CN113495287A - 一种蜂群无人机的高精度定位方法 - Google Patents

一种蜂群无人机的高精度定位方法 Download PDF

Info

Publication number
CN113495287A
CN113495287A CN202010258293.9A CN202010258293A CN113495287A CN 113495287 A CN113495287 A CN 113495287A CN 202010258293 A CN202010258293 A CN 202010258293A CN 113495287 A CN113495287 A CN 113495287A
Authority
CN
China
Prior art keywords
unmanned aerial
information
aerial vehicle
navigation
positioning
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
Application number
CN202010258293.9A
Other languages
English (en)
Inventor
吴彤
肖登坤
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 Jinkun Innovation Technology Co ltd
Original Assignee
Beijing Jinkun Innovation 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 Jinkun Innovation Technology Co ltd filed Critical Beijing Jinkun Innovation Technology Co ltd
Priority to CN202010258293.9A priority Critical patent/CN113495287A/zh
Publication of CN113495287A publication Critical patent/CN113495287A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

蜂群无人机已越来越广泛地应用在各领域，特别是面向未来城市作战的需求，室内外无缝的三维高精度定位是关键技术之一。本发明公开了一种蜂群无人机的高精度定位方法，承载在无人机上的通导一体化模块通过接收到云端中控系统的导航定位控制信息，采用包含复杂场景识别的多源融合定位方法，实时动态地解算无人机的飞行状态信息，并提供可靠、连续的室内外无缝三维高精度定位。任意无人机是属于锚点工作模式，或属于侦查工作模式，其状态可由云端中控系统依据定位精度、通信链路质量、组网拓扑等因素动态调整，包括周期性调整，或事件触发式调整。本发明在军用、民用、军民融合的蜂群无人机高精度定位领域，将具有广泛的应用前景。

Description

一种蜂群无人机的高精度定位方法
技术领域
本发明涉及蜂群无人机高精度定位领域。
背景技术
随着无人机飞控技术与导航定位技术的发展，基于无人机的各类应用已逐步渗透到国民经济的测绘、工业、农业、侦查等领域。蜂群无人机是由大量无人机(UnmannedAerial Vehicle, UAV)，以单平台无人机的作战能力为基础，以无人机之间的协同交互能力为支撑，以群体智能涌现能力为核心，基于开放式体系架构综合集成构建的，具有抗毁性、低成本、功能分布化等优势和智能特征的作战体系。因此，对于蜂群无人机而言，不论是集群自主编队控制，还是侦察任务执行，都对蜂群节点的高精度三维实时定位提出了很高要求，其定位的实时性和精确性会直接影响蜂群无人机的任务导航定位效果。在各类复杂场景下，针对蜂群无人机智能侦察，如何提供一套适用于蜂群无人机的可靠、可信、连续室内外高精度无缝定位解决方案，是亟待解决的关键问题。
在当前蜂群无人机的各类解决方案中，主要在以下几个层面：（一）、一部分聚焦在无人机之间的相对测距以及观测模型的优化，通过建立动态互观测模型，可实现协同导航；（二）、一部分聚焦蜂群无人机的通信自组网如何建立，以及如何实现无人机之间的相对位置计算；（三）还有一部分提出来了利用RTK方式，或利用超宽带UWB进行更高精度的蜂群无人机导航定位。上面的解决方案的不足在于，1、对于蜂群无人机在复杂场景下，特别是面向城市复杂环境进行侦查任务，并没有涉及室内外一体化高精度定位的领域；2、已有解决方案的灵活性和动态性不够，因为蜂群无人机并不是一定要保持一定的编队队形执行飞行任务，在空间中是可以动态的变化拓扑结构，特别是在室内复杂环境下，如何有效利用有限的空间资源和有限的无人机资源来实现可靠的协同导航定位，已有方案中未涉及；3、缺乏对于不同无人机节点种类的多源融合导航定位方法的设计。
本发明针对蜂群无人机通导一体化领域，提出了一种高精度定位方法，核心思想为，承载在无人机上的通导一体化模块通过接收到云端中控系统的导航定位控制信息，采用包含复杂场景识别的多源融合定位方法，实时动态地解算无人机的飞行状态信息，并提供可靠、连续的室内外无缝三维高精度定位。任意无人机是属于锚点工作模式，或属于侦查工作模式，其状态可由云端中控系统依据定位精度、通信链路质量、组网拓扑等因素动态调整，包括周期性调整，或事件触发式调整。本发明可为蜂群无人机在复杂场景下的室内外一体化高精度导航定位提供一种可行的方案。
发明内容
本发明公开了一种蜂群无人机的高精度定位方法，其方法内容如下：
承载在无人机上的通导一体化模块，接收来自云端中控系统的导航定位控制信息；所述通导一体化模块通过解析所述导航定位控制信息，采用多源融合导航定位算法，实时动态地解算以获得无人机的飞行状态信息，所述飞行状态信息，包括但不限于当前无人机的位置信息、无人机姿态信息、俯仰角信息、航向角信息；所述通导一体化模块控制无人机向目的地飞行；所述通导一体化模块根据系统预设的定位精度误差门限阈值，判定无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则继续往目的地飞行；若当前无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
从云端中控系统的配置周期或频率角度，所述导航定位控制信息，可由所述云端中控系统周期性地，或事件触发式地发送至无人机上的所述通导一体化模块；若蜂群无人机的网络拓扑结构相对稳定，则采用周期性地发送所述导航定位控制信息；若蜂群无人机中一个或多个无人机节点的无线通信链路中断，或其它因素导致网络拓扑需要调整，则采用事件触发式地发送所述导航定位控制信息。
从控制信息应承载的具体信息角度，所述导航定位控制信息包括但不限于无人机工作模式信息、目的地位置信息；所述导航定位控制信息可选择性的增加如下信息，包括但不限于无人机节点层级信息、组网规模信息、任务代号信息。
在导航定位控制信息中，最关键的一条信息为无人机工作模式信息，它决定蜂群无人机在协同中需要执行的不同任务和角色；所述无人机工作模式信息，包括但不限于锚点工作模式、侦查工作模式。
Case 1: 若所述通导一体化模块解析出所述导航定位控制信息的所述无人机工作模式信息为锚点工作模式，在飞抵目的地前，若含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组能正常工作，则所述通导一体化模块会主要依靠含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组，以及所述通导一体化模块中的其它可用传感器完成多源融合导航定位；同时，所述通导一体化模块会周期性地向外发送下行定位广播信息，并监测环境中是否有其它新设备的上行定位请求信息；若含实时动态测量（RTK）的全球导航卫星系统（GNSS）由于环境遮挡、信号衰落发生拒止情况导致无法导航定位时，所述通导一体化模块会监测并接收来自空间中的已有锚点的下行定位广播信息，向已有锚点发送上行定位请求信息，并主要依靠已有锚点的辅助，以及所述通导一体化模块中的其它可用传感器完成多源融合导航定位；在飞抵目的地后，所述通导一体化模块会再次周期性地向外发送下行定位广播信息，并监测环境中是否有其它新设备的上行定位请求信息。
Case 2: 若所述通导一体化模块解析出所述导航定位控制信息的所述无人机工作模式信息为侦查工作模式，在飞抵目的地前，若含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组能正常工作，则所述通导一体化模块会主要依靠含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组，以及所述通导一体化模块中的其它可用传感器完成多源融合导航定位；若含实时动态测量（RTK）的全球导航卫星系统（GNSS）由于环境遮挡、信号衰落发生拒止情况导致无法导航定位时，所述通导一体化模块会监测并接收来自空间中的已有锚点的下行定位广播信息，向已有锚点发送上行定位请求信息，并主要依靠已有锚点的辅助，以及所述通导一体化模块中的其它可用传感器完成多源融合导航定位；在无人机飞抵目的地后，所述通导一体化模块根据所述导航定位控制信息，执行相关侦查任务。
所述下行定位广播信息采用的是超宽带（UWB）信号制式，包括但不限于锚点状态指示信息、锚点位置信息、测距信息、测角信息，其中所述锚点状态指示信息可指示锚点处于悬停或运动两种状态，可用于侦查节点做多源融合导航定位算法时，自适应地调整超宽带UWB模式的加权因子；所述下行定位广播信息只会出现在锚点工作模式下；
所述上行定位请求信息采用的是超宽带（UWB）信号制式，包括但不限于设备的ID信息、测距信息、测角信息。
在导航定位控制信息中，另外一条重要信息，是目的地位置信息。所述目的地位置信息，是如下信息中的任意一种，或任意多种的组合，包括但不限于大地坐标系中的绝对经纬度信息、自定义坐标系中三维坐标信息、无人机载体坐标系中的位置信息、自主导航定位惯导坐标系中的位置信息。
由于目的地可能处于室内空间中的某个位置，所述目的地位置信息可选择性的增加如下信息，以获得更准确的导航定位精度，包括但不限于建筑物名称信息、建筑物质心坐标信息、目的地楼层信息、目的地高度信息、目的地方位信息、房间编号信息、房间功能标识信息（如走廊、楼梯、电梯、扶梯、无障碍电梯、无障碍卫生间）。
当蜂群无人机解析出了导航定位控制信息后，会采用多源融合导航定位算法，实时动态地解算以获得无人机的飞行状态信息，并控制无人机向目的地飞行；所述多源融合导航定位算法，包括复杂场景识别这个重要特性。
所述复杂场景包括但不限于：（1）卫星信号可用，但系统没有任何已部署的无人机锚点；（2）卫星信号可用，且系统已有部署的无人机锚点；（3）卫星信号不可用，且系统没有任何已部署的无人机锚点；（4）卫星信号不可用，且系统已有部署的无人机锚点。
所述多源融合导航定位算法，针对不同的复杂场景，以及无人机工作模式，采取如下不同的策略：
若无人机为锚点工作模式，当卫星信号可用，不论系统是否有已部署的无人机锚点，所述多源融合导航定位算法采用含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组的原始测量信息，同惯性导航模组的原始测量信息进行融合；
当卫星信号不可用，且系统没有任何已部署的无人机锚点时，所述多源融合导航定位算法可根据系统获得一个初始位置坐标，或自己设定一个初始位置坐标，并通过惯性导航模组的原始测量信息提供相对位置变化信息；在复现卫星信号可用或其它先验信源可做参考的情况下，再进行绝对位置信息的校准；
当卫星信号不可用，且系统已有部署的无人机锚点时，所述多源融合导航定位算法采用超宽带（UWB）模组原始测量信息，同惯性导航模组的原始测量信息进行融合。
若无人机为侦查工作模式，当卫星信号可用，但系统没有任何已部署的无人机锚点，所述多源融合导航定位算法采用含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组的原始测量信息，同惯性导航模组的原始测量信息进行融合；
当卫星信号可用，且系统已有部署的无人机锚点，所述多源融合导航定位算法采用含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组的原始测量信息，惯性导航模组的原始测量信息、以及超宽带（UWB）模组原始测量信息进行融合；
当卫星信号不可用，且系统没有任何已部署的无人机锚点时，所述多源融合导航定位算法可根据系统获得一个初始位置坐标，或自己设定一个初始位置坐标，并通过惯性导航模组的原始测量信息提供相对位置变化信息；在复现卫星信号可用或其它先验信源可做参考的情况下，再进行绝对位置信息的校准；
当卫星信号不可用，且系统已有部署的无人机锚点时，所述多源融合导航定位算法采用超宽带（UWB）模组原始测量信息，同惯性导航模组的原始测量信息进行融合；
多源融合导航定位算法会根据所述通导一体化模块所具备的传感器进行自适应调整与融合。若所述通导一体化模块包含除全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组之外的其它传感器，则所述多源融合导航定位算法可自适应选用其它类型传感器作为导航定位辅助。
多源融合导航定位算法的硬件载体，承载在通导一体化模块上。所述通导一体化模块，具备导航定位功能与通信功能，由核心处理单元、导航定位单元、通信单元、供电单元组成。
所述核心处理单元，承载了整个无人机多源融合导航定位与通信的核心算法逻辑。
所述导航定位单元，是所述导航定位功能的关键实现部分，用于导航定位原始信息的采集，它必须包括含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；根据实际应用需求，所述导航定位单元可选择性地增加如下传感器，包括但不限于气压传感器、激光雷达传感器、光流传感器、超声波传感器、视觉传感器、温湿度传感器。
所述通信单元，是所述通信功能的关键实现部分，用于同其它无人机节点进行通信，或与云端中控系统进行通信；通信单元可选择三种模式，一种模式是基于已有的蜂窝移动通信网络，包括但不限于5G通信模组、窄带物联网通信模组、4G通信模组、3G通信模组、2G通信模组；第二种模式不依赖于蜂窝移动通信网络，可在无人机蜂群中形成通信自组网，包括但不限于340MHz自组通信模组、380MHz自组通信模组、430MHz自组通信模组、1.4GHz自组通信模组；第三种模式可以是前两种模式的混合模式，可以任意1对1，或1对多，或多对多搭配。
所述供电单元给所述通导一体化模块提供电源支撑。
综上是一种蜂群无人机的高精度定位方法的主要发明内容。从网络节点的构成来看，面向复杂环境侦查作战的蜂群无人机系统应包括锚点、侦查节点、以及云端中控系统三大部分。其中，锚点和侦查节点中均包含通导一体化模块，该模块是进行通信和定位的核心功能模块。锚点和侦查节点的角色，可由云端中控系统根据定位精度、链路通信质量、网络拓扑变化等情况进行灵活调配和调度。
本发明提出的一种蜂群无人机的高精度定位方法，可实现蜂群无人机编队在复杂环境（室外、室内、或者室内外混合的遮挡与多径环境）下的亚米级高精度定位，预期的水平方向平均定位精度可优于15cm，高程垂直方向平均定位精度可优于20cm。本发明在军用、民用、军民融合的蜂群无人机高精度定位领域，将具有广泛的应用前景。
附图说明
图1是本发明的系统及关键信令示意图。
图2是无人机在锚点工作模式下的工作流程图。
图3是无人机在侦查工作模式下的工作流程图。
图4是通导一体化模块的架构示意图。
具体实施例
实施例1：
实施例1是针对卫星信号可用，但系统没有任何已部署的无人机锚点的情况。假设通导一体化模块中，导航定位单元包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；通信单元采用的蜂窝移动通信网络4G模块。假设云端中控系统控制M（M≥1）个侦查节点无人机执行相关任务。实施例1中，侦查节点无人机采用的多源融合导航定位方式为含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组与惯性导航模组融合。
实施例1的执行步骤如下：
步骤1：中控系统控制向M个无人机节点（承载通导一体化模块）发送导航定位控制信息，其中导航定位控制信息含有侦查工作模式信息，以及目的地位置信息；
步骤2：通导一体化模块解析到侦查工作模式信息，以及目的地位置信息后，开启包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组；
步骤3：判定RTK的可用性，如果RTK可用，则进入到下一步（本实施例基于卫星信号可用的前提）；
步骤4：获得无人机载体的初始位置和速度，并完成惯导（IMU）的初始对准，获得初始的姿态角，初始姿态角包括：俯仰角、横滚角、以及偏航角；
假设俯仰角为θ，是载体的纵轴和当地水平面的夹角，定义域为[-90°，90°]，规定向上为正，向下为负；设横滚角为γ，载体横轴与当地水平面之间的夹角，定义域为[-180°，180°]，规定右倾为正，左倾为负；设偏航角为ψ，载体纵轴在水平面的投影和地球子午线之间的夹角，与地磁子午线之间的夹角称为磁航向角，以地理北为起点，顺时针为正，逆时针为负，定义域[-180°，180°]；
设飞行器的机体坐标系为b系（原点在无人机重心，OX轴指向机头方向，OZ轴在无人机对称平面内，垂直OX轴向下，按右手定则确定OY轴的方向），导航坐标系为n系（原点在发射点（无人机起飞点），OX轴在水平面指北，OY轴指东，OZ轴指地。发射点惯性坐标系为导航参数，位置、速度和姿态的坐标系），则由n系到b系的坐标变换矩阵Cbn称之为姿态矩阵，记Cbn为
Figure DEST_PATH_IMAGE001
通过姿态矩阵可得到俯仰角、横滚角、以及偏航角如下：
Figure DEST_PATH_IMAGE002
Figure DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE004
步骤5：建立关于无人机姿态实时解算的状态方程和量测方程，其中状态方程采用状态四元数作为状态向量，利用加速度计和磁强计作为系统的量测向量，采用扩展卡尔曼滤波方法，通过迭代获得实时的姿态角信息。
其中，采用扩展卡尔曼滤波的迭代方法为：
步骤5-1：初始值。
给定初始状态的值，以及相关的噪声协方差矩阵的初值。
步骤5-2：时间更新。
由状态转移函数可得状态的一步预测值：
Figure DEST_PATH_IMAGE005
。
计算一步预测误差协方阵：
Figure DEST_PATH_IMAGE006
步骤5-3：量测更新。
计算扩展卡尔曼增益：
Figure DEST_PATH_IMAGE008
由观测量更新状态估计值：
Figure DEST_PATH_IMAGE009
更新状态误差协方阵：
Figure DEST_PATH_IMAGE010
步骤5-4：令k=k+1，重复以上步骤，递归计算，可得最优值。
步骤6：建立多源融合导航定位的状态方程和量测方程，选取导航系下的位置和速度作为系统状态向量，选择实时动态测量（RTK）的全球导航卫星系统（GNSS）模组和惯导模组进行融合，并作为量测向量，采用扩展卡尔曼滤波方法，并最终获得无人机的实时位置信息与速度信息。其中，无人机的实时位置信息通过蜂窝移动通信网络4G模块，回传到云端中控系统。
其中，假设无人机载体的速度为Vx，Vy，Vz，无人机载体的位置为X，Y，Z，则系统的状态向量可表示为：
Figure DEST_PATH_IMAGE011
步骤7：根据系统预设的定位精度误差门限阈值，判定无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则跳转步骤5，继续向目的地飞行；若当前无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
实施例2：
实施例2针对卫星信号可用，系统已有部署的无人机锚点的情况。假设通导一体化模块中，导航定位单元包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；通信单元采用的蜂窝移动通信网络4G模块。假设云端中控系统控制N（N≥4）个锚点无人机，以及M（M≥1）个侦查节点无人机执行相关任务。实施例2中，不论是锚点无人机，还是侦查无人机，采用的多源融合导航定位方式为含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组与惯性导航模组融合。
实施例2的执行步骤如下：
步骤1：中控系统控制向N+M个无人机节点（承载通导一体化模块）发送导航定位控制信息，其中N条导航定位控制信息含有锚点工作模式信息，以及目的地位置信息，M条导航定位控制信息含有侦查工作模式信息，以及目的地位置信息；
步骤2：通导一体化模块解析到相应的无人机工作模式信息，以及目的地位置信息后，开启包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组；
步骤3：判定RTK的可用性，如果RTK可用，则进入到下一步（本实施例基于卫星信号可用的前提）；
步骤4：对于锚点无人机，通导一体化模块会周期性地向外发送下行定位广播信息，并监测环境中是否有其它新设备的上行定位请求信息；对于侦查无人机，不做任何处理；
步骤5：不论是锚点无人机，还是侦查无人机，各自获得无人机载体的初始位置和速度，并完成惯导（IMU）的初始对准，获得初始的姿态角，初始姿态角包括：俯仰角、横滚角、以及偏航角；
步骤6：不论是锚点无人机，还是侦查无人机，各自建立关于无人机姿态实时解算的状态方程和量测方程，其中状态方程采用状态四元数作为状态向量，利用加速度计和磁强计作为系统的量测向量，采用扩展卡尔曼滤波方法，通过迭代获得实时的姿态角信息；
步骤7：不论是锚点无人机，还是侦查无人机，建立多源融合导航定位的状态方程和量测方程，选取导航系下的位置和速度作为系统状态向量，选择实时动态测量（RTK）的全球导航卫星系统（GNSS）模组和惯导模组进行融合，并作为量测向量，采用扩展卡尔曼滤波方法，并最终获得无人机的实时位置信息与速度信息；其中，无人机的实时位置信息通过蜂窝移动通信网络4G模块，回传到云端中控系统；
步骤8：根据系统预设的定位精度误差门限阈值，判定无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则跳转步骤5，继续向目的地飞行；若当前无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
实施例3：
实施例3针对卫星信号可用，系统已有部署的无人机锚点的情况。假设通导一体化模块中，导航定位单元包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；通信单元采用的蜂窝移动通信网络4G模块。假设云端中控系统控制N（N≥4）个锚点无人机，以及M（M≥1）个侦查节点无人机执行相关任务。实施例3中，锚点无人机采用的多源融合导航定位方式为含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组与惯性导航模组融合，侦查节点无人机采用的多源融合导航定位方式为含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、惯性导航模组、以及UWB模组的融合。
实施例3的执行步骤如下：
步骤1：中控系统控制向N+M个无人机节点（承载通导一体化模块）发送导航定位控制信息，其中N条导航定位控制信息含有锚点工作模式信息，以及目的地位置信息，M条导航定位控制信息含有侦查工作模式信息，以及目的地位置信息；
步骤2：通导一体化模块解析到相应的无人机工作模式信息，以及目的地位置信息后，开启包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组；
步骤3：判定RTK的可用性，如果RTK可用，则进入到下一步（本实施例基于卫星信号可用的前提）；
步骤4：对于锚点无人机，通导一体化模块会周期性地向外发送下行定位广播信息，并监测环境中是否有其它新设备的上行定位请求信息；对于侦查无人机，监测并接收来自空间中的已有锚点的下行定位广播信息，向已有锚点发送上行定位请求信息；
步骤5：不论是锚点无人机，还是侦查无人机，各自获得无人机载体的初始位置和速度，并完成惯导（IMU）的初始对准，获得初始的姿态角，初始姿态角包括：俯仰角、横滚角、以及偏航角；
步骤6：不论是锚点无人机，还是侦查无人机，各自建立关于无人机姿态实时解算的状态方程和量测方程，其中状态方程采用状态四元数作为状态向量，利用加速度计和磁强计作为系统的量测向量，采用扩展卡尔曼滤波方法，通过迭代获得实时的姿态角信息；
步骤7：锚点无人机和侦查节点无人机，通过双边测距的方式，由侦查节点自己计算出基于超宽带UWB模式下的实时位置信息Xu，Yu，Zu。其中步骤7的扩展步骤如下：
步骤7-1：侦查节点发送Poll消息，测量并记录超宽带信号的发送时间T1；
步骤7-2：锚点接收到Poll消息后，测量并记录超宽带信号的接收时间T2；
步骤7-3：锚点发送响应（Response）消息，测量并记录超宽带信号的发送时间为T3；
步骤7-4：侦查节点接收Response消息，测量并记录超宽带信号的接收时间T4；
步骤7-5：侦查节点发送最终（Final）消息，测量并记录超宽带信号的发送时间T5，其中，Final消息中包含侦查节点记录的T1、T4和T5；
步骤7-6：锚点接收Final消息，测量并记录超宽带信号的接收时间T6，
因此，锚点获得所有的发送时间和接收时间，即T1、T2、T3、T4、T5和T6。锚点通过如下公式计算得到测距结果r：
Figure DEST_PATH_IMAGE013
Figure DEST_PATH_IMAGE014
Figure DEST_PATH_IMAGE015
Figure DEST_PATH_IMAGE016
Figure DEST_PATH_IMAGE017
步骤7-7：锚点完成上述测距结果的计算后，会再发送给侦查节点一条交互消息（Anchor锚点消息），其中，包含有携带有锚点上一时刻的位置信息，上述测距结果r，以及锚点状态指示信息；
步骤7-8：侦查节点根据多个锚点的位置信息，以及测距信息，根据多球相交并采用陈氏算法，计算出基于超宽带UWB模式下的实时位置信息Xu，Yu，Zu。
步骤8：对于锚点无人机，建立多源融合导航定位的状态方程和量测方程，选取导航系下的位置和速度作为系统状态向量，选择实时动态测量（RTK）的全球导航卫星系统（GNSS）模组和惯导模组进行融合，并作为量测向量，采用扩展卡尔曼滤波方法，并最终获得锚点无人机的实时位置信息与速度信息；对于侦查节点无人机，建立多源融合导航定位的状态方程和量测方程，选取导航系下的位置和速度作为系统状态向量，选择实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、惯导模组、以及UWB模组进行融合，并作为量测向量（量测向量中包含超宽带UWB模式下的实时位置信息Xu，Yu，Zu，其加权因子参考锚点状态指示信息），采用扩展卡尔曼滤波方法，并最终获得侦查节点无人机的实时位置信息与速度信息。其中，无人机的实时位置信息通过蜂窝移动通信网络4G模块，回传到云端中控系统。
步骤9：根据系统预设的定位精度误差门限阈值，判定无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则跳转步骤5，继续向目的地飞行；若当前无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
实施例4：
实施例4针对卫星信号不可用，系统已有部署的无人机锚点的情况。实施例4的一种典型场景为城市峡谷区域，高楼林立，GNSS信号容易被严重遮挡。假设通导一体化模块中，导航定位单元包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；通信单元采用的蜂窝移动通信网络4G模块。假设云端中控系统控制N（N≥4）个锚点无人机，以及M（M≥1）个侦查节点无人机执行相关任务。实施例4中，N个锚点无人机已经抵达了目的地位置，并处于悬停状态，而侦查无人机采用的多源融合导航定位方式是UWB模组与惯性导航模组的融合。
实施例4的执行步骤如下：
步骤1：中控系统控制向M个无人机节点（承载通导一体化模块）发送导航定位控制信息，其中M条导航定位控制信息含有侦查工作模式信息，以及目的地位置信息；
步骤2：通导一体化模块解析到相应的无人机工作模式信息，以及目的地位置信息后，开启包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组；
步骤3：判定RTK的可用性，如果RTK不可用，则进入到下一步（本实施例基于卫星信号不可用为前提）；
步骤4：对于锚点无人机，通导一体化模块会周期性地向外发送下行定位广播信息，并监测环境中是否有其它新设备的上行定位请求信息；对于侦查无人机，监测并接收来自空间中的已有锚点的下行定位广播信息，向已有锚点发送上行定位请求信息；
步骤5：侦查无人机获得无人机载体的初始位置和速度，并完成惯导（IMU）的初始对准，获得初始的姿态角，初始姿态角包括：俯仰角、横滚角、以及偏航角；
步骤6：侦查无人机建立关于无人机姿态实时解算的状态方程和量测方程，其中状态方程采用状态四元数作为状态向量，利用加速度计和磁强计作为系统的量测向量，采用扩展卡尔曼滤波方法，通过迭代获得实时的姿态角信息；
步骤7：锚点无人机和侦查节点无人机，通过双边测距的方式，由侦查节点自己计算出基于超宽带UWB模式下的实时位置信息Xu，Yu，Zu；扩展步骤同实施例3。
步骤8：侦查节点无人机建立多源融合导航定位的状态方程和量测方程，选取导航系下的位置和速度作为系统状态向量，选择惯导模组、以及UWB模组进行融合，并作为量测向量（量测向量中包含超宽带UWB模式下的实时位置信息Xu，Yu，Zu，其加权因子参考锚点状态指示信息），采用扩展卡尔曼滤波方法，并最终获得无人机的实时位置信息与速度信息。其中，侦查节点无人机的实时位置信息通过蜂窝移动通信网络4G模块，回传到云端中控系统。
步骤9：根据系统预设的定位精度误差门限阈值，判定侦查节点无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则跳转步骤5，继续向目的地飞行；若当前无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
实施例5：
实施例5针对卫星信号不可用，系统已有部署的无人机锚点的情况。实施例5的一种典型场景为建筑物内，即室内环境。假设通导一体化模块中，导航定位单元包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组，以及气压传感器，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；通信单元采用的是窄带物联网通信模组。假设云端中控系统控制N（N≥4）个锚点无人机，以及M（M≥1）个侦查节点无人机执行相关任务。实施例5中，N个锚点无人机已经抵达了目的地位置，并处于悬停状态，而侦查无人机采用的多源融合导航定位方式是UWB模组、惯性导航模组、以及气压传感器的融合。
实施例5的执行步骤如下：
步骤1~步骤7：同实施例4完全一样。
步骤8：侦查节点无人机建立多源融合导航定位的状态方程和量测方程，选取导航系下的位置和速度作为系统状态向量，选择惯导模组、UWB模组、以及气压传感器进行融合，并作为量测向量（量测向量中包含超宽带UWB模式下的实时位置信息Xu，Yu，Zu，其加权因子参考锚点状态指示信息；同时，量测向量还包含由气压传感器的相对气压变化值得出的相对高程差），采用扩展卡尔曼滤波方法，并最终获得无人机的实时位置信息与速度信息。其中，侦查节点无人机的实时位置信息通过窄带物联网通信模组，回传到云端中控系统。
步骤9：根据系统预设的定位精度误差门限阈值，判定侦查节点无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则跳转步骤5，继续向目的地飞行；若当前侦查节点无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
实施例6：
实施例6针对卫星信号不可用，系统已有部署的无人机锚点的情况。实施例6的一种典型场景为建筑物内，即室内环境。假设通导一体化模块中，导航定位单元包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组，以及气压传感器和激光雷达传感器，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；通信单元采用的是无蜂窝网络依托的430MHz自组通信模组。假设云端中控系统控制N（N≥4）个锚点无人机，以及M（M≥1）个侦查节点无人机执行相关任务。实施例6中，N个锚点无人机已经抵达了目的地位置，并处于悬停状态，而侦查无人机采用的多源融合导航定位方式是UWB模组、惯性导航模组、气压传感器和激光雷达传感器的融合。
实施例6的执行步骤如下：
步骤1~步骤7：同实施例4完全一样。
步骤8：侦查节点无人机建立多源融合导航定位的状态方程和量测方程，选取导航系下的位置和速度作为系统状态向量，选择惯导模组、UWB模组、气压传感器、以及激光雷达传感器进行融合，并作为量测向量（<1>量测向量中包含超宽带UWB模式下的实时位置信息Xu，Yu，Zu，其加权因子参考锚点状态指示信息；<2>量测向量包含由气压传感器的相对气压变化值得出的相对高程差；<3>量测向量包含由激光雷达探测距室内环境墙体的距离），采用扩展卡尔曼滤波方法，并最终获得无人机的实时位置信息与速度信息。其中，侦查节点无人机的实时位置信息通过430MHz自组通信模组，回传到云端中控系统。
步骤9：根据系统预设的定位精度误差门限阈值，判定无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则跳转步骤5，继续向目的地飞行；若当前无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
实施例7：
实施例7针对卫星信号不可用，且系统也没有任何已部署的无人机锚点的情况。实施例7的一种典型场景为在室内环境下，利用蜂群无人机执行侦查任务，而蜂群无人机采用单一的侦查类型，并无锚点无人机存在。假设通导一体化模块中，导航定位单元包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组、以及气压传感器和激光雷达传感器，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；通信单元采用的蜂窝移动通信网络4G模块和430MHz自组通信模组的组合。假设云端中控系统控制M（M≥1）个侦查节点无人机执行相关任务。实施例7中，侦查节点无人机采用的多源融合导航定位方式为惯性导航模组、与气压传感器、以及激光雷达传感器的融合。
实施例7的执行步骤如下：
步骤1：中控系统控制向M个无人机节点（承载通导一体化模块）发送导航定位控制信息，其中导航定位控制信息含有侦查工作模式信息，以及目的地位置信息；
步骤2：通导一体化模块解析到侦查工作模式信息，以及目的地位置信息后，开启包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组；
步骤3：判定RTK的可用性，如果RTK不可用，则进入到下一步（本实施例基于卫星信号不可用的前提）；
步骤4：获得无人机载体的初始位置和速度。由于初始位置无法通过RTK获取，因此假设一个初始的位置值，可以是自定义坐标系中的原点位置。并完成惯导（IMU）的初始对准，获得初始的姿态角，初始姿态角包括：俯仰角、横滚角、以及偏航角；
步骤5：建立关于无人机姿态实时解算的状态方程和量测方程，其中状态方程采用状态四元数作为状态向量，利用加速度计和磁强计作为系统的量测向量，采用扩展卡尔曼滤波方法，通过迭代获得实时的姿态角信息；
步骤6：侦查节点无人机建立多源融合导航定位的状态方程和量测方程，选取导航系下的位置和速度作为系统状态向量，选择惯导模组、气压传感器、以及激光雷达传感器进行融合，并作为量测向量（<1>量测向量包含由气压传感器的相对气压变化值得出的相对高程差；<2>量测向量包含由激光雷达探测距室内环境墙体的距离），采用扩展卡尔曼滤波方法，并最终获得无人机基于自定义坐标系原点的相对位置信息和速度信息。其中，侦查节点无人机的相对位置信息可通过430MHz自组通信模组或4G模组，回传到云端中控系统。
步骤7：根据系统预设的定位精度误差门限阈值，判定无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则跳转步骤5，继续向目的地飞行；若当前无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
在实施例1~7中，网络架构中各个节点的通信链路都相对稳定，网络拓扑结构不会改变，因此中控系统控制向各个无人机节点发送的导航定位控制信息都是周期性的。
实施例8：
实施例8针对卫星信号可用，且系统有已部署的无人机锚点的情况。假定初始阶段，云端中控系统控制N（N≥4）个锚点无人机，以及M（M≥2）个侦查节点无人机执行相关任务。但其中一个锚点无人机因为电磁干扰被诱骗，撞上建筑物坠毁，这时，锚点只有（N-1）个，网络的拓扑结构发生变化，云端中控系统需将其中一架侦查节点无人机，基于事件性的触发，改为“锚点”无人机的工作模式，保持网络的组网架构稳定。当某个侦查节点改换成“锚点”之后，这样可以保持系统锚点仍然为N个，但是侦查节点最终为（M-1）个。在实施例8中，假设通导一体化模块的导航定位单元包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；通信单元采用的蜂窝移动通信网络4G模块。实施例8中，侦查节点无人机采用的多源融合导航定位方式为含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组与惯性导航模组融合。
实施例8的执行步骤如下：
步骤1~步骤7的流程，同实施例1相同。
步骤8：云端中控系统探测到某个锚点的链路已经断掉，无法获取所述某个“锚点”无人机的位置信息，判定出网络拓扑结构发生变化；因此，在M个侦查节点无人机中选出一架无人机（可利用距离最新，或者其它最优代价函数评估，本发明不做限定），并发送导航定位控制信息，导航定位控制信息含有锚点工作模式信息，以及目的地位置信息。
步骤9：侦查节点的通导一体化模块收到新的导航定位控制信息，并解析到相应的新的无人机工作模式信息为“锚点工作模式”，以及目的地位置信息后，开启包含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组；
步骤10：判定RTK的可用性，如果RTK可用，则进入到下一步（本实施例基于卫星信号可用的前提）；
步骤11：对于“新的锚点无人机”，通导一体化模块会周期性地向外发送下行定位广播信息，并监测环境中是否有其它新设备的上行定位请求信息；
步骤12：获得“新的锚点无人机”载体的初始位置和速度，并完成惯导（IMU）的初始对准，获得初始的姿态角，初始姿态角包括：俯仰角、横滚角、以及偏航角；
步骤13：建立关于“新的锚点无人机”姿态实时解算的状态方程和量测方程，其中状态方程采用状态四元数作为状态向量，利用加速度计和磁强计作为系统的量测向量，采用扩展卡尔曼滤波方法，通过迭代获得实时的姿态角信息；
步骤14：建立多源融合导航定位的状态方程和量测方程，选取导航系下的位置和速度作为系统状态向量，选择实时动态测量（RTK）的全球导航卫星系统（GNSS）模组和惯导模组进行融合，并作为量测向量，采用扩展卡尔曼滤波方法，并最终获得无人机的实时位置信息与速度信息。其中，“新的锚点无人机”的实时位置信息通过蜂窝移动通信网络4G模块，回传到云端中控系统。
步骤15：根据系统预设的定位精度误差门限阈值，判定无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则跳转步骤5，继续向目的地飞行；若当前无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
步骤16：云端中控系统收到“新的锚点无人机”回传的位置信息，判定网络的架构是否已经满足系统预设的要求，以确定下步的控制命令。
在本发明中，有各种不同的维度变化，包括复杂场景变化，节点工作模式的变化，通导一体化模块的传感器变化，通信方式的变化（包括蜂窝网络通信，自组通信，自组多跳通信等），以上可以有不同的组合和实施例。在权利要求的框架下，上述各个变化维度的任意组合都属于本发明的保护范围。

Claims (10)

1.一种蜂群无人机的高精度定位方法，其特征在于：
承载在无人机上的通导一体化模块，接收来自云端中控系统的导航定位控制信息；
所述通导一体化模块通过解析所述导航定位控制信息，采用多源融合导航定位算法，实时动态地解算以获得无人机的飞行状态信息，并控制无人机向目的地飞行；
所述通导一体化模块根据系统预设的定位精度误差门限阈值，判定无人机是否已经准确抵达目的地；若当前无人机的位置信息，同所述目的地位置信息的误差，大于所述定位精度误差门限阈值，则继续往目的地飞行；若当前无人机的位置信息，同所述目的地位置信息的误差，小于所述定位精度误差门限阈值，则判定已准确抵达目的地。
2.根据权利要求1所述的一种蜂群无人机的高精度定位方法，其特征在于：
所述导航定位控制信息，可由所述云端中控系统周期性地，或事件触发式地发送至无人机上的所述通导一体化模块；若蜂群无人机的网络拓扑结构相对稳定，则采用周期性地发送所述导航定位控制信息；若蜂群无人机中一个或多个无人机节点的无线通信链路中断，或其它因素导致网络拓扑需要调整，则采用事件触发式地发送所述导航定位控制信息；
所述导航定位控制信息包括但不限于无人机工作模式信息、目的地位置信息；所述导航定位控制信息可选择性的增加如下信息，包括但不限于无人机节点层级信息、组网规模信息、任务代号信息。
3.根据权利要求2所述的一种蜂群无人机的高精度定位方法，其特征在于：
所述无人机工作模式信息，包括但不限于锚点工作模式、侦查工作模式；
若所述通导一体化模块解析出所述导航定位控制信息的所述无人机工作模式信息为锚点工作模式，在飞抵目的地前，若含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组能正常工作，则所述通导一体化模块会主要依靠含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组，以及所述通导一体化模块中的其它可用传感器完成多源融合导航定位；同时，所述通导一体化模块会周期性地向外发送下行定位广播信息，并监测环境中是否有其它新设备的上行定位请求信息；若含实时动态测量（RTK）的全球导航卫星系统（GNSS）由于环境遮挡、信号衰落发生拒止情况导致无法导航定位时，所述通导一体化模块会监测并接收来自空间中的已有锚点的下行定位广播信息，向已有锚点发送上行定位请求信息，并主要依靠已有锚点的辅助，以及所述通导一体化模块中的其它可用传感器完成多源融合导航定位；在飞抵目的地后，所述通导一体化模块会再次周期性地向外发送下行定位广播信息，并监测环境中是否有其它新设备的上行定位请求信息；
若所述通导一体化模块解析出所述导航定位控制信息的所述无人机工作模式信息为侦查工作模式，在飞抵目的地前，若含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组能正常工作，则所述通导一体化模块会主要依靠含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组，以及所述通导一体化模块中的其它可用传感器完成多源融合导航定位；若含实时动态测量（RTK）的全球导航卫星系统（GNSS）由于环境遮挡、信号衰落发生拒止情况导致无法导航定位时，所述通导一体化模块会监测并接收来自空间中的已有锚点的下行定位广播信息，向已有锚点发送上行定位请求信息，并主要依靠已有锚点的辅助，以及所述通导一体化模块中的其它可用传感器完成多源融合导航定位；在无人机飞抵目的地后，所述通导一体化模块根据所述导航定位控制信息，执行相关侦查任务。
4.根据权利要求1所述的一种蜂群无人机的高精度定位方法，其特征在于：
所述多源融合导航定位算法，包括复杂场景识别这个重要特性；
所述复杂场景包括但不限于
卫星信号可用，但系统没有任何已部署的无人机锚点；
卫星信号可用，且系统已有部署的无人机锚点；
卫星信号不可用，且系统没有任何已部署的无人机锚点；
卫星信号不可用，且系统已有部署的无人机锚点；
所述复杂场景识别是基于所述通导一体化模块中的多源传感器采集的各类信息，进行综合判定。
5.根据权利要求1所述的一种蜂群无人机的高精度定位方法，其特征在于：
所述多源融合导航定位算法，针对不同的复杂场景，以及无人机工作模式，采取如下不同的策略：
若无人机为锚点工作模式，
当卫星信号可用，不论系统是否有已部署的无人机锚点，所述多源融合导航定位算法采用含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组的原始测量信息，同惯性导航模组的原始测量信息进行融合；
当卫星信号不可用，且系统没有任何已部署的无人机锚点时，所述多源融合导航定位算法可根据系统获得一个初始位置坐标，或自己设定一个初始位置坐标，并通过惯性导航模组的原始测量信息提供相对位置变化信息；在复现卫星信号可用或其它先验信源可做参考的情况下，再进行绝对位置信息的校准；
当卫星信号不可用，且系统已有部署的无人机锚点时，所述多源融合导航定位算法采用超宽带（UWB）模组原始测量信息，同惯性导航模组的原始测量信息进行融合；
若无人机为侦查工作模式，
当卫星信号可用，但系统没有任何已部署的无人机锚点，所述多源融合导航定位算法采用含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组的原始测量信息，同惯性导航模组的原始测量信息进行融合；
当卫星信号可用，且系统已有部署的无人机锚点，所述多源融合导航定位算法采用含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组的原始测量信息，惯性导航模组的原始测量信息、以及超宽带（UWB）模组原始测量信息进行融合；
当卫星信号不可用，且系统没有任何已部署的无人机锚点时，所述多源融合导航定位算法可根据系统获得一个初始位置坐标，或自己设定一个初始位置坐标，并通过惯性导航模组的原始测量信息提供相对位置变化信息；在复现卫星信号可用或其它先验信源可做参考的情况下，再进行绝对位置信息的校准；
当卫星信号不可用，且系统已有部署的无人机锚点时，所述多源融合导航定位算法采用超宽带（UWB）模组原始测量信息，同惯性导航模组的原始测量信息进行融合；
若所述通导一体化模块包含除全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组之外的其它传感器，则所述多源融合导航定位算法可自适应选用其它类型传感器作为导航定位辅助。
6.根据权利要求1所述的一种蜂群无人机的高精度定位方法，其特征在于：
所述通导一体化模块，具备导航定位功能与通信功能，由核心处理单元、导航定位单元、通信单元、供电单元组成。
7.根据权利要求6所述的一种蜂群无人机的高精度定位方法，其特征在于：
所述核心处理单元，承载了整个无人机多源融合导航定位与通信的核心算法逻辑；
所述导航定位单元，是所述导航定位功能的关键实现部分，用于导航定位原始信息的采集，它必须包括含实时动态测量（RTK）的全球导航卫星系统（GNSS）模组、超宽带（UWB）模组、惯性导航模组，其中惯性导航模组包括加速度传感器、陀螺传感器和磁强传感器；根据实际应用需求，所述导航定位单元可选择性地增加如下传感器，包括但不限于气压传感器、激光雷达传感器、光流传感器、超声波传感器、视觉传感器、温湿度传感器；
所述通信单元，是所述通信功能的关键实现部分，用于同其它无人机节点进行通信，或与云端中控系统进行通信；通信单元可选择三种模式，一种模式是基于已有的蜂窝移动通信网络，包括但不限于5G通信模组、窄带物联网通信模组、4G通信模组、3G通信模组、2G通信模组；第二种模式不依赖于蜂窝移动通信网络，可在无人机蜂群中形成通信自组网，包括但不限于340MHz自组通信模组、380MHz自组通信模组、430MHz自组通信模组、1.4GHz自组通信模组；第三种模式可以是前两种模式的混合模式，可以任意1对1，或1对多，或多对多搭配；
所述供电单元给所述通导一体化模块提供电源支撑。
8.根据权利要求2所述的一种蜂群无人机的高精度定位方法，其特征在于：
所述目的地位置信息，是如下信息中的任意一种，或任意多种的组合，包括但不限于大地坐标系中的绝对经纬度信息、自定义坐标系中三维坐标信息、无人机载体坐标系中的位置信息、自主导航定位惯导坐标系中的位置信息；
由于目的地可能处于室内空间中的某个位置，所述目的地位置信息可选择性的增加如下信息，以获得更准确的导航定位精度，包括但不限于建筑物名称信息、建筑物质心坐标信息、目的地楼层信息、目的地高度信息、目的地方位信息、房间编号信息、房间功能标识信息（如走廊、楼梯、电梯、扶梯、无障碍电梯、无障碍卫生间）。
9.根据权利要求3所述的一种蜂群无人机的高精度定位方法，其特征在于：
所述下行定位广播信息采用的是超宽带（UWB）信号制式，包括但不限于锚点状态指示信息、锚点位置信息、测距信息、测角信息，其中所述锚点状态指示信息可指示锚点处于悬停或运动两种状态，可用于侦查节点做多源融合导航定位算法时，自适应地调整超宽带UWB模式的加权因子；所述下行定位广播信息只会出现在锚点工作模式下；
所述上行定位请求信息采用的是超宽带（UWB）信号制式，包括但不限于设备的ID信息、测距信息、测角信息。
10.根据权利要求1所述的一种蜂群无人机的高精度定位方法，其特征在于：
所述飞行状态信息，包括但不限于当前无人机的位置信息、无人机姿态信息、俯仰角信息、航向角信息。
CN202010258293.9A 2020-04-03 2020-04-03 一种蜂群无人机的高精度定位方法 Pending CN113495287A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010258293.9A CN113495287A (zh) 2020-04-03 2020-04-03 一种蜂群无人机的高精度定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010258293.9A CN113495287A (zh) 2020-04-03 2020-04-03 一种蜂群无人机的高精度定位方法

Publications (1)

Publication Number Publication Date
CN113495287A true CN113495287A (zh) 2021-10-12

Family

ID=77994968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010258293.9A Pending CN113495287A (zh) 2020-04-03 2020-04-03 一种蜂群无人机的高精度定位方法

Country Status (1)

Country Link
CN (1) CN113495287A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115202385A (zh) * 2021-12-30 2022-10-18 北京金坤科创技术有限公司 一种适用于无人机的室内外定位模块与信令交互方法
CN115327543A (zh) * 2022-08-15 2022-11-11 中国科学院空天信息创新研究院 用于无人机蜂群sar的多节点时频同步方法
CN116233804A (zh) * 2023-05-08 2023-06-06 北京瀚科智翔科技发展有限公司 基于自组网的无人机蜂群高精度定位系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080059065A1 (en) * 2006-09-05 2008-03-06 Honeywell International Inc. Method and system for navigation of an unmanned aerial vehicle in an urban environment
CN105979558A (zh) * 2016-04-19 2016-09-28 杭州若联科技有限公司 一种基于云的无人机集群通信系统
CN106199647A (zh) * 2016-06-21 2016-12-07 华东师范大学 一种推测未知无人机目标位置的方法
CN107809277A (zh) * 2017-10-17 2018-03-16 安徽工业大学 一种基于无人机和无线设备的应急救援通信网络及组网方法
CN108759837A (zh) * 2018-05-22 2018-11-06 北京和协导航科技有限公司 无人机多机通讯作战系统及方法
CN109823552A (zh) * 2019-02-14 2019-05-31 深圳市多翼创新科技有限公司 基于视觉的无人机精确降落方法、存储介质、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080059065A1 (en) * 2006-09-05 2008-03-06 Honeywell International Inc. Method and system for navigation of an unmanned aerial vehicle in an urban environment
CN105979558A (zh) * 2016-04-19 2016-09-28 杭州若联科技有限公司 一种基于云的无人机集群通信系统
CN106199647A (zh) * 2016-06-21 2016-12-07 华东师范大学 一种推测未知无人机目标位置的方法
CN107809277A (zh) * 2017-10-17 2018-03-16 安徽工业大学 一种基于无人机和无线设备的应急救援通信网络及组网方法
CN108759837A (zh) * 2018-05-22 2018-11-06 北京和协导航科技有限公司 无人机多机通讯作战系统及方法
CN109823552A (zh) * 2019-02-14 2019-05-31 深圳市多翼创新科技有限公司 基于视觉的无人机精确降落方法、存储介质、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HO JEONG NA: "PSO-Based Dynamic UAV Positioning Algorithm for Sensing Information Acquisition in Wireless Sensor Networks", IEEE ACCESS, vol. 7, pages 77499 - 77513, XP011731828, DOI: 10.1109/ACCESS.2019.2922203 *
方峥: "长航无人机多源信息融合自主导航及其仿真关键技术研究", 中国优秀硕士学位论文数据库, pages 34 - 49 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115202385A (zh) * 2021-12-30 2022-10-18 北京金坤科创技术有限公司 一种适用于无人机的室内外定位模块与信令交互方法
CN115327543A (zh) * 2022-08-15 2022-11-11 中国科学院空天信息创新研究院 用于无人机蜂群sar的多节点时频同步方法
CN116233804A (zh) * 2023-05-08 2023-06-06 北京瀚科智翔科技发展有限公司 基于自组网的无人机蜂群高精度定位系统及方法
CN116233804B (zh) * 2023-05-08 2023-07-14 北京瀚科智翔科技发展有限公司 基于自组网的无人机蜂群高精度定位系统及方法

Similar Documents

Publication Publication Date Title
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
CN113495287A (zh) 一种蜂群无人机的高精度定位方法
AU2020203281B2 (en) Managing activities performed by a plurality of collocated mobile devices
US10133281B1 (en) Leading drone system
US10317904B2 (en) Underwater leading drone system
CN110989682B (zh) 基于单基站的无人机精准降落方法
US20220357464A1 (en) Determining position information of mobile devices
CN116086448B (zh) 基于uwb、imu、gnss融合的无人设备多场景无缝定位方法
CN111983660A (zh) Gnss拒止环境下四旋翼无人机定位系统和方法
Isaacs et al. GPS-optimal micro air vehicle navigation in degraded environments
Ouyang et al. Cooperative navigation of UAVs in GNSS-denied area with colored RSSI measurements
Mason et al. Combining LoRaWAN and a new 3D motion model for remote UAV tracking
Yang et al. Fuzzy adaptive Kalman filter for indoor mobile target positioning with INS/WSN integrated method
Causa et al. GNSS-aware path planning for UAV swarm in complex environments
Bieliakov et al. FANET management process simulation at the deployment and operation stage
CN113050672B (zh) 一种面向应急信息采集与传输的无人机路径规划方法
Zhu et al. Weight factor graph co-location method for UAV formation based on navigation performance evaluation
Causa Planning Guidance and Navigation for Autonomous Distributed Aerospace Platforms
Wu et al. Uwb-based multi-source fusion positioning for cooperative uavs in complex scene
Atia et al. Adaptive integrated indoor pedestrian tracking system using MEMS sensors and hybrid WiFi/Bluetooth-Beacons with optimized grid-based Bayesian filtering algorithm
Gong et al. Application of improved robust adaptive algorithm in UWB/MEMS positioning system
JP2020057311A (ja) 移動計画算出装置及びプログラム
Tian et al. A hybrid RSS/TOA algorithm based on adaptive EKF for low-cost UAV localization
US20240106742A1 (en) Spatial awareness navigation techniques on unmanned aerial vehicles (spatial awareness)
Angermann et al. Autonomous formation flying of micro aerial vehicles for communication relay chains

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: 20211012