买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东工业大学申请的专利水空两栖无人机的多传感器融合定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119555060B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411637309.1，技术领域涉及：G01C21/16；该发明授权水空两栖无人机的多传感器融合定位方法是由刘畅;顾桂存;陈仲铭;杨立鑫;徐雍;鲁仁全设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本水空两栖无人机的多传感器融合定位方法在说明书摘要公布了：本发明涉及无人机定位技术领域，尤其涉及一种水空两栖无人机的多传感器融合定位方法，包括以下步骤：在水空两栖无人机处于水下时，基于多普勒测速仪和惯性测量单元对所述水空两栖无人机的水下位置进行估计，得到初步定位信息；无人机处于空中时，基于实时动态测量方法对所述水空两栖无人机的空中位置进行估计，得到观测信息；无人机从空中进入水下时，基于机械扫描声呐对所述水空两栖无人机的水下工作环境进行扫描，得到水下点云数据；以所述初步定位信息和所述观测信息作为因子图的节点，并根据所述水下点云数据对所述因子图进行求解，得到所述水空两栖无人机的最优位置估计信息。本发明提高了水空两栖无人机的水下定位精度。

本发明授权水空两栖无人机的多传感器融合定位方法在权利要求书中公布了：1.一种水空两栖无人机的多传感器融合定位方法，其特征在于，包括以下步骤： S1、在水空两栖无人机处于水下时，基于多普勒测速仪和惯性测量单元对所述水空两栖无人机的水下位置进行估计，得到初步定位信息； S2、在所述水空两栖无人机处于空中时，基于实时动态测量方法对所述水空两栖无人机的空中位置进行估计，得到观测信息； S3、在所述水空两栖无人机从空中进入水下时，基于机械扫描声呐对所述水空两栖无人机的水下工作环境进行扫描，得到水下点云数据； S4、以所述初步定位信息和所述观测信息作为因子图的节点，并根据所述水下点云数据对所述因子图进行求解，得到所述水空两栖无人机的最优位置估计信息； 其中，步骤S1具体为： 基于所述多普勒测速仪获取所述水空两栖无人机在DVL坐标系中的速度数据，同时基于所述惯性测量单元获取所述水空两栖无人机在IMU坐标系中的加速度数据和角速度数据，将所述速度数据、所述加速度数据、所述角速度数据使用扩展卡尔曼滤波单元进行处理，得到所述初步定位信息； 所述惯性测量单元根据其获取的所述加速度数据和所述角速度数据计算姿态矩阵，并将所述姿态矩阵作用于所述多普勒测速仪获取速度数据的步骤中； 步骤S3包括以下子步骤： 基于所述机械扫描声呐对所述水空两栖无人机的水下工作环境进行扫描，得到三维地图形式的第一声呐数据； 将所述第一声呐数据所在的坐标系转换为笛卡尔坐标系，得到第二声呐数据； 基于所述第二声呐数据中所有坐标点构建所述水下点云数据； 步骤S3还包括： 将所述水下点云数据映射至三维体素中，并对所述三维体素中每一预设体素区域的点的均值和协方差矩阵进行计算； 设定聚类体素大小的预设下限值，基于所述预设体素区域的点的均值和协方差矩阵判断距离相邻的所述预设体素区域是否大于所述预设下限值，若是，则对不同所述预设体素区域进行点云聚类，得到水下点云聚类数据； 步骤S4包括以下子步骤： 定义所述初步定位信息的残差为，所述观测信息的残差为，当前帧与前一帧的所述水下点云聚类数据之间的闭环残差为，其中表示将当前帧的水下点云聚类均值在对应的所述三维体素中的坐标点通过所述姿态矩阵进行转换后的坐标，表示欧氏距离； 以所述初步定位信息作为连续的不同坐标点的关系因子、以所述观测信息作为坐标点与所述观测信息的值的关系因子、并以所述闭环残差作为当前帧和前一帧的坐标点的关系因子构建所述因子图； 以所述初步定位信息的残差、所述观测信息的残差、所述闭环残差构建预设优化目标函数，对所述因子图进行迭代求解，得到所述最优位置估计信息，所述预设优化目标函数满足： 其中，为预设优化值，分别为所述初步定位信息的残差、所述观测信息的残差、所述闭环残差的权重，所述预设优化目标函数的迭代求解目标为使得所述预设优化值最小。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。