合作环境下基于惯性/里程计/Lidar融合的UGV导航方法

近年来，无人车在巡检、探测等方面的应用愈发广泛,且应用环境愈发复杂。在这些应用中，无人车必须对自身的位姿进行准确估计，以确保作业安全、高效完成。其中，可在复杂环境下适用的自主导航能力是核心关键技术。提出了一种基于惯性/里程计/激光雷达的地面无人车导航方法，区别于传统的激光雷达SLAM方法，该方法根据已知的几何结构特征进行定位，避免了因有效点数量稀少而导致的匹配误差。同时对惯性/里程计/激光雷达的融合算法进行了研究，提高了自主导航系统的鲁棒性和准确性。最后，在Gazebo中搭建了相应的仿真环境，并进行了算法验证。仿真结果表明，该方法能够实现无人车在巡检过程中实时可靠的自主导航，具有较好的工程应用价值。     

微小型飞行器惯性组合姿态确定与航路导航研究

构建了微小型飞行器(MAV)导航、制导与控制(GNC)系统。研究了微惯性导航测量单元零偏的温度建模及非正交误差的多位置标定补偿方法,提出微小型飞行器导航、制导与控制系统闭环条件下,利用导航、制导与控制回路的飞行状态特征信息的微惯性组合导航系统滤波算法,根据微小型飞行器飞行状态实时调整卡尔曼滤波器的观测噪声方差,有效提高了动态过程中姿态测量精度和微小型飞行器的飞行平稳度。完成了组合导航系统滤波算法验证飞行试验及自主姿态稳定和航路飞行试验。飞行试验表明:微小型飞行器实现了自主姿态稳定与长距离超视距航路点导航飞行,航路点导航误差小于30 m,惯性组合姿态确定与航路导航系统及算法满足微小型飞行器自主飞行对导航系统的需求。     

不依赖于卫星的无人系统视觉/激光雷达感知与自主导航技术

智能化的无人系统在现代社会中起着重要作用,而对环境信息的准确感知以及自身位置的精准估计是无人系统智能、高效执行任务的核心基础,视觉与激光雷达传感器是无人系统常用的感知与导航传感器.近年来,随着应用场景的拓展,无卫星信号、无光等恶劣环境对无人系统的感知与自主导航技术提出了新的挑战.针对上述环境,对无人系统中视觉/激光雷达感知技术与自主导航技术及其进展进行了分析和总结.从感知和导航定位两个应用层面出发,深入讨论和分析了基于视觉和激光雷达手段的深度估计、目标检测、自主导航、地图构建等技术的机理差异、实现方法及特性.分析了目前国内外研究成果及进展,总结对比了目前的技术特点与局限性,并展望了未来无人系统感知与导航的关键技术挑战与发展趋势.     

惯性/视觉/激光雷达SLAM技术综述CSCD

同时定位与建图(SLAM)技术已广泛应用于各类自主移动平台中,其中视觉SLAM和激光雷达SLAM是两种主要的SLAM技术方案。然而,视觉SLAM系统易受视觉环境变化的影响,而激光雷达SLAM系统则在结构单一等环境中会出现精度退化甚至失效的情况。随着智能移动平台应用场景的不断拓展,对SLAM系统的精度和鲁棒性等提出了更高要求,将多种具有互补性的传感器进行融合是提升SLAM系统性能的有效途径。据此,聚焦惯性/视觉/激光雷达多传感器融合SLAM技术,从多传感器标定和多源数据融合两个主要方面进行综述,最后对多传感器融合SLAM技术的发展趋势进行了展望。     

基于气动模型辅助的四旋翼飞行器室内自主导航方法

 惯性/卫星/磁传感器/气压高度计组合导航系统是四旋翼飞行器常用的导航方案。但在室内飞行时,由于卫星导航系统不可用,该导航方案的测速及定位精度难以满足四旋翼飞行器的自主飞行需求,从而制约了其室内自主飞行能力。为解决该问题,在利用四旋翼飞行器气动模型的基础上,提出了惯性/磁传感器/声纳传感器/气动模型组合导航方案。通过分析四旋翼飞行器的气动模型特性,揭示了气动模型辅助自主导航的内在机理;提出了气动模型辅助导航算法,并设计了具体的实施流程。最后,结合OS4型四旋翼飞行器的气动模型特点,搭建了气动模型辅助导航方案的验证平台,对四旋翼飞行器的室内悬停与机动飞行进行了仿真模拟。仿真结果表明,气动模型辅助导航方案可以显著提高室内飞行时的测速与定位精度。该方案无需增加其他传感器,具有自主性强、成本低和零载重的优点,在四旋翼飞行器室内导航中具有较好的应用价值。     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.     

微小型飞行器的MIMU系统结构设计方法

针对微小型飞行器安装空间小、承载能力弱的特点,提出一种“T”型结构的微惯性测量单元（MIMU）系统设计方法,采用基于微机电系统（MEMS）技术的新一代微型惯性器件,在深入分析MIMU结构设计基本原则和方法的基础上,设计加工了“T”型支撑结构并组成了实际系统。该MIMU系统充分利用了空间,大大地减小了体积和重量。有限元分析表明：该MIMU力学性能较高,所研制的实际系统实现了微小型飞行器的自主飞行,各性能参数满足要求,是一款适用于微小型飞行器的MIMU。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位，存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器；需要建立准确世界和无人机物理模型；受环境影响较大；自主智能水平较低，无法较好地满足无人机对导航系统的要求，需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术，无需训练模型参数，不依赖高精度传感器，无需精确建模，且复杂环境下鲁棒性较强，具有解决上述问题的潜力。简要阐述了动物大脑导航机理，分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术，最后讨论了吸引子类脑导航技术在无人机应用中的挑战。     

地面无人作战平台导航技术发展现状与趋势

当前,国内外地面无人作战平台处于快速发展阶段,其自主性、智能性的特点使得其相较于传统地面武器平台对导航系统提出了更高的要求,除了具备常规意义上的测姿、定位、定向等功能之外,还需要具备环境相对位姿感知与导航能力。目前,典型的地面无人平台均采用惯性基组合导航方案,以惯性传感器为主,配备卫星、视觉、雷达等多类辅助传感器,通过组合导航算法实现传感器间的有机融合。针对地面无人作战平台的导航需求,对当前主流惯性基组合导航技术进行梳理,分别介绍了惯性/里程计、惯性/卫星、惯性/视觉、惯性/激光雷达组合导航技术的发展现状,并对适用于地面无人作战平台的导航技术进行了展望。     

基于主元分析的微小型飞行器视觉导航

作为一种新兴的无人机,微小型飞行器(MAV)近年来广受关注。研究微小型飞行器导航技术的关键是研究视觉导航技术在微小型飞行器中的应用。针对微小型飞行器视觉导航中的运算量大而导致算法实时性差的问题,给出了一个新的计算框架。利用主元分析技术(PCA),在最小方差意义下得到了图像的简化表示。在此简化的基础上,进行了图像特征的提取。对真实图像的实验结果表明,利用主元分析处理后的图像进行导航特征的提取,其实时性优于RGB三通道求和取平均的方法。     

AUV的图优化海底地形同步定位与建图方法

海底地形辅助导航技术可为智能水下机器人(AUV)的长时间水下作业提供有界精确导航结果,且无需声学基阵辅助。然而,地形辅助导航需要已知高精度先验海图,这大大限制了其应用范围。为解决海底地形未知条件下的海底地形辅助导航问题,提出了海底地形同步定位与建图技术。利用水深预测手段和地形匹配方法进行帧间数据关联构建和闭环检测,并通过图优化技术进行海底地形同步定位与建图问题求解。仿真试验结果显示,在航行1h后,海底地形同步定位与建图系统的建图结果中所有测深点定位误差均值约为13m。     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.     

基于边界的无人机主动SLAM算法

同步定位与地图构建技术是无人机实现真正自主导航的关键。为克服被动同步定位与地图构建算法的缺陷,研究了基于边界的无人机主动同步定位与地图构建算法。在无人机的探测区域周围产生候选边界点,通过建立合理的目标函数,从候选边界点中选择目标点,控制无人机朝该目标点方向运动,再运用扩展卡尔曼滤波算法更新无人机的运动状态。通过建立的无人机简化模型,对提出的算法和随机同步定位与地图构建算法进行对比研究,仿真结果表明该算法是有效可行的。     

Vision-aided inertial navigation for pinpoint planetary landing

Autonomous and safe landing spacecraft on moon and planetary bodies is a rather difficult and risky task. Accurate relative navigation between the spacecraft and the planetary surface is essential, together with the autonomous hazard detection and avoidance. This paper describes the vision-aided inertial navigation (VAIN) scheme to meet the pinpoint landing requirement of the next generation planetary lander. Images of distinctive surface feature called feature points/landmarks are detected and tracked autonomously to improve the performance of inertial navigation. Landmark image information derived from optical navigation camera and the spacecraft state information sensed by IMU (Inertial Measurement Unit) are integrated in extended Kalman filter algorithm. The validity of the proposed navigation scheme is confirmed by computer simulation.     

Bioinspired polarized light compass in moonlit sky for heading determination based on probability density estimation

Bioinspired polarized skylight navigation, which can be used in unfamiliar territories, is an important alternative autonomous navigation technique in the absence of Global Navigation Satellite System(GNSS). However, the polarization pattern in night environment with noise effects and model uncertainties is a less explored area. Although several decades have passed since the first publication about the polarization of the moonlit night sky, the usefulness of nocturnal polarization navigation is ...     

带FDI算法的无人机组合导航姿态确定控制系统设计

无人机导航系统的作用是提供导航数据给飞控计算机作为制导和控制用,因为飞控计算机的性能在很大程度上依赖于导航数据,导航系统的某一个错误可能会导致整个无人机的失败,因此,导航系统应具有故障检测和隔离(FDI)算法,介绍了一种用于无人机导航的FDI和低成本的组合导航系统,硬件包括低成本商业用MEMSIMU、GPS接收器、磁力计和导航计算机,软件包括带FDI算法的卡尔曼滤波。     

一种新型模糊自适应Kalman滤波器在组合导航中的应用

针对光纤陀螺捷联惯导(FOG SINS)/GPS组合导航系统实际工作环境中,由于系统噪声与量测噪声模型发生变化而带来的滤波器发散的问题,提出一种新型模糊自适应Kalman滤波器(FSHAKF).通过引入IMU精度因子与GPS水平精度因子,构造模糊推理系统(FIS),实时更新自适应参数,有效地解决了传统Sage-Husa自适应滤波器(SHAKF)估计模型不准确、系统噪声与量测噪声无法同时估计以及滤波器长时间易发散的问题.仿真实验表明,本文提出的FSHAKF算法相较于SHAKF算法,估计精度得到明显提高,且避免了滤波器的发散.