依靠自身传感器的室内无人机自主导航引导技术综述

具有广泛应用前景的微型无人机已成为各国学者的研究热点,而不依赖卫星导航系统的室内微型无人机自主导航引导技术是研究重点之一。结合近年国内外室内无人机自主导航引导技术发展情况,讨论了依靠自身传感器实现自主导航引导的关键技术问题,详细分析了无人机位姿的解算、无人机动态避障和同步定位与地图构建的关键技术的实现情况及其难点。最后,对室内无人机自主导航引导技术进行了展望。     

基于SLAM的旋翼无人机组合导航算法研究

在旋翼无人机组合导航中,针对缺乏GPS作为导航信号源的室内飞行环境,为了达到精确定位的目的,提出一种基于SLAM（simultaneous localization and mapping）的旋翼无人机组合导航算法。首先,引入双线性插值算法,实现基于扫描匹配的即时定位与地图构建;其次,对陀螺仪、加速度计和磁罗盘建立捷联惯导系统误差模型,针对旋翼无人机的使用环境对误差模型进行简化;最后,应用联邦卡尔曼滤波算法,设计组合导航系统模型,将SLAM算法和捷联惯导系统估计出的位置数据进行融合。仿真结果表明所设计基于SLAM的旋翼无人机组合导航算法能够进一步提高组合导航系统对旋翼无人机位姿估计的精度。     

一套完整的基于视觉光流和激光扫描测距的室内无人机导航系统

提出了一套室内四旋翼无人机控制, 导航, 定位和地图构建的完整解决方案. 无人机机载系统包括三个主要传感器, 即惯性测量单元, 下视相机和激光扫描测距仪. 经过处理, 融合这些传感器的测量数据, 无人机能够可靠的估计自己的飞行速度和实时位置, 并且沿着室内的墙壁进行无碰撞飞行. 通过收集一个完整飞行实验的数据, 无人机的飞行路径和在室内的环境也可以被很好地估计出来. 这套系统中的自主导功能不需要任何远程传感信息或脱机计算能力. 这套室内导航方案的性能和可靠性已在实际的飞行实验中被验证.     

基于光流和惯性导航的小型无人机定位方法

为了提高小型无人机定位精度,提出了一种基于光流系统和惯性导航系统相结合的定位方法.在介绍光流传感器工作原理,建立光流数学模型和分析光流测量误差之后,提出了采用双光流传感器测量飞行器的高度和速度,并将二维光流信息与捷联惯性导航系统(SINS)通过扩展卡尔曼滤波器(EKF)进行数据融合,得到实时的位置、速度和姿态.室内实验结果表明:该方案能够有效地减小导航中的位置、速度和姿态误差,提高定位精度.     

用于无人机室内导航的光流与地标融合方法

针对小型无人机在无卫星导航信号条件下的导航问题,结合光流及地标定位设计了使用摄像头、惯性测量器件、超声测距仪等传感器融合的无人机室内导航方法.文章使用补偿角速率的光流微分法计算帧间像素点小位移,并用前后误差算法提取精度较高的点,避免像素点跟踪错误,提高了光流测速的精度;对得到的光流场用均值漂移算法进行寻优,得到光流场直方图峰值,以此计算光流速度.本文提出了无累积误差的连续地标定位算法,实时测量无人机位置.通过多速率卡尔曼滤波器对观测周期不一致的位置、速度信息进行最优估计.在搭建的八旋翼无人机平台上试验,将位置与速度测量结果分别与激光和PX4FLOW数据对比,结果表明该导航方法可以有效抑制定位跳变与光流测量噪声误差,给出精确的位置与速度估计.     

基于AFKF的多旋翼无人机组合导航技术研究

目前旋翼无人机组合导航系统大都使用扩展卡尔曼滤波算法,然而由于导航系统建模误差和传感器测量精度的影响,导航信息解算误差较大。为了改善旋翼无人机的飞行控制效果,应用自适应渐消卡尔曼滤波（Adaptive fading Kalman filter,AFKF）进行旋翼无人机组合导航解算,算法通过实时计算遗忘因子,对过去的数据权重进行削减,以提高扩展卡尔曼滤波算法的自适应能力。应用旋翼无人机真实飞行数据进行仿真,仿真结果表明,自适应渐消卡尔曼滤波算法能够有效抑制建模误差,弥补传感器测量精度不足,改善旋翼无人机组合导航解算结果。     

旋翼微小型无人机地面站系统的设计与实现

针对旋翼机的控制复杂性,设计一套面向旋翼式微小型无人机的地面控制站系统。利用该系统可进行航迹设定和任务规划,存储和回放飞机航行记录,接收航拍图像,并通过对旋翼式无人机虚拟模型和视频图像的融合处理,实时显示飞机飞行姿态、位置及运行状态,实现旋翼式微小型无人机的超视距遥控,具有直观、形象的良好操控性能。     

基于WIFI指纹的无人机室内定位策略

针对无人机室内定位问题,提出一种WIFI指纹定位与多传感器融合的定位方法.分析三维空间的WIFI指纹定位方法应用于无人机定位的难点,利用超声波传感器测量的无人机高度信息将定位匹配范围缩减至邻近的两个层面,提升WIFI定位的速度;设计卡尔曼滤波器,将WIFI定位结果作为卡尔曼滤波器预测阶段的输入,通过融合惯性传感器信息得到更准确的无人机位置估计,采用数据拟合的方法对定位结果进一步优化.仿真结果表明,该定位方法可实现无人机室内定位,有良好的定位速度和精度.     

基于UWB技术的无人机室内飞行测试平台设计

针对无人机在室内飞行时,因卫星信号差,不能实现室内自主导航飞行的问题,提出了一种利用导航接收机构造室内三维坐标地图,基于超宽带(UWB)技术的定位系统以获取无人机室内飞行位置信息,借助卫星导航模拟源实时地播发其获取的位置信息卫星信号,可实现无人机室内与室外自主导航飞行一致性。其中定位系统基站与标签设计均以STM32芯片作为控制器,DW1000作为无线收发芯片。为减小无线信号非视距(NLOS)传播影响,算法上先利用卡尔曼滤波模型对原始测距信息进行平滑滤波处理,再采用到达时间差(TDOA)进行定位计算。针对硬件时延,通过时延标校后,可实现基站与标签测距精度达到±10 cm范围,实现厘米定位,可应用于无人机室内飞行测试实验平台研究与搭建中。     

基于某微型飞行器的2种图像导航算法性能比较

导航系统是微型飞行器中必不可少的重要部分,在城市、建筑物内部或强电磁干扰等环境下,要实现导航必须采用全新的技术。图像导航是其有效技术之一。根据微型飞行器导航系统实时性和算法精准性的要求,研究了2种图像导航算法：互相关匹配法和局部熵差法。为了降低计算量,使其易于工程实现,采用了分层搜索等技术,并对2种算法进行了改进。仿真结果表明：“互相关匹配法”更适合微型飞行器的图像导航。     

Low computational-complexity algorithms for vision-aided inertial navigation of micro aerial vehicles

This paper presents low computational-complexity methods for micro-aerial-vehicle localization in GPS-denied environments. All the presented algorithms rely only on the data provided by a single onboard camera and an Inertial Measurement Unit (IMU). This paper deals with outlier rejection and relative-pose estimation. Regarding outlier rejection, we describe two methods. The former only requires the observation of a single feature in the scene and the knowledge of the angular rates from an IMU, under the assumption that the local camera motion lies in a plane perpendicular to the gravity vector. The latter requires the observation of at least two features, but it relaxes the hypothesis on the vehicle motion, being therefore suitable to tackle the outlier detection problem in the case of a 6DoF motion. We show also that if the camera is rigidly attached to the vehicle, motion priors from the IMU can be exploited to discard wrong estimations in the framework of a 2-point-RANSAC-based approach. Thanks to their inherent efficiency, the proposed methods are very suitable for resource-constrained systems. Regarding the pose estimation problem, we introduce a simple algorithm that computes the vehicle pose from the observation of three point features in a single camera image, once that the roll and pitch angles are estimated from IMU measurements. The proposed algorithm is based on the minimization of a cost function. The proposed method is very simple in terms of computational cost and, therefore, very suitable for real-time implementation. All the proposed methods are evaluated on both synthetic and real data.     

组合导航系统在四旋翼无人机上的实现

针对无人飞行器行业的快速发展和导航系统对飞行器的重要性,提出了组合导航系统的融合方案。介绍了捷联惯导系统的原理、姿态算法。通过对惯性传感器进行误差标定和补偿,利用扩展卡尔曼滤波器建立了INS/GPS组合导航系统。仿真实验表明,组合导航系统的工作性能要优于纯惯性导航系统,能够为飞行器提供较高的导航精度。最后,将这种组合导航系统在四旋翼无人飞行器上进行了实现。     

自适应P值映射的惯性/天文角度组合导航算法

惯性/天文角度组合导航在应用于高动态飞行器时,动态飞行环境变更会导致星光角度观测量发生程度不等的偏差,使得常规组合滤波方法误差显著增大.为此,本文提出了基于P值映射的观测质量自主评估及自适应滤波方法,并应用于惯性/天文角度组合导航系统.该方法根据历年可见导航星情况分解冗余观测子集,再由P值度量其含有观测量偏差的显著性水平.在此基础上,通过遍历每颗导航星所隶属子集得到其观测量质量值,最后对惯性/天文角度组合滤波增益进行自适应调节.仿真结果表明,本文方法能够实现天文高度角观测质量的自主在线评估,有效提高星光观测质量下降情况下惯性/天文角度组合导航的精度和适应性.     

基于点线特征融合的视觉惯性SLAM算法

针对目前视觉SLAM方法鲁棒性差、耗时高,使系统定位不够精确的问题,提出了一种基于点线特征融合的视觉惯性SLAM算法。首先通过短线剔除和近似线段合并策略改进LSD（line segment detection）提取质量,以提高线特征检测的速率和准确度;然后在后端优化中有效融合了点、线和IMU数据,建立最小化目标函数进行优化,得到更精确的相机位姿;最后在EuRoC数据集和现实走廊场景进行了实验验证。实验表明,所提算法可以有效提升线特征提取的质量和速度,同时有效提高了SLAM系统的定位精度,获得更为丰富的点线结构地图。     

基于ARM的移动机器人组合导航系统设计与实现

为了实现室外自主移动机器人的导航定位需求,利用微惯性测量单元(MIMU)和全球卫星定位系统(GPS)接收机,设计并实现了一种基于ARM Cortex M4内核的SINS/GPS组合导航系统。详细介绍了系统硬件组成、软件结构,并在此基础上实现了Kalman滤波的SINS/GPS组合导航算法。将该组合导航系统安装于旅行者II移动机器人,采用差分GPS对组合导航系统性能进行评估。实验结果表明:该系统具有较高的精度,达到了设计要求,具有良好的实用性。     

一种自适应联邦滤波在车载组合导航中的应用

联邦滤波在组合导航的应用中,具有容错性好、滤波精度高、计算量小以及实时性好的特点,但在无法得到准确的系统模型时,使用联邦滤波会出现滤波精度低甚至发散的情况。针对车载组合导航信息融合的高精度、高可靠性等要求,提出了一种组合导航的自适应联邦滤波算法。其主要思想是以判别观测数据中的野值存在与否为算法切换条件,存在野值时采用改进的增益矩阵滤波处理方法,不存在野值时则采用模糊自适应联邦滤波方法。将此方法用于SINS/GPS车载组合导航系统中,实验表明,采用的这种自适应滤波方法,能够有效抑制滤波发散,其滤波精度和收敛速度要优于常规联邦滤波,是一种有效的车载组合导航算法。     

基于双CPU的多传感器组合导航系统研究

以单片机+DSP双CPU导航计算机构成的嵌入式硬件平台为基础,开展了磁航向辅助的捷联惯导/GPS组合导航系统的研究。采用八位置标定算法消除环境磁场对磁航向计的干扰,提高输出精度;多传感器的信息融合采用低阶卡尔曼滤波器,以满足导航系统导航精度和实时性的要求。针对双CPU导航计算机的特殊结构,设计出了整个导航程序时序控制流程,以实现多传感器数据采集的同步性和实时性。给出了数据采集周期和导航解算周期的时序控制以及双CPU之间的实时数据通信的实现流程,最后,通过实物联调验证了该方案设计是完全可行的。