CN112629529A - 无人机室内自主导航方法 - Google Patents
无人机室内自主导航方法 Download PDFInfo
- Publication number
- CN112629529A CN112629529A CN202011478553.XA CN202011478553A CN112629529A CN 112629529 A CN112629529 A CN 112629529A CN 202011478553 A CN202011478553 A CN 202011478553A CN 112629529 A CN112629529 A CN 112629529A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- navigation
- data
- model
- 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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
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
本发明公开了一种无人机室内自主导航方法,该方法基于数据融合的思路,依托包括微机电惯性传感器组合IMU、磁强计、超声测距仪和气压高度计的传感器系统,利用最小二乘估计的算法和卡尔曼滤波算法相结合的模式,解决了小型无人机在室外和室内过渡阶段的自主导航问题,同时解决了小型无人机在室内自主导航的问题,特别是在具有狭窄通道、光照条件不足的环境里的自主导航问题。
Description
技术领域
本发明属于无人机导航技术领域,尤其涉及一种无人机室内自主导航方法,该方法同样适用于没有GPS、北斗信号的室内和室外的自主导航。
背景技术
在无人机的工作环境日益复杂的背景下,如何实现无人机的室内自主导航和室外自主导航已经成为一项迫切的技术需求。
对室外导航而言,如果遇到GPS信号遮挡、屏蔽或者北斗信号遮挡、屏蔽,无人机就无法实现高精度的自主导航,此时就需要将多种传感器的数据进行融合,以解决自主导航的精度问题和飞行安全问题。
室外无人机的运行环境避免不了卫星信号的遮挡、屏蔽问题,比如森林、隧道环境和城市峡谷。因此,一旦遇到GPS信号、北斗信号的遮挡和屏蔽,则无人机的精确位置信息、速度信息和姿态信息的获取就会受到影响。特别是无人机的高度数据一旦失效,将会严重地影响机载组合导航系统的导航数据的精度和飞行安全。
室内无人机的运行环境里经常会遇到极为复杂的场景,比如光照条件差、障碍物分布密集、障碍物类型多、上下左右通道狭窄等,这些条件严重地影响了无人机的飞行安全。因此,如何确保无人机的飞行安全、如何提高机载设备的导航精度就显得极为重要。
发明内容
本发明的目的是提供一种无人机自主导航方法,用于解决现有的自主导航技术所存在的位置误差大、飞行不安全、易受周围环境光照条件干扰的问题。
为了达到上述目的,本发明的技术解决方案是:
无人机室内自主导航方法,该导航方法依托的组合导航系统包括微机电惯性传感器组合IMU、磁强计、超声测距仪和气压高度计,所述微机电惯性传感器组合IMU包括加速度计和陀螺,所述导航方法包括以下步骤:
步骤1.建立微机电惯性传感器组合IMU、气压高度计、超声测距仪的测量误差模型,具体包括气压高度计的输出数据随大气温度变化的模型、气压高度计的输出数据随季节变化的模型,超声测距仪的测距精度随超声波频率变化的模型以及上述传感器的测量误差的传播规律;
步骤2.建立微机电惯性传感器组合IMU的姿态角误差模型、磁强计的的姿态角误差模型;
步骤3.选择导航解算的数学模型,所述数学模型如下式:
其中,RN、RM分别为地球的卯酉圈曲率半径、子午圈曲率半径,为无人机质心所在处的经度、纬度、海拔高度;Ve、Vn和Vu为无人机质心相对于地球的线速度在地理坐标系里的投影;为地理坐标系相对于地球坐标系的角速度在地理坐标系里的投影,为地球坐标系相对于惯性系的角速度在地理坐标系里的投影;是无人机机体相对于惯性系的角速度在机体系上的投影的反对称矩阵,是的反对称矩阵,是地理坐标系相对于惯性系的角速度在地理坐标系里的投影的反对称矩阵,是从机体系到地理坐标系的姿态变换矩阵,gL是地球引力场在地理坐标系里的投影,fb是加速度计的敏感输出;
步骤4.选择数值计算方法,通过求解常微分方程组,得到初步的导航结果,具体包括位置、速度和姿态角;
步骤5.进行数据的融合;首先进行气压高度计的海拔高度数据和捷联惯导高度数据的融合;其次是通过微机电惯性传感器组合IMU解算的航向角与磁强计解算的航向角的融合,具体融合方法包括最小二乘法或卡尔曼滤波法;最后是超声测距仪的相对距离测量数据和上述导航数据的融合,目的是得到更精确的位置数据,具体的的融合包括最小二乘估计法或卡尔曼滤波法;
步骤6.最终导航结果的输出;最终导航结果以Excel表格的形式保存或以数据文件的形式保存,这些导航数据均可在后台可视化处理。
进一步的,步骤4中,根据小型无人机不同的运动速度可选的数值计算方法包括欧拉法、二阶龙格-库塔法、三阶龙格-库塔法或四阶龙格-库塔法。
进一步的,步骤5中,航向角的融合通过微机电惯性传感器组合IMU解算的航向角和磁强计解算的航向角进行无人机的航向角的加权最小二乘估计,采用最小二乘估计法的估算数学模型如下:
进一步的,步骤5中,航向角的融合采用卡尔曼滤波方法,所采用的系统模型是航向姿态角的误差模型,测量模型是磁强计的航向角和SINS航向角的差值。
进一步的,步骤5中的位置数据采用卡尔曼滤波方法得到,系统模型为位置误差模型,观测模型为基于航位推算的位置和来自超声测距仪的位置数据的差值。
与现有技术相比,本发明的有益效果:
本发明提出了一种无人机自主导航方法,该方法结合惯性测量单元IMU、气压高度计、磁强计、超声测距仪,可以实现无人机室内安全飞行和自主导航,采用的数据融合方法包括最小二乘估计法和卡尔曼滤波法,确保无人机的室内外飞行安全,能够同时满足高精度、抗光照条件变化。
附图说明
图1是本发明提出的自主导航原理图;
图2是航向角估计原理图;
图3是姿态解算对比图;
图4是位置解算对比图;
图5是速度结算对比图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合实施例对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
本发明采用的组合导航系统包括微机电惯性传感器组合IMU(具体包括陀螺和加速度计)、气压高度计、磁强计、超声测距仪。
按照自主导航的阶段来划分,在室外时,可以借助于GPS、北斗信息进行精确的经度、纬度和海拔高度的数据更新。在从室外转入室内时,GPS和北斗的信息快速失效,此时依据过渡阶段储存的位置信息作为室内导航的位置信息的初始值,利用机载的陀螺、加速度计、气压高度计、磁强计作为室内自主导航的数据信息源。其中,陀螺、加速度计和气压高度计的数据作为捷联惯性导航系统的输入数据,可以解算出无人机的实时位置、速度和姿态信息,其中气压高度计的数据用于实时更新捷联惯导的海拔高度数据。捷联惯导的数据和磁强计的数据进行融合,可以得到更为精确的航向信息,再结合超声测距仪的前后测距信息、左右测距信息、上下测距信息,可以实时地为小型无人机的室内自主飞行提供导航服务。
如图1所示,本发明方法在SINS的解算中加入了气压高度计的数据,以避免纯捷联惯导解算中高度通道的发散问题。图1中的信息融合模块主要用于无人机的航向角的估计,该估计利用最小二乘法的思路。具体的,本发明所采用的技术方案的主要思路陈述如下:
1)选择微机电惯性传感器组合IMU、气压高度计、磁强计、超声测距仪等传感器,他们的精度预算已经事先完成。
2)选择基于最小二乘估计思路的最优估计器架构。
3)对所选的传感器进行静态环境下的长时间数据采集,以分析该传感器的静态误差漂移特征。
4)对所选的传感器进行飞行状态下的长时间数据采集,以分析动态环境下传感器的误差漂移特征。
5)针对所选的工作环境,对所选传感器的系统误差、随机误差的特征进行统计分析。
6)对所选传感器的系统误差、随机误差的模型进行验证,对系统误差进行标定和补偿。
7)针对具体的工作环境,设计一系列的最优估计器和卡尔曼滤波器,结合测量数据进行验证、修订和优化。
下面结合实例对本发明进行详细说明:
本发明的方法基于微机电惯性传感器组合IMU、磁强计、气压高度计、超声测距仪的微小型无人机室内自主导航方法,该方法以气压高度计的高度测量与SINS高度估计作为高度数据源,采用最小二乘法、卡尔曼滤波对微小型无人机的高度数据进行估计,并利用估计的高度数据进行飞行控制律的设计和修订。此处的SINS是利用IMU的输出数据在线实现的。
该方法的具体步骤为:
步骤1.建立微机电惯性传感器组合IMU、气压高度计、超声测距仪的高度误差模型,具体包括气压高度计的数据随大气温度变化的模型、随季节变化的模型,超声测距仪的测距精度随超声波频率变化的模型;
步骤2.建立微机电惯性传感器组合IMU的姿态角误差模型、磁强计的的姿态角误差模型;
步骤3.选择如下数学模型进行导航解算:
其中,RN、RM分别为地球的卯酉圈曲率半径、子午圈曲率半径,为无人机质心所在处的经度、纬度、海拔高度;Ve、Vn和Vu为无人机质心相对于地球的线速度在地理坐标系里的投影。为地理坐标系相对于地球坐标系的角速度在地理坐标系里的投影,为地球坐标系相对于惯性系的角速度在地理坐标系里的投影;是无人机机体相对于惯性系的角速度在机体系上的投影的反对称矩阵,是的反对称矩阵,是地理坐标系相对于惯性系的角速度在地理坐标系里的投影的反对称矩阵,是从机体坐标系系到地理坐标系的姿态变换矩阵,gL是地球引力场在地理坐标系里的投影,fb是加速度计的敏感输出。
步骤4.选择数值计算方法,通过求解常微分方程组,得到初步的导航结果。在此可供选择的数值计算方法有欧拉法、二阶龙格-库塔法、三阶龙格-库塔法和四阶龙格-库塔法。
步骤5.进行数据的融合;在数据融合阶段,首先进行气压高度计的海拔高度数据和捷联惯导高度数据的融合;其次是捷联惯导的航向角和磁强计的航向角的融合;最后是超声测距仪的相对距离测量数据和上述导航数据的融合,数据的融合思路可采用最小二乘估计法,也可采用卡尔曼滤波法。
其中,最小二乘估计法,采用的估算数学模型如下:
步骤6.最终导航结果输出,最终的导航结果可以Excel表格的形式保存,也可以数据文件的形式保存,这些导航数据均可在后台可视化处理。
为了验证该方法的有效性,我们利用低成本组合导航系统样机上的IMU、气压高度计输出的数据进行了作为原始数据进行结算结果的对比,对比的对象是市场上常见的一款组合导航产品的导航解算值,具体实验验证是在学校工科楼里完成的,具体结果见图3-图5。
图3为本发明方法与对比对象的姿态解算对比图,左侧一列为本发明方法,姿态解算首先通过四元数微分方程的求解,然后再转换为姿态角,右侧一列为对比对象的姿态求解。从图中可以看出,两者的解算结果有明显的差异,本发明给出的方法得到的解更符合实际测试结果。
图4为本发明方法与对比对象的位置解算对比图,左侧一列为本发明方法所得出的位置结果,右侧一列为对比对象的未知结果。从图中可以看出,本方法得到的位置精度明显高于对比对象,即使将经度、纬度误差转换为距离偏差,本方法的位置偏差也明显小于对比对象,海拔高度误差的对比,表明本方法的优势更为明显。
图5为本发明方法与对比对象的速度解算对比图,左侧一列为本发明方法得到的对地速度,右侧一列为对比对象的对地速度。从图中可以看出,本方法给出的三项对地速度值明显小于对比对象给出的速度值,本方法给出的对地速度值虽然也有偏差,但偏差远小于对比对象的偏差。
通过上述对比,本发明方法与现有技术相比:
1)气压高度计与IMU的数据融合之后,高度数据的精度维持在20厘米范围内。
2)磁强计与IMU的数据融合后,航向角的精度维持在1度范围内。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。任何熟悉该技术的人在本发明所揭露的技术范围内的局部修改或替换,都应涵盖在本发明的包含范围之内。
Claims (5)
1.无人机室内自主导航方法,该导航方法依托的组合导航系统包括微机电惯性传感器组合IMU、磁强计、超声测距仪和气压高度计,所述微机电惯性传感器组合IMU包括加速度计和陀螺,其特征在于,所述导航方法包括以下步骤:
步骤1.建立微机电惯性传感器组合IMU、气压高度计、超声测距仪的测量误差模型,具体包括气压高度计的输出数据随大气温度变化的模型、气压高度计的输出数据随季节变化的模型,超声测距仪的测距精度随超声波频率变化的模型以及上述传感器的测量误差的传播规律;
步骤2.建立微机电惯性传感器组合IMU的姿态角误差模型、磁强计的的姿态角误差模型;
步骤3.选择导航解算的数学模型,所述数学模型如下式:
其中,RN、RM分别为地球的卯酉圈曲率半径、子午圈曲率半径,λ、h为无人机质心所在处的经度、纬度、海拔高度;Ve、Vn和Vu为无人机质心相对于地球的线速度在地理坐标系里的投影;为地理坐标系相对于地球坐标系的角速度在地理坐标系里的投影,为地球坐标系相对于惯性系的角速度在地理坐标系里的投影;是无人机机体相对于惯性系的角速度在机体系上的投影的反对称矩阵,是的反对称矩阵,是地理坐标系相对于惯性系的角速度在地理坐标系里的投影的反对称矩阵,是从机体系到地理坐标系的姿态变换矩阵,gL是地球引力场在地理坐标系里的投影,fb是加速度计的敏感输出;
步骤4.选择数值计算方法,通过求解常微分方程组,得到初步的导航结果,具体包括位置、速度和姿态角;
步骤5.进行数据的融合;首先进行气压高度计的海拔高度数据和捷联惯导高度数据的融合;其次是通过微机电惯性传感器组合IMU解算的航向角与磁强计解算的航向角的融合,具体融合方法包括最小二乘法或卡尔曼滤波法;最后是超声测距仪的相对距离测量数据和上述导航数据的融合,目的是得到更精确的位置数据,具体的的融合包括最小二乘估计法或卡尔曼滤波法;
步骤6.最终导航结果的输出;最终导航结果以Excel表格的形式保存或以数据文件的形式保存,这些导航数据均可在后台可视化处理。
2.根据权利要求1所述无人机室内自主导航方法,其特征在于,步骤4中,根据小型无人机不同的运动速度可选的数值计算方法包括欧拉法、二阶龙格-库塔法、三阶龙格-库塔法或四阶龙格-库塔法。
4.根据权利要求1所述无人机室内自主导航方法,其特征在于,步骤5中,航向角的融合采用卡尔曼滤波方法,所采用的系统模型是航向姿态角的误差模型,测量模型是磁强计的航向角和SINS航向角的差值。
5.根据权利要求1所述无人机室内自主导航方法,其特征在于,步骤5中的位置数据采用卡尔曼滤波方法得到,系统模型为位置误差模型,观测模型为基于航位推算的位置和来自超声测距仪的位置数据的差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011478553.XA CN112629529B (zh) | 2020-12-15 | 2020-12-15 | 无人机室内自主导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011478553.XA CN112629529B (zh) | 2020-12-15 | 2020-12-15 | 无人机室内自主导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112629529A true CN112629529A (zh) | 2021-04-09 |
CN112629529B CN112629529B (zh) | 2022-12-06 |
Family
ID=75313645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011478553.XA Active CN112629529B (zh) | 2020-12-15 | 2020-12-15 | 无人机室内自主导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112629529B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113295141A (zh) * | 2021-05-24 | 2021-08-24 | 德惠市北方汽车底盘零部件有限公司 | 地面高度检测设备、方法、装置及计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101285686A (zh) * | 2008-05-29 | 2008-10-15 | 中国农业大学 | 一种农业机械导航分级定位的方法和系统 |
US20090262074A1 (en) * | 2007-01-05 | 2009-10-22 | Invensense Inc. | Controlling and accessing content using motion processing on mobile devices |
CN102589552A (zh) * | 2012-01-19 | 2012-07-18 | 北京华力创通科技股份有限公司 | 低成本组合导航系统的数据融合方法和装置 |
CN205193562U (zh) * | 2015-07-02 | 2016-04-27 | 深圳市蜂鸟智航科技有限公司 | 一种基于以太网交换总线的无人机飞行控制系统 |
CN205540290U (zh) * | 2016-04-07 | 2016-08-31 | 北京博鹰通航科技有限公司 | 一种具有超声波测距装置的多旋翼无人机 |
CN107238384A (zh) * | 2017-05-26 | 2017-10-10 | 高武保 | 一种基于多模式协同的军民两用智能导航系统 |
CN108106635A (zh) * | 2017-12-15 | 2018-06-01 | 中国船舶重工集团公司第七0七研究所 | 惯性卫导组合导航系统的长航时抗干扰姿态航向校准方法 |
CN109282808A (zh) * | 2018-11-23 | 2019-01-29 | 重庆交通大学 | 用于桥梁三维巡航检测的无人机与多传感器融合定位方法 |
CN109725649A (zh) * | 2018-12-29 | 2019-05-07 | 上海理工大学 | 一种基于气压计/imu/gps多传感器融合的旋翼无人机定高算法 |
CN110647168A (zh) * | 2019-08-30 | 2020-01-03 | 上海大学 | 一种基于多旋翼无人机的电缆隧道环境检测系统 |
CN111982100A (zh) * | 2020-07-07 | 2020-11-24 | 广东工业大学 | 一种无人机的航向角解算算法 |
-
2020
- 2020-12-15 CN CN202011478553.XA patent/CN112629529B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090262074A1 (en) * | 2007-01-05 | 2009-10-22 | Invensense Inc. | Controlling and accessing content using motion processing on mobile devices |
CN101285686A (zh) * | 2008-05-29 | 2008-10-15 | 中国农业大学 | 一种农业机械导航分级定位的方法和系统 |
CN102589552A (zh) * | 2012-01-19 | 2012-07-18 | 北京华力创通科技股份有限公司 | 低成本组合导航系统的数据融合方法和装置 |
CN205193562U (zh) * | 2015-07-02 | 2016-04-27 | 深圳市蜂鸟智航科技有限公司 | 一种基于以太网交换总线的无人机飞行控制系统 |
CN205540290U (zh) * | 2016-04-07 | 2016-08-31 | 北京博鹰通航科技有限公司 | 一种具有超声波测距装置的多旋翼无人机 |
CN107238384A (zh) * | 2017-05-26 | 2017-10-10 | 高武保 | 一种基于多模式协同的军民两用智能导航系统 |
CN108106635A (zh) * | 2017-12-15 | 2018-06-01 | 中国船舶重工集团公司第七0七研究所 | 惯性卫导组合导航系统的长航时抗干扰姿态航向校准方法 |
CN109282808A (zh) * | 2018-11-23 | 2019-01-29 | 重庆交通大学 | 用于桥梁三维巡航检测的无人机与多传感器融合定位方法 |
CN109725649A (zh) * | 2018-12-29 | 2019-05-07 | 上海理工大学 | 一种基于气压计/imu/gps多传感器融合的旋翼无人机定高算法 |
CN110647168A (zh) * | 2019-08-30 | 2020-01-03 | 上海大学 | 一种基于多旋翼无人机的电缆隧道环境检测系统 |
CN111982100A (zh) * | 2020-07-07 | 2020-11-24 | 广东工业大学 | 一种无人机的航向角解算算法 |
Non-Patent Citations (1)
Title |
---|
ZHIPING LIU ET.AL: "Integrated Navigation System for UAV Based on Low cost MEMS Sensors", 《2020 CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113295141A (zh) * | 2021-05-24 | 2021-08-24 | 德惠市北方汽车底盘零部件有限公司 | 地面高度检测设备、方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112629529B (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110487301B (zh) | 一种雷达辅助机载捷联惯性导航系统初始对准方法 | |
CN108226980B (zh) | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 | |
CN110274588B (zh) | 基于无人机集群信息的双层嵌套因子图多源融合导航方法 | |
Georgy et al. | Modeling the stochastic drift of a MEMS-based gyroscope in gyro/odometer/GPS integrated navigation | |
CN101858748B (zh) | 高空长航无人机的多传感器容错自主导航方法 | |
CN104344837B (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 | |
CN102937449A (zh) | 惯性导航系统中跨音速段气压高度计和gps信息两步融合方法 | |
RU2487419C1 (ru) | Система комплексной обработки информации радионавигационных и автономных средств навигации для определения действительных значений параметров самолетовождения | |
CN105606094A (zh) | 一种基于mems/gps组合系统的信息条件匹配滤波估计方法 | |
CN104019828A (zh) | 高动态环境下惯性导航系统杆臂效应误差在线标定方法 | |
CN102445200A (zh) | 微小型个人组合导航系统及其导航定位方法 | |
CN105371844A (zh) | 一种基于惯性/天文互助的惯性导航系统初始化方法 | |
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 | |
CN103557864A (zh) | Mems捷联惯导自适应sckf滤波的初始对准方法 | |
CN104501835A (zh) | 一种面向空间应用异构imu初始对准的地面试验系统及方法 | |
CN105043392A (zh) | 一种飞行器位姿确定方法及装置 | |
CN111207773B (zh) | 一种用于仿生偏振光导航的姿态无约束优化求解方法 | |
CN113253325A (zh) | 惯性卫星序贯紧组合李群滤波方法 | |
CN112629529B (zh) | 无人机室内自主导航方法 | |
Bevermeier et al. | Barometric height estimation combined with map-matching in a loosely-coupled Kalman-filter | |
CN108416387B (zh) | 基于gps与气压计融合数据的高度滤波方法 | |
RU2654965C1 (ru) | Комбинированная бесплатформенная астроинерциальная навигационная система | |
Chu et al. | Performance comparison of tight and loose INS-Camera integration | |
CN105466423A (zh) | 一种无人机导航系统及其运行方法 | |
CN113465570B (zh) | 一种基于高精度imu的气浮台初始对准方法及系统 |
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 |