四旋翼无人机控制系统设计

目前无人机已广泛应用到各行各业,其中无人机的稳定控制一直是研究的核心。在飞控系统中各参数的选择对无人机的稳定控制有着至关重要的作用。以STM32微控制器为核心,利用MPU9250采集四旋翼无人机的姿态数据,配合卡尔曼滤波算法对传感器所采集的数据进行融合滤波,从而实现精准的姿态测量。根据飞行姿态结合PID控制算法,完成对四旋翼无人机飞行姿态的控制。     

基于改进MSCKF算法的室内机器人定位方法

针对传统多状态约束卡尔曼滤波算法(MSCKF)在实现机器人室内定位时,速度和位置状态方程需要对IMU中加速度计的测量数据进行积分,存在漂移和累计误差,且加速度计受重力干扰问题,本文提出改进MSCKF算法.改进MSCKF算法避免使用加速度计传感器,利用轮式里程计传感器对平移测量较为精确的优点,将IMU中陀螺仪和轮式里程计的数据进行融合,改进MSCKF算法的扩展卡尔曼(EKF)状态方程.首先利用陀螺仪传感器的角速度数据得到改进EKF姿态方程,然后利用轮式里程计传感器的平移数据,结合姿态方程中的旋转信息得到改进EKF速度和位置方程.最后在机器人操作系统(ROS)上实现MSCKF及其改进算法,并结合Turtlebot2机器人在室内进行实验验证.实验结果表明,改进MSCKF算法的运动轨迹更接近于真实轨迹,定位精度较改进前所有提高,改进前平均闭环误差是0.429 m,改进后平均闭环误差是0.348 m.     

一种基于MEMS传感器的无人飞艇航姿测量系统

提出了一种基于微机电系统(MEMS)惯性传感器的航姿测量系统。分析了一些传统姿态解算算法融合过程中的不足,提出一种高效的融合算法,利用梯度法将加速度计和磁力计对地球重力场和磁场矢量的观测量去修正陀螺给出的姿态信息。针对实际测量系统中振动对姿态的干扰问题,提出切比雪夫II型低通数字滤波器进行传感器数据预处理,并结合运动状态修正融合算法从而进一步抑制振动。通过实验表明:该系统的算法具有较低的计算负荷,能有效地估计出姿态,抑制振动有害加速度对姿态估计的影响,测量动态误差小于2°,静态误差小于0.8°。     

多传感信息融合的改进扩展卡尔曼滤波定姿

针对现有多传感器融合方法精度低、计算复杂等问题,提出了利用微惯性航姿系统的高精度传感器陀螺仪、加速度计和磁力计组合确定姿态的算法。对采集到的原始数据进行误差补偿和滤波,降低传感器本身噪声,采用四元素的四阶龙格库塔法求解陀螺仪的角度消除奇点问题。将陀螺仪数据作为预测数据,估计出卡尔曼的过程协方差;加速度计和磁力计数据作为观测数据,结合陀螺仪的误差估计出测量噪声协方差,通过卡尔曼滤波实现多传感信息融合,实现了准确的姿态定位。实验分析不同算法的误差,证明了算法的精确性和可靠性。     

一种小型无人机高度定位方法的研究与实现

简要介绍了小型无人机总体架构与自主飞行策略,在此基础上重点阐述了无人机高度测量与控制的硬件设计与软件算法实现.通过一种数据融合算法将GPS、声纳与气压计组成的多传感器高度测量数据处理后融合到GPS/INS组合导航系统中实现无人机的精确姿态控制与轨迹跟踪.实际飞行数据表明,飞控系统的硬件设计与软件算法实现配合良好,能达到预期的飞行效果.     

一种自适应残差补偿算法在移动机器人姿态估计中的应用研究

针对两轮移动机器人MEMS IMU姿态估计的数据融合问题,提出一种以卡尔曼滤波为基础的自适应残差补偿算法。该算法结合惯性传感器误差模型与移动机器人姿态模型构建卡尔曼滤波器,利用卡尔曼滤波量测更新的加速度残差自适应补偿非重力载体位移加速度对姿态估计的影响。实验结果表明,该算法有效的融合了MEMS IMU姿态测量数据,抑制了传感器随机漂移误差,同时自适应补偿了非重力载体位移加速度。     

基于卡尔曼滤波的四旋翼飞行器姿态估计和控制算法研究

四旋翼飞行器作为无人机的一种,由于其简单气动布局和复杂的动力学模型,在控制领域获得了越来越多的学术关注;本文首先分析了微机电系统惯性测量单元(MEMS IMU)传感器的误差,给出了基于自回归(autoregressive,AR)噪声模型的卡尔曼滤波算法设计;然后根据加速度计和陀螺仪长短周期测量的不同特性,进一步对姿态数据做互补融合,实验表明此算法可以实现良好的滤波效果;基于上面的姿态估计,本文又提出了一种双增益的PD控制算法对飞行器进行姿态控制;最后将姿态估计算法和控制算法应用到实验平台中,可以实现四旋翼在支架上的自主悬停等功能.     

基于自适应互补滤波的四旋翼飞行器姿态解算

在四旋翼无人机中,姿态传感器采用捷联式惯导惯性检测单元(IMU),其中包括加速度计、陀螺仪、电子罗盘和空气压力高度计.这些传感器在工作过程中存在温度漂移以及噪声干扰,为了得到准确的姿态数据,首先建立了传感器四元数模型,在频域中设计互补滤波器,并设计了PI自适应补偿系数,对传感器数据进行融合、补偿和修正,有效地避免了系统模型误差对姿态估计的影响.修正后的角速度通过一阶龙格-库塔法、四元数算法完成飞行器的姿态解算.传统互补滤波器在噪声大时滤波效果不理想,故加入PI控制,形成一种效果更好的自适应滤波算法,根据仿真结果,该算法滤波后的信号比传统互补滤波的结果更加平滑,更接近理想波形.     

基于Mahony与误差状态卡尔曼滤波融合的姿态解算方法

针对惯性测量单元(IMU)精度较低的问题以及传统姿态解算算法误差较大的缺点,提出了一种基于IMU的融合Mahony滤波与误差状态卡尔曼滤波(ESKF)的姿态解算方法。为降低因非重力加速度及磁干扰所带来的误差,根据加速度计和磁力计的置信度设计两个不同的自适应PI控制器改进Mahony算法,IMU测量数据经其解算,作为ESKF的量测值。ESKF将真实状态定义为名义状态与误差状态的组合,间接完成对系统状态的估计。因误差量为小量,所以误差状态线性化时的误差更小,雅克比矩阵的计算更简单。经实验验证,相较于传统姿态解算算法,融合算法能有效减少高频噪声、数据漂移带来的误差,提高姿态解算精度。     

PIXHAWK开源飞控的多旋翼无人机避障技术研究

针对当前无人机的安全问题,提出一种基于PIXHAWK开源飞控的无人避障控制方法.在PIXHAWK开源飞控中添加了超声波传感器、激光测距仪、电磁传感器,并对不同传感器的信息进行融合,依据无人机与障碍物的距离及遥控器的通道值,解算出无人机远离障碍物的姿态信息,实现多旋翼无人机的避障飞行.实验结果证明,该系统具有价格便宜、控制精度高、安全性能可靠的特点,在无人机安全飞行领域具有一定的应用价值.     

基于传感器校正与融合的农用小型无人机姿态估计算法

实时姿态信息获取是运用农用小型无人机(Unmanned aerial vehicle, UAV)进行变量作业控制的重要环节,本文采用STM32单片机、微机电系统(Micro-electro mechanical system, MEMS)加速度计、陀螺仪、磁强计和无线收发模块设计出农用小型无人机姿态实时解算系统,文中对三轴数字传感器的校正方法以及基于四元数和梯度下降法的多传感器融合姿态估计做了详细地介绍与推导.结果表明,在72MHz时钟频率下模拟集成电路总线(Inter-integrated circuit, ⅡC)传感器数据采集及滤波消耗6.2ms,迭代步长取0.8,一次姿态解算消耗约0.96ms,数据更新频率可达100Hz,能满足实时性要求.经测试在静态时俯仰角和翻滚角输出的平均绝对误差小于1.5,偏航角平均绝对误差小于2.9,小幅震动条件下的俯仰角、翻滚角和偏航角平均绝对误差增加1~2左右.这表明该传感器校正方法与姿态融合算法实用有效,能为农用小型无人机的飞行控制与变量作业实施提供准确的姿态数据.     

A Data Fusion System for Attitude Estimation of Low-cost Miniature UAVs

Miniature unmanned aerial vehicles (UAVs) have attracted wide interest from researchers and developers because of their broad applications. In order to make a miniature UAV platform popular for civilian applications, one critical concern is the overall cost. However, lower cost generally means lower navigational accuracy and insufficient flight control performance, mainly due to the low graded avionics on the UAV. This paper introduces a data fusion system based on several low-priced sensors to improve the attitude estimation of a low-cost miniature fixed-wing UAV platform. The characteristics of each sensor and the calculation of attitude angles are carefully studied. The algorithms and implementation of the fusion system are described and explained in details. Ground test results with three sensor fusions are compared and analyzed, and flight test comparison results with two sensor fusions are also presented.     

示教机械臂姿态解算改进方法仿真研究

在示教机械臂姿态解算精度优化的研究中,针对使用单组传感器进行数据融合,姿态解算的传统方法中存在的精度低,稳定性差的问题,设计了一种组合MEMS传感器的姿态解算方法。将六组传感器安装于载体坐标系三个轴上,分别测量两组传感器数据。以传感器量测数据与四元数估计数据的向量积代替姿态角误差作为互补滤波器的输入量,分别利用模糊控制器和PI控制器,根据互补滤波原理调节陀螺仪输出量。通过拓展卡尔曼滤波器进行姿态估计,得到更精确的四元数,进而转化为姿态角。仿真结果表明,在静态和动态情况下,多组传感器组合调节后的姿态角数据相比单组传感器PI调节在姿态角精度和系统稳定性上有进一步提高。     

多标记室内小型无人机定位与姿态估计方法

随着无人机（Unmanned Aerial Vehicle,UAV）小型化、轻便化的发展,因其价格低廉,以及在娱乐和服务领域的广泛使用的特点,使得如何实现一个便捷且易实现的自主飞行跟踪系统成为关注点。由于无人机在室内GPS信号弱,使得跟踪与姿态获取成为进一步室内无人机自主控制的重点与难点。与动辄几十万美元搭建的无人机跟踪系统相比,采用低成本单目摄像机的无人机跟踪系统具有更高的科研价值和更广泛的应用前景。针对目前流行的基于增强现实（Augmented Reality,AR）技术的ArUco标记算法和颜色空间域标记算法,设计了一种多标记的无人机跟踪系统。在无人机目标跟踪过程中比较两种方法,验证了两种方法非接触式深度传感器无人机跟踪和姿态估计的效果,并比较了两种方法对空间亮度与空间颜色复杂度的鲁棒性,以及不同跟踪距离下视频中无人机检出率与跟踪精度。实验结果表明,基于深度摄像机获得的无人机位置和姿态数据,无人机可以进行自主的PID控制飞行,且AR标记在复杂环境下无人机的检出率、跟踪实时性、姿态估计精度以及鲁棒性都优于颜色标记,为之后室内无人机在非接触式传感的控制、路径规划、自主规避等进一步实验研究提供了无人机的位置和姿态数据。     

基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法

对传统多旋翼无人机姿态估计算法难以兼顾高精度、强实时性以及抗干扰能力差的问题,首先基于一种计算量较小的衍生无迹卡尔曼滤波算法,在量测更新中,将加速度数据和磁力计数据分为两个阶段进行姿态四元数校正处理,然后从旋转四元数的本质出发,推测出四元数各元素分别包含着不同的姿态角信息,最后将校正四元数分别乘上为降低校正过程中的相互干扰所设计的系数,提出一种基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法.通过使用PIXHAWK飞控数据,与传统姿态估计算法进行仿真实验对比,实验表明,本文提出算法与传统使用扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)的姿态估计算法相比,在实时性、解算精度和抗干扰能力方面有较大提升.     

基于混合滤波的四旋翼无人机抗干扰姿态控制系统设计

针对四旋翼无人机抗干扰姿态控制系统抗干扰能力较差,控制性能较差的问题;文章提出基于混合滤波的四旋翼无人机抗干扰姿态控制系统,优化设计了系统的硬件和软件部分;硬件部分设计主控制器,通过发生器输出的PWM波信号控制电速;设计传感器模块,测量姿态角与加速度等数据,采用双陀螺仪和双加速度计结构,避免共振对测量结果产生影响;设计电机驱动模块,选用X2216型无刷直流电机为运行提供较高的转速和响应速度;设计无线数据传输模块,选用3DR无线数据传输模块实时监测姿态信位置信息数据;构建基于混合滤波的四旋翼无人机抗干扰姿态控制系统,对角速度数据、加速度数据等数进行融合改正,再运用互补滤波器对陀螺仪和加速度计进行信号检测和控制调度,得到精确的实时姿态角;采用姿态控制算法和串级PID控制策略,提高对系统的控制力,保证飞行的平稳;实验结果表明,基于混合滤波的四旋翼无人机抗干扰姿态控制系统抗干扰性强、控制能力高以及响应速度快。     

基于粒子滤波的无人机自主轨迹视觉导航控制方法研究

针对现有无人机导航控制方法存在的控制效果不佳的问题,本文提出一种基于粒子滤波的无人机自主轨迹视觉导航控制方法研究。利用粒子滤波算法,实现对无人机自主轨迹视觉导航控制方法的优化设计。采用栅格法构建无人机飞行环境地图,根据无人机的机械组成结构和工作原理,构建运动状态模型。利用内置的摄像机设备采集视觉图像,执行图像灰度转换、几何校正、滤波等预处理步骤。通过对视觉图像的特征提取,判断当前环境是否存在障碍物。利用粒子滤波算法确定无人机位姿,结合障碍物识别结果规划无人机的自主飞行轨迹。将位置、速度和姿态角的控制量计算结果,输入到安装的导航控制器中,完成无人机的自主轨迹视觉导航控制任务。通过实测分析得出结论：应用设计的导航控制方法,其位置误差、速度误差以及姿态角误差均维持在预设值以下,即设计的导航控制方法具有良好的控制效果。     

EKF Based Attitude Estimation and Stabilization of a Quadrotor UAV Using Vanishing Points in Catadioptric Images

In recent years, Unmanned Air Vehicles (UAVs) have become more and more important. These vehicles are employed in many applications from military operations to civilian tasks. Under situations where global positioning system (GPS) and inertial navigation system (INS) do not function, or as an additional sensor, computer vision can be used. Having 360° view, catadioptric cameras might be very useful as they can be used as measurement units, obstacle avoidance sensors or navigation planners. Although many innovative research has been done about this camera, employment of such cameras in UAVs is very new. In this paper, we present the use of catadioptric systems in UAVs to estimate vehicle attitude using parallel lines that exist on many structures in an urban environment. After explanation of the algorithm, the UAV modeling and control will be presented. In order to increase the estimation and control speed an Extended Kalman Filter (EKF) and multi-threading are used and speeds up to 40 fps are obtained. Various simulations have been done to present the effectiveness of the estimation algorithms as well as the UAV controllers. A custom test stand has been designed to perform successful experiments on the UAV. Finally, we will present the experiments and the results of the estimation and control algorithms on a real model helicopter. EKF based attitude estimation and stabilization using catadioptric images has found to be a reliable alternative to other sensor usage.