基于EKF的摄像机-IMU相对姿态标定方法

摄像机与惯性传感器之间的相对姿态标定是视觉-惯性混合跟踪器的关键技术之一,是混合跟踪器进行数据融合获得鲁棒姿态输出的前提。提出一种新颖的基于扩展卡尔曼滤波器EKF(Extended Kalman Filter)的摄像机-惯性测量单元IMU(Internal Measurement Unit)相对姿态标定方法。该方法通过构建基于刚体运动学的过程模型和基于摄像机外参数的测量模型,估计摄像机与惯性传感器的相对位置和方向。初步实验结果显示,所提出的标定方法不仅能够标定6 DOF相对姿态,标定操作更简易快速,而且在系统初始误差较大和非线性噪声较大的条件下,该方法仍然能够精确地获得摄像机与IMU之间的相对姿态。     

基于多传感器系统的统计建模与标定方法

在融合惯性、视觉、磁场信息以及嵌入式技术的多传感器定位系统中,标定模型的准确性会影响传感器测量精度。以非线性最小二乘法为基础,提出了一种低成本高精度的标定方法。首先,分析系统各项参数,以加速度计为例建立模型,并利用重力加速度作中间量对传感器确定性项进行标定。通过仿真实验分析,结果表明提出的方法实用可行,能降低误差,提高系统传感器精度。     

AHRS航姿解算中的两种滤波方法的比较研究

关于飞行姿态角优化问题,由于加速度计的测量值中同时包含了重力加速度和运动加速度信息,并且磁传感器易受铁磁性物质干扰,直接利用加速度计的测量值计算横滚角和俯仰角易产生较大误差,进而在利用磁传感器的测量值计算航向角时也将会引入了误差.为了减小加速度计和磁传感器的姿态解算算法所解算的姿态角误差,提出利用陀螺仪的输出,分别设计了互补滤波器和卡尔曼滤波器(Kalman Filter)对加速度计和磁传感器的输出进行处理,采用VN-100的微惯性测量单元(Micro Inertial Measurement Unit,MIMU)的数据进行MATLAB仿真,并对两种滤波器的滤波效果进行了比较.实验结果表明,互补滤波和Kalman滤波均能提高该算法的姿态角精度,并且互补滤波器比Kalman滤波器效率更高,性能更好.     

基于部分惯性传感器信息的单目视觉同步定位与地图创建方法

传统的单目视觉同步定位与地图创建(MonoSLAM)方法很难处理累积误差问题,如何有效地利用惯性传感器输出的运动信息辅助SLAM系统抑制累积误差是MonoSLAM研究中的一项重要内容.由于惯性传感器输出的三轴方向角中横滚角和俯仰角的精度较高,而偏航角的精度相对较低,如果在SLAM系统中直接使用惯性传感器输出的偏航角信息不但无法有效地抑制该系统中的累积误差,反而会进一步增大系统误差、降低SLAM系统的稳定性.针对这种情况,提出一种基于惯性传感器横滚角和俯仰角的MonoSLAM方法.首先利用惯性传感器输出的横滚角和俯仰角进行系统标定;然后将惯性传感器自身的偏航角作为系统状态向量的一个分量,利用扩展卡尔曼滤波器实时地估计状态向量,进而实现实时鲁棒的同步定位和地图创建.实验结果表明,该方法可以有效地抑制SLAM系统运行过程中产生的累积误差,并降低惯性传感器测量误差对SLAM系统稳定性的影响.     

基于曲率特征的自主车辆地图匹配定位方法

提出了一种新的基于曲率特征的自主车辆地图匹配定位方法,该方法通过计算自主车辆行驶轨迹和参考轨迹的尺度不变曲率积分特征及其相关性进行匹配,可以有效地消除因航迹推算(DR)传感器标定参数偏差和航向角估计偏差而引起的错误匹配问题.文中首先采用扩展卡尔曼滤波器融合惯性测量单元输出、方向盘转角和4个ABS(防抱死刹车系统)传感器测量的轮速,估计自主车辆的位姿状态,并据此从数字地图中选择匹配的候选路段.然后利用本文提出的曲率空间特征地图匹配算法实现路段匹配,并根据曲率和航向角变化确定匹配点,最后将其作为无迹卡尔曼滤波器的观测值更新滤波器,从而实现高精度的位姿估计.现场道路实验结果表明,该法能够有效地实现地图匹配,降低自主车辆DR产生的累积误差,从而能够在GPS(全球定位系统)信号失效情况下实现长距离精确定位.     

磁强计辅助MEMS惯性器件的新型数据融合算法

为实现载体姿态精确测量,设计了一种新型数据融合算法,用以替代传统的卡尔曼滤波器;首先,研究了陀螺仪、加速度、磁强计的姿态测量方法,通过试验分析测量误差分量,然后根据误差频域的差异性提出一种互补滤波器,并在二阶低通滤波器模型下推导出新型数据融合算法模型,最后,以FPGA为处理单元、MEMS惯性元件和磁罗盘为传感器单元开发一套小型姿态检测系统,进行可行性分析和精度估算;从载体的三维转动试验结果可以看出,新型融合算法测量值和卡尔曼滤波器输出值之差保持在±0.07°以内,并且不需要对传感器噪声特性精确标定;在运算时间方面,互补滤波器仅需360μs,卡尔曼滤波器是它的3倍多,因此新型数据融合算法效率更高。     

一种微惯性测量单元标定补偿方法

在介绍微惯性测量单元组成与结构的基础上,根据MEMS惯性器件的输出特性,建立了微惯性测量单元中加速度计和陀螺仪的数学标定模型,提出并推导了一种适用于微惯性测量单元的标定方法,该方法可以得到微惯性测量单元中惯性传感器的零位、标度因数、安装误差系数及g值敏感项等33个参数;然后,具体介绍了通过加速度计重力场静态翻滚试验和陀螺仪恒角速率试验对MIMU中参数标定的方法和步骤,并对实验室自研的MIMU进行了标定;最后利用得到的标定参数对测试结果进行了误差分析与补偿;实验结果表明,该方法使MIMU的测量精度提高了1～2个数量级,能够满足姿态解算及导航计算的精度要求。     

改进的IMU传感器安装误差正交补偿方法

针对传统的正交补偿方法难以保证惯性测量单元具有较高的正交补偿精度的问题,提出了一种改进的适用于大角度和小角度安装误差角情形的正交补偿方法,该方法分别建立三轴加速度计和三轴光纤陀螺传感器的安装误差方程,对惯性测量单元进行速率标定和多位置静态标定,并利用最小二乘法求解惯性测量单元的安装误差方程参数.仿真和实验结果表明:该方法较传统的正交补偿方法具有较高的正交补偿精度和传感器标定精度,且回避了静态标定时在较大安装误差角下利用转位机构获得零偏存在较大误差的问题,大大地提高了标定效率.     

基于多传感器的运动姿态测量算法

在基于MEMS传感技术的运动姿态测量中, 陀螺仪信号的漂移和载体线性加速度与重力加速度的叠加是影响测量结果准确性的主要原因, 实践中一般采用静态补偿和滤波技术减小测量误差. 基于自主研发的惯性测量单元, 设计了一种新型两级扩展卡尔曼滤波器: 基于四元数的运动姿态测量模型, 首先构造自适应加速度误差协方差矩阵, 消除载体线性加速度, 再采用多传感器融合技术进行数据融合, 修正陀螺仪信号漂移产生的误差. 实验表明, 本文算法结果与业界认可的动作捕捉系统Xsens的测量结果一致, 可有效满足应用需求.     

基于MEMS和CORTEX-M3的微惯性测量单元研制

从工程实际出发,给出了一种基于新型Cortex-M3内核ARM和MEMS惯性传感器的低成本、高性能微型惯性测量单元的结构框架。详细介绍了采用三轴MEMS陀螺、三轴MEMS加速度计和三轴磁阻传感器研制的微惯性测量单元硬件设计方案,分析了陀螺和加速度计的信号噪声,利用均值滤波法对信号进行预处理,对预处理后的信号采用FIR滤波器进行滤波,对陀螺和加速度计进行了标定。该测量单元已应用于某小型无人机的姿态测量,达到预期效果。     

姿态解算与外力加速度同步估计算法

针对惯性导航应用中,姿态解算与外力加速度估计互相干扰的问题,提出一种基于四元数和扩展卡尔曼滤波器的姿态解算与外力加速度同步估计算法。首先,利用估计的外力加速度修正传感器加速度数据得到准确的反向重力加速度,再结合地磁场向量通过梯度下降算法解算得到旋转四元数的测量值;其次,构建扩展卡尔曼滤波模型,对旋转四元数和外力加速度进行更新,得到旋转四元数的预测值和外力加速度的预测值;最后,用旋转四元数的测量值和测量得到的加速度数据对预测值通过扩展卡尔曼滤波的方法进行校正,最终得到准确的旋转四元数和参考坐标系下三轴方向上的外力加速度。实验表明,通过扩展卡尔曼滤波同时对姿态和外力加速度估计的方法,能够迅速收敛并准确得机体姿态信息以及外力加速度信息,欧拉角误差为±1.95°,加速度误差为±0.12 m/s²,并且该算法能有效抑制外力加速度对姿态解算的影响,准确估计外力加速度。     

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。     

Design, Implementation, and Experimental Results of a Quaternion-Based Kalman Filter for Human Body Motion Tracking

Real-time tracking of human body motion is an important technology in synthetic environments, robotics, and other human-computer interaction applications. This paper presents an extended Kalman filter designed for real-time estimation of the orientation of human limb segments. The filter processes data from small inertial/magnetic sensor modules containing triaxial angular rate sensors, accelerometers, and magnetometers. The filter represents rotation using quaternions rather than Euler angles or axis/angle pairs. Preprocessing of the acceleration and magnetometer measurements using the Quest algorithm produces a computed quaternion input for the filter. This preprocessing reduces the dimension of the state vector and makes the measurement equations linear. Real-time implementation and testing results of the quaternion-based Kalman filter are presented. Experimental results validate the filter design, and show the feasibility of using inertial/magnetic sensor modules for real-time human body motion tracking     

带有转动机构的捷联惯导初始对准方法分析

在现有器件精度基础上依靠旋转调制技术实现更高精度导航成为当前惯性技术的研究热点。针对移动测量系统旋转光纤惯导系统对初始化可靠性和准确性提出的更高要求,设计一种不同惯性系下重力加速度建立转换矩阵的粗对准加两位置卡尔曼滤波精对准的初始化方法。分析粗对准过程转换矩阵求取机理,设计惯性坐标系重力及其微分构建初始捷联矩阵的方法;利用转动机构实现IMU处于2个最优方位完成光纤惯导系统的卡尔曼滤波精对准。转台实验结果表明,惯性系粗对准加两位置卡尔曼组合精对准可有效实现旋转惯导系统的高精度初始化。     

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.      

基于MEMS惯性传感器的行人导航轨迹复现研究

针对目前行人导航对精度的需求,提出了基于微机电系统(MEMS)惯性传感器的行人导航系统.系统置于行人脚面,导航算法依据传统捷联惯性导航,采取基于卡尔曼滤波的补偿累积误差算法和零速检测方法,采用三条件判断法,即传感器三轴的总加速度、总加速度方差和总角速度的三条件满足判断方式,解决了行人导航步行过程中累积的误差补偿与校准.分别以圆形路线和矩形路线验证导航算法的适用性和准确性,对比分析实验结果表明:误差结果控制在5%以内,满足导航要求.     

基于自适应固定滞后卡尔曼平滑器的状态观测器在假手上的应用

针对以电位计为角度传感器的假手系统,提出了一种基于自适应固定滞后卡尔曼平滑器的状态观测器以观测手指的当前位置、速度和加速度信息.首先,分析了卡尔曼滤波器滤除电位计热噪声并观测速度与加速度的合理性,进而建立了其系统的离散状态转移矩阵.其次,相比卡尔曼滤波器,卡尔曼平滑器在参数相同的情况下具有更好的平滑效果,据此提出一种基于固定滞后卡尔曼平滑器的状态观测器,并通过引入渐消因子以提高动态响应特性.同时给出了一种将本文算法滞后特性降至一个控制周期的有效实现方式.最后,在HIT-V仿人假手实验平台上进行了实验验证.实验结果表明,相比对原始数据直接进行差分,该方法将速度噪声降低了20倍以上,加速度噪声降低了10 000倍以上.相比标准卡尔曼滤波器和固定滞后卡尔曼平滑器,该方法在动态响应方面具有更好的效果.     

捷联惯导系统静基座初始对准精度分析及仿真

在利用卡尔曼滤波器对捷联惯导系统（SINS）进行静基座初始对准中,由于系统的不完全可观测性,使得有些状态没有滤波效果,有些状态的估计精度受到限制。对SINS静基座初始对准卡尔曼滤波方程进行了可观测性分析,提出了状态降阶的处理方法,并得到了各状态估计的极限精度公式。最后进行了软件仿真,仿真结果表明：降阶滤波器和全降阶滤波器的估计精度基本相同,但足前者计算量更小,并且在滤波计算中能够消除不可观测状态的不利影响。     

一种改进的高斯粒子滤波室内定位算法

在无线室内定位研究中,为减少离线指纹数据库建立阶段的大量数据采集工作,提出利用手机内置惯性传感器加速度数据,计算用户运动路径,在经过指纹点时自动采集该指纹点的数据,自动动态建立指纹库的方法。针对手机内置传感器采集的加速度数据存在非线性噪声等干扰,提出了改进的高斯粒子滤波GPF（Gaussian Particle Filter）算法,将加速度样本经改进滤波算法获得较好的估值后,再进行运动路径计算。对状态变量服从线性变化,观测方程为非线性变化的系统模型有显著效果。实验结果表明,经改进的算法计算出的路径效果优于高斯粒子滤波算法和卡尔曼滤波算法,并且减少了计算复杂度。新方法建立数据库后,节约了大量的离线数据采集工作,但是精度与传统指纹库方法相比基本一致。