基于磁航向约束的视觉惯性定位算法

针对视觉惯性导航系统绝对航向信息缺失导致精度下降的问题,提出了一种基于磁航向约束的视觉惯性定位算法。首先,建立了视觉/惯性/地磁导航系统模型,并对惯性数据采用预积分进行处理,降低状态更新时系统计算负担,提高实时性;其次,在视觉惯性数据对齐后,引入地磁观测数据作为约束,获取真实航向信息,完成系统初始化;最后,构建目标函数,通过非线性优化实现视觉、惯性和地磁数据融合。通过搭建车载实验平台,在室外环境下对所提出算法进行了验证,实验结果表明,相比于VINS-mono,引入磁约束后,视觉惯性导航系统的平均定位均方根误差减小了约25%。     

基于地磁信号特征的频域相关地磁匹配算法

为减少地磁信号测量误差对地磁匹配定位精度的影响,在研究地磁信号频域特征的基础上,研究了频域相关地磁匹配算法。根据实际测量地磁信号的特点,研究了离散地磁信号的频域特征,利用离散地磁信号频域信息进行匹配定位。通过仿真实验分析了频域相关地磁匹配算法的定位精度及算法鲁棒性。研究结果表明,当地磁信号含有白噪声时,可以取得优于网格精度(100 m)的定位精度,当匹配测量点数相对粗大噪声点个数具有绝对优势时,算法鲁棒性好。     

基于迭代计算的地磁轮廓线匹配算法

针对惯性/地磁匹配组合导航系统,提出了一种基于迭代计算的地磁轮廓线匹配新算法,可以有效地修正惯导系统的初始位置误差和初始航向误差,并具有较高的实时性。首先以均方差准则建立匹配轨迹和实测地磁特征量的相关性约束,引入匹配曲线的参数化模型,通过泰勒展开并忽略高阶小项,将相关性约束简化为曲线平移位移和航向误差角的多变量表达式。然后依据相关性准则,将地磁匹配问题转化为以曲线平移位移和航向误差角为变量的非线性方程组的求解问题。采用牛顿迭代求解非线性方程组,实现地磁轮廓线匹配。最后仿真结果表明,基于迭代计算的地磁轮廓线匹配方法的最大匹配误差为传统轮廓线匹配方法的18.2%,为等值线约束迭代最近点匹配方法的7.8%,并且所提出的新方法耗时仅为5 ms,满足实时匹配要求。     

基于改进TERCOM的地形辅助导航算法

自主水下航行器长时间航行后惯性导航系统的位置误差会随时间不断增加，地形辅助导航可帮助惯性导航系统进行误差校正。为解决地形轮廓匹配（TERCOM）算法对航向误差较敏感问题，提高地形辅助导航的匹配精度，提出了一种基于改进TERCOM的地形辅助导航算法。在TERCOM算法基础上增加旋转角度机制，首先根据INS航迹进行旋转平移并采用TERCOM算法进行粗匹配，然后引入改进粒子群算法进行精匹配。在某海图内进行水下地形匹配仿真实验，结果表明：与传统TERCOM算法相比，所提算法可降低航向误差84%，匹配精度可提高4倍多，对实现自主水下航行器的自主无源导航有重要意义。     

联合Huber核函数与可切换约束算法改进的视觉惯性SLAM方法

针对目前VINS-Fusion双目视觉及惯性同步定位与建图（SLAM）在后端优化时存在误匹配而导致系统定位精度低、鲁棒性差的问题,提出了一种联合Huber核函数与可切换约束算法改进的双目视觉及惯性SLAM方法。在VINS-Fusion双目视觉与惯性SLAM框架的基础上,利用Huber核函数的权值重新构建并求解状态优化中IMU残差的代价函数,降低优化中过大的误差项;同时使用可切换约束算法控制环路闭合因子实现动态协方差矩阵的缩放,剔除闭环检测的异常值实现准确的后端收敛。利用不同场景的公开数据集EuRoc中进行了对比验证实验,结果表明联合改进方法的和方差降低了2.416 m,系统精度和鲁棒性都有所提高;同时在实际场景中的实验也验证了改进方法的可行性。     

基于改进粒子群优化的水下地形辅助导航方法

为了提高传统地形匹配算法的定位精度,提出一种基于改进粒子群优化的水下地形辅助导航定位算法。该算法以SINS的指示位置为中心构造搜索区域,对二维粒子群进行初始化,利用实时水深测量序列与待匹配序列之间的平均Hausdorff距离作为适应度函数,在线性递减权重的基础上引入收敛因子对粒子的速度和位置进行约束更新,改善粒子"早熟"问题。在某海图内进行了水下地形匹配仿真实验,结果表明:初始位置误差大小不影响改进PSO算法的定位精度和匹配速度;当水下航行器初始位置误差较大时,与TERCOM算法相比,改进PSO算法的匹配精度提高了近5倍,匹配耗时缩减了近10倍。     

动态场景下基于双重特征约束的视觉惯性SLAM算法

针对传统视觉惯性算法在动态物场景下特征误匹配造成轨迹精度低的问题，提出一种动态场景下平面约束和双重特征误匹配剔除的改进视觉惯性SLAM算法。首先，采用改进Plane-Recover算法分割动态场景中静态平面区域，构建损失函数优化静态平面区域分割效果。其次，采用双重特征误匹配判断方法,通过平面约束策略得到正确面特征匹配，同时利用RANSAC与三焦张量算法结合的策略，提高点特征匹配准确度。在真实场景下进行验证，实验结果表明所提算法与VINS-mono算法相比轨迹精度平均提高20.82%，验证了所提算法可有效提升动态场景下的轨迹精度。     

地磁日变影响下的地磁匹配算法

针对地磁日变严重影响地磁匹配导航定位精度和可靠性的问题,提出一种地磁日变影响下的地磁匹配算法。首先根据地磁日变的特性,构造地磁日变影响下的均方差相关性准则,补偿地磁日变对匹配结果的影响。然后建立匹配曲线的参数化模型,将相关性准则转化为位置误差、航向误差和地磁日变误差的表达式,从而将地磁匹配转化为非线性方程组的求解。最后采用Broyden算法求解非线性方程组,实现地磁日变影响下的地磁匹配定位。仿真结果表明,在地磁日变场为50 n T时,传统地磁匹配方法发生了误匹配,而本文所提出算法的匹配定位最大经纬度误差为0.0032°,算法耗时16 ms,可以实现地磁日变影响下高精度快速匹配定位。     

基于交互式多模型MSCKF的双目视觉/惯性里程计算法

针对复杂环境中双目视觉/惯性里程计系统模型不固定和量测噪声易发生变化的问题,提出了基于滤波器估计的紧耦合视觉惯性里程计(VIO)信息融合方法。将交互式多模型(IMM)估计与多状态约束卡尔曼滤波(MSCKF)算法相结合提出一种交互式多模型多状态约束卡尔曼滤波(IMM-MSCKF)算法。该算法以MSCKF为模型匹配子滤波器,将各子滤波器的输入、输出进行交互融合,实现对VIO系统状态估计。通过KITTI数据集对IMM-MSCKF算法进行了仿真验证,该算法姿态和水平位置估计均方根误差分别为0.36°和11.62 m,相比于EKF和MSCKF算法,其姿态估计精度分别提升了56%和41%,其水平位置估计精度分别提升了51%和81%,仿真结果表明该算法具有更好的估计精度和鲁棒性。     

基于非线性优化的单目视觉/惯性组合导航算法

针对自主移动机器人在GPS拒止环境下准确实时定位的问题,提出一种单目视觉/惯性组合导航算法。为解决视觉/惯导工作频率不一致问题,利用预积分技术预先处理惯性测量值;引入了一种快速高精度线性初始化方法,分步估计初始系统尺度、重力方向、速度及零偏;结合全局地图三维点约束削弱累积误差,基于是否更新地图点,构建了两种基于非线性优化的单目视觉/惯性紧耦合模型,以保证导航的局部精度及全局一致性。实验结果表明:初始化方法可快速(15 s内)实现高精度状态初始化;与单目视觉导航算法相比,提出的算法不仅可获取绝对尺度信息,且导航精度更高;与传统滑动窗口非线性优化方法相比,提出的算法在窗口优化过程中加入全局地图三维点约束,可有效削弱累积误差,验证了算法的正确性和可行性。     

附加TDCP约束的无人船载GNSS/MEMS组合导航方法

针对无人船用GNSS SPP与MEMS进行组合导航时存在的定位误差大、鲁棒性差等问题，提出了一种附加TDCP约束的无人船载GNSS/MEMS组合导航方法。采用因子图方法构建无人船GNSS/MEMS组合导航系统模型，利用多频TDCP求解的历元间精密位置增量进行约束，并使用增量平滑算法进行状态估计。通过实际无人船试验，设计了六种组合方案进行性能评估，结果表明，加入多频TDCP约束后，横滚和俯仰角精度优于0.2°，航向角精度优于1°；北向、东向、地向的定位精度分别为0.270 m、0.201 m和0.464 m，最大定位误差小于0.5 m。与无此类约束相比，所提方法提高了无人船定位的精度和鲁棒性，且求解轨迹更平滑。     

基于启发式算法的移动机器人SLAM

为了实现GPS信号缺失下的移动机器人自主导航,解决传统粒子滤波中的粒子退化以及粒子贫乏引起的移动机器人定位和导航精度下降问题,提出了基于小生境理论的启发式蝙蝠优化粒子滤波的同时定位与地图构建算法。首先,在启发式蝙蝠优化算法的速度和位置更新过程中,引入惯性权重,加快了算法寻优精度,提高了收敛速度;然后,利用小生境理论进一步优化启发式蝙蝠算法,利用排挤机制和惩罚函数,有效地保证了种群的多样性,提高了算法的全局寻优能力;最后,将基于小生境理论的启发式蝙蝠优化算法用于传统粒子滤波采样中,使得粒子能够智能、快速地向高似然区域运动,同时提高了传统粒子滤波算法的全局寻优能力和寻优精度。实验结果表明:该算法显著提高了移动机器人导航和定位的精度和实时性。     

基于仿射模型变换的地磁匹配导航算法

为了提高潜航器上地磁匹配的效率和精度,通过对潜航器惯导系统误差模型的分析,提出了一种基于仿射模型变换的粗精两级地磁匹配定位方法。首先,利用基于等值线约束的相关匹配算法消除导航系统的初始位置误差;其次,采用仿射模型对相关匹配结果的轨迹进行旋转、缩放变换,通过参数扫描实现精匹配的过程。该算法在保证实时性的同时,匹配精度优于1个网格点。     

基于遗传算法优化神经网络的多源信息融合室内定位方法

为了解决复杂室内环境中单一定位技术误差较大的问题,提出了一种基于遗传算法优化BP神经网络的多源信息融合室内定位方法。首先利用Wi Fi定位结果约束地磁匹配范围进行组合定位,降低误匹配率;再采用遗传算法寻找网络全局最优解对BP神经网络的初始权值和阈值进行优化,提升网络精度并加快收敛;使用优化后的网络对组合定位结果和推算定位结果向真实位置坐标方向训练融合,得到最优定位结果。数据显示,经遗传算法优化后BP神经网络预测均方误差降低了约75%,融合定位精度较单一定位方式定位精度平均提升约47%。结果表明,所提的方法可有效提升定位精度,具有更优的定位性能。     

基于景象匹配的低精度MEMS航向修正与组合算法

针对巡飞弹弹载微机电系统（MEMS）在长航时过程中航向易发散的问题,提出了一种基于景象匹配的低精度MEMS航向修正与组合算法。首先,基于匹配点几何关系与匹配重投影设计了两种航向误差模型,前者分别根据实时图与基准图匹配点连线与图像纵轴计算反正切值,作差后计算出航向修正值;后者利用实时图与基准图的匹配关系构建重投影误差,通过优化计算出航向最优值。然后,基于上述两种模型,根据匹配点数量设计了一种航向修正与组合算法。飞行实验结果表明,长航时过程中修正后的航向误差为0.7423°（RMSE）,更新频率优于1 Hz。与传统仅能定位的景象匹配算法相比,所提算法提供了一种航向修正方法,且对传感器精度依赖性较低,具备一定的通用性。     

基于可穿戴式MIMU的个人导航修正算法

基于微惯性测量单元(MIMU)的个人导航系统,由于其佩戴位置的不同定位精度存在巨大差异,通常将其固定在单一位置下进行定位。以行人航迹推算算法为基础,提出了一种基于多位置可穿戴MIMU的个人导航修正算法。选用三轴加速度计的多种特征值,设计朴素贝叶斯分类器对MIMU佩戴位置进行识别,并在捷联解算航向信息的基础上,采用启发式漂移消除算法对各种位置下的航向进行修正。结果表明:MIMU佩戴于上衣口袋、右衣口袋、右前裤口袋以及右后裤口袋的位置识别精度均达到99.0%以上,通过改进的航向补偿算法,四种佩戴方式下定位误差均小于0.49%D,有效提高了惯性定位技术在可穿戴设备方面的适应性。     

基于约束粒子群优化的海底地形辅助惯性导航定位方法

针对水下自主航行器长时间航行后惯性导航系统位置误差积累的问题,提出一种关于约束粒子群优化的海底地形辅助惯性导航定位方法。通过在等值域内进行粒子群初始化,改善粒子"早熟"问题。采用惯性导航和水深测量序列计算相邻测量点水平距离、航迹水平转向角和水深变化量三个匹配参数,同时利用待匹配航迹上的粒子群计算以上三个参数,将航迹水平转向角和水深变化量转换为各自等效的水平相对距离,最后采用对应于相同匹配参数的等效水平相对距离的平均绝对差之和构建适应度函数,采用约束粒子群优化进行地形匹配,辅助惯导系统准确定位。通过某海图内海底地形匹配进行仿真实验,结果表明当航行器初始位置误差较大时:在地形变化明显区,ICCP的定位精度为200 m,约束粒子群优化的定位精度提高到20 m以内;在地形变化平坦区,ICCP无法有效定位的情况下,约束粒子群优化的定位精度约为250 m。     

基于多轮升维策略与改进量子行为粒子群优化算法的热导率函数估计方法

将改进的量子行为粒子群优化算法应用于材料热导率函数估计问题中,并提出了一种多轮升维策略对算法的搜索过程进行优化,形成了一种鲁棒性强且高效的反演方法。通过数值实验测试了该方法在测量误差以及系统误差下的表现,并对不同粒子群优化算法的性能进行了比较研究。结果表明,采用的反演方法能够在较大的搜索范围与反演维度下稳定收敛,对测量误差的敏感度较低;提出的多轮升维策略能够使各类粒子群优化算法在热导率函数估计问题中的搜索效率得到提升。     

粒子群优化算法在传递对准中的应用

给出了一种基于粒子群优化算法的捷联惯导传递对准算法。简单分析了传递对准任务要求和主子惯导惯性器件输出之间的关系,将传递对准问题作为参数优化问题进行求解,给出了基于粒子群优化算法进行传递对准的数学模型。定义了传递对准的优化目标函数,介绍了粒子群优化算法及其应用于传递对准的具体算法设置。用粒子群优化算法求解目标函数的最小值,可获得主子惯导之间的失准角,进行一次校正即可完成传递对准过程。通过计算机仿真对算法进行了验证分析,在仿真条件下（陀螺精度为0.1°/h）,能达到方位0.1°的精度。与其他对准算法一样,算法受载体机动条件的影响较大,一般需要姿态机动来提高陀螺的信噪比。     

基于PSO-HJ算法的多无人机协同航迹规划方法

针对多无人机协同航迹求解计算量大、难以收敛等问题,提出了一种基于粒子群优化和Hook-Jeeves (PSO-HJ)搜索算法相融合的多无人机时间协同三维航迹规划方法。首先,建立了单无人机航迹规划求解模型。然后,通过对适应度评价函数值低的粒子引入Hooke-Jeeves搜索算法,提高了粒子多样性,改善了航迹规划算法收敛性;对不满足约束的粒子引入约束违反度函数,基于比较准则提出了一种新的粒子评价机制,促进粒子搜索位于约束边界的最优解,加快了航迹规划算法的计算效率。最后,设计了一种多无人机时间协同航迹规划求解算法,利用PSO-HJ算法先分别求解单无人机航迹信息,通过多无人机集中航迹规划层协调到达时间实现协同航迹规划。仿真结果表明,PSO-HJ算法的精度比量子粒子群(QPSO)算法精度提高了20.85%,比PSO算法精度提高了58.14%,更适用解决实际复杂的多机协同规划问题。