CN111207734A - 一种基于ekf的无人机组合导航方法 - Google Patents
一种基于ekf的无人机组合导航方法 Download PDFInfo
- Publication number
- CN111207734A CN111207734A CN202010048409.6A CN202010048409A CN111207734A CN 111207734 A CN111207734 A CN 111207734A CN 202010048409 A CN202010048409 A CN 202010048409A CN 111207734 A CN111207734 A CN 111207734A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- measurement
- matrix
- moment
- 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
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
- G06F17/156—Correlation function computation including computation of convolution operations using a domain transform, e.g. Fourier transform, polynomial transform, number theoretic transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于EKF的无人机组合导航方法,该方法设计的组合导航系统可实时输出高精度的无人机姿态、速度以及位置信息;该方法可通过MATLAB直接生成可编程利用的代码,减少复杂的公式推导过程,并且可提高CPU 60%的运行效率;该方法可实时对量测信息进行一致性检测,防止误差较大的量测信息对滤波器造成的不利的影响;该方法可实时对滤波器的协方差矩阵进行正定性检测,防止滤波器发散,及时对滤波器进行调整。
Description
技术领域
本发明属于无人机技术领域,特别涉及一种基于EKF的无人机组合导航方法。
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、战场监视、火灾探测、环境与交通监测方面都得到了广泛的应用。无人机在执行任务期间周围环境复杂多变,为了顺利完成任务,优秀的组合导航方法至关重要。目前无人机常用的导航方法包括采用互补滤波的AHRS方法与基于误差方程的组合导航方法,但是基于互补滤波的AHRS方法不能满足无人机大机动情况下的导航需求,输出的姿态精度不能满足要求,这是互补滤波方法本身存在的缺陷,虽然有一些适用于机动的AHRS 方法,但是效果总是不尽人意,基于误差方程的组合导航方法能够满足无人机对导航系统的要求,但是需要建立复杂的导航系统误差方程,而且无人机使用的传感器类型很多,包括:GPS、电子罗盘、三轴陀螺仪、三轴加速度计、气压高度计、超声波测距仪、单/双目相机等,因此该过程过于繁琐,并且在使用过程中需要定期对误差进行反馈重置处理。
发明内容
本发明的目的在于提供一种基于EKF的无人机组合导航方法,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:
一种基于EKF的无人机组合导航方法,包括以下步骤:
步骤1,选取组合导航系统的状态向量Xk,构建状态向量的预测方程,计算状态预测的雅克比矩阵,此矩阵为状态转移矩阵Φk/k-1;
步骤4,将各个矩阵的表达式按字符串形式存储至文件,至此组合导航系统的可编程利用代码完成;
步骤5,在滤波器使用时加入量测一致性检查与协方差矩阵正定性检测。
进一步的,步骤1具体为:
选取无人机的姿态四元数、速度、位置、陀螺零偏与加速度计零偏为状态向量,其中为q0为无人机姿态四元数实部,q1、q2、q3为无人机姿态四元数虚部,vn为无人机北向速度,ve为无人机东向速度,vd为无人机地向速度,pn为无人机北向位置,pe为无人机东向位置, pd为无人机地向位置,εx为x轴陀螺零偏,εy为y轴陀螺零偏,εz为z轴陀螺零偏,为x轴加速度计零偏,为y轴加速度计零偏,为z轴加速度计零偏;
进一步的,无人机姿态四元数的状态预测包括:
k-1至k时刻无人机姿态四元数变化量计算公式如下:
其中:Δθx—k-1至k时刻无人机x轴角增量;Δθy—k-1至k时刻无人机y轴角增量;Δθz—k-1至k时刻无人机z轴角增量;k-1至k时刻无人机各轴角增量计算公式如下:
Δθx=(ωx-εx)·Δt
Δθy=(ωy-εy)·Δt
Δθz=(ωz-εz)·Δt
其中:ωx—无人机x轴陀螺输出的角速度;εx—无人机x轴陀螺零偏;ωy——无人机y轴陀螺输出的角速度;εy—无人机y轴陀螺零偏;ωz—无人机z轴陀螺输出的角速度;εz—无人机z轴陀螺零偏;Δt—k-1至k时刻时间间隔。
进一步的,无人机速度预测:
载体坐标系至导航坐标系的坐标转换矩阵的计算公式如下:
k-1至k时刻速度增量的计算公式如下:
其中:ax—无人机x轴加速度计输出的加速度;—无人机x轴加速度计零偏;ay—无人机y轴加速度计输出的加速度;—无人机y轴加速度计零偏;az—无人机z 轴加速度计输出的加速度;—无人机z轴加速度计零偏。
进一步的,无人机的位置预测:
无人机陀螺零偏与加速度计零偏的预测:
进一步的,步骤1中,状态转移矩阵Φk/k-1的计算:
设k时刻无人机的状态向量为k-1时刻无人机的状态向量为计算k时刻状态向量与k-1时刻状态向量雅克比矩阵,该矩阵通过调用MATLAB中的jacobian函数计算,即为k-1时刻至k时刻的状态转移矩阵Φk/k-1。
进一步的,步骤3中,量测矩阵的计算:
首先介绍姿态量测矩阵的计算
假设某系统可提供无人机的姿态角[γ θ ψ]T,γ为无人机滚转角,θ为无人机俯仰角,ψ为无人机航向角,无人机姿态角的预测值如下:
计算姿态量测预测值与状态向量的雅克比矩阵得到姿态量测矩阵Hatt;
速度与位置的量测矩阵的计算:
假设某系统可提供无人机的速度[vn ve vd]T与位置[pn pe pd]T,无人机的速度与位置预测值如下:
分别计算速度量测预测值与位置量测预测值与状态向量的雅克比矩阵得到速度的量测矩阵Hv与位置的量测矩阵Hp。
进一步的,EKF滤波实施过程如下:
状态预测
状态误差协方差矩阵预测
滤波器增益
状态误差协方差矩阵更新
状态更新
其中:
Pk-1—k-1时刻EKF滤波状态误差协方差矩阵;—k时刻EKF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EKF滤波状态误差协方差矩阵。
进一步的,量测进行一致性检测:
其它量测的一致性检测与北向速度的一致性检测相同,在进行EKF滤波时分别对每个量测进行一致性检测,一致性检测通过后再进行滤波器协方差矩阵正定性检测,假如该量测没有通过一致性检测,则只进行状态预测与状态误差协方差矩阵预测,不进行滤波器协方差矩阵正定性检测。
进一步的,滤波器协方差矩阵正定性检测:
进行EKF滤波时,只有量测通过一致性检测,滤波器协方差矩阵通过正定性检测才利用该量测对滤波器状态进行修正,只要有一个检测未通过,均不可利用该量测对滤波器状态进行修正,只进行状态预测与状态误差协方差矩阵预测。
与现有技术相比,本发明有以下技术效果:
本发明提供一种基于EKF的无人机组合导航方法,该方法设计的组合导航系统可实时输出高精度的无人机姿态、速度以及位置信息;该方法可通过MATLAB直接生成可编程利用的代码,减少复杂的公式推导过程,并且可提高CPU 60%的运行效率;该方法可实时对量测信息进行一致性检测,防止误差较大的量测信息对滤波器造成的不利的影响;该方法可实时对滤波器的协方差矩阵进行正定性检测,防止滤波器发散,及时对滤波器进行调整。
解决了现有技术中计算量大、鲁棒性差以及模型建立过程复杂繁琐的问题。
本发明计算量小,实时性高。
本发明可直接输出无人机的姿态、速度与位置,不需要建立复杂的误差模型。
本发明设计过程简单,模型建立与代码生成全部由MATLAB自动完成。
本发明可实时对量测信息进行一致性检测,防止误差较大的量测对滤波器造成影响。
本发明可实时对滤波器协方差矩阵进行正定性检测,防止滤波器发散,并及时对滤波器进行调整。
附图说明
图1是基于EKF的无人机组合导航方法功能框图;
图2是序贯滤波流程框图。
具体实施方式
以下结合附图对本发明进一步说明:
本发明提出的一种基于EKF的无人机组合导航方法的具体实施方式如下:
第一步选取组合导航系统的状态向量(Xk),构建状态向量的预测方程,在MATLAB中计算状态预测的雅克比矩阵,此矩阵为状态转移矩阵(Φk/k-1),至此,状态向量的预测过程完成。
第四步将各个矩阵的表达式按字符串形式存储至文件,至此组合导航系统的可编程利用代码完成,该代码可直接在程序中使用。
第五步在滤波器使用时加入量测一致性检查与协方差矩阵正定性检测,至此,基于 EKF的组合导航系统设计完成。
下面结合附图对本发明提出的一种基于EKF的无人机组合导航方法的原理进行详细说明。
选取无人机的姿态四元数、速度、位置、陀螺零偏与加速度计零偏为状态向量,即:其中为q0为无人机姿态四元数实部,q1、q2、q3为无人机姿态四元数虚部,vn为无人机北向速度,ve为无人机东向速度,vd为无人机地向速度,pn为无人机北向位置,pe为无人机东向位置, pd为无人机地向位置,εx为x轴陀螺零偏,εy为y轴陀螺零偏,εz为z轴陀螺零偏,为x轴加速度计零偏,为y轴加速度计零偏,为z轴加速度计零偏。系统的状态方程为
下面介绍状态向量的预测与Φk/k-1的计算过程:
首先介绍无人机姿态四元数的状态预测
k-1至k时刻无人机姿态四元数变化量计算公式如下:
其中:Δθx——k-1至k时刻无人机x轴角增量;Δθy——k-1至k时刻无人机y轴角增量;Δθz——k-1至k时刻无人机z轴角增量;
k-1至k时刻无人机各轴角增量计算公式如下:
Δθx=(ωx-εx)·Δt
Δθy=(ωy-εy)·Δt
Δθz=(ωz-εz)·Δt
其中:ωx——无人机x轴陀螺输出的角速度;εx——无人机x轴陀螺零偏;ωy——无人机y轴陀螺输出的角速度;εy——无人机y轴陀螺零偏;ωz——无人机z轴陀螺输出的角速度;εz——无人机z轴陀螺零偏;Δt——k-1至k时刻时间间隔;
至此无人机姿态四元数预测完成,下面介绍无人机速度预测
载体坐标系至导航坐标系的坐标转换矩阵的计算公式如下:
k-1至k时刻速度增量的计算公式如下:
其中:ax——无人机x轴加速度计输出的加速度;——无人机x轴加速度计零偏;ay——无人机y轴加速度计输出的加速度;——无人机y轴加速度计零偏;az——无人机z轴加速度计输出的加速度;——无人机z轴加速度计零偏;
至此,无人机的速度预测完成,下面介绍无人机的位置预测
至此,无人机位置预测完成,下面介绍无人机陀螺零偏与加速度计零偏的预测
至此无人机的状态向量的预测全部完成,下面介绍状态转移矩阵Φk/k-1的计算方法,设k时刻无人机的状态向量为k-1时刻无人机的状态向量为k-1时刻至k时刻状态向量的预测公式上面已介绍,因此只需计算k时刻状态向量与k-1时刻状态向量雅克比矩阵(该矩阵可通过调用MATLAB中的jacobian函数计算),即为k-1时刻至k时刻的状态转移矩阵Φk/k-1,至此已完成状态向量的预测过程与状态转移矩阵Φk/k-1的计算。下面介绍量测矩阵的计算,首先介绍姿态量测矩阵的计算
假设某系统可提供无人机的姿态角[γ θ ψ]T,γ为无人机滚转角,θ为无人机俯仰角,ψ为无人机航向角,无人机姿态角的预测值如下:
只需计算姿态量测预测值与状态向量的雅克比矩阵即可计算出姿态量测矩阵Hatt。至此已完成姿态量测矩阵的计算,下面介绍速度与位置的量测矩阵的计算。
假设某系统可提供无人机的速度[vn ve vd]T与位置[pn pe pd]T,无人机的速度与位置预测值如下:
只需分别计算速度量测预测值与位置量测预测值与状态向量的雅克比矩阵即可计算出速度的量测矩阵Hv与位置的量测矩阵Hp。至此已完成速度量测矩阵与位置量测矩阵的计算,下面只需根据EKF滤波方程计算误差协方差矩阵与增益矩阵的表达式并存储到文件中即可,EKF滤波实施过程如下:
状态预测
状态误差协方差矩阵预测
滤波器增益
状态误差协方差矩阵更新
状态更新
其中:Pk-1——k-1时刻EKF滤波状态误差协方差矩阵;——k时刻EKF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EKF滤波状态误差协方差矩阵;
为了增加系统的鲁棒性,避免误差较大的量测对滤波器造成不利的影响,需要实时对量测进行一致性检测,为了实现对每个量测分别进行一致性检测,需要将上述EKF滤波形式设计为序贯滤波的形式,序贯滤波的实施流程图如图2所示,下面介绍对量测进行一致性检测的方法。
其它量测的一致性检测与北向速度的一致性检测相同,在进行EKF滤波时分别对每个量测进行一致性检测,一致性检测通过后再进行滤波器协方差矩阵正定性检测,即EKF第4步,假如该量测没有通过一致性检测,则只进行状态预测与状态误差协方差矩阵预测,不进行滤波器协方差矩阵正定性检测,即EKF滤波的第1步与第2步,为了减小CPU 的计算量,一致性检测步骤一般EKF滤波第2步与第3步之间,假如一致性检测未通过则不需计算滤波器增益,可大大减少CPU的计算量。
至此量测一致性检测已完成,下面介绍对滤波器协方差矩阵正定性检测,设在进行滤波器协方差矩阵更新时,即EKF滤波第4步,需要保证Pk为正定矩阵,根据EKF滤波第4步公式可知需要保证的每个对角线元素分别大于 KHP对应对角线元素,滤波器协方差矩阵正定性检测公式如下:
进行EKF滤波时,只有量测通过一致性检测,滤波器协方差矩阵通过正定性检测才可利用该量测对滤波器状态进行修正,只要有一个检测未通过,均不可利用该量测对滤波器状态进行修正,只进行状态预测与状态误差协方差矩阵预测,即EKF滤波的第1步与第2步。
Claims (10)
3.根据权利要求2所述的一种基于EKF的无人机组合导航方法,其特征在于,无人机姿态四元数的状态预测包括:
k-1至k时刻无人机姿态四元数变化量计算公式如下:
其中:Δθx—k-1至k时刻无人机x轴角增量;Δθy—k-1至k时刻无人机y轴角增量;Δθz—k-1至k时刻无人机z轴角增量;k-1至k时刻无人机各轴角增量计算公式如下:
Δθx=(ωx-εx)·Δt
Δθy=(ωy-εy)·Δt
Δθz=(ωz-εz)·Δt
其中:ωx—无人机x轴陀螺输出的角速度;εx—无人机x轴陀螺零偏;ωy——无人机y轴陀螺输出的角速度;εy—无人机y轴陀螺零偏;ωz—无人机z轴陀螺输出的角速度;εz—无人机z轴陀螺零偏;Δt—k-1至k时刻时间间隔。
7.根据权利要求1所述的一种基于EKF的无人机组合导航方法,其特征在于,步骤3中,量测矩阵的计算:
首先介绍姿态量测矩阵的计算
假设某系统可提供无人机的姿态角[γ θ ψ]T,γ为无人机滚转角,θ为无人机俯仰角,ψ为无人机航向角,无人机姿态角的预测值如下:
计算姿态量测预测值与状态向量的雅克比矩阵得到姿态量测矩阵Hatt;
速度与位置的量测矩阵的计算:
假设某系统可提供无人机的速度[vn ve vd]T与位置[pn pe pd]T,无人机的速度与位置预测值如下:
分别计算速度量测预测值与位置量测预测值与状态向量的雅克比矩阵得到速度的量测矩阵Hv与位置的量测矩阵Hp。
9.根据权利要求1所述的一种基于EKF的无人机组合导航方法,其特征在于,量测进行一致性检测:
其它量测的一致性检测与北向速度的一致性检测相同,在进行EKF滤波时分别对每个量测进行一致性检测,一致性检测通过后再进行滤波器协方差矩阵正定性检测,假如该量测没有通过一致性检测,则只进行状态预测与状态误差协方差矩阵预测,不进行滤波器协方差矩阵正定性检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048409.6A CN111207734B (zh) | 2020-01-16 | 2020-01-16 | 一种基于ekf的无人机组合导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048409.6A CN111207734B (zh) | 2020-01-16 | 2020-01-16 | 一种基于ekf的无人机组合导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111207734A true CN111207734A (zh) | 2020-05-29 |
CN111207734B CN111207734B (zh) | 2022-01-07 |
Family
ID=70785457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010048409.6A Active CN111207734B (zh) | 2020-01-16 | 2020-01-16 | 一种基于ekf的无人机组合导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111207734B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112629521A (zh) * | 2020-12-13 | 2021-04-09 | 西北工业大学 | 一种旋翼飞行器双冗余组合的导航系统建模方法 |
CN113514052A (zh) * | 2021-06-10 | 2021-10-19 | 西安因诺航空科技有限公司 | 一种多机协同高精度有源目标定位方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103414451A (zh) * | 2013-07-22 | 2013-11-27 | 北京理工大学 | 一种应用于飞行器姿态估计的扩展卡尔曼滤波方法 |
CN104215262A (zh) * | 2014-08-29 | 2014-12-17 | 南京航空航天大学 | 一种惯性导航系统惯性传感器误差在线动态辨识方法 |
CN104252178A (zh) * | 2014-09-12 | 2014-12-31 | 西安电子科技大学 | 一种基于强机动的目标跟踪方法 |
CN104462824A (zh) * | 2014-12-12 | 2015-03-25 | 广西科技大学 | 一种单体电池ekf与ukf估算比较方法 |
CN105203098A (zh) * | 2015-10-13 | 2015-12-30 | 上海华测导航技术股份有限公司 | 基于九轴mems传感器的农业机械全姿态角更新方法 |
CN105259902A (zh) * | 2015-09-06 | 2016-01-20 | 江苏科技大学 | 水下机器人惯性导航方法及系统 |
CN105352529A (zh) * | 2015-11-16 | 2016-02-24 | 南京航空航天大学 | 多源组合导航系统分布式惯性节点全误差在线标定方法 |
CN108226980A (zh) * | 2017-12-23 | 2018-06-29 | 北京卫星信息工程研究所 | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 |
CN108536163A (zh) * | 2018-03-15 | 2018-09-14 | 南京航空航天大学 | 一种单面结构环境下的动力学模型/激光雷达组合导航方法 |
CN109030867A (zh) * | 2017-06-08 | 2018-12-18 | 海智芯株式会社 | 使用加速度传感器和地磁传感器计算角速度的方法和设备 |
CN109506646A (zh) * | 2018-11-20 | 2019-03-22 | 石家庄铁道大学 | 一种双控制器的无人机姿态解算方法及系统 |
CN109540126A (zh) * | 2018-12-03 | 2019-03-29 | 哈尔滨工业大学 | 一种基于光流法的惯性视觉组合导航方法 |
CN109931926A (zh) * | 2019-04-04 | 2019-06-25 | 山东智翼航空科技有限公司 | 一种基于站心坐标系的小型无人机无缝自主式导航算法 |
CN110146077A (zh) * | 2019-06-21 | 2019-08-20 | 台州知通科技有限公司 | 移动机器人姿态角解算方法 |
CN110231029A (zh) * | 2019-05-08 | 2019-09-13 | 西安交通大学 | 一种水下机器人多传感器融合数据处理方法 |
CN110440797A (zh) * | 2019-08-28 | 2019-11-12 | 广州小鹏汽车科技有限公司 | 车辆姿态估计方法及系统 |
CN110487271A (zh) * | 2019-09-26 | 2019-11-22 | 哈尔滨工程大学 | 一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法 |
CN110598370A (zh) * | 2019-10-18 | 2019-12-20 | 太原理工大学 | 基于sip和ekf融合的多旋翼无人机鲁棒姿态估计 |
-
2020
- 2020-01-16 CN CN202010048409.6A patent/CN111207734B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103414451A (zh) * | 2013-07-22 | 2013-11-27 | 北京理工大学 | 一种应用于飞行器姿态估计的扩展卡尔曼滤波方法 |
CN104215262A (zh) * | 2014-08-29 | 2014-12-17 | 南京航空航天大学 | 一种惯性导航系统惯性传感器误差在线动态辨识方法 |
CN104252178A (zh) * | 2014-09-12 | 2014-12-31 | 西安电子科技大学 | 一种基于强机动的目标跟踪方法 |
CN104462824A (zh) * | 2014-12-12 | 2015-03-25 | 广西科技大学 | 一种单体电池ekf与ukf估算比较方法 |
CN105259902A (zh) * | 2015-09-06 | 2016-01-20 | 江苏科技大学 | 水下机器人惯性导航方法及系统 |
CN105203098A (zh) * | 2015-10-13 | 2015-12-30 | 上海华测导航技术股份有限公司 | 基于九轴mems传感器的农业机械全姿态角更新方法 |
CN105352529A (zh) * | 2015-11-16 | 2016-02-24 | 南京航空航天大学 | 多源组合导航系统分布式惯性节点全误差在线标定方法 |
CN109030867A (zh) * | 2017-06-08 | 2018-12-18 | 海智芯株式会社 | 使用加速度传感器和地磁传感器计算角速度的方法和设备 |
CN108226980A (zh) * | 2017-12-23 | 2018-06-29 | 北京卫星信息工程研究所 | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 |
CN108536163A (zh) * | 2018-03-15 | 2018-09-14 | 南京航空航天大学 | 一种单面结构环境下的动力学模型/激光雷达组合导航方法 |
CN109506646A (zh) * | 2018-11-20 | 2019-03-22 | 石家庄铁道大学 | 一种双控制器的无人机姿态解算方法及系统 |
CN109540126A (zh) * | 2018-12-03 | 2019-03-29 | 哈尔滨工业大学 | 一种基于光流法的惯性视觉组合导航方法 |
CN109931926A (zh) * | 2019-04-04 | 2019-06-25 | 山东智翼航空科技有限公司 | 一种基于站心坐标系的小型无人机无缝自主式导航算法 |
CN110231029A (zh) * | 2019-05-08 | 2019-09-13 | 西安交通大学 | 一种水下机器人多传感器融合数据处理方法 |
CN110146077A (zh) * | 2019-06-21 | 2019-08-20 | 台州知通科技有限公司 | 移动机器人姿态角解算方法 |
CN110440797A (zh) * | 2019-08-28 | 2019-11-12 | 广州小鹏汽车科技有限公司 | 车辆姿态估计方法及系统 |
CN110487271A (zh) * | 2019-09-26 | 2019-11-22 | 哈尔滨工程大学 | 一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法 |
CN110598370A (zh) * | 2019-10-18 | 2019-12-20 | 太原理工大学 | 基于sip和ekf融合的多旋翼无人机鲁棒姿态估计 |
Non-Patent Citations (2)
Title |
---|
TIM BAILEY等: "Consistency of the EKF-SLAM Algorithm", 《IEEE》 * |
彭立等: "两种联邦滤波系统级故障检测方案对比与仿真", 《电光与控制》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112629521A (zh) * | 2020-12-13 | 2021-04-09 | 西北工业大学 | 一种旋翼飞行器双冗余组合的导航系统建模方法 |
CN113514052A (zh) * | 2021-06-10 | 2021-10-19 | 西安因诺航空科技有限公司 | 一种多机协同高精度有源目标定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111207734B (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112097763B (zh) | 一种基于mems imu/磁力计/dvl组合的水下运载体组合导航方法 | |
CN107270893B (zh) | 面向不动产测量的杆臂、时间不同步误差估计与补偿方法 | |
CN104698485B (zh) | 基于bd、gps及mems的组合导航系统及导航方法 | |
CN103630146B (zh) | 一种离散解析与Kalman滤波结合的激光陀螺IMU标定方法 | |
CN103575299A (zh) | 利用外观测信息的双轴旋转惯导系统对准及误差修正方法 | |
CN110243377B (zh) | 一种基于分层式结构的集群飞行器协同导航方法 | |
CN112798021B (zh) | 基于激光多普勒测速仪的惯导系统行进间初始对准方法 | |
CN103712598B (zh) | 一种小型无人机姿态确定方法 | |
CN104344837A (zh) | 一种基于速度观测的冗余惯导系统加速度计系统级标定方法 | |
CN113503894B (zh) | 基于陀螺基准坐标系的惯导系统误差标定方法 | |
CN104344836A (zh) | 一种基于姿态观测的冗余惯导系统光纤陀螺系统级标定方法 | |
CN103557864A (zh) | Mems捷联惯导自适应sckf滤波的初始对准方法 | |
CN113959462B (zh) | 一种基于四元数的惯性导航系统自对准方法 | |
CN111207734B (zh) | 一种基于ekf的无人机组合导航方法 | |
CN109489661B (zh) | 一种卫星初始入轨时陀螺组合常值漂移估计方法 | |
CN110873563B (zh) | 一种云台姿态估计方法及装置 | |
CN111189442A (zh) | 基于cepf的无人机多源导航信息状态预测方法 | |
CN116007620A (zh) | 一种组合导航滤波方法、系统、电子设备及存储介质 | |
CN112284388B (zh) | 一种无人机多源信息融合导航方法 | |
CN111220151B (zh) | 载体系下考虑温度模型的惯性和里程计组合导航方法 | |
CN111982126B (zh) | 一种全源BeiDou/SINS弹性状态观测器模型设计方法 | |
CN110873577B (zh) | 一种水下快速动基座对准方法及装置 | |
CN110940357B (zh) | 一种用于旋转惯导单轴自对准的内杆臂标定方法 | |
WO2024092876A1 (zh) | 基于磁罗盘与测速仪的水下动基座高精度对准方法及系统 | |
CN114061575B (zh) | 大失准角条件下的导弹姿态角精对准方法及系统 |
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 |