[发明专利]一种应用于小型无人机的冗余定位方法

说明书

本发明为解决现有导航技术存在的问题，如卫星导航信号易受干扰、惯性导航信号存在累计误差、传感器噪声等，提出卫星/惯性/视觉组合导航方法。在松组合模式下，利用卡尔曼滤波技术，采用基于姿态、位置、速度的多级式信息融合结构对GPS、IMU信号进行滤波，实现卫星/惯性组合导航。在卫星导航信号受到干扰时，利用双目摄像机和IMU，采用基于滑动窗口的视觉/惯性紧耦合优化模型，实现视觉/惯性组合导航。当场景特征丢失时，使用卫星导航快速定位，冗余定位设计保障小型无人机导航的精度和可靠性，提高无人机作业安全和效率。

技术领域

本发明属于无人机导航领域，具体是指一种应用于小型无人机的冗余定位方法。

背景技术

现阶段小型无人机活跃于众多领域，包括公共安全、测绘、电网巡检、电力施工验收、石油勘探、航空摄影、物流、植保作业、农田勘测等，具有极为广阔的市场前景。与大中型无人机相比，小型无人机受载荷能力限制，通常配备低成本、小体积的中低精度惯性导航系统，辅以卫星导航接收机等进行组合导航。如今城市高楼林立，卫星信号遮挡严重，且周围环境中充斥着各种干扰，再加上无人机高速运行，导致GPS接收机时常无法正常工作，导航精度不够，对无人机作业造成不利影响。

当前组合导航技术不断发展，卫星/惯性导航组合方式主要包括松组合、紧组合、深组合。松组合技术使用GPS输出的速度、位置信息，对惯导系统解算的结果进行修正，在这个过程中GPS保持独立工作，成本较低。紧组合技术使用GPS接收机原始测量得到的伪距、伪距率，对惯导系统解算的结果进行修正，计算量远远大于松耦合，需要高性能的计算机，成本较高。深组合技术使用I/Q信号与惯导解算数据进行数据融合，利用惯导数据完成对载波跟踪环路的辅助，该技术依赖于精密的硬件接收机芯片技术，由于国外的技术封锁，国内研究一直处于软件接收机仿真验证阶段。视觉/惯性导航的组合方式也称为视觉/惯性SLAM，随着算法的不断改进和处理器性能的提升，基于优化的融合方法逐渐成为视觉/惯性SLAM系统的主流。

本发明提出卫星/惯性/视觉导航的冗余组合方法，在低成本的前提下，实现小型无人机组合导航的高精度、高可靠性。

发明内容

为解决当前低成本小型无人定位信息可靠性差、精度低的问题，本发明提出一种应用于小型无人机的冗余定位方法，采用卫星/惯性/视觉组合导航，总体架构如图1。

本发明涉及到的主要定位器件为GPS接收机、IMU和双目摄像头。当GPS接收机信号接收正常时，执行步骤S1。当GPS接收机信号接收异常时，执行步骤S2。当GPS接收机获取信号的信噪比明显改善且达到允许跟踪门限时，步骤S2的结果为步骤S1提供有效导航信息，为GPS迅速重新启用提供条件。

S1：IMU/GPS无人机导航，将GPS接收机解算出的位置速度信息与IMU测量的位置速度信息通过多级信息融合估计出IMU的输出误差，然后对IMU进行补偿和矫正，解算出无人机当前的位姿。

其中，所述GPS接收机解算出的位置速度信息为：水平方向x、y和垂直方向z的速度和位移。

其中，所述IMU测量的位置速度信息为：IMU内置的三轴陀螺仪、三轴加速度计和三轴磁力计获取的三轴角速率、三轴加速度和三个磁场分量。

其中，所述多级信息融合是基于松组合的间接卡尔曼滤波法，将IMU和GPS系统对同一导航参数的估计作差值后，利用卡尔曼滤波器进行滤波，估计其差量，然后利用IMU误差估计值去校正输出的导航参数，从而获得对导航参数的最优估计。

S-2：IMU/视觉无人机导航，采用基于滑动窗口的视觉/惯性紧耦合优化模型，将IMU信息与图像信息进行信息融合处理，解算出无人机当前的位姿。

所述步骤S-2中IMU/视觉无人机导航算法流程如下：

S2-1：获取双目图像与无人机的IMU信息，为后续线程提供数据+