基于视觉/MEMS的MAV的位姿估计

论文摘要

MAV（micro aerial vehicle）具有体积小、重量轻、成本低等优点,在军事领域和民用领域都有十分广阔的应用前景。由于MAV体积小、承重轻等特点,如何利用现有导航方式,对MAV进行导航,具有重要的现实意义。本文利用MEMS（micro electro-mechanical system）惯性元件和CCD摄像机,将惯性导航与视觉导航有机结合起来,尽可能充分有效地利用其提供的冗余测量信息,对MAV飞行过程中瞬时位置和姿态进行准确估计。论文首先建立了MAV的运动学模型,在MEMS惯性元件组成捷联惯导系统下,设计了一条飞行轨迹,并且对运动进行了仿真。仿真结果表明,单一的纯捷联惯导导航方式随时间会产生累积误差,导致结果发散。由于捷联惯导系统无法对姿态进行直接观测,本论文提出将视觉导航与捷联惯导组合起来。从MAV运动估计原理出发,首先采用SIFT算法对视频图像进行特征提取匹配,并对匹配效果进行了仿真检验。接着根据特征点对应关系,利用图像与地面环境特征点对应关系,解算出了MAV相对地理坐标系的位置和姿态,用于MAV的初始定位;利用前后两幅图像特征点对应关系,解算出了两拍摄时刻的相对位姿,完成对MAV的实时估计。从仿真结果可以看出,位姿估计误差较小,满足视觉导航要求。基于捷联惯导与视觉导航各自的优缺点,设计了两种导航方式的组合方案。以前面设计的飞行轨迹为基础,利用多速率卡尔曼滤波对两种测量数据进行数据融合,并进行了仿真。仿真结果表明,多速率卡尔曼滤波较单一速率的卡尔曼滤波,具有更好的收敛效果,可以提高组合系统的可靠性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源及研究意义
• 1.2 MAV 的研究发展现状
• 1.2.1 国外MAV 研究现状
• 1.2.2 国内MAV 的研究现状
• 1.3 视觉导航方法发展现状
• 1.4 论文主要内容
• 第2章 基于MEMS 的MAV 的运动分析
• 2.1 引言
• 2.2 MAV 的运动学建模
• 2.2.1 常用坐标系及其转换关系
• 2.2.2 MAV 的运动学模型
• 2.3 基于MEMS 的MAV 的运动导航
• 2.3.1 SINS 的基本原理
• 2.3.2 SINS 的误差模型
• 2.4 MAV 运动仿真
• 2.5 本章小结
• 第3章 视觉图像特征提取与匹配
• 3.1 引言
• 3.2 SIFT 特征提取与匹配
• 3.2.1 图像配准基础
• 3.2.2 SIFT 算法实现
• 3.3 SIFT 算法仿真
• 3.4 本章小结
• 第4章 基于视觉的MAV 位姿估计
• 4.1 引言
• 4.2 摄像机成像模型
• 4.2.1 视觉导航系中基本坐标系
• 4.2.2 针孔模型的数学表示
• 4.3 MAV 位姿初始定位
• 4.3.1 MAV 初始位姿估计方法
• 4.3.2 MAV 初始定位仿真
• 4.4 MAV 的运动估计
• 4.4.1 MAV 运动估计方法
• 4.4.2 MAV 运动估计仿真
• 4.5 本章小结
• 第5章 基于Kalman 滤波的数据融合
• 5.1 引言
• 5.2 视觉/捷联惯导组合导航方案设计
• 5.3 多速率卡尔曼滤波算法
• 5.3.1 多速率卡尔曼滤波算法研究
• 5.3.2 多速率卡尔曼滤波算法推导
• 5.4 组合导航数学仿真
• 5.4.1 组合导航系统仿真方案设计
• 5.4.2 卡尔曼滤波器设计
• 5.4.3 卡尔曼滤波数学仿真
• 5.5 本章小结
• 结论
• 参考文献
• 附录
• 致谢