基于大气偏振光特性辅助定向的自主导航方法

针对惯性系统(INS)与卫星组合导航容易受到干扰的局限性,为提高海上作战船舰的自主导航能力,提出基于全天域大气偏振光特性辅助定向自主导航方法。在分析全天域偏振光中性点的运动规律的基础上,采用两点一线原理使用中性点确定载体航向角并结合电磁计程仪(LOG)测得的航速信息辅助惯性系统进行导航,采用卡尔曼滤波最优算法对组合导航系统进行了信息融合。matlab仿真结果表明基于全天域偏振光中性点/LOG/INS组合导航方法能够有效抑制INS导航定位误差,使船舰航向角误差稳定在0.6,水平速度误差稳定在0.7 m/s,水平位置误差稳定在10 m,增强了船舰的自主导航性能,并且具有高度的隐蔽性和抗干扰能力,具有一定的军事工程应用价值     

基于自适应SRUKF的无人机位姿预测方法

针对无人机自主导航的实时性差、精度低且对时变噪声的鲁棒性弱的问题，建立了机器视觉和惯性导航相融合的组合导航系统，并提出了一种自适应平方根无迹卡尔曼滤波(adaptive square-root unscented kalman filter, ASRUKF)算法。该算法通过观测值与估计值残差的Mahalanobis距离时刻修正系统噪声协方差，再与采用最小偏度采样的SRUKF算法相融合，从而达到时变噪声自适应抑制，滤波快速且对噪声鲁棒性高的效果。仿真结果表明，相比标准SRUKF，ASRUKF计算耗时减少约38.8%，位移、速度和姿态角预测精度分别提高超过4倍和6倍，且对于时变噪声鲁棒性更强。     

基于激光多普勒测速仪的车载组合导航

 针对车载纯捷联惯性导航系统(SINS)导航精度随时间增长而降低的不足,提出了基于激光多普勒测速仪（LDV）这一新型速度传感器的组合导航方案。通过建立SINS/LDV组合导航系统的状态方程和量测方程,设计了系统的卡尔曼滤波器,并对组合导航系统进行了仿真模拟。结果表明：SINS/LDV组合方案能够有效减小SINS导航参数随时间的累积误差,可以实现全自主、高精度导航;当LDV测速精度为0.1%时,组合导航系统的位置精度提高了2个数量级,速度精度提高了1个数量级。     

机载北斗/GPS/SINS组合导航系统软硬件设计

针对单一导航导航系统在导航精度、稳定性、设备成本以及导航信息完备性等方面的局限性,设计了卫星导航/惯性导航组合导航系统。针对GPS导航系统受制于人及北斗导航系统发展尚不完善的特点,提出了基于北斗/GPS/SINS的军用机载组合导航系统软硬件设计。搭建了北斗/GPS/SINS组合导航系统硬件平台,采用基于不确定度的加权平均数据融合算法提高组合导航系统的导航可靠性和准确性。仿真结果表明,该组合导航系统稳定性好,可靠性高,定位准确。     

基于联邦滤波的航迹推算方法研究

由于传统的基于IMU/里程仪组合的航迹推算系统受地形起伏及其打滑影响较大,影响了探测车导航系统的精度和稳健性,为了提高探测车导航系统的定位精度和稳健性,提出了一种基于联邦滤波的IMU/里程仪组合导航方法,该方法充分利用IMU提供的信息,在原航迹推算的方法上增加一个滤波器,将IMU的比力输出作为观测量进行滤波,并建立联邦组合导航系统的数学模型实现最优融合;从而提高了探测车导航系统的定位精度;最后地下矿道实验证明该方法能有效提高移动平台导航定位结果的精度和稳健性。     

实时运动结构重建在自主导航系统中的应用

实时运动结构重建是自主车辆、机器人导航、空间探测器自主降落、智能监控等领域中的重要研究课题。目前实时运动结构重建主要存在着特征匹配困难、鲁棒性差、系统无法自动获取初始参数和需要大量人工干预等诸多问题。利用高速CMOS摄像机与惯性传感数据融合提高了运动结构重建算法的精度及其鲁棒性。该算法在扩展卡尔曼滤波框架下是通过融合惯性与视觉传感器的数据来进行运动估计的。对场景中的每一个待估计结构的特征点建立对应的卡尔曼滤波器,以估计其空间三维结构信息。运动估计模块与结构估计模块交替运行,减小了系统运算的复杂度,提高了实时性能。通过对真实场景图像序列的实验验证结果表明,惯性传感器的额外信息能够有效地提高运动结构估计的精度,能够增强算法的鲁棒性。     

双目视觉-激光测距传感器目标跟踪系统

针对视觉传感器在目标跟踪定位过程中,沿光轴方向量测精度较低的问题,提出了使用一维点激光测距传感器进行修正的方法。同时,为了充分发挥双目视觉传感器和激光测距传感器在目标跟踪方面的优势,利用信息融合技术来提高信息的利用率和测量的精度。在系统量测过程中,由于激光测距传感器受到二维转台机械性能影响,导致测距值成为时滞信息,提出了时滞信息直接更新算法将常时滞信息的估计值作为当前时刻量的量测值带入后续算法中,从而解决时滞问题;随后利用联邦卡尔曼滤波算法解决了双目视觉传感器和激光测距传感器之间的估计相关问题。仿真结果表明,经过直接更新算法后时滞信息的实时性得到提高,实验同时验证了该算法的有效性,提高了目标跟踪系统的量测精度,改善了双目视觉传感器及激光测距传感器本身带来的精度和实时性方面的不足。     

四轴飞行器视觉组合导航系统设计与实现

为实现四轴飞行器的自主飞行,设计了该视觉导航系统;采用基于ARM处理器的飞行控制器和导航控制器的双CPU结构,提高了系统的运行速度;飞行控制部分采用四元数解算姿态,运用经典的PID控制设计了X、Y、Z三个轴的PID控制器进行整个系统的飞行控制;导航部分采用不敏卡尔曼滤波(UKF)融合惯导位置和视觉位置,从而给出载体最优位置,提高导航精度;实验结果表明,基于图像和惯性导航的视觉组合导航方式可使导航精度保持在0.5 m内,同时整个系统具有较好的快速性和稳定性。     

一种新的惯性／天文组合导航方法研究

针对传统的惯性／天文组合定位定向法不能有效修正惯性导航系统传感器误差所造成的导航误差，研究了一种新的惯性／天文组合导航方法。利用天文导航系统的量测，在初始对准后估计并补偿加速度计偏置误差，在组合导航过程中闭环修正陀螺漂移误差，进而提高组合导航的姿态、速度及定位精度。仿真结果表明了该方法的有效性，并通过与传统组合方法仿真结果的比较，证明了此方法的优越性。     

基于VI-SLAM的四旋翼自主飞行与三维稠密重构

提出全自主的微型飞行器,使用板载传感器实现三维的同时定位与稠密重构。在ORB-SLAM系统的基础上,基于扩展卡尔曼滤波器实现了视觉-惯导的传感器融合,提高了系统的稳健性和精度以满足微型飞行器自主飞行的要求。由于ORB-SLAM系统创建的稀疏的特征地图不能用于微型飞行器的避障和导航,使用双目摄像机提出了改进的构建地图的方法,由稀疏特征点地图扩展为稠密的八叉树地图。通过EuRoC数据集进行评估,可以验证本文算法较基于关键帧的视觉-惯导算法平均精度提升了1倍。将本文算法应用于所搭建的四旋翼自主飞行平台,仅依靠板载传感器和处理器,实现了全自主飞行与稠密地图构建,验证了本文算法的有效性和稳健性。     

视觉技术辅助的无人机自主着陆组合导航研究

为提高无人机自主着陆过程中导航系统的自主性与精确性,设计了一种视觉辅助惯导组合导航方法。该方法以惯导误差方程为过程方程,以着陆过程中单目摄像机2个时刻所得地面特征点投影之间的双视图几何约束为量测方程,构建了非线性滤波器;利用SR-UKF方法实现了惯导误差估计,提高算法效率的同时有效地避免了UKF中由于矩阵开方运算导致的滤波失效;最后根据估计结果校正了惯导导航数据。仿真结果表明:该方法能够提高导航系统精度,使误差降低到惯导系统的8%左右。     

基于ICP算法的双目标定改进方法研究

双目视觉作为一种非接触三维(3D)测量技术,其位姿标定结果的好坏将直接影响3D物体测量的精度。基于迭代最近点(ICP)算法获得两组点集之间平移和旋转参数的原理,提出了一种在传统双目位姿标定结果的基础上补偿双目标定矩阵改善精度的方法。介绍了摄像机模型、双目视觉测量模型和ICP算法的基本思想。用双目摄像机标定的外参数和相同的靶标坐标系获得双目视觉位姿矩阵,在此提出基于ICP算法获得两组点集的旋转平移矩阵补偿双目位姿矩阵的方法,以及相应的靶标角点坐标投影误差分析模型。双目摄像机采集9组5×7个角点的靶标标定图像,应用ICP算法补偿双目位姿矩阵,并采用误差模型对9组标定结果进行了分析,双目结构光标定改进实验结果表明,应用ICP算法补偿双目标定模型能显著地提高双目标定的精度。     

基于激光定位的变电站智能巡检机器人导航系统设计

导航和定位是变电站智能巡检机器人完全自主运行的关键,针对巡检机器人现有导航定位方式的不足,将激光定位技术应用于巡检机器人导航,设计了巡检机器人激光导航系统,详细介绍了系统的软硬件结构及实现方法,并在室外环境下对导航系统进行了实验测试;实验结果表明,巡检机器人运行平稳,具有较高的导航控制精度;实验中机器人的运行轨迹重合度较好,直线运行时运动轨迹与路径横向垂直偏差在±15mm以内,航向偏差可控制在±1.5°左右。     

不同传感器精度下的地磁轮廓匹配定位性能分析

地磁基准图、地磁传感器和惯导系统的精度是影响地磁匹配系统可靠性的关键因素. 为提高地磁匹配系统的可靠性, 研究了传感器精度对地磁匹配成功率的影响; 针对不同地磁基准图, 分析了地磁传感器误差、速度误差和航向角误差对地磁匹配成功率影响的物理机理, 根据实际要求通过仿真确定了地磁匹配系统中各传感器的误差范围, 并进行了实验测试. 测试结果表明, 在地磁匹配成功率大于90%时, 速度误差<0.14 m/s, 航向角误差<0.6°, 地磁传感器标准差 <11 nT. 关键词： 地球物理场导航 地磁场 地磁轮廓匹配 性能分析     

自适应惯性／天文器件级组合导航算法研究

在惯性／天文组合导航系统中,天文设备输出信息中所包含的噪声易受外界环境影响而发生变化,使得惯性／天文器件级组合导航数据融合精度受到制约。针对这一问题提出了基于自适应滤波的惯性／天文器件级数据融合算法,该算法在对导航参数误差、惯性器件误差进行滤波估计的同时,对天文量测信息噪声方差阵进行实时推算,从而优化滤波器对天文量测信息的处理,提高导航精度。经仿真试验可知,使用自适应滤波算法进行数据融合,导航位置精度可提高30％,具有理论价值与工程意义。     

车载光学测速仪/惯性组合导航定位定向系统研究

车载定位定向技术是指车上导航系统在载车行驶过程中精确确定其所在位置的地理坐标、北向方位及姿态角,为陆基导弹等武器的机动发射提供参考基准。对惯性定位定向系统的各种误差(包括陀螺和加表的随机漂移)进行误差分析建模,将光学测速仪的速度作为观测量,利用卡尔曼滤波技术,估计补偿惯性定位定向系统的各种误差,包括位置、速度、姿态和航向以及惯性器件误差等,最终实现系统的高精度组合导航。对山区泥石路和高原泥石路跑车试验结果进行统计分析发现,组合导航精度在15m以内,满足炮兵车陆基导弹等武器机动发射的使用需求。     

基于同心圆合成图像匹配的双目视觉标定

分析了双目视觉传感器的数学模型,提出了一种基于同心圆合成图像匹配的双目视觉传感器的标定方法。在测量范围内任意多次摆放同心圆靶标,由两台摄像机拍摄靶标图像。根据摄像机模型与已知同心圆在靶标坐标系上的位置关系,构造合成图像,将合成图像与观测图像进行相似度匹配,通过优化定位得到靶标上每个圆的圆心点图像坐标。利用左右图像对应的圆心图像坐标和双目视觉的约束关系,对双目视觉传感器参数进行非线性优化,并得到最优解。所提出的标定方法是在张正友方法的理论基础上,利用了图像的整体性进行的优化。实验结果表明,该方法提高了标定精度。     

基于目标运动的复眼式双目视觉测距法

昆虫（螳螂）复眼利用目标的动态差异实现立体视觉，具有视场大、计算简单、实时性高等特点，是立体视觉研究的新方向。为实现复眼立体视觉在机器人视觉导航中的应用，根据复眼结构以及信息处理机制，提出并研究了环形光电传感器的目标快速检测与定位方法。首先，搭建了基于60个光电二极管的等6°夹角分布式环形传感器，形成具有360°视场的环形仿生复眼；其次，建立了基于光流原理的运动目标方位角检测模型，采用傅里叶拟合法实现了方位角检测模型的优化，实现了运动目标方位角与目标距离大视野范围内的简单、快速检测。实验结果表明:1）可实现距离375 mm范围内运动速度为30 mm/s的目标方位角实时检测，测量误差在2°范围内；2）基于目标方位角检测模型，可实现双目阵列传感器在300 mm×375 mm视野重叠区域范围内、平均测量误差在10 mm范围内的立体视觉测距。基于光流的运动目标方位角检测模型可用于实现对运动目标空间位置的动态实时检测，在运动检测、视觉导航等领域具有广泛的应用前景。     

捷联惯导/北斗高精度组合导航方法研究

提出采用紧组合方式进行捷联惯导/北斗组合导航设计,首先对捷联惯导与北斗系统进行误差分析与建模,将捷联惯导系统误差、北斗等效时钟误差相应的距离(伪距误差)以及等效时钟频率误差相应的距离率(伪距率误差)作为组合导航系统状态;利用捷联惯导位置输出与北斗接收机星历输出构造获得等效伪距,将其与北斗接收机测量的伪距对应相减作为量测,推导建立对应的量测方程,采用卡尔曼滤波设计捷联惯导/北斗组合导航滤波算法。仿真结果表明,该组合导航方法的速度精度达到±0.05m/s,位置精度达到±3.2m,水平姿态精度达到±0.4′,航向精度达到±1.6′。     

基于可观测性分析的SINS/CNS降维设计

针对长航时无人机的长航时和组合导航系统固有的非线性特性,建立了SINS/CNS组合导航系统的非线性模型,该模型能够更加趋近于真实模型。模型建立之后对其进行可观测性分析,并根据可观测性分析的结果进行降维设计,只对可观测性好的状态进行状态反馈。并选择了精度更高的SCKF算法进行滤波,仿真结果表明,选择的滤波算法精度更高,降维设计之后组合导航系统即能够保证导航精度又能够大大提高实时性。