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.     

一种高精度自主式组合导航系统滤波算法

提出了一种融合捷联惯导、轮式里程计和气压高度计数据的高精度车载自主导航滤波算法.首先,采用滤波鲁棒性更好的状态变换卡尔曼滤波器(ST-EKF)替代传统的扩展卡尔曼滤波器(EKF),对INS/轮式里程计信息进行组合滤波.其次,针对车载惯性/里程计组合导航系统中高程定位误差易发散的问题,引入气压高度计的量测信息对系统的高程...     

一种单目相机/三轴陀螺仪/里程计紧组合导航算法

针对车载基于MEMS-IMU/里程计/GPS组合导航系统在无GPS信号情况下,定位误差发散较快问题,提出一种基于单目相机/三轴陀螺仪/里程计紧组合导航方法,实现了较高精度定位。该方法分为初始化阶段和导航阶段两部分,在初始化阶段,通过三轴陀螺仪和里程计在线估算单目相机的尺度因子;在导航阶段,先通过基于三轴陀螺仪/里程计的航位推算实时解算载体位姿,再将单目相机观测到的带有尺度因子的特征点作为观测量,通过非线性优化方法,估计出载体位姿误差并进行修正。利用四轮小车开展算法验证实验表明,室外非闭环情况下累积误差约为里程的1.9%,在室外闭环情况下累积误差为里程的0.5%。     

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。     

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。     

车载定位定向系统误差在线补偿方法

针对里程计输出为位置增量,传统SINS/里程计组合方法会对位置增量进行微分或积分从而会产生一定噪声或误差,且里程计标定残差影响高精度定位定向系统性能的问题,提出了一种基于位置增量组合的定位定向系统误差在线估计和补偿方法。该方法除了将惯性器件误差列入状态量外,还将里程计安装误差残差、标度因数误差等纳入状态量进行实时估计,将惯性导航系统输出的速度增量进行积分获得位置增量,同时与里程计输出位置增量进行比对,构建量测方程。设计跑车试验对该方法进行了验证,结果表明该方法可以有效估计惯性器件误差和里程计参数误差,同时相比速度组合方法而言,定位精度可提高40%。     

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。     

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%。     

基于双层神经网络模型参数辨识的变结构多模型自主导航方法

在卫星拒止环境下,井下采煤机定位方式通常采用惯导/里程计的组合导航方式。但在采煤机开采过程中产生的复杂振动会引起传感器时变和非线性的器件误差,导致传统卡尔曼滤波精度下降。针对这一问题,提出了一种基于双层神经网络模型参数辨识的改进变结构多模型导航算法(TVSMM)。设计了一种基于支持向量机(SVM)和极限学习机(ELM)相结合的双层神经网络对系统噪声变化特性进行训练和辨识,实现快速、准确地辨识导航系统模型参数。仿真结果表明,通过双层神经网络模型参数辨识相较于单层神经网络的模型参数辨识精度提高12%。基于TVSMM的井下惯导/里程计组合导航算法可有效抑制振动噪声带来的航向角发散,航向精度提升42%,水平定位精度提升43%,对井下复杂环境中的自主导航定位具有较好的参考应用价值。     

考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

考虑里程计截断误差的SINS/OD组合导航算法

针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。     

基于LSTM深度神经网络的MEMS-IMU误差模型及标定方法

针对微惯性传感器受热、力学等环境的影响显著,传统的多项式误差模型补偿效果不理想的问题,建立一种基于长短时记忆(LSTM)深度神经网络的MEMS-IMU误差模型。模型输入信息为MEMS-IMU输出的角速度、加速度、温度,输出为角速度误差、加速度误差。同时,设计了基于长短时记忆神经网络的MEMS-IMU误差模型标定流程,构建了MEMS-IMU热、线运动、角运动等多维误差因素的综合激励训练集,对长短时记忆神经网络模型进行训练。对训练得到的模型进行验证,结果表明,相对于传统方法,采用所提出的模型对加速度和角速度进行误差补偿后残差均值减小约70%,均方差分别减小39%和64%,补偿效果更好。     

MEMS-IMU/GPS组合导航系统的实现

针对我国军事和民用对低成本、微小型、高性能导航系统的迫切需求,提出基于MEMS技术的IMU/GPS组合导航系统方案,深入研究了构建该组合导航系统的关键技术。由于MEMS陀螺的零偏受到温度影响,提出采用递推最小二乘自适应标定算法（ARLS）进行误差标定和补偿,从而提高MEMS陀螺的使用精度;建立了MEMS-IMU/GPS组合的卡尔曼滤波器,利用加速度计倾角传感器原理估计载体的水平姿态,增强了姿态信息的冗余度和可靠性;设计了该组合导航系统的信息融合策略。最后,构建了基于DSP的MEMS-IMU/GPS组合导航系统。机载飞行试验结果表明,该系统算法正确、性能可靠,达到了较高的导航精度,具有广阔的应用前景。     

极区飞行法向量惯性导航算法原理

为克服经典力学编排方案在高纬度地区无法定位定向的问题,提出了以地球坐标系为导航坐标系的法向量惯性导航力学编排方案。该方案采用法向量代替传统的经纬度坐标表示水平位置,适合于全球范围内进行导航。推导了法向量导航误差方程,可用于组合导航算法设计,从而对惯导误差进行校正,满足全天候长航时的导航要求。通过仿真验证了法向量导航算法误差特性,证明了该方案可以满足飞机在极区飞行时的需要,解释了飞跃极点时导航定位误差跳变的原因。     

足部安装MEMS-IMU个人导航系统

为了实现室内外环境下个人自主导航,研究了足部安装的MEMS-IMU个人导航系统。根据人行走时足部具有周期性零速的特征,以加速度计输出矢量和、滑动方差和陀螺仪输出的角速度矢量和为检测量,设计了一种多条件零速检测算法,有效地提高了零速检测的准确性。针对MEMS惯性传感器零漂大、精度低的问题,导航定位算法以传统的捷联解算算法为基础,进行了适应性改进。引入零速修正(ZUPT)技术,设计了以速度信息作为伪量测的Kalman滤波器。在零速阶段对系统速度,姿态,位置误差进行估计,将估计结果反馈以修正导航解算的累积误差。实验结果表明,基于上述导航修正算法可以有效地消除MEMS惯性传感器零漂引起的累积误差,使得多组多种行走路径下系统的定位误差均小于行程的2%。     

一种复杂多介质环境下的视觉/惯性自适应组合导航方法

针对空间交会对接地面混合悬浮微重力模拟实验中自主水下航行器的高精度实时导航问题,提出了一种复杂多介质环境下视觉/惯性自适应组合导航方案和算法。首先,以视觉定位系统的采样时标为基准对惯导系统的测量数据进行拟合,并通过惯导逆向导航的方法实现惯导与视觉定位系统的时间同步。然后,根据视觉系统量测噪声时变的特点,设计了可对量测噪声在线估计的指数渐消记忆型Sage-Husa自适应卡尔曼滤波组合导航算法。最后,通过实验验证了该组合方案和算法的有效性。实验结果表明提出的方法可以实现复杂多介质环境下的高精度实时导航,并且相比于测量数据未同步的标准卡尔曼滤波组合导航方式,其速度误差和位置导航误差分别降低了56%和64%。     

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。     

MEMS-IMU构型设计及惯性器件安装误差标定方法

提出一种由三只单轴MEMS陀螺仪和三只单芯片双轴6个加速度计构成的MEMS-IMU配置方案。针对该方案的特点,研究了基于重力参考矢量对MEMS惯性器件安装误差的标定方法。该方法的关键是利用同一安装平面内的两个加速度计测量矢量的叉乘矢量的方向代替MEMS陀螺敏感轴方向,利用两轴或三轴角位置转台标定MEMS-IMU中惯性器件的安装误差。分析了标定矩阵的求逆条件数,提出了3位置和6位置的标定,指出了多位置标定中转台姿态角度的选择范围。新型MEMS-IMU配置方案及安装误差标定方法可有效解决MEMS-IMU惯性器件安装误差的标定与补偿问题。     

基于罗经/DVL/USBL组合导航系统的DVL在线标定算法

针对ROV在大深度水下工作环境中由于DVL刻度因数误差和安装角度误差引起导航精度降低的问题,提出了一种基于罗经/DVL/USBL组合导航系统的DVL误差参数在线标定算法。分析并建立了DVL误差参数向组合导航定位误差的传播模型,将DVL的刻度因数误差和安装角度误差引入基于USBL位置观测的卡尔曼滤波组合导航迭代中,使ROV在获得组合导航输出的同时实现DVL的在线标定。仿真与海试结果表明,所提出的算法能够在输出高精度组合导航位置的同时进行DVL的有效标定,在理想条件下,组合导航终点定位误差仿真结果能够达到0.01%航程,具有较高的导航定位精度、DVL误差参数估计精度和算法稳定性。     

一种SINS/超短基线组合定位系统安装误差标定算法

超短基线设备由于尺寸小,使用灵活,在水下导航定位中常与惯性设备进行组合导航。为了标定出超短基线坐标系与载体坐标系之间存在的安装误差,提出了一种基于小角度近似的安装误差标定算法。首先,确定应答器的位置,再对安装误差角对应的姿态矩阵进行小角度近似,最后利用最小二乘法直接计算得到安装误差。通过仿真验证,在斜距误差为0.5%的条件下,航向安装误差角的标定误差比传统方法至少减少了32.8%。江试实验进一步表明,安装误差标定前后定位误差减小了76%。所提出的算法可以较好地减小导航定位误差,具有一定的工程应用价值。