CN117368871A - 高度信息修正方法、其装置、电子设备及无人机 - Google Patents

高度信息修正方法、其装置、电子设备及无人机 Download PDF

Info

Publication number
CN117368871A
CN117368871A CN202210775592.9A CN202210775592A CN117368871A CN 117368871 A CN117368871 A CN 117368871A CN 202210775592 A CN202210775592 A CN 202210775592A CN 117368871 A CN117368871 A CN 117368871A
Authority
CN
China
Prior art keywords
information
state information
radar
carrier
detection target
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
CN202210775592.9A
Other languages
English (en)
Inventor
陶锋
党彦锋
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.)
Shenzhen Autel Intelligent Aviation Technology Co Ltd
Original Assignee
Shenzhen Autel Intelligent Aviation 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 Shenzhen Autel Intelligent Aviation Technology Co Ltd filed Critical Shenzhen Autel Intelligent Aviation Technology Co Ltd
Priority to CN202210775592.9A priority Critical patent/CN117368871A/zh
Priority to EP23182802.1A priority patent/EP4300136A1/en
Publication of CN117368871A publication Critical patent/CN117368871A/zh
Pending legal-status Critical Current

Links

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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
    • G01S13/935—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft for terrain-avoidance
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/882—Radar or analogous systems specially adapted for specific applications for altimeters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0052—Navigation or guidance aids for a single aircraft for cruising
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G08G5/0086—Surveillance aids for monitoring terrain
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/04—Anti-collision systems
    • G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Electromagnetism (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请实施例涉及一种高度信息修正方法、其装置、电子设备及无人机。该方法包括：获取雷达的原始检测数据；基于载具的运动信息，计算探测目标的理论状态信息；结合理论状态信息，通过卡尔曼滤波算法排除原始检测数据中的无效数据后，获得修正检测数据；通过修正检测数据，确定载具的高度信息；其中，无效数据包括非地面目标的观测状态信息。非地面目标为：经过时间小于预设阈值的探测目标；经过时间为载具经过探测目标所需要的时间。该方法通过结合理论状态信息和观测状态信息的方式，可以有效的在原始检测数据中消除体积较小的物体所对应的无效数据，从而避免这些无效数据引发的高度突变而导致自动避障错误执行等的问题。

Description

高度信息修正方法、其装置、电子设备及无人机
【技术领域】
本发明涉及雷达数据处理技术领域，尤其涉及一种高度信息修正方法、其装置、电子设备及无人机。
【背景技术】
随着技术的不断发展，各种类型的载具设备，例如无人机开始被广泛的出现在人们的日常生活中，可以被应用于航拍旅拍、农业植保、快递运输、灾难救援等等的许多不同的领域之中。
由此，如何确保无人机的安全飞行是一个被人们日益关注的重要问题。对于无人机等类似的无人飞行器而言，获取准确的外界环境信息是其安全飞行的前提。尤其是，无人机的实时高度信息在无人机避障和起飞降落控制时会起到极其关键的作用。
传统的高度检测方法可以包括如下的几种：1)基于GPS进行测高：即根据GPS卫星的方位来测量无人的高度：2)基于气压计进行测高：即通过对大气压强进行测量从而转换为当前高度信息：3)基于超声波雷达进行测高：即通过向地面发送超声波，计算回波时间来转换得到与地面之间的高度信息。
但上述传统方式均存在许多缺陷，例如GPS测高的方法需要以无人机起飞点作为初始高度进行标定，其只能输出无人机当前位置相对于起飞点的高度差。因此，在地面不平整的区域，无法提供准确的高度信息。另外，若采用低成本的GPS进行测高，其低刷新率将导致无人机安全事故发生的风险。而气压计测高的方式容易受到气候变化的影响，如气流的变化会引入测量误差。基于超声波雷达进行测高因超声波的特点而只能在低空进行使用，测量范围通常小于10m，难以满足无人机的实际使用需求。
【发明内容】
本申请实施例提供的高度信息修正方法、其装置、电子设备及无人机，能够至少克服现有高度检测方法的至少一部分缺陷。
第一方面，本申请实施例提供了一种毫米波雷达的高度信息修正方法。该方法包括：获取雷达的原始检测数据；所述原始检测数据包括：探测目标的观测状态信息；基于载具的运动信息，计算所述探测目标的理论状态信息；所述雷达被搭载在所述载具上；结合所述理论状态信息，通过卡尔曼滤波算法排除所述原始检测数据中的无效数据后，获得修正检测数据；通过所述修正检测数据，确定所述载具的高度信息；其中，所述无效数据包括非地面目标的观测状态信息；所述非地面目标为经过时间小于预设阈值的探测目标；所述经过时间为所述载具经过所述探测目标所需要的时间。
可选地，所述结合所述理论状态信息，通过卡尔曼滤波算法排除所述原始检测数据中的无效数据后，获得修正检测数据，具体包括：基于所述观测状态信息和理论状态信息，迭代进行若干次卡尔曼滤波处理；输出每次卡尔曼滤波处理后获得的所述探测目标的状态信息估计值作为所述修正检测数据。
可选地，所述无效数据还包括：外部噪声形成的虚假探测目标的观测状态信息。
可选地，所述卡尔曼滤波处理包括：以上一次的卡尔曼滤波处理后获得的状态信息估计值为基础，通过预设的第一转换关系，计算所述理论状态信息的先验估计值；以上一次的卡尔曼滤波处理后获得的状态向量估计误差协方差矩阵为基础，计算当前的状态向量估计误差协方差矩阵；根据预设的第二转换关系，计算所述先验估计值与所述观测状态信息之间的残差；根据所述当前的状态向量估计误差协方差矩阵、所述先验估计值以及所述观测状态信息，计算卡尔曼增益系数；根据所述卡尔曼增益系数，对所述当前的状态向量估计误差协方差矩阵进行更新，以及以所述卡尔曼增益系数为权重系数，加权叠加所述残差和所述理论状态信息的先验估计值，以获得所述探测目标的状态信息估计值。
可选地，所述理论状态信息包括：所述理论状态信息包括：探测目标在三维坐标系中的位置信息、速度信息以及加速度信息；所述观测状态信息包括：探测目标与雷达之间的距离信息、探测目标相对于雷达的方向角信息、探测目标相对于雷达的俯仰角信息以及探测目标相对于雷达的径向速度信息。
可选地，所述第一转换关系基于所述载具的加速度模型建立；所述第二转换关系为：经过线性化处理后的所述理论状态信息与观测状态信息之间的对应关系。
可选地，在计算所述理论状态信息的先验估计值时，所述方法还包括：通过所述载具的加速度信息，修正所述理论状态信息的先验估计值。
可选地，第一转换关系通过如下算式表示：
Sapr(k)＝FS(k-1)
其中，Sapr(k)为所述探测目标的理论状态信息的先验估计值，S(k-1)为上一次卡尔曼滤波处理后获得的状态信息估计值；F为状态转换矩阵；
其中，所述探测目标的理论状态信息通过如下算式表示：
其中，x(k)，y(k)，z(k)分别是探测目标在笛卡尔坐标系中的三维坐标，x(k)，y(k)，z(k)的一阶导数为分别是探测目标在三个坐标轴上的速度，x(k)，y(k)，z(k)的二阶导数则为分别是探测目标在三个坐标轴上的加速度；
所述状态转换矩阵通过如下算式表示：
可选地，所述第二转换关系通过如下算式表示：
u(k)＝H(Sapr(k))+JH(Sapr(k))[S(k)-Sapr(k-1)]+v(k)
其中，u(k)为所述探测目标的观测状态信息；S(k)为所述探测目标的理论状态信息；Sapr(k)为所述先验估计值；Sapr(k-1)为上一次卡尔曼滤波处理后获得的状态信息估计值；H(.)为从理论状态信息转换到观测状态信息的测量矩阵；v(k)为测量噪声协方差矩阵；
其中，所述探测目标的观测状态信息通过如下算式表示：
其中，r(k)为雷达与探测目标之间的距离，为探测目标相对于雷达的方向角，θ(k)为探测目标相对于雷达的俯仰角，r(k)的一阶导数为探测目标相对于雷达的径向速度；
所述测量矩阵通过如下算式表示：
JH由泰勒级数展开获得，通过如下算式表示：
其中，x，y，z分别表示探测目标在三维坐标系中的位置信息；r表示探测目标与雷达之间的距离信息；x，y，z的一阶导数分别表示探测目标在三维坐标系中的速度信息。
可选地，所述以上一次的卡尔曼滤波处理后更新的状态向量估计误差协方差矩阵为基础，计算当前的状态向量估计误差协方差矩阵，具体包括：
通过如下算式计算所述当前的协方差矩阵：
Papr(k)＝FP(k-1)FT+Q(k-1)
其中，Paqr(k)为当前的状态向量估计误差协方差矩阵；P(k-1)为上一次的卡尔曼滤波处理后更新的状态向量估计误差协方差矩阵；Q(k-1)为过程噪声协方差矩阵；
所述根据所述卡尔曼增益系数，对所述当前的状态向量估计误差协方差矩阵进行更新，具体包括：
通过如下算式对所述当前的状态向量估计误差协方差矩阵进行更新：
P(k)＝Papr(k)-K(k)JH(Sapr(k))Papr(k)
其中，P(k)为更新后的状态向量估计误差协方差矩阵，K(k)为所述卡尔曼增益系数，Paqr(k)为当前的状态向量估计误差协方差矩阵，Sapr(k)为所述先验估计值。
可选地，所述根据所述当前的状态向量估计误差协方差矩阵、所述先验估计值以及所述观测状态信息，计算卡尔曼增益系数，具体包括：
通过如下算式计算所述卡尔曼增益系数：
其中，Paqr(k)为当前的状态向量估计误差协方差矩阵，Saqr(k)为所述先验估计值，R(k)为测量噪声协方差矩阵。
可选地，所述根据预设的第二转换关系，计算所述先验估计值与所述观测状态信息之间的残差，具体包括：
通过如下算式计算所述先验估计值与所述观测状态信息之间的残差：
y(k)＝u(k)-H(Sapr(k))
其中，y(k)为所述残差，u(k)为所述探测目标的观测状态信息，Saqr(k)为所述先验估计值；H(.)为从理论状态信息转换到观测状态信息的测量矩阵；
所述以所述卡尔曼增益系数为权重系数，加权叠加所述残差和所述先验估计值，以获得所述探测目标的状态信息估计值，具体包括：
通过如下算式计算所述探测目标的状态信息估计值：
S(k)＝Sapr(k)+K(k)y(k)
其中，S(k)为所述状态信息估计值；K(k)为所述卡尔曼增益系数；Saqr(k)为所述先验估计值，y(k)为所述残差。
可选地，所述通过所述修正检测数据，确定所述载具的高度信息，具体包括：
根据所述载具的姿态信息，确定所述雷达的倾角；
判断在所述修正检测数据中，是否存在处于搜索范围内的探测目标；所述搜索范围以所述倾角为基准，上下浮动允许误差而形成；
若是，在所述搜索范围内，选择与所述倾角最接近的探测目标为基准探测目标；
根据所述基准探测目标的观测状态信息，计算所述载具当前的高度信息；
若否，根据所述载具的运动信息和在先计算的高度信息，估算所述载具当前的高度信息。
可选地，所述雷达设置在所述载具与地面相接近的底部；所述根据载具的姿态信息，确定所述雷达的倾角，具体包括：获取所述载具的俯仰角作为所述雷达的方位角，并且获取所述载具的翻滚角作为所述雷达的俯仰角。
可选地，所述方法还包括：获取所述载具的四元数；将所述四元数转化为欧拉角，以获取所述载具的俯仰角和翻滚角。
可选地，所述根据所述基准探测目标的观测状态信息，计算所述载具当前的高度信息，具体包括：获取所述基准探测目标与所述雷达之间的距离，以及所述雷达的方位角；通过三角函数，基于所述基准探测目标与所述雷达之间的距离和所述方位角，计算所述载具当前的高度信息。
可选地，通过如下算式计算所述载具当前的高度信息：
H＝R cosβ
其中，H为所述载具当前的高度信息，R为所述基准探测目标与所述雷达之间的距离，β为所述雷达的方位角。
可选地，所述根据所述载具的运动信息和在先计算的高度信息，估算所述载具当前的高度信息，具体包括：
通过如下算式，估算所述载具当前的高度信息：
H(k)＝H(k-1)+vt+0.5at2
其中，H(k)为所述载具当前的高度信息，H(k-1)为所述在先计算的高度信息；v为所述载具在高度方向上的速度；a为所述载具在高度方向上的加速度；t为H(k)和H(k-1)之间经过的时间。
第二方面，本申请实施例提供了一种自动避障方法。该自动避障方法包括：通过如上所述的高度信息修正方法，确定载具的高度信息；在所述载具的高度信息小于预设的高度阈值时，触发避障警告。
第三方面，本申请实施例提供了一种高度信息修正装置。该高度信息修正装置包括：雷达数据获取模块，用于获取所述雷达的原始检测数据；所述原始检测数据包括：探测目标的观测状态信息；理论数据获取模块，用于基于载具的运动信息，计算所述探测目标的理论状态信息；所述雷达被搭载在所述载具上；数据修正模块，用于根据所述理论状态信息，通过卡尔曼滤波算法排除所述原始检测数据中的无效数据后，获得修正检测数据；高度信息计算模块，用于通过所述修正检测数据，确定所述载具的高度信息；其中，所述无效数据为非地面目标的观测状态信息；所述非地面目标为：经过时间小于预设阈值的探测目标；所述经过时间为所述载具经过所述探测目标所需要的时间。
第四方面，本申请实施例提供了一种电子设备。该电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的高度信息修正方法和自动避障方法。
第五方面，本申请实施例提供了一种无人机。该无人机包括：机身；所述机身与地面相接近的底部设置有雷达；机臂，与所述机身相连；动力装置，设于所述机臂，用于给所述无人机提供飞行的动力；以及飞行控制器，所述飞行控制器设于所述机身，与所述雷达通信连接；其中，所述飞行控制器被配置为：执行如上所述的高度信息修正方法和自动避障方法。
本申请实施例提供的高度信息修正方法的其中一个有利方面是：通过卡尔曼滤波算法结合两组来自不同的测算系统的理论状态数据和观测状态数据，可以有效的将原始雷达数据中与消除体积较小的物体所对应的无效数据，进而避免了这些数据信息所引发的高度突变以及外部噪声产生的虚假物体的干扰。
本申请实施例提供的高度信息修正方法的另一个有利方面是：通过搜索筛选与雷达的倾角相接近的被探测目标数据并结合历史数据推算的方式，突破了在检测离地高度时，雷达的法线方向需要垂直于地面的限制，能够有效的提升实用性。
【附图说明】
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1为本申请实施例的应用环境的示意图；
图2a为本申请实施例提供的毫米波雷达探测不同类型的探测目标的示意图，示出了地面目标和非地面目标的情形；
图2b为本申请实施例提供的无人机的高度信息检测数据变化的示意图，示出了从时刻k-1至时刻k的无人机移动情形；
图2c为本申请实施例提供的两组独立数据源加权叠加的示意图，示出了理论状态信息和观测状态信息之间加权叠加的关系；
图3为本申请实施例提供的雷达数据筛选方法的方法流程图；
图4为本申请实施例提供的高度信息修正方法的方法流程图；
图5为本申请实施例提供的卡尔曼滤波处理的方法流程图；
图6为本申请实施例提供的无人机和雷达的示意图，示出了无人机倾斜的情形；
图7a为本申请实施例提供的结合位姿信息的高度信息修正方法的示意图；
图7b为本申请另一实施例提供的结合位姿信息的高度信息修正方法的示意图；
图8为本申请实施例提供的雷达数据筛选装置的功能框图；
图9a为本申请实施例提供的高度信息修正装置的功能框图；
图9b为本申请另一实施例提供的高度信息修正装置的功能框图；
图10为本申请实施例提供的电子设备的示意图。
【具体实施方式】
为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“上”、“下”、“内”、“外”、“底部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，下面所描述的本发明不同实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
“毫米波雷达”是指工作在毫米波波段的探测雷达。其具有极高的刷新率，能够以毫秒级的刷新频率实时报告当前地面高度。另外，其基于电磁波进行检测，不受到恶劣环境如大雾，沙暴的干扰。毫米波雷达基于对接收到的中频信号的分析而确定毫米波雷达与周边障碍物之间的距离、相对角度以及相对速度等信息。
通常的，在检测到无人机飞行路径的下方出现汽车，树木或者电线等引发高度突变的异物，或者因外界未知噪声而产生虚假异物时，无人机并不能识别和排除这些异物的干扰。控制器只能响应高度突变的信息，对无人机的飞行姿态作相应的调整或者触发避障警告操作。另外，毫米波雷达的天线法线方向需要与地面保持垂直时，才能够获取准确的高度信息。这样也对搭载毫米波雷达进行离地高度检测的无人机造成了许多的限制。
申请人发现：一方面可以基于卡尔曼滤波的思路，对毫米波雷达所获得的雷达数据与其他相对独立的数据系统(例如，基于无人机的飞行运动状态推算获得的理论数据)进行加权叠加以后，能够更好的从中选出较为精确的数据信息，从而达到有效的排除异物的干扰(例如，某些体积较小的非地面目标)，滤除无效数据的效果，使得无人机等类似的载具不需要作出不必要的规避动作或者触发不必要的避障警告。另一方面，基于立体空间几何关系，相应的调整高度计算方式可以在毫米波雷达倾斜的情况下，计算得到精确的高度信息。而且，在毫米波雷达无法提供可靠数据的情况下，还可以通过载具(例如无人机)的运动信息和在先计算的历史高度数据来推算高度信息。
图1为本申请实施例提供的应用环境的示意图。该应用环境以无人机为例。如图1所示，该无人机10包括：机身11、机臂12、动力装置13以及飞行控制器14。
其中，机身11是无人机10的主体结构。其具有满足实际情况需要的合适体积以及形状，用于提供足够的空间以容纳一个或者多个功能模块和部件。例如，机身11上可以设置有多种不同的传感器设备，例如毫米波雷达。具体的，该毫米波雷达15可以被固定在机身11的腹部。机身的腹部是指机身正常使用时，与地面相接近并朝向地面的一面。
机臂12是由机身向外延伸的部分，作为螺旋桨等无人机动力装置的安装或者固定结构。机臂可以与机身采用一体成型的结构，也可以以可拆卸连接的形式与机身连接。典型的，在四轴无人机上，机臂可以设置为4个，沿对角线对称延伸，形成四个螺旋桨的安装位置。
动力装置13是用于为无人机提供飞行动力的结构装置。其具体可以采用任何合适类型的动力和结构设计。例如，由电机驱动的，分别安装固定在机臂末端的安装位置的螺旋桨。
飞行控制器14是内置在机身中的无人机控制核心。其可以是任何类型的，具有合适逻辑判断以及计算能力的电子设备，包括但不限于基于大规模集成电路实现的处理器芯片，一体化的片上系统(SOC)以及通过总线连接的处理器和存储介质。基于所要实现的功能(例如执行本申请实施例提供的联合标定方法)，飞行控制器14可以包括若干个不同的功能模块，这些功能模块可以是软件模块、硬件模块或者软件和硬件结合的，用于实现某一项或多项功能的模块化装置。
应当说明的是，本申请实施例为陈述简便而示例性的展示了雷达数据筛选方法及基于该筛选方法的高度信息修正方法在无人机之中的应用场景。但本领域技术人员可以理解，基于相类似的原理，还可以将本申请实施例提供的数据筛选和高度检测方法应用于其他载具的测高场景之中。本申请实施例公开的发明思路并不限于在图1所示的无人机上应用，也可以在其他相类似的载具中使用。
为充分说明本申请实施例提供的雷达数据筛选和高度信息修正方法在图1所示的应用场景中的具体应用过程，以下结合图2a至图2c，对如何基于卡尔曼滤波进行雷达数据筛选，排除无效数据的原理进行详细描述。
1)如图2a所示，在搭载有毫米波雷达的无人机10飞行过程中，其会以一定的刷新频率对无人机下方的环境进行检测，反馈包含了一个或者多个探测目标的点云数据。在一些实施例中，未经过卡尔曼滤波算法处理的点云数据也可以被称为“原始检测数据”，而经过了卡尔曼滤波算法处理后的点云数据则被可以被称为“修正检测数据”。
无人机的飞行控制器基于毫米波雷达提供的点云数据，监视无人机与各个探测目标之间的距离，以监视是否出现离地高度过低的情形。在出现离地高度过低的情况下，飞行控制器会认为此时有接地碰撞风险。为确保飞行安全，其通常会相应的发出诸如避障警告、爬升或者改变航向等类似的应急措施，以避免事故的发生。
本领域技术人员可以理解的是，毫米波雷达提供的点云数据之中，可能存在一些被称为“非地面目标”的探测目标，例如，电塔、电线和汽车等。这些非地面目标实际上不会对无人机的飞行造成干扰，但飞行控制器却通常会因无人机与这些非地面目标之间的距离较近而错误的判断此时的离地高度过低，并触发相应的应急措施。
申请人发现，相对于地面而言，这些非地面目标通常具有较小的体积，两者之间的区别可以被定义为：无人机是否能够快速的通过或者无人机在该目标上的停留时间。例如，如图2a所示的，当探测目标A的体积较大，无人机在其上方停留时间大于3s或者其他时间阈值时，由于其体积较大，可以提供给无人机降落的平面，因此可以被认定为“地面”。而当探测目标B的体积较小，在其上方的停留时间较短(或者说经过时间较短)，例如小于3s或者其他时间阈值时，其无法作为无人机降落的平面，不能被认定为“地面”，而是一个非地面目标。由此，可以考虑结合无人机的运动信息和毫米波雷达的观测信息的方式，在原始检测数据中将那些表示非地面目标的无效数据排除，实现非地面目标滤除，避免自动避障误触发等的效果。
2.1)如图2b所示，在无人机10和探测目标20构成的系统中，探测目标20任意时刻的状态可以由如下算式(1-1)所示的状态向量描述。
其中，x(k)，y(k)，z(k)分别是探测目标在笛卡尔坐标系中的三维坐标，x(k)，y(k)，z(k)的一阶导数为分别是探测目标在三个坐标轴上的速度，x(k)，y(k)，z(k)的二阶导数则为分别是探测目标在三个坐标轴上的加速度。
2.2)基于加速度模型，建立用于描述探测目标的状态变化方式的状态转移方程。换言之，在已知探测目标在前一时刻的状态向量时，可以通过状态转移方程，计算获得探测目标当前时刻的状态向量。该状态转移方程可以如以下算式(1-2)所示：
S(k)＝FS(k-1)+W(k) (1-2)
其中，S(k)为探测目标在当前时刻的状态向量，S(k-1)为探测目标在前一时刻的状态向量，F为状态转移矩阵，W(k)为无人机的控制变量。
该控制变量表示了无人机因飞行控制器对驱动装置(如电机)下发的控制指令而相应进行的加速、减速或者其他类似的对于无人机运动发生影响。在一些替代实施中，若毫米波雷达被搭载在不会发生上述控制指令而改变运动状态的其他载具时，也可以省略这一部分的控制变量。
具体的，上述状态转移矩阵如以下算式(1-3)所示：
3)在无人机10和探测目标20构成的系统中，除了可以基于无人机的运动状态而推算获得的探测目标20的状态信息以外，无人机10的毫米波雷达也能够提供与探测目标20相关的探测数据。
在本实施例中，用于描述探测目标20的状态的探测数据可以通过如下算式(2-1)的检测向量表示。
其中，u(k)为毫米波雷达当前的检测向量，r(k)为毫米波雷达与探测目标之间的距离，为探测目标相对于毫米波雷达的方向角，θ(k)为探测目标相对于毫米波雷达的俯仰角，r(k)的一阶导数为探测目标相对于毫米波雷达的径向速度。
4.1)如图2c所示，探测向量和状态向量来源不同，是两个相对独立的数据信息。由此，可以通过卡尔曼滤波处理的方式，将来自毫米波雷达的观测数据D1与基于无人机运动状态计算得到的探测目标的理论状态数据D2加权叠加从而帮助选出探测目标的精确数据，进而达到筛除非地面异物以及排除外部噪声干扰等的效果。
4.2)根据上述状态向量和检测向量对探测目标的不同描述方式，可以确定两个向量之间存在如下算式(2-2)所示的转换关系：
u(k)＝H(S(k))+v(k) (2-2)
其中，H(.)为测量矩阵，v(k)是测量噪声协方差矩阵。该测量矩阵按照如下算式(2-3)所示：
其中，x，y，z分别表示探测目标在三维坐标系中的位置信息；x，y，z的一阶导数分别表示探测目标在三维坐标系中的速度信息。
4.3)本领域技术人员可以理解的是，典型的卡尔曼滤波建立在线性模型的基础上。但如以上算式(2-2)所示的，上述状态向量和检测向量之间的转换关系是非线性关系。
由此，为使其能够应用于卡尔曼滤波，可以将两者之间的转换关系进行线性化处理，形成如下算式(2-4)所示的线性化关系：
u(k)＝H(Sapr(k))+JH(Sapr(k))[S(k)-Sapr(k-1)]+v(k) (2-4)
其中，u(k)为毫米波雷达当前的检测向量，H为测量矩阵，Sapr(k)为：以在k-1时刻，经过卡尔曼滤波处理后获得状态向量为基础，通过状态转移方程计算得到的先验估计值。JH由泰勒级数展开获得，按照如下算式(2-5)所示：
本领域技术人员可以理解，基于本申请实施例提供的状态向量、检测向量、状态转移方程以及状态向量和检测向量之间的线性化关系，可以实现卡尔曼滤波算法，其具体的推导和实现过程为本技术领域人员所熟知，在此不作赘述。
应当说明的是，本申请实施例提供的状态向量、检测向量、状态转移方程以及状态向量和检测向量之间的线性化关系的具体实例仅用于示例性的说明，而不用于对本申请的范围进行限制。根据实践的需要或者具体使用场景的特点等实际情况，本领域技术人员容易想到将其中的一个或者多个步骤、参数进行调整、替换或者变更，通过合理的推导获得其它的状态向量、检测向量、状态转移方程以及状态向量和检测向量之间的线性化关系。
应当说明的是，上述实施例以毫米波雷达为例，对雷达数据的处理进行描述。本领域技术人员可以理解的是，基于相同的原理，还可以将其应用于其他不同类型的雷达之中使用，而不限于毫米波雷达。基于此，为避免不必要的限制，在下文中均以“雷达”这样的术语来替代表示。
图3为本申请实施例提供的雷达数据筛选方法的方法流程图。该雷达数据筛选方法以图2a-图2c所示的卡尔曼滤波原理为基础，通过引入运动信息相关的数据源来帮助获得较为精确的探测目标。如图3所示，该雷达数据筛选方法包括如下步骤：
S310、基于载具的运动信息，确定探测目标的理论状态信息。
其中，载具具体可以是任何合适类型的移动设备，例如图1所示的无人机，在此对其实现不做具体限定。“运动信息”是指与载具的运动相关的数据信息，或者说是用于描述或者定义载具的运动情况的数据项，例如加速度等。“状态信息”是指直接描述探测目标的某一时刻的状态的数据信息。例如，以上述具体实例中的状态向量为例，可以包括位置、速度以及加速度。在本实施例中，使用“理论状态信息”这样的术语来表示通过载具运动而推算获得的状态信息。
S320、获取雷达对探测目标的观测状态信息。
其中，例如，如图1所示的，雷达被搭载在载具上。为了区分两个来源相对独立的数据，在本实施例中使用了“观测状态信息”这样的术语来表示经过雷达检测得到的数据信息。例如，以上述具体实例中的观测向量为例，其可以包括相对距离、相对方向角、相对俯仰角和相对径向速度。
S330、加权叠加理论状态信息和观测状态信息以筛选获得探测目标的精确状态信息。
其中，“加权叠加”是指为两组数据赋予合适的权重系数，将其与权重系数相乘以后再相加的操作方式。如以上图2c所示的，理论状态信息和观测状态信息是两个相对独立的数据源，可以通过计算卡尔曼增益系数的方式，然后将其作为加权叠加的系数以帮助完成两个数据之间的结合，从而能够从中选出较为精确的状态信息，实现雷达数据筛选从而排除非地面目标或者外部噪声的影响。
图4为本申请实施例提供的高度信息修正方法的方法流程图。该高度信息修正方法利用卡尔曼滤波算法实现。如图4所示，该高度信息修正方法包括如下步骤：
S410、获取雷达的原始检测数据。
其中，如以上所描述的，该原始检测数据中包含了探测目标的观测状态信息。在本实施例中，使用了“观测状态信息”这样的术语来表示通过雷达传感器检测得到的数据信息。其可以根据实际情况而具有相应的具体数据。例如，以上述具体实例中的观测向量为例，可以包括相对距离、相对方向角、相对俯仰角和相对径向速度。
S420、基于载具的运动信息，计算探测目标的理论状态信息。
其中，该雷达被搭载在载具上。该载具具体可以是任何合适类型的移动设备，例如图1所示的无人机，在此对其实现不做具体限定。
“运动信息”是指与载具的运动相关的数据信息，或者说是用于描述或者定义载具的运动情况的数据项，例如加速度等。“理论状态信息”是指根据载具的运动情况计算获得的，能够直接描述探测目标的某一时刻的状态的数据信息。例如，以上述具体实例中的状态向量为例，可以包括位置、速度以及加速度。
S430、结合理论状态信息，通过卡尔曼滤波算法排除原始检测数据中的无效数据后，获得修正检测数据。
其中，理论状态信息和原始检测数据是两个相对独立的数据源。如以上具体实例所描述的，可以通过计算卡尔曼增益系数的方式将两者结合，从而排除原始检测数据之中与非地面目标相关的无效数据。
在本实施例中，为方便陈述，使用“无效数据”这样的术语来表示雷达检测数据之中，属于非地面目标的观测状态信息。如以上具体实例所描述的，该非地面目标的特点在于体积较小或者无人机可以快速的掠过。由此，衡量标准可以是载具经过探测目标所需要的时间。换言之，在载具经过探测目标所需要的时间小于预设阈值时，可以确定该探测目标为非地面目标。
S440、通过修正检测数据，确定载具的高度信息。
其中，修正检测数据中排除了那些非地面目标的影响和干扰，由此计算获得的高度信息能够更为准确的反映载具的真实离地高度，达到排除非地面目标或者外部噪声的影响的效果。
本领域技术人员可以理解，图4所示的方法步骤中的“修正检测数据”是图3所示的方法步骤中的一个或者多个探测目标的精确状态信息的组合。换言之，在筛除了无效数据以后，剩余的探测目标的精确状态信息即为修正检测数据。
本申请实施例提供的高度信息修正方法的其中一个有利方面是：利用卡尔曼滤波算法，将载具的运动信息结合引入到雷达的检测数据中，从而有效的将那些体积较小，载具可以快速掠过的异物对应的检测数据从原始雷达检测数据中排除，使得检测获得载具高度信息能够更真实的反映实际飞行情况，进而避免不必要的避障警告或飞行姿态调整。
在一些实施例中，可以在进行高度信息修正(例如步骤S430)和筛选获得探测目标的精确状态信息(例如步骤S330)的过程中，还可以迭代进行若干个次卡尔曼滤波处理，并相应的输出卡尔曼滤波处理后获得的所述探测目标的状态信息估计值作为筛选后的数据，应用于后续的离地高度信息计算。
具体的，通过上述迭代进行的卡尔曼滤波处理后，排除的无效数据之中还可以包括由外部噪声形成的虚假探测目标的观测状态信息。由此，达到滤除无人机等载具在飞行阶段出现的外部噪声，提升高度信息准确性的效果。
图5为本申请实施例提供的卡尔曼滤波处理的方法流程图。其示例性的展示了一次迭代处理的过程。如图5所示，该卡尔曼滤波处理包括：
S510、以上一次的卡尔曼滤波处理后获得的状态信息估计值为基础，通过预设的第一转换关系，计算理论状态信息的先验估计值。
其中，“第一转换关系”是表示探测目标在不同时间的理论状态信息之间的变化情况的函数。其可以基于载具的加速度模型而建立，例如可以是如上所述的状态转移方程。
在另一些实施例中，在计算先验估计值时，还可以直接通过所述载具的加速度信息，对所述先验估计值进行修正。
S520、以上一次的卡尔曼滤波处理后获得的状态向量估计误差协方差矩阵为基础，计算当前的状态向量估计误差协方差矩阵。
其中，协方差矩阵是指表示不同数据之间关系的矩阵。在本实施例中，“状态向量估计误差协方差矩阵”是用于表示理论状态信息之间多个不同数据信息之间相关关系的对称矩阵。该协方差矩阵中的每个元素都表示了不同状态变量之间的关系。
S530、根据预设的第二转换关系，计算所述先验估计值与所述观测状态信息之间的残差。
其中，“第二转换关系”是指观测状态信息与理论状态信息之间的对应关系。如以上具体实例所描述的，应用于卡尔曼滤波时，该第二转换关系是经过线性化处理的转换关系。
S540、根据当前的状态向量估计误差协方差矩阵、先验估计值以及观测状态信息，计算卡尔曼增益系数。
其中，“卡尔曼增益系数”表示了理论状态信息或者观测状态信息的相对可靠性。换言之，其能够反映理论状态信息或观测状态信息具有多大的把握是准确的。可以理解的是，在加权叠加的过程中，可靠性越高或者正确把握越高的部分应当具有更高的权重。
S550、以卡尔曼增益系数为权重系数，加权叠加所述残差和所述先验估计值，以获得探测目标的状态信息估计值。
其中，在确定了卡尔曼增益系数以后，就能够通过加权叠加的方式，获得较为精确的状态数据。在本实施例中，使用“状态信息估计值”这样的术语来表示经过卡尔曼滤波处理后获得的点云数据。由于结合了载具的运动信息和毫米波雷达的探测信息，那些体积较小，载具可以快速经过的非地面目标所对应的观测状态数据会因赋予较小的卡尔曼增益系数而被视作无效数据而被排除在修正数据之外。
S560、根据卡尔曼增益系数，对所述当前的状态向量估计误差协方差矩阵进行更新。
其中，独立于经过处理后输出的状态信息估计值，状态向量估计误差协方差矩阵也需要进行更新以便于能够应用于下一次的卡尔曼滤波处理，实现多次迭代。
应当说明的是，图5所示的方法流程图仅用于示例性的展示所需要执行步骤，而不用于对步骤的执行顺序进行限定，相互独立的步骤之间的顺序可以任意调整而不限于图5所示。例如，状态向量估计误差协方差的更新步骤是独立于状态信息估计值的计算的，其可以在计算状态信息估计值之前进行，也可以在计算状态信息估计值之后进行。
为充分说明卡尔曼滤波处理的具体执行过程，以下以上述具体实例的算式(1-1)至算式(2-5)所描述的状态转换方程、状态向量、观测向量以及两者之间的线性化转换关系为例，对图5所示的方法步骤进行详细描述。
1)在执行步骤S510时，可以按照如下算式(3-1)所示，计算获得先验估计值：
Sapr(k)＝FS(k-1) (3-1)
其中，Sapr(k)为先验估计值，S(k-1)为上一次的卡尔曼滤波处理后获得的状态信息估计值，F为状态转移矩阵。
2)在执行步骤S520时，可以按照如下算式(3-2)所示，计算获得协方差矩阵：
Papr(k)＝FP(k-1)FT+Q(k-1) (3-2)
其中，Paqr(k)为当前的状态向量估计误差协方差矩阵；P(k-1)为上一次的卡尔曼滤波处理后更新的状态向量估计误差协方差矩阵；Q(k-1)为过程噪声协方差矩阵。
“过程噪声”是指因意外而对系统发生的，无法被跟踪的外界作用力，例如无人机受到突然的风力影响。可以对这些不确定性因素统一建模从而在算式(3-2)中增加了对应的项。
3)在执行步骤S530时，可以按照如下算式(3-3)所示，计算先验估计值和观测状态信息之间的残差：
y(k)＝u(k)-H(Sapr(k)) (3-3)
其中，y(k)为所述残差，u(k)为所述观测状态信息，Saqr(k)为所述先验估计值；H(.)为测量矩阵。
4)在执行步骤S540时，可以按照如下算式(3-4)所示，计算卡尔曼增益系数：
其中，Paqr(k)为当前的协方差矩阵，Saqr(k)为所述先验估计值，R(k)为测量噪声协方差矩阵。
“测量噪声”是指雷达等传感器的读数受高斯噪声影响而在特定范围内波动的情形。换言之，雷达采集获得的雷达数据会呈现为具有范围的高斯斑。
5)在执行步骤S550时，可以按照如下算式(3-5)所示，计算所述状态信息估计值：
S(k)＝Sapr(k)+K(k)y(k) (3-5)
其中，S(k)为状态信息估计值；K(k)为卡尔曼增益系数；Saqr(k)为先验估计值；少(k)为残差。
6)在执行步骤S560时，可以按照如下算式(3-6)所示，更新后验误差协方差矩阵：
P(k)＝Papr(k)-K(k)JH(Sapr(k))Papr(k) (3-6)
其中，P(k)为更新的状态向量估计误差协方差矩阵，Paqr(k)为当前的状态向量估计误差协方差矩阵，K(k)为卡尔曼增益系数，Saqr(k)为所述先验估计值。
本申请实施例提供的高度检测方法的其中一个有利方面是：利用卡尔曼滤波，将探测目标的理论状态信息和观测状态信息相结合，从中筛选出精确的、符合使用需要的点云数据，达到滤除无人机等载具在飞行阶段出现的小体积的干扰异物以及外部噪声造成的虚假异物的效果。
除了利用卡尔曼滤波排除小体积异物干扰以外，本申请另一实施例还提供了结合载具姿态获取具体高度信息的方法步骤。在本申请中，为了与上述卡尔曼滤波排除干扰的方法步骤相区分，以下将其简称为“结合载具姿态的高度检测方法”。
为充分说明本申请实施例提供的结合载具姿态的高度检测方法在图1所示的应用场景中的具体应用过程，以下结合图6，对如何结合无人机姿态计算离地高度的原理进行详细描述。
首先，无人机在飞行过程中，不可避免的其机体的翻滚角和俯仰角都会发生变动，这使得雷达的法线方向实际上并不能始终保持与地面垂直。
申请人发现：雷达安装在无人机上时，可以根据无人机的姿态信息来获取毫米波雷达的法线方向与无人机的机体坐标轴Z轴(即图6所示垂直向下的方向)之间的偏角，并据此进一步的确定或者修正无人机的离地高度信息。
以图6所示的雷达安装方式为例，该雷达15可以被固定安装于无人机的机身腹部14。该机身腹部14是指无人机飞行时，机身朝向地面的部分。
其中，C点为雷达15的天线相位中心，CB为雷达的法线方向，CA为无人机的高度，CB垂直于AB。无人机的俯仰角与雷达的方位角(为陈述简便，以下简称方位角)相对应，而无人机的翻滚角则与雷达的俯仰角(为陈述简便，以下简称俯仰角)相对应，两者在角度数值正负上保持一致。
由此，可以确定无人机的翻滚角和俯仰角等价于雷达法线方向的与机体坐标系Z轴的偏角。
应当说明的是，本申请实施例提供的雷达与无人机安装方式的具体实例仅用于示例性的说明，而不用于对本申请的范围进行限制。根据实践的需要或者具体使用场景的特点等实际情况，本领域技术人员容易想到将其中的一个或者多个步骤、参数进行调整、替换或者变更，通过合理的推导获得其它的安装方式中，雷达的法线方向与无人机的机体坐标轴Z轴之间偏角与无人机的姿态信息的对应关系。
图7a为本申请实施例提供的结合载具姿态的高度检测方法的方法流程图。如图7a所示，该结合载具姿态的高度检测方法包括如下步骤：
S701、根据载具的姿态信息，确定雷达的倾角。
其中，“姿态信息”是指载具在三维立体空间中的倾斜角度。其可以通过任何合适的方式来描述，例如四元数和欧拉角等。“倾角”是指雷达的法线方向与垂直于地面方向之间的偏差情况。在一些实施例中，例如如图6所示，该倾角可以是无人机的俯仰角和翻滚角两项数据的组合(即相当于雷达的方位角和俯仰角)。
S703、判断在修正检测数据中，是否存在搜索范围内的探测目标。若是，执行步骤S705,；若否，执行步骤S709。
其中，该搜索范围是指以倾角为基准，上下浮动允许误差而形成的数值范围。该允许误差是一个经验性数值，可以由本领域技术人员根据实际情况的需要而设置。较佳的是，该允许误差可以设置为5°。
S705、在搜索范围内，选择与倾角最接近的探测目标为基准探测目标。
其中，位于搜索范围内的探测目标可能存在一个或多个。在仅有一个的情况下，不需要选择而可以直接确定为基准探测目标。而在存在多个的情况下，则选择最接近作为基准探测目标。
S707、根据基准探测目标的观测状态信息，计算载具当前的高度信息。
其中，“观测状态信息”如以上所描述的，是指由雷达探测获得的地面目标对应的一系列数据信号。其可以利用其中的一种或者数种数据信息计算得到离地高度，作为载具当前的高度信息。
S709、根据载具的运动信息和在先计算的高度信息，估算载具当前的高度信息。
其中，“运动信息”是指载具在三维空间中的移动情况。基于对运动信息的计算，可以获得高度信息在运动前和运动后的相对变化量。由此，在没有检测到探测目标的情况下，利用在先确定好的历史高度信息和运动信息确定的相对变化量，可以近似的得到目前载具的高度信息。
在另一些实施例中，还可以采用图7b所示的方法来达到同样的效果，筛选确定与倾角最接近的探测目标。如图7b所示，该方法包括：
S702、根据载具的姿态信息，确定雷达的倾角。
其中，“姿态信息”是指载具在三维立体空间中的倾斜角度。其可以通过任何合适的方式来描述，例如四元数和欧拉角等。“倾角”是指雷达的法线方向与垂直于地面方向之间的偏差情况。在一些实施例中，例如如图5所示，该倾角可以是无人机的俯仰角和翻滚角两项数据的组合(即相当于雷达的方位角和俯仰角)。
S704、确定与倾角最接近的探测目标。
其中，通过雷达的点云数据可以从中筛选确定最接近倾角的目标。在一些实施例中，在倾角存在多项不同的数据时，可以根据与全部数据项之间的差别来确定“最接近”。
S706、判断所述最接近的探测目标是否处于预设的搜索范围内，若是，执行步骤S708，若否，执行步骤S710。
其中，该搜索范围是指以倾角为基准，上下浮动允许误差而形成的数值范围。该允许误差是一个经验性数值，可以由本领域技术人员根据实际情况的需要而设置。较佳的是，该允许误差可以设置为5°，即搜索范围为(α，β)±5°。
S708、根据该探测目标的观测状态信息，计算载具当前的高度信息。
其中，“观测状态信息”如以上所描述的，是指由雷达探测获得的一系列数据信号。其可以利用其中的一种或者数种数据信息计算得到离地高度，作为载具当前的高度信息。
S710、根据载具的运动信息和在先计算的高度信息，估算载具当前的高度信息。
其中，“运动信息”是指载具在三维空间中的移动情况。基于对运动信息的计算，可以获得高度信息在运动前和运动后的相对变化量。由此，在没有检测到探测目标的情况下，利用在先确定好的历史高度信息和运动信息确定的相对变化量，可以近似的得到目前载具的高度信息
在一些实施例中，在载具的位姿信息采用四元数表示时，还可以包括如下步骤：首先，获取所述载具的四元数。然后，将所述四元数转化为欧拉角，以获取所述载具的俯仰角和翻滚角。
具体的，四元数和欧拉角之间的转换方法可以按照如下算式(4)所示：
其中，四元数表示为[q1，q2，q3，q4]；欧拉角表示为[α，β，γ]。
在一些实施例中，上述步骤S707或步骤S708具体包括：首先，获取所述基准探测目标与所述雷达之间的距离，以及所述雷达的方位角。然后，通过三角函数，基于所述基准探测目标与所述雷达之间的距离和所述方位角，计算所述载具当前的高度信息。
具体的，如图6所示，可以通过如下算式(5)来计算载具的离地高度：
H＝R cosβ (5)
其中，H为所述载具当前的高度信息，R为基准探测目标与所述雷达之间的距离，β为雷达的方位角。
在一些实施例中，上述步骤S690或步骤S610具体包括：通过如下算式(6)来估算载具当前的高度信息：
H(k)＝H(k-1)+vt+0.5at2 (6)
其中，H(k)为所述载具当前的高度信息，H(k-1)为所述在先计算的高度信息；v为所述载具在高度方向上的速度；a为所述载具在高度方向上的加速度；t为H(k)和H(k-1)之间经过的时间，例如毫米波雷达的刷新时间。
本申请实施例提供的高度信息检测方法的其中一个有利方面是：当无人机等类似的载具在飞行过程中发生倾斜，雷达的天线法线方向不与地面垂直时，能够对其进行修正，获得准确的高度信息。
本申请实施例提供的高度信息检测方法的另一个有利方面是：当雷达没有检测到地面目标信息时，可以结合运动信息计算高度相对变化量和历史高度信息的方式，对当前高度信息进行估计，确保基于雷达的高度检测方法在非垂直状态下也能够被使用。
基于本申请实施例提供的高度信息修正方法获得的修正后的高度信息，本申请实施例还提供了一种自动避障方法。该自动避障方法包括如下步骤：
首先，可以应用如上所述的一个或者多个实施例的高度信息修正方法计算获得较为精确的载具高度信息。然后，判断该高度信息是否小于预设的高度阈值。最后，在小于预设的高度阈值的情况下，触发避障警告。若没有小于预设的高度阈值，则可以继续保持无人机等载具的原有运行轨迹。
应当说明的是，该预设的高度阈值是一个经验性数值，可以由技术人员根据实际情况的需要而进行调整或者设置。在一些实施例中，还可以调整为其他合适的判断基准(例如，高度变化率阈值)，而不限于高度阈值。在另一些实施例中，触发避障警告还可以被替换为其他合适的避障操作，例如自动提升飞行高度或者改变航向轨迹等，以响应于高度信息的变化。
本申请实施例提供的自动避障方法的其中一个有利方面是：上述高度信息修正方法提供的点云数据之中排除了体积较小的非地面目标所对应的无效数据，由此计算获得的高度信息不会受到这些非地面目标的影响，避免了无人机等载具在进行自动避障过程中误触发避障警告和/或改变航行轨迹。
图8为本申请实施例提供的雷达数据筛选装置。该雷达数据筛选装置800包括：理论数据获取模块810，雷达数据获取模块820以及加权叠加模块830。
其中，理论数据获取模块810用于基于载具的运动信息，确定探测目标的理论状态信息。雷达数据获取模块820用于获取雷达对所述探测目标的观测状态信息；所述雷达被搭载在载具上。加权叠加830用于加权叠加所述理论状态信息和所述观测状态信息以筛选获得所述探测目标的精确状态信息。
在一些实施例中，该加权叠加模块830具体用于：基于观测状态信息和理论状态信息，迭代进行若干次卡尔曼滤波处理；输出每次卡尔曼滤波处理后获得的所述探测目标的状态信息估计值作为所述探测目标的精确状态信息。
图9a为本申请实施例提供的高度信息修正装置的功能框图。如图9a所示，该高度信息修正装置900可以包括：雷达数据获取模块910，理论数据获取模块920、数据修正模块930以及高度信息计算模块940。
其中，雷达数据获取模块910用于获取雷达的原始检测数据。所述原始检测数据包括：探测目标的观测状态信息。理论数据获取模块920用于基于载具的运动信息，计算所述探测目标的理论状态信息。所述雷达被搭载在所述载具上。数据修正模块930用于根据所述理论状态信息，通过卡尔曼滤波算法排除所述原始检测数据中的无效数据后，获得修正检测数据。高度信息计算模块940用于通过所述修正检测数据，确定所述载具的高度信息。
具体的，无效数据为非地面目标的观测状态信息。非地面目标为：经过时间小于预设阈值的探测目标；所述经过时间为所述载具经过所述探测目标所需要的时间。
在一些实施例中，数据修正模块930具体用于基于所述观测状态信息和理论状态信息，迭代进行若干次卡尔曼滤波处理；输出每次卡尔曼滤波处理后获得的所述探测目标的状态信息估计值作为所述修正检测数据。
具体的，所述理论状态信息包括：探测目标在三维坐标系中的位置信息、速度信息以及加速度信息；所述观测状态信息包括：被探测目标与雷达之间的距离信息、被探测目标相对于毫米波雷达的方向角信息、被探测目标相对于雷达的俯仰角信息以及被探测目标相对于雷达的径向速度信息。
在另一些实施例中，请参阅图9b，除了上述功能模块以外，该高度信息修正装置900还可以包括：倾角获取模块950，目标搜索模块960，高度计算模块970以及高度估算模块980。
其中，倾角获取模块950用于根据所述载具的姿态信息，确定所述雷达的倾角；目标搜索模块960用于判断在修正检测数据之中，是否存在处于搜索范围内的探测目标；所述搜索范围以所述倾角为基准，上下浮动允许误差而形成。高度计算模块970用于在搜索范围内存在探测目标时，选择与所述倾角最接近的探测目标为基准探测目标；并且根据所述基准探测目标的观测数据，计算所述载具当前的高度信息；高度估算模块980用于在搜索范围内不存在探测目标时，根据所述载具的运动信息和在先计算的高度信息，估算所述载具当前的高度信息。
具体的，所述雷达设置在所述载具与地面相接近的底部，所述雷达的倾角包括：作为所述雷达的方位角的所述载具的俯仰角；作为所述毫米波雷达的俯仰角的所述载具的翻滚角。
在一些实施例中，高度计算模块970具体用于：获取所述基准探测目标与所述雷达之间的距离，以及所述雷达的方位角；通过三角函数，基于所述基准探测目标与所述雷达之间的距离和所述方位角，计算所述载具当前的高度信息。
应当说明的是，本申请实施例中以功能性命名的功能模块为例，详细的描述了本申请实施例提供的装置所要实现的方法步骤。本领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。所述的计算机软件可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
图10示出了本申请实施例的电子设备的结构示意图，本申请实施例并不对电子设备的具体实现做限定。例如，可以是由图1所示的无人机所搭载的飞行控制器。
如图10所示，该电子设备可以包括：处理器(processor)1002、通信接口(Communications Interface)1004、存储器(memory)1006、以及通信总线1008。
其中：处理器1002、通信接口1004、以及存储器1006通过通信总线808完成相互间的通信。通信接口1004，用于与其它设备比如客户端或其它服务器等的网元通信。处理器1002，用于执行程序1010，具体可以执行上述高度信息修正方法和雷达数据筛选方法实施例中的相关步骤。
具体地，程序1010可以包括程序代码，该程序代码包括计算机操作指令。其具体可以用于使得处理器1002执行上述任意方法实施例中的高度信息修正方法。
在本申请实施例中，根据所使用的硬件的类型，处理器1002可以是中央处理单元(Central Processing Unit，CPU)，该处理器1002还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器1006用于存放程序1010。存储器1006可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器、闪存器件或者其他非易失性固态存储器件。
其具有程序存储区和数据存储区，分别用于存储程序1010及对应的数据信息。例如存储在程序存储区的非易失性软件程序、非易失性计算机可执行程序以及模块，或者是存储在数据存储区的运算处理结果、雷达数据以及飞行数据等。
本申请实施例还提供一种计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序。
其中，计算机程序被处理器执行时实现本申请实施例公开的高度信息修正方法中的一个或者多个步骤。完整的计算机程序产品体现在含有本申请实施例公开的计算机程序的一个或多个计算机可读存储介质上(包括但不限于，磁盘存储器、CD-ROM、光学存储器等)。
总结而言，本申请实施例一方面提出了基于卡尔曼滤波的雷达数据筛选方法。该数据筛选方法通过加权叠加的方式，结合无人机的飞行姿态信息来消除部分的雷达无效数据。基于该数据筛选方法而建立的高度信息修正方法当无人机的飞行经过一些导致雷达测高发生显著变化的异物时，若异物体积较小，即无人机可快速掠过的情况时，能够将其视作无效数据而避免高度信息的突变。而且，这样的无效数据排除方式也可以进一步将雷达受到的外界未知噪声干扰同时排除，消除由于噪声而产生的虚假目标而导致的高度信息突变。
本申请实施例另一方面提出了结合无人机飞行姿态信息对雷达的检测点进行修正的高度检测方法。该方法当无人机飞行中发生倾斜，雷达的天线法线方向不与地面垂直时，可以修正获得准确的高度信息。而且，当雷达没有检测到地面目标信息时，结合飞机姿态和历史高度信息对当前高度信息进行估计。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的范围。

Claims (22)

1.一种高度信息修正方法，其特征在于，包括：
获取雷达的原始检测数据；所述原始检测数据包括：探测目标的观测状态信息；
基于载具的运动信息，计算所述探测目标的理论状态信息；所述雷达被搭载在所述载具上；
结合所述理论状态信息，通过卡尔曼滤波算法排除所述原始检测数据中的无效数据后，获得修正检测数据；
通过所述修正检测数据，确定所述载具的高度信息；
其中，所述无效数据包括非地面目标的观测状态信息；所述非地面目标为经过时间小于预设阈值的探测目标；所述经过时间为所述载具经过所述探测目标所需要的时间。
2.根据权利要求1所述的方法，其特征在于，所述结合所述理论状态信息，通过卡尔曼滤波算法排除所述原始检测数据中的无效数据后，获得修正检测数据，具体包括：
基于所述观测状态信息和理论状态信息，迭代进行若干次卡尔曼滤波处理；
输出每次卡尔曼滤波处理后获得的所述探测目标的状态信息估计值作为所述修正检测数据。
3.根据权利要求2所述的方法，其特征在于，所述无效数据还包括：外部噪声形成的虚假探测目标的观测状态信息。
4.根据权利要求2所述的方法，其特征在于，所述卡尔曼滤波处理包括：
以上一次的卡尔曼滤波处理后获得的状态信息估计值为基础，通过预设的第一转换关系，计算所述理论状态信息的先验估计值；
以上一次的卡尔曼滤波处理后获得的状态向量估计误差协方差矩阵为基础，计算当前的状态向量估计误差协方差矩阵；
根据预设的第二转换关系，计算所述先验估计值与所述观测状态信息之间的残差；
根据所述当前的状态向量估计误差协方差矩阵、所述先验估计值以及所述观测状态信息，计算卡尔曼增益系数；
根据所述卡尔曼增益系数，对所述当前的状态向量估计误差协方差矩阵进行更新，以及
以所述卡尔曼增益系数为权重系数，加权叠加所述残差和所述理论状态信息的先验估计值，以获得所述状态信息估计值。
5.根据权利要求4所述的方法，其特征在于，所述理论状态信息包括：探测目标在三维坐标系中的位置信息、速度信息以及加速度信息；
所述观测状态信息包括：探测目标与雷达之间的距离信息、探测目标相对于雷达的方向角信息、探测目标相对于雷达的俯仰角信息以及探测目标相对于雷达的径向速度信息。
6.根据权利要求4所述的方法，其特征在于，所述第一转换关系基于所述载具的加速度模型建立；所述第二转换关系为：经过线性化处理后的所述理论状态信息与观测状态信息之间的对应关系。
7.根据权利要求6所述的方法，其特征在于，在计算所述理论状态信息的先验估计值时，所述方法还包括：
通过所述载具的加速度信息，修正所述理论状态信息的先验估计值。
8.根据权利要求4所述的方法，其特征在于，所述第一转换关系通过如下算式表示：
Sapr(k)＝FS(k-1)
其中，Sapr(k)为所述探测目标的理论状态信息的先验估计值，S(k-1)为上一次卡尔曼滤波处理后获得的状态信息估计值；F为状态转换矩阵；
其中，所述探测目标的理论状态信息通过如下算式表示：
其中，x(k)，y(k)，z(k)分别是探测目标在笛卡尔坐标系中的三维坐标，x(k)，y(k)，z(k)的一阶导数为分别是探测目标在三个坐标轴上的速度，x(k)，y(k)，z(k)的二阶导数则为分别是探测目标在三个坐标轴上的加速度；
所述状态转换矩阵通过如下算式表示：
9.根据权利要求4所述的方法，其特征在于，所述第二转换关系通过如下算式表示：
u(k)＝H(Sapr(k))+JH(Sapr(k))[S(k)-Sapr(k-1)]+v(k)
其中，u(k)为所述探测目标的观测状态信息；S(k)为所述探测目标的理论状态信息；Sapr(k)为所述先验估计值；Sapr(k-1)为上一次卡尔曼滤波处理后获得的状态信息估计值；H(.)为从理论状态信息转换到观测状态信息的测量矩阵；v(k)为测量噪声协方差矩阵；
其中，所述探测目标的观测状态信息通过如下算式表示：
其中，r(k)为雷达与探测目标之间的距离，为探测目标相对于雷达的方向角，θ(k)为探测目标相对于雷达的俯仰角，r(k)的一阶导数为探测目标相对于雷达的径向速度；
所述测量矩阵通过如下算式表示：
JH由泰勒级数展开获得，通过如下算式表示：
其中，x，y，z分别表示探测目标在三维坐标系中的位置信息；r表示探测目标与雷达之间的距离信息；x，y，z的一阶导数分别表示探测目标在三维坐标系中的速度信息。
10.根据权利要求9所述的方法，其特征在于，所述以上一次的卡尔曼滤波处理后更新的状态向量估计误差协方差矩阵为基础，计算当前的状态向量估计误差协方差矩阵，具体包括：
通过如下算式计算所述当前的协方差矩阵：
Papr(k)＝FP(k-1)FT+Q(k-1)
其中，Paqr(k)为当前的状态向量估计误差协方差矩阵；P(k-1)为上一次的卡尔曼滤波处理后更新的状态向量估计误差协方差矩阵；Q(k-1)为过程噪声协方差矩阵；
所述根据所述卡尔曼增益系数，对所述当前的状态向量估计误差协方差矩阵进行更新，具体包括：
通过如下算式对所述当前的状态向量估计误差协方差矩阵进行更新：
P(k)＝Papr(k)-K(k)JH(Sapr(k))Papr(k)
其中，P(k)为更新后的状态向量估计误差协方差矩阵，K(k)为所述卡尔曼增益系数，Paqr(k)为当前的状态向量估计误差协方差矩阵，Sapr(k)为所述先验估计值。
11.根据权利要求9所述的方法，其特征在于，所述根据所述当前的状态向量估计误差协方差矩阵、所述先验估计值以及所述观测状态信息，计算卡尔曼增益系数，具体包括：
通过如下算式计算所述卡尔曼增益系数：
其中，Paqr(k)为当前的状态向量估计误差协方差矩阵，Saqr(k)为所述先验估计值，R(k)为测量噪声协方差矩阵。
12.根据权利要求9所述的方法，其特征在于，所述根据预设的第二转换关系，计算所述先验估计值与所述观测状态信息之间的残差，具体包括：
通过如下算式计算所述先验估计值与所述观测状态信息之间的残差：
y(k)＝u(k)-H(Sapr(k))
其中，y(k)为所述残差，u(k)为所述探测目标的观测状态信息，Saqr(k)为所述先验估计值；H(.)为从理论状态信息转换到观测状态信息的测量矩阵；
所述以所述卡尔曼增益系数为权重系数，加权叠加所述残差和所述先验估计值，以获得所述探测目标的状态信息估计值，具体包括：
通过如下算式计算所述探测目标的状态信息估计值：
S(k)＝Sapr(k)＝K(k)y(k)
其中，S(k)为所述状态信息估计值；K(k)为所述卡尔曼增益系数；Saqr(k)为所述先验估计值，y(k)为所述残差。
13.根据权利要求1-12任一项所述的方法，其特征在于，所述通过所述修正检测数据，确定所述载具的高度信息，具体包括：
根据所述载具的姿态信息，确定所述雷达的倾角；
判断在所述修正检测数据中，是否存在处于搜索范围内的探测目标；所述搜索范围以所述倾角为基准，上下浮动允许误差而形成；
若是，在所述搜索范围内，选择与所述倾角最接近的探测目标为基准探测目标；
根据所述基准探测目标的观测状态信息，计算所述载具当前的高度信息；
若否，根据所述载具的运动信息和在先计算的高度信息，估算所述载具当前的高度信息。
14.根据权利要求13所述的方法，其特征在于，所述雷达设置在所述载具与地面相接近的底部；
所述根据载具的姿态信息，确定所述雷达的倾角，具体包括：
获取所述载具的俯仰角作为所述雷达的方位角，并且
获取所述载具的翻滚角作为所述雷达的俯仰角。
15.根据权利要求14所述的方法，其特征在于，所述方法还包括：
获取所述载具的四元数；
将所述四元数转化为欧拉角，以获取所述载具的俯仰角和翻滚角。
16.根据权利要求14所述的方法，其特征在于，所述根据所述基准探测目标的观测状态信息，计算所述载具当前的高度信息，具体包括：
获取所述基准探测目标与所述雷达之间的距离，以及所述雷达的方位角；
通过三角函数，基于所述基准探测目标与所述雷达之间的距离和所述方位角，计算所述载具当前的高度信息。
17.根据权利要求16所述的方法，其特征在于，通过如下算式计算所述载具当前的高度信息：
H＝R cosβ
其中，H为所述载具当前的高度信息，R为所述基准探测目标与所述雷达之间的距离，β为所述雷达的方位角。
18.根据权利要求14所述的方法，其特征在于，所述根据所述载具的运动信息和在先计算的高度信息，估算所述载具当前的高度信息，具体包括：
通过如下算式，估算所述载具当前的高度信息：
H(k)＝H(k-1)+vt+0.5at2
其中，H(k)为所述载具当前的高度信息，H(k-1)为所述在先计算的高度信息；v为所述载具在高度方向上的速度；a为所述载具在高度方向上的加速度；t为H(k)和H(k-1)之间经过的时间。
19.一种自动避障方法，其特征在于，包括：
通过如权利要求1-18任一项所述的高度信息修正方法，确定载具的高度信息；
在所述载具的高度信息小于预设的高度阈值时，触发避障警告。
20.一种高度信息修正装置，其特征在于，包括：
雷达数据获取模块，用于获取雷达的原始检测数据；所述原始检测数据包括：探测目标的观测状态信息；
理论数据获取模块，用于基于载具的运动信息，计算所述探测目标的理论状态信息；所述雷达被搭载在所述载具上；
数据修正模块，用于根据所述理论状态信息，通过卡尔曼滤波算法排除所述原始检测数据中的无效数据后，获得修正检测数据；
高度信息计算模块，用于通过所述修正检测数据，确定所述载具的高度信息；
其中，所述无效数据为非地面目标的观测状态信息；所述非地面目标为：经过时间小于预设阈值的探测目标；所述经过时间为所述载具经过所述探测目标所需要的时间。
21.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-18中任一项所述的高度信息修正方法和/或如权利要求19所述的自动避障方法。
22.一种无人机，其特征在于，包括：
机身；所述机身与地面相接近的底部设置有雷达；
机臂，与所述机身相连；
动力装置，设于所述机臂，用于给所述无人机提供飞行的动力；以及
飞行控制器，所述飞行控制器设于所述机身，与所述雷达通信连接；其中，所述飞行控制器被配置为：执行如权利要求1-18中任一项所述的高度信息修正方法和/或权利要求19所述的自动避障方法。
CN202210775592.9A 2022-07-01 2022-07-01 高度信息修正方法、其装置、电子设备及无人机 Pending CN117368871A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210775592.9A CN117368871A (zh) 2022-07-01 2022-07-01 高度信息修正方法、其装置、电子设备及无人机
EP23182802.1A EP4300136A1 (en) 2022-07-01 2023-06-30 Automatic obstacle avoidance method, electronic device, and unmanned aerial vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210775592.9A CN117368871A (zh) 2022-07-01 2022-07-01 高度信息修正方法、其装置、电子设备及无人机

Publications (1)

Publication Number Publication Date
CN117368871A true CN117368871A (zh) 2024-01-09

Family

ID=87060634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210775592.9A Pending CN117368871A (zh) 2022-07-01 2022-07-01 高度信息修正方法、其装置、电子设备及无人机

Country Status (2)

Country Link
EP (1) EP4300136A1 (zh)
CN (1) CN117368871A (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170010350A1 (en) * 2015-07-10 2017-01-12 Honeywell International Inc. Systems and methods for load aware radar altimeters
WO2019119240A1 (zh) * 2017-12-18 2019-06-27 深圳市大疆创新科技有限公司 无人机控制方法及无人机
CN112985456A (zh) * 2019-12-16 2021-06-18 上海航空电器有限公司 一种融合机载测高数据及地形数据的导航定位修正方法
CN111638514B (zh) * 2020-06-19 2023-08-04 四川陆垚控制技术有限公司 无人机测高方法及无人机导航滤波器

Also Published As

Publication number Publication date
EP4300136A1 (en) 2024-01-03

Similar Documents

Publication Publication Date Title
US10527720B2 (en) Millimeter-wave terrain aided navigation system
US20200265730A1 (en) Terrain prediction method, device and system, and unmanned aerial vehicle
CN110221625B (zh) 无人机精确位置的自主降落导引方法
CN111183370B (zh) 车辆传感器的校准和定位
KR20210111180A (ko) 위치 추적 방법, 장치, 컴퓨팅 기기 및 컴퓨터 판독 가능한 저장 매체
CN112154356B (zh) 点云数据处理方法及其装置、激光雷达、可移动平台
US20110307126A1 (en) Measuring of a landing platform of a ship
US20180350086A1 (en) System And Method Of Dynamically Filtering Depth Estimates To Generate A Volumetric Map Of A Three-Dimensional Environment Having An Adjustable Maximum Depth
CN110554376A (zh) 用于运载工具的雷达测程法
CN114599995A (zh) 根据静止路边对象的雷达回波估计面内速度
CN107783106A (zh) 无人机与障碍物之间的数据融合方法
CN109828274A (zh) 调整机载雷达的主探测方向的方法、装置和无人机
CN111508282B (zh) 低空无人机农田作业飞行障碍物冲突检测方法
WO2021168708A1 (zh) 用于可移动平台的控制方法、可移动平台、设备和存储介质
CN110531781B (zh) 一种确定架空输电线路与民用无人机安全距离的方法
CN112306078A (zh) 一种无人机自动避障导线的方法及系统
CN114074693A (zh) 多传感器融合的列车定位方法、装置、定位系统及列车
CN117368871A (zh) 高度信息修正方法、其装置、电子设备及无人机
CN115033026B (zh) 搭载云台的斜侧装无人机毫米波雷达避障和定高方法
CN117370626A (zh) 雷达数据筛选方法、高度检测方法、其装置、电子设备及无人机
CN110892286A (zh) 连续波雷达的地形预测方法、装置、系统和无人机
US20220091252A1 (en) Motion state determining method and apparatus
CN116301006A (zh) 一种基于强化学习的无人机约束适配控制系统及方法
US20210199798A1 (en) Continuous wave radar terrain prediction method, device, system, and unmanned aerial vehicle
CN104792336B (zh) 一种飞行状态测量方法及装置

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