CN117516547A - 一种无人艇载雷达位姿补偿装置及方法 - Google Patents
一种无人艇载雷达位姿补偿装置及方法 Download PDFInfo
- Publication number
- CN117516547A CN117516547A CN202311725586.3A CN202311725586A CN117516547A CN 117516547 A CN117516547 A CN 117516547A CN 202311725586 A CN202311725586 A CN 202311725586A CN 117516547 A CN117516547 A CN 117516547A
- Authority
- CN
- China
- Prior art keywords
- radar
- data
- unmanned ship
- compensation
- axis
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 34
- 230000008859 change Effects 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 10
- 206010034719 Personality change Diseases 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 3
- 230000000087 stabilizing effect Effects 0.000 abstract description 3
- 230000010485 coping Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- 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
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
-
- 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种无人艇载雷达位姿补偿装置及方法,属于海面目标探测领域。为解决仅利用机械补偿在不同海况背景下平稳装置应对能力有限,多自由度数据间的内在关系难以兼顾考虑的问题。构建x‑y‑z三维度支架机构,并将电子水平仪、陀螺仪、角速度计等分布式布置,实现对晃动条件下平台数据获取,进一步分析不同海浪、风速风力条件下的三维度运动数据,绘制、拟合三自由度曲线,并进行协同预测,以实现对无人艇姿态的预测、矫正,并进一步利用连杆控制装置,带动电机实现对平台的稳健补偿。本发明将大大缩减无人艇载雷达设备的调试时间,增强雷达数据处理的稳健性和跟踪、探测精度,具有较广阔的市场前景。
Description
技术领域
本发明涉及海面目标探测技术领域,具体而言,涉及一种无人艇载雷达位姿补偿装置及方法。
背景技术
目前,现有专利多聚焦于波浪补偿装置机构设计,如一种多自由度波浪补偿并联平台及工作方法(专利号:CN202310170678.3);一种具有波浪补偿功能的船用实验平台(专利号:CN202210262421.6)和一种六自由度波浪补偿平台(专利号:CN201810108376.2),但其机械补偿能力有限,忽视了不同海浪、风速风力条件下的三维度运动数据内在关系,同时也忽视数据处理方法对于位姿补偿的重要性,导致不同海况背景下平稳装置应对能力有限,多自由度数据间的内在关系难以兼顾考虑。
发明内容
本发明要解决的技术问题是:
为了解决现有波浪补偿装置仅利用机械补偿,在不同海况背景下平稳装置应对能力有限,多自由度数据间的内在关系难以兼顾考虑的问题。
本发明为解决上述技术问题所采用的技术方案:
本发明提供了一种无人艇载雷达位姿补偿装置,包括三维度支架,所述三维度支架包括雷达托盘和底座,所述雷达托盘与底座通过分别沿x轴、y轴和z轴方向设置的连杆控制结构连接,沿z轴设置的连杆控制结构的数量为一个,且位于雷达托盘和底座的中心处,沿x轴和y轴设置的连杆控制结构的数量分别为偶数个,沿x轴和y轴设置的连杆控制结构均分的设置在雷达托盘和底座的外沿处,用于控制雷达托盘沿x轴、y轴和z轴方向翻动和上下移动,所述底座用于固定在无人艇甲板上,所述连杆控制结构包括两端的虎克铰中间的伸缩连杆,连杆控制结构两端的虎克铰分别与雷达托盘和底座连接,所述底座上端面中心处设有运动传感器,所述运动传感器用于记录无人艇在海面浪涌晃动下沿x轴、y轴和z轴三个维度的运动数据,所述雷达托盘上设有监测雷达、电子水平仪、风速计和报警装置。
进一步地,沿x轴和y轴设置的连杆控制结构的数量分别为两个,且均位于雷达托盘和底座的外沿处;还包括雷达固定装置,所述雷达固定装置固定在雷达托盘的中心处,所述监测雷达固定在雷达固定装置上,所述监测雷达和报警装置可设置在雷达固定装置内。
进一步地,还包括数据处理装置、数据存储装置和电源,所述数据处理装置包括控制器,所述控制器内含有用于将运动传感器记录的三维度运动数据拟合三条自由度曲线并打包为数据帧发送给数据存储装置和远程终端的数据处理算法,所述控制器的输入端分别与监测雷达、电子水平仪和风速计连接,控制器的输出端分别与报警装置和沿x轴、y轴和z轴方向设置的连杆控制结构连接,用于通过控制器控制连杆控制结构(11)进行机械补偿。
进一步地,所述监测雷达可为79GHz高分辨率相控阵毫米波雷达,所述电子水平仪可为数字高精度电子水平仪,所述运动传感器可为六轴加速度陀螺仪,所述六轴加速度陀螺仪包括三轴数字加速度计和三轴数字陀螺仪。
一种无人艇载雷达位姿补偿方法,包括以下步骤:
步骤一、将雷达位姿补偿装置固定在测试用无人艇甲板上,底座与无人艇甲板平行,并随实际海面风浪分别沿x轴、y轴和z轴方向摆动,待运动传感器收集到一个周期内无人艇以及底座的三维运动数据之后,通过数据处理装置对三维运动数据进行预处理;
步骤二、通过对步骤一中预处理后的三维运动数据进行拟合,得到三条自由度曲线,结合不同海浪条件和风速风力条件,对这三条曲线进行分析,寻找三条曲线的共同点以及在不同环境变量下的差异性;
步骤三、分别对三条自由度曲线运动数据进行预测和更新,根据前一时刻x轴、y轴和z轴的运动数据来预测下一时刻无人艇随海浪的运动趋势,即无人艇姿态随海浪起伏变动的预测估值;
步骤四、利用无人艇姿态的预测估值,采用雷达数据自身补偿的方式或机械辅助补偿和雷达数据自身补偿相结合的方式对下一帧的雷达数据进行矫正,将经过矫正的雷达数据与实际观测数据进行对比,评估雷达补偿的准确性,后续再根据对比结果进行调整。
进一步地,在步骤一中,具体包括:
S1、确定当前实验的地点和时间周期,以及需要监测的无人艇和底座,每隔一定时间间隔进行一次数据采集,按照预定的时间间隔和检测周期,通过运动传感器获取沿x轴、y轴和z轴方向摆动的运动数据,将收集到的运动数据记录下来,对收集到的数据进行预处理或去除粗大误差;
S2、预处理或去除粗大误差的方法为3σ准则,对一组监测数据进行计算处理得到数据标准偏差σ和均值μ,获得数据的取值区间,将超出区间的数值定义为随机误差并去除,得到预处理后的三维运动数据。
进一步地,在步骤二中,具体包括:
S1、对预处理后的三维运动数据进行拟合,得到三条自由度曲线,
给定一组数据(xi,yi),假设其拟合的多项式为n次多项式:
其中,a0,a1,…,an为待确定的拟合参数;
对于每个xi,通过n次多项式计算的值和yi之间的差值的最小平方和作为各阶参数的最优解:
对等式右边的ai求偏导,获得矩阵形式:
简化为XA=Y,得到系数矩阵A;
S2、分析三条自由度曲线共同点及差异性,
通过观察在同一时间周期内,x轴、y轴和z轴方向上同一时刻的起伏变化规律来确定海浪对无人艇的影响,所述起伏变化规律为曲线的振幅和频率;通过观察曲线的相位差可推断不同自由度之间的时间延迟,根据测试地点、天气、风速、风向和测试无人艇的不同,分析三条自由度曲线在不同环境变量下的差异性,通过比较不同风速和风向条件下的曲线形状和振幅,得到三条自由度曲线的差异性。
进一步地,在步骤三中,具体包括:
已知上一时刻某一方向的状态或者状态初值X0|0,得到k时刻状态预测方程:
其中,Fk|k-1为系统的运动转移矩阵,B为控制矩阵,uk为控制向量;
的协方差矩阵为:
Pk|k-1=Fk|k-1Pk-1|k-1FT k|k-1 (5)
在状态转移过程中,将不确定性定义为过程噪声矩阵Qk,获得k时刻状态预测误差协方差矩阵:
Pk|k-1=Fk|k-1Pk-1|k-1FT k|k-1+Qk (6)
其中,Pk-1|k-1为上一时刻的误差协方差矩阵,Qk为外部干扰产生的噪声源;
所述更新过程为利用当前时刻系统输出的测量值对预测阶段的估计值进行修正,得到当前时刻的后验估计值;
卡尔曼增益K为状态最优估计过程中模型预测误差与测量误差的比重,当前k时刻的卡尔曼增益K为:
其中,Hk为状态观测矩阵;
根据状态变量的预测值和实际测量值Zk,计算当前k时刻状态最优解:
其中,Zk是k时刻的实际测量值,其公式为:
其中,为测量噪声;
当前k时刻更新误差协方差矩阵:
Pk|k=(I-KHk)Pk|k-1 (10)。
进一步地,在步骤四中,具体包括:
S1、获取下一帧监测雷达的数据,并记录时间戳,将下一帧雷达数据按照时间分割成若干个连续的数据片段,并将雷达数据中目标点或回波的位置坐标从雷达坐标系转换到无人艇坐标系,设雷达坐标系下目标点的位置坐标为(xr,yr,zr),无人艇坐标系下目标点的位置坐标为(xs,ys,zs),则有:
其中,R为旋转矩阵,表示雷达坐标系相对于无人艇坐标系的旋转;(tx,ty,tz)为平移向量,表示雷达坐标系相对于无人艇坐标系的平移;
S2、使用步骤三中所述无人艇姿态的预测估值,根据时间戳,计算下一帧无人艇姿态随海浪起伏变动的预测估值相对于无人艇静止状态下的姿态变化量,则无人艇姿态变化量Δθ为:
Δθ=θP-θS (12)
其中,θP为预测的无人艇姿态,θS为无人艇静止状态下的姿态;
根据姿态变化量,对下一帧的雷达数据进行矫正,可采用目标运动矫正,即根据无人艇姿态的预测估值和目标点的运动模式,推断目标点在下一帧中的位置,然后将雷达数据中的目标点位置进行调整,使其与预测位置一致,目标运动矫正后的目标点位置(x′,y′,z′)为:
其中,Δθx、Δθy和Δθz为无人艇姿态变化量;
计算姿态变化量相对于无人艇静止状态下姿态的变化百分比,并分别记录不同海况、风力下所对应的变化百分比以及雷达数据自身补偿的准确性和可靠性,设置不同的补偿等级,根据历史变化百分比数据推断得到两个的补偿等级,为第一补偿等级时,采用雷达数据自身补偿的方式进行补偿;为第二补偿等级时,采用机械辅助补偿和雷达数据自身补偿相结合的方式进行补偿;所述机械结构补偿是根据上述无人艇姿态变化量的20%进行补偿;
S3、将调整后的目标点位置坐标从无人艇坐标系转换回雷达坐标系;
S4、将矫正后的雷达数据与实际观测数据进行对比,计算矫正后数据与实际观测数据之间的差异,利用计算均方根误差或相关性系数,以评估矫正的准确性,所述均方根误差RMSE公式和相关性系数ρ公式为:
其中,为矫正后的雷达数据与实际观测数据之间的偏差,N为数据长度,为矫正后的雷达数据与实际观测数据的协方差,σ为标准差;
若评估结果显示矫正后数据与实际观测数据之间差异大于10%,在下一次数据矫正中将姿态变化量调整为:
Δθ′=(1+α)Δθ (17)
其中,Δθ′为调整后的姿态变化量,Δθ为原姿态变化量,α为数据差异百分比。
进一步地,当风速小于4级、风力小于8.0m/s所对应的浪高约小于1.2-1.5m时为第一补偿等级;当风速大于4级、风力大于8.0m/s所对应的浪高约大于1.2-1.5m时为第二补偿等级。
相较于现有技术,本发明的有益效果是:
本发明一种无人艇载雷达位姿补偿装置及方法,构建x-y-z三维度支架机构,并将电子水平仪、陀螺仪、角速度计等分布式布置,实现对晃动条件下平台数据获取,进一步分析不同海浪、风速风力条件下的三维度运动数据,绘制、拟合三自由度曲线,并进行协同预测,以实现对无人艇姿态的预测、矫正,并进一步利用连杆控制装置,带动电机实现对平台的稳健补偿;通过设置两种补偿等级,可实现监测雷达的自身补偿,也可实现监测雷达与机械控制的联合补偿,适用于不同的海面情况,灵活性更佳;
本发明一种无人艇载雷达位姿补偿装置及方法,该技术旨在显著缩短无人艇搭载雷达设备的调试时间,这一装置不仅提供了高效的调试手段,而且通过优化雷达数据处理,进一步增强了系统的稳健性,同时提升雷达数据处理的稳健性以及跟踪与探测的精度,通过对雷达的位姿进行实时而精准的补偿,雷达系统能够更准确地感知周围环境,从而使其在复杂或变化迅速的情境下表现出色,为无人艇载探测领域带来更可靠的解决方案,具备广泛的市场前景。
附图说明
图1为本发明实施例中一种无人艇载雷达位姿补偿装置的立体图;
图2为本发明实施例中三维度支架的立体图;
图3为本发明实施例中拟合的三条自由度曲线图;
图4为本发明实施例中一种无人艇载雷达位姿补偿方法的流程图。
附图标记说明:
11、连杆控制结构;21、雷达托盘;22、监测雷达;23、电子水平仪;24、雷达固定装置;25、风速计;31、运动传感器;32、通信装置;33、报警装置;34、电源。
具体实施方式
在本发明的描述中,应当说明的是,各实施例中的术语名词例如“上”、“下”、“前”、“后”、“左”、“右”等指示方位的词语,只是为了简化描述基于说明书附图的位置关系,并不代表所指的元件和装置等必须按照说明书中特定的方位和限定的操作及方法、构造进行操作,该类方位名词不构成对本发明的限制。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
具体实施方案一:结合图1和图2所示,本发明提供一种无人艇载雷达位姿补偿装置,包括三维度支架,所述三维度支架包括雷达托盘21和底座,所述雷达托盘21与底座通过分别沿x轴、y轴和z轴方向设置的连杆控制结构11连接,沿z轴设置的连杆控制结构11的数量为一个,且位于雷达托盘21和底座的中心处,沿x轴和y轴设置的连杆控制结构11的数量分别偶数个,沿x轴和y轴设置的连杆控制结构11均分的设置在雷达托盘21和底座的外沿处,用于控制雷达托盘21沿x轴、y轴和z轴方向翻动和上下移动,所述底座用于固定在无人艇甲板上,所述连杆控制结构11包括两端的虎克铰中间的伸缩连杆,连杆控制结构11两端的虎克铰分别与雷达托盘21和底座连接,所述底座上端面中心处设有运动传感器31,所述运动传感器31用于记录无人艇在海面浪涌晃动下沿x轴、y轴和z轴三个维度的运动数据,所述雷达托盘21上设有监测雷达22、电子水平仪23、风速计25和报警装置33。
三维坐标系的构建方法如图2所示,以沿z轴设置的连杆控制结构11与底座连接处为原点。
优选地,还包括雷达固定装置24,所述雷达固定装置24固定在雷达托盘21的中心处,所述监测雷达22固定在雷达固定装置24上,起到防止平台摆动引起监测雷达22侧翻的作用,所述雷达固定装置24可为透明壳体,所述监测雷达22和报警装置33可设置在透明壳体内,便于进行观察。
优选地,还包括数据处理装置、数据存储装置和电源34,所述数据处理装置包括控制器,所述控制器内含有用于将运动传感器31记录的三维度运动数据拟合三条自由度曲线并打包为数据帧发送给数据存储装置和远程终端的数据处理算法,所述控制器的输入端分别与监测雷达22、电子水平仪23和风速计25连接,控制器的输出端分别与报警装置33和沿x轴、y轴和z轴方向设置的连杆控制结构11连接,可实现连杆控制结构11的伸缩和角度转动;用于通过数据处理方法对监测雷达22获取的三维运动数据拟合为三条自由度曲线,打包为数据帧发送至数据存储装置和远程终端,对三条自由度曲线在不同海浪条件和风速风力条件下分析共同性和各自差异性;通过控制器判断风速计25发送的风速信息是否超过设计的阈值,若是,则发送信号至监测雷达22和沿x轴、y轴和z轴方向设置的连杆控制结构11进行海浪补偿;若不是,则进行监测雷达22自身补偿;通过控制器判断电子水平仪23发送的雷达托盘21偏转角是否超过设计的阈值,若是,则通过控制器将信号发送至报警装置33进行预警。
优选地,所述监测雷达22可为79GHz高分辨率相控阵毫米波雷达;
所述电子水平仪23可为数字高精度电子水平仪23;
所述运动传感器31可为六轴加速度陀螺仪,包含了三轴数字加速度计和三轴数字陀螺仪,具有极低功耗数字芯片以及内置电源34调节器,可记录三维度支架在海面浪涌晃动下沿x轴、y轴和z轴三个维度的运动数据,并发送三维度运动数据到数据处理单元;
所述数据处理装置内含有串行通信模块,所述串行通信模块可为RS232或RS485;所述数据存储装置可为大容量机械硬盘和云储存装置,用于将监测的数据通过云储存模块进行备份,并将数据帧储存在大容量机械硬盘中,为后续的分析和处理提供数据来源,存储内容为六轴加速度陀螺仪、电子水平仪23的监测数据;
所述监测雷达22与控制器通过有线电缆连接,用于控制器接收数据处理模块发送的数据帧,再发送数据帧到监测雷达22,以矫正因无人艇摆动引起的数据偏移和数据丢失等问题;所述电子水平仪23与远程终端通过通信装置32连接,所述通信装置32可为蓝牙,即可描述为通过无线连接。
优选地,所述雷达托盘21的偏转角度阈值可为10°,所述报警装置33与远程终端无线连接,用于将因风浪较大或其他非人为因素引起的雷达检测平台异常偏转时进行及时报警,报警信息通过无线通讯方式实时显示在远程智能终端上。
优选地,所述电源34分别与监测雷达22、电子水平仪23、风速计25、运动传感器31、数据处理装置、数据存储装置和报警装置33连接,所述电源34可为24V移动电源或大容量蓄电池。
具体实施方案二:结合图3和图4所示,本发明提供一种无人艇载雷达位姿补偿方法,包括以下步骤:
步骤一、将雷达位姿补偿装置固定在测试用无人艇甲板上,雷达检测平台需与无人艇甲板平行,并随实际海面风浪分别沿x轴、y轴和z轴方向摆动,待运动传感器31收集到一个周期内无人艇以及雷达监测平台的三维运动数据之后,通过数据处理装置对三维运动数据进行预处理;
具体包括,
S1、确定当前实验的地点和时间周期,以及需要监测的无人艇和雷达监测平台,每隔5秒进行一次数据采集,检测周期可为5分钟,按照预定的时间间隔和检测周期,通过运动传感器31获取沿x轴、y轴和z轴方向摆动的运动数据,将收集到的运动数据记录下来,对收集到的数据进行预处理或去除粗大误差;
S2、所述预处理或去除粗大误差的方法为3σ准则,是假设一组监测数据只含有随机误差的情况下,对一组监测数据进行计算处理得到数据标准偏差σ和均值μ,获得数据的取值区间,将超出区间的数值定义为随机误差并去除,得到预处理后的三维运动数据;
如,数据的取值基本上全部集中在(μ-3σ,μ+3σ)区间内,超出±3σ以外的概率只有0.0027,在有限次测量中发生的可能性很小,可认为监测数据凡超过±3σ就不属于正常情况下的随机误差,应去除含有该误差的数据;
步骤二、通过对步骤一中预处理后的三维运动数据进行拟合,得到三条自由度曲线,结合不同海浪条件和风速风力条件,对这三条曲线进行分析,寻找三条曲线的共同点以及在不同环境变量下的差异性;
具体包括,
S1、对预处理后的三维运动数据进行拟合,得到三条自由度曲线,
给定一组数据(xi,yi),假设其拟合的多项式为n次多项式:
其中,a0,a1,…,an为待确定的拟合参数;
为了求取各阶参数的最优解,对于每个xi,通过n次多项式计算的值和yi之间的差值的平方和应该最小:
对等式右边的ai求偏导,把得到的等式表示成矩阵形式:
可以简化为XA=Y,便可得到系数矩阵A;
S2、分析三条自由度曲线共同点及差异性,
通过观察在同一时间周期内,x轴、y轴和z轴方向上同一时刻的起伏变化规律,即曲线的振幅和频率来确定海浪对无人艇的影响,较平静的风浪条件对应于较小的振幅和较低的频率,而在较大的风浪条件下,振幅会随之增大且频率可能随之增加;
此外通过观察曲线的相位差可以推断不同自由度之间的时间延迟,将这三条自由度曲线所具有的共同点记录下来,根据测试地点、天气、风速、风向和测试无人艇的不同,分析三条自由度曲线在不同环境变量下的差异性,例如在较强的侧风条件下,横摇和垂荡的程度会随风速变化而变化,而在逆风或顺风条件下,纵摇受风速影响较大;通过比较不同风速和风向条件下的曲线形状和振幅,得到三条自由度曲线的差异性,以便于后续测试工作的分析和处理;
所述垂荡、横摇和纵摇的解释为:艇舶的艏-艉(前后)方向称纵向,用X来表示,左-右舷(左右)方向称横向,用Y来表示,艇的上甲板-艇舱底(上下)方向称垂直方向,用Z来表示,上下方向的晃动称为垂荡,左右方向摇摆叫横摇,前后方向摇摆叫纵摇;
步骤三、分别对三条自由度曲线运动数据进行预测和更新,根据前一时刻x轴、y轴和z轴的运动数据来预测下一时刻无人艇随海浪的运动趋势,即无人艇姿态随海浪起伏变动的预测估值;
所述预测与更新过程为卡尔曼滤波预测算法,其优势在于只需要上一状态预测结果的误差协方差矩阵就可以进行预测,所述预测过程为根据上一时刻的后验估计值对当前时刻的系统状态进行预测,从而得到先验估计值;
具体包括,
已知上一时刻某一方向的状态或者状态初值X0|0,得到k时刻状态预测方程:
其中,Fk|k-1为系统的运动转移矩阵,B为控制矩阵,uk为控制向量;
的协方差矩阵为:
在状态转移过程中,将不确定性定义为过程噪声矩阵Qk,由于得到k时刻状态预测误差协方差矩阵:
其中,Pk-1|k-1为上一时刻的误差协方差矩阵,Qk为外部干扰产生的噪声源;
所述更新过程为利用当前时刻系统输出的测量值对预测阶段的估计值进行修正,得到当前时刻的后验估计值;
卡尔曼增益K为状态最优估计过程中模型预测误差与测量误差的比重,当前k时刻的卡尔曼增益K为:
其中,Hk为状态观测矩阵;
根据状态变量的预测值和实际测量值Zk,计算当前k时刻状态最优解:
其中,Zk是k时刻的实际测量值,其公式为:
其中,为测量噪声;
当前k时刻更新误差协方差矩阵:
Pk|k=(I-KHk)Pk|k-1 (10)
步骤四、利用无人艇姿态的预测估值,采用雷达数据自身补偿的方式或机械辅助补偿和雷达数据自身补偿相结合的方式对下一帧的雷达数据进行矫正,将经过矫正的雷达数据与实际观测数据进行对比,评估雷达补偿的准确性,后续再根据对比结果进行调整,进一步提高矫正数据的可靠性;
具体包括,
S1、获取下一帧监测雷达22的数据,并记录时间戳,将下一帧雷达数据按照时间分割成若干个连续的数据片段,并将雷达数据中目标点或回波的位置坐标从雷达坐标系转换到无人艇坐标系,设雷达坐标系下目标点的位置坐标为(xr,yr,zr),无人艇坐标系下目标点的位置坐标为(xs,ys,zs),则有:
其中,R为旋转矩阵,表示雷达坐标系相对于无人艇坐标系的旋转;(tx,ty,tz)为平移向量,表示雷达坐标系相对于无人艇坐标系的平移;
S2、使用步骤三中所述无人艇姿态的预测估值,根据时间戳,计算下一帧无人艇姿态随海浪起伏变动的预测估值相对于无人艇静止状态下的姿态变化量,则无人艇姿态变化量Δθ为:
Δθ=θP-θS (12)
其中,θP为预测的无人艇姿态,θS为无人艇静止状态下的姿态;
根据姿态变化量,对下一帧的雷达数据进行矫正,可采用目标运动矫正,即根据无人艇姿态的预测估值和目标点的运动模式,推断目标点在下一帧中的位置,然后将雷达数据中的目标点位置进行调整,使其与预测位置一致,目标运动矫正后的目标点位置(x′,y′,z′)为:
其中,Δθx、Δθy和Δθz为无人艇姿态变化量;
计算姿态变化量相对于无人艇静止状态下姿态的变化百分比,并分别记录不同海况、风力下所对应的变化百分比以及雷达数据自身补偿的准确性和可靠性,设置不同的补偿等级,根据历史变化百分比数据推断得到两个的补偿等级,即当风速小于4级、风力小于8.0m/s所对应的浪高约小于1.2-1.5m时,主要采用雷达数据自身补偿,当风速大于4级、风力大于8.0m/s所对应的浪高约大于1.2-1.5m时,主要采用机械辅助补偿和雷达数据自身补偿相结合的方式;所述机械辅助补偿方式为当海面风浪大于一定数值后,雷达自身的数据补偿矫正会出现误差较大、性能下降的情况,因此需要机械辅助雷达进行数据补偿,机械结构补偿是根据上述无人艇姿态变化量的20%进行补偿,且原理与雷达数据自身补偿相同;所述机械结构为三维度支架;
S3、将调整后的目标点位置坐标从无人艇坐标系转换回雷达坐标系;
S4、将矫正后的雷达数据与实际观测数据进行对比,计算矫正后数据与实际观测数据之间的差异,例如计算均方根误差或相关性系数,以评估矫正的准确性,所述均方根误差RMSE公式和相关性系数ρ公式为:
其中,为矫正后的雷达数据与实际观测数据之间的偏差,N为数据长度,为矫正后的雷达数据与实际观测数据的协方差,σ为标准差;
若评估结果显示矫正后数据与实际观测数据之间差异大于10%,则根据这些差异进行参数调整,以提高雷达数据的可靠性,在下一次数据矫正中将姿态变化量调整为:
Δθ′=(1+α)Δθ (17)
其中,Δθ′为调整后的姿态变化量,Δθ为原姿态变化量,α为数据差异百分比。
本实施方案的其他组合和连接关系与具体实施方案一相同。
本发明采用器件的具体厂家及型号为:自研79Ghz高分辨率毫米波雷达、维特智能蓝牙六轴角度传感器BWT61CL、晶研仪器双轴数显水平仪DXL360、菲尔斯特超声速风速风向仪FST200-204。
虽然本发明公开披露如上,但本发明公开的保护范围并非仅限于此。本发明领域技术人员在不脱离本发明公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.一种无人艇载雷达位姿补偿装置,其特征在于:包括三维度支架,所述三维度支架包括雷达托盘(21)和底座,所述雷达托盘(21)与底座通过分别沿x轴、y轴和z轴方向设置的连杆控制结构(11)连接,沿z轴设置的连杆控制结构(11)的数量为一个,且位于雷达托盘(21)和底座的中心处,沿x轴和y轴设置的连杆控制结构(11)的数量分别为偶数个,沿x轴和y轴设置的连杆控制结构(11)均分的设置在雷达托盘(21)和底座的外沿处,用于控制雷达托盘(21)沿x轴、y轴和z轴方向翻动和上下移动,所述底座用于固定在无人艇甲板上,所述连杆控制结构(11)包括两端的虎克铰中间的伸缩连杆,连杆控制结构(11)两端的虎克铰分别与雷达托盘(21)和底座连接,所述底座上端面中心处设有运动传感器(31),所述运动传感器(31)用于记录无人艇在海面浪涌晃动下沿x轴、y轴和z轴三个维度的运动数据,所述雷达托盘(21)上设有监测雷达(22)、电子水平仪(23)、风速计(25)和报警装置(33)。
2.根据权利要求1所述的一种无人艇载雷达位姿补偿装置,其特征在于:沿x轴和y轴设置的连杆控制结构(11)的数量分别为两个,且均位于雷达托盘(21)和底座的外沿处;还包括雷达固定装置(24),所述雷达固定装置(24)固定在雷达托盘(21)的中心处,所述监测雷达(22)固定在雷达固定装置(24)上,所述监测雷达(22)和报警装置(33)可设置在雷达固定装置(24)内。
3.根据权利要求2所述的一种无人艇载雷达位姿补偿装置,其特征在于:还包括数据处理装置、数据存储装置和电源(34),所述数据处理装置包括控制器,所述控制器内含有用于将运动传感器(31)记录的三维度运动数据拟合三条自由度曲线并打包为数据帧发送给数据存储装置和远程终端的数据处理算法,所述控制器的输入端分别与监测雷达(22)、电子水平仪(23)和风速计(25)连接,控制器的输出端分别与报警装置(33)和沿x轴、y轴和z轴方向设置的连杆控制结构(11)连接,用于通过控制器控制连杆控制结构(11)进行机械补偿。
4.根据权利要求3所述的一种无人艇载雷达位姿补偿装置,其特征在于:所述监测雷达(22)可为79GHz高分辨率相控阵毫米波雷达,所述电子水平仪(23)可为数字高精度电子水平仪,所述运动传感器(31)可为六轴加速度陀螺仪,所述六轴加速度陀螺仪包括三轴数字加速度计和三轴数字陀螺仪。
5.一种利用权利要求1-4中任一权利要求所述的无人艇载雷达位姿补偿装置的补偿方法,其特征在于,包括以下步骤:
步骤一、将雷达位姿补偿装置固定在测试用无人艇甲板上,底座与无人艇甲板平行,并随实际海面风浪分别沿x轴、y轴和z轴方向摆动,待运动传感器(31)收集到一个周期内无人艇以及底座的三维运动数据之后,通过数据处理装置对三维运动数据进行预处理;
步骤二、通过对步骤一中预处理后的三维运动数据进行拟合,得到三条自由度曲线,结合不同海浪条件和风速风力条件,对这三条曲线进行分析,寻找三条曲线的共同点以及在不同环境变量下的差异性;
步骤三、分别对三条自由度曲线运动数据进行预测和更新,根据前一时刻x轴、y轴和z轴的运动数据来预测下一时刻无人艇随海浪的运动趋势,即无人艇姿态随海浪起伏变动的预测估值;
步骤四、利用无人艇姿态的预测估值,采用雷达数据自身补偿的方式或机械辅助补偿和雷达数据自身补偿相结合的方式对下一帧的雷达数据进行矫正,将经过矫正的雷达数据与实际观测数据进行对比,评估雷达补偿的准确性,后续再根据对比结果进行调整。
6.根据权利要求5所述的一种无人艇载雷达位姿补偿方法,其特征在于,在步骤一中,具体包括:
S1、确定当前实验的地点和时间周期,以及需要监测的无人艇和底座,每隔一定时间间隔进行一次数据采集,按照预定的时间间隔和检测周期,通过运动传感器(31)获取沿x轴、y轴和z轴方向摆动的运动数据,将收集到的运动数据记录下来,对收集到的数据进行预处理或去除粗大误差;
S2、预处理或去除粗大误差的方法为3σ准则,对一组监测数据进行计算处理得到数据标准偏差σ和均值μ,获得数据的取值区间,将超出区间的数值定义为随机误差并去除,得到预处理后的三维运动数据。
7.根据权利要求6所述的一种无人艇载雷达位姿补偿方法,其特征在于,在步骤二中,具体包括:
S1、对预处理后的三维运动数据进行拟合,得到三条自由度曲线,
给定一组数据(xi,yi),假设其拟合的多项式为n次多项式:
其中,a0,a1,…,an为待确定的拟合参数;
对于每个xi,使得n次多项式计算的值和yi之间差值的平方和最小,将此时对应的拟合参数a0,a1,…,an作为各阶参数的最优解:
对等式右边的ai求偏导,获得矩阵形式:
简化为XA=Y,得到系数矩阵A;
S2、分析三条自由度曲线共同点及差异性,
通过观察在同一时间周期内,x轴、y轴和z轴方向上同一时刻的起伏变化规律来确定海浪对无人艇的影响,所述起伏变化规律为曲线的振幅和频率;根据测试地点、天气、风速、风向和测试无人艇的不同,分析三条自由度曲线在不同环境变量下的共同点和差异性;通过观察曲线的相位差可推断不同自由度之间的时间延迟,通过比较不同风速和风向条件下的曲线形状和振幅,得到三条自由度曲线在形状上的的共同点和差异性。
8.根据权利要求7所述的一种无人艇载雷达位姿补偿方法,其特征在于,在步骤三中,具体包括:
已知上一时刻某一方向的状态或者状态初值X0|0,得到k时刻状态预测方程:
其中,Fk|k-1为系统的运动转移矩阵,B为控制矩阵,uk为控制向量;
的协方差矩阵为:
Pk|k-1=Fk|k-1Pk-1|k-1FT k|k-1 (5)
在状态转移过程中,将不确定性定义为过程噪声矩阵Qk,获得k时刻状态预测误差协方差矩阵:
Pk|k-1=Fk|k-1Pk-1|k-1FT k|k-1+Qk (6)
其中,Pk-1|k-1为上一时刻的误差协方差矩阵,Qk为外部干扰产生的噪声源;
所述更新过程为利用当前时刻系统输出的测量值对预测阶段的估计值进行修正,得到当前时刻的后验估计值;
卡尔曼增益K为状态最优估计过程中模型预测误差与测量误差的比重,当前k时刻的卡尔曼增益K为:
其中,Hk为状态观测矩阵;
根据状态变量的预测值和实际测量值Zk,计算当前k时刻状态最优解:
其中,Zk是k时刻的实际测量值,其公式为:
其中,为测量噪声;
当前k时刻更新误差协方差矩阵:
Pk|k=(I-KHk)Pk|k-1 (10)。
9.根据权利要求8所述的一种无人艇载雷达位姿补偿方法,其特征在于,在步骤四中,具体包括:
S1、获取下一帧监测雷达(22)的数据,并记录时间戳,将下一帧雷达数据按照时间分割成若干个连续的数据片段,并将雷达数据中目标点或回波的位置坐标从雷达坐标系转换到无人艇坐标系,设雷达坐标系下目标点的位置坐标为(xr,yr,zr),无人艇坐标系下目标点的位置坐标为(xs,ys,zs),则有:
其中,R为旋转矩阵,表示雷达坐标系相对于无人艇坐标系的旋转;(tx,ty,tz)为平移向量,表示雷达坐标系相对于无人艇坐标系的平移;
S2、使用步骤三中所述无人艇姿态的预测估值,根据时间戳,计算下一帧无人艇姿态随海浪起伏变动的预测估值相对于无人艇静止状态下的姿态变化量,则无人艇姿态变化量Δθ为:
Δθ=θP-θS (12)
其中,θP为预测的无人艇姿态,θS为无人艇静止状态下的姿态;
根据姿态变化量,对下一帧的雷达数据进行矫正,可采用目标运动矫正,即根据无人艇姿态的预测估值和目标点的运动模式,推断目标点在下一帧中的位置,然后将雷达数据中的目标点位置进行调整,使其与预测位置一致,目标运动矫正后的目标点位置(x′,y′,z′)为:
其中,Δθx、Δθy和Δθz为无人艇姿态变化量;
计算姿态变化量相对于无人艇静止状态下姿态的变化百分比,并分别记录不同海况、风力下所对应的变化百分比以及雷达数据自身补偿的准确性和可靠性,设置不同的补偿等级,根据历史变化百分比数据推断得到两个的补偿等级,为第一补偿等级时,采用雷达数据自身补偿的方式进行补偿;为第二补偿等级时,采用机械辅助补偿和雷达数据自身补偿相结合的方式进行补偿;所述机械结构补偿是根据上述无人艇姿态变化量的20%进行补偿;
S3、将调整后的目标点位置坐标从无人艇坐标系转换回雷达坐标系;
S4、将矫正后的雷达数据与实际观测数据进行对比,计算矫正后数据与实际观测数据之间的差异,利用计算均方根误差或相关性系数,以评估矫正的准确性,所述均方根误差RMSE公式和相关性系数ρ公式为:
其中,为矫正后的雷达数据与实际观测数据之间的偏差,N为数据长度,/>为矫正后的雷达数据与实际观测数据的协方差,σ为标准差;
若评估结果显示矫正后数据与实际观测数据之间差异大于10%,在下一次数据矫正中将姿态变化量调整为:
Δθ′=(1+α)Δθ (17)
其中,Δθ′为调整后的姿态变化量,Δθ为原姿态变化量,α为数据差异百分比。
10.根据权利要求9所述的一种无人艇载雷达位姿补偿方法,其特征在于:当风速小于4级、风力小于8.0m/s所对应的浪高约小于1.2-1.5m时为第一补偿等级;当风速大于4级、风力大于8.0m/s所对应的浪高约大于1.2-1.5m时为第二补偿等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311725586.3A CN117516547B (zh) | 2023-12-15 | 2023-12-15 | 一种无人艇载雷达位姿补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311725586.3A CN117516547B (zh) | 2023-12-15 | 2023-12-15 | 一种无人艇载雷达位姿补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117516547A true CN117516547A (zh) | 2024-02-06 |
CN117516547B CN117516547B (zh) | 2024-05-14 |
Family
ID=89755138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311725586.3A Active CN117516547B (zh) | 2023-12-15 | 2023-12-15 | 一种无人艇载雷达位姿补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117516547B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106643723A (zh) * | 2016-11-07 | 2017-05-10 | 哈尔滨工程大学 | 一种无人艇安全航行船位推算方法 |
CN107356909A (zh) * | 2017-06-20 | 2017-11-17 | 上海大学 | 一种无人艇上激光雷达防抖装置 |
US20180081054A1 (en) * | 2016-09-16 | 2018-03-22 | Applied Physical Sciences Corp. | Systems and methods for wave sensing and ship motion forecasting using multiple radars |
CN109911114A (zh) * | 2019-03-08 | 2019-06-21 | 大连海事大学 | 一种具有三级减震自稳系统的无人船 |
CN111766609A (zh) * | 2020-07-08 | 2020-10-13 | 哈尔滨工业大学(深圳) | 移动分体式激光雷达 |
CN112241170A (zh) * | 2020-09-28 | 2021-01-19 | 山东省科学院海洋仪器仪表研究所 | 基于并联六自由度平台的无人艇自稳定系统 |
CN112394332A (zh) * | 2020-11-27 | 2021-02-23 | 中国舰船研究设计中心 | 一种基于空间位移的船舶姿态运动成分去除方法 |
KR20220109022A (ko) * | 2021-01-28 | 2022-08-04 | 한국수력원자력 주식회사 | 해상 라이다의 운동변위 보정데이터 처리 시스템 |
-
2023
- 2023-12-15 CN CN202311725586.3A patent/CN117516547B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180081054A1 (en) * | 2016-09-16 | 2018-03-22 | Applied Physical Sciences Corp. | Systems and methods for wave sensing and ship motion forecasting using multiple radars |
CN106643723A (zh) * | 2016-11-07 | 2017-05-10 | 哈尔滨工程大学 | 一种无人艇安全航行船位推算方法 |
CN107356909A (zh) * | 2017-06-20 | 2017-11-17 | 上海大学 | 一种无人艇上激光雷达防抖装置 |
CN109911114A (zh) * | 2019-03-08 | 2019-06-21 | 大连海事大学 | 一种具有三级减震自稳系统的无人船 |
CN111766609A (zh) * | 2020-07-08 | 2020-10-13 | 哈尔滨工业大学(深圳) | 移动分体式激光雷达 |
CN112241170A (zh) * | 2020-09-28 | 2021-01-19 | 山东省科学院海洋仪器仪表研究所 | 基于并联六自由度平台的无人艇自稳定系统 |
CN112394332A (zh) * | 2020-11-27 | 2021-02-23 | 中国舰船研究设计中心 | 一种基于空间位移的船舶姿态运动成分去除方法 |
KR20220109022A (ko) * | 2021-01-28 | 2022-08-04 | 한국수력원자력 주식회사 | 해상 라이다의 운동변위 보정데이터 처리 시스템 |
Non-Patent Citations (2)
Title |
---|
DU YU等: "Numerical simulation on coupled ship motions with nonlinear sloshing", OCEAN ENGINEERING, 25 April 2019 (2019-04-25) * |
高文研: "移动机器人位姿估计与补偿及速度插值研究", 中国优秀硕士学位论文全文数据库信息科技辑, 15 January 2019 (2019-01-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117516547B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107449393B (zh) | 一种城市轨道交通隧道变形监测系统及方法 | |
US8577637B2 (en) | System and method of magnetic compass calibration | |
CN111881515A (zh) | 一种基于孪生数据驱动的无人艇实时速度测量方法及系统 | |
JP2015502540A (ja) | 動き安定lidarおよび風の速さの測定方法 | |
US11904482B2 (en) | Mechanical arm calibration system and mechanical arm calibration method | |
CN108983216B (zh) | 一种基于坐标校准的机载雷达微弱目标检测前跟踪方法 | |
CN111590564A (zh) | 一种六维力传感器重力补偿方法及系统 | |
CN111238529B (zh) | 一种基于星光测量的姿态测量仪精度校准装置及方法 | |
CN112083190A (zh) | 一种超声波风速风向测量装置及其测量误差补偿方法 | |
CN111880209A (zh) | 一种船体姿态计算方法及应用 | |
CN113513999B (zh) | 一种航天器结构静力试验大视场实时变形测量系统及方法 | |
CN110082033B (zh) | 一种运动状态下的水上载体重心测量装置和方法 | |
CN117516547B (zh) | 一种无人艇载雷达位姿补偿方法 | |
CN112762935B (zh) | 一种基于船体姿态监测的定位方法及系统 | |
CN210710213U (zh) | 一种基于六轴加速度传感器检测电梯轿厢倾角的装置 | |
CN117949907A (zh) | 一种地基sar环境误差校正方法及装置 | |
Hartmann et al. | High accurate pointwise (geo-) referencing of a k-tls based multi-sensor-system | |
CN114659496B (zh) | 一种用于船载北斗一体机倾斜监测的方法 | |
CN109443333A (zh) | 一种陀螺阵列反馈加权融合方法 | |
CN111323048B (zh) | 一种相对位姿测量单机性能测试方法及系统 | |
CN113624256B (zh) | 船载天线前馈陀螺在线性能分析方法及系统 | |
CN113865579B (zh) | 无人机位姿参数的测量系统及方法 | |
CN112285756A (zh) | 一种基于imu与北斗系统的高精度定位系统及方法 | |
CN112729220A (zh) | 一种对路测感知系统的实时位姿测量系统、补偿方法 | |
CN117516659B (zh) | 一种大型船舶用稳定性好的液位测量修正装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |