一种无人机跟车方法、存储介质和电子设备与流程
本申请涉及无人机,特别涉及一种无人机跟车方法、存储介质和电子设备。
背景技术:
1、相关技术在理想环境下能够实现无人机对车辆的跟随定位,但均存在明显局限性。视觉定位方案在光线不足、视觉遮挡、恶劣天气等场景下容易失效,且计算资源消耗大。车载高精gps方案依赖gps信号,在隧道、地下车库等遮挡环境下定位失效,且硬件成本较高。
技术实现思路
1、本申请旨在解决相关技术中的问题,提出了一种无人机跟车方法、存储介质和电子设备。
2、本申请一方面提供了一种无人机跟车方法,包括:
3、基于扩展卡尔曼滤波融合无人机行驶数据和车辆行驶数据,得到车机相对信息;
4、无人机基于车机相对信息跟随车辆。
5、在一些可选实施方式中,车辆行驶数据包括车辆位置信息、车辆惯性信息、车辆速度信息、车辆档位信息,基于述扩展卡尔曼滤波融合述无人机行驶数据和述车辆行驶数据,得到述车机相对信息,包括:
6、基于扩展卡尔曼滤波融合车辆位置信息、车辆惯性信息、车辆速度信息、车辆档位信息,得到车辆估计行驶数据;
7、基于无人机行驶数据和车辆估计行驶数据,得到述车机相对信息。
8、在一些可选实施方式中,无人机行驶数据包括无人机位置信息,基于无人机行驶数据和车辆估计行驶数据,得到述车机相对信息,包括:
9、基于无人机位置信息和车辆估计行驶数据,得到车机相对位置信息。
10、在一些可选实施方式中,基于无人机位置信息和车辆估计行驶数据,得到车机相对位置信息,包括:
11、无人机位置信息包括无人机高度信息,车辆估计行驶数据包括车辆高度信息,车机相对位置信息包括车机相对高度信息;基于无人机高度信息和车辆高度信息,得到车机相对高度信息;
12、和/或,无人机位置信息包括无人机第一方向信息,车辆估计行驶数据包括车辆第一方向信息,车机相对位置信息包括车机相对第一方向信息;基于无人机第一方向信息和车辆第一方向信息,得到车机相对第一方向信息;
13、和/或,无人机位置信息包括无人机第二方向信息,车辆估计行驶数据包括车辆第二方向信息,车机相对位置信息包括车机相对第二方向信息;基于无人机第二方向信息和车辆第二方向信息,得到车机相对第二方向信息;
14、和/或,无人机位置信息包括无人机航向角信息,车辆估计行驶数据包括车辆航向角信息,车机相对位置信息包括车机相对航向角信息;基于无人机航向角信息和车辆航向角信息,得到车机相对航向角信息。
15、在一些可选实施方式中,车辆估计行驶数据包括估算位置信息,基于扩展卡尔曼滤波融合车辆位置信息、车辆惯性信息、车辆速度信息、车辆档位信息,得到车辆估计行驶数据,包括:
16、在车辆位置信息的信号强度低于第一预设信号强度的情况下,降低扩展卡尔曼滤波中车辆位置信息的权重,增加扩展卡尔曼滤波中车辆惯性信息、车辆速度信息、车辆档位信息的权重,得到估算位置信息;
17、和/或,在车辆位置信息的信号强度低于第二预设信号强度的情况下,基于扩展卡尔曼滤波融合车辆惯性信息、车辆速度信息、车辆档位信息,得到估算位置信息;第二预设信号强度小于第一预设信号强度;
18、和/或,在车辆位置信息的信号强度不低于第一预设信号强度的情况下,基于扩展卡尔曼滤波融合车辆位置信息、车辆惯性信息、车辆速度信息、车辆档位信息,得到估算位置信息。
19、在一些可选实施方式中,基于扩展卡尔曼滤波融合车辆位置信息、车辆惯性信息、车辆速度信息、车辆档位信息,得到车辆估计行驶数据,包括:
20、在车辆档位信息为零速驻车档位的情况下,基于车辆惯性信息得到惯性零偏值;
21、在车辆档位信息为非零速驻车档位的情况下,基于惯性零偏值和车辆惯性信息得到补偿惯性信息;
22、基于扩展卡尔曼滤波融合车辆位置信息、补偿惯性信息、车辆速度信息、车辆档位信息,得到车辆估计行驶数据。
23、在一些可选实施方式中,车辆惯性信息包括车辆加速度数据和车辆角速度,在车辆档位信息为非零速驻车档位的情况下,基于惯性零偏值和车辆惯性信息得到补偿惯性信息,包括:
24、在车辆档位信息为非零速驻车档位的情况下,基于惯性零偏值和车辆加速度数据得到补偿加速度信息,基于惯性零偏值和车辆角速度数据得到补偿角速度信息;
25、基于补偿加速度信息和补偿角速度信息,得到补偿惯性信息。
26、在一些可选实施方式中,基于扩展卡尔曼滤波融合无人机行驶数据和车辆行驶数据,得到车机相对信息;无人机基于车机相对信息跟随车辆,包括:
27、车辆基于扩展卡尔曼滤波融合无人机行驶数据和车辆行驶数据,得到车机相对信息;
28、车辆将车机相对信息传输至无人机;
29、无人机基于车机相对信息跟随车辆。
30、本申请另一方面提供了一种计算机可读存储介质,包括计算机程序,当计算机程序在计算机设备上运行时,计算机程序用于使计算机设备执行所述的无人机跟车方法。
31、本申请另一方面还提供了一种电子设备,包括:
32、存储器,其上存储有计算机程序;
33、处理器,用于执行存储器中的计算机程序,以实现所述的无人机跟车方法。
34、综上所述,本申请至少能够实现如下技术效果:
35、本申请的无人机跟车方法,基于扩展卡尔曼滤波融合无人机行驶数据和车辆行驶数据,得到车机相对信息;无人机基于车机相对信息跟随车辆,通过扩展卡尔曼滤波融合无人机与车辆的多源行驶数据,实现车机相对信息的高精度解算,显著提升系统在隧道、地下车库、雨雾天气等复杂场景下的鲁棒性,无需额外加装视觉或激光雷达硬件,降低部署成本,且不依赖离线标定,适应长期运行中的传感器漂移;从而提供了一种不依赖单一传感器、可适应多种复杂环境、成本低、精度高且能够覆全场景的无人机跟车方法。
1.一种无人机跟车方法,其特征在于,包括:
2.如权利要求1所述的无人机跟车方法,其特征在于,所述车辆行驶数据包括车辆位置信息、车辆惯性信息、车辆速度信息、车辆档位信息,所述基于述扩展卡尔曼滤波融合述无人机行驶数据和述车辆行驶数据,得到述车机相对信息,包括:
3.如权利要求2所述的无人机跟车方法,其特征在于,所述无人机行驶数据包括无人机位置信息,所述基于所述无人机行驶数据和所述车辆估计行驶数据,得到述车机相对信息,包括:
4.如权利要求3所述的无人机跟车方法,其特征在于,所述基于所述无人机位置信息和所述车辆估计行驶数据,得到所述车机相对位置信息,包括:
5.如权利要求2所述的无人机跟车方法,其特征在于,所述车辆估计行驶数据包括估算位置信息,所述基于所述扩展卡尔曼滤波融合所述车辆位置信息、所述车辆惯性信息、所述车辆速度信息、所述车辆档位信息,得到车辆估计行驶数据,包括:
6.如权利要求2所述的无人机跟车方法,其特征在于,所述基于所述扩展卡尔曼滤波融合所述车辆位置信息、所述车辆惯性信息、所述车辆速度信息、所述车辆档位信息,得到车辆估计行驶数据,包括:
7.如权利要求6所述的无人机跟车方法,其特征在于,所述所述车辆惯性信息包括车辆加速度数据和车辆角速度,所述在所述车辆档位信息为非零速驻车档位的情况下,基于所述惯性零偏值和所述车辆惯性信息得到补偿惯性信息,包括:
8.如权利要求1-7任一项所述的无人机跟车方法,其特征在于,所述基于所述扩展卡尔曼滤波融合所述无人机行驶数据和所述车辆行驶数据,得到所述车机相对信息;所述无人机基于所述车机相对信息跟随车辆,包括:
9.一种计算机可读存储介质,其特征在于,包括计算机程序,当所述计算机程序在计算机设备上运行时,所述计算机程序用于使所述计算机设备执行权利要求1-8中任一项所述的无人机跟车方法。
10.一种电子设备,其特征在于,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com