摘要
本发明属于无人机应用领域,公开了一种无人机在无光弱光下的定位巡检方法及相关装置,通过惯性导航数据与方位角/俯仰角/距离的观测量矩阵构建,形成多源数据融合框架;基于实时光照强度采用自适应算法动态分配传感器权重,提升弱光环境中可靠传感器的数据贡献度;利用改进的扩展卡尔曼滤波对非线性观测模型进行迭代优化,通过联合修正观测量矩阵与方位误差矩阵降低系统噪声干扰;通过多深度神经网络模型的协同处理,动态更新各子模型的先验概率与转移概率权重,实现状态估计与协方差矩阵的自适应融合。采用本方法提升了弱光环境下传感器数据融合的可靠性,增强了定位模型的环境适应性,使无人机在无光弱光条件下仍能保持高精度定位与稳定导航。
技术关键词
无人机
方位误差
深度神经网络模型
巡检方法
扩展卡尔曼滤波算法
惯性导航系统
方位角
参数
协方差矩阵
综合误差
环境光照强度
测量误差
分布式定位系统
动态更新
定位巡检系统
误差矩阵
可靠传感器
惯性导航数据