基于低成本MEMS的SINS/视觉里程计组合导航系统研究

摘要

捷联惯导系统(SINS)可以不借助外部参照物输出全面的导航参数，具有很强的自主性，但是其误差会随时间不断累积。而目前随着军事和民用的快速发展，不断提高对低成本传感器的需求，基于MEMS的捷联惯导系统虽然可以完成惯导信息输出，但因其较强的器件噪声，会造成解算误差快速发散，无法独立使用。其成本低，体积小等优点使其应用领域非常广泛，如何提高精度是值得研究的科学方向。 针对一些室内应用环境，或是在GPS信号无法使用的情况下，提出视觉里程计(VO)与惯导融合的方案。视觉里程计是利用相机作为传感器，捕捉到拍摄画面中物体位置的变化，并反映在图像上，根据相邻帧之间像素点的对应关系，可以恢复出相机运动，具有较强的自主性。本文基于多速率卡尔曼滤波对惯导信息与单目视觉里程计信息进行松组合，利用里程计输出的位置速度对惯导信息进行修正。 主要研究内容如下: 研究MEMS惯性器件的外场标定方法，分析器件误差，并对陀螺仪和加速度计建立标定方程。针对较大的器件噪声，推导低成本MEMS的SINS的解算误差模型，对于无法敏感的地球自转角速度和载体运动引起的旋转角速度予以忽略，建立新的误差方程。并考虑实际应用场景，将位置信息由经纬度转换为坐标系位置矢量的形式表征。通过模拟器进行MEMS仿真，包括数据发生和解算。 对摄像机的成像原理进行剖析，考虑镜头畸变的情况下分析摄像机的标定原理，并对实际摄像头进行标定实验。在此基础上，研究单目视觉里程计的实现方法，包括特征提取，特征跟踪和运动计算。对其实现的每一环节进行快速性和准确性分析，选取合适的解决方法。采用FAST特征点，利用光流进行特征的追踪匹配，为满足灰度一致和小运动的假设，建立4层的图像金字塔进行迭代计算。并完成智能车平台上实物实验验证，以及基于POV-Ray渲染图像的仿真验证。 在完成子系统实现的基础上，设计惯性/视觉融合的组合导航系统。由于惯导数据更新频率很高，而视觉的较低，所以采用多速率卡尔曼滤波进行数据融合。融合前进行惯性/视觉的对齐，用几组图像间的惯导位置积分项与视觉的测量值对应，以恢复单目相机的真实尺度。利用单目视觉里程计输出的速度位置信息作量测，对惯导误差进行修正，并通过仿真实现。惯性/视觉两者的组合具有完全自主性，对于室内的移动机器人，和一些需要很强隐蔽性的军用载体具有重要意义。