邹 强,付 超,莫申童

(1.天津大学微电子学院,天津 300072;2.天津市物联网国际联合研究中心,天津 300072)

由于惯性导航系统INS(Inertial Navigation System)陀螺仪、加速度计等传感器的自身测量误差,还会受到机体震动、温度等多方面影响,以致测量数据不精准[1]。同时,四旋翼飞行器在室外环境下,可以借助INS与全球定位系统GPS(Global Position System)实现自主导航[2],但在室内环境下,无法利用GPS实现精准定位,因此需要可行的导航技术,实现室内精准导航。

采用更优的算法或多传感器融合是研究方向之一,即在原有惯性测量传感器的基础上融合更多姿态传感器的姿态信息,选择最优的在线数据融合策略,从而得到最优的组合导航[3-4]。文献[5]利用二维激光雷达和惯性导航系统构成微小型无人机MAV(Micro Aerial Vehicle)室内组合导航方案,采用基于扩展卡尔曼滤波(EKF)的D&C同步定位与构图技术(SLAM)实现定位和构图;文献[6]How等使用单目视觉对室内环境进行角点特征提取,根据角点匹配执行基于扩展卡尔曼滤波EKF(Extended Kalman Filter)的SLAM算法(EKF SLAM),得到MAV的位置估计,同时构造一个低精度的3D地图。虽然EKF执行效率很高,但是图像处理运算量较大,无法满足MAV对导航的实时性要求;文献[7]Bachrach等提出了一种大范围室内导航方案。该方案以二维激光雷达为传感器,采用基于粒子滤波器PF(Particle Filter)的GMapping算法进行定位,具有较高的定位精度,但是PF-SLAM的耗时较长,也无法满足MAV对导航的实时性要求;文献[8]Grzonka等在MAV的室内导航方案中使用惯性测量模块直接输出姿态角,但并未充分利用速度进行组合滤波,无……