基于非线性最小二乘法的无人机机载光电平台目标定位

传统无人机机载光电平台目标定位算法由于引入大量测角误差,导致目标定位精度不高。本文从非线性角度出发,提出了一种最小二乘和高斯牛顿的混合非线性算法。首先推导了基于激光测距值的高斯牛顿迭代非线性目标定位算法,然后利用线性最小二乘的粗解作为非线性牛顿迭代法的初值进行目标定位估计。该算法结合了最小二乘法简单易实现的优点和高斯牛顿法收敛速度快精度高的优点,并满足了高斯牛顿法对初值精度的要求。实测数据实验结果显示,该方法对实测固定目标定位结果的经度误差小于(1.37×10-5)°,纬度误差小于(6.31×10-5)°,高度误差小于1.78 m,并且单次定位处理时间在6 ms以内,符合实时定位的要求。     

利用惯导测量单元确定关键帧的实时SLAM算法

由于嵌入式处理器算力的限制,实时性差一直是视觉惯导同时定位与建图（VI-SLAM）走向实际应用的一个亟待解决的问题,因此提出一种利用惯导测量单元（IMU）确定关键帧的实时同时定位与建图（SLAM）算法,主要分为3个线程：跟踪、局部建图和闭环。首先由跟踪线程通过IMU预积分自适应地确定关键帧,而自适应阈值由视觉惯性紧耦合优化的结果得出;然后仅对关键帧进行跟踪,避免对所有帧进行特征处理;最后利用局部建图线程在滑动窗口中通过视觉惯导光束平差法得到更加精确的无人机位姿,利用闭环线程得到全局一致的轨迹和地图。在数据集EuRoC上的实验结果表明,该算法能在不降低精度和鲁棒性的情况下显著减少跟踪线程耗时,降低VI-SLAM对计算资源的依赖。在实际飞行测试中,该算法能够较实时准确地估计出具有尺度信息的无人机飞行真实轨迹。