摘要：针对gnss拒止环境下缺乏全局位置信息的静止目标持续监视问题,提出了一种仅基于方位角测量的多无人机分布式定位与控制方法。首先,设计一个无人机和目标之间的相对位置估计器,用来确定目标在每架无人机局部坐标系中的位置;其次,基于所估计的相对位置设计一个分布式控制算法,使无人机能够以规定的半径、圆周速度和无人机间的角度间隔围绕目标飞行,对目标持续进行全方位监视;最后,通过收敛性和稳定性分析理论证明了所提方法能够确保多无人系统收敛到期望的运动。通过仿真验证了所提方法能够实现gnss拒止环境下多无人机对目标的持续监视。

摘要：针对gnss信号受到干扰或在拒止环境下,多旋翼无人机的导航定位问题,设计一种多旋翼无人机视觉惯性里程计系统。介绍系统的总体设计方案、硬件选型与设计、软件系统搭建、通信协议规定以及算法设计思路。实验验证结果表明:该系统可以实际运行在多旋翼无人机上,当gnss信号不可用时,仍可向飞控实时提供多旋翼无人机当前可用位姿,为多旋翼无人机视觉辅助导航设计提供参考。

摘要：针对卫星导航系统在受到干扰不可用的情况,研究了多无人机(UAV)辅助的区域导航定位算法。以无人机作为空基信号播发平台,向地面用户广播其位置信息及同步时钟信号,地面用户通过接收无人机位置及与无人机的距离计算出其实时位置。以地面战车为例,为解决伪距单点定位算法中的矩阵不可逆问题,消除地面用户接收机的钟差,基于列文伯格-马夸尔特(LM)算法,提出一种地面用户的定位解算模型,同时,为提高一般最小二乘算法的计算精度,提出了两步最小二乘定位算法。在分析2种算法静态定位精度的基础上,设计了基于车载惯性传感器和无人机辅助定位信息的组合导航实现算法,实现了对战车的连续定位。仿真结果表明,在gnss拒止环境下,利用无人机播发的定位信标信号并结合地面用户战车自带的惯性导航系统,可以实现对地面用户的可靠连续定位,满足一定区域范围内用户的导航定位需求。

摘要：随着无人机技术的逐渐成熟,越来越多的领域开始引入无人机执行任务。无人机具有使用成本低,环境适应能力强等优点,但其能够顺利执行空中任务的前提是对自身位置的准确定位。传统导航技术主要依赖gnss,但gnss存在不稳定、易受干扰等缺点,易出现无人机无法利用gnss进行定位的情况,即gnss拒止环境。针对gnss拒止环境下无人机的导航定位问题,基于已知的卫星正射影像,提出了一种综合利用卫星影像局部和全局深度学习特征的无人机视觉检索定位方法。首先将ConvNeXt作为主干网络,与广义平均池化相结合组成检索特征提取算法,用于提取卫星和无人机影像的全局特征。针对检索定位的任务设计了考虑影像间重叠面积的三元损失函数,训练特征提取算法。然后根据全局特征对一定范围内的卫星影像进行检索。最后为了进一步提高检索得到目标影像的准确率,利用深度学习局部特征进行匹配重新排序。论文建立了面向无人机检索定位任务的训练和试验数据集,试验结果表明,对于完全重叠无人机模拟影像检索不同季节卫星影像,本文方法平均准确率达到90.9%,平均耗时2.22 s。在无人机实拍影像测试中准确率为87.5%,基本能够满足无人机导航定位需求。