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.     

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。     

基于注意力模型的视觉/惯性组合里程计算法研究

由于外界环境的干扰和传感器精度的限制,视觉/惯性组合里程计的输入数据存在一定的噪声,这会增加里程计的解算误差,而且误差会随着时间积累。针对以上问题,设计了一种基于注意力模型的视觉/惯性组合里程计算法。该算法使用卷积神经网络和长短时记忆网络分别构建了视觉特征提取器与惯导信息特征提取器,同时引入了两种注意力模型:加权组合网络以及开关组合网络,对视觉特征信息和惯导特征信息的融合噪声进行降噪处理。通过在组合里程计算法中添加闭环校正环节,有效地抑制了里程计误差随时间的积累。对比实验结果表明,设计的组合里程计算法与其他算法相比,无论在性能上还是在精度上都有明显的提升。     

基于STK模型的伪距/伪距率组合导航算法研究

传统的组合导航仿真算法采用位置、速度信息组合模式,由于计算误差和测量误差的存在,导致结果误差偏大。本文针对轨道机动飞行器的特点,通过STK卫星仿真软件分别模拟GPS卫星星历及机动飞行器从初始轨道向目标轨道过渡真实轨迹,采用基于伪距、伪距率的SINS/GPS紧密组合导航系统对飞行器转移过程进行数学仿真计算。结果表明,基于伪距/伪距率组合导航方法,不仅可以修正惯性元件的常值漂移,并且对轨道转移段的速度、位置误差有很好的估计,获得较高的导航精度。     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

高超声速飞行器组合导航算法

以高超声速飞行器为对象,建立了卫星/惯性组合导航模型。选择组合系统的状态量并建立状态方程,推导位置观测方程和速度观测方程,通过位置、速度交替组合实现卫星/惯性系统的组合。通过仿真验证算法的有效性,仿真结果表明卫星/惯性组合导航可以得到较好的位置和速度信息,适中的姿态精度信息。     

陆用定位定向系统自主导航技术

由于车载自主导航精度受作战半径影响,长航时使用需要一定的保障条件,难于实现无依托发射的问题,提出了一种定向精度不受导航时间影响、定位精度不受作战半径影响的自主导航方案。通过分析惯性旋转调制导航、惯性/里程计组合原理及误差特性,采用罗经效应原理实现了高精度长航时自主定向;通过旋转调制导航抵消惯性器件误差的影响,利用航位推算隔离载体加速度和速度对罗经效应的影响,使航向误差完全可观,提升实时估计与修正精度。在此基础上引入了地图匹配技术进行自主定位,解决陆用定位精度与行驶里程相关的问题。仿真和试验结果表明,该技术采用地图信息辅助定位定向系统进行自主导航,在较低保障要求下,能够解决定向、定位误差积累问题,具有较强的理论意义和工程实用价值。     

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。     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

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。     

基于GPS/MEMS微惯性导航系统的 混合校正方法研究

针对GPS/MEMS 微惯性组合导航系统, 为了提高算法的可靠性和导航精 度, 研究了Kalman 滤波算法。分析了DSP 数字系统的运算能力、构建了优化的数学模 型, 提出了Kalman 滤波混合校正方法, 并将此方法应用于搭建的组合导航系统。通过 跑车试验对该方法进行了验证,试验结果表明,系统的导航精度,姿态误差在0.5°,航 向角误差2°,速度误差0.5m/s。     

视觉/惯性组合导航技术发展综述

视觉/惯性组合导航技术是自主导航领域的重要研究方向之一。首先介绍了视觉/惯性组合导航技术的发展概况,然后从纯视觉导航(里程计、同步定位与构图)以及组合导航(滤波、非线性优化)2个层次介绍了传统的基于视觉几何与运动学模型的视觉/惯性组合导航方法,还介绍了近年来发展迅猛的基于机器学习的视觉/惯性组合导航方法。最后,简要介绍了视觉/惯性组合导航技术的典型应用及未来发展趋势。     

基于滤波和优化的惯性/里程计组合导航精度对比分析

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。     

基于Newton迭代滚动时域估计的GPS/SINS紧组合导航技术

随着智能设备的普及,使用手机为汽车进行导航越来越普遍。目前,手机内置的惯性测量单元成本低廉、导航精度低,且常使用松组合,而应用GPS/SINS紧组合导航技术可提高导航的精度及可用性。通过将基于Newton迭代的梯度下降算法与滚动时域估计相结合,手机内置GPS与陀螺加速度计构成紧组合导航系统,可提高在复杂环境中的导航精度。传统Kalman滤波方法未能充分考虑到紧组合导航系统的非线性特性,而滚动时域估计通过参考多时刻导航信息,可更有效地排除非线性因素对系统的干扰,并通过实验验证了此方法。实验结果表明,相比采用扩展Kalman滤波,基于Newton迭代时域估计算法的紧组合导航系统的导航位置精度及速度精度均获得了较大提高。     

改进的组合导航算法在MEMS组合导航系统中的应用

针对MEMS组合导航系统的应用,提出了一种改进的组合导航算法。首先采用零速修正算法对MEMS陀螺仪逐次启动重复性无规律的常值零偏进行补偿;其次,通过分析陀螺仪误差项的构成,提出了一种将卡尔曼滤波器输出的误差估计量P与零速修正的误差量相结合的改进导航算法,引入误差量分配加权思想,实现对系统误差方差阵Q中陀螺仪误差量的在线调节。利用跑车试验数据对算法进行验证,结果表明在MEMS组合导航系统中,与经典的导航算法相比,改进算法的导航精度更高、可靠性更强,是一种能有效应用于实际中的估计方法。     

双轴地磁辅助的惯性/卫星组合导航方法

旋转弹姿态的精确获取是旋转弹控制领域的一个研究重点,单纯将惯性/卫星组合导航方案应用于旋转弹上,无法快速而准确地获取弹体滚转姿态角。提出一种双轴地磁辅助惯性/卫星组合导航方法,该方法采用双轴地磁传感器、微机电(Micro Electro Mechanical System, MEMS)惯组和卫星导航组合测量方案,由序贯Kalman滤波算法完成对弹体姿态、速度和位置的估计。选取某旋转弹为仿真对象,仿真结果表明该方法在获得高精度速度、位置的同时,可快速完成弹体姿态准确估计。当地磁传感器精度为10mGs时,弹体姿态可在1s内快速收敛,且姿态精度优于0.5°(1σ)。该方法具有导航精度高、地磁标定简单、价格低廉的优点,在旋转弹导航方案上有一定的工程应用价值。     

一种新的低成本组合导航系统初始对准算法

基于低成本惯性测量单元的组合导航系统已经逐步成为导航领域的研究热点和主要发展方向。但是,低成本惯性元件精度低,无法进行自主初始对准。基于规范化四元数的概念,研究了一种仅利用GPS的位置和速度数据对组合系统进行初始对准的新算法,克服了传统滤波方法进行初始对准存在的诸多局限性。理论分析和仿真计算表明,这种算法仅受组合系统自身硬件条件的约束,可以较好地应用于组合系统中低成本惯性单元的初始对准。     

基于改进容积卡尔曼滤波的惯性/光流组合自主测速方法

针对容积卡尔曼滤波算法在惯性/光流组合测速数据融合时出现由于各系统输出数据频率不一致导致融合精度有限的问题,提出了一种基于多速率残差校正的改进容积卡尔曼滤波算法.通过当前时刻误差估算组合导航系统残差,再使用估算后的残差对速度估计值进行补偿,最终实现惯性/光流组合系统速度测量值的数据融合.实验结果表明,通过提出的改进容积...     

基于星敏感器的姿态确定算法研究

为实现惯性/天文组合导航,提高导航精度,本文研究了基于星敏感器的天文导航姿态确定原理,在理论上推导了用于载体姿态解算的TRIAD算法、最小二乘算法、Eular-q算法和QUEST算法,并通过仿真和实验对以上四种算法进行了比较。仿真和实验结果表明,QUEST算法在四种算法中具有解算精度高而运算速度快的优点。由仿真和实验可知,绕星敏感器光轴方向的姿态解算误差大,这可为惯性/天文组合导航系统的方案设计提供指导。     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.