CN113359787A - 一种基于超宽带定位的无人机机库降落方法 - Google Patents
一种基于超宽带定位的无人机机库降落方法 Download PDFInfo
- Publication number
- CN113359787A CN113359787A CN202110797649.0A CN202110797649A CN113359787A CN 113359787 A CN113359787 A CN 113359787A CN 202110797649 A CN202110797649 A CN 202110797649A CN 113359787 A CN113359787 A CN 113359787A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- hangar
- ultra
- base station
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000002146 bilateral effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 240000004282 Grewia occidentalis Species 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000008092 positive 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
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0607—Rate of change of altitude or depth specially adapted for aircraft
- G05D1/0653—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing
- G05D1/0676—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing specially adapted for landing
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)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于超宽带定位的无人机机库降落方法。利用GPS卫星导航系统使得无人机飞行至机库上方空域;利用气压定高计结合超声波雷达,实时检测降落时离机库停机坪的高度;利用机库四角和无人机上的超宽带基站计算出无人机分别与机库四角的超宽带基站之间的距离,解算成无人机分别与机库四角的超宽带基站之间的水平距离;用基于“可信度算子”的内三角形质心算法实时检测并处理获得无人机与机库的停机坪中心的水平位置偏差,进而调整无人机水平位置并降落。本发明能够更实时精确调整无人机水平位置并降落,提高了定位精度,实现了无人机的精准降落,缓解了现有技术中存在的定位误差较大导致无人机机库降落成功率下降的问题。
Description
技术领域
本发明属于无人机控制技术领域的一种,尤其涉及了一种基于超宽带(UWB)定位的无人机机库降落方法。
背景技术
目前无人机机库降落多采用RTK定位或采用一个标记图像进行辅助降落,存在以下几点局限性:
1、虽然RTK定位精度误差小(10cm),但是易被干扰且RTK信息容易出现丢失,这会导致无人机机库降落误差较大,从而导致无人机降落到机库外;
2、只有一个标记图像﹐需要将相机采集该标记的整体图像﹐识别图像中心点,才能实现精确降落,即需要将相机对准该标记才能实现精确降落。但是,当无人机飞行高度较大时,为了相机能够采集到标记的整体图像,标记图像的面积一般较大;当无人机下降到一定高度后相机便无法采集该标记的整体图像,导致无法识别图像中心点,无人机会在空中相对降落点出现尺度漂移等情况。
发明内容
为解决上述问题,本发明的目的是提供一种基于超宽带定位的无人机机库降落方法,提高了定位精度,实现了无人机的精准降落,缓解了现有技术中存在的定位误差较大导致无人机机库降落成功率下降的问题。
本发明的技术方案为:
步骤一、利用无人机的GPS卫星导航系统使得无人机飞行至机库上方空域;
步骤二、利用无人机的气压定高计结合超声波雷达,实时检测无人机降落时离机库停机坪的高度;
步骤三、利用机库四角和无人机上的超宽带基站,根据改进双边双向测距(DS-TWR)方法,计算出无人机分别与机库四角的超宽带基站之间的距离;
步骤四、将步骤二和步骤三中计算出的数据解算成无人机分别与机库四角的超宽带基站之间的水平距离;
步骤五、根据步骤四的结果用基于“可信度算子”的内三角形质心算法实时检测并处理获得无人机与机库的停机坪中心的水平位置偏差;
步骤六、根据水平位置偏差调整无人机水平位置并降落。
布置五个超宽带基站,其中一个作为标签基站,另四个作为固定基站;标签基站固定安装在无人机上,四个固定基站固定布置在无人机机库的四角,且四个固定基站顶部与机库的停机坪高度齐平,位于同一水平面上。
所述的无人机上还安装有GPS卫星导航系统、气压定高计、超声波雷达。
所述的基于“可信度算子”的内三角形质心算法具体如下:
S1、以每三个固定基站为一组基站,将标签基站T与一组基站中每个固定基站Ai(xi,yi)的水平距离为di,i=1,2,3;以每个固定基站的位置为圆心,各自到标签基站T的水平距离为半径作圆,进而根据每个固定基站A1、A2、A3各自到标签基站T的水平距离获得标签基站的三个近似特征位置B、C、D,根据公式求出和固定基站A1相邻近的近似特征位置B坐标:
其中,x1、y1表示固定基站A1的横纵坐标;xB、yB表示近似特征位置B的横纵坐标;d1、d2、d3分别表示固定基站A1、A2、A3分别到标签基站T的水平距离;
按照相同方式也求出近似特征位置C、D的坐标;
S2、建立各个近似特征位置的可信度算子K,进而根据可信度算子K计算三个近似特征位置B、C、D分别对应的三个加权特征位置B'、C'、D'的坐标:
以近似特征位置B为例,根据下述公式得到加权特征位置B'的坐标:
KC=1/LBC N
其中,LBC和LBD分别代表近似特征位置C、近似特征位置D分别到与近似特征位置B之间的距离,N为可信度修正系数,KC表示近似特征位置C的可信度算子K,KD表示近似特征位置D的可信度算子K,xB′、yB′表示加权特征位置B'的横纵坐标,xC、yC表示近似特征位置C的横纵坐标,xD、yD表示近似特征位置D的横纵坐标;
按照相同方式也求出加权特征位置C'、D'的坐标;
S3、最终根据三个加权特征位置B'、C'、D'的坐标计算出三角形△B'C'D'的质心位置作为标签基站T的坐标T(xT,yT):
其中,xT,yT表示标签基站T的横纵坐标;xC′、yC′表示加权特征位置C'的横纵坐标,xD′、yD′表示加权特征位置D'的横纵坐标。
本发明为了使四旋翼无人机实现自主精准的降落在机库停机坪上,以对其进行固定保护、充电续航以及移动运载,在机库四角设计了四个超宽带基站,并基于超宽带基站提出了一种无人机机库降落方法,该方法根据无人机到四个基站的水平距离,通过内三角形质心算法解算出无人机与机库停机坪中心的水平位置偏差,调整无人机水平位置并降落。通过该定位算法提高了定位精度,实现了无人机的精准降落,缓解了现有技术中存在的定位误差较大导致无人机机库降落成功率下降的问题。
本发明由于采用以上技术方案,使其与现有技术相比具有以下的优点和积极效果:
本发明示例的基于超宽带定位的无人机机库降落方法,根据DS-TWR测距算法,计算出无人机与机库四角的超宽带基站之间的距离,并根据无人机降落时离机库停机坪的高度解算出无人机与机库四角的超宽带基站之间的水平距离,再根据基于“可信度算子”的内三角形质心算法实时检测并计算出无人机与机库停机坪中心的水平位置偏差,调整无人机水平位置并降落。
本发明通过该定位算法提高了定位精度,实现了无人机的精准降落,缓解了现有技术中存在的定位误差较大导致无人机机库降落成功率下降的问题。
附图说明
图1为无人机机库及超宽带设备位置结构图;
图2为基于三条信息的双边双向测距原理示意图;
图3为四基站一标签的超宽带系统示意图;
图4为三角形质心算法模型示意图;
图5为基于“可信度算子”的内三角形质心算法模型示意图。
基站A1、基站B2、基站C3、基站D4、无人机机库5、机库停机坪6。
具体实施方式
下面结合说明书附图,对本发明提出的一种基于超宽带定位的无人机机库降落方法进一步详细说明。
本发明的实施例及其实施过程如下:
具体实施中,如图1所示,四个超宽带基站依次分布在无人机机库四角,基站1、基站2、基站3、基站4分别布置在边长为5m的机库正方形四个角上,无人机机库5布置在正方形中心,最终使得无人机机库停机坪6的中心点与正方形中心点重合。
此时设置基站A1的水平坐标为(0,0),基站B2的水平坐标为(5,0),基站C3的水平坐标为(5,5),基站D4的水平坐标为(0,5),无人机机库停机坪6的中心点水平坐标为(2.5,2.5);四个基站顶部放置超宽带基站模块,四个基站顶部与机库停机坪高度齐平。无人机端也放置超宽带标签模块。
具体实施使用基于“可信度算子”的内三角形质心算法,分别计算出四组不同的无人机标签坐标值,然后进行均值运算,得到最终的无人机标签水平坐标(x,y),根据机库停机坪6的中心点坐标(2.5,2.5),获得无人机的水平位置偏差Xerror=x-2.5,Yerror=y-2.5,根据无人机水平位置偏差调整无人机的水平位置并降落,直至无人机降落到机库停机坪6上。
本发明的实施工作过程如下:
步骤一、利用无人机的GPS卫星导航系统使得无人机飞行至机库上方空域;
步骤二、利用无人机的气压定高计结合超声波雷达,超声波雷达朝下探测距离,实时检测无人机降落时离机库停机坪的高度;
步骤三、利用机库四角和无人机上的超宽带基站,根据改进双边双向测距方法,计算出无人机分别与机库四角的超宽带基站之间的距离;
本发明使用一种改进的双边双向测距(DS-TWR)算法,如图2所示,这种双边双向测距法的步骤包括:
设备A向设备B发送一个轮询消息包并记录发送时间t1;
设备B接收轮询消息包并记录接收时间t2;
设备B等待先前设置的延迟处理时间Treply1,将响应消息包发送到设备A并记录发送时间t3;
设备A接收响应消息包并记录接收时间t4;
设备A等待先前设置的延迟处理时间Treply2,将响应消息包发送到设备B并记录发送时间t5;
设备B接收到最终消息包并记录接收时间t6。
设备A和设备B传输过程中信号的往返时间公式如下式所示:
Tround1×Tround2-Treply1×Treply2
=4Tprop 2+2Tprop×Treply1+2Tprop×Treply2
Tround1+Tround2+Treply1+Treply2=4Tprop+2Treply1+2Treply2
其中,设备A和设备B分别代表了用来测距的两个超宽带设备,Tround1、Tround2分别表示设备A和设备B发送超宽带信号到接收超宽带信号的时间差,Treply1、Treply2分别表示设备A和设备B接收到超宽带信号到发出超宽带信号的时间差,Tprop表示超宽带信号在设备A和设备B之间的单次飞行时间;
则超宽带信号在设备A和设备B之间的单次飞行时间Tprop如下式所示:
则设备A和设备B之间的距离L为:
L=Tprop×V
其中,V表示超宽带信号的飞行速度,V=299702547m/s。
步骤四、将步骤二和步骤三中计算出的数据解算成无人机分别与机库四角的超宽带基站之间的水平距离;
在超宽带系统中,首先无人机标签节点和机库四角基站之间通过超宽带模块收发数据,然后通过DS-TWR测距算法获得无人机标签节点和机库四角基站之间的距离。根据气压定高计结合超声波雷达,实时检测无人机降落时的离机库停机坪的高度,根据勾股定理,解算出无人机标签节点和机库四角基站之间的水平距离。最终通过四基站一标签计算无人机的二维水平位置,如图3所示。
步骤五、根据步骤四的结果用基于“可信度算子”的内三角形质心算法实时检测并处理获得无人机与机库的停机坪中心的水平位置偏差;机库顶面布置停机坪。
本发明中用到了四个机库基站,即可计算出四个无人机水平位置,然后取平均,最终计算出无人机的水平位置(x,y)。
然而在实际测距中,往往由于测距误差,使三个圆并不交于一点,而相交于一块区域,所以本发明先使用了一种三角形质心算法进行标签位置的定位解算。
三角形质心算法通过将标签坐标确定在△BCD内,并利用三角形质心估算标签坐标,实现对标签的定位。当标签与各基站测距误差均匀分布时,该算法可以获得较高的定位精度。但实际应用中超宽带信号传播易受多径和非视距现象影响,同时,又由于环境复杂多变,难以通过建立一个具有普遍适用性的超宽带信道模型来估计测距误差范围,这使得算法稳定性得不到保证。
针对三角形质心算法存在的不足,本发明设计了一种基于“可信度算子”的内三角形质心算法,即通过引入可信度算子,削弱测距极大误差的影响,从而提高算法的定位精度和稳定性。
在实际情况下因超宽带基站通信之间的无线信号强度,受多径衰减和非视距阻挡的影响,所估测的值比实际获得的水平距离d值大的多,如图4所示。因此本发明设计了一种基于“可信度算子”的内三角形质心算法进行修正校正,能有效解决估测误差的问题。
如图5所示,基于“可信度算子”的内三角形质心算法具体如下:
S1、以每三个固定基站为一组基站,将标签基站T与一组基站中每个固定基站Ai(xi,yi)的水平距离为di,i=1,2,3;以每个固定基站的位置为圆心,各自到标签基站T的水平距离为半径作圆,进而根据每个固定基站A1、A2、A3各自到标签基站T的水平距离获得标签基站的三个近似特征位置B、C、D,根据公式求出和固定基站A1相邻近的近似特征位置B坐标:
其中,xi、yi表示固定基站Ai的横纵坐标;xB、yB表示近似特征位置B的横纵坐标;d1、d2、d3分别表示固定基站A1、A2、A3分别到标签基站T的水平距离;
按照相同方式也求出近似特征位置C、D的坐标;
S2、建立各个近似特征位置的可信度算子K,进而根据可信度算子K计算三个近似特征位置B、C、D分别对应的三个加权特征位置B'、C'、D'的坐标:
以近似特征位置B为例,根据下述公式得到加权特征位置B'的坐标:
KC=1/LBC N
其中,LBC和LBD分别代表近似特征位置C、近似特征位置D分别到与近似特征位置B之间的距离,N为可信度修正系数,用于分配特征点间权重主次关系,可根据实际环境选取合适的值,具体实施中N=1;KC表示近似特征位置C的可信度算子K,KD表示近似特征位置D的可信度算子K,xB′、yB′表示加权特征位置B'的横纵坐标,xC、yC表示近似特征位置C的横纵坐标,xD、yD表示近似特征位置D的横纵坐标;
按照相同方式也求出加权特征位置C'、D'的坐标;
S3、最终根据三个加权特征位置B'、C'、D'的坐标计算出三角形△B'C'D'的质心位置作为标签基站T的坐标T(xT,yT):
其中,xT,yT表示标签基站T的横纵坐标;xC′、yC′表示加权特征位置C'的横纵坐标,xD′、yD′表示加权特征位置D'的横纵坐标。
本发明使用基于“可信度算子”的内三角形质心算法,分别计算出四组不同的无人机标签坐标值,然后进行均值运算,得到最终的无人机标签水平坐标(x,y),根据机库停机坪6的中心点坐标(2.5,2.5),获得无人机的水平位置偏差Xerror=x-2.5,Yerror=y-2.5。
步骤六、根据水平位置偏差调整无人机水平位置并降落。
根据无人机水平位置偏差调整无人机的水平位置并降落,直至无人机降落到机库停机坪6上。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式。即使对本发明作出各种变化,倘若这些变化属于本发明权利要求及其等同技术的范围之内,则仍落入在本发明的保护范围之中。
Claims (4)
1.一种基于超宽带定位的无人机机库降落方法,其特征在于,方法包括了以下步骤:
步骤一、利用无人机的GPS卫星导航系统使得无人机飞行至机库上方空域;
步骤二、利用无人机的气压定高计结合超声波雷达,实时检测无人机降落时离机库停机坪的高度;
步骤三、利用机库四角和无人机上的超宽带基站,根据改进双边双向测距方法,计算出无人机分别与机库四角的超宽带基站之间的距离;
步骤四、将步骤二和步骤三中计算出的数据解算成无人机分别与机库四角的超宽带基站之间的水平距离;
步骤五、根据步骤四的结果用基于“可信度算子”的内三角形质心算法实时检测并处理获得无人机与机库的停机坪中心的水平位置偏差;
步骤六、根据水平位置偏差调整无人机水平位置并降落。
2.根据权利要求1所述的一种基于超宽带定位的无人机机库降落方法,其特征在于:布置五个超宽带基站,其中一个作为标签基站,另四个作为固定基站;标签基站固定安装在无人机上,四个固定基站固定布置在无人机机库的四角,且四个固定基站顶部与机库的停机坪高度齐平。
3.根据权利要求1所述的一种基于超宽带定位的无人机机库降落方法,其特征在于:所述的无人机上还安装有GPS卫星导航系统、气压定高计、超声波雷达。
4.根据权利要求1所述的一种基于超宽带定位的无人机机库降落方法,其特征在于:所述的基于“可信度算子”的内三角形质心算法具体如下:
S1、以每三个固定基站为一组基站,将标签基站T与一组基站中每个固定基站Ai(xi,yi)的水平距离为di,i=1,2,3;以每个固定基站的位置为圆心,各自到标签基站T的水平距离为半径作圆,进而根据每个固定基站A1、A2、A3各自到标签基站T的水平距离获得标签基站的三个近似特征位置B、C、D,根据公式求出和固定基站A1相邻近的近似特征位置B坐标:
其中,x1、y1表示固定基站A1的横纵坐标;xB、yB表示近似特征位置B的横纵坐标;d1、d2、d3分别表示固定基站A1、A2、A3分别到标签基站T的水平距离;
按照相同方式也求出近似特征位置C、D的坐标;
S2、建立各个近似特征位置的可信度算子K,进而根据可信度算子K计算三个近似特征位置B、C、D分别对应的三个加权特征位置B′、C′、D′的坐标:
以近似特征位置B为例,根据下述公式得到加权特征位置B′的坐标:
KC=1/LBC N
其中,LBC和LBD分别代表近似特征位置C、近似特征位置D分别到与近似特征位置B之间的距离,N为可信度修正系数,KC表示近似特征位置C的可信度算子K,KD表示近似特征位置D的可信度算子K,xB′、yB′表示加权特征位置B′的横纵坐标,xC、yC表示近似特征位置C的横纵坐标,xD、yD表示近似特征位置D的横纵坐标;
按照相同方式也求出加权特征位置C′、D′的坐标;
S3、最终根据三个加权特征位置B′、C′、D′的坐标计算出三角形ΔB′C′D′的质心位置作为标签基站T的坐标T(xT,yT):
其中,xT,yT表示标签基站T的横纵坐标;xC′、yC′表示加权特征位置C′的横纵坐标,xD′、yD′表示加权特征位置D′的横纵坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110797649.0A CN113359787A (zh) | 2021-07-14 | 2021-07-14 | 一种基于超宽带定位的无人机机库降落方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110797649.0A CN113359787A (zh) | 2021-07-14 | 2021-07-14 | 一种基于超宽带定位的无人机机库降落方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113359787A true CN113359787A (zh) | 2021-09-07 |
Family
ID=77539507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110797649.0A Pending CN113359787A (zh) | 2021-07-14 | 2021-07-14 | 一种基于超宽带定位的无人机机库降落方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113359787A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114148535A (zh) * | 2021-11-25 | 2022-03-08 | 国网山东省电力公司泰安供电公司 | 一种具有稳定超宽带结构的室内巡检无人机 |
CN115424410A (zh) * | 2022-11-03 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 基于无线辐射感知与多模态数据的高压环境防护方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104506210A (zh) * | 2015-01-19 | 2015-04-08 | 中国人民解放军国防科学技术大学 | 一种无人机自主起降过程中超宽带雷达组网定位方法 |
CN105867397A (zh) * | 2016-04-13 | 2016-08-17 | 中国计量学院 | 一种基于图像处理和模糊控制的无人机精确位置降落方法 |
CN110244770A (zh) * | 2019-04-14 | 2019-09-17 | 西安烛龙智能科技有限公司 | 一种基于uwb定位的无人机精准降落系统 |
CN110856106A (zh) * | 2019-11-20 | 2020-02-28 | 重庆邮电大学 | 基于uwb和气压计的室内高精度三维定位方法 |
CN113093772A (zh) * | 2021-04-13 | 2021-07-09 | 中国计量大学 | 一种无人机机库精确降落方法 |
-
2021
- 2021-07-14 CN CN202110797649.0A patent/CN113359787A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104506210A (zh) * | 2015-01-19 | 2015-04-08 | 中国人民解放军国防科学技术大学 | 一种无人机自主起降过程中超宽带雷达组网定位方法 |
CN105867397A (zh) * | 2016-04-13 | 2016-08-17 | 中国计量学院 | 一种基于图像处理和模糊控制的无人机精确位置降落方法 |
CN110244770A (zh) * | 2019-04-14 | 2019-09-17 | 西安烛龙智能科技有限公司 | 一种基于uwb定位的无人机精准降落系统 |
CN110856106A (zh) * | 2019-11-20 | 2020-02-28 | 重庆邮电大学 | 基于uwb和气压计的室内高精度三维定位方法 |
CN113093772A (zh) * | 2021-04-13 | 2021-07-09 | 中国计量大学 | 一种无人机机库精确降落方法 |
Non-Patent Citations (1)
Title |
---|
魏培: "基于内三角形质心算法的超宽带室内定位", 《计算机应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114148535A (zh) * | 2021-11-25 | 2022-03-08 | 国网山东省电力公司泰安供电公司 | 一种具有稳定超宽带结构的室内巡检无人机 |
CN115424410A (zh) * | 2022-11-03 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 基于无线辐射感知与多模态数据的高压环境防护方法 |
CN115424410B (zh) * | 2022-11-03 | 2023-12-19 | 国网浙江省电力有限公司金华供电公司 | 基于无线辐射感知与多模态数据的高压环境防护方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108490473B (zh) | 一种融合gnss和uwb的无人机增强定位方法与系统 | |
CN108521670B (zh) | 面向多机紧密编队飞行基于uwb通信与定位方法及一体化系统 | |
CN206649345U (zh) | 一种基于超宽带通信的无人机导航装置 | |
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 | |
CN107950506B (zh) | 移动装置、基于移动装置的喷洒控制方法及装置 | |
CN109613584B (zh) | 基于uwb的无人集卡的定位定向方法 | |
CN109141427B (zh) | 在非视距环境下基于距离和角度概率模型的ekf定位方法 | |
TWI752447B (zh) | 超寬頻輔助精確定位方法 | |
CN113359787A (zh) | 一种基于超宽带定位的无人机机库降落方法 | |
CN108919825A (zh) | 具备避障功能的无人机室内定位系统及方法 | |
CN110837080A (zh) | 激光雷达移动测量系统的快速标定方法 | |
CN106950549A (zh) | 一种基于无线射频中继传输技术的雷达标定方法与系统 | |
CN108628327A (zh) | 一种基于超宽带通信的无人机导航装置 | |
CN103591938A (zh) | 一种基于无人机测量线路弧垂高度的系统及方法 | |
CN108614582A (zh) | 基于rtk技术的无人机精准降落方法 | |
CN105301621B (zh) | 一种车辆定位装置及一种智能驾考系统 | |
CN113347572A (zh) | 利用空中基站实现终端定位的方法和系统 | |
CN110926479A (zh) | 自动生成室内三维导航地图模型的方法和系统 | |
CN205563277U (zh) | 基于北斗定位系统对飞控手飞行质量的评价系统 | |
CN113358135A (zh) | 一种用光电测量数据修正飞行器位置的方法 | |
CN114413932B (zh) | 一种基于车载平台间通信的定位误差修正测试方法 | |
CN113156366B (zh) | 一种嘈杂电磁环境下集群无人机的空间定位方法 | |
CN113721188A (zh) | 拒止环境下的多无人机自身定位与目标定位方法 | |
CN108489467B (zh) | 一种房屋密集区域航测无人机像控点坐标测量方法 | |
CN117111178B (zh) | 一种堤坝隐患和险情空地水协同探测系统及方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210907 |
|
WD01 | Invention patent application deemed withdrawn after publication |