《ins光流磁强计组合导航在小型无人机中的应用》由会员分享，可在线阅读，更多相关《ins光流磁强计组合导航在小型无人机中的应用（10页珍藏版）》请在金锄头文库上搜索。
1、INS/光流/磁强计组合导航在小型无人机中的应用 化雪荟 陈大力 佛山职业技术学院电子信息系 摘 要： 由于低成本的惯性导航系统存在较为严重的漂移, 小型无人机在使用其导航时, 往往会出现较大的误差。针对这一问题, 提出了一种 INS/光流/磁强计组合导航方案:基于扩展卡尔曼滤波, 将 INS 与光流数据融合, 估计无人机的速度和位置。当无人机静止或匀速运动时, 将陀螺仪与加速计、磁强计的数据融合, 估计无人机的姿态;当无人机加速或减速时, 用陀螺仪估计无人机的姿态。利用无人机飞行数据对本文所提出的组合导航方案进行了验证, 验证结果表明, 该方案有效的减少导航时的速度、位置和姿态的误差, 提高
2、导航精度。关键词： 小型无人机; 惯性导航; 光流传感器; 磁强计; 扩展卡尔曼滤波; 作者简介：化雪荟 (1976-) , 女, 甘肃景泰人, 硕士, 高级实验师, 主要从事应用电子设计、移动通信技术、传感器应用方向的研究;作者简介：陈大力 (1975-) , 男, 吉林四平人, 副教授, 主要从事工业控制、电子设计方面研究。收稿日期：2016-09-01Application of INS/Optical Flow/Magnetometer Integrated Navigation System in Small UAVHUA Xuehui CHEN Dali Department of
3、 Electronic Information, Foshan Polytechnic Institute; Abstract： The drift of inertial navigation system (INS) will lead to large navigation error when a low-cost INS is used in small UAV.To overcome the above problem, an INS/Optical Flow/Magnetometer integrated Navigation scheme is proposed.The sch
4、eme, which is based on the extended Kalman filter, combines INS and Optical Flow information to estimate the velocity and position of UAV, and combines gyro, accelerator and magnetometer information to estimate the UAV attitude when the UAV is at rest or in uniform motion, and uses gyro to estimate
5、the UAV attitude when the UAV is accelerating or decelerating.The UAV flight data is used to verify the proposed integrated navigation scheme, and the verification results show that the proposed scheme can effectively reduce the errors of navigation parameters and improve navigation precision.Keywor
6、d： UAV; INS; optical flow; magnetometer; EKF; Received： 2016-09-01在过去的二十年间, 得益于较高精度、高可靠性、低成本微型传感器的大量生产和普及, 小型无人机取得了巨大发展并且也成为了研究的热点。目前已经在军事, 生产和生活中取得了广泛的应用。作为无人机控制系统的核心模块, 导航系统一直是无人机领域众多研究者所重点关注的问题。精确的飞行器导航信息是实现飞行器稳定控制的基础, 而导航系统的功能就是为飞行器提供准确的飞行器状态信息。导航系统的传统解决方案包括:惯性导航、GPS 导航、GPS/INS 组合导航等。然而这些传统的导航方式
7、, 往往存在着如积分累积误差, 信号失锁等问题。近年来, 国内外的一些研究人员受到昆虫利用视觉进行导航的启发, 使用光流法进行小型无人机的导航1。国外方面, Nils Gageilk2, Dominilk Honegger3等人利用光流传感器完成了无人机的定点悬停、自主驾驶以及速度估计, Mercado D A4, Wang Jinling5等人进行了 INS/GPS/Optical Flow的组合导航研究, 可以对无人机的导航信息进行实时的估计。国内方面, 吕强6, 张洪涛7等人也成功利用光流法进行了悬停实验, 宋宇8利用两个光流传感器, 完成了对室内小型无人机速度, 位置和姿态信息的获取,
8、 但缺点是需要较强的光源, 同时双光流传感器获取姿态信息时对无人机高度有一定要求。在使用单个光流传感器进行导航时, 原理上可以得到无人机的速度和位置信息, 但是无法获取无人机的姿态信息。本文针对这一问题, 在上述研究的基础上, 提出了一种基于 INS/光流/磁强计的组合导航方案。该方案利用扩展卡尔曼滤波器, 将 INS 与光流传感器组合, 对无人机的位置和速度进行估计;当无人机静止或匀速运动时, 将陀螺仪与加速度计、磁强计组合, 对无人机的姿态进行估计。对自主搭建的小型四旋翼无人机平台进行飞行数据采集, 以验证本文所提出的组合导航方案。验证表明该方案有效的减少了惯性单元在导航时的时间累积误差,
9、 同时具有小型化、轻型化、低成本等优点。1 速度、位置、姿态的估计原理本节介绍通过光流传感器对无人机的速度和位置的估计方法以及加速度计结合磁强计对无人机姿态的估计方法。在进行原理介绍前, 首先需要对坐标系进行定义。1.1 光流传感器对速度、位置的估计(1) 光流的定义光流的概念是由 Gibson 于 1950 年首先提出的, 是指空间运动的物体在成像面上像素运动的瞬时速度, 它表征了二维图像的灰度变化和场景中物体及其运动的关系, 它根据像素灰度的时域变化和相关性确定各个像素点的运动速度, 因此, 可被观察者用来确定目标的运动情况9。(2) 光流的计算图像处理的研究者为光流的计算提出了很多的方法
10、, 其中较为典型的有:Lucas-Kanade 法, HornSchunck 法, 图像内差值法, 块匹配法, 特征匹配法等。考虑到硬件平台和计算的复杂程度, 我们选择了基于最小误差绝对值和 SAD (Sum of Absolute Differences) 的块匹配 BMA (Block Matching Algorithms) 算法, 进行光流的计算。该算法的大致原理和流程如图 1 所示10。如图 1 所示, 设 xp (i, j) 和 xc (i+i, j+j) 分别表示前一帧中选取的大小为 nn 目标块的灰度值和当前帧搜索区域中待匹配目标块的灰度值, 其中1i, jn;-di, jd。
11、基于最小绝对误差和 SAD 匹配准则的块匹配算法就是在搜索区域里寻找满足下式的 i, j, 从而获得光流矢量 V=r (i, j) , V 的单位为 pixel/s, r 为摄像头的采集频率, 单位为 frame/s, 而 U 为绝对值误差和的最小值, 他们有如下的关系表达式:图 1 块匹配算法示意图 下载原图在初始状态时, 在成像平面的原点处选取一个目标块, 当无人机运动时, 目标块会在后一帧图像中移动。在后一帧的搜索区域内 (该搜索区域限定了两个方向的最大位移 d) , 使当前帧的目标块和前一帧的目标块内像素灰度差的 SAD最小, 这样我们就可以得到目标块的光流矢量。在实验中, 采集垂直于
12、摄像头方向的图像, 并使用 8 位来的数据来表征每个像素的灰度。采集后的数据通过 DMA 存储在系统内存中。在整个采集过程中, 选择 88 像素的数据块来作为块匹配的对象, 搜索区域为4 个像素, 所以对于每一帧图像, 一共有 64 个像素点, 同时有 81 个候选的向量方向。获得每一帧图像后, 我们计算出各个候选向量的误差绝对值和, 并选择其中的最小值作为光流失量。(3) 光流法的基本模型光流法估计物体的运动模型本质都是将三维的运动投影到摄像头的二维像平面上。常见的光流法估计模型有两种:一种是针孔模型 (Pin-hole Image Plane Approach) , 它来源于对脊椎动物视觉
13、系统的仿生;另一种是球面模型 (Spherical Imaging Surface Approach) , 它受到了昆虫复眼的启发11。在本文中, 我们使用针孔模型, 对无人机在地理坐标系下的运动进行估计。针孔模型的示意图, 如图 2 所示。图 2 针孔 (Pin-hole) 模型 下载原图设 Pc=Xc, Yc, Zc是在摄像头坐标系下的一个点, f 代表了摄像头的焦距, 于是这一点在摄像头成像平面下表示为 p=x, y, f, 并有关系:式中:因为从摄像头到成相平面的距离的始终为焦距, 所以向量 p=x, y, f的第 3 项为常数并等于焦距。考虑地面上的任意一点 P, 在摄像头坐标系下
14、P 相对于无人机有如下的运动关系:将式 (7) 在 3 个维度上展开, 可以得到:式中:= x, y, z是无人机的角速度, T c=Txc, Tyc, Tzc是无人机在摄像头坐标系的平动速度.对式 (4) 两边求导, 可以得到 Pc在摄像头坐标下的速度与 p 在成像平面下的速度的关系:式中:v=v x, vy, vz。将式 (11) 在 3 个维度上展开, 可以得到:将式 (8) 式 (10) 代入式 (12) 、式 (13) , 可以得到:式 (15) 、式 (16) 中的 vx、v y是光流矢量在 x 方向和 y 方向上的分量, 可以通过上一节的块匹配最小误差绝对和的方法计算得出;式中的
15、 Zc可以由光流传感器板载的超声波传感器得出;式中的角速度值 x、 y、 z, 可以由陀螺仪得出;式中的 x, y 用式 (5) 、式 (6) 代入。这样可以估算出飞行器在摄像头坐标系下的平动速度 Tc, 再通过坐标系变换矩阵 Cc, 就可以得到无人机在地理坐标系下的速度, 积分后就可以得到无人机在地理坐标系下的位置信息。1.2 加速度计组合磁强计对姿态的估计加速度计通过敏感重力场, 在载体不存在自身加速度的情况下, 可以确定无人机的横滚角和俯仰角;磁强计敏感地磁场, 借助于加速度计得到的载体姿态信息, 可以解算得到无人机航向角。两者相组合, 就可以得到不随时间积累误差的全姿态信息12。(1)
16、 利用加速度计获取载体的横滚角和俯仰角重力矢量在地理坐标系下的分量为00-g, 当载体处于静止态 (相对导航坐标系无加速度) 时, 安装在载体坐标系下的加速度计测量值为 ab=axbaybazb, 由于重力加速度垂直于水平面, 故载体的航向角不影响 x 向和 y 向加速度计的输出。于是有关系:联立可以解得俯仰角和横滚角为:此方法利用地球重力加速度在机体坐标系三轴上的投影信息反映载体的姿态信息, 故只有在载体无加速运动的情况下上述算式才成立。而在实际系统中, 载体并不是始终保持静止或匀速运动的, 一旦载体有了加速运动, 加速度计的测量值就不再与重力加速度在载体系三轴上的分量相等。所以该方案只能用于静态姿态测量, 动态时的姿态测量还要另寻方案13。(2) 利用磁强计获取载体的航向角设地磁强度在地理坐标系三轴上的分量为 Hn=HxnHynHzn, 磁强计沿体坐标系 Fb三轴方向安装, 地磁强
