基于点线的视觉惯性导航系统初始化方法

视觉惯性导航系统在初始化阶段解算出系统初始位姿、惯性测量单元(IMU)零偏以及单目尺度因子,能极大程度上保证系统收敛。为解决视觉惯性导航系统在点特征缺失环境下初始化效果差甚至失败的问题,提出了一种基于点线的视觉惯性导航系统初始化方法。首先,通过几何方法在滑动窗口内构造了一个基于点线的结构,该结构相比于点结构具有更丰富的先验信息;其次,使用从运动中恢复结构(Sf M)的方法,恢复点线结构的运动状态;最后,以松组合的形式对齐结构的运动状态以及IMU预积分结果,求解出IMU零偏、重力加速度、速度和尺度因子等初始量。实验结果表明:在点特征缺失的公共数据集上,相较于基于点特征的初始化方法,所提方法的均方根定位误差减少6%,初始误差显著降低,同时具有更好的建图结果。

基于声学的水下惯性导航系统校准技术研究

随着海洋开发的进程推展,自主式水下潜航器(AUV)的导航技术也在日益进步。随着技术的探索,发现惯性导航的声学导航结合的导航模式才是未来的主要导航方向。因此,提出一种基于声学的水下惯性导航系统(INS)校准方法,其定位精度由惯导精度、安装偏差和声学定位精度综合决定。结果显示,在水下平台采用高精度光纤惯导并精确测量安装偏差的条件下,此方法能够获取不大于100 m的定位精度,能够很好地为水下平台提供导航系统修正。

高精度惯性导航系统的技术预见

面对水下装备无人化/智能化的发展趋势,系统分析国内外知名惯性导航系统生产公司的产品,梳理水下装备的核心设备—惯性导航系统的发展趋势。基于工具检索国内外知名惯性导航系统公司的公开文献、专利以及产品手册等开源信息,提炼关键信息以及参数进行对比分析。目前,光纤陀螺惯性导航系统在国内已成为实现水下装备高精度定位的核心产品,基于谐振陀螺的惯性导航系统尚处于研发阶段。国际市场上,基于激光陀螺的惯性导航产品正逐渐被基于谐振陀螺和光纤陀螺的惯性产品替代。从法国赛峰和Exail这两家顶尖公司的产品指标看,谐振陀螺高精度惯性产品相比光纤陀螺高精度惯性产品而言,无论在体积还是在质量上都有较大优势,后续可能完全替代光纤陀螺系统成为市场主流。

陀螺仪在无人机惯性导航系统中的应用研究

陀螺仪在无人机的惯性导航系统中扮演着关键角色,可以测量无人机的旋转运动,包括俯仰、偏航和滚转,从而帮助飞行器确定其姿态和方向。这个简单但至关重要的测量使得无人机能够精确导航和执行各种任务,包括监测、搜索救援和航拍等。陀螺仪技术的不断改进和应用研究有助于提高无人机导航系统的性能和可靠性,使其成为现代空中无人系统不可或缺的组成部分。

飞机惯性导航系统的发展与现状研究

惯导系统具有无外部环境和能源消耗等优点,是当前最常用的一种自主导航方法。以牛顿动力学为基础,提出了一种利用固定在平台上的加速度传感器来测量平台上的加速度累积,从而计算推导出平台的速度和位置。由此得到平台的速度、位置等信息。惯导系统在航空航天领域发挥着举足轻重的作用。本文通过对惯性导航系统的现状及发展展开了相关内容探究,以供参考。

面向组合惯性导航系统的χ^(2)故障检测与诊断

文章主要对组合导航系统中的χ^(2)故障及其诊断进行研究。将该系统基本的误差模型作为依据,针对其故障诊断,提出了在联邦滤波结构中适用的故障监测技术,即通过联邦滤波结构中的残差检验技术来检测该系统里的硬故障,将没有故障情况下的最优全局估计信息构造滑动残差用作检验标准,来检测该系统中的软故障,并将软故障检测函数作为依据,自适应调节信息分配系数。经实验发现,本次所提出的算法在此类故障检测及其诊断中十分适用。

GNSS/SINS/视觉导航鲁棒算法

全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,3者信息融合可获得高精度、无漂移的导航定位信息.针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响.进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性.实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法,以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好,能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿均方根误差0.735 m,绝对位姿误差标准差0.336 m.

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。

惯性导航系统INS与GPS系统的组合应用

由于传统的惯性导航系统设备是分离式的 ,且精度又较低 ,加上高价位的惯性系统的传感器是阻碍它被广泛应用于与GPS进行组合导航的主要原因。但近年来出现的低价位、高精度的传感器 ,使得惯性导航系统集合化、小型化成为现实。这也就使得惯性导航系统与全球卫星导航系统的组合导航系统成为可能 ,从而为解决民用GPS或GLONASS全球卫星导航系统存在的问题提供了另一个有效的途径。

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。

复杂城市环境下的全球导航卫星系统/捷联惯性导航系统组合导航算法

针对复杂城市环境下,全球导航卫星系统(GNSS)信号出现频繁短暂失锁或拒止时,对GNSS/捷联惯性导航系统(SINS)组合导航系统的导航精度和鲁棒性影响较大问题,该文提出一种改进的因子图滤波方法。首先使用GNSS接收机内部参数构建信号误差鉴别函数,能实时估计出信号受多径干扰、遮挡等情况下的信号测量性能;同时利用载体运动约束条件构造零速修正因子,对GNSS拒止情况下的系统状态进行更新,避免系统导航性能极速下降。实验结果表明,改进的因子图方法相比经典因子图方法,在城市复杂环境下能提高定位精度63.50%和测速精度42.26%,同时也具有更低的存储量和计算复杂度,特别适用于城市车辆辅助驾驶导航设备中,对导航精度、硬件资源和实时性约束强的场景。

低成本亚米级PPP/INS组合导航定位系统研究

铁路智慧工地建设中,对车辆、机具、人员等有实时定位和安全管理等位置服务需求,设计了一种亚米级、低成本、基于微机电传感器(MEMS)的PPP/INS组合导航定位系统。首先介绍系统终端采用的基于零速度更新(ZUPT)和非完整约束(NHC)算法的PPP/INS松组合导航定位方法,然后介绍系统组成,并通过车载实验对开阔环境和半开阔环境下的系统动态定位精度进行分析。实验结果表明,该系统在开阔环境下可满足亚米级定位精度,在半开阔环境下定位精度优于1.0%×失锁距离,相比PPP和u-blox SPP单系统定位优势明显。研究成果对铁路智慧工地位置服务中低成本、亚米级导航定位研究及成果转化具有一定的参考价值。

基于GNSS/INS组合精密定位模糊度校正方法在城市车载测绘系统中的应用研究

城市车载测绘系统在城市环境下进行精密定位时面临着多路径效应和信号遮挡等问题,导致定位精度下降。为了解决这一问题提出了基于GNSS和INS组合的精密定位模糊度校正方法。研究结果表明,基于GNSS和INS组合的精密定位模糊度校正方法能够有效地提高城市车载测绘系统的定位精度,减小多路径效应和信号遮挡对定位精度的影响,该方法具有重要的应用价值和广阔的推广前景。

依托稳定平台的惯性导航教学探索

为提升惯性导航在军工行业背景中的特色教学效果,教学组对“惯性导航技术”的课程教学方法进行实践性改革:突出陆用惯性技术教学模块,开发实验性教学案例模块;依托稳定平台拓展课程教学实践,将“小、中、大”型稳定平台设计控制与“双创”赛事结合。实践表明,该课程教学改革可有效促进本科生对专业知识的理解,提高实践能力和创新素养。

基于注意力机制的GRU神经网络辅助INS/GNSS组合导航算法

针对全球导航卫星系统(Global Navigation Satellite System,GNSS)信号失锁导致定位精度低的问题,提出一种基于注意力机制的门控循环单元(Gated Recurrent Unit,GRU)神经网络辅助惯性导航系统(Inertial Navigation System,INS)和全球导航卫星系统(Global Navigation Satellite System,GNSS)的组合导航算法。在惯性测量单元(Inertial Measurement Unit,IMU)信号中采用5点中值滤波降低随机噪声,训练结合注意力机制的GRU神经网络辅助组合导航。当GNSS信号失锁时,预测伪GNSS位置辅助组合导航,以解决惯性导航系统(Inertial Navigation System,INS)位置随时间发散的问题。仿真结果表明,与基于多层感知机(Multi-Layer Perceptron,MLP)神经网络的算法和基于长短期记忆递归(Long Short-Term Memory,LSTM)神经网络的算法相比,所提算法在转弯和直线场景下,北向和东向位置最大误差均低于对比算法,可以在GNSS信号失锁的情况下提高导航定位精度。

全球导航卫星系统惯性导航系统组合导航的算法综述

对全球导航卫星系统惯性导航系统组合导航的特点进行了介绍,对卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波、容积卡尔曼滤波、粒子滤波等传统滤波算法进行了分析,并论述了神经网络算法的研究进展。

基于Simulink的海底捷联惯性导航系统数学仿真

该文提出海底用捷联惯性导航系统导航的设计方案。在分析了捷联惯性导航系统的工作原理的基础上,用Matlab/Simulink建立导航系统仿真模型,并进行了仿真研究。仿真模型的输出信号为载体的经度,纬度和高度,可以直接用来显示在外部计算机上或驱动误差修正模型。该方法充分利用了Simulink的优点,实现了高度可视化的仿真实验,也为捷联惯性导航系统的仿真提供了新的实现途径。该方法不但适用于系统的全数学仿真,而且可以推广到半实物仿真实验,有着很大的工程实用价值和推广意义。

基于改进容积卡尔曼滤波器的超宽带/惯性导航系统室内融合定位技术

在室内非视距环境中,单一超宽带(ultra wide band,UWB)技术会产生稳定性差和定位精度低的问题,以至于不能达到室内定位的要求。将UWB定位技术和惯性导航系统(inertial navigation system,INS)技术相结合,能够有效抑制非视距误差对定位结果的影响,因此本文提出基于改进的容积卡尔曼滤波器(cubature Kalman filter,CKF)的UWB/INS融合室内定位方法。首先,通过广义似然比检测算法对行人的静止态和运动态进行检测;之后对于静止态通过零速修正算法对速度进行修正,零积分航向角速率修正算法对航向角进行修正;然后,通过模糊综合评判的非视距识别算法对非视距信号进行识别,通过基于半定规划的非视距修正算法对识别出的信号进行修正;最后通过改进的容积卡尔曼滤波器将UWB定位数据和INS定位数据进行融合,得出组合定位结果。实验结果显示,与标准容积卡尔曼滤波算法相比,改进的容积卡尔曼滤波算法的定位结果均方根误差降低了2.32 cm(18.82%),拥有更好的定位精度和鲁棒性。

基于Matlab/Simulink捷联式惯性导航系统仿真

本文根据捷联式惯性导航系统的特点,对系统的不同模块分别采用MATLAB语言编程和Simulink模块图方法对系统进行仿真,对由加速度计信息计算地理坐标系的角速度信息模块,由于工程中其结构图已知,采用Simulink进行仿真比较方便且误差较小;对系统中的四元数以及姿态角的计算,由于计算量大,解算公式复杂,因此采用MATLAB语言编程进行仿真。最后通过执行MATLAB命令完成整个系统的仿真任务。本文的仿真方法克服了单纯应用MATLAB编程或其它高级语言编程仿真时的计算量大、难度高、周期长、误差大的缺点。使动态系统的仿真易于实现。

视觉惯性导航系统初始化方法综述

视觉惯性导航系统通过初始化,对尺度信息、重力向量、速度、惯性传感器偏差等一系列状态估计所需参数进行快速求解,以提升系统后续导航定位与环境感知的准确性。根据传感信息耦合方式,视觉惯性导航系统初始化方法可以分为三类:联合初始化、非联合初始化和半联合初始化。基于现有研究工作,从基础理论、发展与分类、现有方法、性能评估四个方面展开,对目前主流的初始化方法进行综述,并总结视觉惯性导航系统初始化领域未来的发展趋势,有利于对视觉惯性导航系统初始化方法形成总体性了解并把握其发展方向。