CN111649737A - 一种面向飞机精密进近着陆的视觉-惯性组合导航方法 - Google Patents
一种面向飞机精密进近着陆的视觉-惯性组合导航方法 Download PDFInfo
- Publication number
- CN111649737A CN111649737A CN202010381181.2A CN202010381181A CN111649737A CN 111649737 A CN111649737 A CN 111649737A CN 202010381181 A CN202010381181 A CN 202010381181A CN 111649737 A CN111649737 A CN 111649737A
- Authority
- CN
- China
- Prior art keywords
- runway
- airplane
- visual
- approach
- inertial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000013459 approach Methods 0.000 title claims abstract description 52
- 238000005259 measurement Methods 0.000 claims abstract description 64
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims description 30
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000003416 augmentation Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明提供的一种面向飞机精密进近着陆的视觉‑惯性组合导航方法,通过将整个进近着陆过程划分为三个阶段,分别是初始进近阶段、精密进近阶段和精密着陆阶段,针对不同阶段下飞机的导航精度需求和机载测量信息的特点,设计相应的约束函数,通过非线性优化技术获得最优解,估计飞机运动状态进行导航。该方法能够在低能见度气象条件下,不依赖于全球导航卫星系统(GNSS)辅助,实现飞机精密进近着陆导航,具备高精度、强实时、自主性的导航能力。
Description
技术领域
本发明属于计算机视觉导航领域,具体涉及一种面向飞机精密进近着陆的视觉-惯性组合导航方法。
背景技术
固定翼飞机从初始进近点开始下降,直至降落在机场跑道面上的过程称之为进近着陆。整个过程中,飞机对导航精度的要求是不一样的。随着飞机飞行高度的不断下降,飞机靠近机场地面设施或障碍物的距离越来越近,可规避地面障碍物的时机也越少,它对自身定位精度的要求也越高。传统的进近着陆方法包括:仪表着陆系统引导的精密进近着陆和基于差分GPS的精密进近着陆。其中,仪表着陆系统的引导精度较低,且地面设施造价高昂,常用于大型机场;基于差分GPS的方法依赖于星基增强系统(SBAS)或地基增强系统(GBAS),虽然定位精度高,适应区域范围较广,但容易受到电磁干扰,且成本极高。
近年来,国内外科研团队一直在尝试开发一种低成本、高精度、抗干扰的自主精密进近着陆辅助系统。如法国空客公司(AIRBUS)利用纯视觉方法估计飞机进近着陆时的位姿,但忽略了两个重要的事实:视觉数据更新率较低,且飞机下降至60英尺以下时无法拍摄完整的跑道轮廓。德国宇航研究院(DLR)早期利用跑道特征构造位姿的解析解,其中包含了许多假设,无法应用于实际工程;后期利用SLAM实现飞机的运动估计,但SLAM在大尺度场景下定位精度较差。国防科技大学早期采用了地基相机网络观测的方法获得飞机的位置信息,但无法估计姿态和速度信息;后来通过在跑道面上安装红外灯光装置,由机载红外相机捕获前视图像并提取目标特征,进而解算飞机位姿。这是一种纯视觉的导航定位方法,其数据更新率较低,无法满足飞机高速运动时对位姿状态估计的需求。西北工业大学在飞机机头安装发光装置,由地面相机阵列捕获并提取视觉特征,计算飞机位置信息,该方法无法估计飞机姿态信息,数据更新率较低,受限于相机的帧率。
随着飞行高度的下降,飞机距离地面设施或障碍物的距离越近,要求导航精度也越高。此外,现有的方法均采用了一种组合导航方式,不会随着飞行高度的下降而随之改变。随着飞行高度的逐渐下降,从前视相机拍摄的图像中所能提取的视觉信息也会随之变化,视觉-惯性组合导航方法也应随之改变。因此,针对飞机精密进近着陆的导航需求,还需开展进一步研究。
发明内容
为解决上述问题,本发明提供了一种面向飞机精密进近着陆的视觉-惯性组合导航方法,采用的技术方案是:
一种面向飞机精密进近着陆的视觉-惯性组合导航方法,其特殊之处在于,按照以下步骤实施:
步骤1、初始进近阶段导航
飞机即将着陆的跑道投影区域不超过整幅相机拍摄图像面积的1/4,图像中跑道左右边缘线在末端重合,选择图像中跑道的几何中心点作为视觉特征,通过扩展卡尔曼滤波器与气压高度共同构成组合导航方式,估计飞机运动状态,即飞机当前的位置、速度、姿态、加速度偏置和角速度偏置;
步骤2、精密进近阶段导航
飞机即将着陆的跑道投影区域完整地落入相机拍摄图像中,选择图像中跑道轮廓四边形顶点作为视觉特征,利用真实跑道顶点与合成跑道顶点之间的关系构造约束项,通过非线性优化方法计算系统状态的最优解;
步骤3、精密着陆阶段导航
飞机即将着陆的跑道前端边缘线和后端边缘线投影至相机拍摄图像以外,将SLAM算法与惯性测量构成视觉-惯性里程计,估计飞机运动状态。
进一步地,所述步骤1具体按照以下步骤实施:
步骤1.1、定义系统状态为
将惯性测量单元的运动状态方程
整理得到
将式(5)离散化后,表示为
xk=Φk/k-1(xk-1)+wk-1 (6)
步骤1.2、将图像中跑道的几何中心点坐标作为视觉测量信息,利用已知跑道地理数据、相机位置和姿态,通过投影构造视觉测量模型为
yk=proj(xk,Pcenter,K)+nIA (7)
yk=[or oc hbh]T (8)
其中,yk为通过跑道检测获得的图像中跑道几何中心点的坐标;xk为惯性测量单元的运动状态;Pcenter为地理坐标系下跑道几何中心点的坐标,包括经度、纬度和海拔高度;K为相机内部参数标定矩阵;proj(·)为视觉投影函数;nIA为视觉测量噪声,近似服从零均值高斯分布;(or oc hbh)分别代表跑道几何中心点行坐标测量值、跑道几何中心点列坐标测量值、气压高度测量值;分别代表跑道几何中心点行坐标的测量误差、跑道几何中心点列坐标的测量误差、气压高度测量误差;hLA代表系统预测值;分别代表跑道几何中心点行坐标预测值、跑道几何中心点列坐标预测值、气压高度预测值;
步骤1.3、在惯性测量单元的运动状态方程(6)和视觉测量模型(7)(8) (9)(10)的基础上,采用扩展卡尔曼滤波估计飞机运动状态进行导航。
进一步地,所述步骤2具体按照以下步骤实施:
步骤2.1、将图像中跑道轮廓四边形顶点坐标作为视觉测量信息,在一个长度为l的滑动窗口内保证每帧图像上真实跑道顶点与合成跑道顶点之间的误差达到最小,由此构造约束项如下
其中Pi,i=1,2,3,4为地理坐标系下跑道轮廓四边形顶点的坐标,包括:经度、纬度和海拔高度;pi,i=1,2,3,4为地理坐标系下跑道轮廓四边形顶点的坐标投影至图像坐标系下的坐标,且pi=proj(xk,Pi,K);为通过跑道检测获得的图像中跑道轮廓四边形顶点的坐标;s为滑动窗口开始的时刻; l为滑动窗口长度;
步骤2.2、通过非线性优化方法计算系统状态的最优解。
进一步地,所述步骤2.2中非线性优化方法具体是指高斯牛顿迭代法或者列文伯格-马夸尔特法。
进一步地,所述步骤3具体按照以下步骤实施:
步骤3.1、在两帧图像之间的几何约束、光度约束和惯性约束下,在一个长度为l1的滑动窗口内建立重投影误差约束项、邻域内像素光度误差约束项和惯性误差约束项;
步骤3.2、将重投影误差约束项、邻域内像素光度误差约束项和惯性误差约束项之和定义为误差和函数;
步骤3.3、通过非线性优化方法计算误差和函数取得最小值时的解,估计飞机运动状态进行导航。
进一步地,所述步骤3.3中非线性优化方法具体是指高斯牛顿迭代法或者列文伯格-马夸尔特法。
进一步地,所述初始进近阶段为飞机从飞行高度500英尺下降至200英尺的阶段;
所述精密进近阶段为飞机从飞行高度200英尺下降至60英尺的阶段;
所述精密着陆阶段为飞机从飞行高度60英尺下降至跑道面的阶段。
本发明的有益效果是:
本发明提供的一种面向飞机精密进近着陆的视觉-惯性组合导航方法,通过将整个进近着陆过程划分为三个阶段,针对不同阶段下飞机的导航精度需求和机载测量信息的特点,设计相应的约束函数,通过非线性优化技术获得最优解,估计飞机运动状态进行导航,该方法能够在低能见度气象条件下,不依赖于全球导航卫星系统(GNSS)辅助,实现飞机精密进近着陆导航,具备高精度、强实时、自主性的导航能力。
附图说明
图1是本发明一种面向飞机精密进近着陆的视觉-惯性组合导航方法流程框图;
图2是本发明中进近着陆的阶段划分图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明提供了一种面向飞机精密进近着陆的视觉-惯性组合导航方法,该方法是将整个进近着陆过程划分为三个阶段:初始进近阶段、精密进近阶段和精密着陆阶段,针对不同阶段通过不同的方法进行导航。如图2所示,初始进近阶段是指飞机从飞行高度500英尺下降至200英尺的阶段,精密进近阶段是指飞机从飞行高度200英尺下降至60英尺的阶段,精密着陆阶段是指飞机从飞行高度60英尺下降至跑道面的阶段。
本方法的输入数据来自于机载前视红外相机(FLIR)拍摄的红外图像、机载机场数据库提供的地理数据、机载惯性测量单元提供的惯性数据、气压高度计采集的气压高度数据、无线电高度表提供的无线电高度数据,整个方法实施过程中应用的算法包括跑道检测获得真实跑道特征、帧间匹配获得视觉特征、跑道投影获得合成跑道特征、优化/滤波估计运动状态,流程框图如图1所示。
该方法主要可分为以下三个步骤实施:
步骤1、在初始进近阶段,飞机即将着陆的跑道投影区域不超过整幅相机拍摄图像面积的1/4,图像中跑道左右边缘线在末端重合,选择图像中跑道的几何中心点作为视觉特征,通过扩展卡尔曼滤波器与气压高度计采集到的气压高度数据共同构成组合导航方式,即飞机当前的位置、速度、姿态、加速度偏置和角速度偏置。
该阶段包括对机载前视红外相机(FLIR)拍摄的红外图像进行跑道检测,获得真实跑道特征;对机载机场数据库提供的地理数据以及机载惯性测量单元提供的惯性数据进行跑道投影,获得合成跑道特征;结合真实跑道特征、合成跑道特征以及气压高度计采集的气压高度数据进行滤波,实现运动状态估计。
具体按照以下三个步骤实施:
步骤1.1、组合导航系统的状态简称为系统状态,定义系统状态为
惯性测量单元的运动状态方程如下:
其中,am、na、g、ωm、nω分别代表:惯性测量单元的加速度、加速度噪声、重力加速度、角速度、角速度噪声。式(1)~式(4)经整理得到:
将式(5)离散化后,表示为
xk=Φk/k-1(xk-1)+wk-1 (6)
步骤1.2、将图像中跑道的几何中心点坐标作为视觉测量信息,利用已知跑道地理数据、相机位置和姿态,通过投影构造视觉测量模型为
yk=proj(xk,Pcenter,K)+nIA (7)
yk=[or oc hbh]T (8)
其中,yk为通过跑道检测获得的图像中跑道几何中心点的坐标;xk为惯性测量单元的运动状态;Pcenter为地理坐标系下跑道几何中心点的坐标,包括经度、纬度和海拔高度;K为相机内部参数标定矩阵;proj(·)为视觉投影函数;nIA为视觉测量噪声,近似服从零均值高斯分布;(or oc hbh)分别代表跑道几何中心点行坐标测量值、跑道几何中心点列坐标测量值、气压高度测量值;分别代表跑道几何中心点行坐标的测量误差、跑道几何中心点列坐标的测量误差、气压高度测量误差;hLA代表系统预测值;分别代表跑道几何中心点行坐标预测值、跑道几何中心点列坐标预测值、气压高度预测值;
相机与惯性测量单元的相对位置和姿态可以通过地面标定的方式获得,已知惯性测量单元的测量位姿,通过矩阵变换可以计算出相机的测量位置和姿态。
步骤1.3、在惯性测量单元的运动状态方程(6)和视觉测量模型(7)(8) (9)(10)的基础上,采用扩展卡尔曼滤波估计飞机运动状态进行导航。
步骤2、在精密进近阶段,飞机即将着陆的跑道投影区域完整地落入相机拍摄图像中,选择图像中跑道轮廓四边形顶点作为视觉特征,利用真实跑道顶点与合成跑道顶点(pi,i=1,2,3,4)之间的关系构造约束项,通过非线性优化方法计算系统状态的最优解。
该阶段包括对机载前视红外相机(FLIR)拍摄的红外图像进行跑道检测,获得真实跑道特征;对机载机场数据库提供的地理数据以及机载惯性测量单元提供的惯性数据进行跑道投影,获得合成跑道特征;结合真实跑道特征、合成跑道特征以及机载惯性测量单元提供的惯性数据进行优化,实现运动状态估计。
具体按照以下两个步骤实施:
其中Pi,i=1,2,3,4为地理坐标系下跑道轮廓四边形顶点的坐标,包括:经度、纬度和海拔高度;pi,i=1,2,3,4为地理坐标系下跑道轮廓四边形顶点的坐标投影至图像坐标系下的坐标,且pi=proj(xk,Pi,K);为通过跑道检测获得的图像中跑道轮廓四边形顶点的坐标;s为滑动窗口开始的时刻; l为滑动窗口长度。
步骤2.2、通过非线性优化方法,如高斯牛顿迭代法或者列文伯格-马夸尔特法,计算系统状态的最优解。
步骤3、在精密着陆阶段,飞机即将着陆的跑道前端边缘线和后端边缘线投影至相机拍摄图像以外,将SLAM算法与惯性测量构成视觉-惯性里程计,估计飞机运动状态。
该阶段包括对机载前视红外相机(FLIR)拍摄的红外图像进行帧间匹配,获得视觉特征,估计相机位姿;结合视觉相机位姿估计和机载惯性测量数据进行优化,实现运动状态估计。
具体按照以下三个步骤实施:
步骤3.1、在两帧图像之间的几何约束、光度约束和惯性约束下,在一个长度为l1的滑动窗口内建立重投影误差约束项、邻域内像素光度误差约束项和惯性误差约束项。
(a)重投影误差
其中Ti表示i帧图像在世界坐标系下的位置,Tj表示j帧图像在世界坐标系下的位置,K表示相机内部参数标定矩阵,π表示齐次坐标到笛卡尔坐标变换,d表示关键点的估计深度;
(b)邻域内像素光度误差
图像帧i上任意一点p∈Ωi在另外一帧图像j上的光度误差定义为
其中,Np是p点周围邻域内的像素集合,Ii和Ij是相邻两帧图像,ti和tj是相邻两帧图像的曝光时间,ai、bi、aj和bj是修正仿射光照变换系数,γ表示Huber范数,ωp是梯度相关权重,p′是投影至图像帧Ij上的点;
(c)惯性误差
将Δt=tk+1-tk时间内惯性测量单元的测量值与估计值之差定义为惯性误差,具体定义为
步骤3.2、将重投影误差约束项、邻域内像素光度误差约束项和惯性误差约束项之和定义为误差和函数,如下
其中,ηR、ηP和ηI分别为重投影误差、邻域内像素光度误差和惯性误差的权重系数。
步骤3.3、在长度为l1的滑动窗口内利用多个关键帧信息估计飞机运动状态,相当于寻找式(15)取得最小值时的解,从而将飞机运动状态估计转化为非线性优化问题,如下
通过非线性优化方法,如高斯牛顿迭代法或者列文伯格-马夸尔特法,计算误差和函数取得最小值时的解,估计飞机运动状态进行导航。
在地面实验平台上采用自有数据集进行算法测试与验证。其中,自有数据集是通过小型通用飞机,如运12F通用飞机,搭载红外相机、惯性测量单元、气压高度计(或大气数据计算机)、无线电高度表、数据记录设备(含飞行参数和视频数据)、GPS接收机、数据处理计算机。机场上架设差分GPS 基站为惯性/差分GPS组合导航提供精确的GPS参数,选取惯性/差分GPS 组合导航输出值作为真值。
1、检测飞机下降高度,在下降至200英尺之前,采用步骤1方法,将测试结果与真值进行比较;
2、检测飞机下降高度,从200英尺下降至60英尺之间,采用步骤2方法,将测试结果与真值进行比较;
3、检测飞机下降高度,从60英尺下降至地面,采用步骤3方法,将测试结果与真值进行比较。
Claims (7)
1.一种面向飞机精密进近着陆的视觉-惯性组合导航方法,其特征在于,按照以下步骤实施:
步骤1、初始进近阶段导航
飞机即将着陆的跑道投影区域不超过整幅相机拍摄图像面积的1/4,图像中跑道左右边缘线在末端重合,选择图像中跑道的几何中心点作为视觉特征,通过扩展卡尔曼滤波器与气压高度共同构成组合导航方式,估计飞机运动状态,即飞机当前的位置、速度、姿态、加速度偏置和角速度偏置;
步骤2、精密进近阶段导航
飞机即将着陆的跑道投影区域完整地落入相机拍摄图像中,选择图像中跑道轮廓四边形顶点作为视觉特征,利用真实跑道顶点与合成跑道顶点之间的关系构造约束项,通过非线性优化方法计算系统状态的最优解;
步骤3、精密着陆阶段导航
飞机即将着陆的跑道前端边缘线和后端边缘线投影至相机拍摄图像以外,将SLAM算法与惯性测量构成视觉-惯性里程计,估计飞机运动状态。
2.根据权利要求1所述的一种面向飞机精密进近着陆的视觉-惯性组合导航方法,其特征在于,所述步骤1具体按照以下步骤实施:
步骤1.1、定义系统状态为
将惯性测量单元的运动状态方程
整理得到
将式(5)离散化后,表示为
xk=Φk/k-1(xk-1)+wk-1 (6)
步骤1.2、将图像中跑道的几何中心点坐标作为视觉测量信息,利用已知跑道地理数据、相机位置和姿态,通过投影构造视觉测量模型为
yk=proj(xk,Pcenter,K)+nIA (7)
yk=[or oc hbh]T (8)
其中,yk为通过跑道检测获得的图像中跑道几何中心点的坐标;xk为惯性测量单元的运动状态;Pcenter为地理坐标系下跑道几何中心点的坐标,包括经度、纬度和海拔高度;K为相机内部参数标定矩阵;proj(·)为视觉投影函数;nIA为视觉测量噪声,近似服从零均值高斯分布;(or oc hbh)分别代表跑道几何中心点行坐标测量值、跑道几何中心点列坐标测量值、气压高度测量值;分别代表跑道几何中心点行坐标的测量误差、跑道几何中心点列坐标的测量误差、气压高度测量误差;hLA代表系统预测值;分别代表跑道几何中心点行坐标预测值、跑道几何中心点列坐标预测值、气压高度预测值;
步骤1.3、在惯性测量单元的运动状态方程(6)和视觉测量模型(7)(8)(9)(10)的基础上,采用扩展卡尔曼滤波估计飞机运动状态进行导航。
3.根据权利要求1所述的一种面向飞机精密进近着陆的视觉-惯性组合导航方法,其特征在于,所述步骤2具体按照以下步骤实施:
步骤2.1、将图像中跑道轮廓四边形顶点坐标作为视觉测量信息,在一个长度为l的滑动窗口内保证每帧图像上真实跑道顶点与合成跑道顶点之间的误差达到最小,由此构造约束项如下
其中Pi,i=1,2,3,4为地理坐标系下跑道轮廓四边形顶点的坐标,包括:经度、纬度和海拔高度;pi,i=1,2,3,4为地理坐标系下跑道轮廓四边形顶点的坐标投影至图像坐标系下的坐标,且pi=proj(xk,Pi,K);为通过跑道检测获得的图像中跑道轮廓四边形顶点的坐标;s为滑动窗口开始的时刻;l为滑动窗口长度;
步骤2.2、通过非线性优化方法计算系统状态的最优解。
4.根据权利要求3所述的一种面向飞机精密进近着陆的视觉-惯性组合导航方法,其特征在于:
所述步骤2.2中非线性优化方法具体是指高斯牛顿迭代法或者列文伯格-马夸尔特法。
5.根据权利要求1所述的一种面向飞机精密进近着陆的视觉-惯性组合导航方法,其特征在于,所述步骤3具体按照以下步骤实施:
步骤3.1、在两帧图像之间的几何约束、光度约束和惯性约束下,在一个长度为l1的滑动窗口内建立重投影误差约束项、邻域内像素光度误差约束项和惯性误差约束项;
步骤3.2、将重投影误差约束项、邻域内像素光度误差约束项和惯性误差约束项之和定义为误差和函数;
步骤3.3、通过非线性优化方法计算误差和函数取得最小值时的解,估计飞机运动状态进行导航。
6.根据权利要求5所述的一种面向飞机精密进近着陆的视觉-惯性组合导航方法,其特征在于:
所述步骤3.3中非线性优化方法具体是指高斯牛顿迭代法或者列文伯格-马夸尔特法。
7.根据权利要求1至6任一所述的面向飞机精密进近着陆的视觉-惯性分段组合导航方法,其特征在于:
所述初始进近阶段为飞机从飞行高度500英尺下降至200英尺的阶段;
所述精密进近阶段为飞机从飞行高度200英尺下降至60英尺的阶段;
所述精密着陆阶段为飞机从飞行高度60英尺下降至跑道面的阶段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010381181.2A CN111649737B (zh) | 2020-05-08 | 2020-05-08 | 一种面向飞机精密进近着陆的视觉-惯性组合导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010381181.2A CN111649737B (zh) | 2020-05-08 | 2020-05-08 | 一种面向飞机精密进近着陆的视觉-惯性组合导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111649737A true CN111649737A (zh) | 2020-09-11 |
CN111649737B CN111649737B (zh) | 2022-05-24 |
Family
ID=72342637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010381181.2A Active CN111649737B (zh) | 2020-05-08 | 2020-05-08 | 一种面向飞机精密进近着陆的视觉-惯性组合导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111649737B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112762929A (zh) * | 2020-12-24 | 2021-05-07 | 华中科技大学 | 一种智能导航方法、装置和设备 |
CN113932804A (zh) * | 2021-09-17 | 2022-01-14 | 四川腾盾科技有限公司 | 机场跑道视觉与gnss/惯导导航相结合的定位方法 |
CN114383612A (zh) * | 2022-01-05 | 2022-04-22 | 中国兵器工业计算机应用技术研究所 | 一种视觉辅助惯性差分位姿测量系统 |
CN114419109A (zh) * | 2022-03-29 | 2022-04-29 | 中航金城无人系统有限公司 | 一种基于视觉和气压信息融合的飞行器定位方法 |
CN116380057A (zh) * | 2023-06-05 | 2023-07-04 | 四川腾盾科技有限公司 | 一种gnss拒止环境下无人机自主着陆定位方法 |
CN116382351A (zh) * | 2023-06-05 | 2023-07-04 | 四川腾盾科技有限公司 | 一种大型固定翼无人机自主避障方法 |
CN117928552A (zh) * | 2024-01-22 | 2024-04-26 | 中国民航科学技术研究院 | 基于垂直气压导航的rnp飞行程序设计系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005115623A (ja) * | 2003-10-07 | 2005-04-28 | Fuji Heavy Ind Ltd | 画像認識を用いた航法装置 |
US20180053428A1 (en) * | 2015-03-16 | 2018-02-22 | Safran Electronics & Defense | Automatic assistance method for landing an aircraft |
CN109029433A (zh) * | 2018-06-28 | 2018-12-18 | 东南大学 | 一种移动平台上基于视觉和惯导融合slam的标定外参和时序的方法 |
CN109341724A (zh) * | 2018-12-04 | 2019-02-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种机载相机-惯性测量单元相对位姿在线标定方法 |
CN109341700A (zh) * | 2018-12-04 | 2019-02-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种低能见度下固定翼飞机视觉辅助着陆导航方法 |
CN109375647A (zh) * | 2018-11-20 | 2019-02-22 | 中国航空工业集团公司西安航空计算技术研究所 | 微型多源感知计算系统 |
-
2020
- 2020-05-08 CN CN202010381181.2A patent/CN111649737B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005115623A (ja) * | 2003-10-07 | 2005-04-28 | Fuji Heavy Ind Ltd | 画像認識を用いた航法装置 |
US20180053428A1 (en) * | 2015-03-16 | 2018-02-22 | Safran Electronics & Defense | Automatic assistance method for landing an aircraft |
CN109029433A (zh) * | 2018-06-28 | 2018-12-18 | 东南大学 | 一种移动平台上基于视觉和惯导融合slam的标定外参和时序的方法 |
CN109375647A (zh) * | 2018-11-20 | 2019-02-22 | 中国航空工业集团公司西安航空计算技术研究所 | 微型多源感知计算系统 |
CN109341724A (zh) * | 2018-12-04 | 2019-02-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种机载相机-惯性测量单元相对位姿在线标定方法 |
CN109341700A (zh) * | 2018-12-04 | 2019-02-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种低能见度下固定翼飞机视觉辅助着陆导航方法 |
Non-Patent Citations (1)
Title |
---|
ZHANG, L 等: ""Infrared-based Autonomous Navigation for Civil Aircraft Precision Approach and Landing"", 《IEEE ACCESS》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112762929A (zh) * | 2020-12-24 | 2021-05-07 | 华中科技大学 | 一种智能导航方法、装置和设备 |
CN112762929B (zh) * | 2020-12-24 | 2022-08-02 | 华中科技大学 | 一种智能导航方法、装置和设备 |
CN113932804A (zh) * | 2021-09-17 | 2022-01-14 | 四川腾盾科技有限公司 | 机场跑道视觉与gnss/惯导导航相结合的定位方法 |
CN114383612A (zh) * | 2022-01-05 | 2022-04-22 | 中国兵器工业计算机应用技术研究所 | 一种视觉辅助惯性差分位姿测量系统 |
CN114383612B (zh) * | 2022-01-05 | 2024-04-12 | 中国兵器工业计算机应用技术研究所 | 一种视觉辅助惯性差分位姿测量系统 |
CN114419109A (zh) * | 2022-03-29 | 2022-04-29 | 中航金城无人系统有限公司 | 一种基于视觉和气压信息融合的飞行器定位方法 |
CN116380057A (zh) * | 2023-06-05 | 2023-07-04 | 四川腾盾科技有限公司 | 一种gnss拒止环境下无人机自主着陆定位方法 |
CN116382351A (zh) * | 2023-06-05 | 2023-07-04 | 四川腾盾科技有限公司 | 一种大型固定翼无人机自主避障方法 |
CN116382351B (zh) * | 2023-06-05 | 2023-08-18 | 四川腾盾科技有限公司 | 一种大型固定翼无人机自主避障方法 |
CN116380057B (zh) * | 2023-06-05 | 2023-08-29 | 四川腾盾科技有限公司 | 一种gnss拒止环境下无人机自主着陆定位方法 |
CN117928552A (zh) * | 2024-01-22 | 2024-04-26 | 中国民航科学技术研究院 | 基于垂直气压导航的rnp飞行程序设计系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111649737B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111649737B (zh) | 一种面向飞机精密进近着陆的视觉-惯性组合导航方法 | |
CN107727079B (zh) | 一种微小型无人机全捷联下视相机的目标定位方法 | |
CN104215239B (zh) | 基于视觉的无人机自主着陆导引装置实现的导引方法 | |
CN103697889B (zh) | 一种基于多模型分布式滤波的无人机自主导航与定位方法 | |
CN111426320B (zh) | 一种基于图像匹配/惯导/里程计的车辆自主导航方法 | |
Strydom et al. | Visual odometry: autonomous uav navigation using optic flow and stereo | |
CN106054929A (zh) | 一种基于光流的无人机自动降落引导方法 | |
CN109544696B (zh) | 一种基于视觉惯性组合的机载增强合成视景虚实图像精确配准方法 | |
CN111077556A (zh) | 融合北斗与多传感器的机场行李牵引车定位装置与方法 | |
CN110081875B (zh) | 一种仿鸽子智能的无人机自主导航系统及方法 | |
CN105352509A (zh) | 地理信息时空约束下的无人机运动目标跟踪与定位方法 | |
CN106767791A (zh) | 一种采用基于粒子群优化的ckf的惯性/视觉组合导航方法 | |
CN111024072B (zh) | 一种基于深度学习的卫星地图辅助导航定位方法 | |
CN113447949B (zh) | 一种基于激光雷达和先验地图的实时定位系统及方法 | |
Steiner et al. | A vision-aided inertial navigation system for agile high-speed flight in unmapped environments: Distribution statement a: Approved for public release, distribution unlimited | |
CN109341686A (zh) | 一种基于视觉-惯性紧耦合的飞行器着陆位姿估计方法 | |
Johnson et al. | Design and analysis of map relative localization for access to hazardous landing sites on mars | |
CN115574816B (zh) | 仿生视觉多源信息智能感知无人平台 | |
CN110968113B (zh) | 一种无人机自主跟踪起降系统及跟踪定位方法 | |
Andert et al. | Optical-aided aircraft navigation using decoupled visual SLAM with range sensor augmentation | |
CN109375647A (zh) | 微型多源感知计算系统 | |
CN109341685B (zh) | 一种基于单应变换的固定翼飞机视觉辅助着陆导航方法 | |
Andert et al. | Improving monocular SLAM with altimeter hints for fixed-wing aircraft navigation and emergency landing | |
Hu et al. | Kilometer sign positioning-aided INS/odometer integration for land vehicle autonomous navigation | |
Zhang et al. | Infrared-based autonomous navigation for civil aircraft precision approach and landing |
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 |