非结构化环境下月球车快速即时定位与制图方法

激光雷达的实时环境扫描与已构建环境模型之间的匹配是月球车即时定位与制图(SLAM)过程中的关键步骤,其收敛速度和准确性直接决定了SLAM的成败。月球表面是一种典型非结构化环境,其环境场景特征复杂。若通过三维激光匹配方式则传感器数据量大,特征匹配的难度高,实时性差。针对于此,本文提出了一种基于ICP算法的激光点扫描匹配方法－类等高线匹配方法,将二维激光雷达的实时扫描数据与已构建的三维环境高程图相匹配,利用RBPF粒子滤波实现位姿与地图状态的估计,采用自行研制的小型激光雷达硬件平台,较好地实现了月球车原理样机的快速SLAM过程。实验表明,基于该方法的即时定位与制图过程对于月球车位姿估计的鲁棒性强,实时性好。     

深空自主着陆导航技术研究与展望

随着深空探测活动范围的快速扩大,探测器需要在天体实施着陆与返回,因此对导航技术的自主性和精度要求越来越高。提出一种基于视觉/惯性的组合导航系统,该系统的计算机视觉模块采用SURF算法,不仅可以实时地确定探测器的位置,而且能够确定探测器的姿态;惯性导航模块实时获取探测器的位置、速度和姿态信息;组合导航系统采用Kalman滤波技术,将计算机视觉模块和惯性导航模块获取的位置、姿态信息进行组合。该组合导航系统将惯导系统与视觉系统信息融合,通过引入计算机视觉系统所获得的位置和姿态信息,可以有效减小惯导系统误差。仿真结果证明,这种组合导航系统能够有效提高系统导航精度。文中还展望了深空探测器天体着陆导航技术未来的发展趋势。     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。     

基于磁力计、IMU和单目视觉的自主定位方法

基于单目视觉与惯性测量单元(IMU)融合的SLAM(simultaneous localization and mapping)技术,具有硬件成本低、体积小和消耗计算资源少等优点,在移动机器人导航系统中得到了广泛的应用。单目视觉SLAM系统主要通过求解对极几何来解算位姿,但当平移为零时(仅存在姿态旋转运动),存在解算漂移的问题。通过将磁力计的数据融合到单目视觉SLAM算法中,不但可以解决纯旋转情况下姿态解算漂移问题,还可以提高解算精度。物理仿真实验的结果表明,与传统的SLAM算法相比,本文提出的基于磁力计、IMU和单目视觉融合的算法具有精度高、鲁棒性好的优点。     

一种基于粒子滤波的月球车同时定位与地图创建方法

针对月球探测车位置与姿态的准确估计问题,提出了一种基于RBPF粒子滤波的月球车SLAM方法。该方法基于高速激光雷达对环境地貌的观测,通过激光测距值与所建栅格地图之间的匹配实现。鉴于车体的位置估计仍难以彻底消除累积误差,提出了对于月球车平动速度的估计方法,并通过仿真实验验证了该速度估计方法的正确性。为提高粒子滤波的实时性能,提出所有粒子共同维护一幅地图的处理方法,实验表明该方法在明显提高SLAM实时性的同时,并未对滤波效果产生明显影响。
     

无迹粒子滤波在捷联惯导初始对准中的应用研究

给出了捷联惯导系统初始对准时的非线性误差模型,处理非线性系统的传统方法是扩展卡尔曼滤波方法(EKF)即对非线性系统进行线性化后再利用卡尔曼滤波进行处理。而无迹粒子滤波(UPF)是基于蒙特卡罗方法和贝叶斯理论,用加权的粒子表示概率密度函数,通过观测值更新粒子的权值,得到优化的状态估计值和方差,结合无迹卡尔曼滤波(UKF)进行迭代计算,是一种新型处理非线性系统的方法。本文对UPF滤波方法进行研究,运用于捷联惯导系统初始对准的姿态估计,计算机仿真和试验结果均表明了该方法的方位失准角估计精度和收敛速度明显优于传统的EKF。     

利用着陆器立体视觉对月面巡视探测器定位

在月面巡视探测器漫游过程中,需要测量月面巡视探测器的位置和姿态信息,以使巡视探测器行驶在规划好的路径上,并确保其安全。定位系统可以采取多种方式。在文章中,利用着陆器立体视觉系统对月面巡视探测器定位方法进行了研究,它采用立体视觉测量技术以及彩色图像分割的方法,进行跟踪测量月面巡视探测器位姿信息,能够对惯导系统加里程计的定位方法进行修正,减小月面巡视探测器的计算工作量。在定位方法的研究中,采用彩色图像分割方法对月面巡视探测器进行识别,能够适应变光照条件,并且运算速度快,达到实时图像伺服控制的目的。通过月面巡视探测器上制作特征点及采用基于四边形约束的特征点匹配方法,提高了图像匹配概率。通过卡尔曼滤波技术,能够满足任意时刻的月面巡视探测器定位要求。     

一种地理系下基于伪线性模型的捷联惯导算法

针对传统捷联惯导算法模型为非线性,需要对姿态、速度和位置分步运算,且高动态下算法精度较低的问题,提出一种地理系下基于伪线性模型的捷联惯导算法。利用伪线性模型及其分析方法,将传统的地理系下捷联惯导方程各部分转换成伪线性形式,定义导航向量并建立其系统模型;再利用高阶数值积分算法提升导航向量更新精度,得到地理系下基于伪线性模型的捷联惯导算法。最后,用仿真评估算法精度,与传统捷联惯导算法相比,大机动条件仿真中伪线性捷联惯导算法的精度提升了两个量级;旋转弹飞行仿真中导航误差不到传统算法的1/5。提出的伪线性捷联惯导算法结构简单,采用一个更新回路即可完成导航向量更新,且在高动态大机动条件下具有更高的算法精度,因此,对于捷联惯导算法研究与工程应用有一定的参考价值。     

一种无源北斗/惯导闭环组合算法

提出了一种北斗卫星定位系统和惯性导航系统的组合导航无源定位算法。以伪距率为观测量,基于高稳定度用户时钟,结合北斗系统的热备份星,在三星共视下用两级卡尔曼滤波器对惯导进行闭环校正。给出了组合导航系统的构成,以及第一、二级滤波的数学模型。该法能根据收星情况在闭环与开环方式间稳定转换。仿真结果表明,此算法可提高丢星时组合导航系统的滤波定位精度,有效校正惯导的姿态误差角,并以较高的精度估计用户的三维速度。     

一种多源测距与视觉惯性融合的月球车定位方法

针对月球车月面探测活动任务中对高精度定位的需求,当前视觉惯性定位方法存在误差累积,并且在缺乏先验环境信息时无法消除,基于三角测量原理的无线电定位方法可以通过测量接收端到至少三个不同发射端的距离来确定目标物体位置,但需要架设三台以上基站,因此难以满足月面环境下大范围定位的需求。文章提出了一种基于基站无线测距和视觉惯性里程计融合定位方法,以解决上述定位手段存在的问题。该方法首先利用视觉惯性里程计构建的环境模型将WIFI、UHF和UWB三类无线电基站测距信息进行融合,然后将测距结果和视觉IMU信息进行位置联合解算来确定月球车位置,最后在Matlab和Gazebo软件平台上进行仿真验证,在距离基站最远行进1500米的条件下实现了0.92米定位误差。实验结果表明,该方法能够在满足月面探测任务对于精准定位的需求。     

单目-无扫描3D激光雷达融合的非合作目标相对位姿估计

针对传统的利用单一视觉传感器难以实现复杂非合作空间操控导航的问题,提出一种基于单目相机与无扫描三维激光雷达融合的非合作目标相对位姿估计方法。首先,设计了基于成像几何关系的单目纹理-非扫描距离图像的快速配准与融合方法;之后,在构建目标同步定位与建图（SLAM）贝叶斯滤波模型基础上,提出一种扩展卡尔曼滤波-无损卡尔曼滤波-粒子滤波联合的滤波估计算法,可实现尺度模糊下相对位姿的快速鲁棒估计;其次,针对估计中的尺度模糊问题,提出基于融合图像的全局尺度系数确定方法,将尺度系数估计问题转化为简单线性滤波问题。基于OpenGL生成的2D/3D图像实验表明：所提出的方法具有较优的精度和鲁棒性;相对位置估计误差与尺度估计误差相关,二者近似成线性正比关系。     

基于互相关碰撞强度谱的航天器碰撞定位技术

在针对空间碎片碰撞事件的碰撞定位技术中,传统方法是根据不同位置的碰撞信号到达时间差进行定位.对于加筋板而言,由于受到加强筋对信号的反射及衰减影响,采用传统定位方法无法实现准确定位.为解决上述问题,提出一种基于互相关碰撞强度谱的碰撞定位方法.该方法使用不同传感器之间的互相关系数曲线计算被测试件各位置的碰撞强度,构成碰撞强...     

一种用于SINS行进间对准的模糊抗野值滤波算法

针对观测存在野值的非线性系统滤波问题，本文综合运用多高斯和近似算法(GSA)、贝叶斯公式、马尔科夫链蒙特卡洛算法(MCMC)以及集合卡尔曼滤波算法(EnKF)设计了一种能从状态后验分布中抽取粒子的改进粒子滤波算法，并根据模糊理论为此改进算法设计了模糊抗野值功能，从而提出了模糊抗野值集合粒子滤波算法，命名为REnPF。GPS辅助SINS行进间对准的仿真实验表明，REnPF能够很好地避免虚警、漏检问题，并能提供良好的滤波精度。     

一种弹道修正弹SINS任意滚转角快速粗对准方法

针对弹道修正弹药出炮口后滚转角处于随机状态,捷联惯导系统(SINS)失准角过大时卡尔曼滤波收敛困难的问题,提出在卫星拒止环境下利用神经网络快速估计初始滚转角的改进方法。在炮口处布设少量导航信标,建立反向传播(BP)神经网络拟合初始滚转角与观测量间的非线性映射模型。针对信标辅助下姿态弱可观的问题,引入惯导测量参数作为输入,提高网络估计精度。采用主成分分析法进行特征提取,简化网络结构。仿真结果表明,与基于非线性卡尔曼滤波的对准方法相比,本算法可实现任意滚转角下的快速粗对准;对射角、初始俯仰角误差未在训练范围内以及存在布设误差等场景也进行了测试,与未优化的BP网络相比,对准精度更高,鲁棒性更好。     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统，针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题，提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数，以提高SINS单独工作时的定位精度；此外，提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验，结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差，相比于速度约束与卡尔曼滤波相结合的常规算法，有效地提高了GNSS失效时的车载SINS定位精度。     

巡航导弹快速自对准技术研究

惯性导航平台存在航向效应,对自对准精度影响较大。研究探讨存在航向效应的导航平台的快速自对准技术。首先根据巡航导弹作战要求,选用两位置、零力矩解析自对准方案,并讨论了通过优选位置转换角度保证自对准精度的方法。然后给出了利用冗余敏感轴输出信息消除航向效应影响的原因和方法。最后估算了自对准精度和对准时间。结果表明:该方案可在较短时间内以较高的精度满足巡航导弹对准精度的要求。     

SINS任意失准角无奇异快速传递对准

针对战术级捷联惯导系统(SINS)任意失准角下的快速传递对准，提出一种直接姿态矩阵线性矩阵卡尔曼滤波的传递对准算法。首先，利用姿态矩阵描述姿态，将传统大、小失准角条件下的强非线性、线性滤波对准问题统一转化为一个线性滤波问题；然后，采用矩阵形式卡尔曼滤波对状态进行估计，得到一种线性矩阵滤波对准算法，可以在任意失准角、无初值条件下完成对准；最后，推导姿态矩阵正交约束条件下滤波算法的最优实现。仿真结果表明，算法适用于任意失准角下的传递对准，在摇摆运动下，可以在10 s内完成快速传递对准，水平精度达到0.02°(误差均方根)以内，航向精度达到0.03°(误差均方根)以内。