惯性/双目视觉里程计深组合导航方法

针对现有视觉里程计测量噪声大、匹配精度低、实时性差的问题,研究一种基于Kalman滤波器的惯性/双目视觉里程计组合导航方法.在视觉里程计中引入惯性导航信息,辅助完成实时图截取、搜索区预测、输出速度校正等功能,提高视觉里程计的测量精度与计算速度.利用Kalman滤波器,实现视觉里程计对惯导累计误差的修正,提升组合导航系统的导航精度.车载试验结果表明,惯性/双目视觉里程计深组合导航的实时定位精度优于0.5％D (CEP),具备工程应用条件.     

车载捷联惯导与里程计组合导航技术研究

惯导的误差随着时间增长是积累的,可采用里程计辅助捷联惯导构成纯自主的车载组合导航系统.利用捷联惯导的速度和里程计测量的速度之差作为观测量,通过卡尔曼滤波技术校正惯导的导航参数,可以有效地抑制惯导误差的积累,提高导航参数的精度.本文推导了组合导航系统的模型,从理论上用特征值方法分析了系统的可观测度,进而设计轨迹进行了仿真...     

惯导/北斗/里程计一体化紧组合导航方法研究

当前,主要通过采用惯导/卫星导航组合或者惯导/里程计组合的方式来实现 车辆的定位定向;卫星信号良好时,惯导系统与卫星导航组合实现车辆定位定向,当卫 星导航信号不好甚至没有信号无法正常工作时,惯导系统与里程计组合实现车辆定位定 向。提出一种惯导/卫星导航/里程计三者的一体化组合方案,针对惯导、北斗、里程计 这三项测量设备构成的组合系统建立了统一的误差状态模型、组合量测模型以及反馈修 正模型,并通过卡尔曼滤波器来实现三者的一体化紧组合,这种惯导/北斗/里程计一体 化的紧组合方式,能更好地实现三者信号之间的充分交流与融合。将这种一体化紧组合 方法与传统的惯导/北斗组合、惯导/里程计组合方法进行了仿真比较,结果表明：惯导/ 北斗/里程计一体化的紧组合方法能更加快速、准确得到传感器误差（ 包含惯组误差、 北斗误差、里程计误差）的在线估计,更能有效提高各传感器的测量精度。     

基于联邦滤波的惯导/北斗/里程计紧 组合导航算法研究

针对地面载体长时间复杂应用环境对导航系统精确性和可靠性的要求,提 出一种基于联邦滤波器的惯导/北斗/里程计紧组合导航算法。在分析惯导、北斗、里程 计导航系统特点的基础上,建立了组合导航系统的误差状态模型和量测模型,采用联邦 滤波器实现了三者的紧组合容错系统设计,分别对子系统无故障、北斗及里程计出现故 障情况下进行仿真验证。结果表明,将联邦滤波理论应用于惯导/北斗/里程计紧组合导 航系统可以提高导航性能和系统的容错能力。     

基于路网匹配的多源自主组合导航技术研究

针对惯性/里程计组合导航易受环境影响的情况,引入路网匹配方法,以惯导/里程计组合导航历史轨迹数据与路网数据库进行全局匹配比较,从而得到当前导航位置的匹配点。将匹配点作为组合导航卡尔曼滤波器的量测输入,其滤波结果用于反馈校正惯导误差,通过不断迭代优化后,惯性/里程计/路网匹配组合导航能够提供高精度的位置信息。试验验证结果表明,该方法能将大部分定位误差控制在10m左右,证明了该方法的有效性与适用性。     

车载捷联惯导双里程计组合导航方法研究

针对当前车载捷联惯导与里程计组合导航时，将里程计安装在车底盘左侧或右侧位置而造成的导航误差，以及里程计信息未能真实反映车体中心的实际运行状态，研究了一种车载捷联惯导/双里程计组合导航方法。该方法分别在车底盘左侧和右侧位置各安装了一个里程计，将双里程计信息作为量测量，设计了组合导航融合算法进行Kalman滤波组合导航。在导航过程中对双里程计信息进行χ２检测，以避免车体作大转弯运行或有外部干扰时引起的里程计信息异常。跑车试验结果表明，该融合算法能使定位结果得到最优融合，定位误差整体减小到20m以内，最大处减小6m，离线分析进一步证明了该融合算法的有效性。     

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。     

初始方位信息辅助下潜航器快速传递对准算法

针对多潜航器连续快速布放需求,提出基于初始方位信息辅助下快速传递对准算法.潜航器惯导系统只在对准初始时刻由移动基准惯导提供准确的方位信息和概略的水平姿态信息,布放入水后以初始时刻水平姿态误差和当前速度误差为滤波状态,以水下多普勒测速仪的速度为观测量,通过卡尔曼滤波进行惯性系下的航行中对准.实验验证以优于0.01(°)/h的激光陀螺惯导系统/卫星组合导航的姿态解算值为参考基准,基于实际数据的仿真计算表明,在50s内即可实现快速对准,方位精度达到1密位(1σ).     

大角度斜置激光惯组与里程计组合导航方法

针对激光惯组斜置条件下惯组坐标系相对里程计坐标系是大角度的情况,建立了两坐标系之间的转换关系,推导了里程计输出转换的安装误差补偿模型,在补偿模型基础上给出了安装误差计算公式.以惯组位移与里程计位移之差作为量测值,建立了状态和量测方程,运用Kalman滤波技术实现惯组/里程计组合导航,最后通过跑车试验对提出的惯性/里程计组合导航方法进行了验证,结果表明了该方法的有效性.     

一种长距离高可靠月面巡视自主导航方法

针对复杂非结构化月面上高精度巡视自主导航的应用需求,提出了一种基于惯导/视觉/天文组合的长距离高可靠自主导航方法。在建立惯性/天文基于原始观测角度信息紧耦组合量测模型和惯性/视觉改进量测模型的基础上,采用异步量测特性的集中自适应滤波算法提高了月面巡视器自主导航系统的导航精度和可靠性。数学仿真结果表明,该方法具有较高的绝对定位和定姿精度,位置和姿态精度分别优于60 m和0.1°,并且具有较高的可靠性和鲁棒性,能够满足月面巡视高精度自主导航的要求。     

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。     

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。     

平流层飞艇升降阶段BPNN惯性导航算法

软式平流层飞艇艇体在上升和下降时经常呈堆叠状态，GPS信号会被艇体间歇性遮挡，因而只能采用惯性导航。为保证在飞艇上升和下降过程中，INS/GPS组合导航系统在被艇体遮挡GPS时仍能够提供满足精度要求的导航信息，设计了一种改进的反向传播神经网络(Back Propagation Neural Network, BPNN）惯性导航算法。采用神经网络，根据惯性导航系统在1s内的速度均值和姿态变化量，预估其在1s末的位置误差和速度误差，并对惯性导航结果进行修正。仿真实验和跑车试验结果表明，在GPS失效的30s内，新算法使得位置误差低于15m，速度误差低于0.7m/s，误差相比纯惯性导航降低了85%。     

无监督深度学习单目视觉里程计研究

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。     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

INS/GNSS组合导航系统空中快速对准方法

针对机载惯性/全球导航卫星系统(INS/GNSS)组合导航系统地面静基座对准时间较长、航向对准精度较低以及惯导空中故障重启后无法快速得到精确姿态信息重新进入导航状态等问题,提出一种快速初始对准方法。该对准方法基于惯性导航比力方程,利用GNSS的定位、测速信息与惯性测量组件(IMU)的输出信息解算载体姿态信息,并结合遗传-牛顿算法与求和自回归滑动平均(ARIMA)模型卡尔曼滤波信号降噪技术提高姿态信息的解算精度。基于实测飞行数据的解算验证了该方法的有效性、对准精度以及在实际工程应用中的优越性。     

基于CDMA蜂窝网的飞行器三维定位算法

针对中低空飞行器提出了一种将码分多址(CDMA)蜂窝网导频信号被动定位与惯性导航系统进行组合的导航定位方法。该定位方法是根据CDMA蜂窝网导频信号的到达时差（TDOA）进行两次加权最小二乘解算,并利用飞行器惯性组合的原始信息进行解模糊,从而实现中低空飞行器的三维实时定位。蒙特卡罗仿真证明：在高斯白噪声条件下,该算法运算速度快,精度高,其均方误差逼近克拉美罗下界（CRLB）,为组合导航实时性要求提供了理论参考。     

基于对偶四元数的INS/GPS组合导航算法研究

在基于对偶四元数的捷联惯导解算方法的基础上,推导了以惯性系作为导航系的惯导误差方程,在此基础上设计了卡尔曼滤波组合导航算法。通过激光惯导跑车采集数据,进行了仿真分析,试验结果表明,该组合导航算法能有效的消除惯导累积的速度误差和位置误差,相比于目前广泛应用的INS/GPS组合导航算法,本文描述了INS/GPS组合导航的另一种实现方式,获得了相当的精度,具有一定的工程应用价值。