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。     

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。     

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UKF的GPS/SINS组合导航直接式滤波算法

基于无迹卡尔曼滤波(UKF)方法,使用姿态、速度、位置等9个导航参数组成状态向量,以GPS系统输出的速度、位置组成6维观测向量,构建直接式结构的UKF滤波器。该滤波器能够直接反映系统导航参数的动态过程,准确显示运动状态演变。针对GPS/SINS组合导航系统的特点,构建了GPS/SINS组合导航直接式卡尔曼滤波仿真验证系统,仿真结果验证了基于UKF的GPS/SINS组合导航直接式滤波算法的有效性,该直接式非线性滤波算法可使惯性组合导航系统的导航精度得到提高。     

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。     

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。     

一种提高捷联惯性/里程计组合导航系统定位精度的后处理方法

测绘用捷联惯性/里程计组合导航系统多采用离线后处理技术.此类系统利用里程计位移微分获得的速度作为观测量,采用速度匹配,并通过待测路径中预置的Mark点校正航位推算的位置信息.本文建立了基于速度匹配的16维Kalman滤波模型,对全程采样数据进行正反向导航和滤波处理,以估计惯性器件和里程计的误差;在补偿相关误差后,再次进...     

卡尔曼/粒子组合滤波在GPS/INS组合导航中的应用研究

在非线性模型和非高斯噪声条件下,粒子滤波在GPS/INS组合导航系统的观测精度较低时能取得较好的滤波结果,但在高观测精度情况下会导致滤波发散。针对这一问题,在分析了基本粒子滤波器算法原理的基础上提出一种卡尔曼/粒子组合滤波方法,将状态向量分为线性部分和非线性部分,分别用卡尔曼滤波和粒子滤波估计,既保证了简化后滤波算法的结果不会变差,又将运算量大大降低,仿真试验表明,组合滤波器能够获得较高的滤波精度,满足实际的导航要求。     

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。     

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。     

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。     

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.     

晃动环境下组合导航系统精度事后评估算法研究

海风、波浪、海流等因素会产生舰船的摇摆晃动,从而给舰船导航系统精度带来严重干扰.固定区间平滑滤波处理算法能够利用观测时间间隔内全部观测信息得到状态的最小方差估计,对导航精度进行事后评估.在研究晃动环境下的SINS/GP S组合导航应用平滑滤波算法的相关原理的基础上,首先利用Kalman滤波器进行组合导航,存储相关信息后按时间逆序利用固定区间平滑滤波算法进行事后分析.该方法可以针对不同的海况以及不同的海上作业需求,有效地为组合导航系统精度提供检验标准,考核各种海洋环境下的导航系统精度.     

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。     

基于变分贝叶斯的自适应鲁棒滤波算法

针对组合导航姿态估计中,观测同时受到野值与时变观测噪声影响的问题,构造一种基于变分贝叶斯的自适应鲁棒滤波算法。该算法可以有效地解决自适应与鲁棒滤波策略的矛盾,利用变分贝叶斯近似估计变换的观测噪声,在变分贝叶斯的滤波框架内,利用Huber滤波鲁棒化方法处理连续野值。在组合导航姿态估计试验中,验证了该算法具有良好的自适应与鲁棒性,并能够保持较高的估计精度。     

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。     

一种导弹捷联惯导/地磁/雷达高度表组合导航方法

基于雷达高度表和磁强计的测量信息,提出一种弹道导弹捷联惯导/地磁/雷达高度表组合导航方法。以磁强计测量值与磁场模型的磁场强度值之差和高度表与惯导解算高度之差作为量测,只用一个观测表达式即可同时包含载体的姿态及位置信息。引入状态反馈,利用混合校正的Kalman滤波得到系统导航信息的最优估计。仿真结果表明,该算法能有效抑制捷联解算误差的发散,当磁强计精度为100nT,雷达高度表精度为50m时,仿真1000s后姿态精度优于20′,定位精度为2.68 km。该导航方法自主性高,精度较高,具有一定工程应用价值。     

一种基于ST-EKF的惯性/里程计滑动窗口滤波技术

针对在卫星拒止的复杂野外环境下传统的惯性/里程计组合导航系统存在的误差随时间积累和方差不一致的问题,提出了一种基于状态变换Kalman滤波(State Transformation Extended Kalman Filter,ST-EKF)的惯性/里程计滑动窗口滤波技术.一方面,引入滤波鲁棒性更好的ST-EKF替代扩...     

基于逆Gamma分布的变分自适应滤波算法

针对Bayesian滤波在组合导航量测噪声随机模型不准确时引发的估计精度下降问题,提出了一种基于逆Gamma分布优化的变分自适应滤波算法。该算法借鉴变分Bayesian学习理论,通过逆Gamma分布进一步精化了Bayesian滤波随机模型,准确高效地实现了量测噪声协方差的自适应估计,显著改善了滤波估计性能。最后通过紧耦合组合导航数据仿真实验,结果表明本文所探讨的优化算法能实时跟踪量测噪声变化,保障滤波估计精度,且运算量小速度快,易于工程实现,为今后研究工作于时变噪声环境下的导航系统及其扩展应用提供一定的理论支持。