小明;潘，梁;胡天江;沈林成 一种新颖的飞行器视觉辅助惯性导航融合方案。 （英语） Zbl 1299.93272号 数学。问题。工程师。 2013年，文章ID 819565，11 p.（2013）. 摘要：视觉辅助惯性导航是飞行器组合导航的一种重要而实用的模式。本文利用惯性导航系统（INS）和视觉匹配子系统的信息，提出并开发了一种新的融合方案。该方案不同于传统的卡尔曼滤波器（CKF）；CKF平等对待这两个信息源，即使视觉辅助导航与不确定性和不准确性有关。最后，通过关注视觉匹配的可靠性，对组合导航的融合方案进行了升级。不仅使用了匹配位置，还考虑了它们的可靠范围。此外，设计了一种融合算法，并证明了该算法在均方误差估计方面使方差最小，是最优的。通过仿真验证了这种新型导航融合方案的有效性。结果表明，在给定的场景和规格下，新的融合方案在视觉/INS估计方面优于CKF和自适应卡尔曼滤波（AKF）。 MSC公司： 93E11号机组 随机控制理论中的滤波 93立方厘米 控制理论中的应用模型 68立方英尺 知识表示 软件：SIFT公司;布里斯克;冲浪 PDF格式BibTeX公司 XML格式引用 \textit{M.Xiao}等人，数学。问题。Eng.2013，文章ID 819565，11 p.（2013；Zbl 1299.93272） 全文： 内政部 参考文献： [1] J.Wang、M.Garratt、A.Lambert等人，“GPS/INS/视觉传感器集成导航无人飞行器”，《国际摄影测量、遥感和空间信息科学档案汇编》，第963-969页，加拿大卡尔加里，2008年8月。 [2] R.Beard、D.Kingston、M.Quigley等人，“小型固定翼无人机的自动飞行器技术”，《航空航天计算、信息与通信杂志》，第92-108页，2005年。 [3] D.B.Kingston和R.W.Beard，“使用低成本传感器对小型无人机进行实时姿态和位置估计”，载于美国国际航空航天局第三届无人机无限技术会议论文集，研讨会和展览，第489-497页，美国伊利诺伊州芝加哥，2004年9月。 [4] W.Li和J.Wang，“MEMS-IMU/磁强计综合姿态和航向参考系统的有效自适应卡尔曼滤波器”，《航海杂志》，第66卷，第1期，第99-113页，2013年·doi:10.1017/S0373463312000331 [5] F.M.Mirzaei和S.I.Roumeliotis，“基于卡尔曼滤波器的IMU相机校准算法：可观测性分析和性能评估”，IEEE机器人学报，第24卷，第5期，第1143-1156页，2008年·doi:10.1109/TRO.2008.2004486 [6] J.Zhang、W.Liu和Y.Wu，“基于视觉的无人机导航新技术”，IEEE航空航天和电子系统汇刊，第47卷，第4期，第2731-2741页，2011年·doi:10.1109/TAES.2011.6034661 [7] A.I.Mourikis和S.I.Roumeliotis，“视觉辅助惯性导航的多状态约束卡尔曼滤波器”，《IEEE机器人与自动化国际会议论文集》（ICRA’07），第3565-3572页，2007年4月·doi:10.1109/ROBOT.2007.364024 [8] C.N.Taylor、M.J.Veth、J.F.Raquet和M.M.Miller，“未映射环境中导航的两种图像和惯性传感器融合技术的比较”，IEEE航空航天和电子系统汇刊，第47卷，第2期，第946-958页，2011年·doi:10.1109/TAES.2011.5751236 [9] M.Blösch、S.Weiss、D.Scaramuzza和R.Siegwart，“未知和非结构化环境中基于视觉的MAV导航”，《IEEE机器人与自动化国际会议论文集》（ICRA’10），第21-28页，2010年5月·doi:10.1109/ROBOT.2010.5509920 [10] N.Trawny、A.I.Mourikis、S.I.Roumeliotis、A.E.Johnson和J.F.Montgomery，“利用地图地标观测进行针点着陆的视觉辅助惯性导航”，《野外机器人学杂志》，第24卷，第5期，第357-378页，2007年·doi:10.1002/rob.20189 [11] L.D.Hostetler和R.D.Andreas，“用于地形辅助导航的非线性卡尔曼滤波技术”，IEEE自动控制汇刊，第28卷，第3期，第315-323页，1983年·Zbl 0502.93070号 ·doi:10.1109/TAC.1983.1103232 [12] P.-J.Nordlund和F.Gustafsson，“用于精确可靠地形辅助导航的边缘化粒子滤波器”，IEEE航空航天和电子系统汇刊，第45卷，第4期，第1385-1399页，2009年·doi:10.1109/TAES.2009.5310306 [13] D.G.Lowe，“不同尺度关键点的独特图像特征”，《国际计算机视觉杂志》，第60卷，第2期，第91-110页，2004年·doi:10.1023/B:VISI.0000029664.99615.94 [14] H.Bay，A.Ess，T.Tuytelaars和L.Van Gool，“加速鲁棒特征（SURF）”，《计算机视觉和图像理解》，第110卷，第3期，第346-359页，2008年·doi:10.1016/j.cviu.2007.09.014 [15] E.Rosten、R.Porter和T.Drummond，“更快更好：角点检测的机器学习方法”，IEEE模式分析和机器智能交易，第32卷，第1期，第105-119页，2009年·doi:10.1109/TPAMI.2008.275 [16] S.Leutenger、M.Chli和R.Y.Siegwart，“BRISK：二进制鲁棒不变可伸缩关键点”，《IEEE计算机视觉国际会议论文集》（ICCV’11），第2548-2555页，2011年11月·doi:10.1109/ICCV.2011.6126542 [17] B.Zitová和J.Flusser，“图像配准方法：调查”，图像和视觉计算，第21卷，第11期，第977-1000页，2003年·doi:10.1016/S0262-8856（03）00137-9 [18] M.Deshmukh和U.Bhosle，“图像注册调查”，《国际图像处理杂志》，第5卷，第245-269页，2011年。 [19] D.-J.Jwo和C.-N.Lai，“GPS导航非线性动态过程建模的Unscented Kalman滤波器”，《GPS解决方案》，第12卷，第4期，第249-260页，2008年·doi:10.1007/s10291-007-0081-9 [20] D.Titterton和J.Weston，捷联惯性导航技术，电子工程师学会，美国弗吉尼亚州雷斯顿，第2版，2004年。 [21] M.G.Petovello、M.E.Cannon和G.Lachapelle，“使用不同更新策略的卡尔曼滤波器可靠性分析”，《CASI年度大会论文集》，加拿大蒙特利尔，2003年4月·兹比尔1151.94401 [22] A.H.Mohamed和K.P.Schwarz，“INS/GPS的自适应卡尔曼滤波”，《大地测量学杂志》，第73卷，第4期，第193-203页，1999年·Zbl 1001.86014号 ·doi:10.1007/s001900050236 [23] B.J.Odelson、M.R.Rajamani和J.B.Rawlings，“估计噪声协方差的新自方差最小二乘法”，《自动化》，第42卷，第2期，第303-308页，2006年·Zbl 1099.93046号 ·doi:10.1016/j.automatica.2005.09.006 [24] T.Y.Um、J.G.Lee、S.T.Park和C.G.Park，“带偏置状态系统的噪声协方差估计”，IEEE航空航天和电子系统汇刊，第36卷，第1期，第226-233页，2000年·数字对象标识代码：10.1109/7.826324 [25] R.K.Mehra，“关于方差识别和自适应卡尔曼滤波”，《IEEE自动控制汇刊》，第15卷，第2期，第175-184页，1970年·doi:10.1109/TAC.1970.1099422 [26] U.M.Tae Yoon、J.Lee Gyu、S.-T.Park和C.G.Park，“带偏置状态系统的噪声协方差估计”，IEEE航空航天与电子系统汇刊，第36卷，第1期，第226-233页，2000年·数字对象标识代码：10.1109/7.826324 [27] A.Almagbile，J.Wang和W.Ding，“评估自适应卡尔曼滤波方法在GPS/INS集成中的性能”，《全球定位系统杂志》，第9卷，第33-40页，2010年。 [28] P.S.Maybeck，《随机模型、估计和控制》，Elsevier，1982年·Zbl 0546.93063号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。