论文部分内容阅读
近年来,对智能车辆(无人地面车辆或自动驾驶汽车)自主能力的需求持续增高,对于基于低成本传感器的车载导航性能的要求也越来越高,典型的惯导卫星组合可靠运行的前提是卫星导航信号连续可获得。但卫星导航信号在城市峡谷、森林、隧道等情况下存在遮挡、多径等效应,并且易受干扰,还可能面临欺骗的威胁。因此卫星信号失效的情况下,研究约束低成本导航系统误差发散的方法以及新型组合导航方案有很大的现实意义,同时也是导航领域的热点和难点问题。论文着重研究了利用视觉传感器辅助惯导进行组合导航的关键技术,包括视觉运动信息计算和新型组合方式及其相应算法。同时也研究了提高里程计和运动学约束与惯导组合标定精度的新方法。本文主要工作和研究成果包括:1.提出了基于UKF的惯导/非完整性约束/里程计(INS/NHC/OD)高精度组合标定方法。其中针对四元数的无迹变换(UT)进行了扰动量的指数-对数映射特殊处理。针对低成本惯导的特点,从理论上分析了INS/NHC/OD组合导航与标定的可观测性。仿真结果表明,在安装偏角稍大时,利用UKF的标定方案显著优于传统EKF方案。2.提出了基于车道线消失点(VP)检测获得相对姿态并辅助惯导的方法。首先推导了消失点坐标和相对姿态之间的数学关系,给出相对航向计算公式,并对相对航向量测不确定性进行定量分析。然后提出了直线车道线检测方法,并基于AIME(自主完好性监测外推法)检测小曲率弯道线。开发了INS/VP相对姿态组合导航算法,同时与车体系速度辅助模块一起进行序贯式卡尔曼滤波。仿真和实验结果表明增加所提VP辅助算法后,总体水平定位精度相比INS/NHC提高了33%,达到0.32%行驶里程(DT)的水平。3.提出了使用单目相机2D-2D相对位姿估计对惯导进行辅助的方案。重点开发了一种对极约束的帧-帧之间相对姿态的不确定性估计算法,为后续信息融合提供基础。仿真和实验验证了该协方差估计方法的有效性。针对对极约束可能存在的退化场景,提出了利用视觉里程计(VO)帧帧之间相对平移向量对VO结果进行失效检测的简单有效方法。可观测分析表明了INS/VO与INS/NHC之间的辅助信息的互补作用。INS/NHC/VO的松组合导航方法经多组实验验证了算法的有效性,实验结果表明水平定位RMS误差在0.30%DT以内。4.提出了利用环境直线特征进一步辅助VINS的方法。一种方式是利用已有先验信息的直线段观测,即通过城市楼宇环境中的垂直直线段观测,提取绝对横滚角估计,以此作为量测与惯导组合,将该模块与基于点特征的紧组合VINS模块相结合,整体定位精度有进一步提升。另一种方式为观测无先验信息的直线段,为了提高直线特征初始化速度和减小系统非线性度,研究并提出了一种新的直线参数化表示方法AIDPL(锚固反深度Plücker直线),构建了基于直线特征的紧组合VINS。仿真结果表明了该方案对导航定位误差有明显的抑制作用,并且可以对环境直线进行快速有效估计。