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.     

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。     

一种基于惯性/视觉信息融合的无人机自主着陆导航算法

无人机自主着陆过程中需要实时获得高精度的导航信息,对自主性、实时性的要求较高.现有的导航方式都存在各自的不足,且在室内等新型环境中不能使用.针对这一问题,提出了一种视觉/惯性组合导航算法.首先建立了世界坐标系下惯性导航的数学模型,随后通过Kalman滤波实现位置、姿态匹配,其中位置匹配完成速度误差、加表零偏的估计;姿态匹配完成安装误差角、陀螺漂移的估计,并利用估计得到的安装误差角和视觉导航系统输出的姿态信息对惯导姿态进行修正.仿真结果表明,该算法具有一定的工程应用价值.     

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。     

地面无人作战平台导航技术发展现状与趋势

当前,国内外地面无人作战平台处于快速发展阶段,其自主性、智能性的特点使得其相较于传统地面武器平台对导航系统提出了更高的要求,除了具备常规意义上的测姿、定位、定向等功能之外,还需要具备环境相对位姿感知与导航能力。目前,典型的地面无人平台均采用惯性基组合导航方案,以惯性传感器为主,配备卫星、视觉、雷达等多类辅助传感器,通过组合导航算法实现传感器间的有机融合。针对地面无人作战平台的导航需求,对当前主流惯性基组合导航技术进行梳理,分别介绍了惯性/里程计、惯性/卫星、惯性/视觉、惯性/激光雷达组合导航技术的发展现状,并对适用于地面无人作战平台的导航技术进行了展望。     

基于因子图的无人机视觉定位方法

当前多用途无人机主要依靠全球导航卫星系统（GNSS）和惯性测量单元（IMU）的组合导航实现高精度定位，然而在强电磁干扰以及各类复杂环境GNSS拒止等情况下，该定位模式面临失效的风险。为探索一种GNSS拒止环境下的导航定位手段，对视觉导航方式进行了研究，针对无人机小交会角条件下视觉定位存在高程方向交会精度差、绝对尺度信息缺失、累积误差无法消除和定位轨迹不连续等问题，提出了基于因子图融合影像匹配和视觉信息的光束法平差方法，解决了无人机小交会角下的自主绝对定位问题。     

基于可观测度分析和增量因子图的多源融合导航方法

复杂动态场景下高精度导航定位是自主无人系统决策规划与控制执行的基础。在城市峡谷、隧道、地下或室内停车场等场景下，卫星信号弱甚至丢失，严重影响了惯性/卫星/视觉等多源融合导航的精度和可靠性。为主动适应动态场景变化，迫切需要设计一种适用于跨场景的多源融合导航系统。基于动态时变系统的可观测度分析，在线度量惯性/卫星、惯性/视觉等组合导航因子的可信程度，进而采用因子图融合导航框架，根据各组合导航因子的可信程度，主动优化因子构建和增量平滑过程，以实现多传感器自适应融合导航与可靠定位。实验仿真表明：基于可观测度分析方法，能够在线优化因子图计算过程，提升了多源融合导航系统的环境适应性和跨场景能力，保证了复杂动态场景下自主无人系统跨场景导航模式切换和连续可靠的导航定位。     

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。     

合作环境下基于惯性/里程计/Lidar融合的UGV导航方法

近年来，无人车在巡检、探测等方面的应用愈发广泛,且应用环境愈发复杂。在这些应用中，无人车必须对自身的位姿进行准确估计，以确保作业安全、高效完成。其中，可在复杂环境下适用的自主导航能力是核心关键技术。提出了一种基于惯性/里程计/激光雷达的地面无人车导航方法，区别于传统的激光雷达SLAM方法，该方法根据已知的几何结构特征进行定位，避免了因有效点数量稀少而导致的匹配误差。同时对惯性/里程计/激光雷达的融合算法进行了研究，提高了自主导航系统的鲁棒性和准确性。最后，在Gazebo中搭建了相应的仿真环境，并进行了算法验证。仿真结果表明，该方法能够实现无人车在巡检过程中实时可靠的自主导航，具有较好的工程应用价值。     

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。     

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。     

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。     

无人飞行器集群仅测距初始相对位姿确定方法研究CSCD

针对全球导航卫星系统(GNSS)拒止环境下无人飞行器集群成员间的相对定位问题,研究了一种基于机载惯性测量单元(IMU)、气压高度计与数据链测距组合的初始相对位姿求解算法。首先,在高度计稳定输出较为精确的高度信息的前提下,将飞行器的三维运动解耦成二维水平运动,给出了三维加速度和角速度、测距信息的水平坐标系投影等效模型。在此基础上,以待求量相对位置和航向角的非线性形式构造了新的待求状态量,并将相对位置和航向角的非线性求解问题转化成了新状态量的线性模型最小二乘求解问题。然后,通过引入递推最小二乘算法(RLS),建立了该相对位姿求解算法的实时输出递推形式,有效降低了机载在线计算的负载。接着,对所提算法进行了可观测性分析,并给出了使系统状态量不可观测的几种相对运动形式。最后,对所提算法进行了数值仿真实验,仿真结果表明,该算法能够有效、快速求解初始相对位姿,位置误差在初始相对距离的10%以内,航向角误差在初始相对角度的1%以内。     

航天器自主导航状态估计方法研究综述

自主导航是航天器自主运行的核心关键技术。状态估计是实现航天器自主导航的核心手段,是指实时确定航天器在轨位置、速度和姿态等导航参数,是航天器自主导航技术的重点发展方向之一。首先,针对航天器自主导航的实际需求,阐述了研究航天器自主导航状态估计方法的必要性,具体从导航系统可观测性分析、导航滤波算法、导航系统误差补偿3个方面介绍了航天器自主导航状态估计方法的研究现状;然后,分析并总结状态估计方法在航天器自主导航系统中的实际应用;最后,结合理论研究和实际应用,给出了状态估计方法目前存在的主要问题并对其后续发展进行了展望。     

一种鲁棒Sigma-point滤波算法及其在相对导航中的应用

研究了一种鲁棒Sigma-point滤波方法在无人机编队相对导航问题上的应用。该方法采用Huber估计方法,将Sigma-point滤波量测更新转化为求解线性回归问题,新的Sigma-point滤波方法是一种混合L1、L2范数最小估计,当量测噪声为受污染的高斯白噪声时,该方法具有一定的鲁棒性。给出了编队无人机相对惯导方程和相对视线矢量测量原理,应用鲁棒Sigma-point滤波方法融合相对惯导信息和相对视线矢量信息,估计出无人机之间的相对姿态、相对速度和相对位置。仿真结果表明,与扩展卡尔曼滤波和常规Sigma-point滤波相比,鲁棒Sigma-point滤波可以获得更高的估计精度。     

时钟模型辅助的惯性/卫星紧组合导航算法研究

针对卫星信号受到遮挡或者干扰、卫星接收机收星数不足的问题,提出了一种时钟模型辅助的惯性/卫星紧组合导航算法。通过正常紧组合状态下的钟差、钟漂估计值建立钟差和钟漂的数学模型,在可见卫星少于4颗时,用时钟模型计算得到的钟差和钟漂作为系统钟差、钟漂的真实值引入观测信息中,并省去状态变量中的钟差和钟漂项,增加了系统的可观测性。最后,通过采集跑车试验数据进行了离线数据仿真试验。试验结果表明,提出的时钟模型辅助的惯性/卫星紧组合导航算法在可见卫星不足的情况下取得了良好的效果。     

视觉无人机棚内煤场自主飞行与地图构建

针对目前室内大型煤场煤储量估计方法中,固定位置激光打点方式存在盲区、不灵活、精度差,以及基于多旋翼无人机的方法难以适应无GPS的室内环境等缺点,提出结合视觉定位的无人机室内自主飞行盘煤方法。该方法通过融合5个方向的视觉信息,并结合无人机路径规划及避障算法,对煤堆进行了全覆盖的视觉成像,然后,通过运动推断结构方法进行三维建模,用于估计煤储量。经实验验证,所提方法有较好的室内定位精度,基于三维建模的煤堆储量估计与实际储量较为接近,证明了其有效性和可行性。     

基于场景识别的惯性基类脑导航方法

针对无人机导航中惯性器件产生的漂移误差不断随时间累积进而影响导航精度的问题,以仿生类脑导航为研究背景,提出了一种新的导航方法。与传统导航策略不同的是,该方法从周期性校正累积位置误差的角度出发,采用设置位置细胞节点的思路,利用训练好的卷积神经网络模型在细胞节点处进行图像匹配,从而在位置细胞节点处实现惯导位置漂移误差校正。同时,建立节点之间的漂移误差模型,调整误差方程系数,以达到修正漂移误差的目的。最后,基于无人机飞行实验结果验证了该方法对自主导航的有效性和鲁棒性,该方法能够有效提高无人机导航的精度。     

时钟模型辅助的惯性/卫星紧组合导航算法研究

针对卫星信号受到遮挡或者干扰、卫星接收机收星数不足的问题,提出了一种时钟模型辅助的惯性/卫星紧组合导航算法。通过正常紧组合状态下的钟差、钟漂估计值建立钟差和钟漂的数学模型,在可见卫星少于4颗时,用时钟模型计算得到的钟差和钟漂作为系统钟差、钟漂的真实值引入观测信息中,并省去状态变量中的钟差和钟漂项,增加了系统的可观测性。最后,通过采集跑车试验数据进行了离线数据仿真试验。试验结果表明,提出的时钟模型辅助的惯性/卫星紧组合导航算法在可见卫星不足的情况下取得了良好的效果。