一种基于多传感器融合的无人机导航系统及方法与流程

本发明涉及无人机导航技术，具体涉及一种基于多传感器融合的无人机导航系统及方法。

背景技术：

多传感器信息融合(multi-sensorinformationfusion，msif)是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程。

多传感器信息融合技术的基本原理就像人的大脑综合处理信息的过程一样，将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。在这个过程中要充分地利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势，而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。

无人驾驶飞机简称“无人机”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。无人机从技术角度定义可以分为：无人直升机、无人固定翼机、无人多旋翼飞行器、无人飞艇、无人伞翼机这几大类。与载人飞机相比，它具有体积小、造价低、使用方便、对作战环境要求低、战场生存能力较强等优点。由于无人驾驶飞机对未来空战有着重要的意义，世界各主要军事国家都在加紧进行无人驾驶飞机的研制工作。

在无人机技术当中，无人机导航作为其中一种重要的技术分支，对无人机的影响极大。远距离的情况下，人为操作将出现较大的误差，此时就需要无人机自身具备导航功能，在自身导航系统的驱动下，完成飞行任务。

在导航技术方面，目前应用得最多，最成熟的导航方式有ins惯性导航和卫星导航。gps卫星导航的优点是具有全球性、全天候、长时间定位精度高的特点，但缺点是信号易受干扰和遮挡，在强电磁环境下和有高楼遮挡时，信号质量变差，并且其输出频率有限(一般为1—10hz)，且输出不连续，在需要快速更新信息的场合(如机动性和实时性要求较高的无人机系统上)，gps卫星导航的缺点便凸显出来。而ins惯性导航系统是一种全自主式的导航方式，因此具有很强的隐蔽性和抗干扰的能力，并且输出信息连续，短时间内定位精度高。但由于mems-ins器件自身的特点，陀螺仪和加速度计有初始零偏、随机漂移等误差，随着时间的累计作用，其误差越来越大，长时间定位精度较差，最终无法准确反映无人机的姿态和位置信息。

技术实现要素：

本发明所要解决的技术问题是：提出一种基于多传感器融合的无人机导航系统及方法，相对于传统技术实现更为精确的无人机导航，提高智能化程度和导航精确度。

本发明解决上述技术问题所采用的方案是：

一种基于多传感器融合的无人机导航系统，包括：

双目模块，用于获取实时环境影像信息；

即时定位和地图构建模块，用于根据双目模块获取的实时环境影像信息进行即时定位及构建飞行地图；

超声波模块，用于通过超声波测距获取无人机位置信息；

惯性测量模块，用于获取无人机姿态信息；

气压计模块，用于通过测量气压获取无人机位置信息；

存储模块，用于存储系统数据信息；

人机交互模块，用于提供人机交互功能；

导航模块，用于提供无人机导航功能；

扩展卡尔曼滤波模块，用于根据gps模块检测的搜星数量和/或定位精度选择进入不同的导航模式，在相应导航模式下，融合相应模块获取的数据信息计算获得无人机当前姿态和位置，预测无人机姿态和位置，对无人机姿态和位置进行实时更新；

gps模块，用于检测无人机导航系统的搜星数量和/或定位精度，以及获取无人机位置信息；

所述双目模块与即时定位和地图构建模块信号连接；所述即时定位和地图构建模块、超声波模块、惯性测量模块、气压计模块与扩展卡尔曼滤波模块信号连接；所述扩展卡尔曼滤波模块与gps模块、存储模块信号连接；所述存储模块与导航模块和人机交互模块信号连接。

作为进一步优化，所述扩展卡尔曼滤波模块根据gps模块检测的搜星数量和/或定位精度选择进入不同的导航模式，具体包括：

若搜星数量少于6颗或者定位精度大于3米，则进入室内导航模式，若搜星数量大于或等于6颗，或者定位精度小于或等于3米，则进入室外导航模式。

作为进一步优化，所述人机交互模块包括用于和地面站进行数据通信的无线信号传输模块和根据接收到的数据信息控制无人机飞行控制器运行的交互模块。

作为进一步优化，所述扩展卡尔曼滤波模块，在相应导航模式下，融合相应模块获取的数据信息计算，具体包括：

在室内导航模式下，根据惯性测量模块获取的姿态信息、超声波模块获取的无人机位置信息和气压计模块获取的无人机位置信息进行融合计算；

在室外导航模式下，根据惯性测量模块获取的姿态信息、气压计模块获取的无人机位置信息、gps模块获取的无人机位置信息进行融合计算。

此外，本发明的另一目的还在于提出一种基于多传感器融合的无人机导航方法，其包括以下步骤：

a.设定无人机运行的多个目标位置并进行存储；

b.无人机在飞行时获取实时环境影像信息，根据所述实时环境影像信息进行即时定位及构建飞行地图；

c.通过惯性测量模块获取无人机的姿态信息、通过超声波模块获取无人机的位置信息、通过气压计获取无人机的位置信息和通过gps装置获取无人机的位置信息，对获取的所有信息进行存储；

d.检测无人机搜星数量和/或定位精度，根据检测结果，确定无人机是进入室内导航模式或室外导航模式；若进入室内导航模式，则执行步骤e；若进入室外导航模式，则执行步骤f；

e.将惯性测量模块获取的信息、超声波模块获取的信息和气压计获取的数据信息和飞行地图数据进行融合计算，获取无人机当前姿态和位置，对无人机的姿态和位置进行预测，对无人机姿态和位置进行实时更新，进入步骤g；

f.将惯性测量模块获取的信息、气压计获取的信息、gps装置获取的数据信息和飞行地图数据进行融合计算，根据融合后的结果，获取无人机当前姿态和位置，对无人机的姿态和位置进行预测，对无人机姿态和位置进行实时更新；

g.依次读取存储的目标位置，根据目标位置和无人机的当前姿态及位置实时调整无人机姿态使无人机不断向目标位置靠近并最终到达目标位置。

作为进一步优化，步骤e中，将惯性测量模块获取的信息、超声波模块获取的信息和气压计获取的数据信息和飞行地图数据进行融合计算的方法为：

用惯性测量模块获取的角速度和加速度信息更新状态转移矩阵进行预测，将超声波模块获取的数据信息、气压计获取的数据信息和构建的地图信息作为观测信息修正预测值，得到最优值。

作为进一步优化，步骤f中，将惯性测量模块获取的信息、气压计获取的信息、gps模块获取的数据信息和飞行地图数据进行融合计算的方法为：

用惯性测量模块获取的角速度和加速度信息更新状态转移矩阵进行预测，用gps模块获取的数据信息、构建的地图信息和气压计获取的数据信息作为观测信息修正预测值，得到最优值。

作为进一步优化，步骤e中，采用扩展卡尔曼滤波器根据惯性测量模块获取的数据信息预测无人机的姿态和位置；根据构建的地图信息和超声波测距装置获取的数据信息、气压计获取的数据信息更新姿态和位置。

作为进一步优化，步骤f中，采用扩展卡尔曼滤波器根据惯性测量模块获取的数据信息预测无人机的姿态和位置；根据构建的地图信息和gps模块获取的数据信息、气压计获取的数据信息更新姿态和位置。

作为进一步优化，所述采用扩展卡尔曼滤波器根据惯性测量模块获取的数据信息预测无人机的姿态和位置的方法是：

步骤1：设置惯性测量单元获取的信息的卡尔曼滤波器的状态转移方程；

步骤2：卡尔曼滤波器通过t-1时的状态预测t时的状态；

步骤3：用传感器的测量值与步骤2中的预测值估计出最优值，并更新卡尔曼增益常数；

步骤4：重复步骤2～3。

本发明的有益效果是：

1、智能化程度高：通过对无人机搜星数量和定位精度进行检测，确定无人机处于室内还是处于室外，从而切换成不同导航模式，无须人为手动切换，自动化程度高。

2、精确度高：对多种传感器获取的数据信息进行融合，根据融合后的结果来进行定位和导航，相较于采用单一传感器的定位和导航，其精确度更高；此外，根据无人机处于室内还是处于室外，采用不同的导航和定位方式，针对室内和室外不同的状况进行针对性的导航，提升了系统和方法的精度。

附图说明

图1为实施例1中的基于多传感器融合的无人机导航系统结构框图；

图2为实施例2中的基于多传感器融合的无人机导航方法流程图。

具体实施方式

本发明旨在提出一种基于多传感器融合的无人机导航系统及方法，相对于传统技术实现更为精确的无人机导航，提高智能化程度和导航精确度。

下面结合附图及实施例对本发明的方案作进一步的描述：

实施例1：

如图1所示，本实施例中的基于多传感器融合的无人机导航系统，包括：

双目模块，用于获取实时环境影像信息；

即时定位和地图构建模块，用于根据双目模块获取的实时环境影像信息进行即时定位及构建飞行地图；

超声波模块，用于通过超声波测距获取无人机位置信息；

惯性测量模块，用于获取无人机姿态信息；

气压计模块，用于通过测量气压获取无人机位置信息；

存储模块，用于存储系统数据信息；

人机交互模块，用于提供人机交互功能；

导航模块，用于提供无人机导航功能；

扩展卡尔曼滤波模块，用于根据gps模块检测的搜星数量和/或定位精度选择进入不同的导航模式，在相应导航模式下，融合相应模块获取的数据信息计算获得无人机当前姿态和位置，预测无人机姿态和位置，对无人机姿态和位置进行实时更新；

gps模块，用于检测无人机导航系统的搜星数量和/或定位精度，以及获取无人机位置信息；

所述双目模块与即时定位和地图构建模块信号连接；所述即时定位和地图构建模块、超声波模块、惯性测量模块、气压计模块与扩展卡尔曼滤波模块信号连接；所述扩展卡尔曼滤波模块与gps模块、存储模块信号连接；所述存储模块与导航模块和人机交互模块信号连接。

在具体实现上，双目模块可采用双目摄像机，即时定位和地图构建模块包括用于确定无人机当前位置的定位模块和用于构建无人机飞行路径地图的地图构建模块；所述定位模块和所述地图构建模块信号连接；

超声波模块可以采用超声波测距装置，惯性测量模块可以采用惯性测量装置，所述人机交互模块包括用于和地面站进行数据通信的无线信号传输模块和根据接收到的数据信息控制无人机飞行控制器运行的交互模块。

扩展卡尔曼滤波模块根据gps模块检测的搜星数量和/或定位精度选择进入不同的导航模式，具体包括：

若搜星数量少于6颗或者定位精度大于3米，则进入室内导航模式，若搜星数量大于或等于6颗，或者定位精度小于或等于3米，则进入室外导航模式。

在室内导航模式下，根据惯性测量模块获取的姿态信息、超声波模块获取的无人机位置信息和气压计模块获取的无人机位置信息进行融合计算；

在室外导航模式下，根据惯性测量模块获取的姿态信息、气压计模块获取的无人机位置信息、gps模块获取的无人机位置信息进行融合计算。

实施例2：

如图2所示，本实施例提供了一种基于多传感器融合的无人机导航方法，其包括以下实现步骤：

s1.设定无人机运行的多个目标位置并进行存储；

s2.无人机在飞行时获取实时环境影像信息，根据所述实时环境影像信息进行即时定位及构建飞行地图；

s3.通过惯性测量模块获取无人机的姿态信息、通过超声波模块获取无人机的位置信息、通过气压计获取无人机的位置信息和通过gps装置获取无人机的位置信息，对获取的所有信息进行存储；

s4.检测无人机搜星数量和/或定位精度，根据检测结果，确定无人机是进入室内导航模式或室外导航模式；若进入室内导航模式，则执行步骤e；若进入室外导航模式，则执行步骤f；

s5.将惯性测量模块获取的信息、超声波模块获取的信息和气压计获取的数据信息和飞行地图数据进行融合计算，获取无人机当前姿态和位置，对无人机的姿态和位置进行预测，对无人机姿态和位置进行实时更新，进入步骤g；

s6.将惯性测量模块获取的信息、气压计获取的信息、gps装置获取的数据信息和飞行地图数据进行融合计算，根据融合后的结果，获取无人机当前姿态和位置，对无人机的姿态和位置进行预测，对无人机姿态和位置进行实时更新；

s7.依次读取存储的目标位置，根据目标位置和无人机的当前姿态及位置实时调整无人机姿态使无人机不断向目标位置靠近并最终到达目标位置。

在具体实现上，步骤s1中，在无人机系统初始化后，可以根据本次无人机执行的飞行任务设置运行的多个目标位置，并存储在存储模块中；

步骤s2中，无人机在飞行时通过双目模块获取实时环境影像信息，通过即时定位和地图构建模块，据实时环境影像信息进行即时定位及构建飞行地图；

步骤s3中，各个模块获取的数据信息均传输至存储模块进行存储。

步骤s4中，根据gps模块检测无人机搜星数量和/或定位精度，根据检测结果，确定无人机是进入室内导航模式或室外导航模式：

若搜星数量少于6颗或者定位精度大于3米，则进入室内导航模式，若搜星数量大于或等于6颗，或者定位精度小于或等于3米，则进入室外导航模式。

步骤s5中，在室内导航模式下，根据惯性测量模块获取的姿态信息、超声波模块获取的无人机位置信息和气压计模块获取的无人机位置信息进行融合计算，具体为：用惯性测量模块获取的角速度和加速度信息更新状态转移矩阵进行预测，将超声波模块获取的数据信息、气压计获取的数据信息和构建的地图信息作为观测信息修正预测值，得到最优值。此外，本步骤中，采用扩展卡尔曼滤波器根据惯性测量模块获取的数据信息预测无人机的姿态和位置；根据构建的地图信息和超声波测距装置获取的数据信息、气压计获取的数据信息更新姿态和位置。

步骤s6中，在室外导航模式下，根据惯性测量模块获取的姿态信息、气压计模块获取的无人机位置信息、gps模块获取的无人机位置信息进行融合计算，具体为：用惯性测量模块获取的角速度和加速度信息更新状态转移矩阵进行预测，用gps模块获取的数据信息、构建的地图信息和气压计获取的数据信息作为观测信息修正预测值，得到最优值。此外，本步骤中，采用扩展卡尔曼滤波器根据惯性测量模块获取的数据信息预测无人机的姿态和位置；根据构建的地图信息和gps模块获取的数据信息、气压计获取的数据信息更新姿态和位置。

针对上述步骤s5和s6中，采用扩展卡尔曼滤波器根据惯性测量模块获取的数据信息预测无人机的姿态和位置的具体方法为：

步骤1：设置惯性测量单元获取的信息的卡尔曼滤波器的状态转移方程；

步骤2：卡尔曼滤波器通过t-1时的状态预测t时的状态；

步骤3：用传感器的测量值与步骤2中的预测值估计出最优值，并更新卡尔曼增益常数；

步骤4：重复步骤2～3。