磁航向传感器在机器人定向中的应用

磁航向传感器V2X是基于"磁感法"的二维传感器.将其应用于机器人的定向测量,设计了传感器的接口电路,给出了在μCOS-Ⅱ实时操作系统环境下的磁航向数据采集C196程序.实际应用表明,传感器在采样频率为5 Hz时测量精度为±2°,是一种有较高性价比的设计方案.     

智能数字磁场计HMR2300在无人机航向测量中的应用

三轴智能数字磁场计HMR2300采用磁阻传感器原理测量磁场的强度和方向,具有体积小、功耗低、准确度高的特点.将HMR2300应用于无人机的航向测量回路,分析了磁航向测量回路的误差形成原因,应用椭圆拟合法进行误差补偿.在WH20S单轴仿真转台上进行实验,实验结果表明,经过误差补偿,航向测量准确度达0.8°,符合无人机飞行控制系统对航向测量的要求.     

基于偏振光与MEMS陀螺的航向角测量系统设计

针对飞行器控制中MEMS陀螺存在噪声干扰和测量误差,以及其误差随时间累积的缺点,采用偏振光传感器作为量测信息,对其航向角信息进行矫正.详细介绍了偏振光传感器的测量原理,并建立MEMS陀螺与偏振光传感器误差的数学模型,在此基础上采用简单有效的直接卡尔曼滤波方法进行数据融合.室内精密转台实验测量结果表明:偏振光传感器可以有效地修正角速度陀螺的航向信息,经过280 s的实验,误差由原来的36.27°下降为6.05°,此最优估计航向角可以为飞行控制提供精确的数据信息.     

一种基于磁传感器的MEMS陀螺标定方法

根据微型航姿测量系统各传感器的特点,研究出了一种基于磁传感器输出的MEMS陀螺标定方法,并根据MEMS陀螺误差参数模型设计相应的补偿算法,分别对MEMS陀螺的零偏和标度因数误差进行了补偿。与传统标定方法相比,该方法实现简单,适用于现场标定。实验结果表明,该标定方法能够有效地提高MEMS陀螺测量精度,补偿后陀螺在静态条件下2分钟内,俯仰角漂移小于0.035°,倾斜角漂移小于0.15°,航向角的漂移小于0.2°。当陀螺三轴均有角速率输入时,在角速度小于25°/s情况下误差都能保持在±2°以内。     

基于MEMS器件的电子罗盘系统设计

研究了一种基于MEMS加速度传感器、三轴磁阻传感器和MSP430F169单片机的数字电子罗盘测量系统。介绍了航向的测量原理、航向角表达式以及系统的整体框架,重点阐述了系统的硬件电路设计和误差补偿方法,使罗盘系统精度最大误差从41.5°提高到了1.5°左右。     

电子罗盘水平状态下航向角误差补偿算法的研究

针对电子罗盘测量时存在传感器的零位、灵敏度误差和干扰磁场引起的航向角误差问题,应用一种航向角误差补偿算法进行校正;在分析了电子罗盘航向角测量的工作原理、航向角误差形成原因的基础上,详细阐述了该补偿算法的实现原理,并通过LbVIEW软件仿真验证;同时设计了两种测量方案和测试系统,利用HMC1043芯片的电子罗盘进行多次实测验证并得出结论;实验结果表明:补偿后电子罗盘测量的航向角误差在4.5°以内;该补偿算法补偿效果良好,实现简单。     

航姿参考系统中磁航向传感器误差标定与补偿

对于航姿参考系统中磁航向传感器的输出精度来说,误差环境对其精确度的影响起着很大的作用.为了校正磁航向传感器的误差,提出了一种基于改进最小二乘法的椭球拟合法,对三轴磁传感器误差做快速标定补偿.首先,对磁航向传感器的误差产生机理进行有效分析,然后,针对分析结果建立误差椭球模型,推导出误差系数的解算公式,利用改进的椭球拟合方法对磁航向传感器进行标定和补偿.实验结果表明,改进的椭球拟合方法能够正确快速的标定补偿磁航向传感器的零偏误差、非正交误差、灵敏度误差,在解决当前磁传感器标定补偿计算量大、操作时间长、标定设备要求高等问题上达到了预期的效果,具有补偿效果显著,简单易行等特点.     

基于航向自纠正方法的行人导航算法研究

低成本MEMS惯性传感器被广泛应用于足绑式行人导航中,但由于MEMS惯性传感器零偏随时间会产生累积误差,行人真实航向角与脚部解算的航向角有差值,传统零速修正算法对航向角缺乏观测导致行人航向发散,成为行人导航的主要误差源, 行人在室内行走尤其是在室内楼道环境中,行走轨迹大多数情况下是近乎直线的。由此提出一种航向自纠正算法 (HSC),通过采集行人脚部离地阶段数据和一步航向差值,进行行人直行与行走方向判定,根据判定结果在零速时重置航向,将航向自纠正算法与零速更新算法融合,采用一款低成本惯性传感器绑于脚面进行实验,对比传统零速更新算法,该方 法可以显著提高定位精度,定位误差可以达到2％以内, 该算法的实现无需添加额外传感器,仅依靠自身信息矫正航向,具有很好的工程实用价值。     

基于信息融合的移动机器人侧向定位的研究

超声波传感器的入射角对输出有很大的影响,通过实验分析了入射角对输出的影响。采用引入误差补偿因子的方法,标定了传感器的测量模型,使得测量精度大大提高。在此基础上,基于多源信息融合设计了3种移动机器人侧向定位模型。经实验比较证实,引入误差补偿因子的融合模型定位精度高,可以使得距离误差控制在±2.4mm,姿态角误差控制在±0.32°以内。最后,将该融合模型应用于移动机器人的实际控制中,距离误差为±3.7mm、姿态角误差为±0.58°,满足移动机器人定位精度的要求。     

无人机捷联航姿系统误差分析与补偿

针对由三轴磁传感器、三轴微机电系统(MEMS)加速度计和三轴MEMS速率陀螺构成的无人机捷联航姿参考系统(AHRS),在详细分析3种传感器误差来源的基础上,建立了与之相适应的误差数学模型;根据传感器自身特点和九轴传感器的测量特点提出了相对应的误差补偿算法.试验结果表明:磁通门传感器的航向角最大误差由补偿前15°降低为补偿后1.6°;补偿后加速度计的俯仰角最大误差为0.25°,倾斜角最大误差0.35°;速率陀螺的静态误差补偿在3.5 min之内航向角误差为±0.3°,俯仰角补偿后误差±0.4°,倾斜角补偿后误差±0.4°;当速率小于15°/s时,动态误差控制在±1°.     

基于深度学习的四旋翼无人机控制系统设计

针对传统四旋翼无人机控制系统受到外界干扰,无法及时躲避障碍物而导致控制精准度低的问题,提出了基于深度学习的四旋翼无人机控制系统设计。根据四旋翼无人机控制系统总体结构,加入超声波测距模块。依据系统硬件框图,采用TMS320F28335型号主控芯片,实现关键态势智能分析。以串级 PID 控制器的控制对象为无人机姿态角度,控制电机转速。根据DSP发出不同占空比的PWM信号,改变无人机飞行姿态,依据执行机构驱动原理,保证无人机飞行时的平衡状态。使用红外遥控系统,应用编/解码操控集成电路芯片,采用TS0P1738型号红外线接收器,适合于红外线遥控数据传输。构建深度学习目标控制模型,利用处突阵法与三角形相似原理,计算像素尺寸,获取障碍物距无人机当前位置距离,避免受到外界障碍物干扰。自适应扩展Kalman滤波器技术对无人机自动控制系统有效减小测量误差,准确地对机动目标进行追踪。由系统调试结果可知,该系统控制的俯仰角、航向角、横滚角与实际值一致,对处理突发性群体事件具有重要意义。     

Navigation Aided Image Processing in UAV Surveillance: Preliminary Results and Design of an Airborne Experimental System

This paper describes an airborne reconfigurable measurement system being developed at Swedish Defence Research Agency (FOI), Sensor Technology, Sweden. An image processing oriented sensor management architecture for UAV (unmanned aerial vehicles) IR/EO-surveillance is presented. Some preliminary results of navigation aided image processing in UAV applications are demonstrated, such as SLAM (simultaneous localization and mapping), structure from motion and geolocation, target tracking, and detection of moving objects. The design goal of the measurement system is to emulate a UAV-mounted sensor gimbal using a stand-alone system. The minimal configuration of the system consists of a gyro-stabilized gimbal with IR and CCD sensors and an integrated high-performance navigation system. The navigation system combines dGPS real-time kinematics (RTK) data with data from an inertial measurement unit (IMU) mounted with reference to the optical sensors. The gimbal is to be used as an experimental georeferenced sensor platform, using a choice of carriers, to produce military relevant image sequences for studies of image processing and sensor control on moving surveillance and reconnaissance platforms. Furthermore, a high resolution synthetic environment, developed for sensor simulations in the visual and infrared wavelengths, is presented. © 2004 Wiley Periodicals, Inc.     

基于ARM与低成本MEMS器件的AHRS设计

自平衡机器人、多旋翼无人飞行器的控制需要高精度的姿态运动信息作为反馈输入,要求测量模块具有响应快、体积小和功耗低的特点。采用低成本的MEMS器件与STM32单片机构建了航向姿态参考系统硬件平台。针对传感器的特点,设计了基于扩展卡尔曼滤波算法的双矢量校正方法,并给出了陀螺仪的温度补偿、磁传感器的校正方法。     

捷联式磁航向测量系统的航向角误差动态特性研究

在不考虑罗差情况下,建立了捷联式磁航向测量系统的航向角误差模型,并结合无人机磁航向测量系统中框架式垂直陀螺仪的姿态测量特点,将其姿态误差源特征引入误差模型,全面分析了其航向角在不同飞行条件下的动态误差特性.对捷联式磁航向测量系统的航向角误差模型进行了仿真计算,并将仿真结果与飞行实验结果进行了比较分析.结果表明:捷联式磁航向测量系统的航向角误差动态特性符合无人机测量误差特点,能够为工程应用提供直接的理论依据.     

MEMS航向传感器在小型无人机上的补偿算法

根据航向传感器在无人机上的安装位置,介绍了两种航向补偿算法,即航向传感器水平安装时改进的霍尼韦尔补偿算法和航向传感器非水平安装时改进的椭球拟合补偿算法。根据这两种算法,进行了无人机的地面静止补偿实验和飞行试验。通过输出的航向传感器数据与高精度惯导数据进行对比,验证了不同安装位置采用的不同的补偿算法都可实现航向的高精度补偿。     

基于红外传感原理的无人机姿态测量系统设计

由于红外温度传感器能有效感知天空间的热辐射,并且相比传统姿态测量的传感器具有体积小、重量轻、成本低等特点,设计一种基于红外传感原理的无人机姿态测量系统;该系统以新型的ARM Cortex—M3内核微处理器STM32F103ZET6作为处理单元,通过采集红外传感器的姿态信息,进行姿态解算,进而获得无人机的姿态角;同时分析了太阳干扰对实验的影响。实验测试表明:该姿态测量系统简单实用,性能稳定,精度高,能有效满足一般无人机姿态测量的要求。     

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.     

LANDING AN UNMANNED AIR VEHICLE: VISION BASED MOTION ESTIMATION AND NONLINEAR CONTROL

In this paper, we use computer vision as a feedback sensor in a control loop for landing an unmanned air vehicle (UAV) on a landing pad. The vision problem we address here is then a special case of the classic ego-motion estimation problem since all feature points lie on a planar surface (the landing pad). We study together the discrete and differential versions of the ego-motion estimation, in order to obtain both position and velocity of the UAV relative to the landing pad. After briefly reviewing existing algorithm for the discrete case, we present, in a unified geometric framework, a new estimation scheme for solving the differential case. We further show how the obtained algorithms enable the vision sensor to be placed in the feedback loop as a state observer for landing control. These algorithms are linear, numerically robust, and computationally inexpensive hence suitable for real-time implementation. We present a thorough performance evaluation of the motion estimation algorithms under varying levels of image measurement noise, altitudes of the camera above the landing pad, and different camera motions relative to the landing pad. A landing controller is then designed for a full dynamic model of the UAV. Using geometric nonlinear control theory, the dynamics of the UAV are decoupled into an inner system and outer system. The proposed control scheme is then based on the differential flatness of the outer system. For the overall closed-loop system, conditions are provided under which exponential stability can be guaranteed. In the closed-loop system, the controller is tightly coupled with the vision based state estimation and the only auxiliary sensor are accelerometers for measuring acceleration of the UAV. Finally, we show through simulation results that the designed vision-in-the-loop controller generates stable landing maneuvers even for large levels of image measurement noise. Experiments on a real UAV will be presented in future work.     

Omnidirectional vision applied to Unmanned Aerial Vehicles (UAVs) attitude and heading estimation

This paper presents an aircraft attitude and heading estimator using catadioptric images as a principal sensor for UAV or as a redundant system for IMU (Inertial Measure Unit) and gyro sensors. First, we explain how the unified theory for central catadioptric cameras is used for attitude and heading estimation, explaining how the skyline is projected on the catadioptric image and how it is segmented and used to calculate the UAV’s attitude. Then, we use appearance images to obtain a visual compass, and we calculate the relative rotation and heading of the aerial vehicle. Finally the tests and results using the UAV COLIBRI platform and the validation of them in real flights are presented, comparing the estimated data with the inertial values measured on board.