The invention discloses a UAV navigation method and device combination of extended adaptive interval based on Calman, the invention adopts the MEMS inertial measurement unit to measure the parameters of UAV inertial navigation, visual navigation parameter measurement without man-machine vision navigation system; digital signal processing module of the navigation computer, by extending the adaptive interval Calman filter as a combination of fusion method, visual navigation inertial parameters, so as to get the optimal estimation of navigation parameter. The device of the invention is easy to implement, low cost, low quality, low power consumption, suitable for the promotion of civil field; through extended adaptive interval Calman filter technology, can obtain the linearized model of the system; and the system parameter is modeled as an adaptive interval model to improve the navigation system in the temperature change, attitude change, carrier body frequent light conditions, navigation tasks or visual sensor focusing difficult complex and bad condition.
【技术实现步骤摘要】
基于扩展自适应区间卡尔曼的无人机组合导航方法与装置
本专利技术涉及一种用于无人机的基于扩展自适应区间卡尔曼的惯性/视觉/超声波组合导航方法及装置。
技术介绍
随着导航系统微型化、智能化、自主化、低成本的发展趋势,并且在导航系统自主化重要性日益突出的背景下,惯性/视觉组合导航技术以其良好的优势互补和自主特性,已经成为了导航领域一个重要发展方向。在无人机的定点悬停、自主飞行与降落与机器人的目标识别与跟踪及环境检测等任务中,惯性/视觉导航技术表现出能与外界环境相交互、动态性能好、实时性高等诸多优越性。在民用级惯性/视觉导航系统中,由于器件或设备本身精度和稳定性的不足,系统参数和噪声统计特性往往会随着温度、光照条件等外界环境的变化而发生显著改变。对于实际的工程条件中,系统模型往往是非线性的、噪声统计特性也因某些条件会在一定区间范围内波动,比如在温度变化、运载体频繁的姿态变化、光照条件不理想,或者视觉传感器定焦困难等情形下,惯性传感器和视觉传感器的测量值往往会包含成分较为复杂的噪声分量甚至会出现随机野值,并且噪声的成分通常也会随着外界条件的变化而发生改变。传统的卡尔曼滤波器在上述条件下将无法获得系统的最优估计,甚至会发生滤波器发散而导致导航系统崩溃的现象。研究者们一般在处理卡尔曼滤波过程中系统模型非线性的问题时,往往是将非线性系统通过近似方法线性化的方式得到系统的线性方程,这类方法主要包括扩展卡尔曼滤波、无迹卡尔曼滤波等。扩展卡尔曼滤波算法在系统函数特征点附近通过泰勒展开的方式省略了系统模型高阶项从而得到系统的线性模型,有效提高了滤波器的鲁棒性和滤波精度。但当系统参 ...
【技术保护点】
一种基于扩展自适应区间卡尔曼的无人机组合导航方法,其特征在于,包括:通过惯性导航获得无人机在导航坐标系下的速度信息和位置信息,作为组合导航参数的状态信息;通过视觉导航获得无人机在摄像头坐标系下沿水平方向上的光流速度信息和飞行高度信息,作为组合导航参数的观测信息;通过扩展卡尔曼滤波将非线性系统线性化,并利用自适应区间卡尔曼滤波将时变的系统参数建模为自适应的区间模型,构建组合导航滤波模型,融合惯性、视觉导航参数,对系统导航参数做出最优估计。
【技术特征摘要】
1.一种基于扩展自适应区间卡尔曼的无人机组合导航方法,其特征在于,包括:通过惯性导航获得无人机在导航坐标系下的速度信息和位置信息,作为组合导航参数的状态信息;通过视觉导航获得无人机在摄像头坐标系下沿水平方向上的光流速度信息和飞行高度信息,作为组合导航参数的观测信息;通过扩展卡尔曼滤波将非线性系统线性化,并利用自适应区间卡尔曼滤波将时变的系统参数建模为自适应的区间模型,构建组合导航滤波模型,融合惯性、视觉导航参数,对系统导航参数做出最优估计。2.根据权利要求1所述的一种基于扩展自适应区间卡尔曼的无人机组合导航方法,其特征在于,所述组合导航滤波模型为:其中,与分别为k时刻系统状态向量的最优估计和先验估计,为k-1时刻系统状态向量的最优估计;Kk为k时刻卡尔曼滤波增益;与Pk分别为k时刻一步预测误差方差矩阵和估计误差方差矩阵,Pk-1则为k-1时刻的估计误差方差矩阵;f代表系统状态函数;Bk为系统的控制分配矩阵;Uk为系统的控制向量;Ak为状态方程的雅克比矩阵;Hk为观测方程的雅克比矩阵;Wk为状态噪声分配矩阵;Vk为观测噪声分配矩阵;Zk为观测向量;与分别为状态噪声矩阵和观测噪声矩阵的区间模型;上标I为区间矩阵标识,表示该矩阵向量为区间矩阵向量;表示观测噪声为零时,关于先验估计的系统观测函数。3.根据权利要求2所述的一种基于扩展自适应区间卡尔曼的无人机组合导航方法,其特征在于,与分别表示为:其中,ΔQk与ΔRk分别为状态噪声矩阵和观测噪声矩阵的变化范围;通过计算残差的实际量测方差与理论方差的矩阵的迹之比来对滤波模型的准确性作出评价;当模型估计偏差较大时,根据ΔRk=(τe|ε-1|-1)RC修正观测噪声,其中,ak为平滑因子,τ是自适应函数的比例因子,C为动态观测噪声的基准矩阵。4.根据权利要求2所述的一种基于扩展自适应区间卡尔曼的无人机组合导航方法,其特征在于,系统状态向量和观测向量分别为:Zk=[vxvyZc]T其中,Xn,Yn,Zn分别表示通过...
【专利技术属性】
技术研发人员:陈熙源,章怀宇,方琳,柳笛,汤新华,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。