旋转惯导系统中的圆锥误差分析及其补偿

圆锥误差是由转动不可交换性误差引起的,存在于惯导系统导航解算的一种误差形式。由于基于旋转调制方式的惯导系统运动模式与传统捷联惯导系统不同,因此圆锥误差的表现形式也会发生相应变化。首先建立了旋转调制惯导系统的圆锥运动模型,对其不可交换性误差进行了推导。在此基础上分析了基于等效旋转矢量的多子样算法在旋转惯导系统圆锥误差补偿中的应用效果以及旋转方案对圆锥误差补偿的影响,最终通过仿真对理论分析进行了验证。仿真结果表明,圆锥误差对于旋转惯导系统的影响要大于传统惯导系统,但可以通过改变旋转方式来对圆锥误差进行抑制。     

基于三轴旋转的旋转光纤捷联惯性导航系统

介绍了基于旋转惯性器件的惯性导航系统的工作原理。根据该方案的思想对捷联惯性导航系统加以改进,设计了可绕三轴旋转的IMU机构,建立了旋转机构误差模型。仿真结果表明,该机构符合最初对它的设计要求,即提高了导航系统关于横滚、俯仰姿态的精度,同时也达到了通过三轴旋转提高航向角跟踪精度的目的,故弥补了目前研究的旋转惯导系统无法调制航向角精度的缺陷。此外。这该绕三轴旋转的惯导系统还可以根据六位置旋转法原理实现实时标定功能,从而进一步改善系统性能。     

基于运动捕捉系统的多旋翼飞行器实时测姿算法

旋翼飞行器的室内自主飞行是目前研究的热点之一。在室内飞行过程中,飞行器姿态和位置信息可以通过运动捕捉系统（Motion Capture System,MCS）来进行实时测量,从而为机载低成本MEMS惯性导航系统提供校正信息。结合四旋翼飞行器的结构特性,提出了一种五点实时测姿算法。相对于目前MCS常用的测姿算法,该算法可以降低标记点安装引起的测姿误差。室内实验结果表明,该算法测姿精度高,并且能够有效实现四旋翼飞行器室内动态实时姿态测量,具有较好的工程应用价值。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年，基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用，然而对识别感知目标的体积测量，目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法，实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿，相较于原始LeGO-LOAM算法，无人车在高速情况下的构图精度得到提升；通过将激光雷达与视觉进行深度融合，实现了目标的自动识别与全局定位；通过基于平面拟合的地面分割与欧式聚类，实现了目标点云轮廓的实时获取；通过设计一种基于切片法的不规则物体体积测量方法，实现了无人车在运动情况下对目标体积的自动估计。最终，分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明，所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%，具有较好的工程应用价值。     

多无人机协同导航技术研究现状及进展

UAV是无人驾驶飞机(Unmanned Aerial Vehicle)的简称,无人机相较于有人驾驶飞机具有用途广泛、成本低和生存能力强等特点,在军事民用领域都有着广阔的前景,受到了国内外研究者的关注。协同导航技术极大地扩展了无人机的应用范围,提高了多无人机定位的精度以及无人机编队的稳定性、安全性和可靠性。现阶段协同导航技术在编队导航、目标监测与跟踪等诸多方面都得到了研究与应用。从四个层次对协同导航的研究现状和进展进行探讨:首先是对多无人机协同导航的概念、基本原理、国内外发展现状和必要性进行阐述;其次对协同导航中相对导航方式进行了分类分析,并分别介绍了无线电导航与视觉导航的原理、优缺点和应用场景;然后从导航目的、协同导航优化算法、滤波方法、协同导航信息融合容错策略几个方面对协同导航进行分析归纳;最后,讨论了基于多无人机协同导航未来的发展趋势。     

一种面向即插即用车载GNSS/INS/ODO系统的时空在线标定方法

车载轮速里程计(ODO)辅助卫星/惯性(GNSS/INS)组合导航时需要先进行惯性传感器 (IMU)与ODO 的空间对齐,而传统GNSS辅助IMU/ODO 参数在线标定时未考虑GNSS时延与 ODO 时延对标定的影响,这对于无法实现硬件时间同步而需要即插即用的车载导航应用而言,考 虑不够全面。因此,提出了一种面向即插即用车载GNSS/INS/ODO 系统的时空在线标定方法。 该方法在传统GNSS辅助IMU/ODO 参数估计模型的基础上,增广了GNSS与ODO 的时延误 差,分析了两种时延对IMU/ODO 参数在线标定的影响,推导并构建了完整的GNSS与ODO 观 测模型,采用卡尔曼滤波器对GNSS时延、ODO 时延以及IMU 与ODO 之间的参数进行估计。实 际测试结果表明,该方法可以有效提高IMU/ODO 在线标定的精度。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图像与激光雷达点云的数据融合,实现了基于稠密深度图对目标位置的估计,提高了对小目标的定位能力.试验结果表明,与传统Yolov3目标识别算法相比,该算法平均识别准确率可提升5.8％;此外,相对定位算法将包含小目标在内的物体相对定位精度提高了13.4％.     

序言

人工智能是引领未来的战略性技术,是新一轮产业变革的核心驱动力,将促进社会生产力的整体跃升.无人系统作为人工智能应用层的典型代表,是一种在复杂环境下工作的,具有自行组织、自主运行、自主规划的智能装备,目前已经在越来越多的行业中发挥了重要作用.无人系统除用于宇宙探测、海洋开发和原子能等领域外,在工厂自动化、建筑、采矿、排险、军事、服务、农业等方面也有广泛的应用前景,可有效保障社会公共安全、提升社会劳动生产率、有效降低劳动成本、优化服务品质,为人类生产和生活带来革命性转变.     

面向结构化场景的激光雷达点云高精度配准与定位方法

在基于先验地图的激光雷达室内导航方案中,通常采用点云配准的方法进行无人设备位姿初始化。在结构化场景下,传统配准算法特征鲁棒性较差,导致点云配准的误差较大且易陷入局部最优。针对该问题,提出了一种基于多平面空间模型的点云快速配准方法。首先该方法利用特征直方图的思想对空间点云进行快速粗聚类,根据平面一致性将粗聚类后的点集进行合并形成面特征,从而对密闭空间进行平面模型化表示。随后通过空间平面排序实现了面特征的快速关联,并利用线性匹配方法实现了两帧点云的精确配准,从而解算出机体在先验地图中的相对位姿。最后通过Gazebo搭建的仿真环境与室内结构化模拟环境对算法进行了验证。结果表明,在大型结构化场景下,算法具有更好的适应性以及更高的计算效率,能够快速为无人系统提供精准的地图初始位姿。     

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.