深度相机与微机电惯性测量单元松组合导航算法

针对室内非结构环境下,全球定位系统、无线电定位等定位手段使用困难,轮式里程计在楼梯等场合易出现打滑或空转而误差较大,单一视觉传感器或微机电系统(MEMS)惯性测量单元(IMU)很难实现高精度自主定位,以及传统的视觉与MEMS IMU组合导航算法复杂、计算量大、导航精度低等问题,提出一种适用于室内的深度相机与MEMS IMU松组合导航算法。MEMS IMU预积分结果作为改进迭代最近点(ICP)算法的迭代初值,大幅减少了迭代次数;通过深度相机和MEMS IMU分别计算载体的位置并作差运算,将位置差值作为量测信息,使用扩展卡尔曼滤波估计MEMS IMU的导航误差,修正航位推算的结果;利用Kinect v1深度相机和MTI 100-IMU搭建的平台进行实验验证。结果表明,基于MEMS IMU辅助的改进ICP算法能够减少迭代次数约50%,基于位置差值的深度相机与MEMS IMU松组合算法导航定位误差小于总里程的10%.     

基于单目/IMU/里程计融合的SLAM算法

常见的单目视觉-惯性SLAM算法,应用于以平面运动为主的轮式机器人时,由于存在额外不可观测度等原因常会导致导航定位精度下降。为解决该问题,提出一种能提高定位精度的视觉/IMU/里程计紧耦合的SLAM算法。在视觉前端部分,改进了原始图像金字塔LK光流法,将陀螺仪的旋转信息和里程计的平移信息作为先验,进行了可减少计算量的光流初值计算过程优化;引入车轮里程计信息,推导了IMU/里程计预积分;将里程计约束加入初始化过程和后端非线性优化中,实现视觉、IMU、里程计信息的充分融合利用。开源数据集测试和小车实验结果表明,新算法光流迭代次数减少约32.5%,定位误差均值相比VINS-Mono减少约40%。     

一种基于UKF的MEMS／GPS组合导航算法

针对微电子机械（MEMS）／全球定位（GPS）组合导航系统中,强非线性引起的扩展卡尔曼滤波（EKF）~-航精度不高、滤波性能不稳定、收敛速度慢等问题,研究了MEMS／GPS组合导航系统无迹卡尔曼滤波（UKF）算法,避免了EKF繁重的求导计算。本文对2种滤波方法进行了仿真比较,结果表明,用UKF的组合导航系统的误差收敛速度比EKF快,精度也比EKF高,UKF算法更适合于MEMS／GPS组合导航。     

一种新的组合导航卫星选择算法

利用组合导航设备定位时,选择适当数量的卫星用于定位对于减少接收机通道使用数量、缩短定位时间具有重要意义。基于次优卫星选择算法设计一种新的组合导航卫星选择算法,该算法利用可视卫星与接收机之间的单位向量和测距误差计算每颗卫星的价值;采用迭代的方式从可视卫星中选择价值最大的加入辅助卫星集合。仿真结果显示,这种新的卫星选择算法能够显著缩短卫星选择时间,提高定位精度,满足组合导航设备定位要求。     

小口径旋转导弹组合导航算法设计

针对小口径旋转导弹特点,提出地磁辅助MEMS惯组的组合导航算法设计方案。给出MEMS惯性器件和地磁传感器的误差数学模型,简述三轴地磁定姿解算原理,在设计的飞行轨迹上进行MEMS惯性导航仿真和MEMS惯组/地磁组合导航仿真。结果表明：经过地磁辅助的MEMS惯性导航的姿态角误差和位置误差减小明显,可以满足旋转导弹的使用要求。     

一种利用单信标修正AUV定位误差的方法

针对配置有捷联惯导（SINS）／多普勒速度仪（DVL）／深度传感器组合导航定位系统的自主水下航行器（AUV）的定位误差随时间增大,以及采用GPS修正定位误差引起的AUV隐蔽性降低等问题,提出了一种利用水下固定单信标修正SINS／DVL／深度传感器组合定位误差的方法。该方法首先利用水声测距原理测量出AUV与水下固定单信标的距离,然后基于空间几何关系计算出AUV的实时位置,最后通过卡尔曼滤波连续修正AUV的定位误差。仿真结果表明,该方法可以有效减小AUV的定位误差,有较好的工程应用价值。     

基于多模型估计与有限次迭代的消隐点检测

正确检测消隐点是计算机视觉中实现相机标定、自动导航等任务的重要前提。以前的消隐点检测方法或者基于Hough变换理论,或者基于统计学原理。此类方法大多耗时多、误差大、效率低。因此提出一种新颖的消隐点检测方案,首先采用刚兴起不久的J-连接(J-Linkage)多模型估计算法,基于边缘簇间的Jaccard距离集合,从单幅图像中估计所有的假定消隐点,继而使用期望最大化算法通过有限次迭代提纯优化,最终提取可能存在的Manhattan方向消隐点。实验表明:该方案控制了算法的自由度,减少了迭代次数,在图像中完成误差度量,因此计算量低,运行时间短,相对误差小。     

基于速度约束与模糊自适应滤波的车载组合导航

针对车载组合导航系统中卫星信号易受遮挡而引起导航精度降低问题,提出采用车辆速度约束条件辅助的组合导航方案。利用车辆正常行驶过程中侧向和天向速度为零作为虚拟观测信息,推导得到卫星信号失效时组合导航滤波量测方程;考虑到Kalman滤波过程中量测噪声协方差矩阵难以获取,推导给出一种新的自适应Kalman滤波（ADKF）算法,该算法计算新息序列实际协方差与理论协方差比值后,利用模糊推理系统（FIS）自适应调节量测噪声协方差矩阵大小;通过光纤捷联惯性导航系统（SINS）进行了验证试验。结果表明：卫星信号失效时,虚拟速度组合能够提高SINS定位精度,其纬度最大误差由41.33 m减小为8.61 m,且采用FIS-ADKF组合导航算法时3个方向 位置精度相比标准Kalman滤波算法提高了60%以上,验证了所提出算法的有效性。     

小型无人机组合导航系统的平方根UKF技术研究

由于小型无人机组合导航系统的误差模型与观测模型均为非线性,对模型进行线性化的扩展卡尔曼滤波会引入线性化过程中忽略高次项的误差,导致滤波器性能下降。提出将平方根UKF方法(SRUKF)用于小型无人机IMU/GPS组合导航,SRUKF方法利用协方差平方根代替协方差参加递推运算,保证滤波算法的数值稳定性,提高组合定位的精度和可靠性。仿真结果表明,SRUKF方法是组合导航中一种很好的非线性滤波方法,实现了低成本、高精度的实时定位。     

车载激光陀螺SINS/DR组合导航系统研究

推导了捷联惯导系统（SINS）误差方程和航位推算（DR）误差方程。建立了SINS／DR组合导航离散卡尔曼滤波（KF）状态方程和量测方程。最后对SINS／DR组合导航算法进行了仿真，仿真结果表明；组合系统中部分误差源能够被估计出来并且得到补偿，因而组合导航效果优于单独的SINS或DR导航效果。     

基于MIMU/GPS组合导航定位系统的一种新型卡尔曼滤波算法的研究

文中提出了基于MIMU/GPS组合导航定位系统的一种新型卡尔曼滤波算法。系统以MEMSIMU为传感器核心,采用位置和速度组合,运用该算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。     

以高精度惯组为参考的MEMS惯组参数在线估计方法

针对传统冗余惯性导航系统存在成本高,体积大,功耗大的问题,提出采用低精度MEMS惯组参与惯性导航冗余的导航系统冗余模式.利用MEMS惯组单次通电稳定性具有优势的特点,利用高精度惯组信息对低精度惯组参数进行在线估计.免除因增加惯性器件导致射前标定的大工作量.针对导航参数在飞行器飞行过程中可能发生变化的问题,提出一种自适应滑动窗口估计方法,利用数据的分散性对有效估计时间进行决策,并采用最小二乘法对参数进行估计,仿真结果表明该方法是有效的.     

一种基于惯性定位技术的单兵室内定位指挥系统方案

针对单兵室内作业的定位和指挥需求,对基于射频技术和惯性技术的不同特点进行分析,并利用MEMS惯性系统进行了二维平面行走、三位立体行走原理验证试验,突破了初始对准、惯性导航、瞬间静止判定、零速修正等核心技术。试验结果表明,以惯性定位技术为基础研制单兵室内定位指挥系统是可行的。在此基础上开发单兵保障产品体系,具有广阔的市场前景。     

安卓GNSS 与足部MEMS 融合的单兵导航系统

为建立轻巧便携、功能集成的单兵导航系统,基于单兵导航系统的功能架构进行探讨。对安卓智能终端 与足部微机电系统(micro electro mechanical system,MEMS)融合建立单兵导航系统进行适用性和可行性分析,研究 安卓全球导航定位系统(global navigation satellite system,GNSS)数据获取和高精度定位加工使用,将安卓GNSS 与 足部MEMS 融合,同时5G 通信赋能。研究结果表明：该架构能实现单兵室内外高精度定位的方法,为单兵导航系 统建设提供参考。     

系留无人机视觉定位技术

针对系留无人机在导航卫星拒止条件下无法定位的问题,设计一种基于合作目标的视觉定位系统。通过 构建视觉定位系统,设计靶标检测算法、靶标偏移量计算算法及数据平滑算法,实现系留无人机的无源定位。试验 结果表明：无人机在飞行及起降过程中,精确检测地面靶标并解算相对位置,可有效解决无卫星信号的定位问题。     

基于新息自适应滤波的惯性测量单元误差在线标定方法研究

考虑到空天飞行器飞行环境和运动特性下导航传感器误差的噪声统计特性不可能完全精确已知,若使用常规卡尔曼滤波进行在线标定,将会导致滤波精度下降甚至发散。设计一种基于新息自适应滤波方法的惯性测量单元(IMU)误差在线标定方案和算法,克服常规卡尔曼滤波需预先知道噪声统计特性的不足,设计包含IMU安装误差、刻度因子误差和随机常值误差在内的27维高阶状态变量的误差标定模型,分析提出可同时对系统噪声和量测噪声协方差矩阵进行动态调整的新息自适应滤波在线标定算法。仿真验证实验表明,相较于采用常规卡尔曼滤波以及Salychev O自适应滤波算法进行在线标定,所设计的新息自适应滤波在线标定方法能更有效实现对IMU误差的动态标定及补偿,进一步提高了惯性导航系统精度。实物验证实验表明,该方法可有效标定IMU误差残差,提高导航精度,为工程应用带来较大便利。     

MEMS惯组陀螺零位在线快速标定系统设计与实现

针对传统MEMS惯组标定算法标定步骤复杂,标定时间长的问题,根据MEMS惯组的参数变化特点,设计并实现了MEMS惯组在线快速标定系统,实现对MEMS惯组参数影响最大的陀螺零位进行快速标定。分析了MEMS惯组误差模型,介绍了在线快速标定系统组成,对快速标定算法进行了解释和说明,并给出了详细标定步骤。该系统简化了标定操作流程,缩短了标定时间,减少了标定保障条件,已成功应用于某精确制导炸弹,并具有良好的工程应用前景。     

时间序列和径向基网络的MEMS IMU误差建模研究

为了提高IMU精度,进一步提高惯性系统精度,采用时间序列理论中的AR模型对MEMS IMU的误差估计和补偿作了深入的研究,并与径向基神经网络建模方法分析比较.通过卡尔曼滤波器比较了两种建模方法和补偿技术对位置误差的估计性能,试验结果表明:使用AR模型的卡尔曼滤波器估计误差比RBF神经网络小2～3个数量级而均方差和标准差差不多,验证了使用AR模型的卡尔曼滤波器得到的位置估计误差更小,使用更为灵活.