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。

GNSS/IMU/LiDAR融合定位研究

为提升低成本卫星接收机和惯性测量单元(inertial measurement unit,IMU)条件下传统组合导航定位的抗干扰性和定位精度,本文通过融合GNSS、IMU、激光雷达(laser radar,LiDAR)来提高定位的鲁棒性及定位精度.在高楼遮挡等复杂环境下由于卫星信号丢失导致卫星定位结果降低,可通过GNSS与IMU的组合来提升导航定位的鲁棒性及其精度.如果卫星信号缺失时间过长,那么低成本条件下的GNSS/IMU组合定位精度仍不理想,本文提出利用LiDAR里程计输出的位置信息与传统组合导航通过扩展卡尔曼滤波(extended Kalman filter,EKF)进行融合定位.实验得出:在无遮挡的环境下融合定位标准差(standard deviation,STD)精度较之卫星定位提升53.7%,均方根误差(root mean square error,RMSE)精度提升56%,较之GNSS/IMU组合定位STD精度提升37.9%,RMSE精度提升38.6%.在有遮挡的环境下融合定位STD精度较之卫星定位提升59.4%,RMSE精度提升71.3%,较之GNSS/IMU组合定位STD精度提升26.3%,RMSE精度提升33.7%.

车辆IMU软测量技术精度分析

为节约半主动悬架电气架构和电子控制单元(ECU)的开发流程,提出一种新的半主动悬架传感器布置方案,并给出最佳惯性测量单元(IMU)安装位置。建立通过IMU信号解算4个簧上位置加速度的精确与完备公式,选择合适的角转动次序和参考系来保证解算方法的正确性;利用最优化理论及偏导数方法结合不同的悬架权重研究传感器安装位置对软测量精度的影响,并给出了有约束条件下的最优安装位置。实验结果表明:新提出的传感器布置方案及运动学解算方法可以很好地预测4个簧上位置处的垂向加速度,并具有较高的稳定性,但是安装在不同位置处的解算精度差异较大;通过最优化理论得出的有约束最佳安装理论位置的实验结果与理论符合(均方根误差约为0.6 m·s^(-2)),相比于其他安装位置,最佳安装位置处的实验结果对不同工况均具有较高的稳定性及测量精度;相比于水平安装位置,IMU的垂向位置对最终的解算结果和精度有较大的影响。采用数形结合思想给出了一个IMU安装位置误差等值椭球面,用该椭球面可以较为清楚直观地对安装位置进行分析。

基于IMU与UKF的船舶升沉运动信息测量方法

为获取实时、精确的船舶升沉运动信息,根据船舶升沉运动模型和频谱分析方法,建立描述惯性测量单元(IMU)的加速度测量信息与船舶升沉运动状态量关系的解析模型。基于无迹卡尔曼滤波(UKF)算法非线性滤波的特点,进行升沉运动滤波解算。通过仿真分析证明了所提方法在船舶升沉运动测量中的有效性。利用三自由度平台升沉运动测量实验验证,结果表明,同一模型下,相比于扩展卡尔曼滤波(EKF)算法的解算结果,所提方法具有更快的收敛速度和更高的测量精度;对船舶升沉位移的估计精度达到最大升沉幅值的5%,可以得到精确、无时延的船舶升沉运动信息。

IMU/GPS辅助航空摄影测量技术方法应用研究——以贵阳市航空摄影测量项目为例

通过贵阳市航空摄影测量项目的实施,形成了一套有效可行的IMU/GPS辅助航空摄影测量技术方法。介绍了项目所采用的检校场的布设方法、IMU/GPS辅助光束法区域网像控布点方法,以及IMU/GPS辅助空中三角测量技术,分析了IMU/GPS辅助空中三角测量和DEM/DOM成果精度,论述了该项目所形成的IMU/GPS辅助航空摄影测量技术方法的适用范围和局限性。

一种改进点线特征融合的双目视觉惯性定位算法

在复杂产品装配过程中,对增强现实设备定位是实现虚拟引导信息与装配现场实时融合的核心。传统基于标签或预先构建离线装配基体模型的定位方式,存在装配任务与视觉定位兼容性低,单一视觉定位鲁棒性和稳定性差的问题。利用多传感器融合的视觉惯性导航方式进行定位,可提高定位的精度和鲁棒性,有效提高复杂产品装配质量和效率。本文提出了一种基于点线特征融合的双目视觉惯性定位算法,对双目相机和惯性测量单元(Inertial measurement unit,IMU)进行联合标定,并通过ORB和LSD线端融合的点线特征提取匹配,采取视觉和IMU紧耦合的方式,建立基于点线特征的视觉惯性融合的位姿误差融合模型。对比VINS-Fusion、PL-VIO和本文改进IPLVIO算法,结果表明IPL-VIO算法在结构化场景下的绝对位移和旋转误差比原算法误差更小,同时结构化场景信息更加丰富,能够应用在弱纹理的AR装配现场中,为增强现实辅助装配平台提供稳定可靠的位姿数据。

激光雷达IMU紧耦合的室内大范围SLAM方法

针对激光雷达SLAM算法在室内大范围场景中建图与定位精确度低、鲁棒性差的问题,提出一种激光雷达IMU紧耦合的SLAM方法。该方法基于LeGO-LOAM算法,在点云去畸变环节引入惯性测量单元(IMU)数据,将IMU预积分的结果作为初始位姿,消除点云畸变;在点云配准环节,将IMU预积分的结果作为迭代优化时的初始位姿,提升点云配准精度,从而提高机器人位姿估计的准确性;在后端优化环节,通过构建因子图的方式引入激光里程计因子、IMU预积分因子及回环因子,得到全局最优解,进一步提升建图与定位的精度。为验证所提方法的可行性,设计不同场景下LeGO-LOAM算法与改进SLAM算法的对比实验。实验结果表明,在室内大范围场景下,改进的SLAM算法能够减少轨迹波动,提升建图效果及轨迹精度,增强算法的鲁棒性。

IMU精度对欺骗检测算法的影响分析

针对全球卫星导航系统(GNSS)/惯性导航系统(INS)紧组合导航系统对抗欺骗干扰的常用方法基于新息的欺骗检测算法中,正常情况下,新息向量服从零均值的高斯分布,当受到欺骗干扰时均值不再为零,进而影响欺骗干扰检测效果,且由于INS惯性测量单元(IMU)精度造成的位置误差也会影响新息向量的均值等问题,开展IMU精度对欺骗检测算法的影响分析:提出GNSS/INS紧组合模型与欺骗干扰模型;然后分析IMU精度对欺骗检测算法的影响,以及INS误差传播对观测新息的影响。实验结果表明,不同IMU精度对伪距估计值的影响,导致新息检测量在无欺骗干扰时不再是零均值;使用基于新息的欺骗检测算法对于IMU精度有要求,随着卡尔曼(Kalman)滤波状态传播间隔与检测窗口缩短,对于IMU精度的要求降低。

一种双路并行的大规模手势识别模型

文章以大规模手势为研究对象,提出一种基于肌电信号(electromyography,EMG)分支和惯性测量单元(inertial measurement unit,IMU)分支的双路并行手势识别模型。首先,设计双路并行模型来充分提取数据特征,EMG分支利用二维卷积神经网络设计双流结构,分别关注EMG信号的空间和通道变化,IMU分支在卷积长短时记忆(convolutional long short-term memory,ConvLSTM)网络基础上引入时间机制,将空间信息与时间信息融合;其次,对模型预训练并根据预训练模型进行参数微调,提高模型泛化性;最后,在500个常用的中国手语手势上进行测试,结果表明,该模型平均识别率为82.1%,与SignSpeaker和CG-Recognizer相比分别提高了21.0%和6.8%。

单目相机-IMU-机械臂的空间联合标定方法

将单目相机和惯性测量单元(IMU)固定在机械臂末端,可以有效地协助机械臂进行运动估计和场景感知。单目相机、IMU和机械臂之间可靠、准确的标定是实现随动感知的前提。但是,传统的标定方法存在耦合误差大、标定一致性差和6自由度激励不充分的问题。为此,本文提出了一种新颖的单目相机-IMU-机械臂的空间联合标定模型,该模型能够将旋转分量的误差和平移分量的误差完全解耦。此外,创新性地设计了一种螺旋式运动轨迹来标定感知模块,采用这种运动轨迹能够避免6自由度激励不充分和一致性差等问题。在实验环节,本研究搭建了单目相机-IMU-机械臂空间联合标定平台,计算得到三轴姿态角和平移分量的均方根误差分别小于0.7°和7 mm,证明了所提标定方法的有效性。

大船甲板变形监测系统中IMU的优化布局

大型船只的甲板变形极大地影响着船载设备所需姿态信息的精度,通过在舰船上安装惯性测量单元(IMU),采用惯性匹配的方法能够得到甲板的实时形变信息,出于实际考虑不可能为舰面上所有战位点都安装IMU;文章在舰船有限元模型的基础上进行模态分析,以甲板的MAC(模态置信度)矩阵非对角元作为生成遗传算法适应度函数的依据,利用遗传算法得到舰船甲板变形监测系统IMU的优化布局方案,仿真计算结果表明,该方法能得到较理想的IMU布局方案。

基于因子图的多传感器融合定位方法

针对移动机器人在室内环境中使用单一传感器或松耦合定位存在定位精度低和鲁棒性不足的问题,提出一种基于因子图的多传感器紧耦合定位算法。该算法分别接收来自惯性测量单元(IMU)、轮式编码器和2D激光雷达的数据,并构建IMU预积分因子、轮式里程计因子、位姿先验因子以及激光里程计因子;通过因子图对这些因子进行增量优化后输出得到移动机器人的状态信息,同时实时估计IMU的漂移量并进行校正。实验结果表明,无论是在未知环境还是已知环境下,该定位算法都可以有效提高移动机器人的定位精度和鲁棒性。

旋转惯导系统中IMU转停时间分配技术研究

针对惯性测量单元(IMU)单轴旋转捷联惯导系统改善运载体导航精度能力有限的问题,同时从工程应用角度降低IMU连续长时间正反转引发旋转机构出现故障几率的角度出发,提出一种基于光纤陀螺的双轴转停方案。设计对称分布的双轴16次序转停路径并分析其误差调制原理;根据双轴旋转捷联惯导系统误差特性,研究IMU转停过程对系统导航精度的影响并计算最优转停时间间隔,利用仿真验证本方案的有效性。

甲板变形测量技术研究

当舰上的主导航系统与载机子惯导之间进行传递对准时,船体的变形会引起对准误差。想消除船体变形的影响从理论上讲,挠曲变形可以通过卡尔曼滤波进行估计,但在实际上很难建立足够精确的模型。通过船体变形的测量与校正技术,在大型载舰存在复杂动态变化的情况下,可采用分布式姿态基准,在载舰上的不同部位安装有限套惯性测量单元（IMU）,与舰上主导航系统构建成一个惯导网络,为载机子惯导的传递对准提供更丰富、更准确的载舰状态信息,从而大大提高传递对准的精度的研究。

一种IMU数据采集软件的设计与实现

激光捷联惯组的寻北及导航精度是武器装备的重要指标之一,它决定着打击瞄准目标的准确度和精度。而提高对激光捷联惯组惯性测量单元(Inertial Measure Unit,IMU)原始信号的采样准确性,确保激光捷联惯组寻北、导航解算所使用的IMU输入数据的可靠性和精度,是保证激光捷联惯组的寻北及导航精度的基础。设计的IMU数据采样软件采用定时中断采集IMU的原始数据,通过FIR滤波后进行寻北及导航解算。经应用验证:激光捷联惯组IMU数据采集处理方法可靠,采集标称精度0.003°/h的激光陀螺、偏值不超过5mg的石英挠性加速度计,可以保证IMU器件的原始精度,满足激光捷联惯组寻北和导航精度要求。

基于单目视觉与IMU融合的SLAM教学实验仪器开发

设计了一种面向实验教学的单目视觉与惯性测量单元(IMU)融合的开源同时定位与建图(SLAM)仪器。完成了摄像头和IMU在实时机器人操作系统(ROS)下的数据传输、联合标定、视觉里程计前端、IMU的预积分、视觉与IMU的紧耦合、回环检测和后端优化软件设计,计算得到了仪器实时运动轨迹。该实验教学仪器可以应用于移动机器人的SLAM任务。实验仪器经大量测试,能够为学生提供算法开源的视觉SLAM实验平台,有效提高人工智能、机器人工程的本科人才培养水平,增强学生知识综合运用能力和实践动手能力,获得了良好的实践教学效果。

无人机校飞系统姿态测量装置检测方法

针对无人机校飞系统姿态测量装置的计量检测问题,分析了姿态测量装置的计量特性,确定了主要的计量检测项目,设计了检测方法,进行了测量实验,结果表明所设计的检测方法可行且能够满足装备计量保障要求。

自适应FLP滤波在激光陀螺IMU标定中的应用

激光陀螺的高频机抖使得激光陀螺惯性测量单元(IMU)的测量数据包含较大的随机噪声。传统标定方法通过延长测量时间消除对随机噪声的影响,降低了标定效率。提出了应用自适应前向线性预测(FLP)滤波对激光陀螺IMU的标定数据进行降噪,在较小标定数据量情况下提高系统的标定精度。首先通过四方位正反速率标定试验获得原始标定数据;然后通过自适应FLP滤波器对标定数据进行噪声抑制;最后利用降噪后的数据计算标定参数。试验结果表明,该方法能够有效抑制标定数据中的随机噪声,提高信号的信噪比(SNR),从而在标定数据量较小的情况下得到较高精度的标定参数,提升系统的导航精度。

基于IMU的飞行员操纵舒适性评价研究

针对目前飞行员操纵舒适性难以定量描述的问题,构建飞行员上肢6自由度模型,利用惯性测量单元(IMU)测量飞行员动态操纵过程中的姿势数据,求取位移、速度、加速度,结合生物力学参数,采用旋量形式的Kane方程求出关节力矩,建立了飞行员的操纵舒适性定量评价模型。模拟典型的武器发射作战任务,在4种控制装置的布局设计方案中,平均舒适性得分为0. 461、0. 554、0. 466、0. 539,方案2的操纵舒适性水平最高,证明了模型和方法的可行性。为驾驶舱的优化布局和操纵工效的评估提供参考依据。

基于新型多传感器融合策略的移动端双目视觉惯性SLAM闭环算法研究

研究了复杂环境下基于视觉同时定位与地图构建(SLAM)算法的移动端实时定位问题。该问题有如下几个难点:首先是移动端设备的计算资源受限,这对算法的优化与解算效率提出了更严格的要求;其次是测试场景的复杂多变,使得算法在低纹理及快速运动等情况下容易丢失目标;最后是实际应用时对系统的可拓展性要求较高,需要具备复杂场景下的适应性。针对上述问题,本文提出了面向移动端的双目视觉惯性SLAM算法,采用新型多传感器融合策略,通过将双目视觉图像和惯性测量数据进行紧耦合优化,设计了移动端回环检测算法,显著提升了系统的鲁棒性和可靠性。通过实验验证了所提方法的有效性,其在定位精度上超过了当前同类方法的最好结果,并开发了移动端的增强现实(AR)应用,以展示系统在真实场景中的效果。