基于异构传感信息融合的导航定位方法
发布时间：2020-12-22 18:41
无人机凭借其体积小、速度快、隐蔽性好和生存能力强等优点,在军事领域和民用领域等得到愈加广泛的应用。导航技术是无人机安全飞行的基础,是无人机系统的关键组成部分。无人机导航技术主要包括定位、避障、目标检测和路径规划等方面,本文针对无人机的定位算法和目标检测进行研究论述。在室内等环境下,无人机无法使用GPS等定位方法,且受到无人机载重和功率的限制,传感器的使用有局限性。基于惯性传感器的惯导系统（inertial navigation system,简称INS）和基于视觉的同时定位与建图（simultaneous localization and mapping,简称SLAM）都存在各自的有点与不足。通过融合INS与SLAM系统提出的复合定位方式成为室内定位的主流方法。本文设计一种基于核自适应滤波算法,融合惯性传感器与视觉传感器数据的无人机室内松耦合定位系统,提高无人机的室内定位精度。快速准确的检测到抓取目标以及目标在图像中的位置,是提高无人机抓取与搬运效率的前提,准确的检测到不同物体的最优抓取框,是提高无人机抓取成功率的保障。传统的无人机抓取研究多事借助外部设备来获取无人机与目标间的位置与姿...
【文章来源】：中国科学院大学(中国科学院深圳先进技术研究院)广东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
无人机在军事领域和民用领域的应用Figure1.1ApplicationofUAVinmilitaryandcivilianfields
使得运算速度得到提升，满足了本文定位实验对运算速度的需求。但是与其他单目 VO 算法一样，仅通过帧间运动估计相机轨迹，无法避免误差的累计。并且由于无人机快速、复杂的运动，采集到的图像模糊，不利于轨迹的估计[14]。INS 通过 IMU 可以读取角速度和线性加速度，提供了无人机的运动数据。它不仅提供了无人机的倾斜角和旋转角，也为单目视觉提供了绝对的尺度信息。因此，根据单目相机和 IMU 传感器的各自特点，视觉-惯性里程计（visual-inertial monocular，简称 VIO）提供了一个低成本且高效的室内无人机定位方案[15]。VIO 系统根据视觉和惯导融合的方式可以分为紧耦合系统和松耦合系统两种。紧耦合方法联合估计每一个传感器状态，如文献[16]所示。文献[17]提出一种将视觉传感器数据和IMU 数据紧耦合的方案，IMU 误差系统和特征点的重投影误差在全概率方式下融合，基于联合非线性损失函数进行非线性优化。通过使用关键帧更新过去的状态，维护一个特定大小的优化窗口，保证实时的操作。
图 1. 4 基于 CNN 架构的目标检测流程示意图Figure 1.4 Object detection process diagram based on CNN architecture无人机通过深度学习技术，基于 CNN 的目标检测算法，为农业领域的作物巡检，虫害防御等方向提供了低成本且有效的方案。文献[41]使用无人机拍摄的图像，基于无监督的自动编码器对杂草进行检测。文献[42]基于前馈神经网络和 CNN 的混合神经网络对混合的农作物种子进行分类。无人机结合深度学习的技术在巡检、调查和救援等工作上也有大量的应用，如水母监视[43]、无人机路况巡检[44]、无人机协助雪灾搜索和救援行动[45]和恐怖分子跟踪[46]等。文献[45],[46]中，通过预训练的特征提取的 CNN 模型提取对目标进行判别。图 1.5 无人机雪灾搜索中，基于 CNN 网络的目标检测算法框图。
【参考文献】：
期刊论文
[1]一种基于深度学习的机械臂抓取方法[J]. 杜学丹,蔡莹皓,鲁涛,王硕,闫哲. 机器人. 2017(06)
[2]基于无人机平台的垃圾搜索及拾取系统设计[J]. 于海魁,于国龙,虎良仙,王大路. 物联网技术. 2017(02)
[3]基于视觉的四旋翼无人机自主定位与控制系统[J]. 曹美会,鲜斌,张旭,文曦. 信息与控制. 2015(02)
[4]室内定位现状与发展趋势研究(英文)[J]. 邓中亮,余彦培,袁协,万能,杨磊. 中国通信. 2013(03)
[5]无人机导航技术及其特点分析[J]. 程龙,周树道,叶松,王俊,王彦杰. 飞航导弹. 2011(02)
硕士论文
[1]基于人工特征的惯性/视觉无人机位姿估计研究[D]. 钟上焜.哈尔滨工业大学 2017
[2]基于视觉伺服的飞行机械臂抓取控制[D]. 都业贵.哈尔滨工业大学 2017
[3]旋翼飞行机械臂控制系统设计及仿真测试[D]. 白阳.南京航空航天大学 2016
[4]室内环境下基于SLAM的四旋翼无人机定位与控制[D]. 魏青铜.南京航空航天大学 2016
[5]多旋翼无人机的机械臂抓取动力学分析和控制研究[D]. 李选聪.哈尔滨工业大学 2016
[6]基于多传感器的四旋翼无人机室内自主导航研究[D]. 胡禹超.东北大学 2014
本文编号：2932232
【文章来源】：中国科学院大学(中国科学院深圳先进技术研究院)广东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
无人机在军事领域和民用领域的应用Figure1.1ApplicationofUAVinmilitaryandcivilianfields
使得运算速度得到提升，满足了本文定位实验对运算速度的需求。但是与其他单目 VO 算法一样，仅通过帧间运动估计相机轨迹，无法避免误差的累计。并且由于无人机快速、复杂的运动，采集到的图像模糊，不利于轨迹的估计[14]。INS 通过 IMU 可以读取角速度和线性加速度，提供了无人机的运动数据。它不仅提供了无人机的倾斜角和旋转角，也为单目视觉提供了绝对的尺度信息。因此，根据单目相机和 IMU 传感器的各自特点，视觉-惯性里程计（visual-inertial monocular，简称 VIO）提供了一个低成本且高效的室内无人机定位方案[15]。VIO 系统根据视觉和惯导融合的方式可以分为紧耦合系统和松耦合系统两种。紧耦合方法联合估计每一个传感器状态，如文献[16]所示。文献[17]提出一种将视觉传感器数据和IMU 数据紧耦合的方案，IMU 误差系统和特征点的重投影误差在全概率方式下融合，基于联合非线性损失函数进行非线性优化。通过使用关键帧更新过去的状态，维护一个特定大小的优化窗口，保证实时的操作。
图 1. 4 基于 CNN 架构的目标检测流程示意图Figure 1.4 Object detection process diagram based on CNN architecture无人机通过深度学习技术，基于 CNN 的目标检测算法，为农业领域的作物巡检，虫害防御等方向提供了低成本且有效的方案。文献[41]使用无人机拍摄的图像，基于无监督的自动编码器对杂草进行检测。文献[42]基于前馈神经网络和 CNN 的混合神经网络对混合的农作物种子进行分类。无人机结合深度学习的技术在巡检、调查和救援等工作上也有大量的应用，如水母监视[43]、无人机路况巡检[44]、无人机协助雪灾搜索和救援行动[45]和恐怖分子跟踪[46]等。文献[45],[46]中，通过预训练的特征提取的 CNN 模型提取对目标进行判别。图 1.5 无人机雪灾搜索中，基于 CNN 网络的目标检测算法框图。
【参考文献】：
期刊论文
[1]一种基于深度学习的机械臂抓取方法[J]. 杜学丹,蔡莹皓,鲁涛,王硕,闫哲. 机器人. 2017(06)
[2]基于无人机平台的垃圾搜索及拾取系统设计[J]. 于海魁,于国龙,虎良仙,王大路. 物联网技术. 2017(02)
[3]基于视觉的四旋翼无人机自主定位与控制系统[J]. 曹美会,鲜斌,张旭,文曦. 信息与控制. 2015(02)
[4]室内定位现状与发展趋势研究(英文)[J]. 邓中亮,余彦培,袁协,万能,杨磊. 中国通信. 2013(03)
[5]无人机导航技术及其特点分析[J]. 程龙,周树道,叶松,王俊,王彦杰. 飞航导弹. 2011(02)
硕士论文
[1]基于人工特征的惯性/视觉无人机位姿估计研究[D]. 钟上焜.哈尔滨工业大学 2017
[2]基于视觉伺服的飞行机械臂抓取控制[D]. 都业贵.哈尔滨工业大学 2017
[3]旋翼飞行机械臂控制系统设计及仿真测试[D]. 白阳.南京航空航天大学 2016
[4]室内环境下基于SLAM的四旋翼无人机定位与控制[D]. 魏青铜.南京航空航天大学 2016
[5]多旋翼无人机的机械臂抓取动力学分析和控制研究[D]. 李选聪.哈尔滨工业大学 2016
[6]基于多传感器的四旋翼无人机室内自主导航研究[D]. 胡禹超.东北大学 2014
本文编号：2932232
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/2932232.html
