共查询到16条相似文献,搜索用时 46 毫秒
1.
2.
3.
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。 相似文献
4.
5.
传统的面向惯导的滤波器在设计时通常没有考虑零偏状态的几何性质,针对这一问题,提出了新的群以及群作用,并以此为基础推导了一种新的等变滤波方法。为了验证该滤波算法的性能,构建了一个基于学习的结合等变滤波和视觉观测网络的视觉惯性里程计系统,名为Deep-EqF-VIO。首先,构建了流形上的导航状态动力学系统,其次根据等变滤波原理推导了等变滤波方法,最后结合视觉观测网络构建了视觉惯性里程计系统。为了进一步提高系统性能,提出了一种融合稠密光流伪标签的预训练方法,通过光流估计任务引导视觉观测网络从输入图像中提取更加通用的几何运动特征。实验结果表明,在大多数场景中,Deep-EqF-VIO相较于同类方法有更好的表现,并且在使用预训练方法进行重新训练后,性能得到了进一步的改善,误差下降率最大达到了49.80%,具有一定的应用前景。 相似文献
6.
在广泛使用的惯性/里程计组合导航应用中,一贯的方法是使用Kalman滤波器进行组合导航状态估计,展现出了强大的工程适用性。然而其对于历史状态没有修正,导致整体导航精度受限。而基于优化的方法可以平滑整体组合导航的轨迹,有望提升惯性/里程计组合导航的精度和鲁棒性。将优化方法与滤波方法在惯性/里程计组合导航应用中进行对比,分析在不同条件下优化算法和滤波算法的优劣。试验表明,基于优化的算法在含有稀疏位置观测的条件下能够比滤波算法定位精度更高。但是,无位置观测的条件下,滤波算法更加稳定和精确。可以得到:基于滤波的算法更加简单稳定,更适用于工程实践;基于优化的算法模型更加复杂,在观测约束更多的条件下能够得到更好状态估计结果。 相似文献
7.
无人机自主着陆过程中需要实时获得高精度的导航信息,对自主性、实时性的要求较高.现有的导航方式都存在各自的不足,且在室内等新型环境中不能使用.针对这一问题,提出了一种视觉/惯性组合导航算法.首先建立了世界坐标系下惯性导航的数学模型,随后通过Kalman滤波实现位置、姿态匹配,其中位置匹配完成速度误差、加表零偏的估计;姿态匹配完成安装误差角、陀螺漂移的估计,并利用估计得到的安装误差角和视觉导航系统输出的姿态信息对惯导姿态进行修正.仿真结果表明,该算法具有一定的工程应用价值. 相似文献
8.
车载视觉导航在大角度旋转和高速运动等场景下表现不佳,由于视觉和惯性的误差特性互补,所以视觉惯性组合导航算法有良好的应用前景。大视场相机获取外界信息丰富,但大视场相机采样频率低影响视觉数据采集,而且基于优化的组合导航算法计算速度慢,故提出了一种适用于大视场相机的车载视觉惯性组合导航算法。该算法侧重于数据预处理:设计了基于伽马函数的对比度受限自适应直方图均衡化来降低图像噪声,通过FAST角点与光流法的组合完成特征提取与跟踪,进一步加快了计算速度。引入了惯性数据等效旋转矢量二子样算法来减少数据量和计算量,通过预积分算法为误差优化减少计算量,通过视觉误差、惯性误差以及边缘化误差联合优化来提高精度。与其他组合导航算法相比,该算法精度较高,计算速度最快,与VINS-Mono相比节省时间19.7%。 相似文献
9.
基于深度学习的行人惯性导航方法具有较强的适应性,近年来逐渐成为研究热点。然而,现有方法未充分考虑惯性数据的时序特性,缺乏时序数据的拟合能力。为进一步抑制微惯性导航系统的误差发散,建立了基于时序状态学习模型的行人惯性导航算法。与传统的行人航位推算(PDR)算法不同,此算法不依赖于传统的行人惯性导航框架,而是利用选择性两层双向状态空间模型结构,对特征编码后的隐式惯性特征向量进行时序建模,从而实现位移与不确定性估计。然后,将神经网络估计结果通过扩展卡尔曼滤波进行融合,以进一步降低误差漂移。通过行人导航实验,验证了该方法能够提升定位精度,有效抑制惯性误差发散,实现精准的行人导航。相较于紧耦合可学习惯性里程计(TLIO)方法,绝对轨迹误差和位移漂移率分别降低了32.35%和41.27%。 相似文献
10.
针对卫星信号受到遮挡或者干扰、卫星接收机收星数不足的问题,提出了一种时钟模型辅助的惯性/卫星紧组合导航算法。通过正常紧组合状态下的钟差、钟漂估计值建立钟差和钟漂的数学模型,在可见卫星少于4颗时,用时钟模型计算得到的钟差和钟漂作为系统钟差、钟漂的真实值引入观测信息中,并省去状态变量中的钟差和钟漂项,增加了系统的可观测性。最后,通过采集跑车试验数据进行了离线数据仿真试验。试验结果表明,提出的时钟模型辅助的惯性/卫星紧组合导航算法在可见卫星不足的情况下取得了良好的效果。 相似文献
11.
12.
《中国航空学报》2023,36(5):377-391
As an advanced combat weapon, Unmanned Aerial Vehicles (UAVs) have been widely used in military wars. In this paper, we formulated the Autonomous Navigation Control (ANC) problem of UAVs as a Markov Decision Process (MDP) and proposed a novel Deep Reinforcement Learning (DRL) method to allow UAVs to perform dynamic target tracking tasks in large-scale unknown environments. To solve the problem of limited training experience, the proposed Imaginary Filtered Hindsight Experience Replay (IFHER) generates successful episodes by reasonably imagining the target trajectory in the failed episode to augment the experiences. The well-designed goal, episode, and quality filtering strategies ensure that only high-quality augmented experiences can be stored, while the sampling filtering strategy of IFHER ensures that these stored augmented experiences can be fully learned according to their high priorities. By training in a complex environment constructed based on the parameters of a real UAV, the proposed IFHER algorithm improves the convergence speed by 28.99% and the convergence result by 11.57% compared to the state-of-the-art Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. The testing experiments carried out in environments with different complexities demonstrate the strong robustness and generalization ability of the IFHER agent. Moreover, the flight trajectory of the IFHER agent shows the superiority of the learned policy and the practical application value of the algorithm. 相似文献
13.
基于双目视觉的类脑三维认知地图构建方法 总被引:1,自引:0,他引:1
基于大脑导航神经细胞机理的类脑认知地图构建方法,为发展智能同步定位与地图构建(SLAM)技术提供了新思路.针对现有类脑认知地图构建精度不高的问题,提出了一种基于双目视觉的类脑三维认知地图构建方法.首先阐述了类脑三维认知地图系统的工作原理,然后论述了不同视觉里程计对认知地图精度的影响,研究了基于双目视觉里程计的类脑三维认知地图精度优化方法,最终完成了基于视觉数据集的类脑三维认知地图构建试验.试验结果表明,所提方法构建的视觉里程计地图的三维位置误差为总行程的2.14%,认知地图的三维位置误差为1.56%;认知地图精度与里程计精度呈正相关;系统通过模板匹配进行回环检测与校正,提高了认知地图的精度. 相似文献
14.
卷积神经网络为光流的计算提供了一种新的方式,但作为一种数据驱动技术,用于训练网络的大规模光流真值在现实世界中不易获取。为了解决这个弊端,基于Cycle-GAN的循环对抗机制,提出了一种光流无监督估计方法。首先,引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别,迫使生成器提高光流生成的精度。其次,引入Spynet作为教师网络,在生成器训练前期对其进行指导,防止网络陷入模式崩塌。最后,改进损失函数,提出了光流一致性损失和轮廓一致性损失函数,进一步提升光流估计精度。实验结果表明,与现有的先进算法相比,提出的方法达到与有监督算法相同的精度水平。 相似文献
15.
针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题,提出了一种基于无监督深度学习的单目视觉里程计。首先,联合使用空间几何约束和图像相似性约束,得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络;然后,对密集光流进行采样,得到精确的稀疏对应关系,减少尺度漂移;最后,根据改进的ORB-SLAM初始化方法,选择最优跟踪方式,结合深度信息进行尺度对齐,从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验,结果表明,相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统,该算法在通用评估指标方面性能有明显提升,验证了该算法的有效性。 相似文献
16.
Drogue detection for autonomous aerial refueling based on convolutional neural networks 总被引:2,自引:0,他引:2
Drogue detection is a fundamental issue during the close docking phase of autonomous aerial refueling(AAR). To cope with this issue, a novel and effective method based on deep learning with convolutional neural networks(CNNs) is proposed. In order to ensure its robustness and wide application, a deep learning dataset of images was prepared by utilizing real data of ‘‘Probe and Drogue" aerial refueling, which contains diverse drogues in various environmental conditions without artificial features placed on the drogues. By employing deep learning ideas and graphics processing units(GPUs), a model for drogue detection using a Caffe deep learning framework with CNNs was designed to ensure the method's accuracy and real-time performance. Experiments were conducted to demonstrate the effectiveness of the proposed method, and results based on real AAR data compare its performance to other methods, validating the accuracy, speed, and robustness of its drogue detection ability. 相似文献