CN111459187B - 无人机状态监管方法、装置、系统及可读存储介质 - Google Patents
无人机状态监管方法、装置、系统及可读存储介质 Download PDFInfo
- Publication number
- CN111459187B CN111459187B CN202010309841.6A CN202010309841A CN111459187B CN 111459187 B CN111459187 B CN 111459187B CN 202010309841 A CN202010309841 A CN 202010309841A CN 111459187 B CN111459187 B CN 111459187B
- Authority
- CN
- China
- Prior art keywords
- information
- current
- aerial vehicle
- unmanned aerial
- flight
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本申请提供无人机状态监管方法、装置、系统及可读存储介质,该方法包括获取历史时刻无人机的飞行状态测量信息,采用传感融合算法,对飞行状态测量信息进行状态传感融合处理,得到当前时刻无人机的当前飞行状态信息,通过飞行状态测量信息,对当前飞行状态信息进行校正处理,得到无人机的飞行状态实际信息;该方法通过多传感融合技术来对无人机进行实时监控,相比于单传感技术对无人机进行实时监控,提高了定位精度。
Description
技术领域
本申请涉及无人机智能技术领域,特别是涉及一种无人机状态监管方法、装置、系统及可读存储介质。
背景技术
无人机是一种主要活动在低空领域的飞行器,其主要依靠远程遥控器来控制其飞行。由于低空领域的飞行环境比较复杂且容易受到少数禁飞区域的限制,政府及安全部门需要对无人机的飞行状态进行监控,以保障社会安全。
传统技术中,主要采用无人机主动发送信息和地面系统被动监测的方式,来对无人机的飞行状态进行监控。但是,传统的监控方式使得无人机的定位精度较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高无人机定位精度的无人机状态监管方法、装置、系统及可读存储介质。
本申请实施例提供一种无人机状态监管方法,所述方法包括:
获取无人机的飞行状态测量信息;
采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息;其中,所述传感融合算法包括姿态解算算法、航位推测算法和/或扩展卡尔曼滤波算法;
通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息。
在其中一个实施例中,所述获取无人机的飞行状态测量信息,包括:获取所述无人机的飞行姿态测量信息、位置测量信息、速度测量信息以及加速度测量信息。
在其中一个实施例中,所述无人机的当前飞行状态信息包括:所述无人机的当前第一姿态信息、当前第一速度信息和当前第一位置信息;所述采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息,包括:
通过姿态解算算法,对所述飞行姿态测量信息进行姿态估计,得到所述当前第一姿态信息;
通过航位推测算法,对所述加速度测量信息进行积分运算,得到所述无人机从所述历史时刻至所述当前时刻的飞行距离;
根据所述飞行姿态测量信息、所述当前第一姿态信息、所述飞行距离以及所述加速度测量信息,计算所述当前第一速度信息和所述当前第一位置信息。
在其中一个实施例中,所述无人机的当前飞行状态信息还包括:当前第一海拔高度信息;所述方法还包括:
对所述海拔高度测量信息进行组合运算处理,得到海拔高度解;
通过扩展卡尔曼滤波算法,对所述海拔高度解进行校正处理,得到所述当前第一海拔高度信息。
在其中一个实施例中,所述无人机的当前飞行状态信息还包括:当前第二速度信息和当前第二位置信息;所述方法还包括:
根据所述当前第一速度信息以及所述当前第一位置信息,通过扩展卡尔曼滤波算法,对所述位置测量信息以及所述速度测量信息进行校正处理,得到所述当前第二速度信息和所述当前第二位置信息。
在其中一个实施例中,所述通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息,包括:
对所述飞行状态测量信息以及所述当前飞行状态信息进行求和运算,得到所述无人机的飞行状态实际信息。
在其中一个实施例中,所述对所述飞行状态测量信息以及所述当前飞行状态信息进行求和运算,得到所述无人机的飞行状态实际信息,包括:
对所述飞行姿态测量信息以及所述当前第一姿态信息进行加权求和运算,得到所述无人机的飞行姿态实际信息;
对所述位置测量信息以及所述当前第二位置信息进行加权求和运算,得到所述无人机的位置实际信息;
对所述速度测量信息以及所述当前第二速度信息进行加权求和运算,得到所述无人机的速度实际信息。
本申请实施例提供一种无人机状态监管装置,所述装置包括:
获取测量信息模块,用于获取无人机的飞行状态测量信息;
传感融合模块,用于采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息;其中,所述传感融合算法包括姿态解算算法、航位推测算法和/或扩展卡尔曼滤波算法;
校正模块,用于通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息。
本申请实施例提供一种无人机状态监管系统,所述系统包括:无人机、终端、云端服务器以及无人机状态监管设备,所述无人机状态监管设备包括处理器、融合传感器、通信模块、存储模块和状态显示模块,所述存储模块上存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取无人机的飞行状态测量信息;
采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息;其中,所述传感融合算法包括姿态解算算法、航位推测算法和/或扩展卡尔曼滤波算法;
通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息;
其中,所述处理器用于对所述融合传感器采集到的信息进行处理,并与所述无人机状态监管设备中的其它模块进行数据通信;
所述融合传感器包括加速度计、陀螺仪、磁力计组合而成的9轴传感器、全球导航卫星系统、气压计以及电压计。
本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取无人机的飞行状态测量信息;
采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息;其中,所述传感融合算法包括姿态解算算法、航位推测算法和/或扩展卡尔曼滤波算法;
通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息。
本实施例提供的无人机状态监管方法、装置、系统及可读存储介质,该方法包括获取无人机的飞行状态测量信息,采用传感融合算法,对飞行状态测量信息进行状态传感融合处理,得到当前时刻无人机的当前飞行状态信息,通过飞行状态测量信息,对当前飞行状态信息进行校正处理,得到无人机的飞行状态实际信息;该方法通过多传感融合技术来对无人机进行实时监控,相比于单传感技术对无人机进行实时监控,提高了定位精度。
附图说明
图1为一实施例提供的无人机状态监管方法的应用场景图;
图2为一实施例提供的无人机状态监管设备中各模块的结构示意图;
图3为另一实施例提供的云端服务器的系统架构示意图;
图4为另一实施例提供的无人机状态监管方法的流程示意图;
图5为另一实施例提供的Nuttx嵌入式操作系统架构示意图;
图6为另一实施例提供的获取当前飞行状态信息的具体流程示意图;
图7为另一实施例提供的获取飞行状态实际信息的具体流程示意图;
图8为一实施例提供的无人机状态监管装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本实施例提供的无人机状态监管方法,可以适用于图1所示的应用场景中。如图1所示,该系统包括无人机、终端、云端服务器以及无人机状态监管设备。本实施例对无人机的型号和类型不做任何限定。可选的,上述终端可以为笔记本电脑、台式电脑或者手机等安装应用程序的电子设备,本实施例对终端的具体形式并不做限定。可选的,无人机状态监管设备可以包括处理器、融合传感器、通信模块、存储模块和状态显示模块。可选的,终端可以接收云端服务器的处理结果,并将处理结果进行显示。
其中,处理器可以为微控制单元,用于对融合传感器采集到的信息进行处理,并与无人机状态监管设备中的其它模块进行数据通信。融合传感器可以为加速度计、陀螺仪、磁力计组合而成的9轴传感器、全球导航卫星系统、气压计以及电压计;9轴传感器用于采集飞行姿态信息;全球导航卫星系统用于对无人机进行定位,得到位置信息;气压计用于获得无人机飞行的海拔高度信息。通信模块集成了网络连接的通信功能,在本实施例中用于传输飞行状态信息;存储模块在本实施例中用于存储飞行相关信息;状态显示模块为一枚RGB显示灯,该状态显示灯可以通过不同颜色和闪烁的快慢来表示无人机的运行状态。可选的,状态显示模块可以为无人机状态监管设备上设置的状态显示灯,即RGB显示灯。可选的,云端服务器可以向无人机状态监管设备发送身份验证使能数据包、定位数据回传速率设置数据包、心跳数据包以及时间同步数据包,以通过这些数据包保证云端服务器与无人机状态监管设备之间的正常工作和正常通信。在本实施例中,无人机、终端、云端服务器与无人机状态监管设备之间通过网络连接进行通信;其中,网络连接的方式可以为蜂窝网络连接,但是,终端与云端服务器之间的连接方式除了蜂窝连接方式之外,还可以通过有线连接方式进行通信;如图2所示为无人机状态监管设备中各模块的结构示意图。在下述实施例中将具体介绍无人机状态监管方法的具体过程,其中,实现无人机状态监管方法的执行主体为无人机状态监管设备。
在本实施例中,无人机状态监管设备中的各个模块均可以焊接在PCB板上,如图2为PCB板以及PCB板上焊接的无人机状态监管设备中的各个模块示意图,无人机状态监管设备中的模块表示为:1为开关键、2为重置键、3为电源接口、4为Micro USB接口、5为RGB显示灯、6为GNSS天线、7为SIM-Micro SD一体化插槽、8为无线蜂窝网络天线、9为GNSS天线馈点、10为AHRS传感器、11为气压计、12为处理器、13为电压与电源管理芯片、14为GNSS-GPRS一体化芯片。其中,开关键1、重置键2、RGBLED 5与处理器12的GPIO接口相连,电源接口3与电压与电源管理芯片13相连,Micro USB接口4与处理器12的USB功能接口相连,GNSS天线6通过GNSS天线馈点9与GNSS-GPRS一体化芯片14相连,SIM-Micro SD一体化插槽7的MicroSD部分通过SPI接口与处理器12相连,而SIM卡部分与GNSS-GPRS一体化芯片14相连,无线蜂窝网络天线8与GNSS-GPRS一体化芯片14相连,AHRS传感器10、气压计11通过I2C接口与处理器12相连,电压与电源管理芯片13与处理器12的ADC接口相连,GNSS-GPRS一体化芯片14通过UART接口与处理器12相连。其中,图2中35mm表示PCB板的宽,45mm表示PCB板的长,并且图2左侧为PCB板的正面示意图,右侧为PCB板的反面示意图,安装时正面朝上,反面朝下。
另外,如图3所示为云端服务器的系统架构示意图,云端服务器的系统架构可以包括:数据库层、平台层、功能层、服务器、通信协议、用户层,每层包括图3中右侧方框中的信息;其中,最底层为数据库层,最上层为用户层,系统架构中底层可以给上层提供程序接口,通过调用程序接口进行处理当前层。
为了使本申请的目的、技术方案及优点更加清楚明白,通过下述实施例并结合附图,对本申请实施例中的技术方案的进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定发明。
图4为一实施例提供的无人机状态监管方法的流程示意图。本实施例涉及的是如何对无人机的飞行状态进行精准定位的过程。如图4所示,该方法包括:
步骤S1000、获取无人机的飞行状态测量信息。
具体的,无人机状态监管设备中的处理器可以获取无人机在飞行过程中的飞行状态信息,即飞行状态测量信息。可选的,无人机的飞行状态测量信息可以为无人机在历史时刻的飞行状态测量信息和无人机在当前时刻的飞行状态测量信息。可选的,无人机状态监管设备中的融合传感器可以采集飞行状态测量信息。
在本实施例中,在无人机状态监管设备在执行步骤S1000之前,可以将无人机状态监管设备与PC上位机通过有线连接,以对无人机状态监管设备进行测试、校正和参数设置,以将无人机状态监管设备调试到正常工作状态。
步骤S2000、采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息。
具体的,无人机状态监管设备中的处理器可以采用传感融合算法,对飞行状态测量信息进行状态传感融合处理,得到当前时刻无人机的当前飞行状态信息。需要说明的是,上述状态传感融合处理可以理解为通过历史时刻的飞行状态测量信息,来估计无人机当前时刻的当前飞行状态信息的过程。可选的,非线性滤波算法可以包括扩展卡尔曼滤波算法、互补滤波算法、无损卡尔曼滤波算法以及粒子滤波算法等等。
步骤S3000、通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息。
具体的,无人机状态监管设备中的处理器可以通过当前时刻的飞行状态测量信息,对估计得到的当前飞行状态信息进行校正处理,进而得到无人机的飞行状态实际信息。可选的,校正处理可以理解为误差修正处理。通常,无人机状态监管设备中的融合传感器采集的信息具有一定的误差,因此,使用多种不同传感器进行交叉验证的校正方法,以得到更准确的实际信息。
上述无人机状态监管方法,该方法包括获取无人机的飞行状态测量信息,采用传感融合算法,对飞行状态测量信息进行状态传感融合处理,得到当前时刻无人机的当前飞行状态信息,通过当前飞行状态测量信息对当前飞行状态信息进行校正处理,得到无人机的飞行状态实际信息;该方法通过多传感融合技术来对无人机进行实时监控,相比于单传感技术对无人机进行实时监控,提高了定位精度;同时,该方法通过多传感融合技术能够提高信息采集效率,从而提高定位及时性,有效对无人机的飞行状态进行监管。
作为其中一个实施例,上述步骤S1000中获取无人机的飞行状态测量信息的过程,具体可以包括:
步骤S1100、获取所述无人机的飞行姿态测量信息、位置测量信息、速度测量信息以及加速度测量信息。
具体的,无人机状态监管设备中的处理器可以获取无人机的飞行姿态测量信息、位置测量信息、速度测量信息以及加速度测量信息。可选的,位置测量信息可以包括无人机飞行过程中投影到水平面上的水平位置测量信息,以及海拔高度测量信息。可选的,飞行姿态测量信息可以包括无人机在飞行过程中测量到的俯仰角、偏航角以及滚转角。在本实施例中,无人机状态监管设备中的融合传感器可以以50Hz向处理器发送飞行姿态测量信息、速度测量信息、加速度测量信息,以20Hz向处理器发送海拔高度测量信息,以1Hz向处理器发送位置测量信息。融合传感器向处理器发送信息的调度可以通过处理器中的嵌入式操作系统实施。
在本实施例中,无人机状态监管设备在执行步骤S1100之前,无人机状态监管设备需要做一系列的第一预先处理,当第一预先处理结果满足第一特定条件时,无人机状态监管设备才会开始执行无人机状态监管方法。本实施例中无人机状态监管设备中的处理器可以采用Nuttx嵌入式操作系统。如图5所示为Nuttx嵌入式操作系统的系统架构图,该Nuttx嵌入式操作系统包括目标硬件、硬件抽象层(HAL)、硬件驱动层、操作系统层、应用接口层、功能模块层以及应用层,目标硬件为最底层,应用层为最上层。其中,目标硬件可以为硬件驱动;硬件抽象层(HAL)可以实现对片内资源(如定时器、ADC、中断、I/O等)的通用配置,隐藏具体的单片机位操作细节,为上层提供简单清晰的调用接口;硬件驱动层可以由各个驱动模块组成,向上层提供统一的接口;操作系统层可以负责系统任务的调试、磁盘和文件的管理;应用接口层可以提供公共的API接口供应用接口供上层调用,这些接口也可由下层的功能模块开放出来,应用接口层负责汇总;功能模块层可以封装不同的功能模块,向上提供应用接口层的接口,向下调用驱动接口;应用层可以为程序的总体的运行框架,组织调用业务逻辑,可以用Nuttx嵌入式操作系统实现几种任务。
其中,第一预先处理的具体过程可以包括如下内容:
(1)无人机状态监管设备接收初始化命令,对无人机状态监管设备中处理器采用的Nuttx嵌入式操作系统,和无人机状态监管设备中的其它模块进行初始化,包括底层时钟设置、线程初始化、设备驱动载入等。通过初始化可以设置融合传感器的量程、采样频率、采样精度和滤波效果等;设置通信模块的网络连接属性,包括检测SIM卡、检测信号强度、查看SIM卡IMEI、查看运营商和注册情况、尝试连接蜂窝网络;设置存储模块,包括设置SPI通信、检测内存卡是否存在、检测容量、新建日志文件、打开文件等。初始化完成后,继续执行(2)。
(2)无人机状态监管设备上设置的RGB显示灯可以输出当前的显示灯状态,并根据RGB显示灯的颜色和闪烁程度,判断无人机状态监管设备中的全球导航卫星系统、9轴传感器、气压计是否能正常工作。其中,若无人机状态监管设备上设置的RGB显示灯为蓝灯快闪状态,则表征全球导航卫星系统可正常工作;若无人机状态监管设备上设置的RGB显示灯为蓝灯慢闪状态,则表征全球导航卫星系统不可以正常工作,此时,等待一段时间后,可以继续根据无人机状态监管设备上设置的RGB显示灯的显示状态,继续判断无人机状态监管设备中的全球导航卫星系统是否能正常工作。若无人机状态监管设备上设置的RGB显示灯为黄灯慢闪状态,则表征9轴传感器和气压计可正常工作;若无人机状态监管设备上设置的RGB显示灯为黄灯快闪状态,则表征9轴传感器和气压计不可以正常工作,此时,等待一段时间后,可以继续根据无人机状态监管设备上设置的RGB显示灯的显示状态,继续判断无人机状态监管设备中的9轴传感器和气压计是否能正常工作。当判定全球导航卫星系统、9轴传感器、气压计均能正常工作(即上述第一特定条件)时,无人机状态监管设备才可以开始执行无人机状态监管方法。
上述无人机状态监管方法,该方法可以获取无人机的飞行状态测量信息,进而通过飞行状态测量信息估计当前状态信息,并通过测量信息对当前状态信息进行校正处理,以得到无人机的飞行状态实际信息;该方法通过多传感融合技术来对无人机进行实时监控,相比于单传感技术对无人机进行实时监控,提高了定位精度;同时,该方法通过多传感融合技术能够提高信息采集效率,从而提高定位及时性,有效对无人机的飞行状态进行监管。
作为其中一个实施例,图6为一实施例提供的步骤S2000的具体流程示意图,所述无人机的当前飞行状态信息包括:所述无人机的当前第一姿态信息、当前第一速度信息和当前第一位置信息;上述步骤S2000中采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息的过程,可以包括以下步骤:
步骤S2100、通过姿态解算算法,对所述飞行姿态测量信息进行姿态估计,得到所述当前第一姿态信息。
具体的,无人机状态监管设备中的处理器可以通过姿态解算算法,对飞行姿态测量信息进行姿态估计,得到无人机当前时刻的当前第一姿态信息。可选的,上述姿态解算算法可以包括卡尔曼滤波算法、互补滤波算法;其中,卡尔曼滤波算法可以为扩展卡尔曼滤波算法和无迹卡尔曼滤波算法,互补滤波算法可以为Mahony算法、Madgwick算法。
步骤S2200、通过航位推测算法,对所述加速度测量信息进行积分运算,得到所述无人机从所述历史时刻至所述当前时刻的飞行距离。
具体的,无人机状态监管设备中的处理器可以通过航位推测算法,对融合传感器中的加速度计采集到的加速度测量信息,在历史时刻至当前时刻这一时间段内进行双重积分运算,得到无人机从历史时刻至当前时刻的飞行距离。可选的,航位推测算法可以为捷联惯性导航算法。
步骤S2300、根据所述飞行姿态测量信息、所述当前第一姿态信息、所述飞行距离以及所述加速度测量信息,计算所述当前第一速度信息和当前第一位置信息。
具体的,无人机状态监管设备中的处理器根据飞行姿态测量信息中的不同角度信息、当前第一姿态信息中的不同角度信息、历史时刻至当前时刻之间的飞行距离以及无人机飞行过程中的加速度信息,可以推算出无人机的当前第一速度信息和当前第一位置信息。可选的,无人机飞行过程中的加速度可以为定值,即等于加速度测量信息表示的加速度。
进一步地,所述无人机的当前飞行状态信息还包括:当前第一海拔高度信息;上述步骤S2000还可以包括以下步骤:
步骤S2400、对所述海拔高度测量信息进行组合运算处理,得到海拔高度解。
具体的,无人机状态监管设备中的处理器可以对海拔高度测量信息进行组合运算处理,得到无人机当前时刻所处的海拔高度值(即海拔高度解)。可选的,上述组合运算处理可以包括减法运算、除法运算、乘法运算、求导运算。在本实施例中,云端服务器可以通过下述公式(1)对海拔高度测量信息进行组合运算处理,得到海拔高度解H;
其中,T表示环境温度,为一种热力学温度,单位K(开尔文),P0表示海平面气压,P表示气压测量值,R表示气体常数,g表示重力加速度。
步骤S2500、通过扩展卡尔曼滤波算法,对所述海拔高度解进行校正处理,得到所述当前第一海拔高度信息。
具体的,无人机状态监管设备中的处理器可以通过扩展卡尔曼滤波算法,对海拔高度解进行校正处理,得到无人机的当前第一海拔高度信息。
另外,所述无人机的当前飞行状态信息还包括:当前第二速度信息和当前第二位置信息;上述步骤S2000还可以包括以下步骤:
步骤S2600、根据所述当前第一速度信息以及所述当前第一位置信息,通过扩展卡尔曼滤波算法,对所述位置测量信息以及所述速度测量信息进行校正处理,得到所述当前第二速度信息和所述当前第二位置信息。
在本实施例中,无人机状态监管设备中的处理器可以根据当前第一速度信息以及当前第一位置信息,采用扩展卡尔曼滤波算法,对位置测量信息以及速度测量信息进行校正处理,得到无人机的当前第二速度信息和当前第二位置信息。
上述无人机状态监管方法,该方法可以通过飞行状态测量信息估计当前飞行状态信息,并通过飞行状态测量信息对当前飞行状态信息进行校正处理,以得到无人机的飞行状态实际信息;该方法通过多传感融合技术来对无人机进行实时监控,相比于单传感技术对无人机进行实时监控,提高了定位精度;同时,该方法通过多传感融合技术能够提高信息采集效率,从而提高定位及时性,有效对无人机的飞行状态进行监管。
作为其中一个实施例,上述步骤S3000中通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息的过程,可以通过以下步骤实现:
步骤S3100、对所述飞行状态测量信息以及所述当前飞行状态信息进行求和运算,得到所述无人机的飞行状态实际信息。
具体的,无人机状态监管设备中的处理器可以对飞行状态测量信息以及当前飞行状态信息进行求和运算,得到当前时刻无人机的飞行状态实际信息。
其中,图7为另一实施例提供的步骤S3100的具体流程示意图,上述步骤S3100中对所述飞行状态测量信息以及所述当前飞行状态信息进行求和运算,得到所述无人机的飞行状态实际信息的过程,具体可以包括以下步骤:
步骤S3110、对所述飞行姿态测量信息以及所述当前第一姿态信息进行加权求和运算,得到所述无人机的飞行姿态实际信息。
具体的,无人机状态监管设备中的处理器可以对飞行姿态测量信息以及当前第一姿态信息进行加权求和运算,得到当前时刻无人机的飞行姿态实际信息。例如,对飞行姿态测量信息中的测量航向角θ’进行加权求和运算,则加权求和运算过程可以表征为θ=a*θ’+b*θ”,其中,θ可以表示飞行姿态实际信息中的实际航向角,θ”可以表示当前第一姿态信息中的当前航向角,a和b分别为加权系数;飞行姿态测量信息中的其它测量角也可以通过类似的方式进行校正,得到对应的实际角度。
步骤S3120、对所述位置测量信息以及所述当前第二位置信息进行加权求和运算,得到所述无人机的位置实际信息。
具体的,无人机状态监管设备中的处理器可以对位置测量信息以及当前第二位置信息进行加权求和运算,得到当前时刻无人机的位置实际信息;其中,步骤S3120中加权求和运算的具体方式和步骤S3110中加权求和运算的方式可以类似。
需要说明的是,位置测量信息可以包括水平位置测量信息和海拔高度测量信息。无人机状态监管设备中的处理器可以对水平位置测量信息以及当前第二位置信息进行加权求和运算,得到当前时刻无人机的水平位置实际信息,同时,对海拔高度测量信息以及当前第一海拔高度信息进行加权求和运算,得到当前时刻无人机的海拔高度实际信息。
步骤S3130、对所述速度测量信息以及所述当前第二速度信息进行加权求和运算,得到所述无人机的速度实际信息。
具体的,无人机状态监管设备中的处理器可以对速度测量信息以及当前第二速度信息进行加权求和运算,得到当前时刻无人机的速度实际信息;其中,步骤S3130中加权求和运算的具体方式和步骤S3110中加权求和运算的方式可以类似。
进一步地,在无人机状态监管设备执行完无人机状态监管方法之后,无人机状态监管设备中的处理器可以将获取到的飞行状态实际信息发送至存储模块进行存储,进而将存储模块中存储的飞行状态实际信息进行打包处理发送至云端服务器,然后云端服务器可以对协议信息包进行分析处理,获取无人机当前的飞行路径信息,并将该信息进行存储。可选的,在上述打包处理之前,无人机状态监管设备还需要做一系列的第二预先处理,当第二预先处理结果满足第二特定条件时,无人机状态监管设备可以得到会话号,此时,处理器才可以对会话号和存储模块中存储的飞行状态实际信息进行打包处理,得到协议信息包。可选的,无人机状态监管设备可以同时执行第一预先处理和第二预先处理。可选的,无人机状态监管设备在初始化完成后,可以执行第二预先处理。
其中,上述第二预先处理的过程可以包括以下内容:
(3)无人机状态监管设备上设置的RGB显示灯可以输出当前的显示灯状态,并根据RGB显示灯的颜色和闪烁程度判断无人机状态监管设备通信是否正常。其中,若无人机状态监管设备上设置的RGB显示灯为绿灯慢闪状态,则表征无人机状态监管设备中的通信模块可正常通信,此时,无人机状态监管设备中的处理器可以对无人机的身份信息进行验证,以在身份数据库中存储的无人机型号或者无人机识别码中,查找该无人机对应的型号或者识别码;若查找到无人机型号或者无人机识别码,则处理器可以输出一个会话号;否则,等待一段时间,可以继续对无人机的身份信息进行验证,直到验证成功为止,输出一个会话号。可选的,身份信息可以为无人机的标识号。
(2)无人机状态监管设备上设置的RGB显示灯可以输出当前的显示灯状态,并根据RGB显示灯的颜色和闪烁程度判断无人机状态监管设备的电量是否充足。其中,若无人机状态监管设备上设置的RGB显示灯为红灯慢闪状态,则表征无人机状态监管设备的电量充足;若无人机状态监管设备上设置的RGB显示灯为红灯快闪状态,则表征无人机状态监管设备的电量不充足,进而得到无人机状态监管设备的电压状态,电压状态可以为无人机状态监管设备中电压计测得的电压值,并将该电压状态可以存储至存储模块中。其中,验证成功输出会话号并且将输出的电压状态存储至存储模块时,表征第二预先处理结果满足第二特定条件。可选的,第二预先处理结果满足第二特定条件时,处理器可以对会话号、存储模块中存储的电压状态和飞行状态实际信息进行打包处理,得到协议信息包,并将协议信息包发送至云端服务器。可选的,若云端服务器没有接收到协议信息包,表征处理器执行的第一预先处理和第二预先处理过程发生错误,此时,云端服务器就不可以执行后续的分析处理,以得到无人机当前的飞行路径信息。
进一步地,云端服务器可以对协议信息包进行分析处理,具体的分析处理过程可以通过以下过程实现:
云端服务器可以对协议信息包进行解压处理,得到打包信息(也就是打包处理前的会话号、电压状态以及飞行状态实际信息),通过会话号在无人机身份数据库中查找该无人机的身份信息,若查找不到,则表征该无人机为违规飞行,将查找结果相关信息会送至用户层进行告警,并且云端服务器对该无人机的身份信息进行标记,得到标记身份违规信息,并将标记身份违规信息进行存储;之后,可以继续通过飞行状态实际信息以及系统禁飞数据库中存储的每个禁飞区域,判断无人机当前的飞行位置是否在符合规定的飞行区域内。
若在无人机身份数据库中查找到该无人机的身份信息,则可以直接执行通过飞行状态实际信息以及系统禁飞数据库中存储的每个禁飞区域,判断无人机当前的飞行位置是否在禁飞区域内,若否,则云端服务器的用户层可以显示正常相关信息,然后将该无人机的飞行状态实际信息进行存储。若无人机当前的飞行位置在禁飞区域内,则判断结果相关信息会送至用户层进行告警,并且云端服务器对该无人机的位置信息进行标记,得到标记位置违规信息,并将标记位置违规信息进行存储,进而根据禁飞的位置信息和非禁飞的位置信息确定禁飞路径和非禁飞路径,并将禁飞路径和非禁飞路径存储至系统飞行路线数据库中。可选的,无人机身份数据库、系统禁飞数据库和系统飞行路线数据库均会存储至云端服务器中,以便后续查找和获取历史飞行轨迹信息。
上述无人机状态监管方法,该方法可以通过飞行状态测量信息对当前飞行状态信息进行校正处理,以得到无人机的飞行状态实际信息;该方法通过多传感融合技术来对无人机进行实时监控,相比于单传感技术对无人机进行实时监控,提高了定位精度;同时,该方法通过多传感融合技术能够提高信息采集效率,从而提高定位及时性,有效对无人机的飞行状态进行监管。
应该理解的是,虽然图4、6和7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图4、6和7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
关于无人机状态监管装置的具体限定可以参见上文中对于无人机状态监管方法的限定,在此不再赘述。上述无人机状态监管系统的无人机状态监管装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于无人机状态监管系统中的处理器中,也可以以软件形式存储于无人机状态监管系统中的存储模块中,以便于处理器调用执行以上各个模块对应的操作。
图8为一实施例提供的无人机状态监管装置结构示意图。如图8所示,该装置可以包括:获取测量信息模块11、传感融合模块12以及校正模块13。
具体的,所述获取测量信息模块11,用于获取无人机的飞行状态测量信息;
所述传感融合模块12,用于采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息;其中,所述传感融合算法包括姿态解算算法、航位推测算法和/或扩展卡尔曼滤波算法;
所述校正模块13,用于通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息。
本实施例提供的无人机状态监管装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述获取测量信息模块11具体用于获取所述无人机的飞行姿态测量信息、位置测量信息、速度测量信息以及加速度测量信息。
本实施例提供的无人机状态监管装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述无人机的当前飞行状态信息包括:所述无人机的当前第一姿态信息、当前第一速度信息和当前第一位置信息;所述传感融合模块12包括:姿态估计单元、积分运算单元以及计算单元。
其中,所述姿态估计单元,用于通过姿态解算算法,对所述飞行姿态测量信息进行姿态估计,得到所述当前第一姿态信息;
所述积分运算单元,用于通过航位推测算法,对所述加速度测量信息进行积分运算,得到所述无人机从所述历史时刻至所述当前时刻的飞行距离;
所述计算单元,用于根据所述飞行姿态测量信息、所述当前第一姿态信息、所述飞行距离以及所述加速度测量信息,计算所述当前第一速度信息和所述当前第一位置信息。
本实施例提供的无人机状态监管装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述无人机的当前飞行状态信息还包括:当前第一海拔高度信息;所述传感融合模块12还包括:组合运算单元以及第一校正单元。
其中,所述组合运算单元,用于对所述海拔高度测量信息进行组合运算处理,得到海拔高度解;
所述第一校正单元,用于通过扩展卡尔曼滤波算法,对所述海拔高度解进行校正处理,得到所述当前第一海拔高度信息。
本实施例提供的无人机状态监管装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述无人机的当前飞行状态信息还包括:当前第二速度信息和当前第二位置信息;所述传感融合模块12还包括:第二校正单元。
其中,所述第二校正单元,用于根据所述当前第一速度信息以及所述当前第一位置信息,通过扩展卡尔曼滤波算法,对所述位置测量信息以及所述速度测量信息进行校正处理,得到所述当前第二速度信息和所述当前第二位置信息。
本实施例提供的无人机状态监管装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述校正模块13包括求和运算单元。
其中,所述求和运算单元,用于对所述飞行状态测量信息以及所述当前飞行状态信息进行求和运算,得到所述无人机的飞行状态实际信息。
本实施例提供的无人机状态监管装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述求和运算单元包括:第一加权求和运算子单元、第二加权求和运算子单元以及第三加权求和运算子单元。
具体的,所述第一加权求和运算子单元,用于对所述飞行姿态测量信息以及所述当前第一姿态信息进行加权求和运算,得到所述无人机的飞行姿态实际信息;
所述第二加权求和运算子单元,用于对所述位置测量信息以及所述当前第二位置信息进行加权求和运算,得到所述无人机的位置实际信息;
所述第三加权求和运算子单元,用于所述对所述速度测量信息以及所述当前第二速度信息进行加权求和运算,得到所述无人机的速度实际信息。
本实施例提供的无人机状态监管装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在一个实施例中,提供了一种无人机状态监管系统,其结构图可以如图1所示。其中,该无人机状态监管系统中的处理器用于提供计算和控制能力。该无人机状态监管系统中的存储模块包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机程序被处理器执行时以实现一种无人机状态监管方法。上述处理器执行计算机程序时实现以下步骤:
获取无人机的飞行状态测量信息;
采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息;其中,所述传感融合算法包括姿态解算算法、航位推测算法和/或扩展卡尔曼滤波算法;
通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息。
在一个实施例中,提供了一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取无人机的飞行状态测量信息;
采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息;其中,所述传感融合算法包括姿态解算算法、航位推测算法和/或扩展卡尔曼滤波算法;
通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、信息库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双信息率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种无人机状态监管方法,其特征在于,所述方法包括:
获取无人机的飞行状态测量信息,包括:获取所述无人机的飞行姿态测量信息、位置测量信息、速度测量信息以及加速度测量信息;
采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息;其中,所述传感融合算法包括姿态解算算法、航位推测算法和/或扩展卡尔曼滤波算法;
所述无人机的当前飞行状态信息包括:所述无人机的当前第一姿态信息、当前第一速度信息和当前第一位置信息;所述采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息,包括:
通过姿态解算算法,对所述飞行姿态测量信息进行姿态估计,得到所述当前第一姿态信息;
通过航位推测算法,对所述加速度测量信息进行积分运算,得到所述无人机从历史时刻至所述当前时刻的飞行距离;
根据所述飞行姿态测量信息、所述当前第一姿态信息、所述飞行距离以及所述加速度测量信息,计算所述当前第一速度信息和所述当前第一位置信息;
通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息;
所述无人机的当前飞行状态信息还包括:当前第二速度信息和当前第二位置信息;所述方法还包括:
根据所述当前第一速度信息以及所述当前第一位置信息,通过扩展卡尔曼滤波算法,对所述位置测量信息以及所述速度测量信息进行校正处理,得到所述当前第二速度信息和所述当前第二位置信息。
2.根据权利要求1所述的方法,其特征在于,所述无人机的当前飞行状态信息还包括:当前第一海拔高度信息;所述方法还包括:
对所述海拔高度测量信息进行组合运算处理,得到海拔高度解;
通过扩展卡尔曼滤波算法,对所述海拔高度解进行校正处理,得到所述当前第一海拔高度信息。
3.根据权利要求1所述的方法,其特征在于,所述通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息,包括:
对所述飞行状态测量信息以及所述当前飞行状态信息进行求和运算,得到所述无人机的飞行状态实际信息。
4.根据权利要求3所述的方法,其特征在于,所述对所述飞行状态测量信息以及所述当前飞行状态信息进行求和运算,得到所述无人机的飞行状态实际信息,包括:
对所述飞行姿态测量信息以及所述当前第一姿态信息进行加权求和运算,得到所述无人机的飞行姿态实际信息;
对所述位置测量信息以及所述当前第二位置信息进行加权求和运算,得到所述无人机的位置实际信息;
对所述速度测量信息以及所述当前第二速度信息进行加权求和运算,得到所述无人机的速度实际信息。
5.一种无人机状态监管装置,其特征在于,所述装置包括:
获取测量信息模块,用于获取无人机的飞行状态测量信息;所述获取测量信息模块具体用于获取所述无人机的飞行姿态测量信息、位置测量信息、速度测量信息以及加速度测量信息;
传感融合模块,用于采用传感融合算法,对所述飞行状态测量信息进行状态传感融合处理,得到当前时刻所述无人机的当前飞行状态信息;其中,所述传感融合算法包括姿态解算算法、航位推测算法和/或扩展卡尔曼滤波算法;所述无人机的当前飞行状态信息包括:所述无人机的当前第一姿态信息、当前第一速度信息和当前第一位置信息;所述传感融合模块包括:姿态估计单元、积分运算单元以及计算单元;
其中,所述姿态估计单元,用于通过姿态解算算法,对所述飞行姿态测量信息进行姿态估计,得到所述当前第一姿态信息;
所述积分运算单元,用于通过航位推测算法,对所述加速度测量信息进行积分运算,得到所述无人机从历史时刻至所述当前时刻的飞行距离;
所述计算单元,用于根据所述飞行姿态测量信息、所述当前第一姿态信息、所述飞行距离以及所述加速度测量信息,计算所述当前第一速度信息和所述当前第一位置信息;
校正模块,用于通过所述飞行状态测量信息,对所述当前飞行状态信息进行校正处理,得到所述无人机的飞行状态实际信息;
所述无人机的当前飞行状态信息还包括:当前第二速度信息和当前第二位置信息;所述传感融合模块还包括:第二校正单元;
其中,所述第二校正单元,用于根据所述当前第一速度信息以及所述当前第一位置信息,通过扩展卡尔曼滤波算法,对所述位置测量信息以及所述速度测量信息进行校正处理,得到所述当前第二速度信息和所述当前第二位置信息。
6.根据权利要求5所述的装置,其特征在于,所述无人机的当前飞行状态信息还包括:当前第一海拔高度信息;所述传感融合模块还包括:组合运算单元以及第一校正单元;
其中,所述组合运算单元,用于对所述海拔高度测量信息进行组合运算处理,得到海拔高度解;
所述第一校正单元,用于通过扩展卡尔曼滤波算法,对所述海拔高度解进行校正处理,得到所述当前第一海拔高度信息。
7.根据权利要求5所述的装置,其特征在于,所述校正模块包括求和运算单元;
其中,所述求和运算单元,用于对所述飞行状态测量信息以及所述当前飞行状态信息进行求和运算,得到所述无人机的飞行状态实际信息。
8.根据权利要求7所述的装置,其特征在于,所述求和运算单元包括:第一加权求和运算子单元、第二加权求和运算子单元以及第三加权求和运算子单元;
所述第一加权求和运算子单元,用于对所述飞行姿态测量信息以及所述当前第一姿态信息进行加权求和运算,得到所述无人机的飞行姿态实际信息;
所述第二加权求和运算子单元,用于对所述位置测量信息以及所述当前第二位置信息进行加权求和运算,得到所述无人机的位置实际信息;
所述第三加权求和运算子单元,用于所述对所述速度测量信息以及所述当前第二速度信息进行加权求和运算,得到所述无人机的速度实际信息。
9.一种无人机状态监管系统,所述系统包括:无人机、终端、云端服务器以及无人机状态监管设备,所述无人机状态监管设备包括处理器、融合传感器、通信模块、存储模块和状态显示模块,所述存储模块上存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤;
其中,所述处理器用于对所述融合传感器采集到的信息进行处理,并与所述无人机状态监管设备中的其它模块进行数据通信;
所述融合传感器包括加速度计、陀螺仪、磁力计组合而成的9轴传感器、全球导航卫星系统、气压计以及电压计。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010309841.6A CN111459187B (zh) | 2020-04-20 | 2020-04-20 | 无人机状态监管方法、装置、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010309841.6A CN111459187B (zh) | 2020-04-20 | 2020-04-20 | 无人机状态监管方法、装置、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111459187A CN111459187A (zh) | 2020-07-28 |
CN111459187B true CN111459187B (zh) | 2021-09-07 |
Family
ID=71684635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010309841.6A Active CN111459187B (zh) | 2020-04-20 | 2020-04-20 | 无人机状态监管方法、装置、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111459187B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711051A (zh) * | 2020-12-18 | 2021-04-27 | 易瓦特科技股份公司 | 一种飞控系统定位方法、装置、设备及存储介质 |
CN112631967B (zh) * | 2020-12-18 | 2023-12-26 | 北京中电华大电子设计有限责任公司 | 一种大容量tf-sim卡及其通信方法 |
WO2022160175A1 (zh) * | 2021-01-28 | 2022-08-04 | 深圳市大疆创新科技有限公司 | 控制方法和无人飞行器 |
TWI806318B (zh) * | 2021-12-28 | 2023-06-21 | 財團法人工業技術研究院 | 無人機及其控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094138A (zh) * | 2015-07-15 | 2015-11-25 | 东北农业大学 | 一种用于旋翼无人机的低空自主导航系统 |
CN205844898U (zh) * | 2016-06-28 | 2016-12-28 | 江苏中科院智能科学技术应用研究院 | 一种适用小型无人机的飞控设备 |
CN109446476A (zh) * | 2018-09-27 | 2019-03-08 | 清华大学 | 一种多模式传感器信息解耦方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000020200U (ko) * | 1999-04-30 | 2000-11-25 | 이관기 | 자동차용 도어스위치어셈블리 |
CN101713654A (zh) * | 2009-11-18 | 2010-05-26 | 南京航空航天大学 | 跨音速飞行阶段大气攻角与惯性攻角的融合方法 |
CN104567799B (zh) * | 2014-11-28 | 2017-03-22 | 天津大学 | 基于多传感器信息融合的小型旋翼无人机高度测量方法 |
CN104932522B (zh) * | 2015-05-27 | 2018-04-17 | 深圳市大疆创新科技有限公司 | 一种飞行器的自主降落方法和系统 |
US9978285B2 (en) * | 2015-06-10 | 2018-05-22 | Ecole Polytechnique Federale De Lausanne (Epfl) | Autonomous and non-autonomous dynamic model based navigation system for unmanned vehicles |
CN107543540B (zh) * | 2016-06-27 | 2020-05-15 | 杭州海康机器人技术有限公司 | 一种飞行设备的数据融合和飞行模式切换方法及装置 |
US20180088234A1 (en) * | 2016-09-27 | 2018-03-29 | Carnegie Mellon University | Robust Localization and Localizability Prediction Using a Rotating Laser Scanner |
CN106657380B (zh) * | 2017-01-10 | 2019-11-26 | 深圳高科新农技术有限公司 | 一种基于云平台的无人机监管方法及系统 |
CN110020394B (zh) * | 2017-08-01 | 2023-07-18 | 广州极飞科技股份有限公司 | 数据处理的方法及装置 |
US11150090B2 (en) * | 2018-08-09 | 2021-10-19 | Stmicroelectronics S.R.L. | Machine learning zero-rate level calibration |
CN109118827A (zh) * | 2018-09-28 | 2019-01-01 | 北京理工大学 | 一种基于云平台的无人机飞行管理方法及系统 |
CN110186456B (zh) * | 2019-04-30 | 2023-09-29 | 中国科学院深圳先进技术研究院 | 一种目标定位的方法、系统、无人机及存储介质 |
-
2020
- 2020-04-20 CN CN202010309841.6A patent/CN111459187B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094138A (zh) * | 2015-07-15 | 2015-11-25 | 东北农业大学 | 一种用于旋翼无人机的低空自主导航系统 |
CN205844898U (zh) * | 2016-06-28 | 2016-12-28 | 江苏中科院智能科学技术应用研究院 | 一种适用小型无人机的飞控设备 |
CN109446476A (zh) * | 2018-09-27 | 2019-03-08 | 清华大学 | 一种多模式传感器信息解耦方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111459187A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459187B (zh) | 无人机状态监管方法、装置、系统及可读存储介质 | |
JP6312304B2 (ja) | 位置測定方法、自己位置測定装置及び車載器 | |
US20190114929A1 (en) | Data processing device, drone, and control device, method, and processing program therefor | |
CN110404202A (zh) | 高空作业安全带的检测方法及装置、高空作业安全带 | |
CN109484934B (zh) | 升降机系统的维护轨迹的跟踪 | |
Chamoso et al. | Modeling oil-spill detection with multirotor systems based on multi-agent systems | |
CN111882694A (zh) | 机房巡检方法、装置和机器人 | |
CN109461134A (zh) | 一种输电线路无人机巡检方法、装置、终端及存储介质 | |
CN106546236B (zh) | 基于建筑结构图自主计算的海上平台人员定位导航系统 | |
CN110543989A (zh) | 输电线路机巡作业安全预警方法、装置和计算机设备 | |
CN116485066B (zh) | 基于gis的智慧燃气安全巡线管理方法和物联网系统 | |
CN111521971B (zh) | 一种机器人的定位方法及系统 | |
Intharasombat et al. | A low-cost flash flood monitoring system | |
CN109658670A (zh) | 一种无人机的基站天线巡检方法、装置、设备和存储介质 | |
US20210095968A1 (en) | Infrastructure characteristics based mobile device navigation | |
US20190212152A1 (en) | Measurement data processing | |
CN117032294B (zh) | 一种基于5g网联的无人机航线规划系统及规划方法 | |
KR101914922B1 (ko) | 위치 추정 방법 및 장치 | |
CN111076707B (zh) | 一种天线姿态测量方法、装置、系统和存储介质 | |
US20230260097A1 (en) | Power station inspection system and power station inspection method | |
CN112367397A (zh) | 外勤作业的监控预警方法、系统、计算机设备及存储介质 | |
Areias et al. | Towards an Automated Flying Drones Platform. | |
Gudmundsson et al. | Porting Computer Vision Models to the Edge for Smart City Applications: Enabling Autonomous Vision-Based Power Line Inspection at the Smart Grid Edge for Unmanned Aerial Vehicles (UAVs). | |
CN111880576B (zh) | 基于视觉的无人机飞行控制方法及装置 | |
CA3132938C (en) | Method and system for zone-based localization of mobile devices |
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 |