CN113514052A - 一种多机协同高精度有源目标定位方法及系统 - Google Patents
一种多机协同高精度有源目标定位方法及系统 Download PDFInfo
- Publication number
- CN113514052A CN113514052A CN202110649667.4A CN202110649667A CN113514052A CN 113514052 A CN113514052 A CN 113514052A CN 202110649667 A CN202110649667 A CN 202110649667A CN 113514052 A CN113514052 A CN 113514052A
- Authority
- CN
- China
- Prior art keywords
- target
- unmanned aerial
- aerial vehicle
- coordinate system
- angle
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种多机协同高精度有源目标定位方法及系统,包括以下步骤:采集合作目标点的精确经纬高,规划标定航线;多架无人机根据航线等间隔飞行,每架无人机上的吊舱对目标进行跟踪采集数据,每架无人机根据采集到的数据对目标位置与速度进行估计;根据每架无人机估计的目标的位置、速度估计值与每架无人机定位算法滤波器的误差协方差矩阵,计算高精度的目标位置、速度值。本发明提出的多机协同高精度有源目标定位方法对地形无要求,使用没有局限性。
Description
技术领域
本发明属于无人机技术领域,特别涉及一种多机协同高精度有源目标定位方法及系统。
背景技术
近年来随着科学技术水平的提高,无人机已被广泛应用。在军用领域,无人机常用于侦察监视、目标打击、作战效能评估等;在民用领域,无人机常用于抢险救灾、地形勘测、短距离运输等。对地面目标定位是无人机的重要功能之一,其目的为求取目标在大地坐标系下的三维坐标。
无人机的目标定位根据其工作机制不同可以分为无源定位和有源定位。无源定位是通过摄像机采集目标图像,利用图像分析算法获取目标位置,主要方法有:1)基于图像匹配模式的目标定位,这种方法利用获取的多源图像,以预先装入的目标图像为基准,将经过校正的无人机电视图像与基准图片进行匹配,从而实现目标定位,该方法有较高的定位精度,但基准图片的获取有一定的限制性,且图片匹配实时性较差,实用性不高;2) 基于成像模型的目标定位,该方法需要获取飞行器的航高,以及摄像机的内、外方位元素,根据共线条件方程计算地面目标位置。在实际使用中,该方法需要假定待测目标区域为平坦地面,目标定位精度较低。有源定位以基于姿态测量/激光测距定位模型为主,这种定位模型下,飞行器需要装备激光测距机,要求飞行器具有较大的载荷,但是该方法误差来源较多,包括:吊舱方位角误差和高低角误差、激光测距误差、无人机姿态误差以及无人机位置误差等,以上所有误差均会影响该方法定位精度。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供一种多机协同高精度有源目标定位方法及系统,该方法不仅能够实时输出目标高精度位置信息还能输出目标的速度信息,解决现有技术中使用局限性较多、定位精度不高以及实时性较差的问题。
为了实现上述目的,本发明采用以下技术方案:
一种多机协同高精度有源目标定位方法,包括以下步骤:
采集合作目标点的精确经纬高,规划标定航线;
多架无人机根据航线等间隔飞行,每架无人机上的吊舱对目标进行跟踪采集数据,每架无人机根据采集到的数据对目标位置与速度进行估计;
根据每架无人机估计的目标的位置、速度估计值与每架无人机定位算法滤波器的误差协方差矩阵,计算高精度的目标位置、速度值。
进一步的,标定航线要求无人机保持匀速运动、航向和航高稳定、俯仰角和滚转角为零度;标定航线的规划使得无人机能充分利用前后左右四个方向对合作目标进行定位。
进一步的,选取目标在大地直角坐标系中的位置、速度以及吊舱方位角误差和高低角误差为状态,即:X=[px py pz vx vy vz δα δβ]T,目标在大地直角坐标系中的位置与吊舱方位角误差和高低角误差为量测,即:Z=[px py pz δα δβ]T;假设目标运动状态为匀速直线运动,状态方程为
吊舱直接输出的信息为无人机与目标的距离r以及吊舱的方位角αp和高低角βp,对量测进行转换。
进一步的,目标位置量测的构造:
其中:
将式(2)进行变换可得:
式(4)中各个矩阵定义如下:
其中:
进一步的,吊舱方位角误差δα和高低角误差δβ的构造:
假设目标在摄像机坐标系中的坐标值为Tc,目标在导航坐标系中的坐标值为Tn,则两个向量存在如下关系:
假设Tc=[1 0 0],则Tn=[cos(αv)·cos(βv) sin(αv)·cos(βv) sin(βv)],将式(5)展开可得:
由于左=右,令左=Tb,可得吊舱方位角真值和高低角真值的计算公式:
βtrue=a sin(Tb[3]) (24)
其中:——无人机航向角;θ——无人机俯仰角;γ——无人机滚转角;αtrue——吊舱真实方位角(α∈[0,2π));βtrue——吊舱真实高低角αv——视轴方位角(α∈[0,2π));βv——视轴高低角
视轴方位角和高低角计算方法如下:
其中:
计算出吊舱真实的方位角和高低角后与吊舱输出的方位角和高低角做差即可得到吊舱方位角误差和高低角误差,公式如下:
δα=αtrue-αp
δβ=βtrue-βp (26)
以上是所有量测的构造过程,下面介绍量测方程:
进一步的,吊舱对目标进行跟踪采集数据包括:吊舱方位角、高低角与激光测距值;
选取目标大地直角坐标系中的位置、速度为状态,即:X=[px py pz vx vy vz]T,目标在大地直角坐标系中的位置为量测,即:Z=[px py pz]T;假设目标运动状态为匀速直线运动,系统状态方程为
对无人机与目标的距离r以及吊舱的方位角αp和高低角βp1量测转换。
进一步的,转换过程:
其中:
将式(2)进行变换可得:
式(4)中各个矩阵定义如下:
量测方程:
以上是高精度目标定位测速方法线性模型,将上述模型应用于卡尔曼滤波,对该模型的卡尔曼滤波具体实施过程如下:
状态预测
状态误差协方差矩阵预测
滤波器增益
状态更新
状态误差协方差矩阵更新
其中:
Pk-1——k-1时刻卡尔曼滤波状态误差协方差矩阵;——k时刻卡尔曼滤波状态误差协方差矩阵预测值;Qk-1——k-1时刻系统噪声矩阵;Rk——k时刻量测噪声矩阵;Kk——k时刻滤波器增益矩阵;Pk——k时刻卡尔曼滤波状态误差协方差矩阵。
8.根据权利要求1所述的一种多机协同高精度有源目标定位方法,其特征在于,计算高精度的目标位置:
假设第i架无人机的定位结果为Xi=[px py pz vx vy vz]T,卡尔曼滤波的误差协方差阵主对角元素为Pi=[P11i P22i P33i P44i P55i P66i]T,各个无人机定位结果的置信度计算方法如下:
其中:wi——第i个无人机定位结果置信度系数;i——第i个无人机;n——参与定位的无人机数量;Pi——第i个无人机定位算法滤波器误差协方差矩阵主对角线元素;
多机协同有源目标定位结果计算方法如下:
其中:X——多机协同有源目标定位结果;wi——第i个无人机定位结果置信度系数;Xi——第i个无人机定位结果。
进一步的,一种多机协同高精度有源目标定位系统,包括:
采集模块用于采集合作目标点的精确经纬高,规划标定航线;
目标位置与速度估计模块用于多架无人机根据航线等间隔飞行,每架无人机上的吊舱对目标进行跟踪采集数据,每架无人机根据采集到的数据对目标位置与速度进行估计;
目标位置、速度值计算模块用于根据每架无人机估计的目标的位置、速度估计值与每架无人机定位算法滤波器的误差协方差矩阵,计算高精度的目标位置、速度值。
与现有技术相比,本发明有以下技术效果:
1)本发明提出的多机协同高精度有源目标定位方法对地形无要求,使用没有局限性;
2)本发明提出的多机协同高精度有源目标定位方法可实时输出目标的高精度位置与速度信息;
3)本发明提出的多机协同高精度有源目标定位方法不仅适用于静态目标,还适用于动态目标;
4)本发明提出的多机协同高精度有源目标定位方法相比较于单无人机有源目标定位精度更高。
附图说明
图1是标定航线示意图;
图2是多机协同高精度有源目标定位示意图;
具体实施方式
本发明提出的多机协同高精度目标定位方法的具体实施方式如下:
第一步:采集合作目标点的精确经纬高,规划标定航线,标定航线要求无人机保持匀速运动、航向和航高稳定、俯仰角和滚转角为零度。
标定航线的规划要考虑无人机与合作目标的相对位置,使得无人机能充分利用前后左右四个方向对合作目标进行定位,标定航线应采用如图1所示的航线或与之相似的航线。在航路1、3,目标在无人机的机头或机尾。在航路2,目标在无人机的左翼或右翼。
第二步:多架无人机根据图2航线等间隔飞行,每架无人机上的吊舱对目标进行跟踪,并对其进行激光测距,实时采集吊舱方位角、高低角与激光测距值。每架无人机根据采集到的吊舱方位角、高低角与激光测距值实时对目标位置与速度进行估计。
第三步,根据每架无人机估计的目标的位置、速度估计值与第二步每架无人机定位算法滤波器的误差协方差矩阵,计算高精度的目标位置、速度值。
下面结合附图对本发明的第一步、第二步和第三步的原理进行详细说明。
第一步:
选取目标在大地直角坐标系中的位置、速度以及吊舱方位角误差和高低角误差为状态,即:X=[px py pz vx vy vz δα δβ]T,目标在大地直角坐标系中的位置与吊舱方位角误差和高低角误差为量测,即:Z=[px py pz δα δβ]T。假设目标运动状态为匀速直线运动,状态方程为
由于吊舱直接输出的信息为无人机与目标的距离(r)以及吊舱的方位角(αp)和高低角(βp),因此量测需要进行转换,下面首先介绍位置量测的转换过程:
其中:
将式(2)进行变换可得:
式(4)中各个矩阵定义如下:
其中:
L——无人机纬度
λ——无人机经度
θ——无人机俯仰角
γ——无人机滚转角
αp——吊舱方位角(α∈[0,2π))
以上是对目标位置量测的构造,下面介绍对吊舱方位角误差(δα)和高低角误差(δβ) 的构造。
假设目标在摄像机坐标系中的坐标值为Tc,目标在导航坐标系中的坐标值为Tn,则两个向量存在如下关系:
假设Tc=[1 0 0],则Tn=[cos(αv)·cos(βv) sin(αv)·cos(βv) sin(βv)],将式(5) 展开可得:
由于左=右,令左=Tb,可得吊舱方位角真值和高低角真值的计算公式:
其中:
θ——无人机俯仰角
γ——无人机滚转角
αtrue——吊舱真实方位角(α∈[0,2π))
αv——视轴方位角(α∈[0,2π))
视轴方位角和高低角计算方法如下:
其中:
计算出吊舱真实的方位角和高低角后与吊舱输出的方位角和高低角做差即可得到吊舱方位角误差和高低角误差,公式如下:
以上是所有量测的构造过程,下面介绍量测方程:
以上是标校方法的线性模型,将上述模型应用于卡尔曼滤波器或者UKF滤波器均可。
第二步:
选取目标大地直角坐标系中的位置、速度为状态,即: X=[px py pz vx vy vz]T,目标在大地直角坐标系中的位置为量测,即: Z=[px py pz]T。假设目标运动状态为匀速直线运动,系统状态方程为
由于吊舱直接给出的信息为无人机与目标的距离(r)以及吊舱的方位角(αp)和高低角(βp),因此量测需要进行转换,下面介绍量测转换过程:
其中:
将式(2)进行变换可得:
式(4)中各个矩阵定义如下:
其中:
L——无人机纬度
λ——无人机经度
θ——无人机俯仰角
γ——无人机滚转角
αp——补偿后的吊舱方位角(α∈[0,2π))
以上是量测构造过程,下面介绍量测方程:
以上是高精度目标定位测速方法线性模型,将上述模型应用于卡尔曼滤波或者UKF 滤波均可。
下面以卡尔曼滤波为例,对该模型的卡尔曼滤波具体实施过程进行介绍,卡尔曼滤波实施过程如下:
1)状态预测
2)状态误差协方差矩阵预测
3)滤波器增益
4)状态更新
5)状态误差协方差矩阵更新
其中:
Pk-1——k-1时刻卡尔曼滤波状态误差协方差矩阵;
Qk-1——k-1时刻系统噪声矩阵;
Rk——k时刻量测噪声矩阵;
Kk——k时刻滤波器增益矩阵;
Pk——k时刻卡尔曼滤波状态误差协方差矩阵;
第三步,假设第i架无人机的定位结果为Xi=[pxpy pz vx vy vz]T,卡尔曼滤波的误差协方差阵主对角元素为Pi=[P11i P22i P33i P44i P55i P66i]T,各个无人机定位结果的置信度计算方法如下:
其中:
wi——第i个无人机定位结果置信度系数;
i——第i个无人机;
n——参与定位的无人机数量;
Pi——第i个无人机定位算法滤波器误差协方差矩阵主对角线元素;
多机协同有源目标定位结果计算方法如下:
其中:
X——多机协同有源目标定位结果;
wi——第i个无人机定位结果置信度系数;
Xi——第i个无人机定位结果。
Claims (9)
1.一种多机协同高精度有源目标定位方法,其特征在于,包括以下步骤:
采集合作目标点的精确经纬高,规划标定航线;
多架无人机根据航线等间隔飞行,每架无人机上的吊舱对目标进行跟踪采集数据,每架无人机根据采集到的数据对目标位置与速度进行估计;
根据每架无人机估计的目标的位置、速度估计值与每架无人机定位算法滤波器的误差协方差矩阵,计算高精度的目标位置、速度值。
2.根据权利要求1所述的一种多机协同高精度有源目标定位方法,其特征在于,标定航线要求无人机保持匀速运动、航向和航高稳定、俯仰角和滚转角为零度;标定航线的规划使得无人机能充分利用前后左右四个方向对合作目标进行定位。
4.根据权利要求3所述的一种多机协同高精度有源目标定位方法,其特征在于,目标位置量测的构造:
其中:
将式(2)进行变换可得:
式(4)中各个矩阵定义如下:
其中:
5.根据权利要求3所述的一种多机协同高精度有源目标定位方法,其特征在于,吊舱方位角误差δα和高低角误差δβ的构造:
假设目标在摄像机坐标系中的坐标值为Tc,目标在导航坐标系中的坐标值为Tn,则两个向量存在如下关系:
假设Tc=[1 0 0],则Tn=[cos(αv)·cos(βv) sin(αv)·cos(βv) sin(βv)],将式(5)展开可得:
右=[cos(αtrue)·cos(βtrue) sin(αtrue)·cos(βtrue) sin(βtrue)]
(6)
由于左=右,令左=Tb,可得吊舱方位角真值和高低角真值的计算公式:
βtrue=asin(Tb[3]) (7)
其中:——无人机航向角;θ——无人机俯仰角;γ——无人机滚转角;αtrue——吊舱真实方位角(α∈[0,2π));βtrue——吊舱真实高低角αv——视轴方位角(α∈[0,2π));βv——视轴高低角
视轴方位角和高低角计算方法如下:
其中:
计算出吊舱真实的方位角和高低角后与吊舱输出的方位角和高低角做差即可得到吊舱方位角误差和高低角误差,公式如下:
δα=αtrue-αp
δβ=βtrue-βp (9)
以上是所有量测的构造过程,下面介绍量测方程:
7.根据权利要求6所述的一种多机协同高精度有源目标定位方法,其特征在于,转换过程:
其中:
将式(2)进行变换可得:
式(4)中各个矩阵定义如下:
量测方程:
以上是高精度目标定位测速方法线性模型,将上述模型应用于卡尔曼滤波,对该模型的卡尔曼滤波具体实施过程如下:
状态预测
状态误差协方差矩阵预测
滤波器增益
状态更新
状态误差协方差矩阵更新
其中:
8.根据权利要求1所述的一种多机协同高精度有源目标定位方法,其特征在于,计算高精度的目标位置:
假设第i架无人机的定位结果为Xi=[px py pz vx vy vz]T,卡尔曼滤波的误差协方差阵主对角元素为Pi=[P11i P22i P33i P44i P55i P66i]T,各个无人机定位结果的置信度计算方法如下:
其中:wi——第i个无人机定位结果置信度系数;i——第i个无人机;n——参与定位的无人机数量;Pi——第i个无人机定位算法滤波器误差协方差矩阵主对角线元素;
多机协同有源目标定位结果计算方法如下:
其中:X——多机协同有源目标定位结果;wi——第i个无人机定位结果置信度系数;Xi——第i个无人机定位结果。
9.一种多机协同高精度有源目标定位系统,其特征在于,包括:
采集模块用于采集合作目标点的精确经纬高,规划标定航线;
目标位置与速度估计模块用于多架无人机根据航线等间隔飞行,每架无人机上的吊舱对目标进行跟踪采集数据,每架无人机根据采集到的数据对目标位置与速度进行估计;
目标位置、速度值计算模块用于根据每架无人机估计的目标的位置、速度估计值与每架无人机定位算法滤波器的误差协方差矩阵,计算高精度的目标位置、速度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649667.4A CN113514052A (zh) | 2021-06-10 | 2021-06-10 | 一种多机协同高精度有源目标定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649667.4A CN113514052A (zh) | 2021-06-10 | 2021-06-10 | 一种多机协同高精度有源目标定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113514052A true CN113514052A (zh) | 2021-10-19 |
Family
ID=78065669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110649667.4A Pending CN113514052A (zh) | 2021-06-10 | 2021-06-10 | 一种多机协同高精度有源目标定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113514052A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114543810A (zh) * | 2022-02-21 | 2022-05-27 | 中山大学 | 一种复杂环境下的无人机集群无源定位方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178312A (zh) * | 2007-12-12 | 2008-05-14 | 南京航空航天大学 | 基于多信息融合的航天器组合导航方法 |
CN102353378A (zh) * | 2011-09-09 | 2012-02-15 | 南京航空航天大学 | 一种矢量形式信息分配系数的自适应联邦滤波方法 |
CN109827577A (zh) * | 2019-03-26 | 2019-05-31 | 电子科技大学 | 基于运动状态检测的高精度惯性导航定位算法 |
CN110470304A (zh) * | 2019-08-19 | 2019-11-19 | 西安因诺航空科技有限公司 | 一种基于无人机光电平台的高精度目标定位测速方法 |
CN110657808A (zh) * | 2019-10-16 | 2020-01-07 | 中国人民解放军火箭军工程大学 | 一种机载光电吊舱有源目标定位方法及系统 |
CN110933597A (zh) * | 2019-12-06 | 2020-03-27 | 北京壹氢科技有限公司 | 一种基于蓝牙的多无人车协同容错导航定位方法及系统 |
CN111207734A (zh) * | 2020-01-16 | 2020-05-29 | 西安因诺航空科技有限公司 | 一种基于ekf的无人机组合导航方法 |
CN112197761A (zh) * | 2020-07-24 | 2021-01-08 | 北京理工大学 | 一种高精度多旋翼机协同定位方法及系统 |
CN112258577A (zh) * | 2020-10-26 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种车端单目视觉建图测量置信度评估方法及系统 |
-
2021
- 2021-06-10 CN CN202110649667.4A patent/CN113514052A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178312A (zh) * | 2007-12-12 | 2008-05-14 | 南京航空航天大学 | 基于多信息融合的航天器组合导航方法 |
CN102353378A (zh) * | 2011-09-09 | 2012-02-15 | 南京航空航天大学 | 一种矢量形式信息分配系数的自适应联邦滤波方法 |
CN109827577A (zh) * | 2019-03-26 | 2019-05-31 | 电子科技大学 | 基于运动状态检测的高精度惯性导航定位算法 |
CN110470304A (zh) * | 2019-08-19 | 2019-11-19 | 西安因诺航空科技有限公司 | 一种基于无人机光电平台的高精度目标定位测速方法 |
CN110657808A (zh) * | 2019-10-16 | 2020-01-07 | 中国人民解放军火箭军工程大学 | 一种机载光电吊舱有源目标定位方法及系统 |
CN110933597A (zh) * | 2019-12-06 | 2020-03-27 | 北京壹氢科技有限公司 | 一种基于蓝牙的多无人车协同容错导航定位方法及系统 |
CN111207734A (zh) * | 2020-01-16 | 2020-05-29 | 西安因诺航空科技有限公司 | 一种基于ekf的无人机组合导航方法 |
CN112197761A (zh) * | 2020-07-24 | 2021-01-08 | 北京理工大学 | 一种高精度多旋翼机协同定位方法及系统 |
CN112258577A (zh) * | 2020-10-26 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种车端单目视觉建图测量置信度评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
袁赣南等: "联邦滤波器信息分配原则的探讨", 《中国航海》, vol. 35, no. 3, pages 11 - 15 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114543810A (zh) * | 2022-02-21 | 2022-05-27 | 中山大学 | 一种复杂环境下的无人机集群无源定位方法及装置 |
CN114543810B (zh) * | 2022-02-21 | 2023-06-13 | 中山大学 | 一种复杂环境下的无人机集群无源定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112197761B (zh) | 一种高精度多旋翼机协同定位方法及系统 | |
GREJNER‐BRZEZINSKA | Direct exterior orientation of airborne imagery with GPS/INS system: Performance analysis | |
CN110470304B (zh) | 一种基于无人机光电平台的高精度目标定位测速方法 | |
CN111366148B (zh) | 适用于机载光电观瞄系统多次观察的目标定位方法 | |
CN105698762A (zh) | 一种单机航迹上基于不同时刻观测点的目标快速定位方法 | |
CN109032153A (zh) | 基于光电-惯性组合导引的无人机自主着舰方法和系统 | |
CN110657808B (zh) | 一种机载光电吊舱有源目标定位方法及系统 | |
CN112066979A (zh) | 一种基于偏振位姿信息耦合迭代自主导航定位方法 | |
CN105043392A (zh) | 一种飞行器位姿确定方法及装置 | |
CN110243377A (zh) | 一种基于分层式结构的集群飞行器协同导航方法 | |
CN117455960B (zh) | 时变观测噪声条件下机载光电系统对地无源定位滤波方法 | |
CN110706273A (zh) | 一种基于无人机的实时塌方区域面积的测量方法 | |
CN115876197A (zh) | 一种系留升空光电成像目标定位方法 | |
CN113920186B (zh) | 一种低空无人机多源融合定位方法 | |
CN113514052A (zh) | 一种多机协同高精度有源目标定位方法及系统 | |
CN113074715A (zh) | 无人机高精度目标定位方法 | |
CN114485624B (zh) | 一种基于恒星与卫星联合的全天时光学导航方法和装置 | |
CN113984069B (zh) | 基于人造卫星的星光定位导航方法 | |
CN112729305B (zh) | 一种基于单飞行器导引头图像信息的多目标定位方法 | |
CN112268558B (zh) | 一种基于无人机自主式光电平台的有源目标定位测速方法 | |
CN114167459A (zh) | 一种高精度智能遥感小卫星的实现方法 | |
CN114018255B (zh) | 一种水下滑翔机的智能组合导航方法、系统、设备和介质 | |
CN116929350B (zh) | 一种基于数据链测距的快速临机重构协同导航系统及方法 | |
Zhang et al. | Classified Collaborative Navigation Algorithm for UAV Swarm in Satellite-denied Environments | |
BALOTĂ et al. | Advanced uav lidar system for geospatial data collection |
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 |