该项目以UAV自主导航应用为背景,利用最优估计理论和扩展卡尔曼滤波方法,深入研究融合旋转式惯导、光流和图像匹配定位这三类导航信息的多速率滤波理论和方法,深入研究光流辅助的旋转式惯导系统动基座初始对准理论和方法,深入研究光流和图像匹配定位辅助的惯性传感器系统级在线标定方法。本项目的研究内容主要包括(1)融合旋转式惯导、光流和图像匹配定位这三类非同步导航信息的多速率卡尔曼滤波器的设计与构建,及性能分析与状态重构;(2)光流辅助的旋转式惯导系统动基座初始对准误差模型的建立,及动基座初始对准转位方案的设计与分析;(3)惯性传感器中随机误差成分的分析与多种随机误差成分的等价建模,以及基于此等价模型的惯性传感器系统级在线标定模型与标定方法研究。通过上述研究,可以为UAV自主导航系统的研制提供一种新的解决方案,该方案的深入研究有助于提高UAV导航系统的自主性、加快系统的启动速度和改善系统的导航精度。
英文主题词Indexing INS;Biologically Inspired Vision Navigation;Unmanned Aerial Vehicle;Autonomous Navigation;Kalman Filtering