结合滤波与优化的无人机多传感器融合方法 | |
代波1,2,3; 何玉庆1,2; 谷丰1,2; 杨丽英1,2; 徐卫良4 | |
刊名 | 中国科学:信息科学 |
2020 | |
卷号 | 50期号:12页码:1919–1931 |
关键词 | 无人机 传感器融合 状态估计 卡尔曼滤波 全局优化 |
ISSN号 | 1674-7267 |
其他题名 | Multiple sensors fusion for unmanned aerial vehicle based on the combination of lter and optimization method |
产权排序 | 1 |
英文摘要 | 高精度实时状态估计是无人机安全飞行及执行各种任务的首要条件.多传感器(如视觉、IMU和GPS等)融合可提高状态估计精度,并实现信息冗余,当其中某些传感器出现故障时,仍具有较好的鲁棒性.因此,本文提出结合滤波与优化的无人机多传感器融合方法,从而得到局部高精度、全局无漂移的状态估计.该方法主要分为卡尔曼(Kalman)滤波和全局优化两部分.卡尔曼滤波器作为主体融合框架,融合局部传感器(inertial measurement unit, IMU)和全局传感器(经优化后的视觉、GPS、磁力计和气压计)信息得到全局位姿估计.由于卡尔曼滤波算法计算量较小,可以保证融合估计的实时性.全局优化则负责将有漂移的视惯里程计(视觉惯性里程计)信息与全局传感器(GPS,磁力计和气压计)融合对齐后,得到高精度的全局视觉估计.但优化输出会出现不连续且视觉处理存在延迟的问题.因此,将优化后的里程计再输入到卡尔曼滤波器中,从而得到高精度、实时无漂移的状态估计.最后结合具体无人机平台,进行了实际的飞行测试与定位实验,实验结果表明了本文方法的有效性和鲁棒性. |
语种 | 中文 |
CSCD记录号 | CSCD:6879996 |
资助机构 | 国家自然科学基金(批准号: U1508208, U1608253, 91748130) |
内容类型 | 期刊论文 |
源URL | [http://ir.sia.cn/handle/173321/27724] |
专题 | 沈阳自动化研究所_机器人学研究室 |
通讯作者 | 代波 |
作者单位 | 1.中国科学院沈阳自动化研究所机器人学国家重点实验室 2.中国科学院机器人与智能制造创新研究院 3.中国科学院大学 4.Department of Mechanical Engineering University of Auckland |
推荐引用方式 GB/T 7714 | 代波,何玉庆,谷丰,等. 结合滤波与优化的无人机多传感器融合方法[J]. 中国科学:信息科学,2020,50(12):1919–1931. |
APA | 代波,何玉庆,谷丰,杨丽英,&徐卫良.(2020).结合滤波与优化的无人机多传感器融合方法.中国科学:信息科学,50(12),1919–1931. |
MLA | 代波,et al."结合滤波与优化的无人机多传感器融合方法".中国科学:信息科学 50.12(2020):1919–1931. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论