亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種單目視覺信息輔助慣性導(dǎo)航算法

        2018-12-03 06:59:30王晨琳劉海穎
        導(dǎo)航定位學(xué)報 2018年4期
        關(guān)鍵詞:慣性導(dǎo)航濾波器速率

        王晨琳,劉海穎,蔣 鑫

        (南京航空航天大學(xué) 航天學(xué)院,南京 210016)

        0 引言

        自主導(dǎo)航有著突出的環(huán)境適應(yīng)能力,在各個領(lǐng)域有著廣闊的應(yīng)用需求[1-2]。單一的慣性導(dǎo)航系統(tǒng)由于誤差積累的特性不利于長時間的自主導(dǎo)航,解決這一問題的根本辦法是采用高精度的慣性傳感器,但是昂貴的成本有限制了其實(shí)用性。視覺導(dǎo)航方法由于其自主性、廉價性成為導(dǎo)航策略領(lǐng)域的研究熱點(diǎn),用視覺輔助慣性導(dǎo)航是一種很好的解決方案。

        近年來,視覺輔助導(dǎo)航算法被應(yīng)用于不同的場景。文獻(xiàn)[3]將圖像輔助導(dǎo)航用于飛行器著陸的情況做了可行性分析。文獻(xiàn)[4]針對航天器交會對接的情境,利用雙目視覺的技術(shù),運(yùn)用對偶四元數(shù)建立了2個航天器之間描述相對位姿參數(shù)的模型。文獻(xiàn)[5]提出了一種基于空間關(guān)系幾何約束的無人機(jī)景象匹配導(dǎo)航方法。在視覺信息和慣性傳感器信息融合的算法中,現(xiàn)階段普遍采用擴(kuò)展卡爾曼濾波(extended Kalman filter,EKF)。文獻(xiàn)[6]基于EKF算法,提出了一種視覺輔助慣性測量單元(inertial measurement unit,IMU)的無人機(jī)導(dǎo)航方法。文獻(xiàn)[7]在飛行器在大海拔變化的場景下,研究了基于單目EKF的同步定位和制圖(simultaneous location and mapping,SLAM)性能。文獻(xiàn)[8]設(shè)計(jì)了一種多模態(tài)數(shù)據(jù)融合的EKF算法,用于結(jié)合視覺、激光、慣性導(dǎo)航和里程計(jì)的信息。根據(jù)視覺信息和慣性傳感器信息的耦合程度可以分為松耦合和緊耦合。文獻(xiàn)[9]針對融合視覺里程計(jì)和慣性導(dǎo)航系統(tǒng)的方案,設(shè)計(jì)了一種松耦合的間接反饋型卡爾曼濾波器。文獻(xiàn)[10]提出了一種緊耦合的EKF算法用于視覺慣性導(dǎo)航組合的相對位姿測量,并與松耦合的EKF算法進(jìn)行了比較。

        為了充分利用所有導(dǎo)航子系統(tǒng)的信息資源,提高組合導(dǎo)航的濾波效率,選取慣性傳感器的高采樣率作為濾波器的采樣周期,低采樣率的相機(jī)傳感器數(shù)據(jù)作為量測信息,在此基礎(chǔ)上提出了一種多信息多速率融合的無損卡爾曼濾波(unscented Kalman filter,UKF)算法。

        1 多速率數(shù)據(jù)融合的設(shè)計(jì)方案

        一般情況下,卡爾曼濾波器的狀態(tài)更新和量測更新在同步進(jìn)行,這就需要在多傳感器的情況下進(jìn)行數(shù)據(jù)同步,舍去高采樣率傳感器的大部分?jǐn)?shù)據(jù)。這個過程中人為地不可避免地降低了高采樣率傳感器的性能,濾波周期變長,見圖1所示。

        多傳感器數(shù)據(jù)采樣率不一致的情況如圖2所示,濾波器首先判斷相機(jī)傳感器是否有采集圖像,是否輸入了圖像數(shù)據(jù)并通過算法驗(yàn)證圖像的質(zhì)量。如果沒有圖像數(shù)據(jù)或者圖像質(zhì)量差,濾波器只做狀態(tài)一步預(yù)測,將狀態(tài)估計(jì)值作為輸出。如果圖像數(shù)據(jù)滿足條件,則濾波器在空間上進(jìn)行數(shù)據(jù)融合,當(dāng)視覺數(shù)據(jù)的采樣周期不固定以及視覺數(shù)據(jù)的采樣點(diǎn)出現(xiàn)異常丟失時,濾波器也可以繼續(xù)運(yùn)行,這樣提高了整個系統(tǒng)的冗余性。這種方案解決了組合導(dǎo)航系統(tǒng)中某一子系統(tǒng)測量失敗導(dǎo)致的濾波性能下降的問題。

        多速率數(shù)據(jù)融合算法流程如圖3所示:首先,濾波器根據(jù)慣性傳感器輸入的加速度和角速度積分,獲得系統(tǒng)狀態(tài)的估計(jì)值;第二步是判定階段,濾波器判斷是否有圖像數(shù)據(jù)輸入,并且檢驗(yàn)圖像質(zhì)量。由尺度不變特征變換(scale-invariant feature transform,SIFT)算法獲取的特征點(diǎn)通過隨機(jī)抽樣一致算法(random sample consensus,RANSAC)[11]來進(jìn)行匹配,通過匹配點(diǎn)的數(shù)量衡量圖像質(zhì)量,一方面有效地剔除了誤匹配點(diǎn),另一方面能夠控制特征點(diǎn)的數(shù)量;第三步,根據(jù)系統(tǒng)狀態(tài)的估計(jì)值獲得載體運(yùn)動信息,構(gòu)建三焦點(diǎn)張量,將匹配特征點(diǎn)通過三焦點(diǎn)張量進(jìn)行轉(zhuǎn)移得到特征點(diǎn)位置的估計(jì)值;第四步,根據(jù)圖像中的特征點(diǎn)位置的實(shí)際測量值和估計(jì)值校正系統(tǒng)狀態(tài)量。

        2 多速率數(shù)據(jù)融合的UKF算法

        2.1 濾波器的狀態(tài)預(yù)測階段

        (1)

        式中:R為3×3的正交單位陣;T為三維平移向量;xp1,yp1,zp1為p點(diǎn)的位置坐標(biāo);xp2,yp2,zp2為p點(diǎn)經(jīng)坐標(biāo)系變換后的位置坐標(biāo)。

        根據(jù)三焦點(diǎn)張量的點(diǎn)轉(zhuǎn)移確定狀態(tài)向量,包含當(dāng)前時刻t1載體運(yùn)動狀態(tài)和前2個時刻t2、t3載體的位姿為

        (2)

        結(jié)合動力學(xué)方程得到連續(xù)系統(tǒng)的狀態(tài)方程為

        (3)

        式中:am、ωm分別表示加速度計(jì)和陀螺儀的測量值;ba和bω是加速度計(jì)和陀螺儀的零偏;na和nω是加速度計(jì)的陀螺儀高斯噪聲;g代表當(dāng)?shù)氐闹亓铀俣?;符?代表四元數(shù)乘法。

        (4)

        間接法中連續(xù)系統(tǒng)的狀態(tài)方程為

        (5)

        (6)

        (7)

        最后計(jì)算一步預(yù)測均方誤差方程為

        Pk|k-1=FdPk-1FdT+Qd

        (8)

        2.2 濾波器的測量更新階段

        單目相機(jī)提供的是以時間為標(biāo)準(zhǔn)的一連串圖像序列信息,提取同一特征點(diǎn)在不同的圖像中像素坐標(biāo)作為觀測量。在2個視圖之間,相同的特征點(diǎn)通過基礎(chǔ)矩陣聯(lián)系起來,是一種極線約束。在三視圖的情況下,相同的特征點(diǎn)通過三焦點(diǎn)張量聯(lián)系起來,這是幾何約束從二視圖到三視圖的擴(kuò)展。三焦點(diǎn)張量可以由慣性導(dǎo)航系統(tǒng)的位姿解算得到,將得到的三焦點(diǎn)張量來預(yù)測第三幅圖像中的特征點(diǎn)的像平面坐標(biāo),特征點(diǎn)轉(zhuǎn)移的過程見圖4所示。

        首先確定3幅圖像所在時刻t1、t2、t3,通過IMU數(shù)據(jù)預(yù)測得到3個時刻載體的絕對位姿。通過坐標(biāo)系轉(zhuǎn)化關(guān)系由IMU的絕對位姿轉(zhuǎn)化為相機(jī)坐標(biāo)系的絕對位姿。可以得到包含相機(jī)外參數(shù)的旋轉(zhuǎn)矩陣R和平移向量T,從而得到本質(zhì)矩陣

        E=[T]XR

        (9)

        結(jié)合事先標(biāo)定好的相機(jī)內(nèi)參數(shù)矩陣K可以得到相機(jī)的基礎(chǔ)矩陣F為

        E=KTFK

        (10)

        令兩兩視圖之間的基礎(chǔ)矩陣記為F12和F23,二視圖之間有如下對極幾何的約束關(guān)系為

        (11)

        第一步,計(jì)算垂直于x1的對極線Le2=F12x;

        第二步,計(jì)算過點(diǎn)x2并垂直于Le2的直線L2

        (12)

        第三步,計(jì)算轉(zhuǎn)移點(diǎn)x3=[Γ1T,Γ2T,Γ3T]L2x1。

        根據(jù)多視圖幾何約束得到的量測方程為

        z(k)=[x1F12x2,x2F23x3,
        [Γ1T,Γ2T,Γ3T]L2x1]T

        (13)

        最后計(jì)算濾波增益,更新系統(tǒng)狀態(tài)

        (14)

        3 實(shí)驗(yàn)結(jié)果

        本次實(shí)驗(yàn)采用自駕車釆集的實(shí)測數(shù)據(jù)驗(yàn)證算法的有效性。自駕車配備有全球定位系統(tǒng)(global positioning system,GPS)及IMU組合導(dǎo)航系統(tǒng)。IMU的型號為OXTS RT 3003,采樣率是100 Hz。其中,陀螺儀的量程為±300(°)/s,角速度偏差為2(°)/h;加速度計(jì)的量程為±300 m/s2,加速度偏差為0.02 m/s2?;疑珨z像機(jī)的數(shù)據(jù)經(jīng)過校正后的圖像分辨率為1 226個像素乘370個像素,圖像采樣率大致為10 Hz。

        實(shí)驗(yàn)數(shù)據(jù)采用MATLAB進(jìn)行仿真,選取2組有代表性的數(shù)據(jù),第一組場景是在市區(qū)馬路上,速度較慢。第二組場景選擇在郊區(qū)的公路上,速度較快。市區(qū)低速場景的結(jié)果如圖5和表1所示。

        在市區(qū)低速場景下,單一的慣性導(dǎo)航系統(tǒng)誤差積累速度很快,35 s以后位置誤差達(dá)到了25 m。在加入視覺輔助信息后,將相機(jī)數(shù)據(jù)和慣性傳感器數(shù)據(jù)同步采樣率,位置誤差積累速度明顯降低。在35 s以后位置誤差僅有5.3 m,明顯優(yōu)于單一的慣性導(dǎo)航系統(tǒng),大大提高了定位精度。在單速率的情況下,由于現(xiàn)實(shí)場景中車輛顛簸,光照等客觀因素的影響,相機(jī)采樣率具有局限性和不確定性,無法達(dá)到慣性導(dǎo)航器件的高穩(wěn)定和高采樣率的水平。所以,在2種數(shù)據(jù)的同步中必須舍去大部分的慣性傳感器的數(shù)據(jù)。并且如果相機(jī)出現(xiàn)故障,濾波器就無法工作,不利于系統(tǒng)的魯棒性。多速率數(shù)據(jù)融合的算法融合了所有傳感器的數(shù)據(jù),將慣性傳感器采集的高速率數(shù)據(jù)全部用于定位解算,提高了數(shù)據(jù)的利用率。多速率數(shù)據(jù)融合算法在全程的位置誤差最大值為3.1 m,位置均方根誤差相比于單速率算法更低,位置估計(jì)的穩(wěn)定性也更高。在速度估計(jì)方面,由于濾波器估計(jì)速度來源于慣性傳感器的信息,多速率算法的采樣率遠(yuǎn)遠(yuǎn)高于單速率,得到的速度精度也更高,穩(wěn)定性也更好。

        數(shù)據(jù)處理方法位置誤差最大值/m位置均方根誤差/m速度誤差最大值/(m·s-1)速度均方根誤差/(m·s-1)單一IMU數(shù)據(jù)24.879 611.180 2單速率數(shù)據(jù)融合5.329 73.934 20.776 30.342 6多速率數(shù)據(jù)融合3.126 71.481 90.376 20.180 2

        郊區(qū)高速場景的實(shí)驗(yàn)結(jié)果如圖6和表2所示。

        數(shù)據(jù)處理方法位置誤差最大值/m位置均方根誤差/m速度誤差最大值/(m·s-1)速度均方根誤差/(m·s-1)單一IMU數(shù)據(jù)32.225 016.832 0單速率數(shù)據(jù)融合29.588 113.849 32.002 00.945 8多速率數(shù)據(jù)融合14.569 87.493 61.207 60.487 2

        在郊區(qū)高速場景下,單一的慣性導(dǎo)航系統(tǒng)表現(xiàn)良好。因?yàn)樵诟咚偾闆r下,測量數(shù)據(jù)是高動態(tài)的,慣性傳感器的動態(tài)性能優(yōu)越。單速率數(shù)據(jù)融合算法在位置和速度的解算結(jié)果上比單一的慣性導(dǎo)航系統(tǒng)效果略好,雖然一開始誤差比較大,但是后期行程中誤差呈下降趨勢,有效地抑制了誤差的擴(kuò)散。多速率數(shù)據(jù)融合算法在位置和速度估計(jì)上明顯優(yōu)于前面2種算法,充分利用了高速率的慣性傳感器的數(shù)據(jù)和視覺校正信息。

        4 結(jié)束語

        本文利用相機(jī)提供的視覺信息,提出了一種基于UKF的多速率數(shù)據(jù)融合算法,用于輔助慣性導(dǎo)航。該算法不需要同步所有傳感器的采樣率,一方面充分利用了所有傳感器數(shù)據(jù),提高了信息利用率,另一方面在視覺輔助信息不足時濾波器能夠正常工作,提高了系統(tǒng)冗余性。通過采集的實(shí)測數(shù)據(jù)驗(yàn)證,這種視覺信息輔助慣性導(dǎo)航方法有效地抑制了慣性器件帶來的定位誤差,提高了導(dǎo)航的定位精度。

        猜你喜歡
        慣性導(dǎo)航濾波器速率
        基于無擾濾波器和AED-ADT的無擾切換控制
        基于慣性導(dǎo)航量程擴(kuò)展的滾動再次受控方法
        “化學(xué)反應(yīng)的速率與限度”知識與能力提升
        基于FPV圖傳及慣性導(dǎo)航系統(tǒng)對機(jī)器人的控制
        從濾波器理解卷積
        電子制作(2019年11期)2019-07-04 00:34:38
        開關(guān)電源EMI濾波器的應(yīng)用方法探討
        電子制作(2018年16期)2018-09-26 03:26:50
        速度和速率有什么不同
        基于TMS320C6678的SAR方位向預(yù)濾波器的并行實(shí)現(xiàn)
        極區(qū)間接橫向慣性導(dǎo)航方法
        不同冷卻速率下低壓轉(zhuǎn)子鋼30Cr2Ni4MoV的凝固組織
        上海金屬(2014年5期)2014-12-20 07:58:39
        免费午夜爽爽爽www视频十八禁| 春色成人在线一区av| 日韩av一区在线播放| 色久悠悠婷婷综合在线| 国产精品美女久久久久av福利| 国产亚洲精久久久久久无码| 日本韩国三级aⅴ在线观看| 蓝蓝的天空,白白的云| 五月综合激情婷婷六月| 亚洲精品无码mv在线观看| 国产成人精品无码一区二区老年人| 国产一区二区三区四区在线视频| 少妇高潮太爽了在线视频| 拍摄av现场失控高潮数次| 国产亚洲成年网址在线观看| 高清不卡日本v二区在线| 特级精品毛片免费观看| 国产精品麻豆综合在线| 黑丝美女喷水在线观看| 久久精品人搡人妻人少妇| 亚洲毛片αv无线播放一区| 无码日日模日日碰夜夜爽| 亚洲av成人无网码天堂| 日本熟妇人妻xxxx| 欧美日韩精品一区二区三区不卡| jk制服黑色丝袜喷水视频国产| 日本一区二区三区区视频| 国模无码一区二区三区| 日韩区在线| 日本一道高清在线一区二区| 优优人体大尺大尺无毒不卡| 国产精品福利视频一区| 久久久99久久久国产自输拍 | 国产精品欧美一区二区三区不卡| 欧美成人在线A免费观看| 91麻豆精品久久久影院| 在线观看av片永久免费| 亚洲欧美国产双大乳头| 伊人影院在线观看不卡| 国产成人久久精品一区二区三区 | 日韩中文字幕中文有码|