无人机载光学侦察系统实时目标定位器设计
基于单目视觉的无人机目标定位方法
基于单目视觉的无人机目标定位方法下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!基于单目视觉的无人机目标定位方法介绍随着无人机技术的迅猛发展，无人机在各个领域的应用越来越广泛。
基于深度学习的无人机目标识别与跟踪系统设计
基于深度学习的无人机目标识别与跟踪系统设计无人机技术的快速发展为多个领域带来了巨大的便利和创新。
其中，基于深度学习的无人机目标识别与跟踪系统设计成为了目前研究的焦点之一。
本文将介绍该系统的设计原理、技术挑战和应用前景。
一、系统设计原理基于深度学习的无人机目标识别与跟踪系统的设计原理主要包括三个步骤：目标检测、目标识别和目标跟踪。
1. 目标检测：目标检测是指在图像或视频中快速准确地找到感兴趣的目标物体。
深度学习中，一种常用的目标检测方法是使用卷积神经网络（Convolutional Neural Network，简称CNN）。
通过训练一个CNN模型，可以有效地从图像中提取出目标物体的位置信息，为后续的目标识别和跟踪提供基础。
2. 目标识别：目标识别是指对检测到的目标物体进行分类和标识。
深度学习中，常用的目标识别方法是使用卷积神经网络结合分类器进行图像分类。
通过训练一个CNN分类模型，可以对目标物体进行准确的分类，识别出目标物体的种类和特征。
3. 目标跟踪：目标跟踪是指在连续的图像序列中跟踪目标物体的位置和运动轨迹。
深度学习中，常用的目标跟踪方法是使用循环神经网络（Recurrent Neural Network，简称RNN）。
通过训练一个RNN模型，可以根据目标物体的当前位置和历史运动信息，预测目标物体在下一帧图像中的位置，实现对目标物体的稳定跟踪。
二、技术挑战设计基于深度学习的无人机目标识别与跟踪系统面临着一些技术挑战。
以下是几个重要的挑战：1. 实时性要求：基于深度学习的目标识别与跟踪系统需要在实时视频流中进行目标检测、识别和跟踪处理。
而深度学习算法通常需要较长的处理时间，因此如何在保证准确性的同时提高算法的运行速度，是一个重要的技术挑战。
2. 复杂环境下的鲁棒性：无人机进行目标识别和跟踪时，常常面临复杂的环境条件，如天气变化、光照变化、目标物体遮挡等。
如何提高系统的鲁棒性，实现对目标物体的稳定识别与跟踪，是一个具有挑战性的问题。
无人机智能监控系统设计与实现
无人机智能监控系统设计与实现随着科技的飞速发展，无人机在诸多领域中得到了广泛应用，尤其是在监控领域中。
传统的监控设备需要人工巡逻，且存在盲区，而无人机可以高空俯瞰，覆盖面积广阔，具有更好的效果。
因此，本文将介绍一个基于无人机的智能监控系统的设计与实现。
一、系统架构本系统分为两部分，一部分是无人机系统，另一部分是地面控制系统。
无人机系统装备有多种传感器和摄像头，通过实时数据传输与地面控制系统进行通信。
地面控制系统通过实时监测无人机数据，对系统进行调整和控制。
二、无人机系统设计无人机系统是本系统的核心部分，它可以飞行在相对较高的高度，使用传感器和摄像头进行数据收集，并将数据传输到地面控制系统。
无人机系统包括多个传感器模块和云台控制模块。
1.传感器模块传感器模块包括气象传感器，温度传感器，飞行数据传感器等多种传感器。
通过气象传感器，我们可以获取当前天气状况，从而判断无人机的飞行环境。
温度传感器可以实时测量环境温度，在无人机工作时可以掌握当前环境的温度情况。
飞行数据传感器则可以记录无人机飞行的高度、速度、航向等信息。
2.云台控制模块云台控制模块是无人机系统的重要部件，通过该模块可以实现云台的控制和稳定。
它可以通过电机控制调整角度，在保持平衡的前提下，实现摄像头和传感器的精确定位。
同时，它还可以通过自适应控制技术，实现云台动态跟踪和稳定飞行。
三、地面控制系统设计地面控制系统是本系统的另一部分，它可以通过实时监测无人机数据，对系统进行调整和控制。
地面控制系统包括两个部分，即数据处理与显示模块和航线规划模块。
1.数据处理与显示模块数据处理与显示模块通过传输的数据进行分析处理，并对收集到的各种数据进行分类、统计和展示。
同时，通过无人机系统采集的视频资料，可以实现实时视频监控和视频回放。
2.航线规划模块航线规划模块是无人机监控系统中非常重要的模块，它可以提供航线规划、航迹模拟和路径规划等功能。
该模块通过地理信息系统(GIS)进行底层支持，结合航线规划算法确定最适宜的路线，为无人机飞行提供指导。
无人系统科学与技术丛书 无人机系统光电载荷技术
无人系统科学与技术丛书无人机系统光电载荷技术无人系统科学与技术的发展一直是科技领域的热点之一。
无人机系统作为无人系统的重要组成部分，其光电载荷技术更是无人机系统中的关键技术之一。
光电载荷技术是指利用光学和电子技术集成设计的载荷系统，用于航天器对地面、大气及空间目标进行监视、侦察、勘测和目标指示的技术。
在无人机系统中，光电载荷技术的应用极为广泛。
首先，光电载荷技术可以实现对地面目标的高分辨率监视。
通过搭载高清摄像头和红外热像仪等设备，无人机可以实现对地面目标的实时监视，为军事侦察、灾害监测、城市规划等领域提供了重要支持。
其次，光电载荷技术还可以实现对大气和空间目标的监视。
通过搭载气象仪器和空间探测设备，无人机可以实现对大气和空间目标的监测，为气象预报、科学研究等领域提供了重要数据支持。
在无人系统科学与技术丛书中，无人机系统光电载荷技术是一本重要的参考书籍。
该书系统介绍了光电载荷技术的基本原理、设计方法、应用案例等内容，为读者深入了解无人机系统光电载荷技术提供了重要参考。
通过学习该书，读者可以了解光电载荷技术在无人机系统中的作用和应用，为无人机系统的设计、研发和应用提供重要指导。
从技术角度看，无人机系统光电载荷技术的发展离不开光学和电子技术的支持。
随着光学和电子技术的不断进步，无人机系统光电载荷技术也在不断创新和发展。
例如，随着高清摄像头、红外热像仪等设备的不断更新，无人机系统对地面目标的监视分辨率越来越高，监视效果越来越好。
再如，随着气象仪器、空间探测设备等设备的不断完善，无人机系统对大气和空间目标的监视能力也在不断提升，为相关领域的研究和应用提供了更好的支持。
总的来说，无人机系统光电载荷技术作为无人系统中的关键技术之一，发挥着重要作用。
通过不断创新和发展，光电载荷技术为无人机系统的设计、研发和应用提供了重要支持，推动了无人系统科学与技术的不断进步。
希望未来在无人系统领域的发展中，光电载荷技术能够继续发挥重要作用，为无人系统的应用和发展提供更好的支持。
《2024年基于视觉感知的无人机目标识别与跟踪技术研究》范文
《基于视觉感知的无人机目标识别与跟踪技术研究》篇一一、引言随着科技的不断发展，无人机（Unmanned Aerial Vehicle, UAV）的普及应用已涉及众多领域，包括但不限于军事侦察、目标跟踪、城市规划等。
为了进一步推动无人机的应用发展，目标识别与跟踪技术成为研究的热点。
基于视觉感知的无人机目标识别与跟踪技术是其中重要的一环，本文将针对这一技术进行深入的研究与探讨。
二、无人机目标识别技术的概述无人机目标识别技术主要是通过无人机搭载的摄像头等视觉传感器捕捉到的图像或视频信息进行目标特征的提取与识别。
识别技术通常依赖于计算机视觉算法，通过分析图像中目标物体的特征信息，如颜色、形状、纹理等，进而进行目标物体的识别。
这些技术常应用于交通监控、安保等领域。
三、基于视觉感知的目标识别关键技术1. 特征提取技术：利用计算机视觉算法，对捕捉到的图像或视频进行特征提取，包括颜色特征、形状特征、纹理特征等。
这些特征是目标识别的关键信息。
2. 深度学习技术：深度学习在目标识别中发挥着重要作用，通过训练大量的数据集，使模型能够自动学习到目标的特征信息，提高识别的准确率。
3. 目标跟踪技术：结合图像处理技术和机器学习算法，对目标进行实时跟踪，保证无人机在复杂环境下仍能准确识别和跟踪目标。
四、基于视觉感知的无人机目标跟踪技术研究无人机目标跟踪技术是在目标识别的基础上，对目标进行实时跟踪。
这需要无人机具备较高的计算能力和稳定的控制能力。
在跟踪过程中，无人机需要实时分析图像信息，根据目标的运动轨迹和速度等信息，调整自身的飞行轨迹和姿态，以保持对目标的稳定跟踪。
五、研究现状与挑战目前，基于视觉感知的无人机目标识别与跟踪技术已取得了一定的研究成果。
然而，在实际应用中仍面临诸多挑战。
例如，在复杂环境下，如何提高识别的准确性和稳定性；如何降低计算复杂度，提高实时性；如何实现多目标的快速切换与跟踪等。
六、未来研究方向与展望1. 深入研究深度学习算法，提高目标识别的准确性和实时性。
无人直升机载minisar数据处理及其影像定位
无人直升机载minisar数据处理及其影像定位汇报人：2023-12-29•无人直升机载minisar系统概述•minisar数据处理技术目录•minisar影像定位技术•无人直升机载minisar系统集成与测试•无人直升机载minisar数据处理及其影像定位的应用案例01无人直升机载minisar系统概述Minisar系统是一种小型化、轻量化的光电侦察设备，专为无人直升机平台设计。
定义具有高分辨率、高灵敏度、实时传输等特点，适用于多种侦察任务，如地形测绘、目标跟踪、情报收集等。
特点minisar系统的定义与特点minisar系统的应用领域军事侦察用于战场情报收集、目标定位和监视等。
民用领域可用于地质勘查、环境监测、农业估产、应急救援等领域。
起源Minisar系统起源于20世纪末的美国，最初用于军事侦察和情报收集。
发展随着科技的不断进步，Minisar系统的性能不断提升，逐渐向小型化、轻量化方向发展。
未来展望未来，Minisar系统将进一步集成化、智能化，提高侦察效率和精度，拓展更多的应用领域。
minisar系统的历史与发展03020102minisar数据处理技术将原始的minisar数据转换为统一的格式，便于后续处理。
数据格式转换消除数据中的噪声，提高数据的清晰度和准确性。
数据去噪通过图像增强技术，提高minisar影像的对比度和分辨率。
数据增强数据预处理数据分类与识别特征提取从minisar影像中提取出有用的特征，如边缘、纹理、形状等。
分类器设计根据提取的特征，设计分类器对影像进行分类和识别。
目标检测利用分类器检测minisar影像中的目标，并进行定位。
多源数据融合将多个minisar影像进行融合，提高数据的完整性和准确性。
数据压缩对处理后的数据进行压缩，便于存储和传输。
数据优化通过优化算法对数据进行优化，提高数据的处理速度和效果。
数据融合与优化1 2 3设计合理的存储方案，确保数据的安全性和可靠性。
无人机导航系统中的地面目标跟踪技术研究
无人机导航系统中的地面目标跟踪技术研究无人机作为一种新兴的航空器，已经被广泛应用于各个领域，如军事侦查、物流配送、农业植保等。
在无人机的飞行过程中，地面目标跟踪技术的研究和应用变得越来越重要。
本文将探讨无人机导航系统中地面目标跟踪技术的研究进展，并介绍一些常用的跟踪方法和算法。
地面目标跟踪是指在无人机飞行过程中，通过摄像头或其他传感器获取到地面上的目标物，并对其进行实时追踪的过程。
这一技术的研究和应用对于无人机的自主导航、智能避障、目标检测等都具有重要意义。
在地面目标跟踪技术研究中，传感器的选择和设计起到了关键性作用。
传感器应具备高分辨率、高速度和高稳定性等特点，以保证在无人机高速飞行或复杂环境下，能够准确地获取和跟踪目标。
同时，传感器的权衡也是研究中需要考虑的因素，因为高分辨率往往伴随着高成本和大量的数据处理。
因此，在研究中需要根据具体应用场景和成本效益来选择合适的传感器。
地面目标跟踪技术的研究中，常用的方法有基于图像处理的视觉跟踪和基于雷达的跟踪。
基于图像处理的视觉跟踪利用无人机上的摄像头获取地面目标的图像，并通过图像处理算法来实现目标的跟踪。
这种方法的优点是简单且成本较低，而缺点在于对光照条件的依赖较大，并且对于目标的遮挡情况处理能力较弱。
基于雷达的跟踪则是利用雷达技术来获取地面目标的位置和运动信息，这种方法的优点是不受光照条件限制且能够实现长距离的目标跟踪，但雷达成像的分辨率相对较低，无法提供目标的详细特征信息。
在具体的跟踪算法中，常用的有卡尔曼滤波、粒子滤波和深度学习算法等。
卡尔曼滤波是一种用于估计系统状态的递归滤波器，通过对目标的观测和运动模型进行预测和修正，实现对目标的跟踪。
粒子滤波则是一种基于随机采样的滤波方法，通过对目标的状态进行随机采样并计算权重，来估计目标的位置和运动状态。
深度学习算法则是一种基于神经网络的跟踪方法，通过训练网络模型来实现对目标的跟踪。
这三种算法各有优缺点，研究人员可以根据具体应用场景和资源条件选择合适的算法。
机载光电跟踪测量的目标定位误差分析和研究
1、高精度和高分辨率：随着应用场景的不断扩大和复杂化，对目标跟踪的精 度和分辨率的要求也越来越高。因此，提高机载光电平台的探测精度和分辨率 将是未来的重要研究方向。
2、智能化和自主化：随着人工智能和机器学习技术的发展，未来的机载光电 平台目标跟踪技术将更加智能化和自主化，能够自动学习和适应各种复杂环境， 实现更加准确和可靠的目标跟踪。
机载光电跟踪测量的目标定位 误差分析和研究
01 引言
03 研究方法
目录
02 文献综述 04 参考内容
引言
机载光电跟踪测量系统在军事、航空、航天等领域具有广泛的应用，例如导弹 制导、无人机导航、目标跟踪等。这种测量系统的精度直接影响了武器的命中 率、导航的准确性以及任务的成功与否。然而，在实际应用中，由于受到多种 因素的影响，机载光电跟踪测量系统的目标定位误差往往较大，影响了其性能 的发挥。因此，对目标定位误差进行分析和研究，对提高机载光电跟踪测量系 统的精度和可靠性具有重要意义。
二、机载光电平台目标跟踪技术 的应用
机载光电平台目标跟踪技术在军事、航空、航天等领域有着广泛的应用。例如， 在军事方面，可以利用这种技术对敌方目标进行精确打击，或者对战场环境进 行实时监测；在航空方面，可以利用这种技术进行飞行器自动驾驶、空中交通 管制等；在航天方面，可以利用这种技术对卫星进行精确控制和维修。
具体来说，机载光电平台目标跟踪技术可以应用于以下几个方面：
1、精确打击：利用高精度光电传感器对敌方目标进行探测和跟踪，可以实现 精确打击，有效降低人员和物资的损失。
2、实时监测：利用机载光电平台对特定区域进行实时监测，可以及时发现并 处理各种异常情况，保障安全。
3、自动驾驶：利用机载光电平台对周围环境进行探测和识别，可以实现飞行 器的自动驾驶，提高飞行安全和效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文章编号:1671-637Ⅹ(2008)1120047203无人机载光学侦察系统实时目标定位器设计吴艳梅1,2, 李 刚3, 张 霞2(1.昆明理工大学,昆明 650093; 2.装备指挥技术学院,北京 101416; 3.航天空气动力技术研究院第三研究部,北京 100074)摘 要: 介绍了无人机载光学侦察系统目标定位原理,并设计出基于DSP处理器的实时目标定位器,同时给出了目标定位的误差因素及精度分析。
关 键 词: 无人机; 目标定位器; DSP; 坐标变换; 误差中图分类号: V271.4 文献标识码: ADesign of a real2time object locator foroptical reconnaissance system onboard UAVW U Y an2mei1,2, LI G ang3, ZH ANG X ia2(1.Kunming Univer sity o f Science and Technology,Kunming650093,China; 2.Institute o f Command and Technology o fEquipment o f P LA,Beijing101416,China; 3.Aerospace Aerodynamic Technology Academy,Beijing100074,China)Abstract: Optical reconnaissance system is one of the im portant payloads of Unmanned Air Vehicle(UAV) for reconnaissance.Since the optical reconnaissance system is independent to UAV,m ost of the former systems had to trans fer the UAV information(position,attitude)and reconnaissance system information to the ground for calculating the position of the object.The time delays of data trans fer link and image com pression/ decom pression etc.are not consistent,thus may result in problems in ground analysis.Therefore,it is very im portant to obtain the location information of the object in real time.The principle of object locator for optical reconnaissance system onboard UAV is introduced.A real2time object locator is designed based on DSP.Factors that have effect on accuracy of object locating are analyzed.K ey w ords: Unmanned Air Vehicle(UAV); object locator; DSP; coordinate trans formation; error0 引言光学侦察系统作为重要的有效载荷之一,在无人侦察机中得到广泛应用[1]。
在实际应用中,要求系统在提供区域侦察图像的同时,还能够提供锁定目标点的数字化定位信息(经度、纬度、高度)。
然而由于光学侦察系统作为有效载荷独立于载机,在没有载机位置和姿态信息的情况下,它只能提供与目标点对应的云台角度信息和目标测距信息。
原有系统多数通过数据传输系统将载机信息(位置、姿态)以及侦察系统信息(云台角度、测距值)传至地收稿日期:2007201222 修回日期:2008208224作者简介:吴艳梅(1975-),女,湖南新化人,博士生,研究方向为光学信息处理。
面,在地面解算出目标的位置信息(经度、纬度、高度),然后将目标位置信息叠加在图像上。
由于数传链路、信息解算、图像压缩解压缩等过程产生的延时不一致,导致解算得到的信息与实际图像很难匹配,给地面判读造成一定困难。
为了实时得到目标的定位信息,需要将载机信息与侦察系统信息结合起来,解算出目标的位置信息(经度、纬度、高度),并将其叠加在图像上传回地面。
1 无人机光学侦察系统定位原理无人机载光学侦察系统定位过程如下:由地面根据侦察图像指定目标,侦察系统控制云台使目标处于图像中间位置,即使目标与镜头光轴重合;此时侦察系统输出云台的方位角、俯仰角以及目标的激光测距数值,飞控计算机输出飞机的大地坐标值(经第15卷第11期2008年11月 电光与控制E lectronics Optics&C ontrolV ol.15 N o.11N ov.2008度、纬度、海拔高度)以及飞机的姿态数据(横滚角、俯仰角、航向角);根据这些数据可以解算出目标点的地理坐标值。
无人机侦察定位系统结构见图1。
图1 无人机侦察定位系统结构图图1中①为已叠加目标位置信息的图像信号;②为侦察系统信息(云台角度、目标测距数据);③为无人机信息(位置、姿态数据);④为目标位置信息。
根据以上系统结构,目标定位器的解算过程涉及4个坐标系,即云台坐标系、载机机体坐标系、载机地理坐标系和大地坐标系。
解算方法采取从目标点的云台坐标系的坐标值求得目标在载机机体坐标系的坐标值,再求得其在载机地理坐标系的坐标值,最后得到目标在大地坐标系的坐标。
以下是相关坐标系定义。
云台坐标系定义为:X 轴为镜头所指方向,Z 轴从镜头左指向右,Y 轴由镜头腹部指向镜头背部,原点位于转轴中心。
由于镜头始终锁定跟踪目标,假设目标的测距值为L ,则目标在云台坐标系的坐标为[L ,0,0][223];载机机体坐标系定义为:X 轴从飞机纵轴指向机头,Z 轴从左翼指向右翼,Y 轴由机腹指向机背;载机地理坐标系定义为:X 轴从飞机质心指向正北,Z 轴从飞机质心指向正东,Y 轴由飞机质心指向地心,即北-东-地坐标系;大地坐标系采用普遍的G PS 定位系统坐标系,即WG S -84大地坐标系。
云台为两轴角度转动平台,在锁定目标时,设云台镜头俯仰角为α(镜头垂直向下为0°。
方位角为0°时,镜头前倾为正,后倾为负),方位角为β(从飞机上方俯视飞机,顺时针为正,逆时针为负,0°指向机头)。
则目标在载机机体坐标系的位置关系见图2。
图2 目标在载机机体坐标系的位置关系 根据以上定义,设无人机的航向角、俯仰角及横滚角分别为φ、θ、γ,则载机地理坐标系到机体坐标系的3个欧拉角转换矩阵为A 1=cos (-φ)0-sin (-φ)1 0sin (-φ)0 cos (-φ)(1)A 2= cos (θ)sin (θ)0-sin (θ)cos (θ)0 001(2)A 3=1 000 cos (γ)sin (γ)0-sin (γ)cos (γ)(3)载机机体坐标系到云台坐标系的欧拉角转换矩阵依次为A 4=cos (-β)0-sin (-β)01 0sin (-β)0 cos (-β)(4)A 5= cos (-(π/2-α))sin (-(π/2-α))0-sin (-(π/2-α))cos (-(π/2-α))0 001(5)如果设目标点在载机地理坐标系的坐标为[X ,Y ,Z ],则经过两次坐标变换有如下关系:L 00=A 53A 43A 33A 23A 13XY Z(6)先算得A 0=A 53A 43A 33A 23A 1=A 0(1,1) A 0(1,2) A 0(1,3)A 0(2,1) A 0(2,2) A 0(2,3)A 0(3,1) A 0(3,2) A 0(3,3)(7)则得到方程组:A 0(1,1)3X +A 0(1,2)3Y +A 0(1,3)3Z =L A 0(2,1)3X +A 0(2,2)3Y +A 0(2,3)3Z =0A 0(3,1)3X +A 0(3,2)3Y +A 0(3,3)3Z =0(8)解得:X =L 3(A 0(3,3)3A 0(2,2)-A 0(3,2)3A 0(2,3))/(-A 0(3,1)3A 0(1,3)3A 0(2,2)+A 0(3,1)3A 0(1,2)3A 0(2,3)+A 0(1,1)3A 0(3,3)3A 0(2,2)+A 0(1,3)3A 0(2,1)3A 0(3,2)-A 0(1,2)3A 0(2,1)3A 0(3,3)-A 0(1,1)3A 0(3,2)3A 0(2,3))(9)Y =-L 3(-A 0(3,1)3A 0(2,3)+A 0(2,1)3A 0(3,3))/(-A 0(3,1)3A 0(1,3)3A 0(2,2)+A 0(3,1)3A 0(1,2)3A 0(2,3)+A 0(1,1)384 电光与控制 第15卷A 0(3,3)3A 0(2,2)+A 0(1,3)3A 0(2,1)3A 0(3,2)-A 0(1,2)3A 0(2,1)3A 0(3,3)-A 0(1,1)3A 0(3,2)3A 0(2,3))(10)Z =L 3(-A 0(3,1)3A 0(2,2)+A 0(2,1)3A 0(3,2))/(-A 0(3,1)3A 0(1,3)3A 0(2,2)+A 0(3,1)3A 0(1,2)3A 0(2,3)+A 0(1,1)3A 0(3,3)3A 0(2,2)+A 0(1,3)3A 0(2,1)3A 0(3,2)-A 0(1,2)3A 0(2,1)3A 0(3,3)-A 0(1,1)3A 0(3,2)3A 0(2,3))。
(11)于是得到目标在载机地理系的坐标值[X ,Y ,Z ],也就是目标位置点在载机地理坐标系里相对于飞机的位置偏移量。
根据XYZ 的值、地球半径就可以求得目标点的相对于载机的经纬度及高度的偏移量。
设地球半径值为R ,无人机经度、纬度和高度为(J ,W ,G ),则目标经纬度及高度的偏移量jwgo ffset [3]为jwgo ffset [0]=arctan (Z/(R +G +Y ));/3经度差,Z 方向3/jwgo ffset [1]=arctan (X/(R +G +Y ));/3纬度差,X 方向3/jwgo ffset [2]=Y ;/3高度差,Y 方向,正常情况下为负值3/根据目标点相对于载机经纬度及高度的偏移量以及载机本身的经纬度和高度,经过简单求和得到目标的经度、纬度和高度jwg[3]为jwg[0]=J +jwgo ffset [0],jwg[1]=W +jwgo ffset [1],jwg[2]=G +jwgo ffset [2]。