动基座视觉双惯性姿态测量数据融合方法研究

由于视觉传感器与惯性传感器的高度互补性,视觉和惯性融合是一种常见的姿态测量手段。随着机载、车载等仪器设备的迅速发展,传统静止基座下的姿态测量已无法满足一些实际应用场景的需求。由于受到基座运动信息的干扰,很难对动基座上的目标物进行准确、快速的姿态测量。为了发挥视觉和惯性融合的优势,并实现动态基座下的目标物相对姿态测量,提出了一种基于单目视觉与双陀螺仪的姿态测量系统。分析了测量系统中坐标系的建立以及坐标系之间相对关系,提出了坐标系归一化方案,并利用容积卡尔曼滤波对视觉和惯性结果进行融合,实现了高精度、大范围、快速、稳定的姿态测量。在搭建的视觉和惯性融合姿态测量系统平台上进行了实验验证,结果证明该系统坐标系归一方案与融合算法的有效性。实验结果表明,所搭建系统具有较高的准确度,融合后的俯仰角和方位角的均方根误差(RMSE)均不超过0.1°。

矩阵对角化变换鲁棒QCKF在视觉和惯性融合姿态测量中的应用

视觉和惯性融合姿态测量系统,可以发挥视觉测量重复性、稳定性好和惯性测量输出频率高、不受环境光干扰的特点。针对融合测量中,系统噪声和观测噪声的统计特性不完全可知及在出现异常测量值时融合测量鲁棒性较差的问题,提出一种基于矩阵对角化变换的鲁棒四元数容积卡尔曼滤波(quaternion cubature Kalman filter,QCKF)算法,分析了鲁棒滤波参数对测量系统鲁棒性和测量准确度的影响,使用矩阵对角化变换代替标准CKF中的Cholesky分解以改善数值计算的稳定性。结合搭建的视觉和惯性融合姿态测量系统平台,实验结果表明与标准CKF算法相比,具有更高的准确度、鲁棒性以及稳定性。