基于微机电惯导和视觉融合的无人飞行器导航系统研究

For the application of UAV autonomous navigation, this project will utilize the vision navigation and the Kalman Filtering approach to study the following issues: the multi-rate Kalman filtering approach for the fusion of MEMS-INS and vision navigation; the on-line calibration approach for MEMS-INS sensors with the aiding of vision navigation information;the approach to improve multi-navigation precision under micro-light circumstances. Specifically,this project will mainly focus on the following problems: (1) the construction of multi-rate Kalman filer to fuse optical flow and image matching information to MEMS-INS by theory research and performance analysis ; (2) the analysis and modeling of the stochastic error for MEMS-INS sensors, and the expansion of inertial navigation error equation;(3)the approach to improve image quality of vision navigation by image enhancement technology,and to enhance the precision of optical flow and image matching under micro-light circumstances. Through the study, this project will provide a new scheme for the application of UAV autonomous navigation system , increase the autonomy of the UAV navigation system, and improve the navigation accuracy of the system.

根据UAV自主导航应用背景，利用视觉导航和Kalman滤波方法，深入研究MEMS-INS和视觉导航融合的双速Kalman滤波方法，深入研究视觉导航信息在线标定MEMS-INS传感器的方案，深入研究弱光条件下提高UAV的MEMS-INS/视觉融合的复合导航精度的方案。本项目的研究内容主要包括：（1）通过对双速Kalman滤波器的理论研究和性能分析，构建将光流和图像匹配信息融合到MEMS-INS中的双速Kalman滤波器；（2）对MEMS-INS的传感器的随机误差进行分析，确定其成分并建立模型，再将惯导误差方程进行扩展；（3）研究通过图像增强技术，提高视觉导航的图像质量，改善弱光条件下的光流和图像匹配的精度。通过以上研究，为UAV自主导航应用提供一种新的方案，提高UAV导航系统的自主性和导航精度。

在引导无人飞行器（UAV）到达目标时，采用惯性导航技术可不依赖飞行器外部信息，是一种完全自主的导航方式。为提高惯性导航精度，可以采用辅助信息来构建复合导航系统，从而解决惯性导航系统误差积累问题。. 课题结合光流和图像匹配等视觉信息，研究无人飞行器的自主导航问题，开展基于微机电惯导和视觉融合的组合导航系统方案研究。项目具体研究了以下四个方面的内容：根据双速卡尔曼（Kalman）滤波方法，研究将视觉信息融合到微机电惯导系统（MEMS-INS）中的具体方案；研究大航向误差条件下的导航系统动基座初始对准方案；研究通过视觉信息对惯性传感器在线标定来抑制惯性传感器误差的方案；研究有雾天等弱光条件下，通过图像去雾增强技术，提高图像质量的方案。. 通过课题研究，首先构建了一套微机电惯导和视觉信息互相融合的双速Kalman滤波方案，并且结合UAV导航系统的快速启动要求，设计了大航向误差条件下的微机电惯导动基座初始对准方案。通过实验结果分析，所设计的动基座初始对准方案，相对于传统方案来说，精度得到明显提高，系统航向角、横滚角和俯仰角在两分钟内的对准误差都下降一倍以上。其次以Allan方差分析技术为基础对惯性传感器随机误差建模，在此基础上，结合视觉辅助信息提出在线标定和补偿方案。通过实验分析，课题设计的方案在对惯性传感器漂移的残差估计上，明显优于传统方案，而且在纯惯导阶段的导航精度也得到提升。最后研究有雾条件下，通过Guided 滤波器原理，增强图像效果，进而更好地应用于复合导航系统。通过实验，图像的信息熵提高了5%，图像质量得到明显提升。. 通过课题的研究和分析，将视觉的光流和图像匹配信息融入惯性导航系统，使系统能更好地完成动基座初始对准和惯性器件误差标定，从而提高了导航系统性能。另外通过图像处理技术来提高视觉信息质量，为进一步提高复合导航系统中视觉融合的效果做出了有益的探索。课题的这些研究进展和结果，能够为UAV自主导航领域的研究，提供有价值的技术参考和借鉴。