CN113064444B - 无人机下一飞行位置的预测方法、装置、设备和存储介质 - Google Patents
无人机下一飞行位置的预测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113064444B CN113064444B CN202110275387.1A CN202110275387A CN113064444B CN 113064444 B CN113064444 B CN 113064444B CN 202110275387 A CN202110275387 A CN 202110275387A CN 113064444 B CN113064444 B CN 113064444B
- Authority
- CN
- China
- Prior art keywords
- dimensional coordinate
- curve
- unmanned aerial
- aerial vehicle
- coordinate information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 7
- 238000010223 real-time analysis Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种无人机下一飞行位置的预测方法、装置、设备和存储介质,其中方法包括:以当前时刻为起点,获取预置时长的无人机的三维坐标信息;根据三维坐标信息中的坐标类型和三维坐标信息,构建基于时间和坐标类型的二维坐标曲线;对各二维坐标曲线进行拟合,得到对应的拟合曲线;根据当前时刻的下一时刻和各拟合曲线,计算下一时刻时无人机对应的各二维坐标信息;根据二维坐标信息,计算下一时刻时无人机的三维坐标。解决了现有技术中的人工智能方法难以实现实时分析的技术问题。
Description
技术领域
本申请涉及无人机领域,尤其涉及一种无人机下一飞行位置的预测方法、装置、设备和存储介质。
背景技术
无人驾驶飞机简称“无人机”,是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。无人机结构简单、机动性强、近年在诸多领域得到了应用。然而无人机的飞行状态多变,为避免无人机发生碰撞,需要对无人机的下一飞行位置进行预测。
现有技术中,多采用人工智能方法进行无人机下一飞行位置的预测,且还需要采集无人机的飞行速度。但是上述的方式存在以下缺陷:人工智能方法需要较多样本进行分析且算法复杂,导致算法耗时久,难以实现实时分析。
发明内容
本申请提供了一种无人机下一飞行位置的预测方法、装置、设备和存储介质,解决了现有技术中的人工智能方法难以实现实时分析的技术问题。
有鉴于此,本申请第一方面提供了一种无人机下一飞行位置的预测方法,包括:
以当前时刻为起点,获取预置时长的无人机的三维坐标信息;
根据所述三维坐标信息中的坐标类型和所述三维坐标信息,构建基于时间和坐标类型的二维坐标曲线;
对各所述二维坐标曲线进行拟合,得到对应的拟合曲线;
根据所述当前时刻的下一时刻和各所述拟合曲线,计算所述下一时刻时所述无人机对应的各二维坐标信息;
根据所述二维坐标信息,计算所述下一时刻时所述无人机的三维坐标。
可选地,所述以当前时刻为起点,获取预置时长的无人机的三维坐标信息,具体包括:
通过无人机上搭载的定位单元,获取以当前时刻为起点的、预置时长的无人机的三维坐标信息。
可选地,所述三维坐标信息的坐标类型包括:经度、纬度和海拔;
所述根据所述三维坐标信息中的坐标类型和所述三维坐标信息,构建基于时间和坐标类型的二维坐标曲线,具体包括:
根据所述坐标类型将所述三维坐标信息进行划分,得到各所述坐标类型对应的二维坐标信息簇;
根据所述坐标信息簇和时间,构建基于时间和各所述二维坐标信息簇的对应的二维坐标曲线。
可选地,所述对各所述二维坐标曲线进行拟合,得到对应的拟合曲线,具体包括:
获取第一二维坐标曲线对应的待拟合多项式,其中,所述第一二维坐标曲线为所述二维坐标曲线中的一条;
计算所述第一二维坐标曲线上的各点到所述待拟合多项式的距离,并对所述距离进行求和得到距离和计算公式;
对所述距离和计算公式中的各系数求偏导并使求偏导后的值为0,得到各系数对应的系数计算公式;
将所有所述系数计算公式表示为矩阵形式,得到第一矩阵;
利用范德蒙德矩阵对所述第一矩阵进行简化,得到中间矩阵;
通过所述中间矩阵和所述第一二维坐标曲线对应的曲线矩阵,得到所述待拟合多项式对应的系数矩阵,其中,所述曲线矩阵由所述第一二维坐标曲线中的非时间坐标值构成;
根据所述系数矩阵和所述待拟合多项式,得到所述第一二维坐标曲线对应的拟合多项式,以得到所述拟合多项式对应的拟合曲线。
可选地,所述根据所述当前时刻的下一时刻和各所述拟合曲线,计算所述下一时刻时所述无人机对应的各二维坐标信息,具体包括:
将所述当前时刻的下一时刻代入各所述拟合曲线,得到所述下一时刻时所述无人机对应的各二维坐标信息。
可选地,所述根据所述二维坐标信息,计算所述下一时刻时所述无人机的三维坐标,具体包括:
将所有所述二维坐标信息中的非时间坐标值和预置坐标值求和,得到所述下一时刻时所述无人机的三维坐标,其中,所述预置坐标值为所述三维坐标信息中的第一个三维坐标信息。
本申请第二方面提供了一种无人机下一飞行位置的预测装置,包括:
获取单元,用于以当前时刻为起点,获取预置时长的无人机的三维坐标信息;
构建单元,用于根据所述三维坐标信息中的坐标类型和所述三维坐标信息,构建基于时间和坐标类型的二维坐标曲线;
拟合单元,用于对各所述二维坐标曲线进行拟合,得到对应的拟合曲线;
第一计算单元,用于根据所述当前时刻的下一时刻和各所述拟合曲线,计算所述下一时刻时所述无人机对应的各二维坐标信息;
第二计算单元,用于根据所述二维坐标信息,计算所述下一时刻时所述无人机的三维坐标。
可选地,所述三维坐标信息的坐标类型包括:经度、纬度和海拔;所述构建单元具体包括:
划分子单元,用于根据所述坐标类型将所述三维坐标信息进行划分,得到各所述坐标类型对应的二维坐标信息簇;
构建子单元,用于根据所述坐标信息簇和时间,构建基于时间和各所述二维坐标信息簇的对应的二维坐标曲线。
本申请第三方面提供了一种无人机下一飞行位置的预测设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所述的无人机下一飞行位置的预测方法。
本申请第四方面提供了一种存储介质,所述存储介质用于存储程序代码,所述程序代码用于执行第一方面所述的无人机下一飞行位置的预测方法。
从以上技术方法可以看出,本申请具有以下优点:
本申请中的无人机下一飞行位置的预测方法,包括:以当前时刻为起点,获取预置时长的无人机的三维坐标信息;根据三维坐标信息中的坐标类型和三维坐标信息,构建基于时间和坐标类型的二维坐标曲线;对各二维坐标曲线进行拟合,得到对应的拟合曲线;根据当前时刻的下一时刻和各拟合曲线,计算下一时刻时无人机对应的各二维坐标信息;根据二维坐标信息,计算下一时刻时无人机的三维坐标。
本申请提供一种无人机下一飞行位置的预测方法,该方法无需采集无人机速度,根据无人机惯性特点,将无人机近期轨迹通过三维坐标立体分解,分析三个维度的距离变化趋势,便可推测下一个位置,方法简单、高效,可以实现实时分析,从而解决了现有技术中的人工智能方法难以实现实时分析的技术问题。
且由于现有的很多方法需要采集无人机的速度,但是无人机的飞行是一个动态过程,不容易做到较为准确地测量速度,导致最后的预测结果准确度也不高。然而本申请中的无人机下一飞行位置的预测,不依赖于无人机的速度,是根据无人机惯性特点预测的,得到的预测结果也较为准确。
附图说明
为了更清楚地说明本申请实施例中的技术方法,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例中一种无人机下一飞行位置的预测方法的实施例一的流程示意图;
图2为本申请实施例中一种无人机下一飞行位置的预测方法的实施例二的流程示意图;
图3为本申请实施例中一种无人机下一飞行位置的预测方法的具体实施流程图;
图4为本申请实施例中一种无人机下一飞行位置的预测装置的实施例的结构示意图。
具体实施方式
本申请实施例提供了一种无人机下一飞行位置的预测方法、装置、设备和存储介质,解决了现有技术中的人工智能方法难以实现实时分析的技术问题。
为了使本技术领域的人员更好地理解本申请方法,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法进行清楚、完整地描述,显然,所描述的实施例仅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。
以便于理解,请参阅图1,图1为本申请实施例中一种无人机下一飞行位置的预测方法的实施例一的流程示意图。
本实施例中的一种无人机下一飞行位置的预测方法,包括:
步骤101、以当前时刻为起点,获取预置时长的无人机的三维坐标信息。
本实施例中是根据无人机近期的轨迹通过三维坐标信息表示后,基于上述的三维坐标信息预测无人机的下一飞行位置。因此,首先以当前时刻为起点,向前获取预置时长的无人机的三维坐标信息。
可以理解的是,所述预置时长可以根据需要进行设置,在此不做限定和赘述。
步骤102、根据三维坐标信息中的坐标类型和三维坐标信息,构建基于时间和坐标类型的二维坐标曲线。
可以理解的是,三维坐标信息中含有三种坐标类型的坐标值,本实施例中为了确定下一时刻时三维坐标信息中的每一种坐标值,对各坐标值分别求解,即将三维坐标信息中的三维坐标信息按照坐标类型,构建基于时间和坐标类型的二维坐标曲线。例如,三维坐标信息为(x,y,z),构建的二维坐标曲线为x-t、y-t、z-t。
步骤103、对各二维坐标曲线进行拟合,得到对应的拟合曲线。
在得到二维坐标曲线后,对各二维坐标曲线拟合,便可得到对应的拟合曲线,即上述的二维坐标曲线x-t、y-t、z-t拟合后分别得到x’-t’、y’-t’、z’-t’的拟合曲线。
步骤104、根据当前时刻的下一时刻和各拟合曲线,计算下一时刻时无人机对应的各二维坐标信息。
根据当前时刻的下一时刻和各拟合曲线,便可得到计算下一时刻是无人机对应的各二维坐标信息。即通过下一时刻的时间值和各拟合曲线,便可得到下一时刻是无人机对应的各二维坐标曲线。例如,下一时刻的时间值为30,便可得到对应的二维坐标信息分别为:x’-30、y’-30、z’-30,此时上述的x’、y’、z’均可以求解。
步骤105、根据二维坐标信息,计算下一时刻时无人机的三维坐标。
得到上述的二维坐标信息后,便可以通过二维坐标信息计算下一时刻时无人机的三维坐标。
本实施例提供一种无人机下一飞行位置的预测方法,该方法无需采集无人机速度,根据无人机惯性特点,将无人机近期轨迹通过三维坐标立体分解,分析三个维度的距离变化趋势,便可推测下一个位置,方法简单、高效,可以实现实时分析,从而解决了现有技术中的人工智能方法难以实现实时分析的技术问题。
以上为本申请实施例提供的一种无人机下一飞行位置的预测方法的实施例一,以下为本申请实施例提供的一种无人机下一飞行位置的预测方法的实施例二。
请参阅图2,图2为本申请实施例中一种无人机下一飞行位置的预测方法的实施例二的流程示意图。
本实施例中的一种无人机下一飞行位置的预测方法,包括:
步骤201、通过无人机上搭载的定位单元,获取以当前时刻为起点的、预置时长的无人机的三维坐标信息。
可以理解的是,定位单元可以是GPS、北斗定位系统、惯导单元等,具体本领域技术人员可以根据需要进行设置在此不再赘述。
需要说明的是,三维坐标信息的坐标类型包括:经度、纬度和海拔。
步骤202、根据坐标类型将三维坐标信息进行划分,得到各坐标类型对应的二维坐标信息簇。
即将三维坐标信息中所有的经度聚合在一起,构成一个经度簇;将所有的纬度聚合在一起,构成一个纬度簇;将所有的海拔聚合在一起,构成一个海拔簇。
步骤203、根据坐标信息簇和时间,构建基于时间和各二维坐标信息簇的对应的二维坐标曲线。
本实施例中得到上述的二维坐标信息簇后,便可构建基于时间和坐标信息簇的二维坐标曲线,即分别经度-时间、纬度-时间、海拔-时间的三条二维坐标曲线。
步骤204、获取第一二维坐标曲线对应的待拟合多项式,其中,第一二维坐标曲线为二维坐标曲线中的一条。
步骤205、计算第一二维坐标曲线上的各点到待拟合多项式的距离,并对距离进行求和得到距离和计算公式。
步骤206、对距离和计算公式中的各系数求偏导并使求偏导后的值为0,得到各系数对应的系数计算公式。
步骤207、将所有系数计算公式表示为矩阵形式,得到第一矩阵。
步骤208、利用范德蒙德矩阵对第一矩阵进行简化,得到中间矩阵。
步骤209、通过中间矩阵和第一二维坐标曲线对应的曲线矩阵,得到待拟合多项式对应的系数矩阵。
其中,曲线矩阵由第一二维坐标曲线中的非时间坐标值构成,即本实施例中的曲线矩阵由:经度、纬度和海波构成。
步骤210、根据系数矩阵和待拟合多项式,得到第一二维坐标曲线对应的拟合多项式,以得到拟合多项式对应的拟合曲线。
步骤211、将当前时刻的下一时刻代入各拟合曲线,得到下一时刻时无人机对应的各二维坐标信息。
步骤212、将所有二维坐标信息中的非时间坐标值和预置坐标值求和,得到下一时刻时无人机的三维坐标。
其中,预置坐标值为三维坐标信息中的第一个三维坐标信息。
本实施例提供一种无人机下一飞行位置的预测方法,该方法无需采集无人机速度,根据无人机惯性特点,将无人机近期轨迹通过三维坐标立体分解,分析三个维度的距离变化趋势,便可推测下一个位置,方法简单、高效,可以实现实时分析,从而解决了现有技术中的人工智能方法难以实现实时分析的技术问题。
以上为本申请实施例提供的一种无人机下一飞行位置的预测方法的实施例二,以下为本申请实施例提供的一种无人机下一飞行位置的预测方法的具体实施例。
请参阅图3,图3为本申请实施例中一种无人机下一飞行位置的预测方法的具体实施流程图。
本实施例中的无人机下一飞行位置的预测方法包括:
1)通过无人机GPS或北斗定位系统,等时长获取无人机的经度、纬度和海拔;
2)将经度、纬度和海拔放到三维坐标,形成无人机轨迹的三维坐标;
3)将无人机最近10个经度、纬度和海拔分别与时间建立二维坐标系(经度-t、纬度-t、海拔-t)同时以第一个点作为坐标的原点;
4)对上述10个点的三维坐标信息分别转化至三个二维坐标系上;
5)分别对三个二维坐标系上的二维坐标曲线进行利用多项式曲线进行拟合,具体步骤如下;
1、设待拟合多项式为(拟合函数的最高次项可根据实际情况合理调整):
y=a0+a1x+a2x2+a3x3+a4x4+a5x5;
2、求十个点到这条曲线的距离之和,即为偏差平方之和:
3、分别通过对等式右侧求ai偏导并使其为0,从而求到距离最接近十个点的多项式的各系数:
4、将等式表示为矩阵形式,并利用范德蒙德矩阵化简得到:
中间矩阵:
系数矩阵为:
曲线矩阵为:
5、通过X*A=Y求得系数矩阵A,从而得到拟合曲线。
6)分别在三个二维坐标系重复上述步骤得到三条拟合曲线;
7)对三条拟合曲线分别代入下一时间点t’;
8)将得到的x’、y’、z’加上原点的三维坐标后得到预测的三维坐标;
9)将三维坐标每个直线坐标上数值,投射合成到三维坐标中,形成对应的无人机下一步的经度、纬度和海拔位置。
以上为本申请实施例提供的一种无人机下一飞行位置的预测方法的具体实施例。以下为本申请实施例提供的一种无人机下一飞行位置的预测装置的实施例。
请参阅图4,图4为本申请实施例中一种无人机下一飞行位置的预测装置的实施例的结构示意图。
本实施例中的无人机下一飞行位置的预测装置,包括:
获取单元401,用于以当前时刻为起点,获取预置时长的无人机的三维坐标信息;
构建单元402,用于根据三维坐标信息中的坐标类型和三维坐标信息,构建基于时间和坐标类型的二维坐标曲线;
拟合单元403,用于对各二维坐标曲线进行拟合,得到对应的拟合曲线;
第一计算单元404,用于根据当前时刻的下一时刻和各拟合曲线,计算下一时刻时无人机对应的各二维坐标信息;
第二计算单元405,用于根据二维坐标信息,计算下一时刻时无人机的三维坐标。
可选地,三维坐标信息的坐标类型包括:经度、纬度和海拔;构建单元402具体包括:
划分子单元,用于根据坐标类型将三维坐标信息进行划分,得到各坐标类型对应的二维坐标信息簇;
构建子单元,用于根据坐标信息簇和时间,构建基于时间和各二维坐标信息簇的对应的二维坐标曲线。
本实施例提供一种无人机下一飞行位置的预测装置,该装置无需采集无人机速度,根据无人机惯性特点,将无人机近期轨迹通过三维坐标立体分解,分析三个维度的距离变化趋势,便可推测下一个位置,方法简单、高效,可以实现实时分析,从而解决了现有技术中的人工智能方法难以实现实时分析的技术问题。
本申请实施例还提供了一种无人机下一飞行位置的预测设备的实施例,本实施例中的检测设备包括处理器以及存储器;存储器用于存储程序代码,并将程序代码传输给处理器;处理器用于根据程序代码中的指令执行前述实施例中的无人机下一飞行位置的预测方法。
本申请实施例还提供了一种存储介质的实施例,本实施例中存储介质用于存储程序代码,程序代码用于执行前述实施例中的无人机下一飞行位置的预测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (9)
1.一种无人机下一飞行位置的预测方法,其特征在于,包括:
以当前时刻为起点,获取预置时长的无人机的三维坐标信息;
根据所述三维坐标信息中的坐标类型和所述三维坐标信息,构建基于时间和坐标类型的二维坐标曲线;
对各所述二维坐标曲线进行拟合,得到对应的拟合曲线;
根据所述当前时刻的下一时刻和各所述拟合曲线,计算所述下一时刻时所述无人机对应的各二维坐标信息;
根据所述二维坐标信息,计算所述下一时刻时所述无人机的三维坐标;
所述对各所述二维坐标曲线进行拟合,得到对应的拟合曲线,具体包括:
获取第一二维坐标曲线对应的待拟合多项式,其中,所述第一二维坐标曲线为所述二维坐标曲线中的一条;
计算所述第一二维坐标曲线上的各点到所述待拟合多项式的距离,并对所述距离进行求和得到距离和计算公式;
对所述距离和计算公式中的各系数求偏导并使求偏导后的值为0,得到各系数对应的系数计算公式;
将所有所述系数计算公式表示为矩阵形式,得到第一矩阵;
利用范德蒙德矩阵对所述第一矩阵进行简化,得到中间矩阵;
通过所述中间矩阵和所述第一二维坐标曲线对应的曲线矩阵,得到所述待拟合多项式对应的系数矩阵,其中,所述曲线矩阵由所述第一二维坐标曲线中的非时间坐标值构成;
根据所述系数矩阵和所述待拟合多项式,得到所述第一二维坐标曲线对应的拟合多项式,以得到所述拟合多项式对应的拟合曲线。
2.根据权利要求1所述的无人机下一飞行位置的预测方法,其特征在于,所述以当前时刻为起点,获取预置时长的无人机的三维坐标信息,具体包括:
通过无人机上搭载的定位单元,获取以当前时刻为起点的、预置时长的无人机的三维坐标信息。
3.根据权利要求1所述的无人机下一飞行位置的预测方法,其特征在于,所述三维坐标信息的坐标类型包括:经度、纬度和海拔;
所述根据所述三维坐标信息中的坐标类型和所述三维坐标信息,构建基于时间和坐标类型的二维坐标曲线,具体包括:
根据所述坐标类型将所述三维坐标信息进行划分,得到各所述坐标类型对应的二维坐标信息簇;
根据所述坐标信息簇和时间,构建基于时间和各所述二维坐标信息簇的对应的二维坐标曲线。
4.根据权利要求1所述的无人机下一飞行位置的预测方法,其特征在于,所述根据所述当前时刻的下一时刻和各所述拟合曲线,计算所述下一时刻时所述无人机对应的各二维坐标信息,具体包括:
将所述当前时刻的下一时刻代入各所述拟合曲线,得到所述下一时刻时所述无人机对应的各二维坐标信息。
5.根据权利要求1所述的无人机下一飞行位置的预测方法,其特征在于,所述根据所述二维坐标信息,计算所述下一时刻时所述无人机的三维坐标,具体包括:
将所有所述二维坐标信息中的非时间坐标值和预置坐标值求和,得到所述下一时刻时所述无人机的三维坐标,其中,所述预置坐标值为所述三维坐标信息中的第一个三维坐标信息。
6.一种无人机下一飞行位置的预测装置,其特征在于,包括:
获取单元,用于以当前时刻为起点,获取预置时长的无人机的三维坐标信息;
构建单元,用于根据所述三维坐标信息中的坐标类型和所述三维坐标信息,构建基于时间和坐标类型的二维坐标曲线;
拟合单元,用于对各所述二维坐标曲线进行拟合,得到对应的拟合曲线;
第一计算单元,用于根据所述当前时刻的下一时刻和各所述拟合曲线,计算所述下一时刻时所述无人机对应的各二维坐标信息;
第二计算单元,用于根据所述二维坐标信息,计算所述下一时刻时所述无人机的三维坐标;
所述对各所述二维坐标曲线进行拟合,得到对应的拟合曲线,具体包括:
获取第一二维坐标曲线对应的待拟合多项式,其中,所述第一二维坐标曲线为所述二维坐标曲线中的一条;
计算所述第一二维坐标曲线上的各点到所述待拟合多项式的距离,并对所述距离进行求和得到距离和计算公式;
对所述距离和计算公式中的各系数求偏导并使求偏导后的值为0,得到各系数对应的系数计算公式;
将所有所述系数计算公式表示为矩阵形式,得到第一矩阵;
利用范德蒙德矩阵对所述第一矩阵进行简化,得到中间矩阵;
通过所述中间矩阵和所述第一二维坐标曲线对应的曲线矩阵,得到所述待拟合多项式对应的系数矩阵,其中,所述曲线矩阵由所述第一二维坐标曲线中的非时间坐标值构成;
根据所述系数矩阵和所述待拟合多项式,得到所述第一二维坐标曲线对应的拟合多项式,以得到所述拟合多项式对应的拟合曲线。
7.根据权利要求6所述的无人机下一飞行位置的预测装置,其特征在于,所述三维坐标信息的坐标类型包括:经度、纬度和海拔;所述构建单元具体包括:
划分子单元,用于根据所述坐标类型将所述三维坐标信息进行划分,得到各所述坐标类型对应的二维坐标信息簇;
构建子单元,用于根据所述坐标信息簇和时间,构建基于时间和各所述二维坐标信息簇的对应的二维坐标曲线。
8.一种无人机下一飞行位置的预测设备,其特征在于,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1至5中任一项所述的无人机下一飞行位置的预测方法。
9.一种存储介质,其特征在于,所述存储介质用于存储程序代码,所述程序代码用于执行权利要求1至5中任一项所述的无人机下一飞行位置的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110275387.1A CN113064444B (zh) | 2021-03-15 | 2021-03-15 | 无人机下一飞行位置的预测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110275387.1A CN113064444B (zh) | 2021-03-15 | 2021-03-15 | 无人机下一飞行位置的预测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113064444A CN113064444A (zh) | 2021-07-02 |
CN113064444B true CN113064444B (zh) | 2022-09-09 |
Family
ID=76561419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110275387.1A Active CN113064444B (zh) | 2021-03-15 | 2021-03-15 | 无人机下一飞行位置的预测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113064444B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116033348B (zh) * | 2023-03-30 | 2023-06-30 | 中国兵器科学研究院 | 一种生成电子围栏的方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1560096A2 (en) * | 2004-01-15 | 2005-08-03 | Rafael - Armament Development Authority Ltd. | Method of terrain following |
CN103149937A (zh) * | 2013-02-26 | 2013-06-12 | 北京航空航天大学 | 一种基于曲率补偿的横侧向曲线航迹跟踪方法 |
CN103245257A (zh) * | 2013-04-11 | 2013-08-14 | 北京航空航天大学 | 基于Bezier曲线的多约束飞行器导引方法 |
CN105890623A (zh) * | 2016-04-19 | 2016-08-24 | 华南农业大学 | 一种无人机作业参数自动采集系统及自动感知方法 |
CN109587655A (zh) * | 2017-09-29 | 2019-04-05 | 波音公司 | 用于通过标准飞机轨迹公约来传送高保真飞机轨迹相关信息的系统和方法 |
CN110031818A (zh) * | 2019-04-29 | 2019-07-19 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于点云数据的输电线路对地表净空距离轮廓线提取方法 |
CN110471055A (zh) * | 2019-07-08 | 2019-11-19 | 岭澳核电有限公司 | 飞行物轨迹预测方法、装置、可读存储介质及终端设备 |
CN110770598A (zh) * | 2018-11-20 | 2020-02-07 | 深圳市大疆创新科技有限公司 | 微波雷达及其数据处理方法、无人机 |
CN110809747A (zh) * | 2018-10-26 | 2020-02-18 | 深圳市大疆创新科技有限公司 | 高精度的无人机飞行轨迹测量系统、机器可读存储介质 |
CN111708014A (zh) * | 2020-05-26 | 2020-09-25 | 烟台陆地智能科技有限公司 | 一种毫米波雷达的封闭空间内部非合作目标定位及测量方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8050863B2 (en) * | 2006-03-16 | 2011-11-01 | Gray & Company, Inc. | Navigation and control system for autonomous vehicles |
US10546503B2 (en) * | 2017-08-22 | 2020-01-28 | Honeywell International Inc. | Method and system for real-time validation of an operational flight path for an aircraft |
-
2021
- 2021-03-15 CN CN202110275387.1A patent/CN113064444B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1560096A2 (en) * | 2004-01-15 | 2005-08-03 | Rafael - Armament Development Authority Ltd. | Method of terrain following |
CN103149937A (zh) * | 2013-02-26 | 2013-06-12 | 北京航空航天大学 | 一种基于曲率补偿的横侧向曲线航迹跟踪方法 |
CN103245257A (zh) * | 2013-04-11 | 2013-08-14 | 北京航空航天大学 | 基于Bezier曲线的多约束飞行器导引方法 |
CN105890623A (zh) * | 2016-04-19 | 2016-08-24 | 华南农业大学 | 一种无人机作业参数自动采集系统及自动感知方法 |
CN109587655A (zh) * | 2017-09-29 | 2019-04-05 | 波音公司 | 用于通过标准飞机轨迹公约来传送高保真飞机轨迹相关信息的系统和方法 |
CN110809747A (zh) * | 2018-10-26 | 2020-02-18 | 深圳市大疆创新科技有限公司 | 高精度的无人机飞行轨迹测量系统、机器可读存储介质 |
CN110770598A (zh) * | 2018-11-20 | 2020-02-07 | 深圳市大疆创新科技有限公司 | 微波雷达及其数据处理方法、无人机 |
CN110031818A (zh) * | 2019-04-29 | 2019-07-19 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于点云数据的输电线路对地表净空距离轮廓线提取方法 |
CN110471055A (zh) * | 2019-07-08 | 2019-11-19 | 岭澳核电有限公司 | 飞行物轨迹预测方法、装置、可读存储介质及终端设备 |
CN111708014A (zh) * | 2020-05-26 | 2020-09-25 | 烟台陆地智能科技有限公司 | 一种毫米波雷达的封闭空间内部非合作目标定位及测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113064444A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108628904B (zh) | 一种路径编码、相似路径检索方法及装置和电子设备 | |
US20170343356A1 (en) | Resource-aware large-scale cooperative 3d mapping using multiple mobile devices | |
CN112887899B (zh) | 一种基于单基站软位置信息的定位系统及定位方法 | |
US9497584B2 (en) | Action pattern analysis device, action pattern analysis method, and action pattern analysis program | |
CN110197615B (zh) | 用于生成地图的方法及装置 | |
CN114706933A (zh) | 基于无人机作业的喷洒区域确定方法及装置 | |
CN108872932B (zh) | 基于神经网络的超视距目标直接定位结果纠偏方法 | |
JP7033859B2 (ja) | ジオアーク(geoarc)を使用したビークルの二次元位置の特定 | |
CN109655786B (zh) | 移动自组网协作相对定位方法及装置 | |
JP7057632B2 (ja) | ジオアーク(geoarc)を使用したビークルの二次元位置の特定 | |
CN113064444B (zh) | 无人机下一飞行位置的预测方法、装置、设备和存储介质 | |
US11709056B2 (en) | Method and device for magnetic field measurement by magnetometers | |
CN110751531A (zh) | 轨迹识别方法、装置及电子设备 | |
CN116184442A (zh) | 轨道、钟差改正数评估方法和装置、设备及存储介质 | |
CN111113486B (zh) | 机械臂的性能测试方法、装置、计算机设备及存储介质 | |
JP4229146B2 (ja) | ナビゲート装置及びプログラム | |
CN111222932B (zh) | 订单周期计算方法、装置及电子设备 | |
KR20200038271A (ko) | 자기 센서에 의해 측정된 자기장으로부터 진행 방향의 결정 | |
KR102449787B1 (ko) | 3차원 지형 모델 복원을 위한 점군 데이터 정합 방법 및 그 장치 | |
CN114705223A (zh) | 多移动智能体在目标跟踪中的惯导误差补偿方法及系统 | |
US20210310811A1 (en) | Indoor position estimation apparatus, indoor position estimation method, and program | |
Hadji et al. | A Review: Simultaneous localization and mapping algorithms for mobile robot | |
CN112269187A (zh) | 机器人状态检测方法、装置及设备 | |
Dressel et al. | Using neural networks to generate information maps for mobile sensors | |
CN116953758B (zh) | 一种基于5g和北斗的卫生应急作业平台系统及方法 |
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 |