无人机定位方法及服务器技术

本申请提供一种无人机定位方法及服务器，涉及无人机技术领域，能够在无需GPS信号的前提下，实现无人机的精准定位。该方法包括：接收第一无人机发送的第一测量报告；根据所述第一测量报告确定所述第一无人机所在的服务小区，获取所述服务小区的工参数据；将所述第一测量报告中的测量数据和所述服务小区的工参数据输入所述服务小区的位置预测模型，经过所述服务小区的位置预测模型处理后，输出得到所述第一无人机的位置；其中，所述服务小区的位置预测模型为利用第二无人机在所述服务小区发送的第二测量报告和所述服务小区的工参数据进行机器学习训练得到；所述第二测量报告包括所述第二无人机的位置信息。

【技术实现步骤摘要】
无人机定位方法及服务器
本申请涉及无人机
，尤其涉及一种无人机定位方法及服务器。
技术介绍
随着无人机行业的不断发展，无人机定位问题日益成为行业关注的焦点。传统无人机定位使用全球定位系统(globalpositioningsystem，GPS)，但由于卫星的信号功率低，无法穿透建筑物等固体障碍，由于一些遮蔽物的存在，类似于GPS、北斗的卫星导航技术在室内场景下就无法应用了。为了弥补GPS系统在室内定位中的缺陷，辅助全球卫星定位系统(assistedGPS，AGPS)在GPS定位的基础上，利用基地台代送辅助卫星信息，以缩减GPS芯片获取卫星信号的延迟时间，受遮盖的室内环境也能借基地台讯号弥补。并且，为了提高GPS定位精度，通常采用差分GPS技术,所述差分GPS技术包括实时伪距差分和实时相位差分定位技术。然而，AGPS的定位实现必须通过多次网络传输(最多可达六次单向传输)，占用的空间资源较多，成本也较高。而利用GPS的实时伪距差分和实时相位差分定位技术成本很高，且体积较大无法搭载在微型无人机上。因此，如何在摆脱GPS技术在无人本文档来自技高网...

【技术保护点】
1.一种无人机定位方法，其特征在于，所述方法包括：/n接收第一无人机发送的第一测量报告；/n根据所述第一测量报告确定所述第一无人机所在的服务小区，获取所述服务小区的工参数据；/n将所述第一测量报告中的测量数据和所述服务小区的工参数据输入所述服务小区的位置预测模型，经过所述服务小区的位置预测模型处理后，输出得到所述第一无人机的位置；其中，所述服务小区的位置预测模型为利用第二无人机在所述服务小区发送的第二测量报告和所述服务小区的工参数据进行机器学习训练得到；所述第二测量报告包括所述第二无人机的位置信息。/n

【技术特征摘要】
1.一种无人机定位方法，其特征在于，所述方法包括：
接收第一无人机发送的第一测量报告；
根据所述第一测量报告确定所述第一无人机所在的服务小区，获取所述服务小区的工参数据；
将所述第一测量报告中的测量数据和所述服务小区的工参数据输入所述服务小区的位置预测模型，经过所述服务小区的位置预测模型处理后，输出得到所述第一无人机的位置；其中，所述服务小区的位置预测模型为利用第二无人机在所述服务小区发送的第二测量报告和所述服务小区的工参数据进行机器学习训练得到；所述第二测量报告包括所述第二无人机的位置信息。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收至少一个所述第二无人机在所述服务小区发送的多个所述第二测量报告；
获取所述服务小区的工参数据；
将所述第二测量报告中的测量数据与所述服务小区的所述工参数据结合，生成所述服务小区的训练样本集；其中，所述第二测量报告中的位置信息作为所述训练样本集的样本标签，所述第二测量报告中的其它测量数据和所述工参数据作为所述训练样本集的样本特征；
使用所述服务小区的所述训练样本集对预设机器学习模型进行训练，得到所述服务小区的位置预测模型。


3.根据权利要求2所述的方法，其特征在于，所述预设机器学习模型包括：K-最近邻、支持向量机、随机森林、梯度提升决策树或深度学习模型；所述使用所述服务小区的所述训练样本集对预设机器学习模型进行训练，得到所述服务小区的位置预测模型包括：
根据所述训练样本集的数据量，确定与所述服务小区对应的目标机器学习模型；
使用所述服务小区的所述训练样本集对所述目标机器学习模型进行训练，得到所述服务小区的位置预测模型。


4.根据权利要求1所述的方法，其特征在于，所述工参数据包括：小区标识、方位角、覆盖类型、站点高度、天线上倾角、服务小区经纬度、邻区经纬度和下行带宽。


5.一种无人机定位服务器，其特征在于，包括：
接收模块，用于接收第一无人机发送的第一测量报告；
处理模块，用于根据所述第一测量报告确定所述第一无人机所在的服务小区，获取所述服务小区的工参数据；
所述处理模块，还用于将所述第一测量报告中...

【专利技术属性】
技术研发人员：李张铮，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11