基于多传感器融合的无人机定位技术研究.pdfVIP

摘要

随着无人系统技术的发展，无人机越来越多的被用于复杂的工作环境。当

无人机在复杂山区进行应急设备抛洒工作时，往往会面临卫星导航拒止的情况

以及无人机视觉遮挡的情况，同时无人机的巡检与定点抛洒两种工作模式对无

人机自身定位的实时性与精度提出了不同的要求。针对以上问题，本文开展了

基于传感器融合的无人机定位技术研究，在基于光流的视觉里程计和基于多传

感器融合的无人机定位方面进行了研究，主要研究工作如下：

首先，针对山区条件下易发生的相机遮挡导致视觉里程计输出偏差大的问

题，本文设计了针对遮挡情况的光流算法，通过前后流一致性判断并剔除运动

信息不一致的图像块，后根据拉依达准则进行错误光流数据剔除，以此排除遮

挡区域的影响，以加强光流算法针对遮挡的鲁棒性。通过实验验证，证明本文

提出的方法在存在遮挡时具有更好的定位精度，定位精度方面较传统视觉里程

计算法提升了39.13%。

其次，针对无人机巡检与定点抛洒两种不同的工作情景，提出了基于双目

相机、激光雷达和机载IMU融合的无人机定位方法。针对实时性要求较高的无

人机巡检工作模式，本文提出了基于扩展卡尔曼的融合方案；针对定位精度要

求较高的无人机定点抛洒工作模式，本文提出了基于因子图的传感器融合方案。

对两种算法进行了实验验证，结果表明在实时性方面基于扩展卡尔曼的传感器

融合方案优势明显，而基于因子图的融合方案在定位精度方面提升了46.34%。

最后，使用无人机与机载IMU、激光雷达、双目相机及RTK搭建了导航数

据采集平台，通过室外环境实飞采集无人机飞行数据与传感器数据，分别对本

文提出的基于光流算法的视觉里程计与多传感器融合定位算法进行了实验验证。

利用室外草地灌木丛环境进行基于光流算法的视觉里程计部分实验，实验结果

表明对于实验中的三次遮挡情况，改进后的算法相较于原算法在精度方面分别

提升了22.45%、26.01%和67.39%。同时在室外环境下进行实飞数据采集，分别

对两种融合定位算法做实验验证，结果表明在算法耗时方面，扩展卡尔曼方法

较因子图融合方法耗时大幅减少；在定位精度方面，基于因子图的融合方法其

定位轨迹均方根误差较扩展卡尔曼滤波方法从0.43m下降到0.22m，减少了48%，

证明了本文提出算法的有效性。

关键词：传感器融合；光流法；无人机定位；扩展卡尔曼滤波

Abstract

Withthedevelopmentofunmannedsystemtechnology,dronesareincreasingly

beingusedincomplexworkingenvironments.Whendronesperformemergency

equipmentdeploymentincomplexmountainousareas,theyoftenfacesituationssuch

assatellitenavigationrejectionandvisualobstruction.Atthesametime,thetwo

workingmodesofdroneinspectionandfixed-pointdeploymenthavedifferent

requirementsforthereal-timeandaccuracyofdronepositioning.Inresponsetothe

aboveissues,thisarticleconductedresearchonsensorfusionbasedunmannedaerial

vehiclepositioningtechnology,andconductedresearchanddesignonopticalflow

basedvisualodometryandmulti-sensorfusionbasedunmannedaerialvehicle

positioning.Themainresearchworkisasfollows:

Firstly,inresponsetotheproblem