基于混合特征匹配的微惯性/激光雷达组合导航方法

微惯性/激光雷达(MEMS IMU/LADAR)组合导航系统在室内应用时,由于室内结构化环境下环境特征(如点和线段)分布稀疏,传统的单一特征匹配算法存在观测盲区,易造成导航定位参数估计误差大的问题。基于此,研究了激光雷达自适应数据分割方法的点和线段的特征提取算法,提出了基于混合特征匹配观测模型的MEMS IMU/LADR扩展卡尔曼滤波(EKF)算法。同时,设计了MEMS IMU/LADR组合导航试验样机,在室内环境下通过试验对滤波算法进行了验证。结果表明:提出的算法在室内结构化环境下相比传统单一点或线特征匹配组合定位算法的定位精度可提高60%,对于小型旋翼无人飞行器在室内结构化环境中的高精度定位具有较高的参考意义。     

超声波阵列的飞行高度与姿态测量方法

针对无人机近地面降落阶段对相对高度及姿态精确测量的需求,以固定翼无人机为对象,设计了多路超声波测距传感器在无人机上的新型布局方式。利用空间几何关系,建立相对高度及姿态计算模型,测得四个固定点的高度,为无人机着陆提供精确的相对高度及姿态角信息。充分利用布置在无人机不同位置的测距传感器之间的几何关系,直接获得姿态角,提高了无人机降落阶段的安全性。实验结果表明,能够及时有效地提供给控制台无人机着陆时的相对高度及姿态信息,准确指引无人机的安全降落。     

MEMS微惯性姿态系统的环境适应性优化设计技术

分析了MEMS微惯性姿态系统温度及载体运动等环境因素对MEMS惯性传感器的影响和姿态系统的关键技术;针对MEMS惯性器件的热环境优化,建立了基于有限元分析方法的热分析模型,仿真分析了散热设计方案,基于微惯性姿态系统样机,试验验证了散热设计的有效性;针对MEMS惯性传感器误差的强非线性特性,建立了全温范围分段线性误差补偿模型,改进了误差标定方法,有效提高了MEMS惯性器件的精度;分析了微惯性姿态组合算法的适用性条件,优化设计了基于载体飞行状态的微惯性姿态系统姿态滤波的约束条件。转台试验和飞行试验充分验证了环境适应性优化设计方法和结果的有效性,全程飞行条件下姿态误差优于2.5°,稳定飞行阶段姿态误差优于1°,该系统可满足姿态备份和微小型无人飞行器的应用需求。     

基于几何特征关联的室内扫描匹配SLAM方法

为实现室内结构化环境中仅依靠激光雷达数据进行实时自定位并创建精确的特征地图,提出了一种基于几何特征关联的室内扫描匹配SLAM方法.几何特征关联与匹配方法的优劣很大程度上影响SLAM的实时性和精度.结合室内结构化环境的特点,提出了一种完备端点定义与提取方法,将直线段特征与完备端点进行关联,优化几何特征扫描匹配过程.此外,姿态角收敛是SLAM进行机器人位姿估计和求解一致性的关键.为确保姿态角准确收敛,采用了基于直线拟合认知的姿态角加权几何平均求解方法.实验证明,提出的SLAM方法得到的定位精度在100mm内,建图精度也较高,能胜任室内SLAM.