基于VI-SLAM的四翼无人机多目标视觉定位技术

针对传统多目标视觉定位技术定位误差大这一问题,基于VI-SLAM的四旋翼无人机提出了一种新的多目标视觉定位技术,阐述了定位技术原理,在进行定位时,导航定位系统、航空姿态测量系统、机载光电测量平台共同工作,通过多目标相机标定、锁定目标背景差分确定目标在摄像机坐标系的位置,将摄像机坐标系转换成载机机体坐标系,再将载机机体坐标系转换成大地坐标系,从而实现定位,引入北斗卫星导航系统和递归最小二乘算法降低定位误差。对比实验结果表明,相较于传统定位技术,基于VI-SLAM的四旋翼无人机的多目标视觉定位技术定位误差更小,应用性更广。     

基于双目技术的无人机自主三维定位方法研究

无人机具有体积小、造价低、机动性强、隐蔽性好等优点,在军事侦查、地理勘测、目标跟踪等领域应用广泛。由于无法采用造价昂贵、体积庞大的精密惯导设备,当应用场景为弱或无GPS环境时,无人机的准确位置信息将难以获取,并且在实际飞行过程中还面临着GPS信号不稳或易遭欺骗等挑战。针对以上问题,提出了基于双目技术的无人机自主三维定位方法。介绍了双目立体视觉技术的光学物理原理,以及双目摄像头与目标的距离判别算法;设计了无人机通过双目技术进行三维定位的方法;详细说明了通过RSS定位方法计算出无人机的精确三维位置信息的运算步骤及矩阵计算式;通过MATLAB仿真实验检验了该基于双目技术的无人机自主三维定位方法的有效性和可实现性。结果表明,该无人机自主三维定位方法具有定位精度高、普适性强等特点。     

基于超宽带定位的四旋翼目标跟踪技术研究

针对无人机室内地面目标跟踪问题,论文提出了一种基于超宽带室内定位技术的跟踪方法.首先建立了四旋翼和地面机动目标的动力学模型.然后,通过超宽带定位技术得到目标的量测信息.其次,利用扩展卡尔曼滤波估计目标的状态信息达到减少跟踪误差的目的,并且基于解算的信息提出了人工势场法作为四旋翼的路径规划算法.最后利用反步法控制策略解决...     

基于PID算法的输电线路无人机巡检路径智能自动规划技术

为降低定位误差，规避复杂环境造成的巡检风险，研究基于PID算法的输电线路无人机巡检路径智能自动规划技术。采用RTK定位技术，采集了输电线路无人机巡检标志点位置信息，利用路径生成方法，模拟无人机从起始点到目标点的最优几何路径，创建无人机高度和姿态直接受PID参数控制的动力学模型，运用基于PID算法的路径规划跟踪控制器，控制无人机按照最优路径飞行到目标点，实现了输电线路无人机巡检路径智能自动规划。实验结果表明：待巡检标志点定位误差始终低于0.25×10^-4;该技术规划的输电线路无人机巡检路径较短，能有效规避复杂环境造成的巡检风险。     

基于深度学习和结构光法无人机集群检测定位

无人机集群检测与定位是实现对无人机集群进行精准打击的重要前提，提出基于深度学习和结构光法相结合的无人机集群检测定位方法，其中深度学习算法可以较高精度检测出无人机集群目标并给出其二维坐标，结构光法进行坐标转换可得到对应目标的三维坐标和定位误差。基于该方法利用YOLOv4算法和深度相机开展了无人机集群检测定位实验，结果证明，该方法对无人机集群目标的检测精度达到了91.78%,检测定位耗时约0.1s,平均定位误差为0.69%,达到精准实时的要求。     

基于协同无人机的感兴趣目标定位

通过无人机拍摄的光学图像求解地面感兴趣目标坐标,被广泛的应用于相关的军事以及商用民用领域。该方法的缺点是使用单架无人机时定位精度不稳定,效率也低。针对这些问题,设计了一种基于协同无人机的感兴趣目标定位系统。通过三架无人机同时观测同一地面感兴趣目标,在对目标定位的过程中,根据透视投影原理,结合无人机获取的姿态数据,通过主机数据处理系统实现机载在线实时定位。为了提高目标定位的精度,提出一种基于内三角形质心算法的协同目标定位方法。采用蒙特卡洛方法进行仿真实验,换算空间定位误差为26.6米,通过数值模拟和飞行实验验证结果表明与传统单机目标定位系统相比,协同无人机感兴趣目标定位系统可以有效利用更多的观测信息,在有效提高目标定位效率的基础上具有更高的交会精度。     

极坐标下基于圆的无人机纯方位无源定位研究

无源定位技术是指定位站不向被定位的对象发射电磁信号,在不发射对目标照射的电磁波的条件下获得目标的位置,在无人机领域可以认为是由编队中某几架无人机发射信号、其余无人机被动接收信号,从中提取出方向信息进行定位,来调整无人机的位置的技术。本文通过建立极坐标方程,采用三角定位算法将纯方位无源定位技术应用到无人机编队飞行中。相对于有源定位具有生存能力强,作用距离远,重量轻、体积小、成本低的特点。     

多无人机联合三维定位中的目标优化识别

在进行多无人机定位中的目标优化识别时,由于目标高度离散性大,目标距离特征具有较大的随机性,导致传统的采用时空MUSIC算法的多无人机联合三维定位中的目标优化识别方法,无法依据稳定的距离矩阵特征,获取目标高度或俯仰信息,无法准确识别目标,提出一种基于ML的多无人机联合三维定位中的目标优化识别方法,利用多无人机联合三维定位目标动态模型,依据回波数据随时获取目标的径向距离、方位角以及多普勒信息,对多无人机联合三维定位中的目标位置进行最大似然估计,实现目标的准确优化识别。仿真结果表明,所提方法具有很高的精度及有效性。     

基于RPCCA的无人机目标跟踪定位算法

针对目前无人机(UAV)对于行人目标的识别准确度不高,数据传输不稳定并且易受干扰和现有无人机目标跟踪系统一般是利用卫星信号进行定位,传输数据成本较高且具有一定的局限性的问题,提出了基于正则化成对约束组件分析的无人机目标跟踪定位算法,利用正则化成对约束组件分析实现了无人机对目标的准确识别,利用WiFi进行大数据稳定、实时的传输,与基于卫星的定位算法可以形成互补,在此基础上,利用扩频通信进行重要数据的准确传输,改善了系统的抗干扰性能。实验结果表明:该算法不仅可以有效地识别与跟踪目标,而且可以实时传输无人机的位姿参数与目标检测结果。     

基于UWB的无人机自主导航系统设计

针对卫星拒止环境下的无人机导航,提出一种基于超宽带（Ultra Wide-Band,UWB）技术的局部定位系统,实现无人机定位与导航。首先利用UWB技术实现测距,进而解算无人机在局部坐标系下的三维坐标,然后基于扩展卡尔曼滤波（EKF）融合多传感器数据以提高无人机的定位精度。基于开源飞控Pixhawk搭建了无人机飞行验证平台,将UWB定位系统数据与飞控传感器数据融合,对无人机在局部坐标系下的自主飞行进行了仿真。最后通过实验验证了基于UWB的多传感器数据融合导航在无人机自主导航控制上的可行性,实现了无人机在地面平台上的自主起降、对地目标伴飞等飞行导航任务。