由感知到动作决策一体化的类脑导航技术研究现状与未来发展

随着脑与神经科学以及人工智能技术的持续发展，昆虫和哺乳动物大脑导航机理启发下的感知/认知/路径规划/动作决策一体化类脑导航技术得到了较大发展，可以实现由原始感知信息输入到导航动作决策的直接输出，呈现出接近动物端到端面向目标导航的智能行为，具有提高密集型无人机集群导航鲁棒性、准确性、实时响应动作、自主智能性以及计算效率的潜力。阐述了昆虫和哺乳动物大脑导航机理及其互补对称关系，以及昆虫和哺乳动物大脑导航机理启发的端到端类脑导航技术内涵；论述了类脑导航技术研究进展，包括类脑环境感知、类脑空间认知、面向目标类脑导航；分析了类脑导航向智能化、神经形态系统以及群体导航发展的新趋势；最后讨论了类脑导航技术应用于无人机密集集群系统时存在的挑战。     

基于STDP奖励调节的类脑面向目标导航

动物具有优秀的空间自主定位导航能力，能够实现在无先验环境信息下的导航定位和导航决策过程。针对智能体在连续空间中面向目标导航问题，研究了一种基于生物学放电时间依赖可塑性学习规则的智能体面向目标导航算法。首先分析了动物面向目标导航决策过程中的生理学机理，在此基础上，构建了基于脉冲神经网络的位置细胞和动作细胞模型。动作细胞间权值采用横向竞争模型更新，通过环境奖励信号的更新，采用放电时间依赖可塑性学习规则对位置细胞前馈动作细胞模型的突触权重进行权值调节，利用动作细胞群的脉冲放电现象表征智能体运动方向和速度。最后，对所提算法进行了仿真实验验证。仿真结果表明，所提出的类脑面向目标导航算法能够在单障碍环境中实现30 ms左右的规划速度，相比传统强化学习Q学习方法平均路径规划长度缩短了15.9%。     

高精度导航计算机实现技术研究

惯性导航系统是一种自主式导航系统,其核心部件是导航计算机。介绍了导航计算机实现的技术原理;分析了导航计算机实现的关键技术,包括高精度浮点处理技术、导航传感器功能集成技术、高精度导航技术、智能接口技术和集成化的软件开发调试环境;针对惯性导航系统对精度和实时性的要求,提出了一种高精度导航计算机的设计方案,其实现技术先进,具有广泛的应用前景。     

基于因子图的无人机视觉定位方法

当前多用途无人机主要依靠全球导航卫星系统（GNSS）和惯性测量单元（IMU）的组合导航实现高精度定位，然而在强电磁干扰以及各类复杂环境GNSS拒止等情况下，该定位模式面临失效的风险。为探索一种GNSS拒止环境下的导航定位手段，对视觉导航方式进行了研究，针对无人机小交会角条件下视觉定位存在高程方向交会精度差、绝对尺度信息缺失、累积误差无法消除和定位轨迹不连续等问题，提出了基于因子图融合影像匹配和视觉信息的光束法平差方法，解决了无人机小交会角下的自主绝对定位问题。     

基于场景识别的惯性基类脑导航方法

针对无人机导航中惯性器件产生的漂移误差不断随时间累积进而影响导航精度的问题,以仿生类脑导航为研究背景,提出了一种新的导航方法。与传统导航策略不同的是,该方法从周期性校正累积位置误差的角度出发,采用设置位置细胞节点的思路,利用训练好的卷积神经网络模型在细胞节点处进行图像匹配,从而在位置细胞节点处实现惯导位置漂移误差校正。同时,建立节点之间的漂移误差模型,调整误差方程系数,以达到修正漂移误差的目的。最后,基于无人机飞行实验结果验证了该方法对自主导航的有效性和鲁棒性,该方法能够有效提高无人机导航的精度。     

基于零速修正的行人导航关键技术及研究进展

在室内等卫星导航受限场景下，可采用MEMS惯性传感器对行人进行自主导航定位。采用MEMS惯性传感器的行人自主导航技术主要包括基于步长估计的行人航位推算和基于零速修正的行人导航算法两种方式。首先介绍了两种方式的基本原理，然后重点分析了零速修正的行人导航算法，阐述了相关的关键技术和研究进展。最后，对行人自主导航未来的发展趋势进行了展望，并指出了需要重点关注的技术难点。     

非对称机动能力多无人机智能协同攻防对抗

协同攻防对抗是未来军用无人机的重要作战场景。针对不同机动能力无人机群体间的攻防对抗问题，建立了多无人机协同攻防演化模型，基于多智能体强化学习理论，研究了多无人机协同攻防的自主决策方法，提出了基于执行-评判（Actor-Critic）算法的集中式评判和分布式执行的算法结构，保证算法稳定收敛的同时，提升执行效率。无人机的评判模块使用全局信息评价决策优劣引导策略学习，而执行时只需要依赖局部感知信息进行自主决策，提高了多机攻防对抗的效能。仿真结果表明，所提的多无人机强化学习方法具备较强的自进化属性，赋予了无人机一定智能，即稳定的自主学习能力，通过不断演化，能自主学习提升协同对抗的决策效能。     

基于惯性/激光测距/视觉里程计组合的高空场景尺度误差估计方法

惯性/视觉感知信息融合导航定位技术是目前实现无人机不依赖卫星自主导航的最有效手段。但对于面向高空场景的大型无人机，惯性器件误差与视觉里程计尺度误差耦合且特征平面化导致可观测性下降。针对这一问题，提出了利用惯性/激光测距/视觉里程计组合实现尺度误差估计的方法。通过开展误差模型建立、激光测量点与图像中位置匹配、无人机平飞机动下系统可观测性分析等关键技术研究，实现了高空场景下尺度误差的精确估计。经过300m高度机载试验数据验证，算法精度优于1.5%D，对卫星拒止条件下高空无人机自主导航具有重要意义。     

面向智能驾驶的高精度多源融合定位综述

随着信息时代各行各业效率的提升，传统的人工驾驶交通系统已逐渐无法满足人们对高效率、低风险交通服务的需求，而智能驾驶技术的出现为这一领域带来了机遇。如今，以自动驾驶为代表的智能驾驶已经成为一种实用的深度交叉技术，其核心模块包括高精度定位、场景感知、决策规划与控制等。定位模块作为智能驾驶系统中最基本、最核心的功能模块，需具备高精度、高可用、低时延的性能特点。当前，结合高精度卫星导航、惯性导航以及环境感知的多源融合技术已成为实现泛在智能驾驶所公认的核心手段，通过充分利用车载传感器的量测信息可以实现精确、可靠的定位服务。从导航定位中常用的传感器技术出发，对当前智能驾驶领域涉及的高精度定位技术进行了全面的回顾，给出了主流的基于滤波和因子图优化的多源融合框架，并对代表性算法进行了整理。最后，总结了现阶段智能驾驶中高精度定位技术的发展现状，并对未来的发展趋势进行了展望。     

区域导航无人机空中基准站的多源信息融合容错导航系统研究

作为卫星导航系统的补充和备份,区域导航服务系统近年来得到较大发展。在基于无人机的区域导航服务系统中,无人机自身的定位精度对区域导航服务系统的可靠运行有直接的影响。针对无人机导航传感器及系统的容错和可靠性问题,设计了具有针对性和自优化功能的多源信息融合容错导航方案,提出了一种优化的基于矢量分配形式的自适应联邦滤波算法。通过对每个状态量设计不同的信息分配系数,实现传感器量测噪声的动态优化调整,有效减小了传感器故障对融合导航系统的影响,提高了无人机导航系统的鲁棒性。验证分析表明,该方法可以减小子滤波器故障信息对融合导航系统联邦滤波全局估计的影响,避免了故障子滤波器在信息重置过程中对系统造成的污染,提高和保障了无人机空中基准站多源信息融合导航系统的稳定性和可靠性。     

复杂环境下微小飞行器惯性/激光雷达Robust-SLAM方法

针对微小型飞行器在巡检、探测和地图构建等应用中关键的自主导航技术,提出了一种基于惯性辅助的激光雷达Robust-SLAM方法用于微小型飞行器自主导航。相对于传统的激光雷达SLAM方法,该方法在SLAM框架中引入了感知环境突变检测方法,并且加强了惯性与SLAM的组合程度,有效地解决了高程方向感知环境发生突变时激光雷达SLAM定位误差大的问题。室内车库实际飞行实验结果表明,该方法能够实现微小型飞行器在三维空间中实时可靠的自主导航,具有较好的工程应用价值。     

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。     

基于非导航随机信号的组合导航技术研究

目前,卫星导航系统已成为无处不在的导航和授时信息源,但是其自身存在固有的缺陷,如信号功率低、易被敌方压制或欺骗等。为了弥补卫星导航系统的不足,开展了基于地面数字电视广播(DTMB)和接收信号强度指示(RSSI)移动终端等非导航随机信号的导航信息提取技术研究和组合导航技术研究。根据DTMB时域PN帧头序列的良好时域相关性,联合频域传输信令,完成了数字电视信号的高精度测距;根据RSSI移动终端的无线信号传播模型和代表性实测数据,通过线性回归等数学手段对距离衰减公式进行优化,以完成移动终端相对基站的精确距离测量;根据非导航随机信号提取的导航信息,完成基于非导航随机信号的组合导航技术研究。经理论研究和试验验证,通过DTMB和RSSI移动终端等非导航随机信号可以提取高精度导航信息,组合导航技术研究能够满足高精度导航定位的应用需求,具有良好的工程应用价值。     

防空导弹惯性技术综述及展望

从精确打击入手阐述了惯性技术对于防空导弹的重要性,提出惯性技术是防空导弹自主导航制导的核心之一。回顾了防空导弹惯性技术的发展历程,从快速反应、工作环境、测量精度等方面概述了防空导弹对惯性技术的需求,梳理了惯性传感器技术、动基座对准技术、高精度自主导航技术等几个关键技术。最后,从新型惯性传感器技术、新材料和新制造技术、新应用场景新需求等方面分析了防空导弹惯性技术的发展趋势,并从工程应用层面对防空导弹惯性技术的发展方向进行了展望。     

一种基于语义信息辅助的无人机视觉/惯性融合定位方法CSCD

视觉传感器在无人机室内定位中发挥着重要作用。传统基于特征点的视觉里程计算法通过底层亮度关系进行描述匹配,抗干扰能力不足,会出现匹配错误甚至失败的情况,导航系统的精度及鲁棒性有待提升。由于室内环境存在丰富的语义信息,提出了一种基于语义信息辅助的无人机视觉/惯性融合定位方法。首先,将室内语义信息进行因子建模,并与传统的视觉里程计方法进行融合;然后,基于惯性预积分方法,在因子图优化中添加惯性约束,以进一步提高无人机在动态复杂环境下的定位精度和鲁棒性;最后,通过无人机室内飞行试验对算法的定位精度进行了分析。试验结果表明,相较于传统的视觉里程计算法,该方法具有更高的精度和鲁棒性。     

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。     

基于虚拟地标的行人惯性SLAM算法

针对当前仅使用低成本惯性传感器的行人导航系统航向角存在较大累积误差的问题,研究了一种只使用惯性传感器信息的虚拟地标构建方法,并通过匹配虚拟地标点对位置和航向进行误差补偿.在此基础上,结合同时定位与建图(SLAM)方法的思想,实现了仅基于惯性传感器的SLAM,提高了行人导航的精度和可靠导航时间.试验结果表明,该方法能够有效消除纯惯性行人定位系统的累积误差,在2027m2的单层建筑物中空间位置误差小于10m.     

Autonomous airborne navigation in unknown terrain environments

We address the issue of autonomous navigation, that is, the ability for a navigation system to provide information about the states of a vehicle without the need for a priori infrastructure such as GPS, beacons, or a map. The algorithm is known as simultaneous localisation and mapping (SLAM) and it is a terrain aided navigation system (TANS) which has the capability for online map building, and simultaneously utilising the generated map to bound the errors in the navigation solution. Since the algorithm does not require any a priori terrain information or initial knowledge of the vehicle location, it presents a powerful navigation augmentation system or more importantly, it can be implemented as an independent navigation system. Results are first provided using computer simulation which analyses the effect of the spatial density of landmarks as well as the quality of observation and inertial navigation data, and then finally the real time implementation of the algorithm on an unmanned aerial vehicle (UAV).