硕士论文网/国内首批论文服务机构

当前位置:硕士论文网首页 > 计算机论文 > 基于多传感器融合的无人机导航算法研究

基于多传感器融合的无人机导航算法研究

时间:2020-08-23 22:29 | 栏目:计算机论文 | 浏览:

硕士论文网第2020-08-23期,本期硕士论文写作指导老师为大家分享一篇计算机论文文章《基于多传感器融合的无人机导航算法研究》,供大家在写论文时进行参考。

  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

  1.1   研究背景及意义
  近年来,随着自动控制、导航制导技术的蓬勃发展,带动了无人机在多种特种领域内的应用,如敌情侦查、地形勘测、安全监控以及灾难救援等。相比于地面移动机器人,无人机具有小体积、强机动性、低成本等优点,无人机是在空中进行三维移动,因此几乎不会受到地形环境的限制,具有很强的灵活性和环境适应能力。随着微电子技术和半导体技术的发展,小型化和轻量化的无人机受到越来越多的关注。其中最具有代表性的就是多旋翼无人机,与直升机不同,只需要使邻近的电机带动桨叶以相反的方向旋转便可自行抵消由于旋转产生的扭矩,实现安全平稳可靠的飞行。而且多旋翼无人机一般为对称的结构,更易于控制、可实现无人机的垂直起降,利用其小巧的机身和自身强大的机动性,即使在狭小的空间中也能进行作业,完成指定任务,这些功能都是固定翼无人机无法实现的。如今,公共领域中的安全问题已受到社会越来越大的重视,公共安全中对环境的监测也逐步从室外加强到对室内,这对于无人机的自定位、构建环境地图模型、路径规划、导航同时提出了挑战,要攻克这些难点的关键技术就是无人机的室内同步定位与建图技术和多传感器融合技术,目前已成为无人机室内自主探索领域的热门话题。要实现无人机在未知的室内外环境中的自主探索,首先需要解决无人机的定位导航问题。针对无人机在空旷室外环境中的定位导航问题,常用的无人机导航方式主要包括卫星导航、惯性导航、无线电导航、视觉导航、地磁导航。虽然都发展了多年,但仍然有亟待解决的问题。以目前应用最广泛的 GPS 导航为例,在封闭的室内、城市的街道楼宇间、高大的树林环境遮挡等情况下,由于完全无法接收到 GPS 卫星信号或者由于多路径效应造成 GPS 的定位信息不准,都将导致无人机在这种环境下,单依靠 GPS无法进行准确定位而导航失败。
宾夕法尼亚大学室内外自主飞行无人机
  1.2   国内外研究现状
  最初,要实现无人机在室内环境下的自主探索飞行,采用的解决方案主要是建立起室内环境中的先验信息。例如采用动作捕捉系统,或对室内环境进行特殊标记和路标,无人机通过搭载的感知传感器来识别环境中的路标信息来进行定位飞行。该方法需要对环境进行改造,限制了无人机的环境适应能力,不易于无人机完成未知环境中的探索任务,缺点明显。随着滤波技术和概率统计学在机器人领域中的蓬勃发展,特别是地面机器人的室内定位中,已经有了不少基于概率模型的 SLAM 算法已成功应用。例如基于拓展卡尔曼滤波(EKF)的 EKF-SLAM 算法,基于 rao-blackwellized 粒子滤波的 SLAM 算法,以及将两者进行有机结合的 Fast SLAM  算法。受到这些在地面移动机器人中应用的 SLAM 算法启发,已有许多研究学者致力于研究空中机器人的 SLAM 算法。空中机器人不同于地面机器人,具有 6 自由度的位姿,需要实时、准确、鲁棒的位姿数据,不然很容易发生炸机事故,这给无人机的室内定位带来了极大的挑战。但也激发了国内外学者对旋翼无人机室内 SLAM 技术的研究热情,近年来已取得了一些显著的研究成果。西班牙阿尔卡拉大学提出了一种将 Hector SLAM(基于激光雷达)和 monocular SLAM(基于视觉)通过 EKF 融合以估计无人机  6  轴位姿的算法。由于要在运行两种 SLAM 算法的同时,还要满足无人机中苛刻的位姿信号输出频率,大大增加了对运算处理能力的要求,他们采用的方案是,首先将激光雷达和视觉相机的数据回传到地面站中进行处理,然后将生成的控制信号后再回传给无人机以进行控制。这样一来一回,将面临着两个问题:一是通讯上的延迟,二是通讯链路存在干扰风险,易受室内电磁影响,容易使无人机的飞行变得不可控。所以,在硬件解决方案上,当前的研究热点和方向是是无人机搭载板载计算机,对无人机上的传感器数据直接进行处理,并将上层的控制命令直接通过硬件连接传送数据给飞控使无人机对周围环境变化实时响应,真正实现无人机的室内实时自主飞行。这也是本文采用的设计方案。
 

  2 无人机的系统模型与平台搭建

    2.1 引言
  本章分为三个部分,首先,从硬件层面对定位所需的各种传感器进行分析选型,然后搭建其所用的无人机实验飞行平台,接着对无人机的运动学模型、栅格地图模型和二维激光雷达模型进行相应的数学建模。
板载计算机大小对比图
    2.2 无人机实验平台硬件选型及搭建 
  板载计算机承担着整个系统的通信处理、传感器数据处理、算法运行等重要任务,对处理性能有较高要求,尤其无人机这样的平台对实时性与可靠性的要求更高,为此我们选用了 Nvidia Jetson TX2 作为整个系统的硬件核心。考虑到小型无人机对负载重量和体积敏感,市面上常见的  TX2 学习套件偏大的重量和体积已不适合本无人机系统,且硬件接口量冗余,最终本文采用了以 TX2 核心板加第三方接口板(瑞泰 RTSO-9003)的组合方案,成功将板载计算机的重量降至 0.3kg,体积降至与核心板一致 87mm*50mm。选取的开源飞控硬件为 Pixhawk,Pixhawk 能方便的进行二次开发,是目前市场和高校领域应用最为广泛的旋翼无人机算法测试平台。Pixhawk 软硬件支持开源  BSD  协议,由  3DR  公司生产制造,并提供了多种传感器接口。飞控 MCU  是基于 Cortex-M4F 架构的 32 位芯片 STM32F427,主频高达 168MHz,同时还有浮点运算器以快速地进行高精度解算。外设方面,具有 UART  串口、CAN、SPI、I2C 等接口,同时还有 4 个通道的  PWM  输出,搭载着 Nutt X  的实时操作系统,配套设备已包括了陀螺仪、加速度计、磁力计、GPS 等传感器,有着强大的扩展性和可靠性。由于本文采用的激光 SLAM 算法的优越性,即使性能较低的二维激光雷达也能满足旋翼无人机的室内飞行位姿解算实时性要求,本文采用了市场上较好的低成本单线
二维激光雷达  RPLIDAR   A2。

  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
  3.5   本章小结

  4  基于多传感器融合的无人机室外定位算法研究

  4.1  引言
  4.2  基于扩展卡尔曼滤波的数据融合
  4.3  数据筛选与数据融合
  4.4  本章小结

  5 基于 ROS NAVIGATION 的无人机导航系统

  5.1 引言
  5.2  导航系统整体架构
  5.3   全局路径规划
  5.4    局部路径规划
  5.5   本章小结

  6  系统实验与分析

  6.1  引言
  6.2  室内环境下的系统实验
  6.3  室外环境下的多传感器融合定位实验
  6.4  本章小结

  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。
 

以上论文内容是由硕士论文网为您提供的关于《基于多传感器融合的无人机导航算法研究》的内容,如需查看更多硕士毕业论文范文,查找硕士论文、博士论文、研究生论文参考资料,欢迎访问硕士论文网计算机论文栏目。