Wyznaczenie kursu bezzałogowego statku powietrznego na podstawie danych GPS i INS

pol Artykuł w języku polskim DOI: 10.14313/PAR_218/63

Kamil Krasuski *, wyślij Damian Wierzbicki ** * Zespół Technik Satelitarnych, ul. Zawiszy Czarnego 16, 08-530 Dęblin ** Wojskowa Akademia Techniczna, Wydział Inżynierii Lądowej i Geodezji, Zakład Fotogrametrii i Teledetekcji

Pobierz Artykuł

Streszczenie

Od kilkunastu lat obserwowany jest wzrost zainteresowania wykorzystania bezzałogowych statków latających w fotogrametrii i teledetekcji. Niskobudżetowe bezzałogowe platformy najczęściej korzystają ze stosunkowo tanich jednoczęstotliwościowych odbiorników GPS oraz platformy INS (MEMS). Ich integracja umożliwia wyznaczenie parametrów orientacji bezzałogowego statku latającego w przestrzeni. W artykule zaprezentowano wstępne rezultaty wyznaczenia kursu na podstawie samych danych GPS oraz określono różnicę kursu z wykorzystaniem danych GPS i INS. Przedstawiono również algorytm wyznaczenia kursu oraz opisano dokładnie przebieg eksperymentu lotniczego z wykorzystaniem platformy Trimble UX5. Na podstawie przeprowadzonych badań i uzyskanych wyników stwierdzono, iż średnia różnica kursu na podstawie surowych danych GPS i INS wynosi 0,21° z odchyleniem standardowym 6,12°.

Słowa kluczowe

filtr Kalmana, gps, INS, kurs, odchylenie standardowe

Estimation course angle for UAV based on GPS and INS data

Abstract

For several years, increased interest in the use of unmanned aerial vehicles in photogrammetry and remote sensing can be easily observed. Low-budget unmanned platforms mostly use a relatively low-cost single frequency GPS and INS platforms (MEMS). Their integration allows to determination the orientation parameters of unmanned aerial vehicle in the space. The article deals with the preliminary results of determine the course angle based on the same GPS data and identifies the difference of course using GPS and INS data. The article presents an algorithm determine the course angle and also describes in details the airborne experiment using Trimble UX5 platform. Based on the researches and the results obtained, it was found that the average difference of course angle based on raw GPS and INS equals to 0.21° with a standard deviation of 6.12°.

Keywords

course angle, gps, INS, Kalman filter, standard deviation

Bibliografia

  1. Angrisano A., Petovello M., Pugliano G., Benefits of combined GPS/GLONASS with low-cost MEMS IMUs for vehicular urban navigation, “Sensors”, 12, 2012, 5134–5158, DOI: 10.3390/s120405134.
  2. Bevly D.M., Navigation for control of ground vehicles, Department of Mechanical Engineering, 5th Annual Summer Workshop, NDIA Intelligent Vehicles Symposium, 2006.
  3. Bieda R., Grygiel R., Wyznaczanie orientacji obiektu w przestrzeni z wykorzystaniem naiwnego filtru Kalmana, „Przegląd Elektrotechniczny”, ISSN 0033-2097, R. 90, Nr 1/2014.
  4. Cai C., Precise Point Positioning using dual-frequency GPS and GLONASS measurements, Dissertation thesis, University of Calgary, Canada, 2009.
  5. Ciećko A., Grzegorzewski M., Ćwiklak J., Oszczak S., Grunwald G., Baber K., Wykorzystanie systemów satelitarnych w bezpiecznej nawigacji powietrznej, „Logistyka”, Nr 3, 2015.
  6. Garguła T.: Rachunek wyrównawczy – przykłady opracowania ćwiczeń, Wydawnictwo GEODPIS Andrzej Jagielski, Kraków 2005.
  7. Grygiel R., Bieda R., Wojciechowski K., Metody wyznaczania kątów z żyroskopów dla filtru komplementarnego na potrzeby określania orientacji IMU, „Przegląd Elektrotechniczny”, R. 90, Nr 9, 2014, 217–224, DOI: 10.12915/pe.2014.09.
  8. Osada E., Geodezja, Politechnika Wrocławska, Wrocław 2001.
  9. Sanz Subirana J., Juan Zornoza J. M., Hernández-Pajares M., GNSS Data Processing, Vol. I: Fundamentals and Algorithms, ESA Communications, ESTEC, Noordwijk, Netherlands, 2013.
  10. Schultz C.E., INS and GPS integration, MSc thesis. Technical University of Denmark, 2006.
  11. www.uas.trimble.com, (listopad 2015).