WO2018214227A1 - 一种无人车实时姿态测量方法 - Google Patents

一种无人车实时姿态测量方法 Download PDF

Info

Publication number
WO2018214227A1
WO2018214227A1 PCT/CN2017/090676 CN2017090676W WO2018214227A1 WO 2018214227 A1 WO2018214227 A1 WO 2018214227A1 CN 2017090676 W CN2017090676 W CN 2017090676W WO 2018214227 A1 WO2018214227 A1 WO 2018214227A1
Authority
WO
WIPO (PCT)
Prior art keywords
quaternion
unmanned vehicle
real
vector
measurement
Prior art date
Application number
PCT/CN2017/090676
Other languages
English (en)
French (fr)
Inventor
吴建国
Original Assignee
深圳市靖洲科技有限公司
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 深圳市靖洲科技有限公司 filed Critical 深圳市靖洲科技有限公司
Publication of WO2018214227A1 publication Critical patent/WO2018214227A1/zh

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
    • G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
    • G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
    • 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
    • G01C21/1654—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 with electromagnetic compass

Definitions

  • the invention relates to an unmanned vehicle technology, in particular to a real-time attitude measuring method for an unmanned vehicle.
  • Baidu has announced the development of complex artificial intelligence unmanned vehicles. This product is an unmanned bicycle with complex artificial intelligence such as environmental awareness, planning and self-balancing control. It mainly integrates Baidu in artificial intelligence.
  • the gyro is the most commonly used attitude sensor, but the high-performance gyro is large in size and high in price, which limits the application of the gyro in some occasions.
  • the micro-mechanical gyro has achieved great development and small size.
  • the low cost and easy mass production expand the application of the micromachined gyroscope.
  • its accuracy is low, and the gyro drift causes a large attitude error in a short time. Therefore, it must be combined with other attitude sensors such as GPS and inclinometer.
  • the combination of magnetometers and the like can give long-term stable and reliable attitude information of unmanned vehicles.
  • the quaternion estimation algorithm utilizes the calculation of the quaternion in the calculation process, the singularity problem caused by the Euler angle method can be avoided, and the trigonometric calculation is not needed in the calculation process, but in the first step During the settlement process, the input information from the accelerometer and the magnetometer is first obtained in Europe. The angle of the pull is converted to a quaternion before entering the Kalman filter. Some singularity problems will occur during this conversion process. In the simulation result, the quaternion will have positive and negative deviations when crossing the zero point. The problem, the quaternion estimation algorithm can obtain the single observation optimal solution, but can not use the system dynamic information and historical observation information, can not improve the measurement accuracy through dynamic filtering, and can not obtain other parameters such as the trajectory attitude rate.
  • the object of the present invention is to provide a method for real-time attitude measurement of an unmanned vehicle, comprising the following steps:
  • the Kalman filter in the step (1) compensates for the attitude error caused by the gyro deviation by using data from the GSP, the magnetometer, the accelerometer, and the inclinometer.
  • the micro-inertia measurement system in the step (1) outputs the attitude and heading information through the processing of the internal microprocessor.
  • the internal microprocessor has low power consumption, provides accurate position and velocity information through real-time Kalman filtering, and provides drift-free three-dimensional acceleration, three-dimensional rotational speed, three-dimensional geomagnetic field, and static pressure information.
  • the unit vector of the step (2) three-axis orthogonal accelerometer is h, three-axis orthogonal magnetic force
  • the unit amount of the meter is b, and the measurement vector is defined:
  • E m [0,0,0,1] is the unit vector of the form of the acceleration quaternion in the earth coordinate system;
  • E n [0, n 1 , n 2 , n 3 ] is the unit vector of the local geomagnetic field.
  • the model error vector of the step (3) is:
  • the estimated attitude quaternion in the step (4) is:
  • the standard function is reduced by Gauss-Newton iteration.
  • the constraint condition of the step (6) is: In the formula:
  • FIG. 1 is a flow chart of method steps in accordance with an embodiment of the present invention.
  • the Gauss-Newton method expresses all rotations through quaternions instead of the commonly used Euler angles. Applying quaternions reduces the required vector calculations, reduces the amount of computation when trigonometric functions are calculated, and avoids Euler angles. The singularity of the gesture.
  • the attitude is the parameter that relates the angular position of the moving coordinate system and the reference coordinate system.
  • Euler angles and quaternions are two common ways of expressing rotation. The quaternion is applied more widely because it can avoid the singular problem of Euler angles.
  • the quaternion pose expression is the minimum non-singular parameter set describing the pose. It is a four-parameter expression that represents a transformation from one coordinate system to another, and can be implemented around a single rotation of a unit vector. Select the reference coordinate system as the NED coordinate system and define the coordinate system as follows:
  • the rotation matrix (Eulerian angle) of the body coordinate system and the earth coordinate system, and the correspondence between the quaternion and the Euler angle are all well-known techniques in the art.
  • FIG. 1 A real-time attitude measurement method for an unmanned vehicle is described in detail below with reference to FIG. 1, which includes the following steps:
  • the Kalman filter is selected, and the raw data is acquired by the micro-inertia measurement system.
  • the Kalman filter compensates the attitude error caused by the gyro deviation by using data from GSP, magnetometer, accelerometer and inclinometer, and the micro-inertia
  • the measurement system processes the attitude and heading information through the internal microprocessor.
  • the internal microprocessor consumes low power. It provides accurate position and velocity information through real-time Kalman filtering, while providing drift-free 3D acceleration, 3D rotation speed, and 3D. Geomagnetic field, static pressure information.
  • the unit vector of the three-axis orthogonal accelerometer is h
  • the unit quantity of the three-axis orthogonal magnetometer is b
  • the measurement vector is defined: by with Get the calculated vector:
  • E m [0,0,0,1] is the unit vector of the form of the acceleration quaternion in the earth coordinate system
  • E n [0, n 1 , n 2 , n 3 ] is the unit vector of the local geomagnetic field;
  • the reduced order matrix of the linear matrix is obtained, thereby obtaining the attitude parameter of the unmanned vehicle.
  • the detection method is simulated and analyzed. At the initial moment, the sensor is stationary. At this time, the local geomagnetic parameters can be measured, and the angles of the main sensors such as gyroscope, accelerometer and magnetometer are obtained. Performance, including full scale, currentity, bias stability, noise density and bandwidth. Real-time simulation is performed under Matlab. The Gauss-Newton iterative method can completely track the motion trajectory and greatly reduce the quaternion estimation standard deviation and the gyro drift estimation error standard deviation.

Landscapes

  • Remote Sensing (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Navigation (AREA)
  • Gyroscopes (AREA)

Abstract

提供了一种无人车实时姿态测量方法，包括如下步骤：（1）选定卡尔曼滤波器，并且由微型惯量测量系统采集获得原始数据；（2）定义测量矢量，并且根据公式得到计算测量矢量；（3）计算获得模型误差矢量；（4）通过最小平方误差标准函数，估计姿态四元数；（5）利用回归矩阵，将四元数进行旋转，计算与体坐标系中测量的加速度和地磁场相关的最优四元数，并把该最优四元数作为卡尔曼滤波器的测量值；（6）设定约束条件，获得线性矩阵的降阶矩阵，从而获得无人车的姿态参量。

Description

一种无人车实时姿态测量方法 技术领域
本发明涉及无人车技术，特别是一种面向无人车的实时姿态测量方法。
背景技术
自20世纪60年代移动机器人诞生以来，研究人员一直梦想研究无人智能交通工具，作为智能交通系统的重要组成部分，无人车排除了人为不确定因素的影响，不仅可以提高驾驶安全性，而且可以解决交通拥堵，提高能源利用率，百度曾宣布开发复杂人工智能无人车，该产品是具备环境感知、规划和自平衡控制等复杂人工智能的无人自行车，主要集合了百度在人工智能、深度学习、大数据和云计算技术的成就，然而对技术细节没有任何披露。
陀螺是最常用的姿态传感器，但是高性能陀螺的体积大，价格高，限制了陀螺在某些场合的应用，在汽车工业需求推动系下，微机械陀螺获得了很大的发展，体积小，成本低，易于批量生产，扩展了微机械陀螺的应用，然而它的精度较低，并且陀螺漂移会在短时间内引起较大的姿态误差，因此，必须与其它姿态传感器，例如GPS、倾斜计、磁强计等组合使用才能给出长期稳定可靠的无人车姿态信息。
四元数估计算法虽然利用了在计算过程中利用了四元数进行计算，可以避免欧拉角方法带来的奇异性问题，同时在计算过程中也不需要进行三角计算，但是在第一步结算过程中，通过加速度计和磁强计的输入信息首先得到的是欧 拉角，在进入卡尔曼滤波之前要转换为四元数，在这个转换过程中就会出现一些奇异性的问题，表现在仿真结果中就是四元数在过零点的时候会出现正负偏差的问题，四元数估计算法可以获得单次观测最优解，却无法利用系统动态信息和历史观测信息，不能通过动态滤波改善测量精度，也不能同时获得轨迹姿态速率等其他参数。
发明内容
本发明的目的在于提供一种无人车实时姿态测量方法，包括如下步骤：
(1)选定卡尔曼滤波器，并且由微型惯量测量系统采集获得原始数据；
(2)定义测量矢量，并且根据公式得到计算测量矢量；
(3)计算获得模型误差矢量；
(4)通过最小平方误差标准函数，估计姿态四元数；
(5)利用回归矩阵，将四元数进行旋转，计算与体坐标系中测量的加速度和地磁场相关的最优四元数，并把该最优四元数作为卡尔曼滤波器的测量值；
(6)设定约束条件，获得线性矩阵的降阶矩阵，从而获得无人车的姿态参量。
优选的，所述步骤(1)中的卡尔曼滤波器利用来自GSP、磁强计、加速度计和倾斜计的数据补偿陀螺偏差引起的姿态误差。
优选的，所述步骤(1)中的微型惯量测量系统通过内部微处理器的处理，输出姿态和航向信息。
优选的，所述内部微处理器功耗低，通过实时卡尔曼滤波提供准确的位置和速度信息，同时提供无漂移的三维加速度、三维转速度、三维地磁场、静态压力信息。
优选的，所述步骤(2)三轴正交加速度计的单位矢量为h，三轴正交磁力 计的单位式量为b，定义测量矢量：
Figure PCTCN2017090676-appb-000001
由
Figure PCTCN2017090676-appb-000002
和
Figure PCTCN2017090676-appb-000003
得到计算矢量：
Figure PCTCN2017090676-appb-000004
其中Em＝[0,0,0,1]为地球坐标系中加速度四元数形式的单位矢量；En＝[0,n1,n2,n3]为当地地磁场的单位矢量。
优选的，所述步骤(3)的模型误差矢量为：
Figure PCTCN2017090676-appb-000005
优选的，所述步骤(4)中估计姿态四元数为：
Figure PCTCN2017090676-appb-000006
所述标准函数通过高斯-牛顿迭代减小。
优选的，所述步骤(5)中回归矩阵为：S＝[XTX]-1
优选的，所述步骤(6)的约束条件为：
Figure PCTCN2017090676-appb-000007
式中：
Figure PCTCN2017090676-appb-000008
Figure PCTCN2017090676-appb-000009
Figure PCTCN2017090676-appb-000010
并且，
Figure PCTCN2017090676-appb-000011
当旋转矢量接近零矢量的时候，qr作为四元数旋转的增量接近单位四元数。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。本发明的目标及特征考虑到如下结合附图的描述将更加明显，附图中：
图1为根据本发明实施例的方法步骤流程图。
具体实施方式
高斯-牛顿方法将所有的旋转通过四元数表达，而不是常用的欧拉角，应用四元数可以减少所需的矢量计算，减少三角函数计算时的计算量，同时可以避免用欧拉角表示姿态时的奇异性。
姿态就是联系动坐标系和参考坐标系角位置的参数，欧拉角和四元数是常用的表达转动的两种方式。四元数因为可以避免欧拉角的奇异问题而应用的更加广泛。四元数姿态表达式是描述姿态的最小非奇异参数集，是一种四参数的表达式，表示从一个坐标系向另一个坐标系变换，可以围绕某一单位矢量的单次旋转实现。选择参考坐标系为NED坐标系，定义坐标系如下：
N北方X
E东方Y
D垂直Z
Figure PCTCN2017090676-appb-000012
旋转(-π,π]
θ提升[-π/2,π/2]
ψ偏移(-π,π]
体坐标系和地球坐标系的旋转矩阵(欧拉角)，四元数与欧拉角的对应关系都是本领域公知的技术。
结合附图1如下详细说明一种无人车实时姿态测量方法，包括如下步骤：
(1)选定卡尔曼滤波器，并且由微型惯量测量系统采集获得原始数据，卡尔曼滤波器利用来自GSP、磁强计、加速度计和倾斜计的数据补偿陀螺偏差引起的姿态误差，微型惯量测量系统通过内部微处理器的处理，输出姿态和航向信息，内部微处理器功耗低，通过实时卡尔曼滤波提供准确的位置和速度信息，同时提供无漂移的三维加速度、三维转速度、三维地磁场、静态压力信息。
(2)定义测量矢量，并且根据公式得到计算测量矢量，将三轴正交加速度计的单位矢量为h，三轴正交磁力计的单位式量为b，定义测量矢量：
Figure PCTCN2017090676-appb-000013
由
Figure PCTCN2017090676-appb-000014
和
Figure PCTCN2017090676-appb-000015
得到计算矢量：
Figure PCTCN2017090676-appb-000016
其中Em＝[0,0,0,1]为地球坐标系中加速度四元数形式的单位矢量；En＝[0,n1,n2,n3]为当地地磁场的单位矢量；
(3)计算获得模型误差矢量，模型误差矢量为：
Figure PCTCN2017090676-appb-000017
(4)通过最小平方误差标准函数，估计姿态四元数为：
Figure PCTCN2017090676-appb-000018
所述标准函数通过高斯-牛顿迭代减小；
(5)利用回归矩阵S＝[XTX]-1(5)，将四元数进行旋转，计算与体坐标系中测量的加速度和地磁场相关的最优四元数，并把该最优四元数作为卡尔曼滤波器的测量值；
(6)设定约束条件为：
Figure PCTCN2017090676-appb-000019
式中：
Figure PCTCN2017090676-appb-000020
Figure PCTCN2017090676-appb-000021
并且，
Figure PCTCN2017090676-appb-000022
由上述3*3的公式可以得到更加简单的方程和更加深入地理解，其中：
Figure PCTCN2017090676-appb-000023
当旋转矢量接近零矢量的时候，qr作为四元数旋转的增量接近单位四元数，因此
Figure PCTCN2017090676-appb-000024
Figure PCTCN2017090676-appb-000025
Figure PCTCN2017090676-appb-000026
获得线性矩阵的降阶矩阵，从而获得无人车的姿态参量。
将该检测方法进行系统仿真与分析，初始时刻，传感器静止，此时可以测量当地的地磁参量，并且获得陀螺仪，加速度计，磁力计等主要传感器的角度 表现情况，包括全尺度，现行度，偏置稳定性，噪声密度和带宽。在Matlab下进行实时仿真，该高斯-牛顿迭代方法能够完全追踪运动轨迹，大大降低四元数估级标准差和陀螺漂移估计误差标准差。
虽然本发明已经参考特定的说明性实施例进行了描述，但是不会受到这些实施例的限定而仅仅受到附加权利要求的限定。本领域技术人员应当理解可以在不偏离本发明的保护范围和精神的情况下对本发明的实施例能够进行改动和修改。

Claims (10)

  1. 一种无人车实时姿态测量方法，其特征在于包括如下步骤：
    (1)选定卡尔曼滤波器，并且由微型惯量测量系统采集获得原始数据；
    (2)定义测量矢量，并且根据公式得到计算测量矢量；
    (3)计算获得模型误差矢量；
    (4)通过最小平方误差标准函数，估计姿态四元数；
    (5)利用回归矩阵，将四元数进行旋转，计算与体坐标系中测量的加速度和地磁场相关的最优四元数，并把该最优四元数作为卡尔曼滤波器的测量值；
    (6)设定约束条件，获得线性矩阵的降阶矩阵，从而获得无人车的姿态参量。
  2. 根据权利要求1的一种无人车实时姿态测量方法，所述步骤(1)中的卡尔曼滤波器利用来自GSP、磁强计、加速度计和倾斜计的数据补偿陀螺偏差引起的姿态误差。
  3. 根据权利要求1的一种无人车实时姿态测量方法，所述步骤(1)中的微型惯量测量系统通过内部微处理器的处理，输出姿态和航向信息。
  4. 根据权利要求3的一种无人车实时姿态测量方法，所述内部微处理器功耗低，通过实时卡尔曼滤波提供准确的位置和速度信息，同时提供无漂移的三维加速度、三维转速度、三维地磁场、静态压力信息。
  5. 根据权利要求1的一种无人车实时姿态测量方法，步骤(2)三轴正交加速度计的单位矢量为h，三轴正交磁力计的单位式量为b，定义测量矢量：
    Figure PCTCN2017090676-appb-100001
    由
    Figure PCTCN2017090676-appb-100002
    和
    Figure PCTCN2017090676-appb-100003
    得到计算矢量：
    Figure PCTCN2017090676-appb-100004
    其中Em＝[0,0,0,1]为地球坐标系中加速度四元数形式的单位矢量；En＝[0,n1,n2,n3]为当地地磁场的单位矢量。
  6. 根据权利要求1的一种无人车实时姿态测量方法，所述步骤(3)的模型误差矢量为：
    Figure PCTCN2017090676-appb-100005
  7. 根据权利要求1的一种无人车实时姿态测量方法，所述步骤(4)标示参考坐标系和体坐标系的关系如下：
    gb＝T·gr，bb＝T·br
  8. 根据权利要求1的一种无人车实时姿态测量方法，所述步骤(4)中估计姿态四元数为：
    Figure PCTCN2017090676-appb-100006
    所述标准函数通过高斯-牛顿迭代减小。
  9. 根据权利要求1的一种无人车实时姿态测量方法，所述步骤(5)中回归矩阵为：S＝[XTX]-1。
  10. 根据权利要求1的一种无人车实时姿态测量方法，所述步骤(6)的约束条件为：
    Figure PCTCN2017090676-appb-100007
    式中：
    Figure PCTCN2017090676-appb-100008
    Figure PCTCN2017090676-appb-100009
    并且，
    Figure PCTCN2017090676-appb-100010
    当旋转矢量接近零矢量的时候，qr作为四元数旋转的增量接近单位四元数。
PCT/CN2017/090676 2017-05-22 2017-06-29 一种无人车实时姿态测量方法 WO2018214227A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710361151.3A CN106979780B (zh) 2017-05-22 2017-05-22 一种无人车实时姿态测量方法
CN201710361151.3 2017-05-22

Publications (1)

Publication Number Publication Date
WO2018214227A1 true WO2018214227A1 (zh) 2018-11-29

Family

ID=59343858

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/090676 WO2018214227A1 (zh) 2017-05-22 2017-06-29 一种无人车实时姿态测量方法

Country Status (2)

Country Link
CN (1) CN106979780B (zh)
WO (1) WO2018214227A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110895325A (zh) * 2019-11-28 2020-03-20 宁波大学 基于增强四元数多重信号分类的到达角估计方法
CN111141313A (zh) * 2020-01-06 2020-05-12 西安理工大学 一种提高机载局部相对姿态匹配传递对准精度的方法
CN111207745A (zh) * 2020-02-20 2020-05-29 北京星际导控科技有限责任公司 一种适用于大机动无人机垂直陀螺仪的惯性测量方法
CN111625768A (zh) * 2020-05-19 2020-09-04 西安因诺航空科技有限公司 一种基于扩展卡尔曼滤波的手持云台姿态估计方法
CN112284388A (zh) * 2020-09-25 2021-01-29 北京理工大学 一种无人机多源信息融合导航方法
CN112762925A (zh) * 2020-12-28 2021-05-07 东方红卫星移动通信有限公司 一种基于地磁计和陀螺仪的低轨卫星定姿方法
CN113551665A (zh) * 2021-06-25 2021-10-26 中国科学院国家空间科学中心 一种用于运动载体的高动态运动状态感知系统及感知方法
CN114313303A (zh) * 2020-09-30 2022-04-12 北京振兴计量测试研究所 一种无人机飞行性能的检测设备、系统及检测方法
CN116519254A (zh) * 2023-07-04 2023-08-01 中国空气动力研究与发展中心高速空气动力研究所 一种模拟海上上升气流风场的风场系统及无人机飞行方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108225308B (zh) * 2017-11-23 2021-06-25 东南大学 一种基于四元数的扩展卡尔曼滤波算法的姿态解算方法
CN110095118A (zh) * 2019-06-03 2019-08-06 北京理工大学 一种车身姿态角的实时测量方法及系统
CN113370722B (zh) * 2021-07-29 2022-05-27 中国人民解放军国防科技大学 基于外部突发状况的三轴无人车应对策略方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101033973A (zh) * 2007-04-10 2007-09-12 南京航空航天大学 微小型飞行器微惯性组合导航系统的姿态确定方法
US20070213889A1 (en) * 2004-02-27 2007-09-13 Instituto Nacional De Tecnica Aeroespacial "Esteba Terradas" Sensor Fusion System and Method for Estimating Position, Speed and Orientation of a Vehicle, in Particular an Aircraft
CN101131311A (zh) * 2007-10-15 2008-02-27 北京航空航天大学 一种智能化机载导弹动基座对准及标定方法
CN101187567A (zh) * 2007-12-18 2008-05-28 哈尔滨工程大学 基于多普勒的光纤陀螺捷联惯导系统初始姿态确定方法
CN101196398A (zh) * 2007-05-25 2008-06-11 北京航空航天大学 一种基于Euler-q算法和DD2滤波的航天器姿态确定方法
US8005635B2 (en) * 2007-08-14 2011-08-23 Ching-Fang Lin Self-calibrated azimuth and attitude accuracy enhancing method and system (SAAAEMS)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101290229A (zh) * 2008-06-13 2008-10-22 哈尔滨工程大学 硅微航姿系统惯性/地磁组合方法
CN101915580B (zh) * 2010-07-14 2012-09-12 中国科学院自动化研究所 一种基于微惯性和地磁技术的自适应三维姿态定位方法
CN102183260B (zh) * 2011-03-21 2012-10-31 哈尔滨工程大学 低成本无人车导航方法
JP2014089113A (ja) * 2012-10-30 2014-05-15 Yamaha Corp 姿勢推定装置及びプログラム
CN103776451B (zh) * 2014-03-04 2016-11-09 哈尔滨工业大学 一种基于mems的高精度三维姿态惯性测量系统以及测量方法
CN104698485B (zh) * 2015-01-09 2017-10-03 中国电子科技集团公司第三十八研究所 基于bd、gps及mems的组合导航系统及导航方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070213889A1 (en) * 2004-02-27 2007-09-13 Instituto Nacional De Tecnica Aeroespacial "Esteba Terradas" Sensor Fusion System and Method for Estimating Position, Speed and Orientation of a Vehicle, in Particular an Aircraft
CN101033973A (zh) * 2007-04-10 2007-09-12 南京航空航天大学 微小型飞行器微惯性组合导航系统的姿态确定方法
CN101196398A (zh) * 2007-05-25 2008-06-11 北京航空航天大学 一种基于Euler-q算法和DD2滤波的航天器姿态确定方法
US8005635B2 (en) * 2007-08-14 2011-08-23 Ching-Fang Lin Self-calibrated azimuth and attitude accuracy enhancing method and system (SAAAEMS)
CN101131311A (zh) * 2007-10-15 2008-02-27 北京航空航天大学 一种智能化机载导弹动基座对准及标定方法
CN101187567A (zh) * 2007-12-18 2008-05-28 哈尔滨工程大学 基于多普勒的光纤陀螺捷联惯导系统初始姿态确定方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110895325A (zh) * 2019-11-28 2020-03-20 宁波大学 基于增强四元数多重信号分类的到达角估计方法
CN110895325B (zh) * 2019-11-28 2024-01-05 绍兴市上虞区舜兴电力有限公司 基于增强四元数多重信号分类的到达角估计方法
CN111141313B (zh) * 2020-01-06 2023-04-07 西安理工大学 一种提高机载局部相对姿态匹配传递对准精度的方法
CN111141313A (zh) * 2020-01-06 2020-05-12 西安理工大学 一种提高机载局部相对姿态匹配传递对准精度的方法
CN111207745A (zh) * 2020-02-20 2020-05-29 北京星际导控科技有限责任公司 一种适用于大机动无人机垂直陀螺仪的惯性测量方法
CN111207745B (zh) * 2020-02-20 2023-07-25 北京星际导控科技有限责任公司 一种适用于大机动无人机垂直陀螺仪的惯性测量方法
CN111625768A (zh) * 2020-05-19 2020-09-04 西安因诺航空科技有限公司 一种基于扩展卡尔曼滤波的手持云台姿态估计方法
CN111625768B (zh) * 2020-05-19 2023-05-30 西安因诺航空科技有限公司 一种基于扩展卡尔曼滤波的手持云台姿态估计方法
CN112284388A (zh) * 2020-09-25 2021-01-29 北京理工大学 一种无人机多源信息融合导航方法
CN112284388B (zh) * 2020-09-25 2024-01-30 北京理工大学 一种无人机多源信息融合导航方法
CN114313303A (zh) * 2020-09-30 2022-04-12 北京振兴计量测试研究所 一种无人机飞行性能的检测设备、系统及检测方法
CN114313303B (zh) * 2020-09-30 2023-10-13 北京振兴计量测试研究所 一种无人机飞行性能的检测设备、系统及检测方法
CN112762925A (zh) * 2020-12-28 2021-05-07 东方红卫星移动通信有限公司 一种基于地磁计和陀螺仪的低轨卫星定姿方法
CN113551665A (zh) * 2021-06-25 2021-10-26 中国科学院国家空间科学中心 一种用于运动载体的高动态运动状态感知系统及感知方法
CN113551665B (zh) * 2021-06-25 2023-08-11 中国科学院国家空间科学中心 一种用于运动载体的高动态运动状态感知系统及感知方法
CN116519254A (zh) * 2023-07-04 2023-08-01 中国空气动力研究与发展中心高速空气动力研究所 一种模拟海上上升气流风场的风场系统及无人机飞行方法
CN116519254B (zh) * 2023-07-04 2023-10-03 中国空气动力研究与发展中心高速空气动力研究所 一种无人机飞行方法

Also Published As

Publication number Publication date
CN106979780A (zh) 2017-07-25
CN106979780B (zh) 2019-06-14

Similar Documents

Publication Publication Date Title
WO2018214227A1 (zh) 一种无人车实时姿态测量方法
CN108225308B (zh) 一种基于四元数的扩展卡尔曼滤波算法的姿态解算方法
CN106643737B (zh) 风力干扰环境下四旋翼飞行器姿态解算方法
Wu et al. Fast complementary filter for attitude estimation using low-cost MARG sensors
CN107289930B (zh) 基于mems惯性测量单元的纯惯性车辆导航方法
CN103363992B (zh) 基于梯度下降的四旋翼无人机姿态航向参考系统解算方法
WO2018214226A1 (zh) 一种无人车实时姿态测量方法
CN110398245B (zh) 基于脚戴式惯性测量单元的室内行人导航姿态估计方法
CN107478223A (zh) 一种基于四元数和卡尔曼滤波的人体姿态解算方法
CN104374388B (zh) 一种基于偏振光传感器的航姿测定方法
CN108318038A (zh) 一种四元数高斯粒子滤波移动机器人姿态解算方法
CN109141475B (zh) 一种dvl辅助sins鲁棒行进间初始对准方法
CN105785999A (zh) 无人艇航向运动控制方法
CN110954102B (zh) 用于机器人定位的磁力计辅助惯性导航系统及方法
CN107063262A (zh) 一种用于无人机姿态解算的互补滤波方法
CN103940442A (zh) 一种采用加速收敛算法的定位方法及装置
CN103712598A (zh) 一种小型无人机姿态确定系统与确定方法
CN108871319B (zh) 一种基于地球重力场与地磁场序贯修正的姿态解算方法
JP5164645B2 (ja) カルマンフィルタ処理における繰り返し演算制御方法及び装置
Gao et al. An integrated land vehicle navigation system based on context awareness
CN104406592B (zh) 一种用于水下滑翔器的导航系统及姿态角校正和回溯解耦方法
CN107014374B (zh) 一种基于互补滤波的水下滑翔器节能算法
CN109443378B (zh) 速度辅助行进间回溯初始对准方法
CN110207647A (zh) 一种基于互补卡尔曼滤波器的臂环姿态角计算方法
CN104101345A (zh) 基于互补重构技术的多传感器姿态融合方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17910916

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17910916

Country of ref document: EP

Kind code of ref document: A1