CN111918389B - 一种基于无人机网关的室外定位方法及装置 - Google Patents

一种基于无人机网关的室外定位方法及装置 Download PDF

Info

Publication number
CN111918389B
CN111918389B CN202010860747.XA CN202010860747A CN111918389B CN 111918389 B CN111918389 B CN 111918389B CN 202010860747 A CN202010860747 A CN 202010860747A CN 111918389 B CN111918389 B CN 111918389B
Authority
CN
China
Prior art keywords
current
unmanned aerial
distance
aerial vehicle
sensor node
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
CN202010860747.XA
Other languages
English (en)
Other versions
CN111918389A (zh
Inventor
郑家顺
潘衡
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.)
Chengdu Feiyingsi Technology Co Ltd
Original Assignee
Chengdu Feiyingsi Technology Co Ltd
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 Chengdu Feiyingsi Technology Co Ltd filed Critical Chengdu Feiyingsi Technology Co Ltd
Priority to CN202010860747.XA priority Critical patent/CN111918389B/zh
Publication of CN111918389A publication Critical patent/CN111918389A/zh
Application granted granted Critical
Publication of CN111918389B publication Critical patent/CN111918389B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/16—Gateway arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供的一种基于无人机网关的室外定位方法及装置，该方法通过接收无人机群中每一无人机在对当前扫描传感器节点进行扫描时获取的当前节点标识、当前扫描信号强度和当前无人机位置，通过第一距离计算公式对每一无人机发送的当前扫描信号强度进行计算，获取所有无人机与当前扫描传感器节点之间的第一距离；通过距离换算算法对每一当前无人机位置和对应的第一距离进行处理，获取每一第一距离对应的距离转换值；对所有距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与当前扫描传感器节点之间的第二距离，第二距离即为当前扫描传感器节点的位置信息，提高定位准确性。

Description

一种基于无人机网关的室外定位方法及装置
技术领域
本发明涉及无线定位技术领域，具体涉及一种基于无人机网关的室外定位方法及装置。
背景技术
随着无线传感器网络尤其是物联网技术在行业中的不断深入，定位技术在农业、交通、仓储等多领域扮演不可或缺的角色。现有定位方式主要包括以下三种方式：一、通过GPS全球定位系统进行定位，其优点是精度高，缺点是能耗高并且需要定位芯片，大范围部署成本高；二、基于蓝牙或WiFi信号的强弱或者信号到达时间差进行定位，其优点是成本低、工作时间长、易部署，缺点是传播范围小，大多应用于室内环境；三、通过LoRa（LongRange Radio，远距离无线电）信号定位，但是现有的基于LoRa的定位方法需要多个固定的且已知精确位置的基站（或网关）来实现较高精度的定位，这为室外无线传感器网络的部署增加了安装和部署成本，另外，对于室外环境，固定位置的LoRa基站随环境变化依然存在定位不准确的问题。
发明内容
本发明所要解决的技术问题是现有的基于LoRa的定位方法部署成本高且定位不准确。本发明提供一种基于无人机网关的室外定位方法及装置，以降低部署成本，提高定位准确性。
本发明通过下述技术方案实现：
一种基于无人机网关的室外定位方法，包括中央控制端执行的如下步骤：
接收无人机群中每一无人机在对当前扫描传感器节点进行扫描时获取的当前节点标识、当前扫描信号强度和当前无人机位置，每一当前扫描传感器节点对应一当前节点标识；
通过第一距离计算公式对每一无人机发送的所述当前扫描信号强度进行计算，获取所有无人机与所述当前扫描传感器节点之间的第一距离；
通过距离换算算法对每一当前无人机位置和对应的所述第一距离进行处理，获取每一所述第一距离对应的距离转换值；
对所有所述距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与所述当前扫描传感器节点之间的第二距离，所述第二距离即为所述当前扫描传感器节点的位置信息。
进一步地，所述通过第一距离计算公式对每一无人机发送的所述当前扫描信号强度进行计算，获取所有无人机与所述当前扫描传感器节点之间的第一距离，包括：
获取待使用信号衰减系数和预测的基准信号强度，并基于每一无人机发送的所述当前节点标识，获取每一无人机与所述当前节点标识对应的当前传感器节点之间的最小扫描距离和当前扫描信号强度；
调用第一距离计算公式分别对每一无人机对应的最小扫描距离、待使用信号衰减系数、基准信号强度和当前扫描信号强度进行计算，获取所有无人机与所述当前传感器节点之间的第一距离。
进一步地，所述第一距离计算公式具体为：
Figure 528033DEST_PATH_IMAGE001
，其中，
Figure 564122DEST_PATH_IMAGE002
指第
Figure 455855DEST_PATH_IMAGE003
个无人机与当前传感器节点之间的第一距离，
Figure 108553DEST_PATH_IMAGE004
指第
Figure 478354DEST_PATH_IMAGE005
个无人机与当前传感器节点之间的最小扫描距离，
Figure 634529DEST_PATH_IMAGE006
指预测的基准信号强度，
Figure 447895DEST_PATH_IMAGE007
指第
Figure 322311DEST_PATH_IMAGE003
个无人机扫描当前传感器节点时的当前扫描信号强度，
Figure 495803DEST_PATH_IMAGE008
指待使用信号衰减系数。
进一步地，所述基于无人机网关的室外定位方法还包括：
获取预测的基准信号强度，以及各传感器节点标识对应的最大扫描距离和最小扫描距离；
获取当前时刻各无人机扫描对应的传感器节点时，实际测量的实测信号强度；
调用衰减系数计算公式对所述基准信号强度、最大扫描距离、最小扫描距离和实测信号强度进行计算，获取各传感器节点标识对应的待计算信号衰减系数；
基于所述传感器节点标识，计算传感器节点对应的节点个数，并通过所述节点个数对所述待计算信号衰减系数进行平均值计算，获取待使用信号衰减系数。
进一步地，所述衰减系数计算公式具体为：
Figure 772063DEST_PATH_IMAGE009
,其中，
Figure 740019DEST_PATH_IMAGE010
指第
Figure 101731DEST_PATH_IMAGE011
个传感器节点标识无对应的待计算信号衰减系数，
Figure 813335DEST_PATH_IMAGE012
指预测的基准信号强度，
Figure 944102DEST_PATH_IMAGE013
指当前时刻，各无人机扫描对应的传感器节点时的实测信号强度，
Figure 348538DEST_PATH_IMAGE014
指第
Figure 197546DEST_PATH_IMAGE011
个传感器节点标识对应的最大扫描距离，
Figure 447261DEST_PATH_IMAGE015
指第
Figure 698114DEST_PATH_IMAGE011
个传感器节点标识对应的最小扫描距离。
进一步地，所述通过距离换算算法对每一当前无人机位置和对应的所述第一距离进行处理，获取每一所述第一距离对应的距离转换值，包括：
基于所述当前节点标识的位置坐标、每一当前无人机位置的坐标和所述当前节点标识的第一距离构建方程组；
将方程组进行矩阵形式转换，获取目标像向量，其中，转换后的矩阵为
Figure 7873DEST_PATH_IMAGE016
；其中，A为最小二乘矩阵，
Figure 608092DEST_PATH_IMAGE017
为距离转换值，B为目标向量；
通过最小二乘法对所述目标向量进行计算，获取每一目标向量对应的距离转换值。
进一步地，所述方程组为
Figure 927078DEST_PATH_IMAGE018
，其中，
Figure 32437DEST_PATH_IMAGE019
为第
Figure 513097DEST_PATH_IMAGE011
个当前无人机位置的坐标，
Figure 71117DEST_PATH_IMAGE020
为第
Figure 928215DEST_PATH_IMAGE011
个扫描当前扫描传感器节点的无人机与当前扫描传感器节点之间的第一距离，
Figure 888081DEST_PATH_IMAGE021
；
所述最小二乘矩阵A为：
Figure 805221DEST_PATH_IMAGE022
；
所述目标向量B为：
Figure 850538DEST_PATH_IMAGE023
所述通过最小二乘法对所述目标向量进行计算，获取每一目标向量对应的距离转换值，具体为：
Figure 511326DEST_PATH_IMAGE024
，其中，
Figure 325698DEST_PATH_IMAGE025
为距离转换值。
一种基于无人机网关的室外定位装置，包括：
数据接收模块，用于接收无人机群中每一无人机在对当前扫描传感器节点进行扫描时获取的当前节点标识、当前扫描信号强度和当前无人机位置，每一当前扫描传感器节点对应一当前节点标识；
第一距离计算模块，用于通过第一距离计算公式对每一无人机发送的所述当前扫描信号强度进行计算，获取所有无人机与所述当前扫描传感器节点之间的第一距离；
距离换算算法处理模块，用于通过距离换算算法对每一当前无人机位置和对应的所述第一距离进行处理，获取每一所述第一距离对应的距离转换值；
位置信息获取模块，用于对所有所述距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与所述当前扫描传感器节点之间的第二距离，所述第二距离即为所述当前扫描传感器节点的位置信息。
一种基于无人机网关的室外定位方法，包括无人机群中每一无人机执行的如下步骤：
确定当前扫描传感器节点，并向所述当前传感器节点发送唤醒信号；
获取当前传感器节点基于所述唤醒信号回传的定位请求，所述定位请求携带有节点标识；
基于所述定位请求，按照预先存储的飞行路径，对所述当前扫描传感器节点进行扫描，获取当前扫描信号强度和当前无人机位置坐标；
将当前扫描的传感器节点的节点标识作为当前节点标识，并将所述当前节点标识、当前扫描信号强度和当前无人机位置坐标发送给中央控制端。
一种基于无人机网关的室外定位装置，包括：
唤醒信号发送模块，用于确定当前扫描传感器节点，并向所述当前传感器节点发送唤醒信号；
定位请求获取模块，用于获取当前传感器节点基于所述唤醒信号回传的定位请求，所述定位请求携带有节点标识；
定位请求处理模块，用于基于所述定位请求，按照预先存储的飞行路径，对所述当前扫描传感器节点进行扫描，获取当前扫描信号强度和当前无人机位置坐标；
数据发送模块，用于将当前扫描的传感器节点的节点标识作为当前节点标识，并将所述当前节点标识、当前扫描信号强度和当前无人机位置坐标发送给中央控制端。
本发明提供的一种基于无人机网关的室外定位方法及装置，通过接收无人机群中每一无人机在对当前扫描传感器节点进行扫描时获取的当前节点标识、当前扫描信号强度和当前无人机位置，以将无人机群作为可移动且已知精确位置坐标的网关，通过多个无人机同时对不同区域进行多次不同路径的定位扫描，相当于快速灵活的部署多个可自定义位置的LoRa定位基站，降低部署成本；然后通过第一距离计算公式对每一无人机发送的当前扫描信号强度进行计算，获取所有无人机与当前扫描传感器节点之间的第一距离；通过距离换算算法对每一当前无人机位置和对应的第一距离进行处理，获取每一第一距离对应的距离转换值；对所有距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与当前扫描传感器节点之间的第二距离，第二距离即为当前扫描传感器节点的位置信息，提高定位准确性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明一种基于无人机网关的室外定位方法的流程图。
图2为图1中步骤S12的一具体流程图。
图3为图2中步骤S121的一具体流程图。
图4为图1中步骤S13的一具体流程图。
图5为本发明一种基于无人机网关的室外定位装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本发明提供一种基于无人机网关的室外定位方法，该方法可应用于不同计算机设备中，该计算机设备包括但不限于各种个人计算机、笔记本电脑、智能手机和平板电脑。
如图1所示，本发明提供一种基于无人机网关的室外定位方法，包括如下步骤：
S11：接收无人机群中每一无人机在对当前扫描传感器节点进行扫描时获取的当前节点标识、当前扫描信号强度和当前无人机位置，每一当前扫描传感器节点对应一当前节点标识。
其中，当前扫描传感器节点指无人机群中每一无人机正在扫描的布置在节点上的传感器。当前节点标识指当前扫描传感器节点的标识，每一当前扫描传感器节点对应一当前节点标识。当前扫描信号强度指每一无人机在对当前扫描传感器节点进行扫描时获取的RSSI（Received Signal Strength Indication，接收的信号强度指示）。当前无人机位置指扫描当前扫描传感器节点的每一个无人机的位置，可通过安装在无人机上的定位系统（GPS）获取。
S12：通过第一距离计算公式对每一无人机发送的当前扫描信号强度进行计算，获取所有无人机与当前扫描传感器节点之间的第一距离。
其中，第一距离计算公式指用于计算无人机与当前扫描传感器节点之间的距离的公式。第一距离指无人机与当前扫描传感器节点之间的距离。
S13：通过距离换算算法对每一当前无人机位置和对应的第一距离进行处理，获取每一第一距离对应的距离转换值。
其中，距离换算算法指将第一距离换算为观测点与当前扫描传感器节点之间的距离的一种算法。距离转换值指将第一距离通过距离换算算法转换后得到的距离值。
S14：对所有距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与当前扫描传感器节点之间的第二距离，第二距离即为当前扫描传感器节点的位置信息。
其中，第二距离指观测点与当前扫描传感器节点之间的距离，即当前扫描传感器节点相对于观测点的位置信息。
具体地，在获取所有无人机对当前扫描传感器节点进行扫描时，二者之间的第一距离后，通过距离换算算法对每一个第一距离进行换算，获取每一个第一距离对应的距离转换值，并对所有距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与当前扫描传感器节点之间的第二距离，以提高定位精度。
进一步地，如图2所示，步骤S12，通过第一距离计算公式对每一无人机发送的当前扫描信号强度进行计算，获取所有无人机与当前扫描传感器节点之间的第一距离，具体包括如下步骤：
S121：获取待使用信号衰减系数和预测的基准信号强度，并基于每一无人机发送的当前节点标识，获取每一无人机与当前节点标识对应的当前传感器节点之间的最小扫描距离和当前扫描信号强度。
其中，待使用信号衰减系数指用于计算第一距离时的信号衰减系数。预测的基准信号强度指在无干扰情况下测得的信号强度。最小扫描距离指扫描当前传感器节点的无人机与当前传感器节点之间最小的距离。
具体地，为了提高对扫描传感器节点定位的准确性，本实施例中对每个需要扫描的传感器节点设置了多个无人机进行扫描，每个无人机按照预先存储好的飞行路径在多个位置对同一个传感器节点进行扫描，因此，一个无人机在对一个当前传感器节点进行扫描时有不同的距离。
S122：调用第一距离计算公式分别对每一无人机对应的最小扫描距离、待使用信号衰减系数、基准信号强度和当前扫描信号强度进行计算，获取所有无人机与当前传感器节点之间的第一距离。
进一步地，第一距离计算公式具体为：
Figure 413740DEST_PATH_IMAGE001
，其中，
Figure 697085DEST_PATH_IMAGE002
指第
Figure 630406DEST_PATH_IMAGE026
个无人机与当前传感器节点之间的第一距离，
Figure 564864DEST_PATH_IMAGE027
指第
Figure 89386DEST_PATH_IMAGE026
Figure 578136DEST_PATH_IMAGE026
个无人机与当前传感器节点之间的最小扫描距离，
Figure 846307DEST_PATH_IMAGE006
指预测的基准信号强度，
Figure 635271DEST_PATH_IMAGE007
指第
Figure 65115DEST_PATH_IMAGE026
个无人机扫描当前传感器节点时的当前扫描信号强度，
Figure 306741DEST_PATH_IMAGE028
指待使用信号衰减系数。
进一步地，如图3所示，由于信号衰减系数是指整个传感器节点组成的系统对应的信号衰减系数，因此，本实施例中的待使用信号衰减系数是指按照预先布置好的节点设置完所有传感器后，所有传感器节点的信号衰减系数的平均值。基于无人机网关的室外定位方法还包括：
S1211：获取预测的基准信号强度，以及各传感器节点标识对应的最大扫描距离和最小扫描距离。
其中，最大扫描距离指扫描当前传感器节点的无人机与当前传感器节点之间最大的距离。
S1212：获取当前时刻各无人机扫描对应的传感器节点时，实际测量的实测信号强度。
具体地，实测信号强度指每一无人机扫描对应的传感器节点获取的RSSI。
S1213：调用衰减系数计算公式对基准信号强度、最大扫描距离、最小扫描距离和实测信号强度进行计算，获取各传感器节点标识对应的待计算信号衰减系数。
进一步地，衰减系数计算公式具体为：
Figure 113023DEST_PATH_IMAGE009
,其中，
Figure 756494DEST_PATH_IMAGE010
指第
Figure 357239DEST_PATH_IMAGE011
个传感器节点标识无对应的待计算信号衰减系数，
Figure 335429DEST_PATH_IMAGE012
指预测的基准信号强度，
Figure 679822DEST_PATH_IMAGE029
指当前时刻，各无人机扫描对应的传感器节点时的实测信号强度，
Figure 443379DEST_PATH_IMAGE014
指第
Figure 215026DEST_PATH_IMAGE011
个传感器节点标识对应的最大扫描距离，
Figure 431243DEST_PATH_IMAGE030
指第
Figure 579328DEST_PATH_IMAGE011
个传感器节点标识对应的最小扫描距离。
S1214：基于传感器节点标识，计算传感器节点对应的节点个数，并通过节点个数对待计算信号衰减系数进行平均值计算，获取待使用信号衰减系数。
可以理解地，一个传感器节点标识表示一个传感器节点，即可以根据传感器节点标识的个数确定布置传感器的节点的个数。
进一步地，如图4所示，步骤S13，通过距离换算算法对每一当前无人机位置和对应的第一距离进行处理，获取每一第一距离对应的距离转换值，包括：
S131：基于当前节点标识的位置坐标、每一当前无人机位置的坐标和当前节点标识的第一距离构建方程组。
进一步地，方程组为
Figure 197391DEST_PATH_IMAGE018
，其中，（x,y,z）为当前节点标识的位置坐标，
Figure 874360DEST_PATH_IMAGE019
为第
Figure 577874DEST_PATH_IMAGE011
个当前无人机位置的坐标，
Figure 529649DEST_PATH_IMAGE020
为第
Figure 2219DEST_PATH_IMAGE011
个扫描当前扫描传感器节点的无人机与当前扫描传感器节点之间的第一距离，
Figure 115669DEST_PATH_IMAGE021
。
S132：将方程组进行矩阵形式转换，获取目标像向量，其中，转换后的矩阵为
Figure 57211DEST_PATH_IMAGE016
；其中，A为最小二乘矩阵，
Figure 547098DEST_PATH_IMAGE017
为距离转换值，B为目标向量。
进一步地，最小二乘矩阵A为：
Figure 874174DEST_PATH_IMAGE022
。
目标向量B为：
Figure 424104DEST_PATH_IMAGE023
S133：通过最小二乘法对目标向量进行计算，获取每一目标向量对应的距离转换值。
进一步地，通过最小二乘法对目标向量进行计算，获取每一目标向量对应的距离转换值，具体为：
Figure 836631DEST_PATH_IMAGE024
，其中，
Figure 864630DEST_PATH_IMAGE017
为距离转换值。
如图1所示，本发明提供一种基于无人机网关的室外定位方法，还包括无人机群中每一无人机执行的如下步骤：
S21：确定当前扫描传感器节点，并向当前传感器节点发送唤醒信号。
其中，唤醒信号指无人机用于唤醒布置在节点上的传感器的信号。
S22：获取当前传感器节点基于唤醒信号回传的定位请求，定位请求携带有传感器节点标识。
S23：基于定位请求，按照预先存储的飞行路径，对当前扫描传感器节点进行扫描，获取当前扫描信号强度和当前无人机位置坐标。
具体地，本实施例中的飞行路径指无人机扫描所有传感器节点的飞行路径，中包括一个传感器节点的多个扫描位置和每个传感器节点的位置。
S24：将当前扫描的传感器节点的节点标识作为当前节点标识，并将当前节点标识、当前扫描信号强度和当前无人机位置坐标发送给中央控制端。
本发明提供的一种基于无人机网关的室外定位方法，通过接收无人机群中每一无人机在对当前扫描传感器节点进行扫描时获取的当前节点标识、当前扫描信号强度和当前无人机位置，以将无人机群作为可移动且已知精确位置坐标的网关，通过多个无人机同时对不同区域进行多次不同路径的定位扫描，相当于快速灵活的部署多个可自定义位置的LoRa定位基站，降低部署成本；然后通过第一距离计算公式对每一无人机发送的当前扫描信号强度进行计算，获取所有无人机与当前扫描传感器节点之间的第一距离；通过距离换算算法对每一当前无人机位置和对应的第一距离进行处理，获取每一第一距离对应的距离转换值；对所有距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与当前扫描传感器节点之间的第二距离，第二距离即为当前扫描传感器节点的位置信息，提高定位准确性。
实施例2
如图5所示，本实施例与实施例1的区别在于，一种基于无人机网关的室外定位装置，该基于无人机网关的室外定位装置具体为中央控制端，具体包括：
数据接收模块11，用于接收无人机群中每一无人机在对当前扫描传感器节点进行扫描时获取的当前节点标识、当前扫描信号强度和当前无人机位置，每一当前扫描传感器节点对应一当前节点标识。
第一距离计算模块12，用于通过第一距离计算公式对每一无人机发送的当前扫描信号强度进行计算，获取所有无人机与当前扫描传感器节点之间的第一距离。
距离换算算法处理模块13，用于通过距离换算算法对每一当前无人机位置和对应的第一距离进行处理，获取每一第一距离对应的距离转换值。
位置信息获取模块14，用于对所有距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与当前扫描传感器节点之间的第二距离，第二距离即为当前扫描传感器节点的位置信息。
进一步地，第一距离计算模块12包括第一距离计算参数获取单元和第一距离获取单元。
第一距离计算参数获取单元，用于获取待使用信号衰减系数和预测的基准信号强度，并基于每一无人机发送的当前节点标识，获取每一无人机与当前节点标识对应的当前传感器节点之间的最小扫描距离和当前扫描信号强度。
第一距离获取单元，用于调用第一距离计算公式分别对每一无人机对应的最小扫描距离、待使用信号衰减系数、基准信号强度和当前扫描信号强度进行计算，获取所有无人机与当前传感器节点之间的第一距离。
进一步地，第一距离计算公式具体为：
Figure 311792DEST_PATH_IMAGE001
，其中，
Figure 32623DEST_PATH_IMAGE002
指第
Figure 932446DEST_PATH_IMAGE031
个无人机与当前传感器节点之间的第一距离，
Figure 764136DEST_PATH_IMAGE032
指第
Figure 65804DEST_PATH_IMAGE031
个无人机与当前传感器节点之间的最小扫描距离，
Figure 691958DEST_PATH_IMAGE006
指预测的基准信号强度，
Figure 331274DEST_PATH_IMAGE007
指第
Figure 966655DEST_PATH_IMAGE031
个无人机扫描当前传感器节点时的当前扫描信号强度，
Figure DEST_PATH_IMAGE033
指待使用信号衰减系数。
进一步地，基于无人机网关的室外定位方法还包括第一衰减系数参数获取单元、第二衰减系数参数获取单元、待计算信号衰减系数计算单元和待使用信号衰减系数计算单元。
第一衰减系数参数获取单元，用于获取预测的基准信号强度，以及各传感器节点标识对应的最大扫描距离和最小扫描距离。
第二衰减系数参数获取单元，用于获取当前时刻各无人机扫描对应的传感器节点时，实际测量的实测信号强度。
待计算信号衰减系数计算单元，用于调用衰减系数计算公式对基准信号强度、最大扫描距离、最小扫描距离和实测信号强度进行计算，获取各传感器节点标识对应的待计算信号衰减系数。
待使用信号衰减系数计算单元，用于基于传感器节点标识，计算传感器节点对应的节点个数，并通过节点个数对待计算信号衰减系数进行平均值计算，获取待使用信号衰减系数。
进一步地，衰减系数计算公式具体为：
Figure 388409DEST_PATH_IMAGE009
,其中，
Figure 451043DEST_PATH_IMAGE010
指第
Figure 59878DEST_PATH_IMAGE034
个传感器节点标识无对应的待计算信号衰减系数，
Figure DEST_PATH_IMAGE035
指预测的基准信号强度，
Figure 233371DEST_PATH_IMAGE036
指当前时刻，各无人机扫描对应的传感器节点时的实测信号强度，
Figure 509631DEST_PATH_IMAGE014
指第
Figure 743167DEST_PATH_IMAGE034
个传感器节点标识对应的最大扫描距离，
Figure DEST_PATH_IMAGE037
指第
Figure 104878DEST_PATH_IMAGE034
个传感器节点标识对应的最小扫描距离。
进一步地，距离换算算法处理模块13包括方程组构建单元、方程组转换单元和距离转换值计算单元。
方程组构建单元，用于基于当前节点标识的位置坐标、每一当前无人机位置的坐标和当前节点标识的第一距离构建方程组。
方程组转换单元，用于将方程组进行矩阵形式转换，获取目标像向量，其中，转换后的矩阵为
Figure 832793DEST_PATH_IMAGE016
；其中，A为最小二乘矩阵，
Figure 963561DEST_PATH_IMAGE017
为距离转换值，B为目标向量。
距离转换值计算单元，用于通过最小二乘法对目标向量进行计算，获取每一目标向量对应的距离转换值。
进一步地，方程组为
Figure 367997DEST_PATH_IMAGE018
，其中，（x,y,z）为当前节点标识的位置坐标，
Figure 951425DEST_PATH_IMAGE019
为第
Figure 466720DEST_PATH_IMAGE038
个当前无人机位置的坐标，
Figure 717573DEST_PATH_IMAGE020
为第
Figure 292911DEST_PATH_IMAGE038
个扫描当前扫描传感器节点的无人机与当前扫描传感器节点之间的第一距离，
Figure 363635DEST_PATH_IMAGE021
。
最小二乘矩阵A为：
Figure 417042DEST_PATH_IMAGE022
。
目标向量B为：
Figure 522401DEST_PATH_IMAGE023
进一步地，距离转换值计算单元，具体为：
Figure DEST_PATH_IMAGE039
，其中，
Figure 268640DEST_PATH_IMAGE025
为距离转换值。
本实施例与实施例1的区别在于，一种基于无人机网关的室外定位装置，该基于无人机网关的室外定位装置具体为无人机群中每一无人机，具体包括：
唤醒信号发送模块21，用于确定当前扫描传感器节点，并向当前传感器节点发送唤醒信号。
定位请求获取模块22，用于获取当前传感器节点基于唤醒信号回传的定位请求，定位请求携带有节点标识。
定位请求处理模块23，用于基于定位请求，按照预先存储的飞行路径，对当前扫描传感器节点进行扫描，获取当前扫描信号强度和当前无人机位置坐标。
数据发送模块24，用于将当前扫描的传感器节点的节点标识作为当前节点标识，并将当前节点标识、当前扫描信号强度和当前无人机位置坐标发送给中央控制端。
关于基于无人机网关的室外定位装置的具体限定可以参见上文中对于基于无人机网关的室外定位方法的限定，在此不再赘述。上述基于无人机网关的室外定位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计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，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 (8)

1.一种基于无人机网关的室外定位方法，其特征在于，包括中央控制端执行的如下步骤：
接收无人机群中每一无人机在对当前扫描传感器节点进行扫描时获取的当前节点标识、当前扫描信号强度和当前无人机位置，每一当前扫描传感器节点对应一当前节点标识；
通过第一距离计算公式对每一无人机发送的所述当前扫描信号强度进行计算，获取所有无人机与所述当前扫描传感器节点之间的第一距离；
通过距离换算算法对每一当前无人机位置和对应的所述第一距离进行处理，获取每一所述第一距离对应的距离转换值；
对所有所述距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与所述当前扫描传感器节点之间的第二距离，所述第二距离即为所述当前扫描传感器节点的位置信息；
其中，所述通过第一距离计算公式对每一无人机发送的所述当前扫描信号强度进行计算，获取所有无人机与所述当前扫描传感器节点之间的第一距离，包括：
获取待使用信号衰减系数和预测的基准信号强度，并基于每一无人机发送的所述当前节点标识，获取每一无人机与所述当前节点标识对应的当前传感器节点之间的最小扫描距离和当前扫描信号强度；
调用第一距离计算公式分别对每一无人机对应的最小扫描距离、待使用信号衰减系数、基准信号强度和当前扫描信号强度进行计算，获取所有无人机与所述当前传感器节点之间的第一距离；
所述第一距离计算公式具体为：dm＝Dm010(R0-Rm)/10k，其中，dm指第m个无人机与当前传感器节点之间的第一距离，Dm0指第m个无人机与当前传感器节点之间的最小扫描距离，R0指预测的基准信号强度，Rm指第m个无人机扫描当前传感器节点时的当前扫描信号强度，k指待使用信号衰减系数。
2.根据权利要求1所述的一种基于无人机网关的室外定位方法，其特征在于，所述基于无人机网关的室外定位方法还包括：
获取预测的基准信号强度，以及各传感器节点标识对应的最大扫描距离和最小扫描距离；
获取当前时刻各无人机扫描对应的传感器节点时，实际测量的实测信号强度；
调用衰减系数计算公式对所述基准信号强度、最大扫描距离、最小扫描距离和实测信号强度进行计算，获取各传感器节点标识对应的待计算信号衰减系数；
基于所述传感器节点标识，计算传感器节点对应的节点个数，并通过所述节点个数对所述待计算信号衰减系数进行平均值计算，获取待使用信号衰减系数。
3.根据权利要求2所述的一种基于无人机网关的室外定位方法，其特征在于，所述衰减系数计算公式具体为：
Figure FDA0003103680940000021
其中，ki指第i个传感器节点标识无对应的待计算信号衰减系数，R0指预测的基准信号强度，R1指当前时刻，各无人机扫描对应的传感器节点时的实测信号强度，D1指第i个传感器节点标识对应的最大扫描距离，D0指第i个传感器节点标识对应的最小扫描距离。
4.根据权利要求1所述的一种基于无人机网关的室外定位方法，其特征在于，所述通过距离换算算法对每一当前无人机位置和对应的所述第一距离进行处理，获取每一所述第一距离对应的距离转换值，包括：
基于所述当前节点标识的位置坐标、每一当前无人机位置的坐标和所述当前节点标识的第一距离构建方程组；
将所述方程组进行矩阵形式转换，得到Aβ＝B；其中，A为最小二乘矩阵，β为距离转换值，B为目标向量；
通过最小二乘法对所述目标向量进行计算，获取每一目标向量对应的距离转换值。
5.根据权利要求4所述的一种基于无人机网关的室外定位方法，其特征在于，所述方程组为
Figure FDA0003103680940000031
其中，(x,y,z)为当前节点标识的位置坐标，(xi,yi,zi)为第i个当前无人机位置的坐标，di为第i个扫描当前扫描传感器节点的无人机与当前扫描传感器节点之间的第一距离，i＝1,2,3…m；
所述最小二乘矩阵A为：
Figure FDA0003103680940000032
所述目标向量B为：
Figure FDA0003103680940000041
所述通过最小二乘法对所述目标向量进行计算，获取每一目标向量对应的距离转换值，具体为：β＝(ATA)-1ATB′，其中，β为距离转换值。
6.一种基于无人机网关的室外定位方法，其特征在于，包括无人机群中每一无人机执行的如下步骤：
确定当前扫描传感器节点，并向当前传感器节点发送唤醒信号；
获取当前传感器节点基于所述唤醒信号回传的定位请求，所述定位请求携带有节点标识；
基于所述定位请求，按照预先存储的飞行路径，对所述当前扫描传感器节点进行扫描，获取当前扫描信号强度和当前无人机位置坐标；
将当前扫描的传感器节点的节点标识作为当前节点标识，并将所述当前节点标识、当前扫描信号强度和当前无人机位置坐标发送给中央控制端。
7.一种基于无人机网关的室外定位装置，其特征在于，包括：
数据接收模块，用于接收无人机群中每一无人机在对当前扫描传感器节点进行扫描时获取的当前节点标识、当前扫描信号强度和当前无人机位置，每一当前扫描传感器节点对应一当前节点标识；
第一距离计算模块，用于通过第一距离计算公式对每一无人机发送的所述当前扫描信号强度进行计算，获取所有无人机与所述当前扫描传感器节点之间的第一距离；
距离换算算法处理模块，用于通过距离换算算法对每一当前无人机位置和对应的所述第一距离进行处理，获取每一所述第一距离对应的距离转换值；
位置信息获取模块，用于对所有所述距离转换值进行正态分布处理，选取最高置信区间对应的距离值作为观测点与所述当前扫描传感器节点之间的第二距离，所述第二距离即为所述当前扫描传感器节点的位置信息；
其中，所述通过第一距离计算公式对每一无人机发送的所述当前扫描信号强度进行计算，获取所有无人机与所述当前扫描传感器节点之间的第一距离，包括：
获取待使用信号衰减系数和预测的基准信号强度，并基于每一无人机发送的所述当前节点标识，获取每一无人机与所述当前节点标识对应的当前传感器节点之间的最小扫描距离和当前扫描信号强度；
调用第一距离计算公式分别对每一无人机对应的最小扫描距离、待使用信号衰减系数、基准信号强度和当前扫描信号强度进行计算，获取所有无人机与所述当前传感器节点之间的第一距离；
所述第一距离计算公式具体为：dm＝Dm010(R0-Rm)/10k，其中，dm指第m个无人机与当前传感器节点之间的第一距离，Dm0指第m个无人机与当前传感器节点之间的最小扫描距离，R0指预测的基准信号强度，Rm指第m个无人机扫描当前传感器节点时的当前扫描信号强度，k指待使用信号衰减系数。
8.一种基于无人机网关的室外定位装置，其特征在于，包括：
唤醒信号发送模块，用于确定当前扫描传感器节点，并向当前传感器节点发送唤醒信号；
定位请求获取模块，用于获取当前传感器节点基于所述唤醒信号回传的定位请求，所述定位请求携带有节点标识；
定位请求处理模块，用于基于所述定位请求，按照预先存储的飞行路径，对所述当前扫描传感器节点进行扫描，获取当前扫描信号强度和当前无人机位置坐标；
数据发送模块，用于将当前扫描的传感器节点的节点标识作为当前节点标识，并将所述当前节点标识、当前扫描信号强度和当前无人机位置坐标发送给中央控制端。
CN202010860747.XA 2020-08-25 2020-08-25 一种基于无人机网关的室外定位方法及装置 Active CN111918389B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010860747.XA CN111918389B (zh) 2020-08-25 2020-08-25 一种基于无人机网关的室外定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010860747.XA CN111918389B (zh) 2020-08-25 2020-08-25 一种基于无人机网关的室外定位方法及装置

Publications (2)

Publication Number Publication Date
CN111918389A CN111918389A (zh) 2020-11-10
CN111918389B true CN111918389B (zh) 2021-08-03

Family

ID=73279279

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010860747.XA Active CN111918389B (zh) 2020-08-25 2020-08-25 一种基于无人机网关的室外定位方法及装置

Country Status (1)

Country Link
CN (1) CN111918389B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113498020A (zh) * 2021-07-07 2021-10-12 沈彦辛 一种无人机集群置信传播协同定位方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109901100A (zh) * 2019-03-15 2019-06-18 南京烽火星空通信发展有限公司 一种信标节点定位方法及物联应用

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190346271A1 (en) * 2016-03-11 2019-11-14 Kaarta, Inc. Laser scanner with real-time, online ego-motion estimation
CN110865337B (zh) * 2019-11-28 2023-06-16 柳州辉视科技有限公司 无人机激光定位装置
CN111508282B (zh) * 2020-05-08 2021-07-20 沈阳航空航天大学 低空无人机农田作业飞行障碍物冲突检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109901100A (zh) * 2019-03-15 2019-06-18 南京烽火星空通信发展有限公司 一种信标节点定位方法及物联应用

Also Published As

Publication number Publication date
CN111918389A (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN109548141B (zh) 基于卡尔曼滤波算法的室内环境基站坐标位置标定方法
CN105589064B (zh) Wlan位置指纹数据库快速建立和动态更新系统及方法
CN101424737B (zh) 一种基于信号强度距离的无线传感器网络信号图定位方法
KR101077879B1 (ko) 신호 세기 측정치를 이용한 저가 무선 단말기의 위치 판단
CN110658490B (zh) 基于rss和aoa的三维无线传感网络非协作定位方法
US20190223142A1 (en) Autonomous positioning systems
KR100977246B1 (ko) 순방향 링크 ａｏａ를 이용한 위치 추정 장치 및 방법
CN107343315B (zh) 基于无线局域网络多频点联合测量的定位系统及方法
JP2011215001A (ja) 位置推定装置及び位置推定方法
CN111918389B (zh) 一种基于无人机网关的室外定位方法及装置
KR101079158B1 (ko) 센서 네트워크에서 임시 앵커 노드를 이용한 노드 위치 측정 방법
CN109270489B (zh) 基于uwb的nlos隧道环境下的实时连续定位方法
CN102573055A (zh) 一种无线传感网络中的节点定位方法
CN113068127B (zh) 一种NB-IoT终端的定位方法
CN111505566B (zh) 一种特高频射频信号doa估计方法
KR100958412B1 (ko) 이동 로봇의 자기 위치 인식 시스템 및 그 방법
Paulino et al. Evaluating a novel Bluetooth 5.1 AoA approach for low-cost indoor vehicle tracking via simulation
CN110662167A (zh) 一种室内异构网络间协同定位方法、系统及可读存储介质
KR101180825B1 (ko) 센서 네트워크 기반의 이동체 위치 추적 장치 및 방법
US20120165040A1 (en) Method for locating wireless nodes using difference triangulation
Das et al. Node position estimation for efficient coverage hole-detection in wireless sensor network
CN112261573B (zh) 一种智能设备间相对定位方法、装置及系统
CN114916059A (zh) 基于区间随机对数阴影模型的WiFi指纹稀疏地图扩建方法
CN113625320A (zh) 一种基于差分gps和反光板的室外组合定位方法
CN113923587A (zh) 一种定位方法、系统与装置

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