结果、当前定位时间点对应的融合高度偏导取反结果,按照第四预设公式计算得到当前定位时间点对应的噪声协方差矩阵;
融合噪声方差获取单元,用于根据气压传感器10的第一噪声方差以及惯性传感器10的第二噪声方差计算得到融合噪声方差;
卡尔曼增益获取单元,用于根据融合噪声方差,以及当前定位时间点对应的噪声协方差矩阵按照第五预设公式计算得到卡尔曼增益;
最终高度值计算单元,用于根据卡尔曼增益、当前定位时间点对应的高度融合计算模型、当前定位时间点对应的第一类高度计算模型、当前定位时间点对应的第二类高度计算模型,按照第六预设公式计算得到移动终端在当前定位时间点的最终高度值,直至计算得到移动终端在各定位时间点的最终高度值为止。
具体的,本实施例是上述方法实施例对应的系统实施例,具体描述参见上述方法实施例,在此不再一一赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各程序模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的程序模块完成,即将所述装置的内部结构划分成不同的程序单元或模块,以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中,也可是各个单元单独物理存在,也可以两个或两个以上单元集成在一个处理单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序单元的形式实现。另外,各程序模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
本发明的一个实施例,如图5所示,一种移动终端100,包括处理器110、存储器120,其中,存储器120,用于存放计算机程序121;处理器110,用于执行存储器120上所存放的计算机程序121,实现上述图1-3任一所对应方法实施例中的高度测量方法。
所述移动终端100可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机、人机交互屏等设备。所述移动终端100可包括,但不仅限于处理器110、存储器120。本领域技术人员可以理解,图5仅仅是移动终端100的示例,并不构成对移动终端100的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如:移动终端100还可以包括输入/输出接口、显示设备、网络接入设备、通信总线、通信接口等。通信接口和通信总线,还可以包括输入/输出接口,其中,处理器110、存储器120、输入/输出接口和通信接口通过通信总线完成相互间的通信。该存储器120存储有计算机程序121,该处理器110用于执行存储器120上所存放的计算机程序121,实现上述图1-3任一所对应方法实施例中的高度测量方法。
所述处理器110可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器120可以是所述移动终端100的内部存储单元,例如:移动终端的硬盘或内存。所述存储器也可以是所述移动终端的外部存储设备,例如:所述移动终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器120还可以既包括所述移动终端100的内部存储单元也包括外部存储设备。所述存储器120用于存储所述计算机程序121以及所述移动终端100所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
通信总线是连接所描述的元素的电路并且在这些元素之间实现传输。例如,处理器110通过通信总线从其它元素接收到命令,解密接收到的命令,根据解密的命令执行计算或数据处理。存储器120可以包括程序模块,例如内核(kernel),中间件(middleware),应用程序编程接口(Application Programming Interface,API)和应用。该程序模块可以是有软件、固件或硬件、或其中的至少两种组成。输入/输出接口转发用户通过输入/输出接口(例如感应器、键盘、触摸屏)输入的命令或数据。通信接口将该移动终端100与其它网络设备、用户设备、网络进行连接。例如,通信接口可以通过有线或无线连接到网络以连接到外部其它的网络设备或用户设备。无线通信可以包括以下至少一种:无线保真(WiFi),蓝牙(BT),近距离无线通信技术(NFC),全球卫星定位系统(GPS)和蜂窝通信等等。有线通信可以包括以下至少一种:通用串行总线(USB),高清晰度多媒体接口(HDMI),异步传输标准接口(RS-232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物联网、电话网络。移动终端100可以通过通信接口连接网络,移动终端100和其它网络设备通信所用的协议可以被应用、应用程序编程接口(API)、中间件、内核和通信接口至少一个支持。
本发明的一个实施例,一种存储介质,存储介质中存储有至少一条指令,指令由处理器加载并执行以实现上述高度测量方法对应实施例所执行的操作。例如,存储介质可以是只读内存(ROM)、随机存取存储器(RAM)、只读光盘(CD-ROM)、磁带、软盘和光数据存储设备等。
它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述或记载的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/移动终端和方法,可以通过其他的方式实现。例如,以上所描述的装置/移动终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性、机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可能集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序121发送指令给相关的硬件完成,所述的计算机程序121可存储于一存储介质中,该计算机程序121在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序121可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述存储介质可以包括:能够携带所述计算机程序121的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如:在某些司法管辖区,根据立法和专利实践,计算机可读的存储介质不包括电载波信号和电信信号。
应当说明的是,上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种高度测量方法,其特征在于,包括步骤:
分别获取各定位时间点前后预设时间段内的气压数据和惯导数据;
根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值;
根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值;
根据所述第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。
2.根据权利要求1所述的高度测量方法,其特征在于,所述根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值包括步骤:
根据当前定位时间点前后预设时间段内的气压数据,进行均值计算得到所述当前定位时间点的气压值;
根据上一定位时间点前后预设时间段内的气压数据,进行均值计算得到所述上一定位时间点的气压值;
根据所述当前定位时间点的气压值和上一定位时间点的气压值,计算得到所述当前定位时间点对应的第一类高度值,直至计算得到各定位时间点对应的第一类高度值。
3.根据权利要求1所述的高度测量方法,其特征在于,所述根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值包括步骤:
根据当前定位时间点前后预设时间段内的惯导数据,进行均值计算得到所述当前定位时间点的运动状态值;
根据上一定位时间点前后预设时间段内的惯导数据,进行均值计算得到所述上一定位时间点的运动状态值;
根据所述当前定位时间点的运动状态值和上一定位时间点的运动状态值,计算得到所述当前定位时间点对应的第二类高度值,直至计算得到各定位时间点对应的第二类高度值。
4.根据权利要求1-3任一项所述的高度测量方法,其特征在于,所述根据所述第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值包括步骤:
根据各定位时间点分别对应的第一类高度值和第二类高度值,建立各定位时间点对应的融合高度矩阵;
根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的融合高度矩阵以及状态空间模型,按照第一预设公式计算得到当前定位时间点对应的高度融合计算模型;
根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第一类高度值以及状态空间模型,按照第二预设公式计算得到当前定位时间点对应的第一类高度计算模型;
根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第二类高度值以及状态空间模型,按照第三预设公式计算得到当前定位时间点对应的第二类高度计算模型;
根据上一定位时间点对应的噪声协方差矩阵、当前定位时间点对应的融合高度偏导结果、当前定位时间点对应的融合高度偏导取反结果,按照第四预设公式计算得到当前定位时间点对应的噪声协方差矩阵;
根据气压传感器的第一噪声方差以及惯性传感器的第二噪声方差计算得到融合噪声方差;
根据所述融合噪声方差,以及当前定位时间点对应的噪声协方差矩阵按照第五预设公式计算得到卡尔曼增益;
根据所述卡尔曼增益、当前定位时间点对应的高度融合计算模型、当前定位时间点对应的第一类高度计算模型、当前定位时间点对应的第二类高度计算模型,按照第六预设公式计算得到当前定位时间点所述移动终端的最终高度值,直至计算得到定位时间点所述移动终端的最终高度值为止。
5.一种高度测量系统,其特征在于,包括:气压传感器和惯性传感器;还包括:
储存模块,用于从所述气压传感器和惯性传感器获取定位时间点的气压数据和惯导数据;
获取模块,用于从所述储存模块分别获取各定位时间点前后预设时间段内的气压数据和惯导数据;
第一高度计算模块,用于根据各定位时间点前后预设时间段内的气压数据,计算得到各定位时间点对应的第一类高度值;
第二高度计算模块,用于根据各定位时间点前后预设时间段内的惯导数据,计算得到各定位时间点对应的第二类高度值;
高度值运算模块,用于根据所述第一类高度值和第二类高度值,以及卡尔曼滤波算法进行融合计算得到移动终端在各定位时间点的最终高度值。
6.根据权利要求5所述的高度测量系统,其特征在于,所述第一高度计算模块包括:
第一均值计算单元,用于根据当前定位时间点前后预设时间段内的气压数据,进行均值计算得到所述当前定位时间点的气压值;根据上一定位时间点前后预设时间段内的气压数据,进行均值计算得到所述上一定位时间点的气压值;
第一高度计算单元,用于根据所述当前定位时间点的气压值和上一定位时间点的气压值,计算得到所述当前定位时间点对应的第一类高度值,直至计算得到各定位时间点对应的第一类高度值。
7.根据权利要求5所述的高度测量系统,其特征在于,所述第二高度计算模块包括:
第二均值计算单元,用于根据当前定位时间点前后预设时间段内的惯导数据,进行均值计算得到所述当前定位时间点的运动状态值;根据上一定位时间点前后预设时间段内的惯导数据,进行均值计算得到所述上一定位时间点的运动状态值;
第二高度计算单元,用于根据所述当前定位时间点的运动状态值和上一定位时间点的运动状态值,计算得到所述当前定位时间点对应的第二类高度值,直至计算得到各定位时间点对应的第二类高度值。
8.根据权利要求5-7任一项所述的高度测量系统,其特征在于,所述高度值运算模块包括:
融合高度矩阵获取单元,用于根据各定位时间点分别对应的第一类高度值和第二类高度值,建立各定位时间点对应的融合高度矩阵;
高度融合计算模型获取单元,用于根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的融合高度矩阵以及状态空间模型,按照第一预设公式计算得到当前定位时间点对应的高度融合计算模型;
第一类高度计算模型获取单元,用于根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第一类高度值以及状态空间模型,按照第二预设公式计算得到当前定位时间点对应的第一类高度计算模型;
第二类高度计算模型获取单元,用于根据当前定位时间点对应的观测模型和当前定位时间点对应的过程噪声,以及上一定位时间点对应的第二类高度值以及状态空间模型,按照第三预设公式计算得到当前定位时间点对应的第二类高度计算模型;
噪声协方差矩阵获取单元,用于根据上一定位时间点对应的噪声协方差矩阵、当前定位时间点对应的融合高度偏导结果、当前定位时间点对应的融合高度偏导取反结果,按照第四预设公式计算得到当前定位时间点对应的噪声协方差矩阵;
融合噪声方差获取单元,用于根据气压传感器的第一噪声方差以及惯性传感器的第二噪声方差计算得到融合噪声方差;
卡尔曼增益获取单元,用于根据所述融合噪声方差,以及当前定位时间点对应的噪声协方差矩阵按照第五预设公式计算得到卡尔曼增益;
最终高度值计算单元,用于根据所述卡尔曼增益、当前定位时间点对应的高度融合计算模型、当前定位时间点对应的第一类高度计算模型、当前定位时间点对应的第二类高度计算模型,按照第六预设公式计算得到当前定位时间点所述移动终端的最终高度值,直至计算得到定位时间点所述移动终端的最终高度值为止。
9.一种移动终端,其特征在于,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器,用于执行所述存储器上所存放的计算机程序,实现如权利要求1至权利要求4任一项所述的高度测量方法所执行的操作。
10.一种存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1至权利要求4任一项所述的高度测量方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010038289.1A CN111156964B (zh) | 2020-01-14 | 2020-01-14 | 一种高度测量方法、系统、移动终端和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010038289.1A CN111156964B (zh) | 2020-01-14 | 2020-01-14 | 一种高度测量方法、系统、移动终端和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111156964A true CN111156964A (zh) | 2020-05-15 |
CN111156964B CN111156964B (zh) | 2022-02-08 |
Family
ID=70562759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010038289.1A Active CN111156964B (zh) | 2020-01-14 | 2020-01-14 | 一种高度测量方法、系统、移动终端和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111156964B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111912383A (zh) * | 2020-08-28 | 2020-11-10 | 广东电网有限责任公司电力科学研究院 | 一种高度测量方法、系统、储存介质以及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070093962A1 (en) * | 2005-10-24 | 2007-04-26 | Motorola, Inc. | Altitude correction of a navigational device |
CN102937449A (zh) * | 2012-10-19 | 2013-02-20 | 南京航空航天大学 | 惯性导航系统中跨音速段气压高度计和gps信息两步融合方法 |
CN105865446A (zh) * | 2016-05-25 | 2016-08-17 | 南京航空航天大学 | 基于大气辅助的惯性高度通道阻尼卡尔曼滤波方法 |
CN106681336A (zh) * | 2016-12-29 | 2017-05-17 | 湖北三江航天红峰控制有限公司 | 基于容错处理的无人飞行器高度测量控制系统及控制方法 |
CN110375710A (zh) * | 2018-08-14 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 飞行器高度的确定方法、装置和飞行器系统 |
-
2020
- 2020-01-14 CN CN202010038289.1A patent/CN111156964B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070093962A1 (en) * | 2005-10-24 | 2007-04-26 | Motorola, Inc. | Altitude correction of a navigational device |
CN102937449A (zh) * | 2012-10-19 | 2013-02-20 | 南京航空航天大学 | 惯性导航系统中跨音速段气压高度计和gps信息两步融合方法 |
CN105865446A (zh) * | 2016-05-25 | 2016-08-17 | 南京航空航天大学 | 基于大气辅助的惯性高度通道阻尼卡尔曼滤波方法 |
CN106681336A (zh) * | 2016-12-29 | 2017-05-17 | 湖北三江航天红峰控制有限公司 | 基于容错处理的无人飞行器高度测量控制系统及控制方法 |
CN110375710A (zh) * | 2018-08-14 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 飞行器高度的确定方法、装置和飞行器系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111912383A (zh) * | 2020-08-28 | 2020-11-10 | 广东电网有限责任公司电力科学研究院 | 一种高度测量方法、系统、储存介质以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111156964B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9116002B2 (en) | Context determination to assist location determination accuracy | |
CN110956666B (zh) | 运动数据标定方法、装置、终端设备及存储介质 | |
CN111625764B (zh) | 移动数据的校准方法、装置、电子设备和存储介质 | |
CN111190520A (zh) | 菜单项选择方法、装置、可读介质及电子设备 | |
KR20220079978A (ko) | 보정 방법 및 장치, 프로세서, 전자 기기, 저장 매체 | |
CN108387757B (zh) | 用于检测可移动设备的移动状态的方法和装置 | |
CN110837333A (zh) | 调整多媒体文件的播放进度方法、装置、终端及存储介质 | |
CN111156964B (zh) | 一种高度测量方法、系统、移动终端和存储介质 | |
CN111652675A (zh) | 展示方法、装置和电子设备 | |
CN111444591A (zh) | 软土土压平衡盾构隧道掘进速度确定方法及装置 | |
CN112489224A (zh) | 图像绘制方法、装置、可读介质及电子设备 | |
CN110990728B (zh) | 兴趣点信息的管理方法、装置、设备及存储介质 | |
CN110487264B (zh) | 修正地图的方法、装置、电子设备、及存储介质 | |
CN111930228A (zh) | 检测用户姿势的方法、装置、设备、存储介质 | |
WO2023151558A1 (zh) | 用于显示图像的方法、装置和电子设备 | |
CN114067030A (zh) | 动态流体效果处理方法、装置、电子设备和可读介质 | |
CN111461965A (zh) | 图片处理方法、装置、电子设备和计算机可读介质 | |
CN111563201A (zh) | 内容推送方法、装置、服务器及存储介质 | |
CN113129366A (zh) | 单目slam初始化方法、装置及电子设备 | |
CN110715654A (zh) | 终端设备的运动轨迹确定方法、装置、电子设备 | |
WO2022242441A1 (zh) | 电子表格导入方法、装置、设备及介质 | |
CN113191257B (zh) | 笔顺检测方法、装置和电子设备 | |
CN115272760A (zh) | 适用于森林火灾烟雾检测的小样本烟雾图像细分类方法 | |
CN112102400B (zh) | 基于距离的闭环检测方法、装置、电子设备和存储介质 | |
CN111586295B (zh) | 图像生成方法、装置和电子设备 |
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 |