【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及無(wú)人機(jī)導(dǎo)航定位，尤其涉及一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法及其系統(tǒng)。
技術(shù)介紹
1、隨著無(wú)人機(jī)技術(shù)的飛速發(fā)展，其在眾多領(lǐng)域得到了廣泛應(yīng)用，如航拍、物流配送、農(nóng)業(yè)植保等。然而，無(wú)人機(jī)在飛行過(guò)程中面臨著諸多挑戰(zhàn)，其中導(dǎo)航定位的準(zhǔn)確性和可靠性是至關(guān)重要的問(wèn)題。
2、傳統(tǒng)的無(wú)人機(jī)導(dǎo)航定位方法主要依賴(lài)于全球定位系統(tǒng)(gps)，但在一些復(fù)雜環(huán)境下，如城市高樓區(qū)、山區(qū)、電磁干擾較強(qiáng)的區(qū)域等，gps信號(hào)可能會(huì)受到遮擋、干擾或反射，導(dǎo)致定位不準(zhǔn)確甚至失效。此外，現(xiàn)有的導(dǎo)航定位方法在路徑規(guī)劃時(shí)往往沒(méi)有充分考慮環(huán)境因素對(duì)無(wú)人機(jī)飛行的影響，如氣象條件(風(fēng)向、風(fēng)速等)、障礙物分布以及電磁干擾等，這可能會(huì)使無(wú)人機(jī)在飛行過(guò)程中面臨較高的風(fēng)險(xiǎn)，如飛行時(shí)間延長(zhǎng)、能耗增加、甚至發(fā)生碰撞事故等。因此，有必要研發(fā)一種更加精確、可靠且適應(yīng)復(fù)雜環(huán)境的無(wú)人機(jī)導(dǎo)航定位方法及系統(tǒng)。
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)的目的是要提供一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法及其系統(tǒng)。
2、為達(dá)到上述目的，本專(zhuān)利技術(shù)是按照以下技術(shù)方案實(shí)施的：
3、本專(zhuān)利技術(shù)包括以下步驟：
4、獲取無(wú)人機(jī)的位置數(shù)據(jù)、傳感器數(shù)據(jù)和環(huán)境數(shù)據(jù)，采用slam算法根據(jù)所述位置數(shù)據(jù)和所述傳感器數(shù)據(jù)構(gòu)建實(shí)時(shí)地圖并進(jìn)行實(shí)時(shí)定位；
5、對(duì)所述實(shí)時(shí)地圖進(jìn)行子區(qū)域劃分，采用聚類(lèi)分析得到風(fēng)險(xiǎn)評(píng)分；
6、根據(jù)所述環(huán)境數(shù)據(jù)和所述風(fēng)險(xiǎn)評(píng)分得到所述子區(qū)域之間的路徑時(shí)間，根據(jù)所述風(fēng)險(xiǎn)評(píng)分和所述路徑時(shí)間建立適應(yīng)度函數(shù)
7、根據(jù)所述傳感器數(shù)據(jù)得到偏移數(shù)據(jù)，根據(jù)所述偏移數(shù)據(jù)建立路徑補(bǔ)償策略并進(jìn)行路徑校正；
8、學(xué)習(xí)路徑補(bǔ)償策略和路徑規(guī)劃模型得到無(wú)人機(jī)導(dǎo)航模型，通過(guò)正弦余弦優(yōu)化算法優(yōu)化所述無(wú)人機(jī)導(dǎo)航模型。
9、進(jìn)一步地，獲取無(wú)人機(jī)的位置數(shù)據(jù)、傳感器數(shù)據(jù)和環(huán)境數(shù)據(jù)的方法，包括：
10、通過(guò)gps、glonass和galileo獲取的無(wú)人機(jī)位置通過(guò)偽距算法融合得到位置數(shù)據(jù)，傳感器包括三維相機(jī)、氣壓計(jì)、陀螺儀、加速度計(jì)和慣性測(cè)量單元的數(shù)據(jù)，傳感器數(shù)據(jù)包括姿態(tài)數(shù)據(jù)、速度數(shù)據(jù)、加速度數(shù)據(jù)、氣壓數(shù)據(jù)、圖像數(shù)據(jù)，環(huán)境數(shù)據(jù)包括氣象數(shù)據(jù)和電磁干擾數(shù)據(jù)，氣象數(shù)據(jù)包括風(fēng)向、風(fēng)速和氣壓，電磁干擾數(shù)據(jù)包括電磁干擾的強(qiáng)度和頻率。
11、進(jìn)一步地，采用slam算法根據(jù)所述位置數(shù)據(jù)和所述傳感器數(shù)據(jù)構(gòu)建實(shí)時(shí)地圖并進(jìn)行實(shí)時(shí)定位的方法，包括：
12、采用gis系統(tǒng)根據(jù)位置數(shù)據(jù)得到無(wú)人機(jī)周邊區(qū)域的gis地圖，采用slam算法基于三維相機(jī)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)構(gòu)建障礙物模型，在gis地圖的基礎(chǔ)上構(gòu)建實(shí)時(shí)地圖，得到無(wú)人機(jī)在實(shí)時(shí)地圖中的實(shí)時(shí)位置。
13、進(jìn)一步地，對(duì)所述實(shí)時(shí)地圖進(jìn)行子區(qū)域劃分，采用聚類(lèi)分析得到風(fēng)險(xiǎn)評(píng)分的方法，包括：
14、根據(jù)實(shí)時(shí)地圖區(qū)分可飛行區(qū)域和不可飛行區(qū)域，將可飛行區(qū)域劃分為正方體的子區(qū)域，
15、根據(jù)子區(qū)域的周邊障礙物密度、風(fēng)速、電磁干擾數(shù)據(jù)和氣壓建立數(shù)據(jù)點(diǎn)，采用som算法對(duì)數(shù)據(jù)點(diǎn)進(jìn)行聚類(lèi)形成風(fēng)險(xiǎn)區(qū)域：
16、隨機(jī)選取k個(gè)數(shù)據(jù)點(diǎn)作為競(jìng)爭(zhēng)層神經(jīng)元的初始權(quán)重向量，一個(gè)競(jìng)爭(zhēng)層神經(jīng)元代表一個(gè)聚類(lèi)中心，計(jì)算數(shù)據(jù)點(diǎn)與每個(gè)競(jìng)爭(zhēng)層神經(jīng)元的權(quán)重向量的相似度，將數(shù)據(jù)點(diǎn)分配到相似度最高的神經(jīng)元的聚類(lèi)中，
17、相似度的計(jì)算公式：
18、
19、d(h,e)為h和e的相似度，h和e為兩個(gè)r維向量，||h(wκ)||和||e(wκ)||分別為向量h和向量e的加權(quán)向量長(zhǎng)度，hκ表示向量h在第κ維的分量，wκ為第κ維的權(quán)重系數(shù)，劃出以神經(jīng)元為中心，初始以σ(0)為鄰域半徑的鄰域，
20、競(jìng)爭(zhēng)層中的動(dòng)態(tài)拓?fù)溧徲蚝瘮?shù)：
21、
22、其中，hgi(t)為第t次迭代的神經(jīng)元i和神經(jīng)元g的動(dòng)態(tài)拓?fù)溧徲蚝瘮?shù)，dig(t)是第t次迭代的神經(jīng)元i和神經(jīng)元g之間的距離，為神經(jīng)元i和g之間的相似度，σ(t)是第t次迭代的鄰域半徑，tmax為最大迭代次數(shù)，δ(t)是隨時(shí)間變化的影響因子，ξ為影響因子的初始值，ζ為影響因子的調(diào)節(jié)系數(shù)，
23、神經(jīng)元的權(quán)重向量的更新：
24、wij(t+1)＝wij(t)+η(t)·hgi(t)·(xj-wij(t))-γ·wij(t)
25、其中，γ是正則化項(xiàng)的強(qiáng)度，wij(t)和wij(t+1)分別為第t次和第t+1次迭代時(shí)第i個(gè)神經(jīng)元的權(quán)重向量的第j維分量，η(t)為第t次迭代的學(xué)習(xí)率，xj為數(shù)據(jù)點(diǎn)的第j維分量，
26、達(dá)到最大迭代次數(shù)后輸出聚類(lèi)結(jié)果，每個(gè)風(fēng)險(xiǎn)區(qū)域的風(fēng)險(xiǎn)評(píng)分為其中的數(shù)據(jù)點(diǎn)的加權(quán)向量長(zhǎng)度的平均值。
27、進(jìn)一步地，根據(jù)所述環(huán)境數(shù)據(jù)和所述風(fēng)險(xiǎn)評(píng)分得到所述子區(qū)域之間的路徑時(shí)間的方法，包括：
28、路徑時(shí)間函數(shù)：
29、
30、其中，tcb為子區(qū)域c中心和子區(qū)域b中心之間的路徑時(shí)間，wp為風(fēng)險(xiǎn)評(píng)分的影響權(quán)重，pc和pb分別為子區(qū)域c和子區(qū)域b對(duì)應(yīng)的風(fēng)險(xiǎn)區(qū)域的風(fēng)險(xiǎn)評(píng)分，sc和sb分別為子區(qū)域c和b的中心之間的路徑長(zhǎng)度在子區(qū)域c和b中的部分，v為無(wú)人機(jī)的速度，vf(c)和vf(b)分別為子區(qū)域c和子區(qū)域b的風(fēng)速，和分別為子區(qū)域c和子區(qū)域b中的風(fēng)向和無(wú)人機(jī)的前進(jìn)方向的順時(shí)針夾角，ωf為風(fēng)速對(duì)無(wú)人機(jī)速度的影響權(quán)重。
31、進(jìn)一步地，根據(jù)所述風(fēng)險(xiǎn)評(píng)分和所述路徑時(shí)間建立適應(yīng)度函數(shù)的方法，包括：
32、適應(yīng)度函數(shù)：
33、
34、其中f(l)是路徑l的適應(yīng)度函數(shù)，c∈l表示子區(qū)域c在路徑l的子區(qū)域集合中，子區(qū)域c和子區(qū)域b相鄰，cb∈l表示子區(qū)域c到b為路徑l中的子路徑，wcb為子路徑cb的能量消耗，wt和ww分別為路徑時(shí)間和能量消耗的權(quán)重，
35、能量消耗的計(jì)算公式：
36、
37、其中，m和ml分別為無(wú)人機(jī)和攜帶載荷的重量，φ為重力加速度，δh為高度變化量，和分別為子區(qū)域c和b的氣壓，是氣體常數(shù)，和分別為子區(qū)域c和b的溫度，a為無(wú)人機(jī)迎風(fēng)面積。
38、進(jìn)一步地，基于所述適應(yīng)度函數(shù)建立路徑規(guī)劃模型的方法，包括：
39、每只螞蟻在由子區(qū)域構(gòu)成的節(jié)點(diǎn)組成的有向圖上移動(dòng)并留下信息素，將蟻群算法的參數(shù)初始化，節(jié)點(diǎn)間的螞蟻轉(zhuǎn)移概率為：
40、
41、其中是第k只螞蟻在時(shí)刻s從節(jié)點(diǎn)u轉(zhuǎn)移到節(jié)點(diǎn)v的概率，和分別是信息素和啟發(fā)函數(shù)的權(quán)重，為n(u)中的節(jié)點(diǎn)的索引，n(u)是節(jié)點(diǎn)u的鄰居節(jié)點(diǎn)集合，為節(jié)點(diǎn)u到節(jié)點(diǎn)的啟發(fā)函數(shù)，為節(jié)點(diǎn)u到節(jié)點(diǎn)的距離，為子區(qū)域u中心和子區(qū)域中心之間的路徑長(zhǎng)度，為子區(qū)域的風(fēng)險(xiǎn)評(píng)分，
42、信息素更新公式為：
43、
44、其中，μuv(s)和μuv(s+1)分別表示在時(shí)刻s和時(shí)刻s+1路徑uv上的信息素量，α是信息素?fù)]發(fā)系數(shù)，zuv是路徑uv的適應(yīng)度，為路徑uv的適應(yīng)度函數(shù)值，
45、當(dāng)信息素更新量低于更新閾值本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，獲取無(wú)人機(jī)的位置數(shù)據(jù)、傳感器數(shù)據(jù)和環(huán)境數(shù)據(jù)的方法，包括：
3.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，采用SLAM算法根據(jù)所述位置數(shù)據(jù)和所述傳感器數(shù)據(jù)構(gòu)建實(shí)時(shí)地圖并進(jìn)行實(shí)時(shí)定位的方法，包括：
4.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，對(duì)所述實(shí)時(shí)地圖進(jìn)行子區(qū)域劃分，采用聚類(lèi)分析得到風(fēng)險(xiǎn)評(píng)分的方法，包括：
5.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，根據(jù)所述環(huán)境數(shù)據(jù)和所述風(fēng)險(xiǎn)評(píng)分得到所述子區(qū)域之間的路徑時(shí)間的方法，包括：
6.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，根據(jù)所述風(fēng)險(xiǎn)評(píng)分和所述路徑時(shí)間建立適應(yīng)度函數(shù)的方法，包括：
7.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，基于所述適應(yīng)度函數(shù)建立路徑規(guī)劃模型的方法，包括：
8.根據(jù)權(quán)利要求1所
9.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，學(xué)習(xí)路徑補(bǔ)償策略和路徑規(guī)劃模型得到無(wú)人機(jī)導(dǎo)航模型，通過(guò)正弦余弦優(yōu)化算法優(yōu)化所述無(wú)人機(jī)導(dǎo)航模型的方法，包括：
10.一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位系統(tǒng)，用以執(zhí)行權(quán)利要求1-9任一項(xiàng)所述的基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，獲取無(wú)人機(jī)的位置數(shù)據(jù)、傳感器數(shù)據(jù)和環(huán)境數(shù)據(jù)的方法，包括：
3.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，采用slam算法根據(jù)所述位置數(shù)據(jù)和所述傳感器數(shù)據(jù)構(gòu)建實(shí)時(shí)地圖并進(jìn)行實(shí)時(shí)定位的方法，包括：
4.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，對(duì)所述實(shí)時(shí)地圖進(jìn)行子區(qū)域劃分，采用聚類(lèi)分析得到風(fēng)險(xiǎn)評(píng)分的方法，包括：
5.根據(jù)權(quán)利要求1所述一種基于大數(shù)據(jù)的無(wú)人機(jī)導(dǎo)航定位方法，其特征在于，根據(jù)所述環(huán)境數(shù)據(jù)和所述風(fēng)險(xiǎn)評(píng)分得到所述子區(qū)域之間的路徑時(shí)間的方法，包括：
6.根據(jù)權(quán)利要求1所述一種基于大數(shù)...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：徐曉昂，陳勝利，樂(lè)洋鑠，王佳欣，黃思琪，
申請(qǐng)(專(zhuān)利權(quán))人：江蘇省產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)研究院，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。