基于IMEMS传感器的汽车运动姿态测量系统研究

针对传统的采用机械转子陀螺构成机械平台来测量汽车姿态方法的不足,研究开发了基于集成微机电系统（IMEMS）传感器的捷联式汽车运动姿态测量系统。该系统采用四元数法作为汽车运动姿态的解算方法,并由Kalman滤波器完成对姿态角四元数估计误差和加速度计及角速度陀螺信号的融合,得到汽车姿态角的最优估计值,阐述了该系统硬件构成和软件设计,并通过汽车道路试验对系统的可行性进行了验证。结果表明：此测量系统能够满足汽车运动姿态测量的精度要求,是确实可行的测量系统。     

基于陀螺仪的随钻姿态测量新算法

水平定向钻进中钻具姿态的实时测量是实现导向的关键因素。针对已有算法的不足和缺点,采用陀螺仪进行钻具倾角、方位角和工具面向角的测量,推导出了相应的姿态角计算公式。同时针对测量过程中存在的陀螺仪漂移误差,采用四元数全姿态互补滤波算法,利用加速度计和磁强计对陀螺仪进行补偿,给出了详细的理论分析和计算过程。实验结果表明:基于传感器组合的四元数全姿态互补滤波算法能够有效地消除陀螺仪漂移误差,获得的方位角测量精度优于±0.3°。     

基于卡尔曼滤波的四元数姿态解算算法研究

针对MEMS惯性测量单元器件特性导致的测量精度低,数据发散和航向角积分漂移等问题,提出一种基于卡尔曼滤波的四元数姿态解算算法。设计了4维卡尔曼滤波器,通过加速度计和磁力计的数据作观测量,对姿态解算过程中的四元数进行线性最优估计,在计算量没有大幅提高的前提下修正了四元数的值,进而完成了对姿态角和姿态矩阵的补偿。通过在无磁转台上进行静态测试以及在测试标定系统上进行动态测试,分析各轴向的补偿效果表明,该方法可以有效增强MIMU的动态跟随性能、明显提升姿态解算精度。     

基于双级互补滤波的姿态测量算法设计

陀螺仪的漂移、载体的线性加速度和磁场的干扰是影响MARG传感器姿态测量精度的主要原因。针对传统姿态测量算法在磁干扰环境下由于航向角误差导致水平角测量精度降低以及载体线性加速度影响水平角精度的问题,提出了一种基于四 元数的双级互补滤波姿态融合算法。该算法利用加速度计和磁力计测量数据分别对估计四元数进行补偿修正,避免了磁干扰环境下航向角误差对水平姿态测量的影响。同时引入线性加速度误差和磁干扰误差自适应补偿方案,以降低线性加速度与磁干扰的影响,为了验证算法的有效性,进行了静态与动态实验。实验结果表明该姿态测量算法能显著提高姿态测量精度和抗干扰能力,与传统的Mahony算法相比,俯仰/滚动角的测量精度完全不受磁干扰的影响,性能得到了明显的提升。     

应用于多旋翼MAVs的姿态测量系统

应用一个三轴加速度计、三个单轴角速率陀螺和一个三轴磁强计等微机械惯性传感器,设计廉价轻量姿态测量系统,研究了姿态角推算算法。在以往的姿态测量系统中,陀螺偏差和动加速度的影响限制其应用。将角速度陀螺的误差作为状态量导入到系统,动加速度作为噪音项导入到观测方程中,然后利用扩展卡尔曼滤波器来构成姿态估计算法来降低误差。实际飞行中对比商用高精度传感器和多次室外飞行测试表明,设计的系统能够应于旋翼MAVs。     

基于LSM9DS0的姿态测量系统设计

基于ST公司新近推出的LSM9DS0传感器,对某高炮教学实验平台姿态测量系统进行了设计;设计选用STM32F103微控制器进行传感器数据采集,利用四元数法对姿态角进行解算,并且通过串口通信将相关实验数据发送给上位机进行显示分析;最后,对系统测姿范围准确性及数据输出稳定性等参数进行了测试,测试结果表明,该系统具有零漂小、抗干扰能力强、响应灵敏和测量范围准确等优点,满足设计需求。     

基于预估测量值的EKF在手臂测姿中的应用

针对载体线性加速度以及周围局部磁干扰对姿态测量精度的影响,基于已有的惯性测量单元,设计了一个基于四元数的实时估计手臂姿态的扩展卡尔曼滤波器(EKF)。提出利用四元数引入加速计和磁强计的预估测量值构造自适应测量噪声协方差阵的方法,结合QUEST算法,来判定姿态角解算对陀螺仪、加速计和磁强计输出信息的依赖程度,以此来提高测量精度。文末通过实验仿真对该方法进行了验证,并对实验结果和电磁跟踪系统采集到的数据进行了比较,结果表明,本文提出的方法能显著提高手臂姿态测量精度,可有效满足应用要求。     

基于UKF的编队卫星的相对姿态确定算法

针对编队卫星相对姿态确定问题,采用一种改进的无迹卡尔曼滤波UKF进行了系统滤波器设计,根据UKF滤波器的性质,推导出了适用于编队卫星相对姿态确定的UKF滤波算法.较之传统的EKF滤波器,UKF不仅提高了滤波精度,简化了计算过程,减少了计算量,而且更易于实现.应用四元数法描述卫星姿态,避免了欧拉角法的奇异性问题.仿真结果表明,UKF滤波器收敛速度大大高于EKF滤波器.而状态估计精度与EKF相当,方差估计优于EKF,且数值稳定性好.     

小型四旋翼无人机姿态测量仿真研究

研究无人机姿态流通量优化问题,由于低成本小型四旋翼无人机中所使用的姿态测量传感器存在精度低、噪声大的缺点,并且易受温度等环境的影响,不能准确的测量出无人机的姿态,特别是在无人机加速飞行过程中,姿态误差会很快累积扩大,不能长时间加速飞行。为提高无人机姿态测量精度,提出设计由陀螺仪、加速度计和磁强计组成的姿态测量系统,通过计算加速度计信任度,并利用卡尔曼滤波的方法实现对误差四元数的估计,从而得到无人机的姿态角度。实验结果表明,该卡尔曼滤波能够在低动态的飞行环境中准确测量出无人机姿态角度,并能克服以往无人机不能长时间加速飞行的缺点,证明卡尔曼滤波被成功应用于四旋翼无人机姿态测量优化提供了科学依据。     

基于IEKF的四旋翼无人机姿态测量方法研究

研究四旋翼无人机在实时飞行时姿态测量的问题.由于四旋翼无人机多采用陀螺仪、加速度计、地磁计(MEMS)传感器测量各姿态,测量值存在偏差,无法直接使用.为解决利用不准确的传感器测量信息获得精确姿态角度的难点,并为了克服常规的扩展卡尔曼算法(EKF)带来的较大滤波偏差,以及四元素法表述复杂等困难,采用了一种改进的迭代EKF(IEKF)算法,利用欧拉角的描述方法,融合MEMS的信息对四旋翼无人机的姿态角度进行测量.实验结果表明,改进方法能准确测量出姿态角,且通过与常规EKF测量效果的比对可以看出,IEKF在测量精度上确有较明显的改善,表明改进方法是有效的,为四旋翼无人机实时调整姿态提供了一种科学手段.     

基于矢量相关性的自适应运动估计搜索算法

为了减少运动估计的计算量,提高视频压缩编码的效率,提出了一种基于矢量相关性的自适应运动估计搜索算法(简称NAME算法),该算法通过判断当前所要编码块的左、上、右上3个相邻块所对应的运动矢量之间的相关性,将所要编码的块划分为相关类型块和独立类型块,并自适应地对相关类型块和独立类型块采用不同的搜索方式以减少搜索点数并保证搜索准确度。仿真结果表明,该算法与全搜索、菱形搜索和六边形搜索等快速算法相比,在保证图像质量的前提下,搜索速度有了明显的提高。     

基于运动矢量预测性程度的快速运动估计算法

针对复杂剧烈运动视频信号在进行运动估计时出现的预测误差问题,提出基于运动矢量预测性程度的快速运动估计算法。根据局部运动矢量的一致性程度与运动矢量在时间上相关性程度的关系,决定运动矢量的可预测性程度,将待估计的运动矢量分类为不可预测、中度可预测和高度可预测,不同的可预测性采用不同的搜索策略进行运动估计。实验结果表明,该算法能提高运动估计的速度,并且具有与其他快速运动估计算法近似或更好的PSNR性能。     

一种基于自适应梯度的运动估计算法

给出了一种基于Horn-Schunck的改进光流估计算法,计算了当前帧的前向梯度、后向梯度,根据代价函数自适应地选择前向梯度与后向梯度,减小光流估计时的遮挡问题。试验表明该算法是有效的。     

基于自适应搜索模板的快速运动估计算法

为了降低快速运动估计的计算复杂度,避免小菱形搜索算法带来的局部最优点问题,提出了自适应搜索模板的估计算法.该算法在搜索时根据SAD值的变化快慢和相邻帧之间时间相关性自适应选择搜索模板.实验表明,使用该算法编码,码流大小与使用菱形搜索算法和六边形搜索算法差距为±0.6%,搜索点数为菱形算法的72%～77%,六边形算法的83%～86%.在减少搜索点数的情况下有效地避免了局部最优点问题.     

基于补偿卡尔曼滤波的姿态估计算法实现

九轴的姿态测量单元包括加速度计、磁力计和陀螺仪,它采用微机电加工工艺,价格低廉但精度较差.为了获得更好的滤波稳定性和估计精度,基于补偿卡尔曼滤波原理,讨论了姿态估计算法的实现.具体过程如下:基于补偿卡尔曼滤波原理,讨论九轴测量信息的融合方法;利用加速度计和磁力计估算姿态初始值;使用手动转台实现静态标定,纠正零偏;使用高精度陀螺仪STIM210实现动态标定,设置滤波系数.结果表明,估计算法具有良好性能.     

基于块运动类型的自适应菱形运动估计搜索算法

基于对图像序列运动矢量时空相关性和中心偏置特性的研究，对传统的菱形算法进行了改进，设计了自适应大菱形搜索模板，提出了一种基于块运动类型的自适应菱形运动估计算法，对大运动块进行起始点预测，再划分相对运动类型，对不同运动类型的块自适应地采用不同的搜索策略。实验结果证明，图像质量较好时，该算法相比运动矢量场自适应搜索算法，加快了搜索速度，降低了计算复杂度。     

基于时空相关性的自适应运动估计快速算法

针对视频编码中的核心技术运动估计,提出一种基于运动矢量特性的运动估计快速算法。算法分析视频序列运动矢量的特性,对静止块设定自适应阈值直接终止搜索,自适应选择搜索起点。采用2种模式进行搜索,依据当前块与邻近块的空间相关性大小,即局部运动性是高还是低,自适应地选择搜索模式和搜索终止门限。实验结果表明,该算法的搜索速度和搜索精度优于现有的快速运动估计算法,搜索精度非常接近于全搜索法。     

基于DSP实现的自适应搜索窗口运动估计算法

针对DSP芯片特点及运动估计精度和效率的要求,提出一种新的自适应搜索窗口快速运动估计搜索算法。该算法充分利用视频图像的时间、空间上的相关性以及运动向量的统计特性,在帧层和块层自适应调整搜索窗口,利用钻石搜索法进行搜索。经实验验证,该算法在保证运动估计精度的情况下,数据传输量比固定搜索窗口算法平均少50%,搜索点数比钻石法平均少3个,对不同类型视频序列都有较好的自适应能力。     

基于自适应双向运动估计的帧速率上转换算法

帧速率上转换主要应用于不同帧速率视频扫描格式之间的转换、低比特率视频通信等领域。提出了一种新的自适应帧速率上转换算法,将基于先验知识的自适应可变尺寸块与双向运动估计相结合,并采用改进的逐级矢量场平滑算法和自适应运动补偿插帧方法,解决了帧速率上转换中存在重叠、空洞等问题,减少了块效应,并保证了较高的运算速度。对标准测试序列的实验结果表明,本文算法较传统方法不仅降低了计算量,而且内插图像的主观和客观质量均有所提高。     

基于自适应搜索模式的运动估计算法

提出一种可自适应选择搜索模式的运动估计算法。将非零运动块分为大、中、小3种类型,相应地利用基于六边形、基于标准菱形及基于小菱形的搜索策略实现运动估计。实验结果表明,该算法减少了块匹配的搜索点数,在保证运动估计精确度的同时,降低算法复杂度,提高搜索效率。