一种基于多传感器信息融合的无人机高度测量方法及系统与流程

本发明涉及无人机技术领域，具体涉及一种基于多传感器信息融合的无人机高度测量方法。

背景技术：

无人机是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器。目前，随着科技的发展，无人机技术日趋成熟，无人机以其速度快、操作灵活的特点被广泛应用。

高度信息作为飞行的一个重要参数，是无人机安全有效飞行以及地面操作和指挥人员安全的重要保障。现今用于无人机高度测量的传感器主要包括一类传感器、二类传感器和三类传感器。

一类传感器主要包括对地测量的雷达或超声波等，均通过对地发射特定波束，通过接收反馈波束计算相对高度；

二类传感器主要为无线电空间定位类，例如GPS、UWB等；

三类传感器主要为气压类传感器，包括压电式和电容式。

上述三种类型传感器在使用过程中各存在一定缺陷：

(1)一类传感器：高度测量范围有限，通常低于10米；主要会受地形、环境因素影响，同时测量数据容易出现跳变；

(2)二类传感器：信号依赖于无线电信号的质量，空中传播路径对其干扰较大，噪声依赖于信号质量；

(3)三类传感器：受温度变化以及短时间内急剧气流变化的影响较大，相对二类较稳定些。

综上可知，各类传感器的测量范围、适用环境和测量误差都有所不同，另外，各类传感器在实际测量时会出现测量数据滞后的问题，实时性欠佳，从而导致测量高度有所偏差。

由此可见，在不同高度、不同环境下，当高度源发生变化时，如何选择合适的传感器并为无人机提高实时可靠的高度信息，保持测量高度的连贯性，成为本领域技术人员亟待解决的技术问题。

技术实现要素：

本发明要解决的技术问题是，提供一种基于多传感器信息融合的无人机高度测量方法，解决在不同高度、不同环境下，获得可靠的高度信息，保持测量高度的连贯性。

解决上述技术问题，本发明提供了一种基于多传感器信息融合的无人机高度测量方法，包括如下步骤：

(1)设置各类传感器优先使用顺序为：一类传感器、二类传感器以及三类传感器；

(2)同时获取所述一类传感器的高度测量值、二类传感器的高度测量值以及三类传感器的高度测量值；

(3)判断并选择优选使用的传感器，具体包括：

a)判断所述一类传感器是否可用：

所述一类传感器可用，则进行高度数据融合，同时对二类传感器和三类传感器进行零偏修正；

所述一类传感器不可用，则进行步骤b)；

b)判断所述二类传感器是否可用：

所述二类传感器可用，则扣除零偏后进行高度数据融合，同时对三类传感器进行零偏修正；

所述二类传感器不可用，进行步骤c)

C)采用三类传感器，对三类传感器扣除零偏后进行高度数据融合，

(4)上述高度数据融合完成后得到高度测量结果。

更进一步，所述步骤2还包括对传感器高度测量值的预处理步骤：

(1)对所述一类传感器的高度测量值，采用存储历史数据和求平均值的方式进行预处理；

(2)对所述二类传感器的高度测量值，直接用传感器的测量值；

(3)对所述三类传感器的高度测量值：采用温度补偿和均值滤波的方式进行预处理。

更进一步，

若一类传感器可用，则所述一类传感器预处理后的高度测量值为实际测量值h1

若二类传感器可用，则通过所述二类传感器预处理后的高度测量值减去一类传感器对二类传感器的零偏修正值，获取二类传感器的实际测量值h2；

若一类、二类传感器不可用，采用三类传感器，则通过所述三类传感器预处理后的高度测量值减去另外两类传感器对所述三类传感器的零偏值，获取三类传感器的实际测量值h3。

更进一步，所述步骤3中的高度数据融合是指：采用滤波器将该类传感器的高度测量值与无人机的加速度计获取的加速度信息进行融合，得到高度融合值。

更进一步，所述步骤3中，判断所述一类传感器是否可用或者判断二类传感器是否可用时，根据测量高度和信号质量。判断可用范围时会用到迟滞比较器；可用范围一定小于传感器测量高度；可用条件：信号质量满足Q>Q0，即Q大于设定的最小阈值Q0，信号预处理后的高度小于最大高度阈值。信号质量最小阈值与传感器本身有关，不同传感器具有不同标准。

更进一步，所述步骤3中，所述高度数据融合的具体步骤包括：

(1)通过三轴加速度计获取无人机对象坐标系下的三轴加速度，结合无人机的姿态角信息进行坐标系变换，获得大地参考系下的垂直加速度a；

(2)通过积分算法对垂直加速度进行积分获得高度信息

(3)采用互补滤波器算法公式将对应类别传感器的实际测量值h与加速度计获取的高度信息进行融合，其中为滤波器系数，Δt为计算周期，fc为平滑系数。

更进一步，对所述一类传感器融合的同时修正其它两类传感器的零偏，且所述修正步骤时满足如下的条件：

对所述一类传感器正在融合以及对所述二类/三类传感器的精度估计，

对所述一类传感器对二类或三类传感器零偏修正的零偏修正公式为：

st＝st-1+β{(h-st-1)-H}

其中，st为二类/三类传感器的零偏值，st-1为前一时刻二类/三类传感器的零偏值，H为一类传感器的当前融合高度，h为二类/三类传感器的实际测量高度，β为修正系数。对于二类传感器，β与二类传感器的信号质量Q有关，则将β定义为Q,Q为传感器本身自带的信号质量；

对于三类传感器，修正系数其中fc代表平滑系数。

一类传感器融合的同时修正其它两类传感器的零偏，即一类传感器融合时根据另外两个传感器(二类/三类传感器)的信号质量修正两类传感器的零偏，

修正时需具备条件：

a.一类传感器正在融合(说明一类传感器信号质量较好)

b.二类/三类传感器的精度估计。精度越高，修正越弱，精度越低，修正越强。

更进一步，若所述信号质量大于设定的最小阈值时，所述二类传感器为可用，若所述二类传感器可用时，则根据二类传感器信号质量，对三类传感器零偏进行修正。信号质量满足Q>Q0时，二类传感器可用，当第二类传感器可用时，根据二类传感器信号质量Q，对三类传感器零偏进行修正。

本发明还提供一种基于多传感器信息融合的无人机高度测量系统，包括：预设单元、测量单元、融合单元，

预设单元被配置为，设置传感器优先使用顺序为：一类传感器、二类传感器以及三类传感器；

测量单元被配置为，同时获取所述一类传感器的高度测量值、二类传感器的高度测量值以及三类传感器的高度测量值；

融合单元被配置为，

判断所述一类传感器是否可用；

所述一类传感器可用，则进行高度数据融合，同时对二类传感器和三类传感器进行零偏修正；

所述一类传感器不可用，

判断所述二类传感器是否可用；所述二类传感器可用，则扣除零偏后进行高度数据融合，同时对三类传感器进行零偏修正；

所述二类传感器不可用，

采用三类传感器，

对三类传感器扣除零偏后进行高度数据融合，

上述高度数据融合完成后得到高度测量结果。

本发明的有益效果：

本发明提供的一种基于多传感器信息融合的无人机高度测量方法，能够为无人机提供实时、精准、可靠的高度信息，有利于实现精确的无人机高度控制。

附图说明

图1是本发明一实施例中的方法流程示意图；

图2是本发明一实施例中的系统结构示意图；

图3是本发明的一实施例中的实现流程示意图。

具体实施方式

现在将参考一些示例实施例描述本公开的原理。可以理解，这些实施例仅出于说明并且帮助本领域的技术人员理解和实施例本公开的目的而描述，而非建议对本公开的范围的任何限制。在此描述的本公开的内容可以以下文描述的方式之外的各种方式实施。

如本文中所述，术语“包括”及其各种变体可以被理解为开放式术语，其意味着“包括但不限于”。术语“基于”可以被理解为“至少部分地基于”。术语“一个实施例”可以被理解为“至少一个实施例”。术语“另一实施例”可以被理解为“至少一个其它实施例”。

图1是本发明一实施例中的方法流程示意图，一种基于多传感器信息融合的无人机高度测量方法，包括如下步骤：

步骤(S1)设置传感器优先使用顺序为：一类传感器、二类传感器以及三类传感器；

步骤(S2)同时获取所述一类传感器的高度测量值、二类传感器的高度测量值以及三类传感器的高度测量值；

步骤(S3)判断并选择优选使用的传感器，具体包括：

a判断所述一类传感器是否可用；

所述一类传感器可用，则进行高度数据融合，同时对二类传感器和三类传感器进行零偏修正；

b所述一类传感器不可用，

步骤(S4)判断所述二类传感器是否可用；所述二类传感器可用，则扣除零偏后进行高度数据融合，同时对三类传感器进行零偏修正；

所述二类传感器不可用，

步骤(S5)采用三类传感器，

对三类传感器扣除零偏后进行高度数据融合，

步骤(S6)上述高度数据融合完成后得到高度测量结果。

作为本实施例中的优选，上述方法还包括预处理步骤具体包括：

同时获取一类传感器的高度值、二类传感器的高度值和三类传感器的高度值，对所述的一类传感器，采用存储历史数据的方式进行预处理；对所述的二类传感器，直接用传感器的测量值；对所述的三类传感器：采用温度补偿和均值滤波两种方式进行预处理。其中，所述存储历史数据的方式为：剔除前三次最大值和后三次最小值后求平均后得到实际测量高度值，从而解决了数据稳定性问题。

作为本实施例中的优选，选择出使用上述何种类的传感器的方法进一步包括：判断所述一类传感器是否可用，若可用则所述一类传感器的实际测量值h1为：信号预处理后的高度值；若所述一类传感器不可用，则根据所述二类传感器预处理后的测量值判断二类传感器是否可用，若可用则所述二类传感器的实际测量值h2为：通过信号预处理后的测量值减去一类传感器对二类传感器的零偏修正值获取；若所述二类传感器不可用，则采用三类传感器，若可用则所述三类传感器的实际测量值h3为：通过信号预处理后的测量值减去另外两类传感器对所述三类传感器的零偏值；以及，在一类传感器可用时，对二类传感器和三类传感器进行零偏修正；在二类传感器可用时，对三类传感器进行零偏修正。

具体地，判断过程如图3所示：

开始，对经过预处理后的一类传感器信号，判断实际测量值是否可用，若否，则对已经经过预处理后的二类传感器信号，继续判断是否可用，若否，则对已经经过预处理后的三类传感器判断是否可用。

上述过程中，若一类传感器信号判断为实际测量值可用，则修正二类传感器零偏、修正三类传感器零偏，此外与加速度计高度融合的操作步骤。

上述过程中，若二类传感器信号判断为实际测量值可用，则零偏扣除从而获得实际测量值后进行：修正三类传感器零偏以及与加速度计高度融合的操作步骤。

上述过程中，对三类传感器，进行零偏扣除获得实际测量值，与加速度计高度融合的操作步骤。

根据一类传感器的信号质量和高度可用范围判断一类传感器是否可用，若一类传感器可用，则进行步骤3，其中一类传感器的实际测量值h1为步骤1中信号预处理后的高度值；同时，在一类传感器可用时，对二类传感器和三类传感器进行零偏修正；

若一类传感器不可用，则根据二类传感器预处理后的测量值判断二类传感器是否可用，若二类传感器可用，则进行步骤3，同时零偏修正扣除获取二类传感器的实际测量值，其中二类传感器的实际测量值h2为通过信号预处理后的测量值减去一类传感器对二类传感器的零偏修正值获取；同时，在二类传感器可用时，对三类传感器进行零偏修正；

若二类传感器不可用，则采用三类传感器，通过信号预处理后的测量值减去另外两类传感器对三类传感器的零偏值，从而获取三类传感器的实际测量值h3。

作为本实施例中的优选，高度融合的具体步骤包括：

通过三轴加速度计获取无人机对象坐标系下的三轴加速度，结合无人机的姿态角信息进行坐标系变换，获得大地参考系下的垂直加速度a；再通过积分算法对垂直加速度进行积分获得高度信息

采用互补滤波器算法公式将对应类别传感器的实际测量值h与加速度计获取的高度信息进行融合，其中为滤波器系数，Δt为计算周期，fc为平滑系数。

作为本实施例中的优选，判断所述一类传感器是否可用时，传感器会自动发送当前信号质量，根据信号质量和可用范围决定一类传感器是否可用：

首选，迟滞比较器判断所述可用范围，

其次，所述可用范围小于所述传感器的测量高度；

最后，若所述信号质量Q大于设定的最小阈值Q0，则信号预处理后的高度小于最大高度阈值。

作为本实施例中的优选，对所述一类传感器融合的同时修正其它两类传感器的零偏，且所述修正步骤时满足如下的条件：

对所述一类传感器正在融合以及对所述二类/三类传感器的精度估计，

对所述一类传感器对二类或三类传感器零偏修正的零偏修正公式为：

st＝st-1+β{(h-st-1)-H}

其中，st为二类/三类传感器的零偏值，st-1为前一时刻二类/三类传感器的零偏值，H为一类传感器的当前融合高度，h为二类/三类传感器的实际测量高度，β为修正系数；传感器自身的偏移量可通过初始校准或卡尔曼滤波估计得到。

对于二类传感器，β与二类传感器的信号质量Q有关，则将β定义为Q,Q为传感器本身自带的信号质量；

对于三类传感器，修正系数其中fc代表平滑系数。

作为本实施例中的优选，若所述信号质量大于设定的最小阈值时，所述二类传感器为可用，若所述二类传感器可用时，则根据二类传感器信号质量，对三类传感器零偏进行修正。

如图2所示是本发明一实施例中的系统结构示意图，系统包括：预设单元、测量单元、融合单元，预设单元1被配置为，设置传感器优先使用顺序为：一类传感器、二类传感器以及三类传感器；测量单元2被配置为，同时获取所述一类传感器的高度测量值、二类传感器的高度测量值以及三类传感器的高度测量值；

融合单元3被配置为，判断所述一类传感器是否可用；所述一类传感器可用，则进行高度数据融合，同时对二类传感器和三类传感器进行零偏修正；所述一类传感器不可用，判断所述二类传感器是否可用；所述二类传感器可用，则扣除零偏后进行高度数据融合，同时对三类传感器进行零偏修正；所述二类传感器不可用，采用三类传感器，对三类传感器扣除零偏后进行高度数据融合，上述高度数据融合完成后得到高度测量结果。通过本实施例中的系统，解决在不同高度、不同环境下，获得可靠的高度信息，保持测量高度的连贯性。

发明原理：

高度测量

本实施例中包括了：无人机高度测量方法，具体步骤如下：

步骤1.信号预处理：各传感器在测量过程中，由于受到各种因素影响，测量结果会出现偏差，为了获取较为精确的测量数据，需要对各类传感器进行信号预处理。

采用一类传感器、二类传感器和三类传感器，同时获取一类传感器高度值、二类传感器高度值和三类传感器高度值，并对各高度值进行信号预处理，分别获得较为精确的高度阈值。

具体地，各类传感器的信号预处理过程如下：

一类传感器：红外雷达或超声波在测量过程中受外界环境或飞机姿态影响，测量数据会出现偏差或跳变，为了解决该问题，需要剔除测得的错误数据，获取较准确的数据。通过一个算法实现：存储历史数据，剔除前三次最大值和后三次最小值后求平均，获取一个较为准确的实际测量高度值，从而解决了数据稳定性问题。例如，获取前50ms的十个历史测量数据，剔除前三次最大值和后三次最小值，对其余四个测量数据进行求平均，得到一个较为准确的测量数据。

二类传感器：该类传感器不需要进行信号预处理，可直接用传感器的测量值。

三类传感器：同时采用温度补偿和均值滤波两种方式对三类传感器进行信号预处理。具体地，温度补偿和均值滤波预处理为：

(1)温度补偿：对传感器进行温度补偿以减小或消除温度变化对传感器输出信号带来的影响；

(2)均值滤波：100ms内测量数据求均值。

上述数据稳定性问题是指，红外雷达或超声波在测量过程中受外界环境或飞机姿态影响时，测量数据会出现偏差或跳变，为了解决该问题，需要剔除测得的错误数据，获取较准确的数据；通过上述算法实现：存储历史数据，剔除前三次最大值和后三次最小值后求平均，获取一个较为准确的测量高度h，解决了数据稳定性问题。

步骤2.各类传感器优先级选择：根据一类传感器的信号质量和高度可用范围判断一类传感器是否可用，若一类传感器可用，则进行步骤3，其中一类传感器的实际测量值h1为步骤1中信号预处理后的高度值；同时，在一类传感器可用时，对二类传感器和三类传感器进行零偏修正；

若一类传感器不可用，则根据二类传感器预处理后的测量值判断二类传感器是否可用，若二类传感器可用，则进行步骤3，同时零偏修正扣除获取二类传感器的实际测量值，其中二类传感器的实际测量值h2为通过信号预处理后的测量值减去一类传感器对二类传感器的零偏修正值获取；同时，在二类传感器可用时，对三类传感器进行零偏修正；

若二类传感器不可用，则采用三类传感器，通过信号预处理后的测量值减去另外两类传感器对三类传感器的零偏值，从而获取三类传感器的实际测量值h3。

步骤3.高度融合：采用互补滤波器将该类传感器的实际测量值与加速度计获取的加速度信息进行融合，得到高度融合值；该步骤能够提高测量高度的实时性。

上述解决实时性问题具体是指，在解决上述数据稳定性问题时会带来数据滞后问题，为了解决该问题，包括如下步骤：

a、通过三轴加速度计获取无人机对象坐标系下的三轴加速度，结合无人机的姿态角信息进行坐标系变换，获得大地参考系下的垂直加速度a；再通过积分算法对垂直加速度进行积分获得高度信息h'；

加速度积分公式：

即通过加速度积分产生垂直速度，再积分得到高度。

b、采用互补滤波器算法将1)中获取的测量高度h与加速度计获取的高度信息h1进行融合，从而获取无人机的高精度测量高度H。充分利用了雷达(或超声波)的精确性和加速度计的快速性优势，解决了数据不稳定和实时性较差的问题。

具体而言，互补滤波算法公式：h为实际测量值，其中为滤波器系数，的计算方法如下：Δt为计算周期，fc为平滑系数。

步骤4.利用融合后的高度值对无人机进行高度控制。

进一步地，在步骤2中，判断一类传感器是否可用时，传感器会自动发送当前信号质量，根据信号质量和可用范围决定一类传感器是否可用；

判断可用范围时会用到迟滞比较器；可用范围一定小于传感器测量高度；可用条件：信号质量满足Q>Q0，即Q大于设定的最小阈值Q0，信号预处理后的高度小于最大高度预值。信号质量最小阈值与传感器本身有关，不同传感器具有不同标准。

一类传感器融合的同时修正其它两类传感器的零偏，即一类传感器融合时根据另外两个传感器(二类/三类传感器)的信号质量修正两类传感器的零偏，

修正时需具备条件：

a.一类传感器正在融合(说明一类传感器信号质量较好)

b.二类/三类传感器的精度估计。精度越高，修正越弱，精度越低，修正越强

一类传感器对二类或三类传感器零偏修正，零偏修正公式为：

st＝st-1+β{(h-st-1)-H}

其中，st为二类/三类传感器的零偏值，st-1为前一时刻二类/三类传感器的零偏值，H为一类传感器的当前融合高度，h为二类/三类传感器的实际测量高度，β为修正系数；传感器自身的偏移量可通过初始校准或卡尔曼滤波估计得到。

对于二类传感器，β与二类传感器的信号质量Q有关，在此，我们将β定义为Q,Q为传感器本身自带的信号质量。

对于三类传感器，修正系数其中fc代表：平滑系数。

进一步地，在步骤2中，信号质量满足Q>Q0时，二类传感器可用，当第二类传感器可用时，根据二类传感器信号质量Q，对三类传感器零偏进行修正，修正公式同上。

进一步地，步骤3中各类传感器的具体融合过程：

a、通过三轴加速度计获取无人机对象坐标系下的三轴加速度，结合无人机的姿态角信息进行坐标系变换，获得大地参考系下的垂直加速度a；再通过积分算法对垂直加速度进行积分获得高度信息h1；

加速度积分公式：

b、采用互补滤波器算法将对应类别传感器的实际测量值h与加速度计获取的高度信息进行融合，从而获取较为精确的融合高度值，充分利用了传感器的精确性和加速度计的快速性优势。

互补滤波算法公式：

其中为滤波器系数，的计算方法如下：

Δt为计算周期，fc为平滑系数。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

总体而言，本公开的各种实施例可以以硬件或专用电路、软件、逻辑或其任意组合实施。一些方面可以以硬件实施，而其它一些方面可以以固件或软件实施，该固件或软件可以由控制器、微处理器或其它计算设备执行。虽然本公开的各种方面被示出和描述为框图、流程图或使用其它一些绘图表示，但是可以理解本文描述的框、设备、系统、技术或方法可以以非限制性的方式以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其它计算设备或其一些组合实施。

此外，虽然操作以特定顺序描述，但是这不应被理解为要求这类操作以所示的顺序执行或是以顺序序列执行，或是要求所有所示的操作被执行以实现期望结果。在一些情形下，多任务或并行处理可以是有利的。类似地，虽然若干具体实现方式的细节在上面的讨论中被包含，但是这些不应被解释为对本公开的范围的任何限制，而是特征的描述仅是针对具体实施例。在分离的一些实施例中描述的某些特征也可以在单个实施例中组合地执行。相反对，在单个实施例中描述的各种特征也可以在多个实施例中分离地实施或是以任何合适的子组合的方式实施。