小型无人机姿态解算方法研究

姿态解算是小型多旋翼无人机研究的核心问题之一.为进一步提高姿态反馈数据的准确度和实时性,设计了低成本姿态解算系统,根据不同姿态传感器的信号特点,结合卡尔曼滤波融合算法和改进型互补滤波融合算法的优势,提出了一种基于前置卡尔曼滤波器的互补滤波融合姿态解算方法,并进行了飞行姿态解算实验.结果表明,代码的运行周期比改进型互补滤波融合算法增加了0.253 ms,比基于加权滑动方差的卡尔曼滤波融合算法减少了0.246 ms;姿态更新时间提前了约1 ms.悬停状态下,俯仰角和翻滚角的解算误差控制在±0.2°以内;航向角的解算误差控制在±0.6°以内.该方法集合了卡尔曼滤波算法和互补滤波算法的优势,准确度更高,实时性更强.     

基于偏振光传感器的全姿态角解算方法研究

针对小型无人机三维空间内姿态解算的问题,提出了一种仅利用偏振光传感器进行全姿态角的解算方法.利用偏振光传感器测量的偏振方位角,及通过观测位置和观测时间计算得到的太阳方位角,可以求得当前的航向角.利用太阳矢量在导航坐标系和载体坐标系中的投影,通过解算姿态方程解算出当前的俯仰角与横滚角,实现全姿态角的解算.通过仿真实验证明了该方法的有效性,解算出的姿态角误差在1°以内,能够有效地满足小型无人机的需求,为无人机导航提供一种全新的导航方法.     

基于互补滤波和粒子滤波融合的球形机器人姿态解算

针对球形机器人在运动控制中难以实时、准确地获取机器人的位置和姿态估计精度的问题,提出了一种基于互补滤波和粒子滤波相融合的姿态解算算法.为了避免使用磁力计数据参与四元数计算时俯仰角和横滚角误差较大的问题,使用陀螺仪和磁力计互补滤波算法单独对球形机器人的偏航角进行解算,同时,通过信息熵评估磁力计噪声大小,动态调整磁力计在互补滤波中的权值.实验结果表明,在外部磁场干扰实验中,偏航角误差在3?以内,在球形机器人动态和静态实验中,偏航角误差在0.3?左右,俯仰角和横滚角误差能够控制在0.1?之内.因此,该算法能够保证球形机器人姿态解算的实时性,增强准确性和和抗干扰能力,有效提高球形机器人运动控制的精度.     

基于磁阻传感器与加速度计复合的姿态角检测技术

针对基于三维磁阻传感器解算姿态角时,解算结果会因符号变号出现较大解算误差,并需要已知其中一个姿态角方可解算另外2个姿态角,提出基于磁阻传感器与加速度计复合的姿态角解算算法,利用加速度计单独解算的倾斜角为地磁传感器解算提供一个姿态角,在地磁俯仰角阈值处以加速度计解算的横滚角代替磁阻传感器解算的横滚角,从而能实现同时测量3个姿态角,并在实验室进行了试验,达到预期的效果,为特殊行业对象的姿态角定姿提供一种新的方法思路。     

基于数字式红外传感器的姿态测量盲区补偿法

单轴红外姿态测量系统在测量小型无人机姿态角时存在盲区,通过增加一组与原轴线相垂直的红外传感器,形成双轴姿态测量系统,对盲区进行补偿。两组红外传感器一定有一组位于倾角可测区域,通过测试目标轴的输出温差的大小,判断位于可测区域的轴线,可实现对目标轴姿态角的解算。首次采用数字式输出红外热电堆传感器设计实现了180°无盲区的姿态角测量模块,经过测试,其静态误差小于2°。     

基于混合滤波的四轴飞行器的姿态解算

针对四轴飞行器的姿态解算出现的姿态角数据漂移问题,提出一种基于Mahony滤波和互补滤波相结合的混合滤波算法,将传感器采集到的加速度、角速度以及磁场强度数据进行融合,利用加速度计和磁力计的向量偏差来对姿态解算过程中陀螺仪产生的积分累计误差进行修正.最后,建立姿态解算测试平台对混合滤波算法进行实验验证.实验结果表明,采用混合滤波算法的一次迭代滤波所需的平均用时为3.826 ms,比其他算法的平均用时短,混合滤波能有效地修正陀螺仪的积分累计误差,在降低运算复杂度的同时提高姿态解算的精度.     

示教机械臂姿态解算改进方法仿真研究

在示教机械臂姿态解算精度优化的研究中,针对使用单组传感器进行数据融合,姿态解算的传统方法中存在的精度低,稳定性差的问题,设计了一种组合MEMS传感器的姿态解算方法。将六组传感器安装于载体坐标系三个轴上,分别测量两组传感器数据。以传感器量测数据与四元数估计数据的向量积代替姿态角误差作为互补滤波器的输入量,分别利用模糊控制器和PI控制器,根据互补滤波原理调节陀螺仪输出量。通过拓展卡尔曼滤波器进行姿态估计,得到更精确的四元数,进而转化为姿态角。仿真结果表明,在静态和动态情况下,多组传感器组合调节后的姿态角数据相比单组传感器PI调节在姿态角精度和系统稳定性上有进一步提高。     

基于MEMS的微型飞行器姿态测量系统

利用三轴加速度计和三轴磁强计,设计了基于MEMS技术的微型飞行器姿态测量系统。系统采用C8051F单片机进行各传感器的数据采集,通过串口通信将采集的信息发送到上位机,用四元数解算算法进行数据融合和姿态解算,将俯仰角,横滚角、航向角等信息在上位机界面上显示出来。     

基于多传感器的智能车辆姿态解算方法

针对智能车辆主动环境感知的需求,提出了一种采用三轴加速度计、三轴磁强计和三轴陀螺仪组合进行车辆姿态解算的方法.首先以旋转矢量法为陀螺仪的车辆姿态解算方法,作为扩展卡尔曼滤波的状态方程,用于车辆姿态的预测;其次以高斯牛顿法为加速度计和磁强计的车辆姿态解算方法,作为扩展卡尔曼滤波的观测方程,用于车辆姿态校正;然后在此基础上构建扩展卡尔曼滤波传播方程,采用扩展卡尔曼滤波进行多传感器信息融合,得到车辆的姿态解算结果;最后通过构建实车测试环境对解算方法有效性进行验证.实验结果表明,通过基于多传感器的车辆姿态解算方法解算得到的车辆姿态角稳定、准确,能够满足智能车辆行为参数估计的实际需求.     

基于部分惯性传感器信息的单目视觉同步定位与地图创建方法

传统的单目视觉同步定位与地图创建(MonoSLAM)方法很难处理累积误差问题,如何有效地利用惯性传感器输出的运动信息辅助SLAM系统抑制累积误差是MonoSLAM研究中的一项重要内容.由于惯性传感器输出的三轴方向角中横滚角和俯仰角的精度较高,而偏航角的精度相对较低,如果在SLAM系统中直接使用惯性传感器输出的偏航角信息不但无法有效地抑制该系统中的累积误差,反而会进一步增大系统误差、降低SLAM系统的稳定性.针对这种情况,提出一种基于惯性传感器横滚角和俯仰角的MonoSLAM方法.首先利用惯性传感器输出的横滚角和俯仰角进行系统标定;然后将惯性传感器自身的偏航角作为系统状态向量的一个分量,利用扩展卡尔曼滤波器实时地估计状态向量,进而实现实时鲁棒的同步定位和地图创建.实验结果表明,该方法可以有效地抑制SLAM系统运行过程中产生的累积误差,并降低惯性传感器测量误差对SLAM系统稳定性的影响.     

神经网络补偿算法在基于MEMS的姿态检测中的应用

针对基于微机电传感器的姿态检测领域存在的姿态测量误差问题,为进一步提高姿态检测的精度,提出了一种基于神经网络的姿态估计误差补偿方法。采用开源的微型飞行器在室内环境进行真实飞行实验采集的数据集,借助BP神经网络的非线性映射能力,建立了关于微机电传感器的输出与姿态估计误差之间的姿态误差补偿模型;根据微机电传感器的输出信息,直接预测得到横滚角、俯仰角和偏航角的误差补偿角度。实验结果表明,利用所提出的神经网络进行姿态补偿之后,姿态估计误差大大减小,表明神经网络对于提高姿态检测的精度具有一定的作用。     

小型无人机飞行姿态测量系统的设计

飞行姿态是无人机飞行时最重要的参数之一,针对现有多数姿态测量系统体积大、功耗高、续航时间短,并不适合应用于小型或微型无人机上等问题,提出了一种基于DSP的小型化无人机飞行姿态测量的设计方案;完成了微固态陀螺实时数据采集,并通过四阶Runge-Kutta方法对其姿态角进行了求解;给出了姿态测量系统各模块的设计思想及基于μC/OS-Ⅱ的软件设计流程;与NAV440CA-200型IMU对比结果显示,在35秒的测试时间内滚转角相对误差为0.5°,俯仰角相对误差为0.4°;试验结果表明,该姿态测量系统具有较高的测量精度、体积小、功耗低等特点,满足设计需要。     

A Cost Effective Motion Platform for Performance Testing of MEMS-Based Attitude and Heading Reference Systems

An accurate attitude and heading reference system (AHRS) is a key component to ensuring safe and reliable flight of unmanned aerial vehicles (UAVs). Recently, much attention has been given to developing AHRS using inertial sensors based on microelectromechanical sytems (MEMS). These MEMS-based AHRS are low-cost, lightweight, and consume little power. However, the advantages of inexpensive MEMS sensors are coupled with the drawback of having greater potential error in reported roll, pitch, and yaw angles due to increased sensor noise and drift. To minimize this error, advanced sensor fusion techniques such as Kalman Filtering are commonly implemented. Testing these techniques, and the AHRS as a whole, is therefore a crucial part of the performance optimization process. This paper outlines the development of an inexpensive 3-axis motion platform for AHRS calibration and testing that replicates aircraft motions from actual UAV flights, or from a flight simulator. To accomplish this, custom LabVIEW control software was developed to process time-stamped aircraft orientation data. Commands were then sent through a microcontroller to the motion platform, which reconstructs the flights with high precision (R² = .994). By using this method, AHRS testing can be performed under more realistic conditions, providing an alternative to costly field testing. This technique is especially useful for simulations of autonomous vehicle technologies such as collision avoidance, where an increased risk of damage to the UAV is present.     

基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法

对传统多旋翼无人机姿态估计算法难以兼顾高精度、强实时性以及抗干扰能力差的问题,首先基于一种计算量较小的衍生无迹卡尔曼滤波算法,在量测更新中,将加速度数据和磁力计数据分为两个阶段进行姿态四元数校正处理,然后从旋转四元数的本质出发,推测出四元数各元素分别包含着不同的姿态角信息,最后将校正四元数分别乘上为降低校正过程中的相互干扰所设计的系数,提出一种基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法.通过使用PIXHAWK飞控数据,与传统姿态估计算法进行仿真实验对比,实验表明,本文提出算法与传统使用扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)的姿态估计算法相比,在实时性、解算精度和抗干扰能力方面有较大提升.     

天基光学传感器姿态实时校正算法

卫星在轨运行过程中,载荷姿态不可避免受到平台抖动、传感器热形变等安装误差因素一定程度的影响,导致图像定位精度下降。针对该问题,通过建立相应的安装误差状态转移模型和基于特征点的观测模型、采用扩展卡尔曼滤波（ EKF）,实现对安装误差的实时估计。采用基于特征点的天基传感器姿态实时校正方法,数学仿真表明：该方法能够实现姿态实时校正,且性能稳定,可有效提高图像定位精度。     

基于EKF算法的太阳能无人机低成本飞控状态估计

当大展弦比太阳能无人机(UAV)采用由低成本传感器组成的飞控平台时,受限于传感器误差精度、无人机长航时、广域度的任务要求,传统数据融合算法无法实现其姿态、空速和风场长时间的准确和可靠估计.从飞控搭载的传感器测量原理出发,对测量过程的误差特性和温度影响进行建模,基于扩展卡尔曼滤波算法实现状态的可靠估计.首先,将压力传感器与惯导的数据进行融合以实现姿态估计;其次,结合无人机的布局特征将磁力计独立安装以实现航向估计;最后,融合GPS的数据进行导航估计.仿真结果表明,较传统的变增益估计算法(VGO),所提出算法的层次更分明,结果更可靠,而且可以与太阳能无人机的特征较好地结合.     

Fixed‐wing attitude estimation using temporal tracking of the horizon and optical flow

A method has been developed for estimating pitch angle, roll angle, and aircraft body rates based on horizon detection and temporal tracking using a forward‐looking camera, without assistance from other sensors. Using an image processing front end, we select several lines in an image that may or may not correspond to the true horizon. The optical flow at each candidate line is calculated, which may be used to measure the body rates of the aircraft. Using an extended Kalman filter (EKF), the aircraft state is propagated using a motion model and a candidate horizon line is associated using a statistical test based on the optical flow measurements and the location of the horizon. Once associated, the selected horizon line, along with the associated optical flow, is used as a measurement to the EKF. To test the accuracy of the algorithm, two flights were conducted, one using a highly dynamic uninhabited airborne vehicle (UAV) in clear flight conditions and the other in a human‐piloted Cessna 172 in conditions in which the horizon was partially obscured by terrain, haze, and smoke. The UAV flight resulted in pitch and roll error standard deviations of 0.42 and 0.71 deg, respectively, when compared with a truth attitude source. The Cessna flight resulted in pitch and roll error standard deviations of 1.79 and 1.75 deg, respectively. The benefits of selecting and tracking the horizon using a motion model and optical flow rather than naively relying on the image processing front end are demonstrated. © 2011 Wiley Periodicals, Inc.     

基于北斗通信技术的无人机运动轨迹跟踪控制系统设计

为使所获俯仰角、滚转角、偏航角跟踪结果均与无人机实际运动轨迹保持一致,实现对整条行进轨迹的准确追踪与控制,设计基于北斗通信技术的无人机运动轨迹跟踪控制系统。按照北斗通信技术的应用标准,定义运维报文、通知协商报文、业务数据报文三种不同格式的协议文件,并以此为基础,深入分析无人机飞行器的内部结构组成,再结合大量行进姿态数据,完成对无人机运动轨迹跟踪控制系统的动力学建模。确保主供应电路的顺畅连接,将所有传输电量按需匹配至全驱动运动结构、姿态调节器、自适应控制器、轨迹追踪器四类硬件应用结构中,完成系统的主控结构设计,联合所有软、硬件运行条件,实现基于北斗通信技术的无人机运动轨迹跟踪控制系统设计。根据实验结果可知,在北斗通信技术的影响下,系统主机所获得的俯仰角、滚转角、偏航角跟踪结果均不会与无人机实际运动轨迹产生较大     

A novel approach for estimation of residual attitude of a remote-sensing satellite

ABSTRACT

This article presents a novel approach for estimation of the residual attitude of a remote-sensing satellite based on satellite images with ancillary information and ground control points (GCPs). First, a non-linear model which translates the residual errors in roll, pitch, and yaw to scan-errors and pixel-errors in the image space is established. Subsequently, using the model and given scan-errors and pixel-errors at GCPs, an estimate of residual roll, pitch, and yaw based on the least square minimization of residuals in conjunction with the Newton’s method for non-linear optimization is proposed. A simulation is carried out to show that the estimates of residual roll and pitch are within 0.0008° (equivalent to 0.5 pixel) and the residual yaw is within 0.015° (equivalent to 0.75 pixel at the extreme ends) to its true values. The results of the article can be applied to determine the residual attitude of any remote-sensing satellite. We demonstrate our results by estimating the residual attitude based on the data-products of various Indian remote-sensing satellites. The effectiveness of the approach is shown by comparing the results with that of existing technique and it is concluded that the presented technique estimates residual attitude more accurately than the existing method.