基于正弦函数拟合的高动态捷联惯导姿态更新算法

为提高捷联惯导在高动态条件下的姿态解算精度,基于等效旋转矢量泰勒级数展开法,提出一种基于正弦函数拟合的高动态捷联惯导姿态更新算法。以正弦函数拟合载体运动角速度,考虑Bortz方程高阶项的影响,对陀螺角增量表示的旋转矢量进行泰勒六阶展开,对比旋转矢量不同形式表达式求得误差补偿系数。在MATLAB平台上,以圆锥运动与大角速率转动并存环境作为仿真条件,对所提算法与传统算法进行对比仿真分析。仿真结果表明,在小半锥角低频圆锥运动伴随高速角速率转动情况下,所提算法性能较好,当半锥角为0.5°、角频率为2.26πrad/s、常值角速率为5.30 rad/s、姿态解算周期为0.02 s时,所提正弦函数拟合三子样旋转矢量算法与传统扩展形式频率级数/显示频率三子样圆锥算法相比误差降低了2个数量级。

改进形状上下文蚁群算法的边缘景象匹配方法

针对弹体低空飞越沙漠、山地等区域时,实时图与基准图之间尺度差异大,匹配误差大的问题,提出一种用改进的形状上下文结合蚁群算法对边缘特征进行部分形状匹配的方法。为克服异源图像边缘特征的形状差异,在形状上下文算法的基础上,提取边缘邻域特征,根据边缘邻域特征相似性进行粗匹配选出候选边缘,再利用候选边缘和待配准边缘点的位置关系和形状相似度使初始化后的蚂蚁遍历所有边缘点,然后利用转换后匹配点对的距离加权和计算信息素增量,由相邻匹配点对的方向约束关系计算其权重,并根据相邻匹配对的距离关系辨别出没有正确匹配关系的边缘片段,则剔除片段上的匹配点对,对应匹配对的权重为零,最后多只蚂蚁共同多次迭代得到最优匹配结果。在实测红外可见光数据集上进行景象匹配实验,结果表明,提出的算法显著优于SIFT算法,能够克服异源图像上边缘特征的形状差异,实现两个边缘特征的精确匹配,定位精度比传统的边缘特征匹配方法提高了43.71%。

一种考虑g敏感性的MIMU系统级标定方法研究

针对微机械惯性测量单元(micro-electro-mechanical-system inertial measurement unit,MIMU)中存在陀螺漂移的g敏感性以及因漂移误差大而无法进行自主方位对准问题,建立了MIMU系统级标定Kalman滤波状态空间模型,考虑g敏感性误差状态的影响,在量测方程中加入方位失准角变化率以增强g敏感性的状态估计可观性;直接采用外输入粗略初始方位角进行导航解算,降低地球自转角速度的影响,提高陀螺漂移估计精度。设计了一套完整的系统级标定转位编排方案,陀螺标定和加速度计标定相互依赖,共同协作完成MIMU系统级标定,能够有效分离出所有30个标定参数,利用某型号弹载MIMU进行了实物标定试验验证,分别用标定前后数据进行导航解算,对比导航结算结果发现标定后的3个方向的导航速度都降低了,加速度计的刻度因数和零偏标定精度更高。特别在MIMU存在多轴大角度转动情况下,近10 min内达到优于30 m/s的导航速度精度,验证了系统级标定具有较高的精度。

基于交互式多模型因子图的自适应组合导航算法

针对复杂城市环境下因外部干扰或传感器故障而引起的传统车载导航系统定位精度下降的问题,提出了一种基于因子图的交互式多模型车载导航算法。基于因子图优化算法建立了IMU/GNSS/LIDAR组合导航系统模型,引入了交互式多模型对子系统传感器量测进行建模并构建变量节点,利用模型概率更新来优化传感器权重,并依据因子图非线性优化和增量平滑理论实现车载导航系统的解算与更新。实验结果表明:相比于自适应因子图算法,所提算法在复杂城市环境下的定位精度提高了26.2%。

一种基于实测飞行轨迹的惯导误差分析方法研究

针对传统蒙特卡罗仿真方法用于惯导误差分析时计算量大且参数调整不便的问题,提出了采用Kalman滤波的状态均方误差预测公式结合惯导误差传播方程进行误差协方差分析的新方法。该方法将惯导总误差分解为各种不同误差因素的线性组合,且各误差因素之间是相互独立的,误差计算和参数调整都非常简单方便。以一组实测飞行轨迹数据为例,利用所提协方差分析方法进行误差分解,并将结果以多种形式直观展示,显示了新方法在误差分配和精度评估中的优越性。

红外成像导引头对隐身飞机探测性能提升途径分析

隐身飞机的出现对现有雷达和红外制导空空导弹的目标探测能力都提出了挑战。由于隐身飞机对雷达隐身的效果优于红外,相对而言,红外制导空空导弹具有反隐身的优势。但红外导引头仍需采取一定的措施以提高其对隐身目标的探测识别能力。本文针对红外成像导引头探测隐身目标能力提升需求,首先梳理了隐身飞机的红外辐射特征,之后根据红外成像导引头探测性能的影响因素,提出了采用双色/多波段成像探测、优化系统工作参数设计、提高成像质量和场景自适应性、采用低信杂比目标检测截获等技术以提高系统对隐身飞机的探测识别能力。

基于动态视觉传感器的无人机目标检测与避障

针对无人机在动态环境中感知动态目标与躲避高速动态障碍物,提出了基于动态视觉传感器的目标检测与避障算法。设计了滤波方法和运动补偿算法,滤除事件流中背景噪声、热点噪声及由相机自身运动产生的冗余事件;设计了一种融合事件图像和RGB图像的动态目标融合检测算法,保证检测的可靠性。根据检测结果对目标运动轨迹进行估计,结合障碍物运动特点和无人机动力学约束改进速度障碍法躲避动态障碍物。大量仿真试验、手持试验及飞行试验验证了所提算法的可行性。

一种基于舰艇综导信息的快速传递对准方法

当降级采用综导信息进行传递对准时,由于舰艇综导信息与舰载装备距离较远,舰船的挠曲变形、信息时延与不同步对主、子惯导之间的传递对准精度有较大的影响。借鉴大型舰船变形模型,将舰船挠曲变形、量测时延等相关变量列入状态方程,能够显著降低挠曲变形、时延对传递对准精度的影响;并针对不同步量测信息设计序贯卡尔曼滤波器,完成对子惯导姿态的估计。仿真结果表明,该方法满足舰载制导武器传递对准的高精度和快速性要求,具有工程应用价值。

集群无人机协同导航构型优选方法

针对现有集群无人机协同导航构型优选方法运算效率低的问题,提出一种基于改进粒子群优化算法的集群无人机协同导航构型优选方法。首先利用协同精度因子作为构型评估标准提高评估精度,并在此基础上,采用自适应惯性因子和非对称学习因子对粒子群优化算法进行改进,提升了算法的寻优性能以及收敛速度,同时筛选出最优构型,提高了集群无人机协同导航的定位精度。仿真结果表明,改进粒子群优化算法与传统粒子群优化算法相比,构型的协同精度因子值减小了33%。在此基础上,所提优选方法提升了对集群中用户机的定位精度,减小了构型优选的计算量,利于大规模无人机集群的广泛应用。

面向民机可视导航的场面多尺度目标检测

民航飞机视觉辅助驾驶系统通过机载视觉传感器获取周边威胁态势信息,为飞行员提供辅助决策等信息,但是机载视觉传感器获取的机场场面威胁目标尺度变化大,且机载平台算力有限,现有的目标检测方法难以满足视觉辅助驾驶需求.针对上述问题,提出一种基于YOLOv5s算法的轻量化多尺度目标检测算法.首先,为增强场面小目标的特征表达,在加权双向特征金字塔网络(BIFPN)基础上,引入坐标注意力(CA)机制,设计CA-BIFPN特征融合网络,提高模型对多种尺度目标的学习能力.然后,设计GSConv解耦检测头,相互独立优化分类和回归目标,提高目标检测的精度.设计的跨级部分网络轻量化颈部模块可减少因引入解耦头增加的参数量,大幅提高整体网络的检测速度,实现场面目标实时检测.为了验证算法性能,构建机载视觉传感器滑行视角的实测数据、仿真数据组成的多尺度场面目标数据集.在该数据集上的实验结果表明,所提方法检测精度超过Faster R-CNN、SSD和YOLOv6、YOLOv7、YOLOX等经典多尺度目标检测算法,均值平均精度为71.40%,比YOLOv5s提高4.19个百分点;在机载计算仿真实验平台上,检测帧率达到71帧/s,满足实时检测要求.

基于空间目标异步观测的惯导误差快速确定

针对惯性/天文组合导航系统中大的初始状态误差影响惯导误差收敛速度的问题,在星相机观测具有先验位置信息的有限空间目标的辅助下,提出一种基于目标-恒星角距异步测量的惯导误差在线快速确定方法。首先,在星相机光轴旋转角度和视场角大小受限的情况下,设计了通过异步照相观测方式获取有效空间目标参考信息的方案;其次,在利用惯导误差状态传播模型实现异步测量信息同步处理的基础上,构建基于空间目标与恒星之间角距的非线性最小二乘优化模型,避免了星相机的光轴扰动和安装误差对测量精度的影响;最后,基于高斯牛顿法设计了两轮迭代优化估计惯导位置误差和速度误差的方法。蒙特卡洛仿真结果表明,所提方法利用对空间目标和恒星的有限观测信息,可以有效估计惯导位置误差和速度误差,在初始位置误差约十千米量级的情况下,可以估计补偿约97.73%的位置误差以及66.25%的速度误差,优化求解误差参数的计算耗时为0.0160 s。

复杂光强下无人机视觉惯性定位算法

针对复杂光照条件下视觉惯性同步定位与地图构建(VIO-SLAM)算法易发生偏移以及跟踪失败等问题,提出了一种改进的VIO-SLAM算法。首先,所提PVIO-SLAM算法对图像进行照度判别,对不同照度分别进行自适应对数校正和对比度受限的直方图均衡化(CLAHE)处理;接着,采用提出的自适应加权融合策略对预处理后的图像进行融合,同时使用预积分缩小匹配范围加速特征点匹配,引入回环校验来提高算法的鲁棒性;最后,在公共数据集上进行实验,与原算法相比,未开启回环校验时所提算法均方根误差降低35.75%,开启后均方根误差进一步降低14.96%。实际场景下的实验结果表明,所提算法的运动轨迹与真实轨迹相吻合。综上所述,提出的算法有效提升了复杂光照条件下的VIO-SLAM的精度,具有较高的鲁棒性。

面向空中目标拦截的轻量化弱小目标检测方法与应用

空中目标拦截技术依赖于目标检测与跟踪技术,而弱小目标检测作为其中的难点,其效果将直接影响整个系统的性能。针对此问题,提出了一种面向空中目标拦截的轻量化弱小目标检测方法。首先,针对弱小目标全局信息较少的问题,以YOLOv5作为基础网络,使用Swin Transformer替代其结构中的C3模块,从而增强网络的局部信息捕获能力。随后,为了补偿被稀释的语义信息,在此基础上提出具备跨连接策略的特征融合网络,通过额外融合不同尺度的特征图,解决这个问题。最后,在特征融合网络上使用一次额外的上采样并融合高分辨率特征图,进一步提升网络对弱小目标检测的能力。此外,引入目标跟踪神经网络DaSiamRPN实现对动态弱小目标长时间跟踪。为保证无人飞行器上的边缘计算设备可以实时进行模型推理,在上述基础上进行模型轻量化,剔除了模型的大尺度目标检测头,以减少模型的参数量。通过计算,改进后的算法较原YOLOv5模型参数量减少了21.5%。在VisDrone2019数据集上的实验结果表明,提出的基于YOLOv5s的轻量化目标检测算法能更好地完成弱小目标检测任务,在准确率、召回率及平均精度均值上分别达到了96.3%、59%和40.2%,各指标均明显高于原始YOLOv5s算法,且优于目前主流目标检测算法。同时在TinyPerson数据集上进行泛化实验,实验结果表明,改进后算法的弱小目标检测性能得到明显提高。为了进一步验证所提方法的有效性,在无人机平台上进行了空中目标拦截的飞行测试,结果表明该方法能很好地完成目标检测跟踪任务并成功拦截目标,为空中目标拦截提供有力的支持。

基于航迹规划的无人机地形辅助导航

为改善无人机基于地形轮廓匹配的地形辅助导航地形适应性差、实时性差的问题,本文提出一种基于航迹规划的地形辅助导航方法。针对地形匹配对地形依赖性强的问题,将无人机需要途经的区域进行分块并计算各块地形标准差,根据地形标准差选出地形平坦区域和地形起伏区域,用航迹规划算法为无人机规划出在地形起伏较大区域的航线。针对传统遍历搜索高程匹配算法耗时长的问题,在粒子群算法基础上引入分布估计的思想,形成优化粒子群算法进行地形轮廓匹配,加强全局寻优能力。仿真实验结果表明:优化粒子群算法降低匹配时长2/3,基于航迹规划的地形辅助导航降低位置误差6/7。

基于改进Sage-Husa的GNSS/SINS组合导航系统自适应UKF算法

GNSS/SINS组合导航系统的无迹卡尔曼滤波器(UKF)是以准确的测量噪声统计特性为基础的,当测量噪声统计特性发生变化时,如不对其进行准确的估计,将会导致UKF的滤波性能下降甚至发散。为了解决上述问题,提出了一种基于改进Sage-Husa的GNSS/SINS组合导航系统自适应UKF算法(ISHUKF)。首先,建立了GNSS/SINS非线性组合导航系统的简化UKF模型;然后,在分析组合导航系统中常规Sage-Husa算法存在滤波发散原因的基础上,提出了一种改进的Sage-Husa算法以保证测量噪声估计方差的正定性;最后,进行了GNSS/SINS组合导航系统的仿真实验。实验结果表明,相对于变分贝叶斯算法,ISHUKF对测量噪声方差的估计精度与其大致相同,并且算法更加简单;相对于标准UKF算法,在整个仿真时段内可提高组合导航系统的位置精度、速度精度和姿态精度分别约33%、35%和72%,进而验证了算法的可行性及优越性,并为复杂环境下组合导航系统的滤波方法提供了一种简易的方法。

基于5G信号异步时钟误差补偿的多无人机协同定位方法

5G信号可为多无人机(UAV)提供精确的相对测距/测角信息,进而提升其在卫星接收机故障时的协同定位精度。然而,协同网络中各节点的5G通讯时钟往往是异步的,这会对测距/测角信息的精度产生较大影响,进而降低融合性能。针对上述问题,提出了一种基于5G信号异步时钟误差补偿的多无人机协同定位方法。首先,构建了基于5G信号异步时钟误差的相对测距模型,并利用相对测距/测角信息以及高度计信息建立了从机的位置观测方程。在此基础上,通过设计迭代扩展卡尔曼滤波器(IEKF)实现了对从机惯导系统(INS)误差以及异步时钟误差的联合最优估计,提高了从机定位精度。仿真结果表明,相比于传统方法,所提方法将从机的水平定位精度提高了25.3%。

一种机载惯性/光电组合导航误差修正方法

为提升无人机在全球卫星导航系统受限甚至拒止环境下的导航精度,提出了一种机载惯性/光电组合导航误差修正方法。考虑了捷联惯性导航系统(SINS)姿态误差对光电探测系统(EODS)定位精度的影响,建立了包含SINS姿态误差的测量方程,推导了滤波观测噪声与EODS测距、测角误差之间的函数关系,建立了准确的观测噪声协方差矩阵模型。仿真结果表明:相较于传统SINS/EODS组合导航算法,所提方法滤波收敛速度更快,并且有着更高的姿态和位置精度,2000 s后横滚、俯仰、航向精度分别提高47%、59%、82%,东向、北向、天向定位精度分别提高49%、44%、25%,提升了无人机在卫星信号较弱或缺失的环境下的导航能力。

基于激光雷达的多层楼梯检测和建模方法

移动机器人在多层建筑进行自主导航时,需要具备楼梯检测和建模能力。然而,目前楼梯检测和建模主要面向单层直楼梯,对具有回转结构的多层楼梯适用性差,且场景中存在的动态点云会影响建模精度。针对以上问题,提出了一种基于激光雷达的多层楼梯检测和建模方法。首先,构建了轻量化的2.5D点云滤波器,高效滤除动态和噪声点云;其次,提出了一种基于主成分分析的台阶分类方法,实现了对单个及具有回转结构的复杂多层楼梯的鲁棒台阶检测;同时,设计了一种基于区域分割的台阶尺寸估计方法,提高了楼梯模型的构建精度;此外,提出了一种基于多阈值判断的楼梯模型追踪方法,实现了实时楼梯检测和快速动态建模;最后,分别使用Tang数据集和四足机器人在室内外多重场景下采集的点云数据进行试验验证。结果表明,提出的算法在室内外场景下,能够对单层及具有回转结构的多层楼梯进行动态检测和建模,其中台阶尺寸的估计精度在1 cm以内,计算量降低了51.23%。

基于节点贡献度评估的集群无人机协同导航方法

针对集群无人机协同导航中传统构型优选效率低、实时性差等问题,提出了一种基于节点贡献度评估的集群无人机协同导航方法。推导了基于测距/测角信息的协同精度因子(CDOP)计算方法。并以CDOP为指标,提出了一种节点贡献度计算方法。采用模糊综合评价法,以贡献度和测距/测角误差为因素集,提出了节点贡献度综合评估方法。该方法综合考虑节点构型、量测误差等因素,实现了最优构型下的量测信息快速筛选。将筛选后的量测信息与INS位置估计融合,实现集群无人机的协同定位。仿真结果表明,相较于快速选星经验方法,所提出的算法定位精度明显提升,定位误差小于1 m的误差累积分布由15.4%提高到了49.1%。同时,在与改进粒子群优化算法精度相当的情况下,计算效率提升了2.96倍。

小天体附着相对导航观测序列规划及试验

针对小天体附着探测过程中受计算资源限制,序列图像自主相对导航系统难以处理大量光学图像信息的问题,提出一种相对导航观测序列规划的方法,基于Fisher信息矩阵建立了描述陆标观测精度的可观测度指标,并以此为指导设计了观测序列的规划策略,优选出关键观测时刻。为验证相对导航方法的有效性,搭建了小天体附着试验平台,通过8根绳索并联牵引载荷平台实现着陆器6自由度附着运动的模拟。最后在试验平台搭载可见光相机实现小天体附着相对导航的半物理仿真试验,在高精度相对导航的同时大幅降低了导航系统的计算负担,研究将为小天体工程的实施提供支持。