CN111308523B - 一种无人机无人船协同导航方法 - Google Patents

一种无人机无人船协同导航方法 Download PDF

Info

Publication number
CN111308523B
CN111308523B CN202010240776.6A CN202010240776A CN111308523B CN 111308523 B CN111308523 B CN 111308523B CN 202010240776 A CN202010240776 A CN 202010240776A CN 111308523 B CN111308523 B CN 111308523B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
unmanned
difference
unmanned ship
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
CN202010240776.6A
Other languages
English (en)
Other versions
CN111308523A (zh
Inventor
刘杨
张秋阳
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202010240776.6A priority Critical patent/CN111308523B/zh
Publication of CN111308523A publication Critical patent/CN111308523A/zh
Application granted granted Critical
Publication of CN111308523B publication Critical patent/CN111308523B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/33—Multimode operation in different systems which transmit time stamped messages, e.g. GPS/GLONASS
    • 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

Abstract

本发明公开了一种无人机无人船协同导航方法，首先利用卫星导航观测量计算无人机和无人船各自的绝对位置，并上传至云服务器；在此基础上利用无人船的移动RTK基站计算差分信息并通过电台播发至云服务器，云服务器根据差分信息和先验绝对位置对无人机位置进行更新，并播发至无人机；无人机利用播发的位置信息计算其与周围无人机的相对位置，并对相对位置进行更新。当无人船与无人机的距离超出短基线RTK范围内时，切换至长基线工作方式，由云服务器计算无人机区域的电离层延迟修正值并播发至无人船。本发明可有效提高无人机无人船协同定位的精度，相比传统方法具有较好的计算效率，为相关领域的应用提供技术支撑。

Description

一种无人机无人船协同导航方法
技术领域
本发明属于协同导航领域，具体涉及一种无人机无人船协同导航方法。
背景技术
无人机与无人船目前已获得广泛应用，特别是在应急救援环境下能够发挥较强的优势，可有效获取一些危险环境下的状态信息。无人机与无人船组合，可以充分发挥各自优势，实现对局部海域目标的监测和跟踪，并且可以深入复杂局部海域环境，获得更多有效观测信息，成为当前解决局部海域特殊目标监测和跟踪的首选技术手段。
目前无人机和无人船主要依靠卫星导航系统作为主用导航手段，其导航精度受卫星导航系统标准定位精度的限制，很难满足一些特定场景的导航定位需求。通常情况下，可采用实时动态差分的方法来提高无人机和无人船的绝对定位精度，但仍然无法保证无人机之间和无人机与无人船之间的相对定位精度，为相应的工作造成很大不便。同时，当无人船与无人机之间的距离较远时，需要采用长基线实时动态差分定位方法，传统长基线方法计算复杂度较高，收敛时间较慢，极大程度影响了长基线时实时动态差分的计算效率和精度。特别是在极端大气环境下，如电离层异常、对流层异常等情况下，无人船基站和无人机之间的卫星导航大气传播误差将无法通过差分抵消，需要单独解算电离层误差和对流层误差，增加了实时动态差分定位计算的难度。
因此，如何能在一些复杂恶劣环境下有效提高无人机和无人船的协同导航性能是目前相关领域研究的难点，研制并实现高精准的无人机与无人船相对导航，并将其应用在一些复杂环境下是相关领域亟需解决的关键科学技术问题，是相关领域研究人员致力攻克的难点之一。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种应急救援下的无人机无人船协同导航方法，该方法利用云服务器计算无人机和无人船的绝对位置，可及时播发至无人机和无人船，无人机和无人船可计算相对位置，实现协同导航；进一步可利用云服务器计算无人机区域的电离层延迟修正值并发送至无人船，无人船利用该修正值可快速实现长基线RTK差分信息计算，并将其计算结果播发至无人机，以提高协同定位精度。本发明可有效提高无人机无人船协同定位的精度，相比传统方法具有较好的计算效率，为相关领域的应用提供技术支撑。
本发明解决上述技术问题采用的技术方案如下：一种无人机无人船协同导航方法，包括以下步骤：
步骤A、利用卫星导航观测量计算无人机和无人船的绝对位置，并上传至云服务器；
步骤B、利用无人船的移动RTK基站计算差分信息并通过电台播发至云服务器；
步骤C、云服务器根据差分信息和先验绝对位置对无人机的位置进行更新，并播发至无人机；
步骤D、无人机利用播发的位置信息计算其与周围无人机的相对位置，并对相对位置进行更新；
步骤E、当无人船与无人机的距离超出短基线RTK范围时，切换至长基线工作方式，由云服务器计算无人机区域的电离层修正值并播发至无人船；
步骤F、无人船利用电离层修正值，同时采用无几何组合观测量快速计算RTK差分信息，通过电台播发至云服务器；云服务器将差分信息播发至无人机，无人机进而利用播发信息计算其与周围无人机的相对位置；
步骤G、未收到云服务器的电离层修正值时，无人船采用无电离层组合观测计算RTK差分信息，通过电台发送至云服务器；云服务器将差分信息播发至无人机，无人机利用差分信息对相对位置进行更新；
步骤H、未收到差分信息时，无人机利用已有位置信息外推估计下一时刻的位置和相对位置，收到差分信息后，利用差分信息更新下一时刻位置和相对位置。
该方法具体实现步骤为：
(1)利用卫星导航观测量计算无人机和无人船的绝对位置，并上传至云服务器。其中，导航卫星星座可选择GPS、GLONASS、GALILEO和BDS四种卫星星座；无人机和无人船各自的绝对位置由卫星导航观测量计算得到，具体计算方法为：
建立卫星导航观测方程组，其中每颗卫星对应一个观测方程，表示为：
Figure BDA0002432476850000021
其中i为卫星颗数编号，xs,i，ys,i和zs,i分别表示卫星在地心地固坐标系下的坐标分量，xu，yu和zu分别表示待求位置在地心地固坐标系下的坐标分量，此处待求位置分别为无人机和无人船的绝对坐标，δti表示第i颗卫星信号传播过程的时间延迟，c为自由空间中的光速，ρi为第i颗卫星的伪距测量值。
所有的观测方程联立为观测方程组，对观测误差进行线性化，可表示为：
Figure BDA0002432476850000031
令
Figure BDA0002432476850000032
为观测误差，
Figure BDA0002432476850000033
观测系数矩阵，
Figure BDA0002432476850000034
为待求位置三维坐标分量误差和由延迟引起的误差，
Figure BDA0002432476850000035
为观测噪声。
则观测误差方程组改写为：l＝ATΔX+V
引入权值矩阵P，由各观测量方差决定，表示为：
Figure BDA0002432476850000036
其中σi为第i个观测量的标准差，diag(·)表示对角线矩阵，i＝1,2,…n表示n个观测量。
令P＝V，采用最小二乘法可求解误差观测方程组：
ΔX＝(APAT)-1APl
得到无人机和无人船的各自绝对位置：
Figure BDA0002432476850000037
其中
Figure BDA0002432476850000038
为绝对位置的估计值，
Figure BDA0002432476850000039
为绝对位置的先验值。
(2)利用无人船的移动RTK基站计算差分信息并通过电台播发至云服务器。其中，无人船的移动RTK基站通过下式计算差分信息：
首先计算载波相位观测量
Figure BDA00024324768500000310
其中，
Figure BDA00024324768500000311
为无人船基站的载波相位差分观测值，
Figure BDA00024324768500000312
为无人船基站到卫星的真实距离，dtr为无人船基站接收机钟差，dts为卫星钟差，
Figure BDA00024324768500000313
为卫星到无人船基站之间的载波相位电离层延迟，
Figure BDA00024324768500000314
为卫星到无人船基站之间的对流层延迟，
Figure BDA00024324768500000315
为载波整周模糊度，λ为卫星信号波长，
Figure BDA00024324768500000316
为硬件延迟，ξφ为载波测距噪声，下标φ表示载波；上标s表示卫星，下标r表示接收端，此处应为无人船上的导航接收端。
进一步将无人船基站和无人机接收机之间对卫星进行载波相位差分，可得到单差计算观测值：
Figure BDA00024324768500000317
其中，
Figure BDA0002432476850000041
为无人船基站与单个无人机之间的载波相位单差，
Figure BDA0002432476850000042
为无人船基站与单个无人机之间的距离差，
Figure BDA0002432476850000043
为电离层延迟单差，
Figure BDA0002432476850000044
为对流层延迟单差，dtur为接收延迟单差，
Figure BDA0002432476850000045
为整周模糊度单差，
Figure BDA0002432476850000046
为载波噪声单差，下标φ表示载波；上标s表示卫星，下标r表示接收端，此处应为无人船上的导航接收端，下标u表示用户端，此处应为无人机上的导航用户端。
在短基线情况下，可消除卫星钟差、电离层误差和对流层误差，但是存在一个不相对固定的双差整周模糊度，当用户和基准站持续锁定卫星信号时，整周模糊度保持不变，不同卫星测量之差可以消除接收机钟差的影响，具体方式如下：
Figure BDA0002432476850000047
在短基线情况下，上式可进一步简化为：
Figure BDA0002432476850000048
其中
Figure BDA0002432476850000049
表示无人船基站与无人机对第m,n颗卫星载波观测值的双差，
Figure BDA00024324768500000410
为无人船基站与无人机对第m,n颗卫星的距离双差，
Figure BDA00024324768500000411
为无人船基站与无人机对第m,n颗卫星的整周模糊度双差，ξφ为载波相位噪声双差，下标φ表示载波。上标s表示卫星，下标r表示接收端，此处应为无人船上的导航接收端，下标u表示用户端，此处应为无人机上的导航用户端。
(3)云服务器根据差分信息和先验绝对位置对无人机的位置进行更新，并播发至无人机；位置进行更新方法为：
Figure BDA00024324768500000412
其中，
Figure BDA00024324768500000413
表示当前k时刻无人机的绝对位置，
Figure BDA00024324768500000414
表示当前k时刻无人船的绝对位置，
Figure BDA00024324768500000415
表示通过RTK计算得到无人机与无人船之间基线向量。上标u表示用户端，此处应为无人机上的导航用户端；上标r表示接收端，此处应为无人船上的导航接收端；上标b表示基线。
(4)无人机利用播发的位置信息计算其与周围无人机的相对位置，并对相对位置进行更新，具体方法为：
Figure BDA00024324768500000416
其中，
Figure BDA00024324768500000417
表示当前k时刻第i架无人机与第j架无人机的相对位置向量，
Figure BDA00024324768500000418
表示由RTK计算得到的当前k时刻第i架无人机与无人船的基线向量，
Figure BDA00024324768500000419
表示通过RTK计算得到第j架无人机与无人船之间基线向量。
(5)当无人船与无人机的距离超出短基线RTK范围时，切换至长基线工作方式，由云服务器计算无人机区域的电离层修正值并播发至无人船；云服务器的电离层修正值计算方法可表示为：首先获得当前时刻无人机与无人船共视卫星的仰角和方位角，然后分别计算得到共视卫星对应的电离层穿透点的经纬度坐标。按照经纬度坐标对全球电离层总电子含量分布图进行时空插值，以计算电离层穿透点对应的总电子含量和电离层修正值。其中，电离层总电子含量与电离层延迟的对应关系为：
Figure BDA0002432476850000051
其中TEC为电离层总电子含量，f为卫星观测量的频率。k表示第k时刻。
(6)无人船利用电离层修正值，同时采用无几何组合观测量快速计算RTK差分信息，通过电台播发至云服务器；云服务器将差分信息播发至无人机，无人机进而利用播发信息计算其与周围无人机的相对位置；其中无人船利用电离层修正值，采用无几何观测量计算差分信息的方法为：
Figure BDA0002432476850000052
其中
Figure BDA0002432476850000053
和
Figure BDA0002432476850000054
分别为f1和f2两个频率的载波双差观测量，进而可化为：
Figure BDA0002432476850000055
其中，
Figure BDA0002432476850000056
为两个频率观测量的距离双差之差，
Figure BDA0002432476850000057
为两个频率观测量的整周模糊度双差之差，
Figure BDA0002432476850000058
为两个频率观测量的对流层双差之差，ξφ(1,2)为两个频率观测噪声双差之差。
(7)未收到云服务器的电离层修正值时，无人船采用无电离层组合观测计算RTK差分信息，通过电台发送至云服务器；云服务器将差分信息播发至无人机，无人机利用差分信息对相对位置进行更新；其中无人船采用无电离层观测量计算差分信息的方法为：
Figure BDA0002432476850000059
其中
Figure BDA00024324768500000510
和
Figure BDA00024324768500000511
分别为f1和f2两个频率的载波双差观测量。进而可化为：
Figure BDA00024324768500000512
其中，
Figure BDA00024324768500000513
为两个频率观测量的距离双差之差，
Figure BDA00024324768500000514
为两个频率观测量的整周模糊度双差之差，
Figure BDA00024324768500000515
为两个频率观测量的对流层双差之差，ξφ(1,2)为两个频率观测噪声双差之差。
(8)未收到差分信息时，无人机利用已有位置信息外推估计下一时刻的位置和相对位置，收到差分信息后，利用差分信息更新下一时刻位置和相对位置。其中，无人机利用已有位置信息外推估计下一时刻位置和相对位置的方法为：
Figure BDA0002432476850000061
其中
Figure BDA0002432476850000062
和
Figure BDA0002432476850000063
分别是当前时刻k和前一时刻k-1无人机利用惯性传感器计算的速度，Δt是观测历元间隔，
Figure BDA0002432476850000064
是前一时刻无人机已有的绝对位置信息，
Figure BDA0002432476850000065
是当前时刻无人机外推估计的位置信息。
本发明与现有技术相比的优点在于：相比传统的计算方法，本发明(图1所示)的优越性在于可以有效获得无人机和无人船的相对位置信息，有效提高长基线RTK差分信息的计算效率，提供较高的无人机和无人船相对导航精度，实现协同导航，为相关领域研究者提供理论依据和技术参考。如图2所示。
附图说明
图1为本发明一种无人机无人船协同导航方法实现流程图；
图2为本发明方法实现无人机和无人船协同导航的示意图。
具体实施方式
下面将结合附图及具体实施方式对本发明加以详细说明，需要指出的是，所描述的实施例仅旨在便于对本发明的理解，而不起任何限定作用。
本发明提出了提供一种无人机无人船协同导航方法，该方法利用云服务器计算无人机和无人船的绝对位置，可及时播发至无人机和无人船，无人机和无人船可计算相对位置，实现协同导航；进一步可利用云服务器计算无人机区域的电离层延迟修正值并发送至无人船，无人船利用该修正值可快速实现长基线RTK差分信息计算，并将其计算结果播发至无人机，以提高协同定位精度。
如图1所示，本发明具体实现步骤如下：
1、利用卫星导航观测量计算无人机和无人船的绝对位置，并上传至云服务器。其中，导航卫星星座可选择GPS、GLONASS、GALILEO和BDS四种卫星星座；无人机和无人船各自的绝对位置由卫星导航观测量计算得到，具体计算方法为：
建立卫星导航观测方程组，其中每颗卫星对应一个观测方程，表示为：
Figure BDA0002432476850000071
其中i为卫星颗数编号。
所有的观测方程联立为观测方程组，对观测误差进行线性化，可表示为：
Figure BDA0002432476850000072
令
Figure BDA0002432476850000073
为观测误差，
Figure BDA0002432476850000074
观测系数矩阵，
Figure BDA0002432476850000075
为待求位置三维坐标分量误差和由延迟引起的误差，
Figure BDA0002432476850000076
为观测噪声。
则观测误差方程组改写为：l＝ATΔX+V
引入权值矩阵P，由各观测量方差决定，表示为：
Figure BDA0002432476850000077
其中σi为第i个观测量的标准差。
令P＝V，采用最小二乘法可求解误差观测方程组：
ΔX＝(APAT)-1APl
得到无人机和无人船的各自绝对位置：
Figure BDA0002432476850000078
其中
Figure BDA0002432476850000079
为绝对位置的估计值，
Figure BDA00024324768500000710
为绝对位置的先验值。
2、利用无人船的移动RTK基站计算差分信息并通过电台播发至云服务器。其中，无人船的移动RTK基站通过下式计算差分信息；
首先计算载波相位观测量：
Figure BDA00024324768500000711
其中，
Figure BDA00024324768500000712
为无人船基站的载波相位差分观测值，
Figure BDA00024324768500000713
为无人船基站到卫星的真实距离，dtr为无人船基站接收机钟差，dts为卫星钟差，
Figure BDA00024324768500000714
为卫星到无人船基站之间的载波相位电离层延迟，
Figure BDA00024324768500000715
为卫星到无人船基站之间的对流层延迟，
Figure BDA00024324768500000716
为载波整周模糊度，λ为卫星信号波长，
Figure BDA00024324768500000717
为硬件延迟，ξφ为载波测距噪声。
进一步将无人船基站和无人机接收机之间对卫星进行载波相位差分,可得到单差计算观测值：
Figure BDA0002432476850000081
其中，为无人船基站与单个无人机之间的载波相位单差，
Figure BDA0002432476850000083
为无人船基站与单个无人机之间的距离差，
Figure BDA0002432476850000084
为电离层延迟单差，
Figure BDA0002432476850000085
为对流层延迟单差，dtur为接收延迟单差，
Figure BDA0002432476850000086
为整周模糊度单差，
Figure BDA0002432476850000087
为载波噪声单差。
在短基线情况下，可消除卫星钟差、电离层误差和对流层误差，但是存在一个不相对固定的双差整周模糊度，当用户和基准站持续锁定卫星信号时，整周模糊度保持不变，不同卫星测量之差可以消除接收机钟差的影响，具体方式如下：
Figure BDA0002432476850000088
在短基线情况下，上式可进一步简化为：
Figure BDA0002432476850000089
其中
Figure BDA00024324768500000810
表示无人船基站与无人机对第m,n颗卫星载波观测值的双差，
Figure BDA00024324768500000811
为无人船基站与无人机对第m,n颗卫星的距离双差，
Figure BDA00024324768500000812
为无人船基站与无人机对第m,n颗卫星的整周模糊度双差，ξφ为载波相位噪声双差。
3、云服务器根据差分信息和先验绝对位置对无人机的位置进行更新，并播发至无人机；位置进行更新方法为：
Figure BDA00024324768500000813
其中，
Figure BDA00024324768500000814
表示当前k时刻无人机的绝对位置，
Figure BDA00024324768500000815
表示当前k时刻无人船的绝对位置，
Figure BDA00024324768500000816
表示通过RTK计算得到无人机与无人船之间基线向量。
4、无人机利用播发的位置信息计算其与周围无人机的相对位置，并对相对位置进行更新，具体表示为：
Figure BDA00024324768500000817
其中，
Figure BDA00024324768500000818
表示当前k时刻第i架无人机与第j架无人机的相对位置向量，
Figure BDA00024324768500000819
表示由RTK计算得到的当前k时刻第i架无人机与无人船的基线向量，
Figure BDA00024324768500000820
表示通过RTK计算得到第j架无人机与无人船之间基线向量。
5、当无人船与无人机的距离超出短基线RTK范围时，切换至长基线工作方式，由云服务器计算无人机区域的电离层修正值并播发至无人船；云服务器的电离层修正值计算方法可表示为：
首先获得当前时刻无人机与无人船共视卫星的仰角和方位角，然后分别计算得到共视卫星对应的电离层穿透点的经纬度坐标。按照经纬度坐标对全球电离层总电子含量分布图进行时空插值，以计算电离层穿透点对应的总电子含量和电离层修正值。其中，电离层总电子含量与电离层延迟的对应关系为：
Figure BDA0002432476850000091
其中TEC为电离层总电子含量，f为卫星观测量的频率。
6、无人船利用电离层修正值，同时采用无几何组合观测量快速计算RTK差分信息，通过电台播发至云服务器；云服务器将差分信息播发至无人机，无人机进而利用播发信息计算其与周围无人机的相对位置；其中无人船利用电离层修正值，采用无几何观测量计算差分信息的方法为：
Figure BDA0002432476850000092
其中
Figure BDA0002432476850000093
和
Figure BDA0002432476850000094
分别为f1和f2两个频率的载波双差观测量，进而可化为：
Figure BDA0002432476850000095
其中，
Figure BDA0002432476850000096
为两个频率观测量的距离双差之差，
Figure BDA0002432476850000097
为两个频率观测量的整周模糊度双差之差，
Figure BDA0002432476850000098
为两个频率观测量的对流层双差之差，ξφ(1，2)为两个频率观测噪声双差之差。
7、未收到云服务器的电离层修正值时，无人船采用无电离层组合观测计算RTK差分信息，通过电台发送至云服务器；云服务器将差分信息播发至无人机，无人机利用差分信息对相对位置进行更新；其中无人船采用无电离层观测量计算差分信息的方法为：
Figure BDA0002432476850000099
其中
Figure BDA00024324768500000910
和
Figure BDA00024324768500000911
分别为f1和f2两个频率的载波双差观测量。进而可化为：
Figure BDA00024324768500000912
其中，
Figure BDA00024324768500000913
为两个频率观测量的距离双差之差，
Figure BDA00024324768500000914
为两个频率观测量的整周模糊度双差之差，
Figure BDA00024324768500000915
为两个频率观测量的对流层双差之差，ξφ(1，2)为两个频率观测噪声双差之差。
8、未收到差分信息时，无人机利用已有位置信息外推估计下一时刻的位置和相对位置，收到差分信息后，利用差分信息更新下一时刻位置和相对位置。其中，无人机利用已有位置信息外推估计下一时刻位置和相对位置的方法为：
Figure BDA0002432476850000101
其中
Figure BDA0002432476850000102
和
Figure BDA0002432476850000103
分别是当前时刻k和前一时刻k-1无人机利用惯性传感器计算的速度，Δt是观测历元间隔，
Figure BDA0002432476850000104
是前一时刻无人机已有的绝对位置信息，
Figure BDA0002432476850000105
是当前时刻无人机外推估计的位置信息。
此方法详细的描述了利用RTK差分实现无人机和无人船协同定位，分别考虑了短基线和长基线两种情况，充分利用云服务器的电离层修正值，本方法可实现无人机与无人船快速协同导航，其精度达到期望值。
本发明(图1所示)的优越性在于可以有效获得无人机和无人船的相对位置信息，有效提高长基线RTK差分信息的计算效率，提供较高的无人机和无人船相对导航精度，实现协同导航，为相关领域研究者提供理论依据和技术参考。如图2所示。
以上所述仅为本发明的具体实施例，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种无人机无人船协同导航方法，其特征在于，包括以下步骤：
步骤A、利用卫星导航观测量计算无人机和无人船的绝对位置，并上传至云服务器；
步骤B、利用无人船的移动RTK基站计算差分信息并通过电台播发至云服务器；
步骤C、云服务器根据差分信息和先验绝对位置对无人机的位置进行更新，并播发至无人机；
步骤D、无人机利用播发的位置信息计算其与周围无人机的相对位置，并对相对位置进行更新；
步骤E、当无人船与无人机的距离超出短基线RTK范围时，切换至长基线工作方式，由云服务器计算无人机区域的电离层修正值并播发至无人船；
步骤F、无人船利用电离层修正值，同时采用无几何组合观测量快速计算RTK差分信息，通过电台播发至云服务器；云服务器将差分信息播发至无人机，无人机进而利用播发信息计算其与周围无人机的相对位置；
步骤G、未收到云服务器的电离层修正值时，无人船采用无电离层组合观测计算RTK差分信息，通过电台发送至云服务器；云服务器将差分信息播发至无人机，无人机利用差分信息对相对位置进行更新；
步骤H、未收到差分信息时，无人机利用已有位置信息外推估计下一时刻的位置和相对位置，收到差分信息后，利用差分信息更新下一时刻位置和相对位置。
2.根据权利要求1所述的一种无人机无人船协同导航方法，其特征在于：所述步骤A中待预测导航卫星星座可选择GPS、GLONASS、GALILEO和BDS四种卫星星座任一种；无人机和无人船各自的绝对位置由卫星导航观测量计算得到，具体计算方法为：
建立卫星导航观测方程组，其中每颗卫星对应一个观测方程，表示为：
Figure FDA0002757514580000011
其中i为卫星颗数编号，xs，i，ys，i和zs，i分别表示卫星在地心地固坐标系下的坐标分量，xu，yu和zu分别表示待求位置在地心地固坐标系下的坐标分量，此处待求位置分别为无人机和无人船的绝对坐标，δti表示第i颗卫星信号传播过程的时间延迟，c为自由空间中的光速，ρi为第i颗卫星的伪距测量值；
所有的观测方程联立为观测方程组，对观测误差进行线性化，可表示为：
Figure FDA0002757514580000021
令
Figure FDA0002757514580000022
为观测误差，
Figure FDA0002757514580000023
观测系数矩阵，
Figure FDA0002757514580000024
为待求位置三维坐标分量误差和由延迟引起的误差，
Figure FDA0002757514580000025
为观测噪声；
则观测误差方程组改写为：l＝ATΔX+V
引入权值矩阵P，由各观测量方差决定，表示为：
Figure FDA0002757514580000026
其中，σi为第i个观测量的标准差，diag(·)表示对角线矩阵，i＝1，2，…n表示n个观测量；
令P＝V，采用最小二乘法可求解误差观测方程组：
ΔX＝(APAT)-1APl
得到无人机和无人船的各自绝对位置：
Figure FDA0002757514580000027
其中
Figure FDA0002757514580000028
为绝对位置的估计值，
Figure FDA0002757514580000029
为绝对位置的先验值。
3.根据权利要求1所述的一种无人机无人船协同导航方法，其特征在于：所述步骤B中，无人船的移动RTK基站通过下式计算差分信息：
首先计算载波相位观测量：
Figure FDA00027575145800000210
其中，
Figure FDA00027575145800000211
为无人船基站的载波相位差分观测值，
Figure FDA00027575145800000212
为无人船基站到卫星的真实距离，dtr为无人船基站接收机钟差，dts为卫星钟差，
Figure FDA00027575145800000213
为卫星到无人船基站之间的载波相位电离层延迟，
Figure FDA00027575145800000214
为卫星到无人船基站之间的对流层延迟，
Figure FDA00027575145800000215
为载波整周模糊度，λ为卫星信号波长，
Figure FDA00027575145800000216
为硬件延迟，ξφ为载波测距噪声，下标φ表示载波；上标s表示卫星，下标r表示接收端，此处为无人船上的导航接收端；
进一步将无人船基站和无人机接收机之间对卫星进行载波相位差分，可得到单差计算观测值：
Figure FDA00027575145800000217
其中，
Figure FDA00027575145800000218
为无人船基站与单个无人机之间的载波相位单差，
Figure FDA00027575145800000219
为无人船基站与单个无人机之间的距离差，
Figure FDA0002757514580000031
为电离层延迟单差，
Figure FDA0002757514580000032
为对流层延迟单差，dtur为接收延迟单差，
Figure FDA0002757514580000033
为整周模糊度单差，
Figure FDA0002757514580000034
为载波噪声单差；下标φ表示载波，上标s表示卫星，下标r表示接收端，此处为无人船上的导航接收端，下标u表示用户端，此处为无人机上的导航用户端；
在短基线情况下，可消除卫星钟差、电离层误差和对流层误差，但是存在一个不相对固定的双差整周模糊度，当用户和基准站持续锁定卫星信号时，整周模糊度保持不变，不同卫星测量之差可以消除接收机钟差的影响，具体方式如下：
Figure FDA0002757514580000035
在短基线情况下，上式可进一步简化为：
Figure FDA0002757514580000036
其中
Figure FDA0002757514580000037
表示无人船基站与无人机对第m，n颗卫星载波观测值的双差，
Figure FDA0002757514580000038
为无人船基站与无人机对第m，n颗卫星的距离双差，
Figure FDA0002757514580000039
为无人船基站与无人机对第m，n颗卫星的整周模糊度双差，ξφ为载波相位噪声双差。
4.根据权利要求1所述的一种无人机无人船协同导航方法，其特征在于：所述步骤C中，云服务器利用差分信息和先验绝对位置对无人机的位置进行更新方法为：
Figure FDA00027575145800000310
其中，
Figure FDA00027575145800000311
表示当前k时刻无人机的绝对位置，
Figure FDA00027575145800000312
表示当前k时刻无人船的绝对位置，
Figure FDA00027575145800000313
表示通过RTK计算得到无人机与无人船之间基线向量，上标u表示用户端，此处为无人机上的导航用户端；上标r表示接收端，此处为无人船上的导航接收端；上标b表示基线。
5.根据权利要求1所述的一种无人机无人船协同导航方法，其特征在于：所述步骤D中，无人机利用云服务器播发的位置计算相对位置的方法表示为：
Figure FDA00027575145800000314
其中，
Figure FDA00027575145800000315
表示当前k时刻第i架无人机与第j架无人机的相对位置向量，
Figure FDA00027575145800000316
表示由RTK计算得到的当前k时刻第i架无人机与无人船的基线向量，
Figure FDA00027575145800000317
表示通过RTK计算得到第j架无人机与无人船之间基线向量。
6.根据权利要求1所述的一种无人机无人船协同导航方法，其特征在于：所述步骤E中，云服务器的电离层修正值可通过全球电离层总电子含量分布图预测产品来计算，其计算方法为：首先获得当前时刻无人机与无人船共视卫星的仰角和方位角，然后分别计算得到共视卫星对应的电离层穿透点的经纬度坐标，按照经纬度坐标对全球电离层总电子含量分布图进行时空插值，以计算电离层穿透点对应的总电子含量和电离层修正值，其中，电离层总电子含量与电离层延迟的对应关系为：
Figure FDA0002757514580000041
其中TEC为电离层总电子含量，f为卫星观测量的频率，k表示第k时刻。
7.根据权利要求1所述的一种无人机无人船协同导航方法，其特征在于：所述步骤F中，无人船利用电离层修正值，采用无几何观测量计算差分信息的方法为：
Figure FDA0002757514580000042
其中，
Figure FDA0002757514580000043
和
Figure FDA0002757514580000044
分别为f1和f2两个频率的载波双差观测量，进而可化为：
Figure FDA0002757514580000045
其中，
Figure FDA0002757514580000046
为两个频率观测量的距离双差之差，
Figure FDA0002757514580000047
为两个频率观测量的整周模糊度双差之差，
Figure FDA0002757514580000048
为两个频率观测量的对流层双差之差，ξφ(1，2)为两个频率观测噪声双差之差。
8.根据权利要求1所述的一种无人机无人船协同导航方法，其特征在于：所述步骤G中，无人船采用无电离层观测量计算差分信息的方法为：
Figure FDA0002757514580000049
其中
Figure FDA00027575145800000410
Figure FDA00027575145800000411
和
Figure FDA00027575145800000412
分别为f1和f2两个频率的载波双差观测量，进而可化为：
Figure FDA00027575145800000413
其中，
Figure FDA00027575145800000414
为两个频率观测量的距离双差之差，
Figure FDA00027575145800000415
为两个频率观测量的整周模糊度双差之差，
Figure FDA00027575145800000416
为两个频率观测量的对流层双差之差，ξφ(1，2)为两个频率观测噪声双差之差。
9.根据权利要求1所述的一种无人机无人船协同导航方法，其特征在于：所述步骤H中，无人机利用已有位置信息外推估计下一时刻位置和相对位置的方法为：
Figure FDA00027575145800000417
其中，
Figure FDA00027575145800000418
和
Figure FDA00027575145800000419
分别是当前时刻k和前一时刻k-1无人机利用惯性传感器计算的速度，Δt是观测历元间隔，
Figure FDA00027575145800000420
是前一时刻无人机已有的绝对位置信息，
Figure FDA00027575145800000421
是当前时刻无人机外推估计的位置信息。
CN202010240776.6A 2020-03-31 2020-03-31 一种无人机无人船协同导航方法 Active CN111308523B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010240776.6A CN111308523B (zh) 2020-03-31 2020-03-31 一种无人机无人船协同导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010240776.6A CN111308523B (zh) 2020-03-31 2020-03-31 一种无人机无人船协同导航方法

Publications (2)

Publication Number Publication Date
CN111308523A CN111308523A (zh) 2020-06-19
CN111308523B true CN111308523B (zh) 2020-12-29

Family

ID=71150314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010240776.6A Active CN111308523B (zh) 2020-03-31 2020-03-31 一种无人机无人船协同导航方法

Country Status (1)

Country Link
CN (1) CN111308523B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112556691B (zh) * 2020-11-26 2022-08-02 广东工业大学 一种用于无人机自主导航与温度测量系统的方法
CN115327593B (zh) * 2021-05-10 2024-02-23 北京六分科技有限公司 基于无人机的定位方法、系统及存储介质
CN114706427A (zh) * 2022-06-02 2022-07-05 武汉理工大学 一种海空立体协同搜寻系统及其控制方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8948932B2 (en) * 2007-10-30 2015-02-03 Raytheon Company Unmanned vehicle route management system
CN108139486A (zh) * 2015-09-16 2018-06-08 深圳市大疆创新科技有限公司 用于uav定位的系统和方法
US10303186B2 (en) * 2016-03-29 2019-05-28 Chengwen Chris WANG Unmanned spatial vehicle performance
CN106125746B (zh) * 2016-07-08 2017-11-24 北京四方继保自动化股份有限公司 一种用于无人船艇的多端控制协同操控系统与操控方法
CN110312913A (zh) * 2017-03-24 2019-10-08 深圳市大疆灵眸科技有限公司 用于自适应云台的方法和系统
CN108235736B (zh) * 2017-12-25 2021-11-16 达闼机器人有限公司 一种定位方法、云端服务器、终端、系统、电子设备及计算机程序产品
CN108287542B (zh) * 2018-01-04 2021-01-26 浙江大学 基于协同云控制的无人机与无人船协作控制系统与方法
EP3617749B1 (en) * 2018-09-03 2020-11-11 Zenuity AB Method and arrangement for sourcing of location information, generating and updating maps representing the location
CN109579843B (zh) * 2018-11-29 2020-10-27 浙江工业大学 一种空地多视角下的多机器人协同定位及融合建图方法
CN109774960A (zh) * 2019-02-27 2019-05-21 集美大学 无人船无人机协作系统及控制方法
CN109991386A (zh) * 2019-04-17 2019-07-09 武汉理工大学 无人船与无人机协同控制监控方法、装置及系统
CN110244325A (zh) * 2019-04-29 2019-09-17 丰疆智能科技研究院(常州)有限公司 移动rtk基站和飞行系统及其应用

Also Published As

Publication number Publication date
CN111308523A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN111308523B (zh) 一种无人机无人船协同导航方法
CN109001786B (zh) 一种基于导航卫星和低轨增强卫星的定位方法和系统
CN110412638B (zh) 一种低成本三天线gnss rtk定位及测姿方法
CN111239787B (zh) 一种集群自主协同中的gnss动态卡尔曼滤波方法
Axelrad et al. SNR-based multipath error correction for GPS differential phase
CN109541663B (zh) 一种gnss定位测姿多路径误差的纠正方法
CN108120994B (zh) 一种基于星载gnss的geo卫星实时定轨方法
CN108919316B (zh) 一种基于局部球对称假设的单站多系统硬件延迟估计方法
JPH05180925A (ja) 全世界配置システム（ｇｐｓ）衛星を用いた車両追跡システム
Yao et al. An improved approach to model regional ionosphere and accelerate convergence for precise point positioning
CN112394379B (zh) 双天线联合卫星导航定位方法和装置
Morales et al. GNSS vertical dilution of precision reduction using terrestrial signals of opportunity
US6816117B2 (en) Distributed antenna system and method
CN112415550A (zh) 一种基于北斗短报文的低轨卫星实时精密定轨方法及系统
Han et al. Minimum of PDOP and its applications in inter-satellite links (ISL) establishment of Walker-δ constellation
CN111983641B (zh) 一种用于实时生成北斗星基增强系统完好性参数的方法
Tarig Positioning with wide-area GNSS networks: Concept and application
CN109116396B (zh) 一种多天线gnss差分定位方法
Wang et al. Velocity estimations by combining time-differenced GPS and Doppler observations
Nadarajah et al. Attitude determination of LEO satellites using an array of GNSS sensors
CN112230249B (zh) 一种基于城市多路径误差抑制的相对定位方法
Hauschild et al. Precise on-board navigation of LEO satellites with GNSS broadcast ephemerides
CN111175797B (zh) 基于虚拟质心的多gnss接收机协同导航方法
CN111076700B (zh) 一种基于车载经纬仪的自定位定向系统及方法
NGOC et al. Estimating Ambiguity and Using Model Weight To Improve the Positioning Accuracy of a Stand-alone Receiver

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