[发明专利]基于双IMU和视觉融合的动基座上物体相对姿态测量方法及系统

说明书

技术领域

本发明涉及多传感器融合相对姿态测量，尤其涉及一种基于双IMU和视觉融合的动基座上物体相对姿态测量方法及系统。

背景技术

在运动目标物体相对参考物体的空间姿态测量中，可使用的测量方法有惯性法，视觉法等方法。其中视觉姿态测量方法优点是精度高、稳定性好。视觉姿态测量过程中，摄像机的视场必须覆盖整个物体的运动范围，或者在测量的整个过程中摄像机都能够拍摄到足够多的定位特征点。如果要求摄像机视场覆盖物体的整个运动范围，就存在测量范围与测量精度要求之间的矛盾，为了保证姿态测量精度，被测物体需在小范围内运动，这在一定程度上限制了视觉姿态测量方法的应用。视觉姿态测量拍摄靶标定位特征点，通过对特征点图像坐标变化进行分析计算，求解姿态。拍摄图像过程中环境光干扰、目标物体快速运动造成的图像模糊等原因会造成定位特征点识别困难。

惯性方法具有测量速度快、不受空间约束、没有距离限制、不受视线遮挡等优点。惯性测量方法中使用的传感器为惯性测量单元(Inertial Measurement Unit，IMU)，惯性测量单元通常由三轴垂直正交的角速率陀螺仪和三轴垂直正交的加速度计组成。惯性传感器测量输出以空间惯性坐标系为基准不向外发射信号，隐蔽性比较好。惯性测量单元的角速率陀螺仪输出值为相对空间惯性坐标系的角速率，将角度率积分，可以进行角度计算。由于陀螺仪零位偏差以及测量过程中的漂移误差等误差在积分计算过程中会造成积分计算角度无约束随时间漂移。角度漂移与陀螺仪自身精度有很大关系，低精度的MEMS-IMU角度漂移尤其明显。但MEMS-IMU由于其质量轻、体积小的特点适用于对传感器重量和体积有严格要求的场合。因此在使用低精度的IMU时通常的做法是，将IMU和其他测量方法如视觉方法相融合，发挥两种测量方法的优点，扬长避短，优势互补，实现快速、高精度的姿态测量目的。

传感器融合姿态算法可以分为两类，一类是确定性算法如TRIAD算法和基于求解Wahba问题产生的QUEST、SVD等算法，这类算法可以利用两个或多个观测矢量直接确定空间相对姿态。另一类算法称为状态估计法，其中最常用的技术就是扩展卡尔曼滤波(EKF)，状态估计法采用动力学模型(或运动学模型)对姿态参数及其误差参数进行实时估计。在使用EKF进行姿态计算时，首先需要对非线性系统进行线性化。非线性化过程会带来截断误差，对于非线性特征较强的系统，一阶线性化造成的截断误差往往使得用EKF得到的融合结果难以满足测量需求。改进和提高的方法有无迹卡尔曼滤波(UKF)，粒子滤波(PF)，容积卡尔曼滤波(CKF)以及通用的改进方法，如强跟踪滤波(STF)、自适应滤波(AKF)、迭代滤波(IKF)等。其中将IKF和EKF结合的IEKF在滤波过程中进行迭代，可以极大地减少EKF对非线性化系统线性化带来的截断误差。

在视觉测量中，运动目标物体以摄像机坐标系为基准，姿态测量结果只与摄像机和目标物体之间的相对运动有关，而与摄像机和目标物体整体相对空间其他参考系的绝对运动无关。而在惯性测量中，惯性测量单元以空间惯性坐标系为基准，在目标物体相对参考物体的空间姿态测量中，载体IMU固定在运动目标物体上，当参考系统和目标物体整体相对空间惯性坐标系非静止或非匀速直线运动时即有相对空间惯性坐标系的绝对运动，此运动就破坏了参考系统和空间惯性坐标系之间的惯性关系，使得参考系统相对于空间惯性坐标系变化为非惯性坐标系。此时载体IMU测量输出包含两部分，一部分是目标物体相对参考系统的运动，另一部分是参考系统相对空间惯性坐标系的运动。求解目标物体和参考系统之间的相对姿态时，需要提取载体IMU中目标物体相对参考系统的运动分量，除去参考系统相对空间惯性坐标系的运动部分。

发明内容

本发明目的在于克服现有技术不足，提供一种基于双IMU和视觉融合的动基座上物体相对姿态测量方法及系统,本发明方法增加一个参考IMU，与参考系统固定连接，用于测量参考系统相对空间惯性坐标系的运动。当目标物体和参考系统整体相对空间惯性坐标系有绝对运动时，使用该参考IMU测量值补偿修正载体IMU中参考系统相对空间惯性坐标系的运动部分，实现用惯性方法进行动基座上物体相对姿态测量。视觉更新频率低，惯性测量更新频率高，在视觉测量间隙使用惯性测量信息进行姿态解算；在视觉测量数据可用时将两种测量输出进行融合计算融合姿态，采用间接IEKF融合方法，融合过程中对滤波器的输入量和输出量不断进行反馈校正和输出校正，从而实现快速、高精度的相对姿态测量的目的。

本发明的基于双IMU和视觉融合的动基座上物体相对姿态测量方法，包括以下步骤：