移动机器人SLAM位姿估计的改进四元数无迹卡尔曼滤波

在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。

采用四元数无迹卡尔曼滤波的低成本车载姿态航向系统

针对低成本车载定姿系统使用惯性导航计算姿态角存在误差累积的问题,采用三轴陀螺仪、三轴加速度计和磁力计实现了姿态航向系统,有效抑制了误差对陀螺姿态的影响。该系统基于四元数的微分方程,通过四阶龙格库塔法进行时间更新,采用无迹卡尔曼滤波融合算法,引入加速度计和磁力计计算的角度进行滤波更新,提高了低成本车载姿态航向系统的精度。实验测试结果表明,基于四元数无迹卡尔曼滤波的低成本车载航向系统在静止状态下航向角、俯仰角、横滚角最大误差分别可以控制在0.021°,0.038°,0.015°以内,动态情况下,航向角、俯仰角、横滚角的均值误差分别为0.129°,0.729°,0.303°。

基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法

对传统多旋翼无人机姿态估计算法难以兼顾高精度、强实时性以及抗干扰能力差的问题,首先基于一种计算量较小的衍生无迹卡尔曼滤波算法,在量测更新中,将加速度数据和磁力计数据分为两个阶段进行姿态四元数校正处理,然后从旋转四元数的本质出发,推测出四元数各元素分别包含着不同的姿态角信息,最后将校正四元数分别乘上为降低校正过程中的相互干扰所设计的系数,提出一种基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法.通过使用PIXHAWK飞控数据,与传统姿态估计算法进行仿真实验对比,实验表明,本文提出算法与传统使用扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)的姿态估计算法相比,在实时性、解算精度和抗干扰能力方面有较大提升.

四元数扩维无迹卡尔曼滤波算法及其在大失准角快速传递对准中的应用

针对快速传递对准中量测失准角为大角度的情况,在非线性欧拉角误差模型基础上,推导了一种基于乘性四元数的等效快速传递对准模型.为解决四元数在无迹卡尔曼滤波(UKF)算法中的应用问题,提出了一种基于四元数的状态扩维无迹卡尔曼滤波(Q--AUKF)算法.该算法将系统噪声增广到状态向量中,解决了乘性四元数噪声无法进行向量意义下四则运算的问题.针对四元数加权均值规范化的限制,采用平均四元数算法保证其正交规范化要求.最后将其应用到快速传递对准中的仿真实验结果表明,在量测误差角为大角度的情况下,该算法具有更高的估计精度与收敛速度.

用四元数状态切换无迹卡尔曼曼滤滤波器估计的飞行器姿态

在较大初始姿态误差角下,针对捷联惯导/CCD星敏感器(strap-intertial navigation system/CCD star sensor,SINS/CCD)姿态估计系统扩展卡尔曼滤波(extended Kalman filter,EKF)算法精度下降的问题,提出了基于四元数的状态切换无迹卡尔曼滤波算法.通过状态实时切换降低了全维无迹卡尔曼滤波(unscented Kalman filter,UKF)的维数,减小了计算复杂度,提高了系统的实时性.文中采用基于特征向量求解的代价函数法计算四元数均值避免了UKF算法中四元数规范化的限制;利用乘性误差四元数表示姿态更新点与估计点之间的距离,解决了四元数协方差阵奇异性问题.仿真实验结果表明:与EKF相比,该算法在精度上有较大提高;与全维UKF算法和修正罗德里格斯参数UKF算法相比,该算法精度相当但估计时间均有不同程度的减少.

四元数卡尔曼滤波组合导航算法性能分析

为分析四元数卡尔曼滤波组合导航算法在飞行器姿态估计中的性能,在建立四元数卡尔曼滤波观测方程、状态方程和方差计算模型的基础上,分别设计了陀螺/加速度计/磁强计组合导航仿真算例和陀螺/加速度计初始对准实验,比较了四元数卡尔曼滤波组合导航算法相较于传统扩展卡尔曼滤波组合导航算法在计算量、收敛性、收敛速度、收敛精度方面的性能.分析结果表明该滤波器无须扩展卡尔曼滤波器的线性化过程,计算量小,算法实现简单;收敛性和收敛速度均优于扩展卡尔曼滤波器.收敛精度较扩展卡尔曼滤波器高出约两个数量级,但收敛过程中存在一个比扩展卡尔曼滤波器精度低的时间区间.

基于四元数自适应卡尔曼滤波的快速对准算法

针对捷联惯导初始对准问题,提出了一种具有干扰抑制能力的四元数自适应卡尔曼滤波初始对准算法。通过将初始对准问题转化为Wahba姿态确定问题,直接建立四元数的滤波模型,并采用自适应卡尔曼滤波对初始时刻姿态四元数进行估计,利用姿态四元数更新求出当前姿态来实时地反映载体的姿态变化。针对直接构建量测模型导致收敛速度慢的问题,提出一种基于最优四元数估计法构造K矩阵原理的改进算法。利用三轴转台模拟不同的摇摆环境进行实验,转台实验表明了改进算法具有较快的收敛速度和良好的稳定性及精度,中等精度的惯导系统在150s至200s的对准时间内,航向角均值误差小于2'。

基于四元数卡尔曼滤波的捷联惯导初始对准算法

针对晃动基座捷联惯导初始对准问题,研究了一种具有干扰抑制能力的初始对准算法。根据重力矢量在惯性空间投影构成一包含地球北向信息的旋转锥面的现象,利用坐标系惯性凝固假设将重力量测矢量和参考矢量分别投影到载体惯性坐标系和导航惯性坐标系,将晃动基座条件下的初始对准转化为基于重力量测矢量确定对准起始时刻的姿态问题。借鉴四元数线性伪量测方程的概念,利用重力投影矢量与初始姿态四元数的线性量测关系实现初始姿态四元数的直接滤波估计。初始姿态四元数在对准过程中为常值,以其作为待估计的状态可避免系统模型误差和初始误差的影响。利用转台模拟不同的摇摆对准环境,导航级惯导系统可在10 min内完成初始对准且方位误差小于3'。

基于四元数和卡尔曼滤波的两轮车姿态稳定方法

针对自平衡两轮车姿态角的在线估计问题,采用四元数的姿态解算算法,利用Levenberg-Marquardt非线性最小二乘法对自平衡两轮车陀螺仪信号拟合,建立了随机漂移误差数学模型,应用卡尔曼滤波融合陀螺仪和加速度计输出的信号,补偿了陀螺仪输出角速度的随机漂移误差,得到了自平衡两轮车姿态的最优估计。实验结果表明,这种姿态估计算法是有效的,有利于车体的自平衡控制。

基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF,Multiplicative Extend-ed Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE,Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.

四元数约束的容积卡尔曼滤波及其应用

针对一些非线性系统状态变量中存在四元数约束的情况,提出了一种四元数约束下的容积卡尔曼滤波(quaternion constrained cubature kalman filter,QCCKF)算法.基于最小约束代价函数,采用三阶球面-相径容积规则近似计算系统状态的后验均值和协方差,给出了QCCKF滤波递推公式.设计的QCCKF算法可以有效地对状态进行估计,扩展了CKF的应用范围.最后对飞行器姿态估计系统进行仿真,仿真结果表明,该算法估计精度优于常规CKF和无迹四元数估计法(unscented quaternion estimator,USQUE),并满足四元数约束条件,较好地解决了非线性系统存在四元数约束的问题,验证了算法的有效性.

鲁棒四元数无味卡尔曼滤波算法在组合导航姿态估计中的应用

针对SINS/GPS直接式组合导航姿态估计中,GPS信号易受外界干扰而引入污染观测量等问题,提出基于Huber的鲁棒化四元数无味卡尔曼滤波算法。通过研究在四元数无味卡尔曼滤波算法中引入Huber鲁棒化框架,对原算法的量测更新进行修正,增强滤波算法的鲁棒性与稳定性。以SINS/GPS位置松组合为应用背景,在不同仿真环境下,验证提出算法对姿态信息的估计效果。试验结果表明:与原算法相比,该算法具有更好的鲁棒性和稳定性。

鲁棒四元数平方根容积卡尔曼滤波算法

针对姿态估计领域中,当系统观测噪声不完全服从于高斯分布或观测量中含有野值时,传统的四元数卡尔曼滤波算法会降阶,使滤波估计性能降低等问题,提出了一种鲁棒化的四元数平方根容积卡尔曼滤波算法。通过研究引入M估计的Huber鲁棒化滤波框架,对四元数平方根容积卡尔曼滤波算法的量测更新进行修正,增强滤波估计的鲁棒性。以SINS/GPS位置松组合为应用研究背景,在不同仿真环境下,对比验证所提出算法对于姿态、速度和位置估计效果,试验结果表明,所提出算法具有更好滤波鲁棒性和稳定性。

MEMSIMU/GNSS联邦卡尔曼滤波中的基于四元数的约束算法(英文)

当全球导航卫星系统(GNSS)失效时,微硅机械(MEMS)惯性测量单元(IMU)与GNSS组合而成的导航系统性能会下降。针对于陆地车辆的导航应用,建立了一个联邦卡尔曼滤波器,四元数是其中一个局部滤波器的部分待估计状态。四元数所得到推算的沿车辆机体坐标系的加速度约束扩展了滤波器的观测量。车载试验表明,与传统滤波算法相比,使用该算法可使三维位置导航精度在GNSS信号失效30 s时提高25%,姿态和速度精度也相应的提高。

在人体运动测量中应用四元数扩展卡尔曼滤波

提出了一种适合多运动传感器方位测定系统的四元数扩展卡尔曼滤波,该方位测定系统适合人体运动领域的研究,它是基于iNEMO整合套件,集成了三轴陀螺仪、三轴加速度计和三轴磁强计。在该文的扩展卡尔曼滤波过程中,通过加速度计、磁力计的量测噪声进行陀螺仪角度修正,使测量角度值逐渐逼近真实角度大小,同时量测噪音的协方差矩阵设计,可以使方位测定系统辨别静止和运动,增加了可靠性。结合人体前臂屈伸运动的测试,验证了算法的有效性,加之其小尺寸、多功能、低功耗的特点,证明基于MEMS的运动传感器在人体运动测量领域的应用前景良好。

基于分解四元数的自适应姿态四元数卡尔曼滤波

基于Clifford代数的四元数卡尔曼滤波在融合陀螺/加表/磁强计以估计姿态时,由于四元数各参数与欧拉角不是一一对应关系,无法独立估计各个欧拉角.这样即使重力观测量是可信的,受到干扰的磁场观测量也会影响整个估计结果.为了消除磁场观测量对四元数中横滚角和俯仰角分量的影响,对四元数进行分解,以重新组合重力/磁场观测量.同时,为了减少载体附近磁场和线性加速度干扰对姿态估计的影响,构造了观测噪声自适应算法和观测量自适应干扰补偿.消费级微机电系统(micro-electro-mechanical system,MEMS)传感器的实验结果表明,对比四元数卡尔曼滤波的原型,改进后的抗干扰能力明显提升.但由于自适应过程引入了两个经验参数,这使得其工作范围和抗干扰能力有待考验.

基于四元数卡尔曼滤波的四旋翼姿态测量系统设计与实现

在嵌入式微小型四旋翼姿态测量系统中,姿态算法、系统冗余、硬件方案等直接影响了测量系统的性能和实用性。针对上述问题构建了一种兼具实用性、鲁棒性以及准确性的姿态测量系统。系统使用四元数卡尔曼滤波对微机电陀螺仪、微机电加速度计以及微机电磁力计进行数据融合处理,在硬件设计中采用双加速度计,并同时采用不同采样频率对其采样以增强系统的冗余性。仿真结果表明该数据融合方法的稳定性以及准确性,同时仿真数据表明系统的测量误差在0.5°以内,能够满足微小型四轴飞行器控制系统所需的姿态测量要求。

基于matlab的四元数卡尔曼滤波组合导航算法

随着无人机技术的不断发展,为了更加全面的实现无人机在不同环境中的姿态解算问题,组合导航算法越来越受到重视,成为目前无人机的研究重点之一,传统四旋翼控制采用融合滤波、互补滤波算法,在姿态解算上有着较好的效果,并且计算速度很快,但是,这种算法在实时性上或者在短时间内变化很大的数据处理中表现一般,本文提出一种将卡尔曼滤波应用到姿态解算中的算法,研究了卡尔曼滤波的matlab实现,并利用卡尔曼滤波对采集到的四元数进行最优估计,在采集样本差异较大的情况下实现数据平滑渐变,与一般的算法相比,提高了系统的实时性与稳定性。

基于四元数卡尔曼滤波的多轴传感器协同人体跌倒监测研究

为了准确、快速、自动地监测人体跌倒,开展了基于四元数卡尔曼(Kalman)滤波的多轴传感器协同人体跌倒监测研究。它使用MPU-9520传感器实时获取人体姿态信息,再基于四元数法实现姿态解算。利用Kalman滤波算法降低噪声影响,提高监测正确率。通过选择加速度、角速度和姿态角的矢量大小的阈值作为跌倒判断标准,提高了跌倒监测速度。实验结果表明,该人体跌倒监测方法性能稳定,数据可靠,实时性强。

基于USQUE的四元数容积卡尔曼滤波算法在组合导航中的应用

组合导航是导航领域中一个重要的研究领域和应用方向。传统的基于惯导误差模型的组合导航模式,因模型在建立过程存在各种近似计算,这必然使得建立的模型中引入诸多近似误差和模型误差,因此,其信息融合的估计精度下降。论文基于USQUE计算流程,提出一种四元数容积卡尔曼滤波算法,并将该算法应用于SINS/GPS位置松组合导航问题当中,仿真结果验证该算法的有效性并且具有较高的估计精度。