視覺里程計輔助的INS-GPS組合導航系統(tǒng)研究.pdf

1、基于INS/GPS的組合導航系統(tǒng)由于其良好的性能互補性而成為導航技術(shù)領(lǐng)域的研究重點。但是由于該組合導航系統(tǒng)對GPS信號依賴程度過高，而GPS信號又很容易受到人為因素或者外界環(huán)境的干擾而造成信號堵塞或者失效，進而嚴重影響INS/GPS組合導航系統(tǒng)的導航與定位精度。因此，為了保持GPS失效時組合導航系統(tǒng)的定位精度，需要添加合適的輔助導航設(shè)備。隨著計算機視覺技術(shù)的快速發(fā)展，具有價格低、耗能少、信息量豐富等特點的視覺里程計得到了廣泛關(guān)注，而基于

2、視覺里程計輔助的INS/GPS組合導航系統(tǒng)也成為導航領(lǐng)域的一個研究熱點和重要的發(fā)展方向。如何從視覺傳感器獲取的圖像序列中提取到周圍環(huán)境特征點的信息是實現(xiàn)視覺里程計的基礎(chǔ)，同時也是提高基于視覺里程計輔助的INS/GPS組合導航系統(tǒng)定位精度的關(guān)鍵技術(shù)之一；由于視覺里程計輔助的INS/GPS組合導航系統(tǒng)具有強非線性，因此需要研究組合導航系統(tǒng)的非線性濾波技術(shù)。本文圍繞上述兩個方面的問題展開了研究，論文的主要工作有：
　　本研究首先對視覺特

3、征提取算法中常用的三種方法進行了詳細的對比分析，其中包括尺度不變特征變換（Scale Invariant Feature Transform，SIFT）特征提取算法、快速穩(wěn)健特征（Speeded-Up Robust Feature，SURF）提取算法和加速分割檢測特征（Feature from Accelerated Segment Test，F(xiàn)AST）提取算法，并利用具有不同變換的圖像序列對其各自的性能進行了對比，分析結(jié)論指出FAST

4、特征提取算法可以快速有效地提取到圖像特征點，但該算法對于噪聲比較敏感。為了解決這一問題，提出了相應的解決算法，結(jié)合隨機抽樣一致（Random Sample Consensus， RANSAC）算法對標準FAST特征提取算法進行了改進：利用RANSAC方法對匹配的特征點進行提純，剔除誤匹配點對，從而減小噪聲或者圖片質(zhì)量降低對特征提取與匹配的影響。結(jié)合改進的FAST特征提取算法，提出了一種改進的雙目視覺里程計算法。該算法首先利用改進的FAS

5、T特征提取算法對圖像序列中的特征點進行提取與匹配，獲得較高精度的匹配特征點對，然后根據(jù)雙目視覺里程計算法，估計出雙目視覺系統(tǒng)的實時定位與導航信息。利用車載試驗驗證了本文提出的雙目視覺里程計算法的可行性和優(yōu)越性。由于視覺里程計輔助的INS/GPS組合導航系統(tǒng)的非線性和模型噪聲的統(tǒng)計特性未知，因此嚴重影響著組合導航系統(tǒng)中濾波算法的精度。提出了一種基于方差分量估計（Variance-Covariance component Estimatio

6、n，VCE）的容積卡爾曼濾波（Cubature Kalman Filter，CKF）算法。該算法中利用非線性濾波算法，即CKF來解決非線性系統(tǒng)的狀態(tài)估計問題，利用基于VCE的自適應濾波方法估計出系統(tǒng)的系統(tǒng)噪聲和觀測噪聲，仿真結(jié)果表明該算法有效提高了非線性系統(tǒng)的狀態(tài)估計精度。最后利用基于VCE的自適應CKF濾波算法提出了一種組合導航算法來解決視覺輔助的INS/GPS組合導航系統(tǒng)中GPS信息失效時對運載體的導航與定位問題，并將該算法應用到實