基于異構傳感信息融合的導航定位方法
發(fā)布時間：2020-12-22 18:41
無人機憑借其體積小、速度快、隱蔽性好和生存能力強等優(yōu)點,在軍事領域和民用領域等得到愈加廣泛的應用。導航技術是無人機安全飛行的基礎,是無人機系統(tǒng)的關鍵組成部分。無人機導航技術主要包括定位、避障、目標檢測和路徑規(guī)劃等方面,本文針對無人機的定位算法和目標檢測進行研究論述。在室內等環(huán)境下,無人機無法使用GPS等定位方法,且受到無人機載重和功率的限制,傳感器的使用有局限性�；趹T性傳感器的慣導系統(tǒng)（inertial navigation system,簡稱INS）和基于視覺的同時定位與建圖（simultaneous localization and mapping,簡稱SLAM）都存在各自的有點與不足。通過融合INS與SLAM系統(tǒng)提出的復合定位方式成為室內定位的主流方法。本文設計一種基于核自適應濾波算法,融合慣性傳感器與視覺傳感器數(shù)據(jù)的無人機室內松耦合定位系統(tǒng),提高無人機的室內定位精度。快速準確的檢測到抓取目標以及目標在圖像中的位置,是提高無人機抓取與搬運效率的前提,準確的檢測到不同物體的最優(yōu)抓取框,是提高無人機抓取成功率的保障。傳統(tǒng)的無人機抓取研究多事借助外部設備來獲取無人機與目標間的位置與姿...
【文章來源】：中國科學院大學(中國科學院深圳先進技術研究院)廣東省
【文章頁數(shù)】：74 頁
【學位級別】：碩士
【部分圖文】：
無人機在軍事領域和民用領域的應用Figure1.1ApplicationofUAVinmilitaryandcivilianfields
使得運算速度得到提升，滿足了本文定位實驗對運算速度的需求。但是與其他單目 VO 算法一樣，僅通過幀間運動估計相機軌跡，無法避免誤差的累計。并且由于無人機快速、復雜的運動，采集到的圖像模糊，不利于軌跡的估計[14]。INS 通過 IMU 可以讀取角速度和線性加速度，提供了無人機的運動數(shù)據(jù)。它不僅提供了無人機的傾斜角和旋轉角，也為單目視覺提供了絕對的尺度信息。因此，根據(jù)單目相機和 IMU 傳感器的各自特點，視覺-慣性里程計（visual-inertial monocular，簡稱 VIO）提供了一個低成本且高效的室內無人機定位方案[15]。VIO 系統(tǒng)根據(jù)視覺和慣導融合的方式可以分為緊耦合系統(tǒng)和松耦合系統(tǒng)兩種。緊耦合方法聯(lián)合估計每一個傳感器狀態(tài)，如文獻[16]所示。文獻[17]提出一種將視覺傳感器數(shù)據(jù)和IMU 數(shù)據(jù)緊耦合的方案，IMU 誤差系統(tǒng)和特征點的重投影誤差在全概率方式下融合，基于聯(lián)合非線性損失函數(shù)進行非線性優(yōu)化。通過使用關鍵幀更新過去的狀態(tài)，維護一個特定大小的優(yōu)化窗口，保證實時的操作。
圖 1. 4 基于 CNN 架構的目標檢測流程示意圖Figure 1.4 Object detection process diagram based on CNN architecture無人機通過深度學習技術，基于 CNN 的目標檢測算法，為農(nóng)業(yè)領域的作物巡檢，蟲害防御等方向提供了低成本且有效的方案。文獻[41]使用無人機拍攝的圖像，基于無監(jiān)督的自動編碼器對雜草進行檢測。文獻[42]基于前饋神經(jīng)網(wǎng)絡和 CNN 的混合神經(jīng)網(wǎng)絡對混合的農(nóng)作物種子進行分類。無人機結合深度學習的技術在巡檢、調查和救援等工作上也有大量的應用，如水母監(jiān)視[43]、無人機路況巡檢[44]、無人機協(xié)助雪災搜索和救援行動[45]和恐怖分子跟蹤[46]等。文獻[45],[46]中，通過預訓練的特征提取的 CNN 模型提取對目標進行判別。圖 1.5 無人機雪災搜索中，基于 CNN 網(wǎng)絡的目標檢測算法框圖。
【參考文獻】：
期刊論文
[1]一種基于深度學習的機械臂抓取方法[J]. 杜學丹,蔡瑩皓,魯濤,王碩,閆哲. 機器人. 2017(06)
[2]基于無人機平臺的垃圾搜索及拾取系統(tǒng)設計[J]. 于�？�,于國龍,虎良仙,王大路. 物聯(lián)網(wǎng)技術. 2017(02)
[3]基于視覺的四旋翼無人機自主定位與控制系統(tǒng)[J]. 曹美會,鮮斌,張旭,文曦. 信息與控制. 2015(02)
[4]室內定位現(xiàn)狀與發(fā)展趨勢研究(英文)[J]. 鄧中亮,余彥培,袁協(xié),萬能,楊磊. 中國通信. 2013(03)
[5]無人機導航技術及其特點分析[J]. 程龍,周樹道,葉松,王俊,王彥杰. 飛航導彈. 2011(02)
碩士論文
[1]基于人工特征的慣性/視覺無人機位姿估計研究[D]. 鐘上焜.哈爾濱工業(yè)大學 2017
[2]基于視覺伺服的飛行機械臂抓取控制[D]. 都業(yè)貴.哈爾濱工業(yè)大學 2017
[3]旋翼飛行機械臂控制系統(tǒng)設計及仿真測試[D]. 白陽.南京航空航天大學 2016
[4]室內環(huán)境下基于SLAM的四旋翼無人機定位與控制[D]. 魏青銅.南京航空航天大學 2016
[5]多旋翼無人機的機械臂抓取動力學分析和控制研究[D]. 李選聰.哈爾濱工業(yè)大學 2016
[6]基于多傳感器的四旋翼無人機室內自主導航研究[D]. 胡禹超.東北大學 2014
本文編號：2932232
【文章來源】：中國科學院大學(中國科學院深圳先進技術研究院)廣東省
【文章頁數(shù)】：74 頁
【學位級別】：碩士
【部分圖文】：
無人機在軍事領域和民用領域的應用Figure1.1ApplicationofUAVinmilitaryandcivilianfields
使得運算速度得到提升，滿足了本文定位實驗對運算速度的需求。但是與其他單目 VO 算法一樣，僅通過幀間運動估計相機軌跡，無法避免誤差的累計。并且由于無人機快速、復雜的運動，采集到的圖像模糊，不利于軌跡的估計[14]。INS 通過 IMU 可以讀取角速度和線性加速度，提供了無人機的運動數(shù)據(jù)。它不僅提供了無人機的傾斜角和旋轉角，也為單目視覺提供了絕對的尺度信息。因此，根據(jù)單目相機和 IMU 傳感器的各自特點，視覺-慣性里程計（visual-inertial monocular，簡稱 VIO）提供了一個低成本且高效的室內無人機定位方案[15]。VIO 系統(tǒng)根據(jù)視覺和慣導融合的方式可以分為緊耦合系統(tǒng)和松耦合系統(tǒng)兩種。緊耦合方法聯(lián)合估計每一個傳感器狀態(tài)，如文獻[16]所示。文獻[17]提出一種將視覺傳感器數(shù)據(jù)和IMU 數(shù)據(jù)緊耦合的方案，IMU 誤差系統(tǒng)和特征點的重投影誤差在全概率方式下融合，基于聯(lián)合非線性損失函數(shù)進行非線性優(yōu)化。通過使用關鍵幀更新過去的狀態(tài)，維護一個特定大小的優(yōu)化窗口，保證實時的操作。
圖 1. 4 基于 CNN 架構的目標檢測流程示意圖Figure 1.4 Object detection process diagram based on CNN architecture無人機通過深度學習技術，基于 CNN 的目標檢測算法，為農(nóng)業(yè)領域的作物巡檢，蟲害防御等方向提供了低成本且有效的方案。文獻[41]使用無人機拍攝的圖像，基于無監(jiān)督的自動編碼器對雜草進行檢測。文獻[42]基于前饋神經(jīng)網(wǎng)絡和 CNN 的混合神經(jīng)網(wǎng)絡對混合的農(nóng)作物種子進行分類。無人機結合深度學習的技術在巡檢、調查和救援等工作上也有大量的應用，如水母監(jiān)視[43]、無人機路況巡檢[44]、無人機協(xié)助雪災搜索和救援行動[45]和恐怖分子跟蹤[46]等。文獻[45],[46]中，通過預訓練的特征提取的 CNN 模型提取對目標進行判別。圖 1.5 無人機雪災搜索中，基于 CNN 網(wǎng)絡的目標檢測算法框圖。
【參考文獻】：
期刊論文
[1]一種基于深度學習的機械臂抓取方法[J]. 杜學丹,蔡瑩皓,魯濤,王碩,閆哲. 機器人. 2017(06)
[2]基于無人機平臺的垃圾搜索及拾取系統(tǒng)設計[J]. 于�？�,于國龍,虎良仙,王大路. 物聯(lián)網(wǎng)技術. 2017(02)
[3]基于視覺的四旋翼無人機自主定位與控制系統(tǒng)[J]. 曹美會,鮮斌,張旭,文曦. 信息與控制. 2015(02)
[4]室內定位現(xiàn)狀與發(fā)展趨勢研究(英文)[J]. 鄧中亮,余彥培,袁協(xié),萬能,楊磊. 中國通信. 2013(03)
[5]無人機導航技術及其特點分析[J]. 程龍,周樹道,葉松,王俊,王彥杰. 飛航導彈. 2011(02)
碩士論文
[1]基于人工特征的慣性/視覺無人機位姿估計研究[D]. 鐘上焜.哈爾濱工業(yè)大學 2017
[2]基于視覺伺服的飛行機械臂抓取控制[D]. 都業(yè)貴.哈爾濱工業(yè)大學 2017
[3]旋翼飛行機械臂控制系統(tǒng)設計及仿真測試[D]. 白陽.南京航空航天大學 2016
[4]室內環(huán)境下基于SLAM的四旋翼無人機定位與控制[D]. 魏青銅.南京航空航天大學 2016
[5]多旋翼無人機的機械臂抓取動力學分析和控制研究[D]. 李選聰.哈爾濱工業(yè)大學 2016
[6]基于多傳感器的四旋翼無人機室內自主導航研究[D]. 胡禹超.東北大學 2014
本文編號：2932232
本文鏈接：http://sikaile.net/kejilunwen/hangkongsky/2932232.html
