动载体环境视觉惯性自适应融合物体姿态测量算法

针对动载体环境下视觉惯性组合姿态测量的过程中，惯性器件噪声时变和突变干扰会使卡尔曼滤波器估计不准确的问题，研究了一种Sage-Husa自适应强跟踪扩展卡尔曼算法。算法采用Sage-Husa自适应滤波来实时估计惯性器件的噪声协方差，引入多重渐消因子来抑制突变干扰，增强融合算法的鲁棒性。实验证明，当存在系统噪声变化和突变干扰时，所提算法优于Sage-Husa自适应扩展卡尔曼算法与强跟踪扩展卡尔曼算法，具有良好的鲁棒性。