一种微型无人机单目视觉SVO/INS组合导航方法

针对未知环境中微型无人机自主导航问题,提出一种单目视觉SVO/INS组合导航算法。使用半直接视觉里程计(SVO)作为视觉里程计前端,首先对SVO的初始化模块、关键帧选择及跟踪失败处理策略进行了重新设计,实现了SVO在摄像头前视场景中的应用。之后,设计了误差状态卡尔曼滤波器,基于惯性测量单元的测量值进行状态预测,采用SVO的估计结果作为观测值进行状态更新。使用EuRoc数据集对所提算法进行验证,结果表明所提算法可实现对无人机的位置、姿态和速度以及未知尺度、惯性测量单元零偏、重力方向的估计。导航时间3 min位置估计误差为0.15 m,俯仰和横滚角估计误差小于0.5°,航向角估计误差小于1.2°。所提方法具有计算量小、实时性好的优点,适用于机载计算资源有限的微型无人机导航。     

无人机动平台着陆惯性/视觉位姿歧义校正算法

针对无人机移动平台着网回收应用场景,提出了一套基于二维码的惯性/视觉位姿估计算法,重点解决无人机回收过程中位姿解算歧义问题,提升无人机动平台回收导航精度、鲁棒性与实用性。首先,设计多个二维码构建非共面二维码序列,使用非共面3D-2D点对打破位姿解算特征点的共面约束。然后,使用极小平面位姿估计算法(IPPE)进行平面二维码位姿估计,并融合惯性信息引入姿态约束,解决无人机着网回收过程中的相对位姿解算歧义问题。多架次飞行实验表明所提出位姿估计算法能有效消除位姿解算歧义,具有较好的鲁棒性,且作用距离大于30 m,回收末段达到厘米级定位精度,满足无人机动平台着网回收需求,具有较好的应用前景。     

超宽带测距辅助的无人机近距离相对导航方法

针对无人机之间的相对导航问题,提出了一种基于超宽带/相对差分的相对导航方法,基于伪距测量和超宽带测量的特征,给出了无人机之间的双差、双差变化率、超宽带测距测速以及双机定位数据做差的量测方程,并根据近距离编队跟随飞行的场景设计了相对导航状态方程,结合扩展卡尔曼滤波器对相对状态进行估计,最后针对不同的相对导航配置和卫星可用情况进行了仿真。仿真结果表明,该方案的相对导航精度明显优于仅采用一种相对测量量的效果,且在可用导航卫星越少的情况下精度提升越明显,在仅有4颗可用星的情况下,X、Y、Z三个方向(地心地固系)的相对导航均方根误差分别降低了3.2、13.06、2.01倍。该方法可有效提升编队飞行等多无人机应用场景下的相对导航精度。     

载波相位时间差分辅助的SINS/GNSS紧组合导航方法

为提升无基准站辅助条件下的单站微惯性/卫星组合实时导航性能,提出了一种基于载波相位时间差分的改进微惯性/卫星紧组合导航方法。所提方法直接利用高精度的载波相位时间差分观测信息改善微惯性导航误差的在线补偿精度。分析比较了两种载波相位时间差分观测模型对组合导航精度的影响,通过抗差序贯卡尔曼滤波建立抵御GNSS观测粗差的紧组合滤波模型。城市内车载试验结果表明,相对于传统紧组合导航方法,所提算法能够有效提升定位、定速和定姿精度达29%、21%和42%。另外,相对较长GNSS中断(60 s)条件下,所提算法能够显著提升滑行位置、速度和姿态精度达46%、40%和51%。     

坐标点分布对三维坐标变换参数估计不确定度的影响（英文）

相机坐标系和目标坐标系中公共特征点的测量精度和相对几何分布对参数估计具有重要影响,直接影响视觉导航精度。由于坐标点的测量精度依赖于测量系统的精度,而公共点的分布选取更容易调整,因此仅讨论公共特征点相对几何分布对平移旋转参数估计精度的影响。首先,采用非线性模型和加权整体最小二乘算法求解变换参数,并采用蒙特卡罗方法归纳总结了不同的特征点分布对参数估计精度的影响。同时,为了工程化应用,将坐标点分布的分散度进行量化作为其权重,提出一种重构协因数矩阵的方法。最后,基于实际测量数据的对比试验表明,在没有先验知识的情况下,所提出的方法可以改善参数的估计精度,即变换参数的后验标准差至少减小6.7%。     

基于改进LSTM网络的无人机MEMS-IMU零偏在线标定方法

针对在卫星信号拒止、视觉系统退化场景中无人机MEMS-IMU零偏无法准确估计并补偿导致导航误差迅速发散的问题,提出一种基于改进长短时记忆（LSTM）网络的零偏在线标定方法。首先,为解决MEMS-IMU零偏数据非线性强、传统循环时间网络训练效果差的问题,设计序列到序列的LSTM神经网络结构,引入教师强迫机制,提高了网络特征学习能力。然后,在导航过程中使用训练后的网络对MEMS-IMU零偏在线标定,补偿后的IMU量测与视觉信息联合优化,保证了导航定位精度。实验结果表明,在纯惯性导航实验中,所提方法的绝对位置误差比传统LSTM方法减小了6.5%;在EUROC数据集下进行的视觉惯性组合导航实验中,所提方法的平均绝对位置误差比传统LSTM方法减小了15%。     

基于足部微惯性/地磁测量组件的个人导航方法

为降低个人导航定位对卫星导航系统(GNSS)的依赖性,研究了一种基于足部安装微惯性/地磁测量组件的个人导航定位方法.该方法通过微惯性测量组件信息进行捷联惯导解算获得人体足部的姿态、速度与位置信息,利用磁传感器确定运动的航向信息,并采用基于步态相位检测的零速修正方法,实时修正MEMS惯性导航系统的导航信息误差以及惯性传感器的随机误差,从而减缓惯性导航系统的定位误差随时间的积累.导航定位实验结果表明,直线与矩形行进路线的导航定位误差在行进约9 min时分别保持在2 m与6 m左右,分别占行进距离的1.1％与2.5％.该实验结果证明所提出的方法可有效提高个人导航系统的定位精度,在GNSS信号衰减或失效的环境中可实现较长时间的个人导航定位.     

星光折射辅助惯性/天文紧组合高精度导航方法

为了解决传统惯性/天文(SINS/CNS)组合导航无法在线精确估计加速度计零偏而导致SINS导航误差发散的难题,提出了一种动力学模型约束改进的捷联惯性星光折射组合导航方法。直接利用星敏感器观测的原始恒星像点坐标信息与约束改进的SINS导航动力学方程构建SINS/CNS紧组合模型,通过推导加速度计虚拟观测方程和适用于空天跨域飞行器导航的星光折射测量方程,采用扩展卡尔曼滤波方法,实现了对加速度计零偏和陀螺零偏在线估计。典型弹道仿真结果表明,在不增添额外传感器的条件下,相对于传统的基于姿态测量SINS/CNS组合,所提方法导航定位、定速和定姿精度分别提升了97.84%、98.61%和78.70%;相对于传统的基于星光折射SINS/CNS组合,定位、定速和定姿精度分别提升了28.09%、67.72%和79.10%。所提方法有效克服了传统方法精度恶化问题,显著提升了传统SINS/CNS组合导航精度。     

基于状态变换多状态约束卡尔曼滤波的视觉/惯性组合导航（英文）

为了进一步提高视觉/惯性导航精度,提出了一种基于状态变换多状态约束卡尔曼滤波(ST-MSCKF)的视觉/惯性组合导航算法。与标准的多状态约束卡尔曼滤波(MSCKF)相比,ST-MSCKF对速度误差进行了更严格的定义,并以新的非线性速度误差为基础重新推导了视觉/惯性组合导航的系统误差模型和量测模型。由于ST-MSCKF比MSCKF具有更好的协方差一致性,从而具有更高的位置和姿态估计精度。与观测性约束MSCKF(OC-MSCKF)解决不一致问题的方法不同,ST-MSCKF不需要实时修正状态转移矩阵和量测矩阵去保持视觉/惯性组合导航系统的可观测性,ST-MSCKF的运算流程与标准的MSCKF完全一致,算法实现容易。车载导航实验表明,ST-MSCKF具有比MSCKF更高的位置和姿态精度,与OC-MSCKF精度相当,具有良好的工程应用价值。     

基于点线视觉/惯性SLAM和目标检测的测距方法

针对无人平台在未知环境中自身定位和对远距离目标测距精度不高的问题，利用单目相机和惯性器件组成视觉/惯性导航定位系统，结合目标检测提出“动态基线+三角测距”方法实现自身定位和对目标测距。首先，建立基于点线融合的视觉/惯性系统模型，提高系统自身定位精度，给出运动前后相对位姿变化；其次，利用目标检测算法对目标进行检测和识别，得到运动前后物体对于图像平面的视差；最后，通过三角测距实现对目标的高精度测距。公共数据集实验测试结果表明，引入线特征的视觉/惯性系统的平均定位均方根误差（RMSE）为0.15 m。无人平台搭载系统对目标进行测距实验表明，系统在100 m以内对目标测距的误差小于测距距离的2%。     

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。     

时间相关噪声条件下的捷联惯导/星敏感器组合导航方法

针对星敏感器测量信息含有时间相关测量噪声和振动环境下惯性传感器带来的时间相关系统噪声问题,在不增加滤波维数的基础上,提出了一种基于改进卡尔曼滤波的捷联惯导/星敏感器组合导航方法。分析了时间相关噪声对状态估计的影响,构建了基于时间相关噪声模型下的状态方程和量测方程,详细推导了改进卡尔曼滤波方程,给出了组合导航方法。利用仿真对所提方法进行了验证,仿真结果表明,组合导航方法取得了400 m/1200 s的导航精度;在时间相关噪声条件下,与标准卡尔曼滤波相比,基于改进卡尔曼滤波的组合导航方法定位精度提高了50 m,是有效可行的。     

基于鲁棒滤波的无人机着陆相对导航方法

针对无人机在移动平台上进行起降时的相对导航问题,提出了一种基于鲁棒高阶容积滤波的惯导/视觉相对导航方法。建立了相对导航系统模型,基于无人机与移动平台之间的相对运动给出了系统的相对惯导方程,并针对系统中传感器的量测特性给出了导航敏感器的测量方程。针对相对导航系统非线性较强且量测噪声不符合高斯分布等问题,在高阶容积滤波的基础上,结合Huber-based量测更新方程,设计了鲁棒高阶容积滤波相对导航滤波器,该方法具有较高的估计精度,且对混合高斯噪声有鲁棒性。相对姿态采用四元数表示,为保证四元数的归一化,在设计相对导航滤波器时采用修正的罗德里格斯参数表示姿态误差。仿真结果表明,该方法可以准确地给出无人机与移动平台之间的相对位置、速度和姿态信息,且估计精度高于扩展卡尔曼滤波、Huber-Based滤波以及高阶容积卡尔曼滤波。     

XNAV/UVNAV/SINS组合导航在航天器轨道机动中的应用

针对X射线脉冲星导航在航天器轨道机动过程中精度不高甚至发散的问题,提出一种将X射线脉冲星导航结合惯性导航和紫外敏感器的组合导航方法。以航天器在惯性系中的位置、速度、姿态四元数和惯性导航设备误差作为系统状态变量,用X射线探测器测量X射线脉冲到达时间,用紫外敏感器测量中心天体质心相对于航天器的方向矢量和距离以及航天器在惯性系中的姿态四元数,用扩展卡尔曼滤波器估计组合导航系统状态。仿真结果验证了该组合导航方法的可行性,能够解决轨道机动中X射线脉冲星单独导航的误差过大(位置误差达107m)问题,且该组合导航具有较高的导航精度,在轨道机动前、机动中和机动后导航位置误差均在100 m以内。     

基于天文/GPS/惯性组合方式的惯导动态测试系统

从天文导航技术出发,设计了天文/GPS/惯性组合测量方式,解决惯性导航系统速度误差和角速率动态实时测量问题.重点介绍天文,GPS/惯性组合测量方式的基本原理和组成,并对组合方式的星体检测、授时和测角单元、伺服控制,数据滤波和误差补偿、导航解算等各个关键部分进行理论设计,为提高惯性导航系统的动态测试精度提供了一种可行的方法.误差分析计算结果表明,动态条件下的光轴指向均方根误差约为5",满足测量要求.     

基于容错惯性网络的相对导航方法

为了满足对外部环境精确探测、侦查的要求,先进的多载荷通用飞机通常搭载多种载荷设备。针对机翼挠曲变形、载荷设备子IMU精度低且易发生随机故障的情况,提出一种基于容错惯性网络的相对导航方法。首先,建立挠曲变形下多节点IMU之间动态转换模型以构成冗余测量信息,进行基于广义似然比检测的最小二乘融合,提高测量数据的可靠性和精度。其次,利用惯性网络间的局部运动信息进行相对导航解算,并建立误差估计与补偿模型。仿真结果表明,所提方法在惯性传感器发生随机故障的情况下,可有效完成主、子节点间的高精度相对运动估计,三个方向的相对位置估计误差分别为0.0646 mm、0.0634 mm和0.7377 mm。     

双轴旋转调制惯导系统的极区导航算法

针对采用固定指北坐标系的双轴惯性导航系统运行在高纬度地区时的导航算法失效问题,在横向惯性导航方法的基础上,以双轴旋转调制惯导系统为对象,提出了一种以游移方位坐标系为导航坐标系的惯性导航方法。首先分析了传统机械编排下的极区导航方法在极区工作的缺陷,进而建立了新的机械编排方法。在横向地球模型下,推导了基于横向游移坐标系的极区机械编排方法,并给出了该方法在全球范围进行导航的流程,从而能够保证双轴惯导系统在高低纬度地区工作的流畅性和平稳性。最后进行了仿真分析,并通过虚拟极区技术,利用实际跑车试验数据完成极区导航算法的半实物试验验证,其24小时导航精度与传统坐标系下的导航精度基本一致。试验和仿真结果表明,横向坐标系可以满足舰船航行穿越极点以及极区导航的需求。     

基于协方差变换的INS/DVL全球组合导航算法

横坐标系下设计的惯性/多普勒测速仪(INS/DVL)组合导航滤波器可以满足无人潜航器(AUV)极区导航的需要,但在AUV进入、离开极区时导航坐标系的切换会引起滤波器结构变化,使系统的误差状态参数估计值产生震荡,影响导航精度。针对此问题,提出了基于协方差变换的INS/DVL全球组合导航算法,设计了横地理坐标系下的INS/DVL组合导航滤波器,并推导建立了地理坐标系与横地理坐标系下滤波器系统误差状态及其协方差矩阵的转换关系。AUV进入、离开极区过程中,导航坐标系切换时同时完成导航参数、滤波器参数的转换。通过船载实验与半实物仿真实验对所提算法的有效性进行了验证,结果表明：在导航坐标系切换过程中,协方差变换算法能够有效改善滤波器估计值不稳定问题,相比于无协方差变换,导航参数震荡误差减小50%以上,提高了组合导航系统稳定性。     

基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法

为了提高无人机视觉/INS组合导航系统的位姿估计精度,提出了一种基于灰色模型和改进粒子滤波的无人机视觉/INS导航算法。首先,针对视觉传感器数据易受外界因素干扰的问题,利用灰色预测理论建立基于视觉的位姿解算数据灰色模型,减小视觉解算数据误差对导航精度的不利影响;然后,引入萤火虫算法改进粒子滤波的重采样过程,并采用改进后的粒子滤波算法实现并提升视觉/INS组合导航系统的位姿解算精度。最后,自主搭建了四旋翼无人机实验平台。实验结果表明,采用扩展KF滤波的无人机组合导航算法将位姿估计的误差控制在3.2 cm内,所设计算法可以将误差控制在2.3 cm内,无人机位姿估计精度水平提高了39%。     

基于深度特征正射匹配的无人机视觉定位方法

在卫星拒止条件下无人机安全、可靠地完成各类作业的基础是获取高精度的定位信息,传统图像匹配方法保障困难、定位精度差且匹配约束多。因此,提出一种基于深度特征正射匹配的视觉定位方法,通过深度学习网络提取正射校正后的无人机航拍图像和商业地图的深度特征,获得匹配关系,进而计算无人机高精度位置信息。根据视觉测量机理模型分析不同因素对视觉定位精度的影响,使用中空航拍图像数据集进行离线实验,实验结果表明：相比传统基于方向梯度直方图（HOG）特征的模板匹配方法,所提方法的定位精度提高了25%,位置均方根误差（RMSE）优于15 m+0.5%H(5000 m以下),具有一定的工程应用价值。