一种基于无人机多点测距数据的目标定位方法

1.本发明涉及目标定位技术领域，具体地说，本发明涉及一种基于无人机多点测距数据的目标定位方法。


背景技术：

2.无人机因体积小、机动灵活、隐蔽性强以及可以携带多种传感器等优势，具备精确探测目标位置的潜力，因此被广泛应用于军事和民用领域。
3.无人机定位目标一般采用经典的单点定位方法，具体步骤为：
4.第一步，在操作手控制无人机的光电系统锁定并跟踪地面目标后，无人机的数据采集模块从无人机导航系统得到无人机位置，从无人机的陀螺仪系统得到无人机姿态，从无人机的光电系统得到目标相对于无人机的方位角、俯仰角以及无人机到目标的距离；
5.第二步，无人机上的定位软件读入数据采集模块中无人机位置、无人机姿态、目标相对于无人机的方位角和俯仰角、以及无人机到目标的距离，然后利用无人机与目标的相对位置与二者间距离和角度的关系建立估计目标位置的表达式，解算出目标位置。
6.单点定位方法利用角度和距离信息计算得到目标位置，原理简单且容易实现。但是该方法对无人机陀螺仪系统姿态测量精度和光电系统测角精度要求较高，高精度的陀螺仪因体积巨大无法安装在无人机平台上，而小型化的陀螺仪对无人机姿态测量存在明显的积分累积误差，随着测量时间增加姿态测量误差逐渐增大；而且无人机上机械转动的光电系统存在安装误差，无法得到精准的指向角度信息，导致在现有无人机平台下单点定位误差较大，对距离1公里远的目标定位误差甚至达到百米量级，不能有效估计出地面目标位置。
7.为了克服无人机姿态和指向角度测量不准确导致目标定位精度低的问题，利用无人机多点测距信息对目标进行定位的总体最小二乘方法被提出(郑锴，郑献民，殷少锋等.基于总体最小二乘的无人机实时目标定位方法[j].电光与控制，2019 26(10):26-29.)。
[0008]
总体最小二乘方法为：
[0009]
第一步，任务操作手操控无人机锁定目标并对目标进行绕飞，在绕飞航迹的若干测量点上，无人机的数据采集模块从无人机导航系统得到无人机位置，从光电系统得到无人机到目标的距离；
[0010]
第二步，无人机上的定位软件读入数据采集模块中无人机位置和无人机到目标的距离，基于无人机与目标的相对位置与二者间距离的关系，从最小二乘原理出发建立估计目标位置的表达式，并利用奇异值分解方法对目标位置的表达式进行解算，得到目标位置。
[0011]
相比于单点定位方法，总体最小二乘定位方法不需要角度测量信息，因而避免了角度测量误差大导致定位精度低的问题，可以获得优于单点定位方法的目标定位精度。然而总体最小二乘定位方法依赖于无人机的飞行轨迹，只能在圆柱螺旋线和阿基米德螺旋线轨迹下可以获得较好的定位结果，对距离1公里远的目标定位精度可以达到米级，而针对如绕目标圆周飞行的典型飞行轨迹，在目标高度向定位误差较大，定位精度甚至下降至百米
级，导致无法有效获得目标三维空间位置，不能满足高精度目标指示的要求。
[0012]
因此如何提高无人机目标定位的精度一直是本领域的难点和热点问题。


技术实现要素：

[0013]
本发明要解决的技术问题在于，针对现有无人机定位方法定位精度不高这一问题，提出一种新的基于无人机多点测距数据的目标定位方法，实现对目标三维空间位置的高精度确定，提高目标的定位精度。
[0014]
为解决上述技术问题，本发明的技术方案是：构建由数据采集模块、位置粗估计模块和位置精估计模块组成的目标定位系统。数据采集模块基于无人机使用手册中的数据采集精度、利用无人机激光载荷和无人机导航系统采集到的数据构建数据集data；位置粗估计模块读入data，采用最优线性无偏估计方法得到第一包含目标位置的估计值并采用加权最小二乘估计方法得到第二包含目标位置的估计值位置精估计模块基于内元素关系构建待估计参数β，采用加权最小二乘估计方法精确定位目标。采用本发明可以得到高精度的目标定位结果。
[0015]
在本发明的数学公式中，矩阵或向量的右上角加“t”表示对矩阵或向量转置，矩阵的右上角加
“‑
1”表示对矩阵求逆。
[0016]
本发明包括以下步骤：
[0017]
第一步，构建目标定位系统，目标定位系统由数据采集模块、位置粗估计模块和位置精估计模块组成。数据采集模块由无人机自带，位置粗估计模块和位置精估计模块安装在无人机计算单元上。
[0018]
数据采集模块与位置粗估计模块相连，由无人机激光载荷和无人机导航系统组成。无人机激光载荷的测距距离要求不小于10千米，测距精度优于9米；无人机导航系统要求定位精度优于5米。无人机激光载荷采集无人机绕目标飞行过程中n个测量点到目标的距离；无人机导航系统采集无人机绕目标飞行过程中n个测量点的无人机三维位置；从而获得数据集data：
[0019][0020]
其中为无人机绕目标飞行过程中的n个测量点到目标的距离集合，为无人机绕目标飞行过程中的n个测量点到目标的距离集合，为无人机绕目标飞行过程中第n个测量点到目标的距离，单位为米，1≤n≤n，n为无人机绕目标飞行的航迹的测量点个数；为无人机绕目标飞行过程中n个测量点的无人机三维位置，n个测量点的无人机三维位置，为无人机绕目标飞行过程中第n个测量点的无人机三维位置，个测量点的无人机三维位置，为wgs84坐标系下第n个测量点x轴方向的位置，为wgs84坐标系下第n个测量点y轴方向的位置，为wgs84坐标系下第n个测量点z轴方向的位置，无人机空间三维位置的单位为米；qu为无人机导航精度，表示无人机位置的测量精度，单位为平方米；qr为无人机激光测距精度，表示无人机激光载荷的测距精度，单位为平方米，qu和qr均可通过无人机使用手册获得。
[0021]
位置粗估计模块与数据采集模块、位置精估计模块相连，位置粗估计模块从无人机数据采集模块读取无人机多点测距数据集data，采用最优线性无偏估计方法和加权最小二乘方法对目标位置进行估计，得到目标位置的初始估计值，将初始估计值发送给位置精估计模块。
[0022]
位置精估计模块与位置粗估计模块相连，从位置粗估计模块接收目标位置的初始估计值，基于初始估计值构建精确估计目标位置的表达式，然后采用加权最小二乘估计方法解算出目标位置，得到最终的目标定位结果。
[0023]
第二步，数据采集模块基于无人机使用手册中的数据采集精度、以及利用无人机激光载荷和无人机导航系统采集到的数据构建数据集data，方法如下：
[0024]
2.1依据无人机使用手册中的无人机导航精度qu和激光测距精度qr，将它们依次放入数据集data，得到data中的前两项。
[0025]
2.2采集和方法是：
[0026]
2.2.1初始化n＝1；
[0027]
2.2.2在无人机对目标绕飞过程中，无人机激光载荷在第n(1≤n≤n，n为无人机绕目标飞行的航迹的测量点个数，n＞3)个测量点获得无人机在第n个测量点到目标的距离无人机导航系统获得无人机在第n个测量点的位置将放到中，将放到中。
[0028]
2.2.3若n≤n，转2.2.2；若n＞n，说明已完成和的采集，将和放到数据集data中。
[0029]
第三步，位置粗估计模块从数据采集模块读入data，采用最优线性无偏估计方法得到第一包含目标位置的估计值在此基础上，进一步采用加权最小二乘估计方法得到第二包含目标位置的估计值并将发送至位置精估计模块。
[0030]
方法如下：
[0031]
3.1：对data进行整理，生成第一向量b和第一系数矩阵a，
[0032]
b＝[b1,
…
,bn,
…
,bn]
t
，其中
[0033]
其中
[0034]
3.2：依据高斯-马尔科夫定理，利用目标位置与无人机和目标间距离的关系，基于最优线性无偏估计方法(见文献“s.m.kay,fundamentals of statistical signal processing[m].prentice hall ptr,1993.”s.m.kay的专著：统计信号处理基础)对第一向量b和第一系数矩阵a进行推导，得到公式(4)，计算第一包含目标位置的估计值
[0035][0036]
其中w为协方差矩阵，w是利用data生成的，
[0037]
[0038]
其中为对角矩阵，主对角线上的n个元素分别是向量中的n个距离值；in表示大小为n
×
n的单位矩阵；表示元素均为1的三维向量；为对角矩阵，主对角线上的元素由向量中的坐标值构成；表示克罗内克积数学运算。
[0039]
3.3：在得到的基础上，利用加权最小二乘估计方法得到公式(6)，利用公式(6)计算第二包含目标位置的估计值
[0040][0041]
其中ξ为加权矩阵，ξ是利用data和生成的，
[0042][0043]
其中其中表示向量中第1个到第3个元素组成的向量。是一个4维向量，第1到第3个元素为目标三维位置，第4个元素为目标三维位置的均方和。
[0044]
3.4：位置粗估计模块将发送给位置精估计模块。
[0045]
第四步，位置精估计模块从位置粗估计模块接收基于内元素关系构建待估计参数β，然后采用加权最小二乘估计方法精确定位目标。方法如下：
[0046]
4.1：利用生成第二向量q和第二系数矩阵η，
[0047][0048][0049]
其中表示中第1个到第3个元素组成的向量，表示中第4个元素；α＝[x
α
,y
α
,z
α
]
t
为引入的辅助变量，其中为引入的辅助变量，其中表示使得最大的表示中第1个元素；表示使得最大的最大的表示量中第2个元素；表示使得最大的表示中第3个元素。
[0050]
4.2：利用加权最小二乘估计方法得到估计公式(10)，根据公式(10)计算得到第三包含目标位置的估计值
[0051]
[0052]
其中m为加权矩阵，其计算表达式为
[0053]
m＝t(a
t
ξ-1a
)-1
t
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0054]
其中
[0055]
4.3：利用向量通过公式(12)的矩阵运算，可以得到包含目标三维位置估计值的为
[0056][0057]
其中sgn(
·
)为符号函数，满足
[0058][0058]
为wgs84坐标系下目标横坐标估计值，为目标纵坐标估计值，为目标高度向坐标估计值。
[0059]
与现有技术相比，采用本发明可以达到以下有益效果：
[0060]
(1)本发明采用粗定位+精定位的两步定位方法，通过由粗到精的定位策略，克服了距离测量值与目标位置之间高次非线性关系导致直接解算目标位置方法定位效果不佳的问题，实现了对目标位置的高精度估计。
[0061]
(2)本发明第三步位置粗估计模块通过初步估计出的目标位置值更新加权最小二乘估计方法中的加权矩阵，可以更加充分的利用测量数据中的有价值信息，使得位置粗估计模块获得比仅利用最优线性无偏估计方法更加精确的目标位置估计值。
[0062]
(3)本发明第四步位置精估计模块通过引入辅助变量降低了加权最小二乘估计方法中系数矩阵对无人机飞行轨迹的敏感性，能够在诸如无人机绕目标圆周飞行的轨迹下，高精度估计出目标的三维位置。
附图说明
[0063]
图1为本发明总体流程图；
[0064]
图2是本发明第一步构建的目标定位系统逻辑结构图；
[0065]
图3为本发明一个仿真示例的无人机定位目标的场景图，图3(a)是该定位场景的俯视图，图3(b)是该定位场景的三维图；
[0066]
图4为采用本发明与背景技术的总体最小二乘方法对图3所示仿真示例的定位结果比较。
具体实施方式
[0067]
下面结合附图和具体仿真示例，对本发明作进一步详细的说明。
[0068]
图1为本发明总体流程图，包括四个步骤。
[0069]
第一步，构建目标定位系统，目标定位系统由无人机数据采集模块、位置粗估计模块和位置精估计模块组成。数据采集模块由无人机自带，位置粗估计模块和位置精估计模
块安装在无人机计算单元上，目标定位系统的逻辑结构图如图2所示。
[0070]
数据采集模块与位置粗估计模块相连，由无人机激光载荷和无人机导航系统组成。无人机激光载荷的测距距离要求不小于10千米，测距精度优于9米；无人机导航系统要求定位精度优于5米。无人机激光载荷采集无人机绕目标飞行过程中n个测量点到目标的距离；无人机导航系统采集无人机绕目标飞行过程中n个测量点的无人机三维位置；从而获得数据集data：
[0071][0072]
其中为无人机绕目标飞行过程中的n个测量点到目标的距离集合，为无人机绕目标飞行过程中的n个测量点到目标的距离集合，为无人机绕目标飞行过程中第n个测量点到目标的距离，单位为米，1≤n≤n，n为无人机绕目标飞行的航迹的测量点个数；为无人机绕目标飞行过程中n个测量点的无人机三维位置，n个测量点的无人机三维位置，为无人机绕目标飞行过程中第n个测量点的无人机三维位置，个测量点的无人机三维位置，为wgs84坐标系下第n个测量点x轴方向的位置，为wgs84坐标系下第n个测量点y轴方向的位置，为wgs84坐标系下第n个测量点z轴方向的位置，无人机空间三维位置的单位为米；qu为无人机导航精度，表示无人机位置的测量精度，单位为平方米；qr为无人机激光测距精度，表示无人机激光载荷的测距精度，单位为平方米，qu和qr均可通过无人机使用手册获得。
[0073]
位置粗估计模块与无人机数据采集模块、位置精估计模块相连，位置粗估计模块从无人机数据采集模块读取无人机多点测距数据集data后，采用最优线性无偏估计方法和加权最小二乘方法对目标位置进行估计，得到目标位置的初始估计值，将初始估计值发送给位置精估计模块。
[0074]
位置精估计模块与位置粗估计模块相连，从位置粗估计模块接收目标位置的初始估计值，基于初始估计值构建精确估计目标位置的表达式，然后采用加权最小二乘估计方法对目标进行高精度定位，得到最终的目标位置估计值。
[0075]
第二步，无人机数据采集模块基于无人机使用手册中的数据采集精度、以及利用无人机激光载荷和无人机导航系统采集到的数据构建数据集data，方法如下：
[0076]
2.1依据无人机使用手册中的无人机导航精度qu和激光测距精度qr，将它们依次放入数据集data，得到data中的前两项。
[0077]
2.2操作手操作无人机对目标进行绕飞过程中采集和绕飞轨迹如图3所示，图3为本发明一个仿真示例的定位场景图，模拟现役kvb系列无人机(即近程侦察无人机)定位过程，图3(a)是该定位场景的俯视图，图3(b)是该定位场景的三维图。无人机飞行轨迹通过操作手操作无人机以目标o为中心进行圆周飞行得到，同时飞行过程中受气流影响导致无人机飞行位置存在波动。和的采集方法是：
[0078]
2.2.1初始化n＝1；
[0079]
2.2.2无人机激光载荷在第n(1≤n≤n，n为无人机绕目标飞行的航迹的测量点个数，本仿真示例中，n＝30)个测量点获得无人机在第n个测量点到目标的距离无人机导
航系统获得无人机在第n个测量点的位置将放到中，将放到中。
[0080]
2.2.3若n≤n，转2.2.2；若n＞n，说明已完成和的采集，将和放到数据集data中。
[0081]
第三步，位置粗估计模块从无人机数据采集模块读入data，采用最优线性无偏估计方法得到第一包含目标位置的估计值在此基础上，进一步采用加权最小二乘估计方法得到第二包含目标位置的估计值并将发送至位置精估计模块。方法如下：
[0082]
3.1：对data进行整理，生成第一向量b和第一系数矩阵a，
[0083]
b＝[b1,
…
,bn,
…
,bn]
t
，其中
[0084]
其中
[0085]
3.2：依据高斯-马尔科夫定理，利用目标位置与无人机和目标间距离的关系，基于最优线性无偏估计方法对第一向量b和第一系数矩阵a进行推导，得到公式(4)，计算第一包含目标位置的估计值
[0086][0087]
其中w为协方差矩阵，w是利用data生成的，
[0088][0089]
其中为对角矩阵，主对角线上的n个元素分别是向量中的n个距离值；in表示大小为n
×
n的单位矩阵；表示元素均为1的三维向量；为对角矩阵，主对角线上的元素由向量中的坐标值构成；表示克罗内克积数学运算。
[0090]
3.3：在得到估计值的基础上，利用加权最小二乘估计方法得到公式(6)，利用公式(6)计算第二包含目标位置的估计值
[0091][0092]
其中ξ为加权矩阵，ξ是利用data和生成的，
[0093][0094]
其中其中表示向量中第1个到第3个元素组成的向量。
[0095]
3.4：位置粗估计模块将发送给位置精估计模块。
[0096]
第四步，位置精估计模块从位置粗估计模块接收基于内元素关系构建待估
计参数β，然后采用加权最小二乘估计方法精确定位目标。方法如下：
[0097]
4.1：利用生成第二向量q和第二系数矩阵η，
[0098][0099][0100]
其中表示向量中第1个到第3个元素组成的向量，表示向量中第4个元素；α＝[x
α
,y
α
,z
α
]
t
为引入的辅助变量，其中为引入的辅助变量，其中表示使得最大的其中表示向量中第1个元素；表示使得最大的其中表示向量中第2个元素；表示使得最大的其中表示向量中第3个元素。
[0101]
4.2：利用加权最小二乘估计方法得到估计公式(10)，根据公式(10)计算得到第三包含目标位置的估计值
[0102][0103]
其中m为加权矩阵，其计算表达式为
[0104][0105]
其中
[0106]
4.3：利用向量通过公式(24)的矩阵运算，可以得到包含目标三维位置估计值的为
[0107][0108]
其中sgn(
·
)为符号函数，满足
[0109]
包含wgs84坐标系下目标横坐标估计值目标纵坐标估计值以及目标高度向坐标估计值
[0110]
图4展示了不同无人机测量点数量情况(即n不同，n分别为4、10、20、30)下，本发明和背景技术中总体最小方法的定位结果，该结果展示了定位方法在wgs84坐标系下三个方向的定位误差，以及综合三个方向定位误差的总误差。总误差的计算方式为三个方向定位误差的平方和的平方根。下面以无人机测量点数量n为4为例，对目标定位系统输入的数据
集data进行说明。在某次飞行下，数据集data中各元素值如下：
[0111]qu
＝25
·i12
[0112]
qr＝81
·
i4[0113][0114][0115]
其中第一个测量点的无人机位置为第二个测量点的无人机位置为第三个测量点的无人机位置为第四个测量点的无人机位置为i
12
和i4分别表示大小为12
×
12和4
×
4的单位矩阵。从图4可以发现当测量点数量n为4时，本发明相对于背景技术所述总体最小二乘方法显著提高了目标定位精度，尤其在z轴方向上将定位误差从337.33m降低至8.19m，同时在x和y两个方向上定位精度也有所提升。进一步的，图4展示的测量点数量n分别为10、20和30情况下的定位结果证实了本发明相比于已有总体最小二乘方法显著提高了目标定位精度，尤其在z轴方向上提升效果明显，说明本发明定位精度更优。从该结果可以看出本发明克服了已有定位方法的缺陷，实现了对目标的高精度定位。

技术特征：
1.一种基于无人机多点测距数据的目标定位方法，其特征在于包括以下步骤：第一步，构建目标定位系统，目标定位系统由数据采集模块、位置粗估计模块和位置精估计模块组成；数据采集模块由无人机自带，位置粗估计模块和位置精估计模块安装在无人机计算单元上；数据采集模块与位置粗估计模块相连，由无人机激光载荷和无人机导航系统组成；无人机激光载荷采集无人机绕目标飞行过程中n个测量点到目标的距离；无人机导航系统采集无人机绕目标飞行过程中n个测量点的无人机三维位置；从而获得数据集data：其中为无人机绕目标飞行过程中的n个测量点到目标的距离集合，为无人机绕目标飞行过程中的n个测量点到目标的距离集合，为无人机绕目标飞行过程中第n个测量点到目标的距离，单位为米，1≤n≤n，n为无人机绕目标飞行的航迹的测量点个数；为无人机绕目标飞行过程中n个测量点的无人机三维位置，位置，为无人机绕目标飞行过程中第n个测量点的无人机三维位置，置，为wgs84坐标系下第n个测量点x轴方向的位置，为wgs84坐标系下第n个测量点y轴方向的位置，为wgs84坐标系下第n个测量点z轴方向的位置，无人机空间三维位置的单位为米；q
u
为无人机导航精度，表示无人机位置的测量精度，单位为平方米；q
r
为无人机激光测距精度，表示无人机激光载荷的测距精度，单位为平方米，q
u
和q
r
均通过无人机使用手册获得；位置粗估计模块与数据采集模块、位置精估计模块相连，位置粗估计模块从无人机数据采集模块读取无人机多点测距数据集data，采用最优线性无偏估计方法和加权最小二乘方法对目标位置进行估计，得到目标位置的初始估计值，将初始估计值发送给位置精估计模块；位置精估计模块与位置粗估计模块相连，从位置粗估计模块接收目标位置的初始估计值，基于初始估计值构建精确估计目标位置的表达式，然后采用加权最小二乘估计方法解算出目标位置，得到最终的目标定位结果；第二步，数据采集模块基于无人机使用手册中的数据采集精度、以及利用无人机激光载荷和无人机导航系统采集到的数据构建数据集data，方法如下：2.1依据无人机使用手册中的无人机导航精度q
u
和激光测距精度q
r
，将它们依次放入数据集data，得到data中的前两项；2.2无人机激光载荷采集无人机导航系统采集将和放到数据集data中；第三步，位置粗估计模块从数据采集模块读入data，采用最优线性无偏估计方法得到第一包含目标位置的估计值并进一步采用加权最小二乘估计方法得到第二包含目标位置的估计值并将发送至位置精估计模块；方法如下：3.1：对data进行整理，生成第一向量b和第一系数矩阵a，公式中矩阵或向量的右上角加“t”表示对矩阵或向量转置，矩阵的右上角加
“‑
1”表示对矩阵求逆：
b＝[b1,
…
,b
n
,
…
,b
n
]
t
，其中，其中其中3.2：依据高斯-马尔科夫定理，利用目标位置与无人机和目标间距离的关系，基于最优线性无偏估计方法对第一向量b和第一系数矩阵a进行推导，得到公式(4)，计算第一包含目标位置的估计值标位置的估计值其中w为协方差矩阵，w是利用data生成的，其中为对角矩阵，主对角线上的n个元素分别是向量中的n个距离值；i
n
表示大小为n
×
n的单位矩阵；表示元素均为1的三维向量；为对角矩阵，主对角线上的元素由向量中的坐标值构成；表示克罗内克积数学运算；3.3：在得到的基础上，利用加权最小二乘估计方法得到公式(6)，利用公式(6)计算第二包含目标位置的估计值二包含目标位置的估计值其中ξ为加权矩阵，ξ利用data和生成，其中其中表示向量中第1个到第3个元素组成的向量；是一个4维向量，第1到第3个元素为目标三维位置，第4个元素为目标三维位置的均方和；3.4：位置粗估计模块将发送给位置精估计模块；第四步，位置精估计模块从位置粗估计模块接收基于内元素关系构建待估计参数β，然后采用加权最小二乘估计方法精确定位目标；方法如下：4.1：利用生成第二向量q和第二系数矩阵η，生成第二向量q和第二系数矩阵η，其中表示中第1个到第3个元素组成的向量，表示中第4个元素；α＝[x
α
,y
α
,z
α
]
t
为引入的辅助变量，其中为引入的辅助变量，其中表示使得最大的最大的表示中第1个元素；表示使得最大的最大的表示量中第2个元素；表示使得最大的最大的表示中第3个元素；4.2：利用加权最小二乘估计方法得到估计公式(10)，根据公式(10)计算得到第三包含目标位置的估计值目标位置的估计值其中m为加权矩阵，其计算表达式为m＝t(a
t
ξ-1
a)-1
t
t
ꢀꢀꢀꢀ
(11)其中4.3：利用向量通过公式(12)的矩阵运算，得到包含目标三维位置估计值的通过公式(12)的矩阵运算，得到包含目标三维位置估计值的其中sgn(
·
)为符号函数，满足)为符号函数，满足)为符号函数，满足为wgs84坐标系下目标横坐标估计值，为目标纵坐标估计值，为目标高度向坐标估计值。2.如权利要求1所述的一种基于无人机多点测距数据的目标定位方法，其特征在于所述无人机激光载荷的测距距离要求不小于10千米，测距精度优于9米；无人机导航系统要求定位精度优于5米。3.如权利要求1所述的一种基于无人机多点测距数据的目标定位方法，其特征在于所述无人机绕目标飞行的航迹的测量点个数n＞3。4.如权利要求1所述的一种基于无人机多点测距数据的目标定位方法，其特征在于2.2步所述采集和的方法是：2.2.1初始化n＝1；2.2.2在无人机对目标绕飞过程中，无人机激光载荷在第n个测量点获得无人机在第n个测量点到目标的距离无人机导航系统获得无人机在第n个测量点的位置将放到中，将放到中；2.2.3若n≤n，转2.2.2；若n＞n，说明已完成和的采集，将和放到数据集data中。

技术总结
本发明公开了一种基于无人机多点测距数据的目标定位方法，目的是提高无人机定位方法定位精度。技术方案是：构建由数据采集模块、位置粗估计模块和位置精估计模块组成的目标定位系统。数据采集模块基于无人机使用手册中的数据采集精度、利用无人机激光载荷和无人机导航系统采集到的数据构建数据集Data；位置粗估计模块读入Data，采用最优线性无偏估计方法得到第一包含目标位置的估计值并采用加权最小二乘估计方法得到第二包含目标位置的估计值位置精估计模块基于内元素关系构建待估计参数β，采用加权最小二乘估计方法精确定位目标。采用本发明可以得到高精度的目标定位结果，得到高精度的目标的三维位置。得到高精度的目标的三维位置。得到高精度的目标的三维位置。


技术研发人员：宋海波 文贡坚
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：2023.05.16
技术公布日：2023/8/14