一种面向遮挡环境的偏振融合定向方法技术

本发明专利技术公开了一种面向遮挡环境的偏振融合定向方法，首先通过偏振相机采集天空偏振图像，然后将E矢量偏振定向方法输出的航向角作为状态量，以拟合对称轴偏振定向方法输出的航向角作为观测量，通过多频变分贝叶斯强跟踪容积卡尔曼滤波器（MF

【技术实现步骤摘要】
一种面向遮挡环境的偏振融合定向方法


[0001]本专利技术涉及偏振光定向与信息融合
，具体地说，是指一种面向遮挡环境的偏振融合定向方法。

技术介绍

[0002]导航技术是为载体提供持续、安全、可靠服务的重要技术，惯性导航系统(INS)和全球卫星导航系统(GNSS)是目前应用最广泛的导航系统。然而，在某些情况下，它们可能变得不可靠。例如INS的导航误差随时间累积，GNSS信号容易受到电磁干扰。随着对动物导航机制的深入研究，偏振定向技术由于具有长航时、高精度、抗电磁干扰等优异性能，已被应用于无人车、无人机等各种无人平台。
[0003]虽然在偏振定向方法已经取得了显著的进展，例如在晴天条件下具有较高定向精度和实时性的E矢量偏振定向方法和遮挡环境下抗干扰能力较强的拟合对称轴偏振定向方法，但这些的方法仍然有一些局限性。特别是缺乏对云、树、建筑物等不同遮挡条件的考虑，使得偏振罗盘在遮挡环境下无法发挥实时性和高精度的优势。因此，在遮挡环境下，很难做到高精度和高实时性的偏振定向。

技术实现思路

[0004]专利技术目的：为了解决现有技术中偏振光罗盘在遮挡环境中难以实现高精度、高实时性航向角测量的问题，本专利技术提供一种面向遮挡环境的偏振融合定向方法。
[0005]技术方案：一种面向遮挡环境的偏振融合定向方法，包括以下步骤：
[0006]步骤一：利用偏振相机获取天空偏振图像，根据天空偏振图像，分别采用E矢量偏振定向方法及拟合对称轴偏振定向方法计算航向角，采用拟合对称轴偏振定向方法时，由于需进行图像重绘，其采样频率相对较低；
[0007]步骤二：将E矢量偏振定向方法输出的航向角作为状态量，拟合对称轴偏振定向方法输出的航向角作为观测量，将状态量和观测量输入多频率变分贝叶斯强跟踪容积卡尔曼滤波器，进行航向角融合；
[0008]步骤三：已知观测矩阵，在低频率的观测量采样处，高频率的状态量和低频率的观测量均存在，利用观测矩阵计算残差及估计误差，再通过多频率变分贝叶斯强跟踪容积卡尔曼滤波器更新此时的最优航向角；
[0009]已知状态转移矩阵，在低频率的观测量采样间隔期间，低频率的观测量不存在，利用状态转移矩阵更新估计误差，利用更新后的估计误差更新残差，再利用更新后的残差更新最优航向角。
[0010]进一步地，步骤一中，在E矢量偏振定向方法中，首先计算天顶区域的偏振信息，通过查阅太阳星历获取导航坐标系下的太阳方位角然后根据瑞利散射理论中入射光E矢量垂直于观测方向和太阳向量组成的平面来获取航向角；
[0011]在拟合对称轴偏振定向方法中，通过计算所有区域的偏振信息，重新绘制偏振角
图像并选择AOP值接近90
°
的点来拟合太阳子午线，最终确定相机坐标系下的太阳子午线与载体体轴的夹角α
s
，由α
s
计算出航向角；
[0012]根据φ、α
s
分别计算两种方法各自的航向角：
[0013][0014][0015]其中，是E矢量偏振定向方法得到的航向角，φ是偏振角，是导航坐标系下的太阳方位角，是拟合对称轴偏振定向方法得到的航向角。
[0016]进一步地，步骤二中，航向角融合的具体方法为：
[0017]假设高频率的状态量和低频率的观测量均存在，基于多频率变分贝叶斯强跟踪容积卡尔曼滤波器通过变分贝叶斯方法近似状态量和观测噪声方差的联合后验分布，该联合后验分布表示为高斯分布和逆伽马分布的乘积：
[0018][0019]其中，p(x
k
，R
k
|z
1：k
)是k时刻的联合后验分布，P
k
是k时刻的滤波估计协方差，x
k
，z
k
分别表示k时刻的状态量和观测量，表示k时刻状态量的估值，λ
k
，μ
k
是逆伽马分布参数，N(
·
)表示高斯分布，IG(
·
)表示逆伽马分布，观测噪声方差R
k
可由下式计算得到：
[0020]R
k
＝(λ
k
‑
n
‑
1)
‑1μ
k
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0021]其中，n是观测量的维数，λ
k
和μ
k
通过以下公式更新：
[0022]λ
k
＝1+λ
k/k
‑1ꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0023][0024]其中，λ
k/k
‑1和μ
k/k
‑1是k
‑
1时刻到k时刻的逆伽马分布参数，m＝2n为容积点的数量，j＝1，2，
…
，m，z
k，j
为第j个容积点的观测量；
[0025]同时，基于多频率变分贝叶斯强跟踪容积卡尔曼滤波器通过引入衰落因子τ
k
来实时调整P
k/k
‑1，
[0026][0027]其中，P
k/k
‑1表示k
‑
1时刻到k时刻的滤波估计协方差，x
k/k
‑
1，j
表示k
‑
1时刻到k时刻的第j个容积点的状态量预测值，表示k
‑
1时刻到k时刻的状态量预测值，Q
k
为状态噪声方差，τ
k
表示为：
[0028][0029][0030]tr(
·
)表示矩阵的迹，V
k
是残差的协方差阵，z
k/k
‑
1，j
表示k
‑
1时刻到k时刻的第j个容积点的观测量预测值，表示k
‑
1时刻到k时刻的观测量预测值，ρ是遗忘因子，取值ρ＝0.95，γ
k
为残差，表示为：
[0031][0032]其中，H
k
代表观测矩阵。
[0033]进一步地，步骤三中，在低频率的观测量采样处，高频率的状态量和低频率的观测量均存在，残差、估计误差及最优航向角的计算公式为：
[0034]其中，γ
k
、β
k
分别为k时刻的残差和估计误差，x
k
，z
k
分别表示k时刻的状
[0035][0036]态量和观测量，表示k时刻状态量的估值，表示k
‑
1时刻到k时刻的状态量预测值，H
k
代表观测矩阵，K
k
为卡尔曼滤波增益，表示k
‑
1时刻到k时刻的观测量的预测值。
[0037]进一步地，步骤三中，在低频率的观测量采样间隔期间，低频率的观测量不存在，估计误差、残差及最优航向角的计算公式为：
[0038][0039]其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向遮挡环境的偏振融合定向方法，其特征在于，包括以下步骤：步骤一：利用偏振相机获取天空偏振图像，根据天空偏振图像，分别采用E矢量偏振定向方法及拟合对称轴偏振定向方法计算航向角，采用拟合对称轴偏振定向方法时，由于需进行图像重绘，其采样频率相对较低；步骤二：将E矢量偏振定向方法输出的航向角作为状态量，拟合对称轴偏振定向方法输出的航向角作为观测量，将状态量和观测量输入多频率变分贝叶斯强跟踪容积卡尔曼滤波器，进行航向角融合；步骤三：已知观测矩阵，在低频率的观测量采样处，高频率的状态量和低频率的观测量均存在，利用观测矩阵计算残差及估计误差，再通过多频率变分贝叶斯强跟踪容积卡尔曼滤波器更新此时的最优航向角；已知状态转移矩阵，在低频率的观测量采样间隔期间，低频率的观测量不存在，利用状态转移矩阵更新估计误差，利用更新后的估计误差更新残差，再利用更新后的残差更新最优航向角。2.根据权利要求1所述的面向遮挡环境的偏振融合定向方法，其特征在于，步骤一中，在E矢量偏振定向方法中，首先计算天顶区域的偏振信息，通过查阅太阳星历获取导航坐标系下的太阳方位角然后根据瑞利散射理论中入射光E矢量垂直于观测方向和太阳向量组成的平面来获取航向角；在拟合对称轴偏振定向方法中，通过计算所有区域的偏振信息，重新绘制偏振角图像并选择AOP值接近90
°
的点来拟合太阳子午线，最终确定相机坐标系下的太阳子午线与载体体轴的夹角α
s
，由α
s
计算出航向角；根据φ、α
s
分别计算两种方法各自的航向角：分别计算两种方法各自的航向角：其中，是E矢量偏振定向方法得到的航向角，φ是偏振角，是导航坐标系下的太阳方位角，是拟合对称轴偏振定向方法得到的航向角。3.根据权利要求1或2所述的面向遮挡环境的偏振融合定向方法，其特征在于，步骤二中，航向角融合的具体方法为：假设高频率的状态量和低频率的观测量均存在，基于多频率变分贝叶斯强跟踪容积卡尔曼滤波器通过变分贝叶斯方法近似状态量和观测噪声方差的联合后验分布，该联合后验分布表示为高斯分布和逆伽马分布的乘积：其中，p(x
k
，R
k
|z
1：k
)是k时刻的联合后验分布，P
k
是k时刻的滤波估计协方差，x
k
，z
k
分别表示k时刻的状态量和观测量，表示k时刻状态量的估值，λ
k
，μ
k
是逆伽马分布参数，N(
·
)表示高斯分布，IG(
·
)表示逆伽马分布，观测噪声方差R
k
可由下式计算得到：R
k
＝(λ
k
‑
n
‑
1)
‑1μ
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中，n是观测量的维数，λ
k
和μ
k
通过以下公式更新：λ<...

【专利技术属性】
技术研发人员：申冲，赵慧俊，刘俊，唐军，曹慧亮，王晨光，
申请(专利权)人：中北大学，
类型：发明
国别省市：