一种基于VINS/FINS组合导航方法

针对视觉惯性组合导航系统中微惯性器件精度偏低,以及足部惯性导航系统航向角误差可观测性差的问题,研究了一种基于上述两种系统的信息双向融合的导航定位方案. 该方法的系统结构由安装于双足步行机器人躯干部分的惯性导航系统和安装于其足部惯性导航系统两部分组成. 惯性导航系统通过视觉同时定位与地图构建数据融合方法可以获得相对准确的航向角,足部惯性导航系统利用零速修正后的位置信息实时修正惯性导航系统中的低精度惯性器件误差,从而构建视觉与惯性信息双向融合的组合导航系统结构. 实验结果表明,该组合导航方案可以有效提高双足步行机器人的航向精度和定位精度.     

传递对准中主惯导数据延时的LCKF算法研究

瞄准吊舱进行传递对准时,主惯导数据到达吊舱惯导系统存在延时,影响滤波收敛速度和估计精度。文中提出了一种基于延时卡尔曼滤波的主惯导数据延时补偿算法(LCKF算法),将时间基准统一到主惯导数据时刻进行卡尔曼滤波,修正子惯导姿态信息,再利用子惯导的实时IMU数据进行捷联更新,获得子惯导当前时刻的姿态信息。基于比力积分匹配传递对准,对LCKF算法进行仿真,结果表明该方法明显提高了传递对准收敛速度和估计精度。     

基于IMU量测信息的手机运动模态判别方法

手机导航以其便捷和廉价得到广泛应用,而其运动模态对导航精度有较大影响. 基于手机内置IMU的量测信息,研究了一种运动模态判别方法. 该方法根据人体步态相位检测法和IMU中三轴加速度计和三轴陀螺仪的六维量测信息,选择合适参数,通过对试验采样数据的处理设定阈值和辨识窗口,确定实际应用算法流程. 试验结果表明,该方法实时判别手机运动模态的延时小,且在相应运动模态内的判别准确率达到100%,为后续导航算法的使用时机与过程提供了有效判断依据.     

信息双向融合的机器人协同导航方法

根据双足机器人足部惯性导航系统与轮式机器人航位递推/同步定位与建图(SLAM)导航系统不同的误差发散特性构建信息双向融合滤波器,即利用双足机器人导航系统中的误差零速修正(ZUPT)方法减少轮式机器人导航系统误差,并利用轮式机器人导航系统中的SLAM算法在一定环境条件下修正双足机器人的定位误差,从而同步提高两类机器人导航系统的定位与航向精度.实验结果表明:导航系统定位误差约为行进距离的2.3％,在室内等卫星导航系统失效的环境中可有效提高机器人群体导航系统的综合导航性能.     

基于相位控制的惯性与卫星超紧组合导航系统信号解调方法

卫星导航极易受到复杂环境下的干扰信号影响,捷联惯性导航系统（SINS）与卫星导航系统(GNSS)超紧组合导航技术可提高卫星接收机在信号干扰环境下的工作性能。在对比分析紧组合与超紧组合实现方案及北斗B1信号调制方式的基础上,提出基于相位控制的SINS与GNSS超紧组合环路信号解调方法,进一步分析SINS与GNSS超紧组合环路信号跟踪特性。对卫星信号受干扰环境及动态条件下的相位控制超紧组合与频率控制超紧组合方法的导航性能进行试验对比分析,结果表明相位控制超紧组合方法具有更稳定的定位性能,并可提高约7 dB的抗干扰能力。     

基于MSComm多平台自适应监控系统的实现

应用Visual Basic的通讯控件MSComm与串口自适应技术，开发能运行于多种Windows操作系统，具有自动识别RS232串口功能的实时监控系统。实践证明，该系统能准确地识别连接正确的RS232串口，数据传输快速、准确，能有效降低由被控对象引起的事故发生率。     

基于实例分割的复杂环境车道线检测方法

针对基于语义分割的车道线检测方法存在的特征表述模糊、语义信息利用率较低的问题,采用实例分割算法,提出基于改进混合任务级联（HTC）网络的车道线检测方法. 基于HTC网络模型,在主干网络中引入可变形卷积,提升主干网络对复杂环境中车道线特征的提取能力. 改进特征金字塔网络结构,在特征金字塔网络的基础上添加自底向上的低层特征传递路径,引入空洞卷积,在不损失车道线特征信息的情况下增加特征图感受野,利用低层特征中所包含的车道线的精确定位信息,提高车道线的检测精度. 实验结果表明,改进HTC网络模型可以实现车道线特征的鲁棒提取,在复杂道路环境中可以获得较好的检测性能,有效提高了车道线检测精度.     

SUKF滤波在SINS大失准角初始对准中的应用研究

针对捷联惯导系统在大失准角初始对准过程中的非线性滤波问题,提出了基于Scaled UT变换的Scaled-Unscented卡尔曼滤波(SUKF),并将SUKF应用到基于四元数误差的非线性对准模型中.在仿真中对比了SUKF和扩展卡尔曼滤波(EKF),结果表明,在大失准角的情形下,SUKF比EKF对准速度更快,估计精度更高.     

光纤陀螺随机噪声的实时滤波技术

针对ARMA(Auto-regressive and moving average)模型只能对零均值序列建模的不足,建立了一种适用于中低精度光纤陀螺(Fiber optic gyroscope,FOG)的非零均值信号建模的ARIMA模型,并利用卡尔曼滤波器抑制FOG的随机噪声.Allan方差分析和实际应用结果表明,FOG实测信号通过ARIMA模型的卡尔曼滤波器,各种噪声都得到了有效的抑制.将基于ARIMA模型的卡尔曼滤波误差校正方法应用于转动环境下的FOG输出信号处理,同样得到良好的效果.本文提出的方案扩展了ARIMA滤波算法的应用范围,具有较高的工程应用价值.     

自适应零速修正辅助的微惯性定位系统研究

针对GNSS失效情况下微惯性器件漂移大引起的定位精度低的问题,研究了一种多条件辨识零速时刻,基于速度信息构建观测方程的零速修正算法,以提高微惯性系统的定位精度. 论文阐述了行人步态特性,在分析行人步态的基础上设计了基于加速度量测方差、加速度量测幅值和角速度量测能量的多条件零速检测方法,并针对室内外不同环境设置了自适应阈值. 在此基础上,构建了速度信息为系统观测值的Kalman滤波器,在零速对姿态、速度及位置误差进行估计并修正. 实验结果表明,基于上述自适应定位修正算法可有效增强零速检测的可靠性,抑制定位误差的累积,定位的精度是行进距离的1.32%.