基于车辆运动约束的里程计误差在线标定方法

为了降低里程计误差对捷联惯导/里程计组合定位定向精度的影响,提出了基于车辆运动约束条件的里程计误差在线标定方法。通过对里程计标度因数误差进行建模,推导建立了航位推算的误差模型,将航位推算的速度输出沿车体横向、垂向的投影作为量测的一部分,将捷联惯导输出的速度、位置信息与航位推算输出的对应信息相减作为另一部分量测,通过卡尔曼滤波获得里程计标度因数误差等状态量的最优估计值,实现里程计误差的在线标定。仿真结果表明,该方法能够有效地标定出里程计标度因数误差,从而确保了捷联惯导/里程计组合定位定向的精度。     

一种提高车载定位定向系统定位精度的方法

在车载定位定向系统中,通常采用停车修正或引入GPS等外信息校正系统,这会降低陆地武器装备的战场生存能力和自主性。基于上述情况,分析了惯导系统以及与里程计构成的航位推算系统的误差模型,得出了惯导系统短时间内定位精度高以及航位推算系统定位误差随时间增长缓慢的规律。据此推导并提出了一种提高系统定位精度的方法,该方法不需要停车或外部信息,首先利用惯导系统对航位推算系统进行校正,估计出里程计标度因数误差和载车的安装误差并进行补偿;之后利用航位推算系统对惯导系统进行校正;采用加权函数对系统位置输出进行加权优化处理。理论分析和仿真实验表明利用此方法在2 min内能估计出里程计标度因数误差和载车的安装误差,估计精度在90%以上;加权后的位置输出精度在0.2%D(D为里程)以上。     

单目视觉里程计/惯性组合导航算法

提出一种单目视觉里程计/捷联惯性组合导航定位算法.与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题.通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差.分别在室内外不同环境下进行了22 m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%.与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航.     

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。     

基于运动学非完整约束的里程计参数在线辨识

针对里程计标度因数误差以及安装误差对捷联惯导/里程计组合导航精度存在较大影响的问题,提出一种基于运动学非完整约束的里程计参数在线辨识方法。通过建立航位推算误差模型,利用里程计输出,计算车辆的向心加速度,并与捷联惯导的加速度计输出计算的向心加速度做差作为量测之一;将里程计与捷联惯导输出的速度做差作为量测之二;通过卡尔曼滤波实现里程计标度因数误差以及安装误差的在线辨识。仿真结果表明,该方法组合导航相比速度组合导航,当车辆行驶960s,其东向定位精度提高19.6 m,北向定位精度提高14.2 m。仿真和车载试验结果均表明该方法能实现里程计参数的有效辨识以及航向安装偏差角的估计,有助于提高组合导航精度。     

一种SINS/GNSS级联闭环反馈式组合导航系统的设计与研究

对于目前的级联式SINS／GNSS组合导航系统来说，其卡尔曼滤波器的输出校正方式不能深入到捷联解算内部，无法抑制平台姿态误差的发散，也无法校正惯性器件误差，因而在该方式长时间运行不能控制滤波发散，导舷精度随时间下降。为此设计了一种SINS／GNSS级联闭环反馈式组合导航系统，该系统能对SINS的位置、速度误差、平台误差及惯性器件误差作出最优估计并实施反馈。通过仿真证明：该系统不仅能提高导航解的精度，还在校准的同时具有动机座对准能力，满足了长时间导航定位的稳定性。     

基于自适应强跟踪滤波的捷联惯导/里程计组合导航方法

针对大型轮式车行驶过程中里程计标度发生较大变化,无法满足车载定位定向系统给里程计分配的误差要求,研究了一种非线性滤波方法。以容积卡尔曼滤波为算法框架,引入强跟踪滤波渐消因子的基本理论,提出了捷联惯导/里程计组合导航的自适应强跟踪滤波算法,达到实时自适应估计并补偿里程计标度误差的目的。仿真分析和跑车试验验证了该方法的有效性,新方法比传统强跟踪滤波更进一步消除了里程计误差的影响。试验结果表明该方法使得捷联惯导/里程计组合导航的定位精度提高了两倍以上,达到了惯性元件的理论精度。     

弹载惯性/卫星/星光高精度组合导航

选取捷联惯导系统误差作为组合导航系统状态,利用捷联惯导与卫星导航系统各自的位置输出构造量测,设计惯性/卫星组合导航算法。在惯性/星光组合导航算法设计中,对星敏感器安装误差进行建模并也列入组合导航系统状态,利用星敏感器输出的姿态矩阵和根据惯导输出计算得到的等效姿态矩阵构造量测。从而,利用联邦滤波技术设计出弹载惯性/卫星/星光高精度组合导航方法。该组合导航方法的仿真结果表明,其定位、定姿精度分别达到12.1m(3σ)和0.27′(3σ),而且能够有效标定出惯性器件的随机常值误差和星敏感器的安装误差。     

航位推算组合导航系统在线标定技术

在航位推算组合导航系统中,存在里程计安装偏差角误差和标度因数误差。推导了里程计安装偏差角误差和标度因数误差对航位推算速度和位置精度的影响,并提出了一种航位推算组合导航系统在线标定算法。该算法利用航位推算的速度与GPS的速度之差作为速度量测,航位推算的位置与GPS的位置之差作为位置量测,对航位推算组合导航系统的姿态误差、安装偏差角误差和标度因数误差进行有效估计,并通过仿真试验和车载试验对该算法的有效性进行了验证。试验结果表明,通过车载试验在线标定出的里程计各误差参数与里程计传统标定法标定的结果接近,且该算法计算量小,具有一定的工程应用价值。     

车载惯导系统动基座高精度自主式对准方法

研究了一种利用里程计与车辆运动约束条件来辅助车载惯导系统进行动基座高精度自主式对准的方法。利用里程计输出与惯导姿态输出进行航位推算,将航位推算获得的速度信息与惯导输出的对应信息相减作为量测之一;利用车辆运动约束条件,将惯导速度输出沿车体横向、垂向的投影作为量测之二;选取惯导系统误差与里程计误差作为系统状态,采用卡尔曼滤波设计动基座高精度对准算法。仿真结果表明,在载车行驶条件下,该方法的东向、北向失准角估计精度分别达到0.21′、0.25′,天向失准角的估计精度达到2.16′。