基于多传感器融合的无人机导航算法研究

  无人机在室内环境中的精确定位是实现自主导航飞行的首要条件。由于室内无法获取到有效的 GPS 定位数据，传统基于 GPS 的导航方案无法使用，为解决这一难题SLAM 应运而生。目前 SLAM  技术在地面移动机器人中应用最为广泛，依据所用感知传感器的不同可将 SLAM 分为视觉 SLAM(相机)、激光 SLAM(激光雷达)、超声波SLAM(超声波模块、声呐)三大类，三种方法各有优缺。基于视觉和超声波  SLAM  方法具有成本低、轻质小巧的优点，但有着易受室内光照条件影响、有效量测范围小的缺点，不适合大范围室内探索这样的应用场景；而激光 SLAM 采用的 LIDAR 传感器有着测量精度高、分辨率高、量程范围广、数据量小、易处理的优点，但是价格昂贵体积略大。在室内的实际工程应用中，多采用便宜的 2D 激光雷达，以 2D 激光 SLAM  的方法完成地面移动机器人的定位导航。

  1 绪  论

  3   基于多传感器的无人机室内 SLAM 算法研究

  3.1   引言

  3.2   局部地图构建

  3.3   全局地图构建

  3.4   结合 IMU 的无人机三轴投影

  4  基于多传感器融合的无人机室外定位算法研究

  5 基于 ROS NAVIGATION 的无人机导航系统

  6  系统实验与分析

  7     总结与展望

  本文基于 ROS  框架，针对多旋翼无人机在未知室内外环境中的导航问题进行研究。在室内：以激光雷达数据作为主要输入，结合 IMU 和单点激光实现无人机的三维定位和二维路径规划；在室外：以 GPS 模组和激光雷达数据作为主要输入，采用多传感器融合的方法实现无人机在室外弱 GPS 信号环境中导航，本文的主要工作和贡献如下：1)基于 ROS 框架，对无人机导航系统进行设计，利用 ROS 中的话题、订阅、服务特性实现了上层导航系统与底层硬件平台间通讯；以轻量化、小体积为原则，对硬件进行针对性选型，搭建了一套低成本的多旋翼无人机室内外飞行平台，易于扩展，适合做二次开发研究。2)针对多旋翼无人机与地面机器人相比存在的低载重和无法使用轮式里程计等特性，采用了一种基于图优化框架的二维激光 SLAM 算法--Cartographer，使低性能的二维激光雷达也可满足无人机的室内定位要求，极大地降低了基于激光的室内飞行无人机设计成本。并对 Cartographer 的局部地图构建和全局地图构建进行了详细阐述。针对无人机倾转机身对 XYZ 三轴定位数据带来的负面影响，提出了结合 IMU 的矫正方案。3)针对无人机无法单依靠 GPS 模组在室外弱 GPS 信号环境中导航的问题，通过将激光 SLAM 输出信息虚拟为里程计，提出了一种激光 SLAM 与 GPS 进行数据融合的策略和方法。并在近建筑物附近，进行了飞行实验，分析了其定位精度，验证了方法的有效性。4)对传统 A*算法，容易出现锯齿状路径的问题，提出了改进的 A*算法，对全局路径进行平滑，缩短了全局路径的长度，使后期无人机的路径跟踪更为容易，为无人机的稳定飞行提供了保障。虽然本文提出的方法可以实现多旋翼无人机在未知室内环境和弱 GPS 的室外环境中的简单导航飞行，但是由于个人能力和时间有限，需要完善改进的地方还有许多： 1)本文构建的是二维平面地图，不能很好的反映三维空间中的信息，也很可能错漏不同高度下的障碍物信息，导致无人机发生碰撞。因此最好是构建出环境中的三维地图。   2)由于本文所述的路径规划算法是无人机保持定高飞行为基础实现的，实际上只是二维平面内的路径规划。然而无人机作为空中机器人，需要自由的三维运动才能发挥其自身的价值。后续研究中可基于构建好的三维空间地图，研究 A*算法在三维空间中的应用可能性。3)本文没有实现无人机在室内外环境连续穿梭的功能，这在实际的应用是一个较大的需求。这里的难点是设计无人机室内外无缝切换的平滑算法。