一种基于无迹卡尔曼滤波的室内无人机多传感器组合导航方法技术

本发明专利技术公开了一种基于无迹卡尔曼滤波的室内无人机多传感器组合导航方法，主要为采用无迹卡尔曼滤波(Unscented Kalman filter，UKF)融合光流、激光与惯性测量单元信息，完成室内无人机自主导航飞行。其中，通过光流模块中的光流信息和超声波信息估计无人机运动时的三轴速度信息，通过激光点云匹配无人机所在环境的位置信息，通过IMU测量无人机的姿态和加速度信息。本发明专利技术使用的各个传感器体量较小，可实现光流数据、激光数据和惯导数据的小型轻量一体化设计，减轻无人机承载压力。减轻无人机承载压力。减轻无人机承载压力。

【技术实现步骤摘要】
一种基于无迹卡尔曼滤波的室内无人机多传感器组合导航方法


[0001]本专利技术属于无人机导航控制领域，具体地说是一种通过无迹卡尔曼滤波融合视觉(光流)、激光和IMU(Inertial Measurement Unit，IMU)传感器信息，用于改善室内无GPS环境中无人机飞行效果的导航控制方法。

技术介绍

[0002]小型无人机在物流仓储管理、室内体育直播、室内跟拍以及疫情小区巡查和宣传等无接触式任务场景具有广泛应用前景，但对无人机在无GPS信息下进行自主导航飞行的稳定性要求较高。
[0003]基于单一传感器进行无人机自主导航具有数据误差大、环境因素影响滤除难的问题，多传感器组合导航是目前大多无人机导航方式。多传感器融合对融合算法要求较高，常用的滤波方法中，卡尔曼滤波占主要地位。经典卡尔曼滤波要求测量值可实时获取，易产生测量值滞后和随机丢包问题，多适用于线性系统，无法适用无人机多传感器系统的高阶非线性应用场景。

技术实现思路

[0004]专利技术目的：为了克服上述技术的不足，本专利技术针对室内无GPS信号环境中无人机导航问题，提出一种无人机组合导航方法，主要为采用无迹卡尔曼滤波(Unscented Kalman filter，UKF)融合光流、激光与惯性测量单元信息，完成室内无人机自主导航飞行。其中，通过光流模块中的光流信息和超声波信息估计无人机运动时的三轴速度信息，通过激光点云匹配无人机所在环境的位置信息，通过IMU测量无人机的姿态和加速度信息。
[0005]一种基于无迹卡尔曼滤波的室内无人机多传感器组合导航方法，具体包括如下步骤：
[0006]步骤S1：校准器件与采集信息过程：对光流器件、陀螺仪进行静止校准，对磁力计、加速度计进行六面校准，离线完成飞行环境的激光点云信息采集。
[0007]步骤S2：获取光流传感器速度信息过程：将光流模块固定在无人机底部，采集面垂直无人机机体朝下。无人机飞行过程中光流模块扫描过的图像不断变化，像素点对应的灰度值随之变化，产生光流信息。通过建立对应的光流(相机)物理模型，对光流数据进行预处理，分析无人机dt运动时间内特征点的变化，解算并转换坐标系得到无人机在导航系下x轴与y轴的速度信息。
[0008]步骤S3：获取激光传感器位置信息过程：将激光固定在无人机下方，无人机飞行过程中利用激光扫描环境中障碍物与其他物体点云信息，与构建好的三维高精度点云地图实时匹配，得到无人机当前所在位置。
[0009]步骤S4：获取其他数据过程：通过光流传感器携带的超声波器件获取z轴方向速度；通过加速度计获取无人机三轴加速度；通过陀螺仪获取无人机三轴姿态角；通过磁力计
获取无人机航向角，用于无人机导航与飞行控制。
[0010]步骤S5：将光流数据、激光数据和IMU数据的状态方程和量测方程代入无迹卡尔曼滤波的算法中，当量测丢失时，用量测值的一步预测值来代替零输入进行补偿，得到无人机的速度与位姿信息。
[0011]上述技术方案中，步骤S1中校准陀螺仪时，静置10s，以1kHz采取原始数据，三轴分别取均值，作为零偏；校准光流传感器时，将光流模块安装在飞机上，静置2s以上校准完成。加速度计与磁力计校准采用六面校准，依据重力与地磁力矢量长度不变(x+a)2+(y+b)2+(z+c)2＝R2，x，y，z是加速度计与磁力计在机体坐标系的三轴数据，用均值法求解a，b，c作为零偏。激光传感器置于无人机底部，采集环境图像点信息，对点云进行预处理。同时裁剪点云，保留无人机飞行过程的特定区域，计算得到精准点云分布。
[0012]上述技术方案中，步骤S2中光流数据预处理是将横滚或俯仰旋转运动时产生的光流数据与IMU测得的无人机绕X、Y轴的角速度进行融合。同时，由于陀螺仪对角速度的测量范围要远大于光流传感器，为了避免补偿过度，还要对低频滤波后的角速度做限幅处理。
[0013]上述技术方案中，步骤S3中采用基于正态分布算法计算点的分布概率进行点云匹配，通过计算得到的位置变换，使配准后源点云变换后在目标点云下的概率最大化。位置变换A＝[a
x a
y a
z
]T
包含3轴平移变量[a
x a
y a
z
]。
[0014]①
将三维点云地图划分为多个固定大小的体素格，此时三维点云地图为体素格集合。单个体素格内包含一定量的激光点信息，利用激光点计算单个体素格的概率密度函数。
[0015]②
基于正态分布算法的思路是使得当前帧点云位于点云地图划分的体素格内的概率最大，估算当前无人机的位置，通过迭代A得到更加精准的位置估计。
[0016]③
求解最优解的过程中，每次迭代在当前位置改变中加入ΔA，使A
←
A+ΔA，利用高斯牛顿法多次调整位置估计A，在一定的迭代次数内获取最佳匹配效果。
[0017]上述技术方案中，步骤S4中超声波为光流模块内置传感器。IMU器件选用ICM20602型号微惯性测量芯片，包含三轴陀螺仪和三轴加速度计。磁力计采用RM3100传感器。
[0018]上述技术方案中，步骤S5中无迹卡尔曼滤波流程主要为：对状态量进行无迹变换(Unscented Transform，UT)获得Sigma点集，通过状态方程计算出点集变换后的数据，从而获得状态的预测均值及其协方差矩阵；对状态预测进行UT变换，获得Sigma点集，通过量测方程计算出点集变换后数据，从而量测的预测均值及其协方差矩阵；计算卡尔曼增益，更新状态及其协方差。
[0019]本专利技术具有以下技术效果：
[0020](1)导航系统轻量一体化。本专利技术使用的各个传感器体量较小，可实现光流数据、激光数据和惯导数据的小型轻量一体化设计，减轻无人机承载压力。
[0021](2)鲁棒性强。本专利技术将运动补偿后的光流数据、激光数据和IMU所测各项数据经无迹卡尔曼滤波方法融合，所得位置、速度等导航数据波动更小，累计误差更小，受环境干扰更小。
[0022](3)传统的室内无人机导航未进行光流测速、激光定位与IMU航向角融合，且融合方法的鲁棒性不足导致室内多干扰环境下效果较差。本专利技术基于无迹卡尔曼滤波的三种传感器组合导航适用于无GPS环境下的无人机导航，促进无人机室内自主飞行、定点作业和循迹返航的发展。
附图说明
[0023]附图1为本专利技术的无人机室内飞行导航示意图。
[0024]附图2为本专利技术的无人机组合导航方法流程图。
[0025]附图3为光流传感器速度估计原理图。
[0026]附图4为IMU与磁力计集成电路图。
具体实施方式
[0027]下面结合本专利技术实施例中的附图对本专利技术做更进一步的说明。
[0028]步骤S1：校准器件与采集信息过程：对光流器件、陀螺仪进行静止校准，对磁力计、加速度计进行六面校准，离线完成飞行环境的激光点云信息采集。
[0029]步骤S2：获取光流传感器速度信息过程：将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无迹卡尔曼滤波的室内无人机多传感器组合导航方法，其特征在于，具体包括如下步骤：步骤S1:校准器件与采集信息过程：对光流器件、陀螺仪进行静止校准，对磁力计、加速度计进行六面校准，离线完成飞行环境的激光点云信息采集；步骤S2:获取光流传感器速度信息过程：将光流模块固定在无人机底部，采集面垂直无人机机体朝下，无人机飞行过程中光流模块扫描过的图像不断变化，像素点对应的灰度值随之变化，产生光流信息；通过建立对应的光流(相机)物理模型，对光流数据进行预处理，分析无人机dt运动时间内特征点的变化，解算并转换坐标系得到无人机在导航系下x轴与y轴的速度信息；步骤S3:获取激光传感器位置信息过程：将激光固定在无人机下方，无人机飞行过程中利用激光扫描环境中障碍物与其他物体点云信息，与构建好的三维高精度点云地图实时匹配，得到无人机当前所在位置；步骤S4:获取其他数据过程：通过光流传感器携带的超声波器件获取z轴方向速度；通过加速度计获取无人机三轴加速度；通过陀螺仪获取无人机三轴姿态角；通过磁力计获取无人机航向角，用于无人机导航与飞行控制；步骤S5:将光流数据、激光数据和IMU数据的状态方程和量测方程代入无迹卡尔曼滤波的算法中，当量测丢失时，用量测值的一步预测值来代替零输入进行补偿，得到无人机的速度与位姿信息。2.根据权利要求1所述的一种基于无迹卡尔曼滤波的室内无人机多传感器组合导航方法，其特征在于，步骤S1中，校准陀螺仪时，静置10s，以1kHz采取原始数据，三轴分别取均值，作为零偏；校准光流传感器时，将光流模块安装在飞机上，静置2s以上校准完成。加速度计与磁力计校准采用六面校准，依据重力与地磁力矢量长度不变(x+a)2+(y+b)2+(z+c)2＝R2，x，y，z是加速度计与磁力计在机体坐标系的三轴数据，用均值法求解a，b，c作为零偏，激光传感器置于无人机底部，采集环境图像点信息，对点云进行预处理，同时裁剪点云，保留无人机飞行过程的特定区域，计算得到精准点云分布。3.根据权利要求1所述的一种基于无迹卡尔曼滤波的室内无人机多传感器组合导航方法，其特征在于，步骤S...

【专利技术属性】
技术研发人员：林昕，沈跃，储金城，孙志伟，沈亚运，
申请(专利权)人：江苏大学，
类型：发明
国别省市：