基于改进李群卡尔曼滤波的惯性/里程计组合导航方法

基于李群非线性误差状态的扩展卡尔曼滤波方法(LG-EKF-i),在卫星拒止场景应用中,如高精度惯性/里程计组合导航,由于计算过程中需要将相对地心的位置矢量和速度矢量与姿态误差耦合,导致在舍弃高阶项时容易产生数值计算误差累积的问题,致使导航精度下降.本文提出一种改进的李群卡尔曼滤波器,将参考系从惯性系改为世界坐标系,将投影系从地球系改为世界坐标系,有效减小了李群卡尔曼滤波器在一阶近似过程中产生的数值计算误差累积.本文使用考虑了里程计和惯导之间安装偏差角、杆臂误差和里程计标度因数误差的21维卡尔曼滤波器,对算法进行了验证.在小初始对准误差角实验中,4组长航时高精度惯性/里程计组合导航结果表明,本文提出的改进李群卡尔曼滤波方法(LG-EKF-w)相较于传统扩展卡尔曼滤波方法(EKF)、状态变换卡尔曼滤波方法(ST-EKF)以及改进前的李群卡尔曼滤波方法(LG-EKF-i)具有更高的数值计算精度.大初始对准误差角条件下的开环轨迹实验进一步验证了LG-EKF-w算法的有效性.

因子图框架下里程计辅助GNSS/INS组合导航算法

在复杂观测环境下,GNSS/INS组合导航系统的GNSS信号易受干扰从而导致INS独立导航精度迅速下降。针对上述问题,本文基于因子图的里程计辅助GNSS/INS组合导航算法,利用里程计观测信息结合非完整性约束构建航向速度约束方程,同时采用能多次线性化计算和多次迭代的因子图优化方法进行参数估计。实际车载试验解算结果表明,在GNSS信号良好时,基于因子图方法比滤波方法具有更快的收敛时间,收敛速度提高了近10倍;在GNSS信号发生中断时,添加里程计辅助后组合导航系统在东向和北向分别提升了83%和89%。与传统的滤波融合手段相比,本文采用因子图优化后在东向和北向的定位精度分别有63%、70%的改善。

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。

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。

以深拖作业为例对比超短基线定位与惯性组合导航定位

本文介绍了TeledyneBenthosTTV-301深拖系统、SonardyneRange2超短基线定位系统、PHINS6000惯性组合导航系统的构成和海上作业模式,以深拖系统为载体,拖体上搭载超短基线定位系统和惯性组合导航系统,在南海某海域3870m深海区执行近海底高精度探测,对同一载体同一时间获取的定位数据进行对比分析,阐述两种定位方式的技术特点及区别,为深海调查作业中定位技术的选择与应用提供参考。

基于双模式切换的机载惯性/雷达组合导航方法

针对机载惯性导航系统(inertial navigation system,INS)/毫米波雷达组合导航系统中,毫米波雷达测角随机常值误差会带来定位精度损失问题,提出一种基于容积卡尔曼滤波算法的双模式自适应双重切换INS/毫米波雷达组合导航方法。将组合导航过程分为斜距角位置匹配与相对位置矢量匹配两个阶段,并对导航系统建模方法进行改进,将测角常值误差导致的位置误差从组合误差中分离出来。导航初阶段采用斜距角位置匹配模式,针对近距时滤波发散的问题,采用基于滑动窗方差判别的模式切换方法对切换条件进行实时判定,判定满足条件后自动切换组合模式为相对位置矢量匹配模式。以载机着陆为背景进行仿真验证,结果表明,所提方法有效提升了组合导航精度,具有一定的工程意义。

基于多旋翼无人机视觉惯性里程计的设计与实现

针对GNSS信号受到干扰或在拒止环境下,多旋翼无人机的导航定位问题,设计一种多旋翼无人机视觉惯性里程计系统。介绍系统的总体设计方案、硬件选型与设计、软件系统搭建、通信协议规定以及算法设计思路。实验验证结果表明:该系统可以实际运行在多旋翼无人机上,当GNSS信号不可用时,仍可向飞控实时提供多旋翼无人机当前可用位姿,为多旋翼无人机视觉辅助导航设计提供参考。

单目视觉里程计/惯性组合导航算法(英文)

提出一种单目视觉里程计/捷联惯性组合导航定位算法。与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题。通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差。分别在室内外不同环境下进行了22 m的推车实验和1412 m的跑车实验,定位误差分别为3.2%和4.0%。与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航。

惯性/里程计组合导航技术在管道定位中的应用

石油天然气管道担负着油气传输的重任,定期对传输管道检测能使其安全、高效地运行。为此设计了管道导航定位系统,用于对管道探伤位置的精确定位。管道导航定位系统主要由激光捷联惯性导航系统与里程计组成,搭载在管道检测设备中。通过测量、存储检测过程中的传感器信息,在检测结束后离线处理数据,得到管道导航定位信息。通过对惯性/里程计分别进行误差分析与建模,搭建了组合导航系统卡尔曼滤波器模型,进行了跑车试验与实际管道定位试验。试验结果表明该惯性/里程计组合导航管道定位精度满足管道高精度定位要求。

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VB-EKF的GPS/INS松组合导航定位算法

针对应用在无人机(Unmanned Aerial Vehicle,UAV)中的全球定位系统/惯性导航系统(GPS/INS)松组合导航非线性系统受到外界噪声干扰导致量测噪声在滤波时不断变化,从而造成滤波精度下降等问题,提出一种变分贝叶斯扩展卡尔曼滤波(VB-EKF)算法。该算法利用EKF(Extended Kalman Filter)将非线性系统中的状态函数和量测函数展开为线性方程,并将两个不同的导航系统数据进行融合,避免了单系统导航定位发散的问题。考虑到组合系统中量测噪声的时变特性,引入变分贝叶斯算法进行改进,有效解决了系统滤波精度下降问题。仿真结果表明,VB-EKF较EKF算法可有效提高滤波稳定性,进而提高系统导航定位精度。

城市环境下视觉惯性里程计辅助PPP定位

针对复杂城市环境下,卫星信号容易受到遮蔽,精密单点定位(PPP)技术无法实现高精度连续定位,而视觉惯性里程计(VIO)可以提供连续的相对位置和速度,但其误差随时间累积,无法长时间独立提供高精度导航等问题,提出半紧组合VIO辅助PPP(VIO-PPP)的定位方法:设计了VIO和PPP 2个滤波器;在VIO滤波器中,使用多状态约束下的卡尔曼滤波器来处理获取的视觉图像和惯性测量单元(IMU)观测数据,以预测位置和速度,并用PPP滤波器来修正预测值;同时根据定位精度因子和卫星的数量,在不同的环境中对PPP和VIO采取不同的加权策略;然后搭建全球卫星导航系统(GNSS)、惯性和视觉多源融合数据采集平台,对各传感器完成参数标定和时间同步,形成一套完整的城市环境下的高精度定位系统;最后在户外复杂环境中进行多组实验,比较VIO、PPP和VIO-PPP不同定位模式的定位结果。实验结果表明,多源融合导航系统可以显著提高导航性能,与PPP相比,VIO-PPP模型的精度能够提高40%以上,平面精度和高程精度分别可达到0.2和0.3 m。

一种基于证据推理的惯性/视觉里程计深组合导航方法

针对传统的惯性/视觉里程计组合导航中出现的因误匹配导致组合导航精度低的问题,提出了一种基于证据推理的惯性/视觉里程计深组合导航方法。在惯性/视觉里程计组合导航过程中,使用证据推理对与视觉里程计匹配置信度相关的特征量进行融合计算,将融合计算得到的综合置信度作为组合导航量测更新的依据之一,降低误匹配对导航精度的影响。同时,利用惯性信息辅助提升视觉里程计的测量精度与计算速度。最后,通过对视觉里程计的误差进行深入分析,构建惯性/视觉里程计深组合导航模型,提升了组合导航精度。机载试验结果表明,基于证据推理的惯性/视觉里程计深组合导航方法的实时定位精度由0.4%D提升到0.3%D(CEP),具备工程应用条件。

陆用捷联惯导系统/里程计自主式组合导航技术

利用里程计辅助捷联惯导系统构成一种自主式组合导航系统.用捷联惯导系统解算出的速度和里程计所测量的速度之差作为观测量,利用闭环卡尔曼滤波技术进行误差估计与校正,并给出了仿真结果.仿真结果表明,该组合导航系统可有效地减小速率、经度和纬度、航向角和姿态角及航迹推算下的位置等导航参数的累积误差.

GNSS/INS组合导航中IMU参数设定与优化

针对惯性测量单元(IMU)参数设置不合理导致全球卫星导航系统(GNSS)/惯性导航系统(INS)组合导航无法充分发挥IMU性能的问题,提出了一套IMU参数设定与优化方案,建立了以GNSS短期中断期间导航漂移误差统计值、理论估计精度一致性以及IMU误差参数估计稳定性为评估对象的考核准则,使优化后的IMU参数可以确保GNSS/INS组合导航解算中状态预测方差阵的准确性,实现预测信息与观测信息权重合理分配,进而保障GNSS/INS组合导航最优性能。实测验证采用ADIS16465和ICM206022款典型车规级和消费级微机电(MEMS)IMU进行性能测试分析,测试结果表明:初始IMU参数与GNSS/INS组合导航算法适配度较低,无法得到最优组合导航结果;优化后,IMU参数在保障组合导航最优性能基础之上,也可实现理论估计精度与实际精度高度一致。

改进量测的车载捷联惯导/里程计组合导航算法

针对车载SINS/Odometer速度量测和位置量测组合导航算法的潜在缺陷,提出了改进量测算法。在分析里程计输出误差模型的基础上,将里程计标度因数误差和惯导系统安装偏差均列入状态变量,并将1s内惯导位置增量和航位推算位置增量之差作为量测值进行组合导航。车载试验使用精度为0.02°/h的激光陀螺捷联惯导系统,采用该算法后行驶54 km,定位精度可达行驶里程的0.08%。离线分析进一步证实,改进算法可以快速估计出各项传感器误差、安装偏差和初始对准误差,从而保证系统的定位和定向精度。

捷联惯导/里程计组合导航方法

针对车载自主导航需求,基于卡尔曼滤波器,实现捷联惯导与里程计量测信息的组合导航.推导了里程计误差模型,结合捷联惯组误差模型与捷联系统误差模型,建立了捷联惯导/里程计自主组合导航系统误差状态模型.建立了捷联惯导/里程计组合导航量测模型,阐述了估计误差修正方法.采用仿真计算对此方法进行了验证,仿真结果表明:组合导航过程中,初始姿态误差能得到有效估计,姿态误差和位置误差均能控制在一定精度范围内,应用此组合导航方法相对于传统的航位推算方法能得到更高的导航精度,能有效实现自主高精度定位定向.

天文/惯性组合系统中重力扰动补偿方法

针对重力扰动引起惯性水平基准姿态测量误差进而导致天文/惯性组合导航系统定位精度下降的问题,提出天文/惯性组合系统中的重力扰动补偿方法。首先,基于导航误差模型分析了影响天文/惯性组合导航系统定位精度的主要因素。其次,推导了重力扰动、惯性水平基准姿态测量误差与天文导航定位误差之间的传播机理。然后,研究了重力扰动建模与修正方法,并将重力扰动补偿方法应用于惯性水平基准的导航解算回路中,实现重力扰动的有效补偿。跑车试验结果表明,所提重力扰动补偿方法可以将天文/惯性组合导航系统中定位误差的振荡幅值由1.6 n mile降低至0.5 n mile。

一种全局低偏的视觉/惯性/弱定位辅助融合导航系统

以视觉惯性为核心的导航技术在长期运行工况下误差会不断累积,进而产生严重的轨迹偏移。针对该问题,提出一种全局低偏的视觉/惯性/弱定位辅助融合导航系统。该系统以视觉惯性里程计高频率、高局部精度特性为基础,在室内外不同场景中,提供可选的全局信息辅助方案,融合卫星导航原始信息、超声基站测距信息以及视觉靶标定位辅助信息,实现室内外一体化全局低偏导航。搭建数据平台采集现实数据,基于激光点云匹配方法生成轨迹真值,将本文方法与VINS-Mono方法和ORBSLAM3方法进行导航精度评估对比,证明所提出的系统在全天候室内外不同光照环境中鲁棒性最好,在局部和全局都具备最优的导航精度。