论文部分内容阅读
惯性导航系统(INS)与光流组合导航方法在众多场合拥有极为广泛的应用,其中,光流信息的准确与否直接影响导航参数的优劣。为解决光照极弱或者光流传感器离地高度小于摄像头焦距所导致的光流信息误差较大使导航参数严重失真而无法连续导航的问题,提出一种基于Elman神经网络的速度预测方法。环境适宜的情况下,在线训练神经网络模型,而处于特殊环境使光流信息信任价值很小时,使用训练完成的神经网络对载体速度进行预测。另外,基于INS动态误差模型的卡尔曼滤波器(KF)通过融合INS以及速度数据得到误差向量使之对导航参数进行补偿