论文部分内容阅读
精确的位姿估计是小型旋翼无人机进行自主飞行控制的关键。目前大多数无人机采用全球卫星导航系统(GNSS)与惯性测量单元(IMU)组合进行位姿估计,但是在GNSS信号强拒止的情况下无法正常工作。通过视觉信息辅助IMU进行位姿估计,可以解决卫星信号无法获取时无人机的位姿估计问题。因此,本文主要研究单目视觉的尺度估计算法,以及单目视觉和IMU信息融合的位姿估计算法在小型无人机上的应用。首先,设计了多传感器信息融合的位姿估计系统,研究并解决了系统的初始化问题。多传感器系统包含单目相机、IMU和超声波传感器。在初始化过程中,采用磁强计辅助实现IMU的初始对准,通过卡尔曼滤波算法实现了IMU的初始零偏估计,并对单目相机的内参以及相机与IMU的外参进行了标定。其次,针对单目视觉在位姿估计过程中无法获得绝对尺度的问题,提出了在不同环境中分别采用超声波传感器和IMU辅助的尺度估计算法。室内环境采用超声波传感器,在ORB-SLAM算法的初始化过程中,基于最小二乘算法对其尺度进行估计。室外环境利用IMU获得的六自由度位姿信息,对ORB-SLAM算法初始化成功后得到的位姿估计结果进行校正,从而计算获得尺度值。最后,提出了基于扩展卡尔曼滤波的单目视觉与IMU信息融合的位姿估计算法。通过二者信息融合提高了整个系统的位姿估计输出频率与精度,以适应小型旋翼无人机的高机动特性。具体过程为:先根据IMU的运动学模型建立系统方程,进行惯导解算;然后推导误差状态方程,从而对系统误差状态进行建模;最后将单目ORB-SLAM算法的位姿估计结果作为观测量,基于扩展卡尔曼滤波得到系统误差状态的最优估计值,从而对惯导解算的结果进行修正。为了验证尺度估计算法与位姿估计算法的可行性,在室内及室外场景下均进行了实验。通过不同环境下的多组实验表明,本文提出的尺度估计算法能准确的获得单目视觉的绝对尺度信息,多传感器信息融合的位姿估计算法能够满足无人机对定位速度及定位精度的要求。