结合滤波与优化的无人机多传感器融合方法

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 机器人学研究室

	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.