室内惯性/视觉组合导航地面图像分割算法

导航技术是机器人实现自主移动的关键技术之一。针对惯性导航创建全局导航地图困难等问题,提出一种新的惯性/视觉组合导航室内全局地图创建方法。规定机器人只能在地面区域中移动,并利用室内俯视图像建立全局地图,提出一种俯视图像地面区域的自动分割算法。首先,利用主元分析算法对图像的局部颜色特征进行降维;其次,利用聚类算法对地面区域进行自动分割;最后,建立了室内俯视图像数据库并对算法的性能进行了验证。由于第四组图像中包含反光区域,算法的分割结果较差,平均正确分辨率为75%。算法在其他各组的平均正确分割率为85%左右。为提高算法的性能,可在应用本算法前利用反光区域检测算法对图像进行预处理。     

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BP神经网络辅助的惯性/天文组合导航方法

针对高动态环境下惯性/天文组合导航精度下降的问题,提出一种基于神经网络辅助的惯性/天文组合导航方法。首先以组合导航滤波估计过程中的增益矩阵和动态环境下的惯性器件量测信息构建特征向量;然后,采用导航估计误差对BP神经网络进行训练;最后,利用BP神经网络的输出结果辅助修正组合导航系统。计算机仿真验证结果表明,相较于传统方法,基于BP神经网络辅助的惯性/天文组合导航系统的姿态估计精度可提高30%以上,在动态环境下姿态精度可以保持在5″(1σ)以内。所提出的方法对提高动态环境下惯性/天文组合导航系统的精度和适应能力具有一定的参考价值。     

巡航飞行器惯性/地磁组合导航方法的误差(英文)

地磁辅助导航是组合导航技术的新方向,而导航误差的研究是分析惯性/地磁组合导航性能的重要内容之一。以等高或近似等高飞行的巡航飞行器为应用对象,建立了惯性/地磁组合导航系统的卡尔曼滤波器;通过仿真结果并结合理论分析重点讨论了校正方式、惯性器件测量精度、地磁场特征与磁测误差、基准图的网格间距、滤波周期、初始位置与初始速度误差等各种因素对位置和速度等导航误差的影响。     

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%。     

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.     

一种地磁/惯性深度融合导航方法

地磁/惯性融合导航是一种不依赖全球导航卫星系统的自主导航方式之一,具有很强的隐蔽性和抗干扰性能,是固体火箭的可用自主导航方式之一。基于前人在惯性/地磁融合导航研究的基础,对地磁导航、惯性导航的优缺点进行详细分析,将地磁导航在高度和纬度的确定优势和惯导在经度和纬度确定优势进行充分融合,提出了具备东向速度间接估计校正的地磁/惯性深度融合导航方法,摒弃地磁导航在经度、惯导在高度方向确定的劣势。结合实际弹道数据的导航仿真对比试验表明,所提出方法可以充分吸收两种导航的优势,相比传统的地磁/惯性融合方式,导航精度在相同条件下提升45.6%,为高精度地磁/惯性融合导航提供一种新的方法。     

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。     

基于UWB优化配置的室内行人导航方法

在卫星信号无法覆盖的室内条件下,行人的精确导航问题是当前研究的热点。为解决基于MEMS的微惯性导航系统误差随时间发散、航向角发散快的问题,提出了一种利用UWB辅助修正惯性导航系统,实现室内较高精度定位的方法。该方法采用基于零速修正的微惯导系统进行导航,以抑制惯导误差随时间发散,并在建筑内拐角、楼梯口等关键节点处优化配置UWB设备,采用UWB信息与微惯导数据进行卡尔曼滤波,实现对微惯导航向及位置的修正。与大规模使用UWB系统进行室内定位相比,该方法降低了系统布设成本,避免了UWB出现问题时对整体导航结果的影响,有效地保证了系统的定位精度。行走实验表明:直线行走时,微惯导最终定位误差为1.8%;转弯行走时,在UWB辅助定位下,微惯导最终定位误差小于1.0%。     

一种基于视觉二维码/惯性融合的室内高精度定位定姿方法

当前基于视觉二维码的定位定姿方法依赖连续清晰的图像,当图像出现丢失或模糊现象时,性能难以保证。针对这一问题,提出了一种基于视觉二维码/惯性融合的室内高精度定位定姿方法,具有成本低、灵活和便携的特点。所提方法以捷联惯导算法为核心,通过拍摄预先布设且坐标已知的二维码（ArUco码）获得高精度的位置修正信息,并使用扩展卡尔曼滤波进行信息紧耦合。采用反向平滑算法融合二维码观测信息提升定位定姿精度,结合惯性的位姿推算能够有效地应对摄像头短暂遮挡或图像模糊等问题,提升系统的鲁棒性。实验结果表明,视觉观测出现中断时,所提方法也能够连续可靠地实现3.2 cm(RMS)的定位精度,并达到与参考系统的定姿差异优于0.1°（RMS）。     

惯性信息辅助的快速大视角图像匹配方法

大视角图像匹配算法的鲁棒性与实时性直接影响飞行器对远距离目标定位的性能。针对目前仿射不变图像匹配算法实时性较差的问题,提出一种惯性信息辅助的快速大视角图像匹配方法。该方法对现有的快速图像匹配算法进行改进,避免了构建高斯金字塔,提高了算法效率。然后利用机载惯性导航信息求解实时图与参考图之间的单应性矩阵,并对实时图进行模拟视角变换以此减小图像间视角差异,克服了现有的大视角图像匹配算法盲目多次的匹配计算,实现了大视角图像的快速匹配。实验结果表明,惯性信息辅助的大视角图像匹配算法与现有的快速仿射不变性匹配算法相比,匹配效率提高了至少2倍。     

阻尼参数连续可调的惯导水平内阻尼方法

针对惯导系统传统阻尼方法存在的阻尼网络设计复杂、状态切换产生较大超调误差等主要问题,提出了一种基于变阻尼比例控制的惯导水平内阻尼方法,在无阻尼惯导东向、北向水平修正回路中增加一条前向比例环节通道,通过合理设计比例参数,利用提取的加速度信息进行惯导水平内阻尼,抑制惯导中舒拉振荡误差.相对于传统阻尼方法,该方法使得阻尼网络设计大为简化.该方法通过连续调整比例控制系数,可实现阻尼系数的连续线性修正,能有效抑制无阻尼状态向阻尼状态切换时超调误差.     

一种多源试验条件下惯导误差系数融合的新方法

为充分利用各种系统级试验信息提高惯导系统误差模型准确性,提出一种多源试验条件下惯导误差系数融合的新方法.根据各试验中误差系数对总误差的贡献比重来确定误差模型中可分离的误差系数.然后将各试验中分离出的误差系数分为独立系数和公共系数分别进行融合.其中,独立系数作为信任值保留,公共系数的加权融合采用以估计方差阵的迹作为代价函数的随机搜索算法来确定其融合权重.利用某型惯导系统车载、机载和火箭橇试验信息进行融合的结果表明,该方法效果较好,可行性强.     

Hybrid finite element/volume method for 3D incompressible flows with heat transfer

An implicit hybrid finite element (FE)/volume solver has been extended to incompressible flows coupled with the energy equation. The solver is based on the segregated pressure correction or projection method on staggered unstructured hybrid meshes. An intermediate velocity field is first obtained by solving the momentum equations with the matrix-free implicit cell-centred finite volume (FV) method. The pressure Poisson equation is solved by the node-based Galerkin FE method for an auxiliary variable. The auxiliary variable is used to update the velocity field and the pressure field. The pressure field is carefully updated by taking into account the velocity divergence field. Our current staggered-mesh scheme is distinct from other conventional ones in that we store the velocity components at cell centres and the auxiliary variable at vertices. The Generalized Minimal Residual (GMRES) matrix-free strategy is adapted to solve the governing equations in both FE and FV methods. The presented 2D and 3D numerical examples show the robustness and accuracy of the numerical method.