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.     

基于线特征的无人机自主着陆惯性/视觉导航方法

卫星拒止条件下无人机与着陆场站之间的相对位置与姿态测量技术是无人机安全回收、重复使用的关键。惯性/视觉导航方法综合了惯性导航、视觉测量的优势,同时克服了惯性误差发散,视觉测量盲区等问题。针对无人机着陆过程中点特征提取精度易受天气、飞行距离和高度等因素影响的问题,提出了一种基于线特征的无人机自主着陆惯性/视觉导航方法。通过识别机场跑道左右边线与中线,计算由这三条平行线确定的消隐点及消隐线方程,建立基于线特征的视觉相对测量模型,通过坐标系间的转换关系解算无人机在机场坐标系下的位姿,并与惯性导航结果进行数据融合,引导无人机安全着陆。经机载飞行试验验证,所提方法中无人机着陆垂向精度可达10 m,侧向精度达5 m,结果表明了所提方法的有效性。     

基于双轴旋转调制惯性测量的载体导航信息提取方法

针对双轴旋转调制惯导系统在旋转过程中无法直接提供载体角速度等导航信息的问题,提出了一种以标定惯性测量单元与内外框时空关系来精确解调原始旋转惯性测量数据的载体导航信息提取方法。首先,从基于旋转轴的内外框坐标系定义出发,提出了综合考量整圈所有角位置状态的惯性测量单元与内外转轴安装角标定方法。然后,利用转轴方向惯性测量角增量曲线和转位测量角增量曲线的相似平移关系推导了两者之间时间不同步误差的计算方法。进一步,基于滑动数据存储窗口,通过实时测角变化率计算和相邻转位测角外推实现了时间不同步误差的精确补偿。最后,采用基于高次谐波函数的精细化误差模型实现了转轴锥摆运动引起的测角不圆度误差精确标定。采集内外框旋转试验数据验证了所提方法的有效性,结果表明由原始惯性测量信息解调导致的载体航姿提取误差小于0.001°。     

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。     

柱面坐标系下航天器仅测角相对导航算法

针对采用星载无源光学相机实现对空间非合作目标的相对导航时轨道状态不可观测/弱可观测的问题,研究了基于柱面坐标系相对运动动力学模型的仅测角相对导航算法。首先,在柱面坐标系下建立了三维的相对轨道运动动力学模型和视线角测量模型;然后,基于该模型进行了仅测角相对导航的状态可观测性分析,定性地获得了相对轨道状态可观测性更佳的几何条件;接着,为了解决强非线性模型的估计问题,建立了基于平方根容积卡尔曼滤波的仅测角相对导航估计算法及长航时导航滤波方案;最后,对所提算法进行了数值仿真实验验证。仿真结果表明柱面系下动力学模型的轨道曲率捕获能力强,能够为仅测角相对导航提供足够可观测性,相对轨道估计误差可收敛至公里级,能够满足中远程空间态势感知、交会的精度要求。     

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。     

紧耦合INS/视觉相对位姿测量方法

研究了一种紧耦合INS/视觉相对位姿测量方法在无人机自主空中加油中的应用。该方法直接将特征点的图像坐标作为滤波器输入,避免了求解复杂的非线性位姿方程,尤其是特征点提取不全时,该方法具有较强的鲁棒性。引入相对惯导误差建立了增广状态模型,根据杆臂效应详细推导了紧、松两种耦合模式的量测方程。采用扩展卡尔曼滤波算法估计误差状态,并校正惯导输出获取精确的相对位姿信息。仿真结果表明,与松耦合模式相比,紧耦合在提高系统实时性的同时可获得更高的测量精度,位置误差小于0.1 m,姿态角误差小于3'。     

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。     

偏振光传感器与微惯性器件组合导航技术（英文）

微惯性系统由于成本低,可靠性高,尺寸小等等优点成为目前研究的热点。但是微惯性系统不能提供正确的航向角,所以无法单独完成初始对准。而仿生偏振光传感器通过计算可得到航向角,并且偏振光传感器的误差不发散可以抑制微惯性器件的误差发散,所以把偏振光传感器和微惯性系统进行组合有很多优点。实验结果验证了偏振光导航传感器的数据是不发散的,并根据偏振光导航传感器提供的航向角完成了初始对准。在导航状态中,里程计用来提供水平速度,并通过卡尔曼滤波将偏振光导航传感器、微惯性系统和里程计组合。最后,通过实验验证了该组合导航系统的可行性。