惯导/双目视觉位姿估计算法研究

无人飞行器自主导航系统作为无人机自主控制的核心,是制约无人机性能提升的关键因素。传统的惯导/GPS组合导航系统受其自主性、稳定性等限制无法满足无人机导航需求。在分析视觉导航特性的基础上,针对无人飞行器复杂运动特性,设计了基于非线性尺度空间的双目视觉三维位姿估计算法。在此基础上,针对双目视觉导航存在的位姿估计误差累积问题,提出了基于惯导/视觉融合的无人飞行器位置和姿态估计算法,利用卡尔曼滤波实现惯导与视觉信息的融合。通过仿真验证和实际跑车验证结果表明,提出的双目视觉位姿估计算法相比SIFT算法能够有效提高视觉图像特征检测准确度,惯导/视觉组合算法能够有效提高位姿估计精度,组合定位精度优于2.5 m。

新的改进K均值粒子群算法在组合导航的应用

在捷联惯导/卫星导航(SINS/GNSS)紧组合导航系统的非线性非高斯高动态模型中,一般K均值粒子群优化(PSO)算法易出现粒子退化、滤波发散等问题。针对上述问题,提出一种融入权值修正的K均值粒子群滤波方法。通过观测SINS/GNSS紧组合导航系统的精度因子(GDOP),来修正粒子权值,从而修正每个K均值的聚类中心的权重,进而优化粒子;并结合SINS/GNSS紧组合导航系统模型进行了仿真分析。结果表明在非线性非高斯高动态的情况下,该改进算法有效地抑制了滤波发散,提高了精度。

机载布撒器中SINS/GPS导航计算机的设计

文中以布撒器的捷联惯导和 GPS 组合导航系统(SINS/GPS)为研究背景,介绍了以 TMS320VC33为核心处理器,实现多路导航数据实时采集,控制周期内导航数据的解算,GPS 导航数据实时校正,与主控机和遥测机等的数据交换的硬件平台设计过程。

低成本制导弹药虚拟运动预测组合导航方法

采用捷联惯导/卫导松组合导航系统的低成本制导弹药在执行任务时,卫星导航信号闪烁、断续、丢失等情况时有发生,严重降低了导航精度。为解决卫导信号短时缺失条件下的精确导航问题,提出了一种基于虚拟运动状态预测和自适应卡尔曼滤波器的卫导信号补偿导航方法。首先,建立卫导接收机正常工作时的状态与量测方程,构建三维空间下弹药制导过程的动力学模型。其次,根据制导律与动力学特性预测制导弹药的虚拟运动状态,并将其输入卡尔曼滤波器,在一定程度上替代卫导信号。最后,设计一种自适应卡尔曼滤波器,该滤波器可根据新息序列实际协方差与理论协方差的不匹配度自动调节增益。仿真结果表明,在卫导信号短时缺失的情况下,相比基于扩展卡尔曼滤波器的松组合导航方法,所提方法可将平均定位精度提升55%以上,为卫导信号短时缺失条件下的组合导航提供新思路。

基于UKF的新型北斗/SINS组合系统直接法卡尔曼滤波

针对传统的间接法卡尔曼滤波在北斗/捷联惯导(serial inertial navigation system,SINS)组合导航系统中无法实现较高的定位精度且计算的冗余度大的缺点,提出一种基于无迹卡尔曼滤波(unscented Kalman filter,UKF)的新型组合系统滤波算法。本算法以SINS输出的导航参数及平台误差角等作为系统状态,无源北斗输出的位置速度参数作为量测,采用改进的UKF方法进行数据融合,并直接计算组合系统导航参数的最优估计。实验结果表明,新算法可以降低对伪距误差模型的精确度要求,同时避免非线性系统状态方程的线性化,简化滤波参数的调整过程,从而有效地缩短组合导航系统的解算时间,提高定位精度。

车载GNSS/SINS组合导航中零速区间探测方法的改进

零速修正技术是克服捷联惯导(SINS)定位定姿误差发散最为实用的一种约束方法,该技术包含零速区间探测和零速更新两个部分,其中,零速区间探测是零速更新的基础。基于实测数据,对广泛应用于行人微机电系统(MEMS)组合导航中的4种零速区间探测方法在车载全球卫星导航系统/捷联惯导(GNSS/SINS)高精度组合导航中的实际探测性能进行了分析,获得了一些有益的结论。在此基础上,提出使用低通滤波器预先消除陀螺和加速度计数据中的高频噪声,进而提升角速度能量探测器零速区间探测效果的改进方法,并给出了不同窗口的最佳阈值范围。