CN112762893A - 无人机状态确定方法、装置、介质、电子设备及无人机 - Google Patents

无人机状态确定方法、装置、介质、电子设备及无人机 Download PDF

Info

Publication number
CN112762893A
CN112762893A CN202110366929.6A CN202110366929A CN112762893A CN 112762893 A CN112762893 A CN 112762893A CN 202110366929 A CN202110366929 A CN 202110366929A CN 112762893 A CN112762893 A CN 112762893A
Authority
CN
China
Prior art keywords
data
target
state
unmanned aerial
aerial vehicle
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
Application number
CN202110366929.6A
Other languages
English (en)
Other versions
CN112762893B (zh
Inventor
毛一年
夏华夏
张茜
陈刚
刘宝旭
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online 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 Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202110366929.6A priority Critical patent/CN112762893B/zh
Publication of CN112762893A publication Critical patent/CN112762893A/zh
Application granted granted Critical
Publication of CN112762893B publication Critical patent/CN112762893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G01C5/005—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels altimeters for aircraft
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G01C5/06—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels by using barometric means

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开涉及一种无人机状态确定方法、装置、介质、电子设备及无人机，该方法包括：获取无人机上的高度测量设备在目标时刻检测到的目标高度数据，所述高度测量设备为气压计或对地高度测量传感器；判断所述目标高度数据的数据有效性；若判定所述目标高度数据有效，根据所述无人机在所述目标时刻的垂直加速度数据，确定所述无人机在所述目标时刻的初始预测状态，其中，所述初始预测状态至少包括无人机相对于起飞点的高度；根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态。由此，通过数据有效性判定和数据修正能够提升无人机状态确定的准确性，同时，准确的高度信息能够有效提升无人机的稳定性、安全性。

Description

无人机状态确定方法、装置、介质、电子设备及无人机
技术领域
本公开涉及无人机技术领域，具体地，涉及一种无人机状态确定方法、装置、介质、电子设备及无人机。
背景技术
无人机是指利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。随着无人机技术的发展，无人机越来越多地被应用到不同领域，它可以应用到如航空拍摄、地质勘测、公路巡视、物流配送等场景，具有十分广阔的应用前景。
在无人机使用过程中，如何即时、准确的获取无人机状态，特别是无人机的高度信息（例如，无人机相对于起飞点的高度、无人机相对于起飞点的高度等），是对无人机进行控制的关键。以无人机相对于起飞点的高度为例，相关技术中，一般通过气压计检测的方式或者通过对地高度测量传感器检测的方式获取无人机的上述高度信息。然而，气压计的检测精度不高，对地高度测量传感器实际上检测的是无人机与垂直方向的下方物体之间的距离，若在垂直方向上无人机与地之间存在障碍物，检测得到的结果就不是真正意义上的相对于起飞点的高度，因此，上述两种方式均存在准确性不足的问题。
发明内容
本公开的目的是提供一种无人机状态确定方法、装置、介质、电子设备及无人机，以提升为无人机状态确定的准确性，从而更准确地确定无人机相对于起飞点的高度。
为了实现上述目的，第一方面，本公开提供一种无人机状态确定方法，所述方法包括：
获取无人机上的高度测量设备在目标时刻检测到的目标高度数据；
判断所述目标高度数据的数据有效性；
若判定所述目标高度数据有效，根据所述无人机在所述目标时刻的垂直加速度数据，确定所述无人机在所述目标时刻的初始预测状态，其中，所述初始预测状态至少包括无人机相对于起飞点的高度；
根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态。
可选地，所述高度测量设备为对地高度测量传感器；
所述判断所述目标高度数据的数据有效性，包括：
获取所述无人机在历史时刻检测到的历史高度数据；
判断所述目标高度数据是否相比于所述历史高度数据发生数据跳变；
若确定所述目标高度数据发生数据跳变，判定所述目标高度数据无效；
若确定所述目标高度数据未发生数据跳变，判定所述目标高度数据有效。
可选地，所述历史时刻为所述目标时刻的前一时刻；
所述判断所述目标高度数据是否相比于所述历史高度数据发生数据跳变，包括：
计算所述目标高度数据与所述历史高度数据的高度差值；
若所述高度差值大于最大允许值，确定所述目标高度数据发生数据跳变；
若所述高度差值小于或等于所述最大允许值，确定所述目标高度数据未发生数据跳变。
可选地，所述根据所述无人机在所述目标时刻的垂直加速度数据，确定所述无人机在所述目标时刻的初始预测状态，包括：
获取所述无人机在所述目标时刻的前一时刻的历史状态；
根据所述垂直加速度数据和所述历史状态，利用欧拉积分方法，确定所述初始预测状态。
可选地，所述根据所述垂直加速度数据和所述历史状态，利用欧拉积分方法，确定所述初始预测状态，包括：
按照如下公式确定目标时刻k的初始预测状态
Figure 144628DEST_PATH_IMAGE001
：
Figure 377026DEST_PATH_IMAGE002
其中，
Figure 617514DEST_PATH_IMAGE003
包括k时刻的初始预测状态中无人机相对于起飞点的高度、无人机的对地速度和加速度修正量，F为预设的状态转移矩阵，
Figure 286262DEST_PATH_IMAGE004
包括（k-1）时刻的修正状态中无人机相对于起飞点的高度、无人机的对地速度和加速度修正量，B为预设的控制矩阵，U(k)为所述无人机在k时刻的垂直加速度数据。
可选地，所述高度测量设备为对地高度测量传感器；
所述根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态，包括：
将所述目标高度数据输入至预设的离散数字滤波器，获得所述离散数字滤波器输出的对地速度；
根据第一状态协方差矩阵，确定用于对对地速度进行数据修正的第一卡尔曼增益矩阵；
根据所述初始预测状态、所述离散数字滤波器输出的对地速度和所述第一卡尔曼增益矩阵，确定所述修正状态。
可选地，所述根据所述初始预测状态、所述对地速度和所述第一卡尔曼增益矩阵，确定所述修正状态，包括：
按照如下公式确定目标时刻k的修正状态
Figure 372030DEST_PATH_IMAGE005
：
Figure 193355DEST_PATH_IMAGE006
其中，
Figure 604745DEST_PATH_IMAGE007
为所述无人机在目标时刻k的初始预测状态，K(k)为所述第一卡尔曼增益矩阵，v speed 为所述离散数字滤波器输出的对地速度，H speed 为第一预设量测矩阵；
并且，所述第一卡尔曼增益矩阵K(k)通过如下公式获得：
Figure 760789DEST_PATH_IMAGE008
其中，
Figure 650247DEST_PATH_IMAGE009
为所述第一状态协方差矩阵，R speed 为对地速度的噪声方差。
可选地，所述高度测量设备为气压计；
所述根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态，包括：
根据第二状态协方差矩阵，确定用于对所述气压计进行数据修正的第二卡尔曼增益矩阵；
根据所述初始预测状态、所述目标高度数据和所述第二卡尔曼增益矩阵，确定所述修正状态。
可选地，所述根据所述初始预测状态、所述目标高度数据和所述第二卡尔曼增益矩阵，确定所述修正状态，包括：
按照如下公式确定目标时刻k的修正状态
Figure 388396DEST_PATH_IMAGE005
：
Figure 970687DEST_PATH_IMAGE010
其中，
Figure 364760DEST_PATH_IMAGE011
为所述无人机在目标时刻k的初始预测状态，
Figure 307177DEST_PATH_IMAGE012
为所述第二卡尔曼增益矩阵，p baro 为所述目标高度数据，H baro 为第二预设量测矩阵；
并且，所述第二卡尔曼增益矩阵
Figure 571936DEST_PATH_IMAGE012
通过如下公式获得：
Figure 325128DEST_PATH_IMAGE013
其中，
Figure 3234DEST_PATH_IMAGE014
为所述第二状态协方差矩阵，R baro 为气压计高度数据的噪声方差。
第二方面，本公开提供一种无人机状态确定装置，所述装置包括：
获取模块，用于获取无人机上的高度测量设备在目标时刻检测到的目标高度数据；
判断模块，用于判断所述目标高度数据的数据有效性；
确定模块，用于若判定所述目标高度数据有效，根据所述无人机在所述目标时刻的垂直加速度数据，确定所述无人机在所述目标时刻的初始预测状态，其中，所述初始预测状态至少包括无人机相对于起飞点的高度；
修正模块，用于根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态。
可选地，所述高度测量设备为对地高度测量传感器；
所述判断模块，包括：
第一获取子模块，用于获取所述无人机在历史时刻检测到的历史高度数据；
第一判断子模块，用于判断所述目标高度数据是否相比于所述历史高度数据发生数据跳变；
第二判断子模块，用于若确定所述目标高度数据发生数据跳变，判定所述目标高度数据无效；
第三判断子模块，用于若确定所述目标高度数据未发生数据跳变，判定所述目标高度数据有效。
可选地，所述历史时刻为所述目标时刻的前一时刻；
所述第一判断子模块，包括：
计算子模块，用于计算所述目标高度数据与所述历史高度数据的高度差值；
第一确定子模块，用于若所述高度差值大于最大允许值，确定所述目标高度数据发生数据跳变；
第二确定子模块，用于若所述高度差值小于或等于所述最大允许值，确定所述目标高度数据未发生数据跳变。
可选地，所述确定模块，包括：
第二获取子模块，用于获取所述无人机在所述目标时刻的前一时刻的历史状态；
第三确定子模块，用于根据所述垂直加速度数据和所述历史状态，利用欧拉积分方法，确定所述初始预测状态。
可选地，所述第三确定子模块用于按照如下公式确定目标时刻k的初始预测状态
Figure 500075DEST_PATH_IMAGE015
：
Figure 402696DEST_PATH_IMAGE002
其中，
Figure 61211DEST_PATH_IMAGE003
包括k时刻的初始预测状态中无人机相对于起飞点的高度、无人机的对地速度和加速度修正量，F为预设的状态转移矩阵，
Figure 429875DEST_PATH_IMAGE004
包括（k-1）时刻的修正状态中无人机相对于起飞点的高度、无人机的对地速度和加速度修正量，B为预设的控制矩阵，U(k)为所述无人机在k时刻的垂直加速度数据。
可选地，所述高度测量设备为对地高度测量传感器；
所述修正模块，包括：
滤波子模块，用于将所述目标高度数据输入至预设的离散数字滤波器，获得所述离散数字滤波器输出的对地速度；
第四确定子模块，用于根据第一状态协方差矩阵，确定用于对对地速度进行数据修正的第一卡尔曼增益矩阵；
第五确定子模块，用于根据所述初始预测状态、所述离散数字滤波器输出的对地速度和所述第一卡尔曼增益矩阵，确定所述修正状态。
可选地，所述第五确定子模块用于按照如下公式确定目标时刻k的修正状态
Figure 199248DEST_PATH_IMAGE005
：
Figure 219025DEST_PATH_IMAGE016
其中，
Figure 845179DEST_PATH_IMAGE003
为所述无人机在目标时刻k的初始预测状态，K(k)为所述第一卡尔曼增益矩阵，v speed 为所述离散数字滤波器输出的对地速度，H speed 为第一预设量测矩阵；
并且，所述第一卡尔曼增益矩阵K(k)通过如下公式获得：
Figure 701139DEST_PATH_IMAGE017
其中，
Figure 539782DEST_PATH_IMAGE009
为所述第一状态协方差矩阵，R speed 为对地速度的噪声方差。
可选地，所述高度测量设备为气压计；
所述修正模块，包括：
第六确定子模块，用于根据第二状态协方差矩阵，确定用于对所述气压计进行数据修正的第二卡尔曼增益矩阵；
第七确定子模块，用于根据所述初始预测状态、所述目标高度数据和所述第二卡尔曼增益矩阵，确定所述修正状态。
可选地，第七确定子模块用于按照如下公式确定目标时刻k的修正状态
Figure 899219DEST_PATH_IMAGE005
：
Figure 414383DEST_PATH_IMAGE010
其中，
Figure 226481DEST_PATH_IMAGE011
为所述无人机在目标时刻k的初始预测状态，
Figure 868815DEST_PATH_IMAGE012
为所述第二卡尔曼增益矩阵，p baro 为所述目标高度数据，H baro 为第二预设量测矩阵；
并且，所述第二卡尔曼增益矩阵
Figure 348338DEST_PATH_IMAGE012
通过如下公式获得：
Figure 581874DEST_PATH_IMAGE013
其中，
Figure 396115DEST_PATH_IMAGE014
为所述第二状态协方差矩阵，R baro 为气压计高度数据的噪声方差。
第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面提供的所述方法的步骤。
第五方面，本公开提供一种无人机，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面提供的所述方法的步骤。
通过上述技术方案，获取无人机上的高度测量设备在目标时刻检测到的目标高度数据，判断目标高度数据的数据有效性，在判定目标高度数据有效的情况下，根据无人机在目标时刻的垂直加速度数据，确定无人机在目标时刻的初始预测状态，之后，根据目标高度数据，对初始预测状态进行修正，获得无人机在目标时刻的修正状态。其中，初始预测状态至少包括无人机相对于起飞点的高度。由此，对高度测量设备检测到的数据进行有效性判定，在目标高度数据有效的情况下，才会将其用于无人机状态的确定，能够剔除因外部环境影响导致的存在问题的数据，保证无人机状态确定的准确性，以及，在对无人机状态进行初步预测的基础上，还会进一步针对初始预测状态进行修正，从而进一步提升无人机状态确定的准确性。同时，确定出的无人机状态至少包括对无人机相对于起飞点的高度，准确的高度信息能够有效地提升无人机在应用过程中的稳定性、安全性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据本公开的一种实施方式提供的无人机状态确定方法的流程图；
图2是根据本公开提供的无人机状态确定方法中，判断目标高度数据的数据有效性的步骤的一种示例性的流程图；
图3是根据本公开提供的无人机状态确定方法中，根据目标高度数据对初始预测状态进行修正的步骤的一种示例性的流程图；
图4是根据本公开提供的无人机状态确定方法中，根据目标高度数据对初始预测状态进行修正的步骤的一种示例性的流程图；
图5是根据本公开的一种实施方式提供的无人机状态确定装置的框图；
图6是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
如背景技术所述，相关技术中，一般通过气压计检测的方式或者通过对地高度测量传感器检测的方式获取无人机相对于起飞点的高度。气压计通过测量气压来确定海拔高度，虽然气压计测量的是海拔高度，但由于器件本身和大气压力的不均匀，精度不高，对空气流动敏感且存在测量值缓慢漂移的现象。对地高度测量传感器测量无人机与下方物体之间的距离，并将该距离认为是无人机的对地距离，但对地高度测量传感器测得的距离依赖于无人机下方是否有障碍物，飞行过程中下方的障碍物会导致测得的高度出现跳变，检测结果并非是真正的对地距离，存在检测不准的问题。并且，相关技术中还存在对气压计的检测结果和对地高度测量传感器的检测结果相融合的方式确定无人机相对于起飞点的高度，但是，由于对地高度测量传感器易受外部环境影响的限制，融合处理仍然无法解决数据跳变的问题，错误的检测结果会被用于融合，最终得出的高度信息仍然存在不准确的问题。
针对上述问题，本公开提供一种无人机状态确定方法、装置、介质、电子设备及无人机，以提升为无人机状态确定的准确性，从而更准确地确定无人机相对于起飞点的高度。
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
图1是根据本公开的一种实施方式提供的无人机状态确定方法的流程图，该方法可以应用于具有处理能力的电子设备中，例如可应用于无人机中的控制器或飞行控制系统。如图1所示，该方法可以包括S101至S104。
在S101中，获取无人机上的高度测量设备在目标时刻检测到的目标高度数据。
其中，高度测量设备可以为气压计或者对地高度测量传感器。
若高度测量设备为对地高度测量传感器，由于对地高度测量传感器通过检测无人机与下方物体的距离，因此单个对地高度测量传感器安装在无人机的底部，方向垂直向下，以保证无论无人机向哪个方向飞行，都可以实现检测。其中，本公开中不限制对地高度测量传感器在无人机底部的位置，例如，对地高度测量传感器可以设置在无人机底部的正中心，或者，对地高度测量传感器可以设置在除无人机底部正中心的其他位置。示例地，对地高度测量传感器可以为雷达、声呐、TOF（Time of flight，飞行时间）等。
在S102中，判断目标高度数据的数据有效性。
在本公开中，判断数据有效性的目的在于，确定当前检测到的数据能否被用于确定无人机的状态。在数据有效的情况下，说明数据有助于确定无人机状态，将被用于无人机状态的确定，而在数据无效的情况下，说明数据对无人机状态的确定并无意义，不会被用于无人机状态的确定。
在一种可能的实施例中，若高度测量设备为对地高度测量传感器，可以基于对地高度测量传感器检测数据的跳变程度判断数据有效性。在这一实施例中，S102可以包括S201至S204，如图2所示：
在S201中，获取无人机在历史时刻检测到的历史高度数据；
在S202中，判断目标高度数据是否相比于历史高度数据发生数据跳变；
在S203中，若确定目标高度数据发生数据跳变，判定目标高度数据无效；
在S204中，若确定目标高度数据未发生数据跳变，判定目标高度数据有效。
其中，历史时刻为目标时刻之前的一个或多个时刻，历史高度数据能够表征对地高度测量传感器在历史检测过程中检测到的数据情况，基于历史高度数据，能够判断出目标时刻检测到的目标高度数据是否相比于历史检测过程存在跳变现象。
示例地，历史时刻可以为目标时刻的前一时刻。相应地，S202可以包括以下步骤：
计算目标高度数据与历史高度数据的高度差值；
若高度差值大于最大允许值，确定目标高度数据发生数据跳变；
若高度差值小于或等于最大允许值，确定目标高度数据未发生数据跳变。
其中，最大允许值可以根据经验值设定，设定思想是在无人机正常飞行的情况下对地高度测量传感器相邻两次采集所允许的最大数据变化。示例地，最大允许值可以为无人机允许飞行的最大垂直速度的整数倍（例如，3倍）与传感器的检测周期的乘积。
如果对地高度测量传感器前、后两次相邻采集的高度数据之差很大，且超过了最大允许值，说明这两次检测的差距过大，已经超过了无人机的正常数据变化范围，因此，可以确定目标高度数据发生了数据跳变。反之，如果对地高度测量传感器前、后两次相邻采集的高度数据之差并未超过最大允许值，说明这两次检测的数据变化处于正常的数据变化范围，目标高度数据并未发生数据跳变。
进而，基于S203和S204，若确定目标高度数据发生数据跳变，判定目标高度数据无效，以及，若确定目标高度数据未发生数据跳变，判定目标高度数据有效。
在另一种可能的实施例中，若高度测量设备为气压计，可以通过是否检测到合格的目标高度数据进行有效性判定，也就是说，一旦检测到合格的目标高度数据，就直接将目标高度数据判定为有效数据。其中，气压计检测到的数据的合格与否可以根据经验设定，本公开对此不作限定。
可选地，在无人机飞行过程中，若某一时刻检测出了无效数据，很有可能后续一段时间的检测也是无效的，因此，可以预先设置数据被判定为无效后的等待时长，并记录判定数据无效的时刻，在该时刻后的等待时长内，对于新检测到的高度数据不做处理，直到判定数据无效后、且经过了等待时长，再针对新检测到的高度数据执行本公开提供的方法。这样，能够有效减少无效数据带来的数据处理花销。
参照图1，在S103中，若判定目标高度数据有效，根据无人机在目标时刻的垂直加速度数据，确定无人机在目标时刻的初始预测状态。
示例地，无人机的垂直加速度数据可以通过设置于无人机的加速度计获得。
其中，无人机的状态至少包括无人机相对于起飞点的高度，相应地，初始预测状态至少包括无人机相对于起飞点的高度。另外，除无人机相对于起飞点的高度之外，无人机的状态还可以包括无人机的对地速度等。
在一种可能的实施例中，S103可以包括以下步骤：
获取无人机在目标时刻的前一时刻的历史状态；
根据垂直加速度数据和历史状态，利用欧拉积分方法，确定初始预测状态。
其中，无人机在目标时刻的前一时刻的历史状态就是针对目标时刻的前一时刻的处理流程中确定出的无人机在目标时刻的前一时刻的修正状态。无人机在目标时刻的初始预测状态的获得，可以认为是利用无人机在目标时刻的垂直加速度数据和历史确定出的无人机在目标时刻的前一时刻的状态，利用欧拉积分方法进行推导，以对目标时刻的无人机状态进行一步预测。
示例地，可以按照如下公式确定目标时刻k的初始预测状态
Figure 310981DEST_PATH_IMAGE018
：
Figure 645010DEST_PATH_IMAGE002
其中，
Figure 49447DEST_PATH_IMAGE003
包括k时刻的初始预测状态中无人机相对于起飞点的高度、无人机的对地速度和加速度修正量，F为预设的状态转移矩阵，
Figure 101717DEST_PATH_IMAGE019
包括（k-1）时刻的修正状态中无人机相对于起飞点的高度、无人机的对地速度和加速度修正量，B为预设的控制矩阵，U(k)为无人机在k时刻的垂直加速度数据。
示例地，
Figure 60752DEST_PATH_IMAGE020
，
Figure 249288DEST_PATH_IMAGE021
。
其中，Δt为本公开方法的执行周期。例如，若每当高度测量设备检测到高度数据就执行一次本公开的方法，则Δt为高度测量设备的检测周期。此外，加速度修正量可以根据经验值进行设定。
在S104中，根据目标高度数据，对初始预测状态进行修正，获得无人机在目标时刻的修正状态。
在一种可能的实施例中，若高度测量设备为对地高度测量传感器，S104可以包括S301至S303，如图3所示。
在S301中，将目标高度数据输入至预设的离散数字滤波器，获得离散数字滤波器输出的对地速度。
根据高度数据求解对地速度可以使用但不限于二阶低通滤波器等，求解方法为本领域的常用手段。为了便于本领域技术人员理解，下面给出根据目标高度数据求解对地速度的方法的一种示例，对于其他的求解方式，本公开不再赘述。
示例地，二阶低通滤波器算法的传递函数可以表示为如下形式：
Figure 27888DEST_PATH_IMAGE022
其中，ω α 为模拟截止角频率。n为常数系数，示例地，n=1.414。
通过双线性变换得到如下关系：
Figure 567454DEST_PATH_IMAGE023
其中，fs为对地高度测量传感器的检测频率，fd为数字滤波器的截止频率。
基于上述内容，将s/ω α 代入H(s)中可以得到离散数字滤波器H(z)，将目标高度数据输入至离散数字滤波器H(z)，能够获得离散数字滤波器输出的对地速度。
在S302中，根据第一状态协方差矩阵，确定用于对对地速度进行数据修正的第一卡尔曼增益矩阵。
在S303中，根据初始预测状态、离散数字滤波器输出的对地速度和第一卡尔曼增益矩阵，确定修正状态。
示例地，可以按照如下公式确定目标时刻k的修正状态
Figure 886440DEST_PATH_IMAGE005
：
Figure 444329DEST_PATH_IMAGE006
其中，
Figure 128251DEST_PATH_IMAGE007
为无人机在目标时刻k的初始预测状态，K(k)为第一卡尔曼增益矩阵，v speed 为离散数字滤波器输出的对地速度，H speed 为第一预设量测矩阵。
示例地，
Figure 889534DEST_PATH_IMAGE024
。
其中，第一卡尔曼增益矩阵K(k)通过如下公式获得：
Figure 215473DEST_PATH_IMAGE008
其中，
Figure 175339DEST_PATH_IMAGE025
为第一状态协方差矩阵，R speed 为对地速度的噪声方差。R speed 是人为设置的参数，可以基于经验设置。
并且，第一状态协方差矩阵可以根据本方法的执行情况进行更新，也就是说，初始情况下，设置一个初始的第一状态协方差矩阵（可根据经验设定），之后，每针对对地高度测量传感器检测到的数据执行一次本公开提供的方法并确定了无人机状态后，就对第一状态协方差矩阵进行更新，并将更新后的第一状态协方差矩阵用于下次的执行过程中。第一状态协方差矩阵的更新可以参考下述公式：
Figure 545009DEST_PATH_IMAGE026
Figure 793588DEST_PATH_IMAGE027
其中，I为单位矩阵，即对角线元素为1、且其余元素为0的矩阵。示例地，I可以为3*3的单位矩阵。
Q为过程噪声矩阵，表示对模型的不确定程度，举例来说，预测越准确，加速度计获取垂直加速度数据的噪声越小，则Q的初始取值越小。同时，为了保证本公开方法的正常执行，Q不应为零矩阵。
Figure 657639DEST_PATH_IMAGE028
的含义与前文给出的F一致，此处不赘述。
示例地，
Figure 675273DEST_PATH_IMAGE029
。
在另一种可能的实施例中，若高度测量设备为气压计，S104可以包括S401和S402，如图4所示。
在S401中，根据第二状态协方差矩阵，确定用于对气压计进行数据修正的第二卡尔曼增益矩阵。
在S402中，根据初始预测状态、目标高度数据和第二卡尔曼增益矩阵，确定修正状态。
示例地，可以按照如下公式确定目标时刻k的修正状态
Figure 28894DEST_PATH_IMAGE005
：
Figure 14037DEST_PATH_IMAGE010
其中，
Figure 681778DEST_PATH_IMAGE011
为无人机在目标时刻k的初始预测状态，
Figure 288340DEST_PATH_IMAGE012
为第二卡尔曼增益矩阵，p baro 为目标高度数据，H baro 为第二预设量测矩阵。
示例地，
Figure 16125DEST_PATH_IMAGE030
。
并且，第二卡尔曼增益矩阵
Figure 36033DEST_PATH_IMAGE012
通过如下公式获得：
Figure 494084DEST_PATH_IMAGE013
其中，
Figure 486311DEST_PATH_IMAGE014
为第二状态协方差矩阵，R baro 为气压计高度数据的噪声方差。R baro 是人为设置的参数，可以基于经验设置。
并且，第二状态协方差矩阵可以根据本方法的执行情况进行更新，也就是说，初始情况下，设置一个初始的第二状态协方差矩阵（可根据经验设定），之后，每针对气压计检测到的数据执行一次本公开提供的方法并确定了无人机状态后，就对第二状态协方差矩阵进行更新，并将更新后的第二状态协方差矩阵用于下次的执行过程中。第二状态协方差矩阵的更新可以参考下述公式：
Figure 119418DEST_PATH_IMAGE031
Figure 564305DEST_PATH_IMAGE032
其中，
Figure 823117DEST_PATH_IMAGE033
为单位矩阵，即对角线元素为1、且其余元素为0的矩阵。示例地，
Figure 935430DEST_PATH_IMAGE033
可以为3*3的单位矩阵。
Figure 739438DEST_PATH_IMAGE034
为过程噪声矩阵，表示对模型的不确定程度，举例来说，预测越准确，加速度计获取垂直加速度数据的噪声越小，则
Figure 733939DEST_PATH_IMAGE034
的初始取值越小。同时，为了保证本公开方法的正常执行，
Figure 281595DEST_PATH_IMAGE035
不应为零矩阵。
Figure 497681DEST_PATH_IMAGE036
的含义与前文给出的F一致，此处不赘述。
示例地，
Figure 472590DEST_PATH_IMAGE037
。
在确定出无人机在目标时刻的修正状态后，即可将该修正状态作为确定出的无人机在目标时刻的最终状态，并将该状态用于后续的数据处理，例如，用于提供给控制无人机的算法。示例地，若控制算法需要无人机相对于起飞点的高度，就可以从目标时刻的修正状态中取出无人机相对于起飞点的高度这一信息，用于提供给控制算法。
本公开提供的方法能够在无人机的整个飞行流程辅助判断无人机的状态，特别是无人机相对于起飞点的高度，不仅仅局限于无人机的降落过程。
通过上述技术方案，获取无人机上的高度测量设备在目标时刻检测到的目标高度数据，判断目标高度数据的数据有效性，在判定目标高度数据有效的情况下，根据无人机在目标时刻的垂直加速度数据，确定无人机在目标时刻的初始预测状态，之后，根据目标高度数据，对初始预测状态进行修正，获得无人机在目标时刻的修正状态。其中，初始预测状态至少包括无人机相对于起飞点的高度。由此，对高度测量设备检测到的数据进行有效性判定，在目标高度数据有效的情况下，才会将其用于无人机状态的确定，能够剔除因外部环境影响导致的存在问题的数据，保证无人机状态确定的准确性，以及，在对无人机状态进行初步预测的基础上，还会进一步针对初始预测状态进行修正，从而进一步提升无人机状态确定的准确性。同时，确定出的无人机状态至少包括对无人机相对于起飞点的高度，准确的高度信息能够有效地提升无人机在应用过程中的稳定性、安全性。
图5是根据本公开的一种实施方式提供的无人机状态确定装置的框图。如图5所示，所述装置50包括：
获取模块51，用于获取无人机上的高度测量设备在目标时刻检测到的目标高度数据；
判断模块52，用于判断所述目标高度数据的数据有效性；
确定模块53，用于若判定所述目标高度数据有效，根据所述无人机在所述目标时刻的垂直加速度数据，确定所述无人机在所述目标时刻的初始预测状态，其中，所述初始预测状态至少包括无人机相对于起飞点的高度；
修正模块54，用于根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态。
可选地，所述高度测量设备为对地高度测量传感器；
所述判断模块52，包括：
第一获取子模块，用于获取所述无人机在历史时刻检测到的历史高度数据；
第一判断子模块，用于判断所述目标高度数据是否相比于所述历史高度数据发生数据跳变；
第二判断子模块，用于若确定所述目标高度数据发生数据跳变，判定所述目标高度数据无效；
第三判断子模块，用于若确定所述目标高度数据未发生数据跳变，判定所述目标高度数据有效。
可选地，所述历史时刻为所述目标时刻的前一时刻；
所述第一判断子模块，包括：
计算子模块，用于计算所述目标高度数据与所述历史高度数据的高度差值；
第一确定子模块，用于若所述高度差值大于最大允许值，确定所述目标高度数据发生数据跳变；
第二确定子模块，用于若所述高度差值小于或等于所述最大允许值，确定所述目标高度数据未发生数据跳变。
可选地，所述确定模块53，包括：
第二获取子模块，用于获取所述无人机在所述目标时刻的前一时刻的历史状态；
第三确定子模块，用于根据所述垂直加速度数据和所述历史状态，利用欧拉积分方法，确定所述初始预测状态。
可选地，所述第三确定子模块用于按照如下公式确定目标时刻k的初始预测状态
Figure 892070DEST_PATH_IMAGE038
：
Figure 243417DEST_PATH_IMAGE002
其中，
Figure 314010DEST_PATH_IMAGE003
包括k时刻的初始预测状态中无人机相对于起飞点的对地高度、无人机的对地速度和加速度修正量，F为预设的状态转移矩阵，
Figure 522138DEST_PATH_IMAGE004
包括（k-1）时刻的修正状态中无人机相对于起飞点的高度、无人机的对地速度和加速度修正量，B为预设的控制矩阵，U(k)为所述无人机在k时刻的垂直加速度数据。
可选地，所述高度测量设备为对地高度测量传感器；
所述修正模块54，包括：
滤波子模块，用于将所述目标高度数据输入至预设的离散数字滤波器，获得所述离散数字滤波器输出的对地速度；
第四确定子模块，用于根据第一状态协方差矩阵，确定用于对对地速度进行数据修正的第一卡尔曼增益矩阵；
第五确定子模块，用于根据所述初始预测状态、所述离散数字滤波器输出的对地速度和所述第一卡尔曼增益矩阵，确定所述修正状态。
可选地，所述第五确定子模块用于按照如下公式确定目标时刻k的修正状态
Figure 428914DEST_PATH_IMAGE005
：
Figure 318372DEST_PATH_IMAGE006
其中，
Figure 259784DEST_PATH_IMAGE007
为所述无人机在目标时刻k的初始预测状态，K(k)为所述第一卡尔曼增益矩阵，v speed 为所述离散数字滤波器输出的对地速度，H speed 为第一预设量测矩阵；
并且，所述第一卡尔曼增益矩阵K(k)通过如下公式获得：
Figure 563114DEST_PATH_IMAGE008
其中，
Figure 957186DEST_PATH_IMAGE009
为所述第一状态协方差矩阵，R speed 为对地速度的噪声方差。
可选地，所述高度测量设备为气压计；
所述修正模块54，包括：
第六确定子模块，用于根据第二状态协方差矩阵，确定用于对所述气压计进行数据修正的第二卡尔曼增益矩阵；
第七确定子模块，用于根据所述初始预测状态、所述目标高度数据和所述第二卡尔曼增益矩阵，确定所述修正状态。
可选地，第七确定子模块用于按照如下公式确定目标时刻k的修正状态
Figure 650335DEST_PATH_IMAGE005
：
Figure 446253DEST_PATH_IMAGE010
其中，
Figure 996183DEST_PATH_IMAGE011
为所述无人机在目标时刻k的初始预测状态，
Figure 126819DEST_PATH_IMAGE012
为所述第二卡尔曼增益矩阵，p baro 为所述目标高度数据，H baro 为第二预设量测矩阵；
并且，所述第二卡尔曼增益矩阵
Figure 358080DEST_PATH_IMAGE012
通过如下公式获得：
Figure 8504DEST_PATH_IMAGE013
其中，
Figure 932598DEST_PATH_IMAGE014
为所述第二状态协方差矩阵，R baro 为气压计高度数据的噪声方差。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种无人机，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开提供的无人机状态确定方法的步骤。
图6是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，电子设备1900包括处理器1922，其数量可以为一个或多个，以及存储器1932，用于存储可由处理器1922执行的计算机程序。存储器1932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器1922可以被配置为执行该计算机程序，以执行上述的无人机状态确定方法。
另外，电子设备1900还可以包括电源组件1926和通信组件1950，该电源组件1926可以被配置为执行电子设备1900的电源管理，该通信组件1950可以被配置为实现电子设备1900的通信，例如，有线或无线通信。此外，该电子设备1900还可以包括输入/输出（I/O）接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM，LinuxTM等等。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的无人机状态确定方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器1932，上述程序指令可由电子设备1900的处理器1922执行以完成上述的无人机状态确定方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的无人机状态确定方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (13)

1.一种无人机状态确定方法，其特征在于，所述方法包括：
获取无人机上的高度测量设备在目标时刻检测到的目标高度数据；
判断所述目标高度数据的数据有效性；
若判定所述目标高度数据有效，根据所述无人机在所述目标时刻的垂直加速度数据，确定所述无人机在所述目标时刻的初始预测状态，其中，所述初始预测状态至少包括无人机相对于起飞点的高度；
根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态。
2.根据权利要求1所述的方法，其特征在于，所述高度测量设备为对地高度测量传感器；
所述判断所述目标高度数据的数据有效性，包括：
获取所述无人机在历史时刻检测到的历史高度数据；
判断所述目标高度数据是否相比于所述历史高度数据发生数据跳变；
若确定所述目标高度数据发生数据跳变，判定所述目标高度数据无效；
若确定所述目标高度数据未发生数据跳变，判定所述目标高度数据有效。
3.根据权利要求2所述的方法，其特征在于，所述历史时刻为所述目标时刻的前一时刻；
所述判断所述目标高度数据是否相比于所述历史高度数据发生数据跳变，包括：
计算所述目标高度数据与所述历史高度数据的高度差值；
若所述高度差值大于最大允许值，确定所述目标高度数据发生数据跳变；
若所述高度差值小于或等于所述最大允许值，确定所述目标高度数据未发生数据跳变。
4.根据权利要求1所述的方法，其特征在于，所述根据所述无人机在所述目标时刻的垂直加速度数据，确定所述无人机在所述目标时刻的初始预测状态，包括：
获取所述无人机在所述目标时刻的前一时刻的历史状态；
根据所述垂直加速度数据和所述历史状态，利用欧拉积分方法，确定所述初始预测状态。
5.根据权利要求4所述的方法，其特征在于，所述根据所述垂直加速度数据和所述历史状态，利用欧拉积分方法，确定所述初始预测状态，包括：
按照如下公式确定目标时刻k的初始预测状态
Figure 606381DEST_PATH_IMAGE001
：
Figure 76545DEST_PATH_IMAGE002
其中，
Figure 695745DEST_PATH_IMAGE003
包括k时刻的初始预测状态中无人机相对于起飞点的高度、无人机的对地速度和加速度修正量，F为预设的状态转移矩阵，
Figure 697199DEST_PATH_IMAGE004
包括（k-1）时刻的修正状态中无人机相对于起飞点的高度、无人机的对地速度和加速度修正量，B为预设的控制矩阵，U(k)为所述无人机在k时刻的垂直加速度数据。
6.根据权利要求1所述的方法，其特征在于，所述高度测量设备为对地高度测量传感器；
所述根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态，包括：
将所述目标高度数据输入至预设的离散数字滤波器，获得所述离散数字滤波器输出的对地速度；
根据第一状态协方差矩阵，确定用于对对地速度进行数据修正的第一卡尔曼增益矩阵；
根据所述初始预测状态、所述离散数字滤波器输出的对地速度和所述第一卡尔曼增益矩阵，确定所述修正状态。
7.根据权利要求6所述的方法，其特征在于，所述根据所述初始预测状态、所述对地速度和所述第一卡尔曼增益矩阵，确定所述修正状态，包括：
按照如下公式确定目标时刻k的修正状态
Figure 302624DEST_PATH_IMAGE005
：
Figure 768241DEST_PATH_IMAGE006
其中，
Figure 420326DEST_PATH_IMAGE007
为所述无人机在目标时刻k的初始预测状态，K(k)为所述第一卡尔曼增益矩阵，v speed 为所述离散数字滤波器输出的对地速度，H speed 为第一预设量测矩阵；
并且，所述第一卡尔曼增益矩阵K(k)通过如下公式获得：
Figure 705814DEST_PATH_IMAGE008
其中，
Figure 380509DEST_PATH_IMAGE009
为所述第一状态协方差矩阵，R speed 为对地速度的噪声方差。
8.根据权利要求1所述的方法，其特征在于，所述高度测量设备为气压计；
所述根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态，包括：
根据第二状态协方差矩阵，确定用于对所述气压计进行数据修正的第二卡尔曼增益矩阵；
根据所述初始预测状态、所述目标高度数据和所述第二卡尔曼增益矩阵，确定所述修正状态。
9.根据权利要求8所述的方法，其特征在于，所述根据所述初始预测状态、所述目标高度数据和所述第二卡尔曼增益矩阵，确定所述修正状态，包括：
按照如下公式确定目标时刻k的修正状态
Figure 638315DEST_PATH_IMAGE005
：
Figure 723952DEST_PATH_IMAGE010
其中，
Figure 762315DEST_PATH_IMAGE011
为所述无人机在目标时刻k的初始预测状态，
Figure 443963DEST_PATH_IMAGE012
为所述第二卡尔曼增益矩阵，p baro 为所述目标高度数据，H baro 为第二预设量测矩阵；
并且，所述第二卡尔曼增益矩阵
Figure 821855DEST_PATH_IMAGE012
通过如下公式获得：
Figure 688180DEST_PATH_IMAGE013
其中，
Figure 338473DEST_PATH_IMAGE014
为所述第二状态协方差矩阵，R baro 为气压计高度数据的噪声方差。
10.一种无人机状态确定装置，其特征在于，所述装置包括：
获取模块，用于获取无人机上的高度测量设备在目标时刻检测到的目标高度数据；
判断模块，用于判断所述目标高度数据的数据有效性；
确定模块，用于若判定所述目标高度数据有效，根据所述无人机在所述目标时刻的垂直加速度数据，确定所述无人机在所述目标时刻的初始预测状态，其中，所述初始预测状态至少包括无人机相对于起飞点的高度；
修正模块，用于根据所述目标高度数据，对所述初始预测状态进行修正，获得所述无人机在所述目标时刻的修正状态。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-9中任一项所述方法的步骤。
12.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-9中任一项所述方法的步骤。
13.一种无人机，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-9中任一项所述方法的步骤。
CN202110366929.6A 2021-04-06 2021-04-06 无人机状态确定方法、装置、介质、电子设备及无人机 Active CN112762893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110366929.6A CN112762893B (zh) 2021-04-06 2021-04-06 无人机状态确定方法、装置、介质、电子设备及无人机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110366929.6A CN112762893B (zh) 2021-04-06 2021-04-06 无人机状态确定方法、装置、介质、电子设备及无人机

Publications (2)

Publication Number Publication Date
CN112762893A true CN112762893A (zh) 2021-05-07
CN112762893B CN112762893B (zh) 2021-06-25

Family

ID=75691150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110366929.6A Active CN112762893B (zh) 2021-04-06 2021-04-06 无人机状态确定方法、装置、介质、电子设备及无人机

Country Status (1)

Country Link
CN (1) CN112762893B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115963851A (zh) * 2021-10-13 2023-04-14 北京三快在线科技有限公司 一种无人机的定位方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941750A (zh) * 2014-04-30 2014-07-23 东北大学 基于小型四旋翼无人机的构图装置及方法
CN105223575A (zh) * 2015-10-22 2016-01-06 广州极飞电子科技有限公司 无人机、无人机的测距滤波方法及基于该方法的测距方法
CN106681344A (zh) * 2016-12-26 2017-05-17 湖南纳雷科技有限公司 一种用于飞行器的高度控制方法及控制系统
CN106840084A (zh) * 2016-11-30 2017-06-13 极翼机器人(上海)有限公司 基于高度平滑切换的无人机鲁棒解决方法
US9849978B1 (en) * 2015-09-25 2017-12-26 Amazon Technologies, Inc. Detecting of navigation data spoofing based on sensor data
CN107543540A (zh) * 2016-06-27 2018-01-05 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
CN107577238A (zh) * 2017-08-25 2018-01-12 深圳禾苗通信科技有限公司 基于ukf的无人机气压计异常数据处理的高度控制方法
CN110737279A (zh) * 2019-10-28 2020-01-31 北京航空航天大学 一种无人直升机空投吊挂的纵向摆动幅度控制方法
CN111854691A (zh) * 2020-07-15 2020-10-30 普宙机器人科技(武汉)有限公司 基于多传感器融合的高度解算方法、高度解算装置及无人机

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941750A (zh) * 2014-04-30 2014-07-23 东北大学 基于小型四旋翼无人机的构图装置及方法
US9849978B1 (en) * 2015-09-25 2017-12-26 Amazon Technologies, Inc. Detecting of navigation data spoofing based on sensor data
CN105223575A (zh) * 2015-10-22 2016-01-06 广州极飞电子科技有限公司 无人机、无人机的测距滤波方法及基于该方法的测距方法
CN107543540A (zh) * 2016-06-27 2018-01-05 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
CN106840084A (zh) * 2016-11-30 2017-06-13 极翼机器人(上海)有限公司 基于高度平滑切换的无人机鲁棒解决方法
CN106681344A (zh) * 2016-12-26 2017-05-17 湖南纳雷科技有限公司 一种用于飞行器的高度控制方法及控制系统
CN107577238A (zh) * 2017-08-25 2018-01-12 深圳禾苗通信科技有限公司 基于ukf的无人机气压计异常数据处理的高度控制方法
CN110737279A (zh) * 2019-10-28 2020-01-31 北京航空航天大学 一种无人直升机空投吊挂的纵向摆动幅度控制方法
CN111854691A (zh) * 2020-07-15 2020-10-30 普宙机器人科技(武汉)有限公司 基于多传感器融合的高度解算方法、高度解算装置及无人机

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115963851A (zh) * 2021-10-13 2023-04-14 北京三快在线科技有限公司 一种无人机的定位方法及装置

Also Published As

Publication number Publication date
CN112762893B (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
US11915598B2 (en) Fleet management of unmanned aerial vehicles and flight authorization system
US11669054B2 (en) Method and apparatus for operating mobile platform
EP3081902B1 (en) Method and apparatus for correcting aircraft state in real time
US9383381B2 (en) Airspeed calculation system for an aircraft
CN112964276B (zh) 一种基于激光和视觉融合的在线标定方法
CN110658831B (zh) 对地高度校正方法及装置、无人飞行器
CN103914065A (zh) 飞行器状态实时修正的方法和装置
CN110658542B (zh) 自动驾驶汽车定位识别方法、装置、设备及存储介质
CN113009935B (zh) 无人机仿真测试系统及方法，无人机飞行控制器
CN112762893B (zh) 无人机状态确定方法、装置、介质、电子设备及无人机
CN109839945B (zh) 无人机降落方法、无人机降落装置及计算机可读存储介质
CN110832274A (zh) 地面坡度计算方法、装置、设备及存储介质
CN112162307B (zh) 航向异常检测与安全保护方法、装置、设备和存储介质
CN109725649A (zh) 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
CN115291262B (zh) 卫星定位数据校正方法、装置、电子设备及存储介质
CN112764430B (zh) 无人机接地判定方法、装置、介质、电子设备及无人机
KR102459464B1 (ko) 무인기 시뮬레이터에 의한 무인기 품질인증 시험 시스템 및 그 방법
CN114199220A (zh) 一种无人机空中在线磁罗盘校准方法和装置
CN113591015A (zh) 时间延迟的计算方法、装置、存储介质及电子设备
CN111880576A (zh) 基于视觉的无人机飞行控制方法及装置
WO2021081907A1 (zh) 一种无人机的飞行控制方法、设备、无人机及存储介质
CN110785722A (zh) 对移动平台的参数优化方法、装置及控制设备、飞行器
CN113008245B (zh) 一种定位信息融合方法及其装置、计算机服务器
CN117408084B (zh) 一种用于无人机航迹预测的增强卡尔曼滤波方法及系统
US20230351905A1 (en) Apparatus for detecting turbulence

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