基于状态变换多状态约束卡尔曼滤波的视觉/惯性组合导航

为了进一步提高视觉/惯性导航精度,提出了一种基于状态变换多状态约束卡尔曼滤波(ST-MSCKF)的视觉/惯性组合导航算法。与标准的多状态约束卡尔曼滤波(MSCKF)相比,ST-MSCKF对速度误差进行了更严格的定义,并以新的非线性速度误差为基础重新推导了视觉/惯性组合导航的系统误差模型和量测模型。由于ST-MSCKF比MSCKF具有更好的协方差一致性,从而具有更高的位置和姿态估计精度。与观测性约束MSCKF(OC-MSCKF)解决不一致问题的方法不同,ST-MSCKF不需要实时修正状态转移矩阵和量测矩阵去保持视觉/惯性组合导航系统的可观测性,ST-MSCKF的运算流程与标准的MSCKF完全一致,算法实现容易。车载导航实验表明,ST-MSCKF具有比MSCKF更高的位置和姿态精度,与OC-MSCKF精度相当,具有良好的工程应用价值。