[發明專利]一種基于無跡卡爾曼濾波的偏振光SLAM方法

有效

• 申請號: 201810128645.1
• 申請日: 2018-02-08
• 公開（公告）號: CN108362288B
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 杜濤;白鵬飛;郭雷;王華鋒;劉萬泉;王月海
• 申請（專利權）人: 北方工業大學;北京航空航天大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G06F17/16;G06F30/20
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;顧煒

本發明公開了一種基于無跡卡爾曼濾波的偏振光SLAM方法，屬于無人機自主導航的范疇。該方法結合無人機的狀態模型和基于激光雷達傳感器、偏振光傳感器的量測模型，通過無跡卡爾曼濾波，即UKF算法，實現無人機位置的確定和周圍環境地圖的構建，利用偏振光信息和激光雷達信息匹配互補、不受其他外界干擾的特性，提高了無人機SLAM系統的穩定性和精度。

技術領域

本發明涉及無人機同時定位與構圖(SLAM)屬于無人機自主導航的范疇，具體涉及一種基于無跡卡爾曼濾波的偏振光SLAM方法，對無人機如何確定自身位置及感知外界環境的問題，SLAM系統旨在通過無人機系統模型，結合相應的濾波方法完成無人機的定位與周圍環境的繪制。

背景技術

SLAM是Simultaneous Localization and Mapping縮寫，意為“同時定位與建圖”。它是指運動體根據傳感器的信息，一邊計算自身位置，一邊構建環境地圖的過程。目前，SLAM技術已經被運用于無人機、無人駕駛、機器人、AR、智能家居等領域。

SLAM研究側重于使用濾波器理論，最小化運動體位姿和地圖的路標點的噪聲，一般采用里程計的輸入作為預測過程的輸入，激光傳感器的輸出作為更新過程的輸入。擴展卡爾曼濾波(Extended Kalman Filter,EKF)濾波算法是目前大多數SLAM采用的濾波算法，缺點是線性化處理時需要用雅克比(Jacobian)矩陣，其繁瑣的計算過程導致該方法實現相對困難，而UKF使用無跡(UT)變換來處理均值和協方差的非線性傳遞，不需要用求解雅克比矩陣，精度較高。近年來無人機的發展非常迅速，而將SLAM導航用于無人機可以解決無人機自身位置不確定，航跡推算中位置誤差累積的情況，利用自身攜帶的傳感器，反復探測環境中的特征，從而完成自身位置及特征位置的校正，同時構建環境地圖，無需預知地圖信息或依靠外部輔助設備，即可完成無人機位置信息和周圍環境地圖的構建，但是這種SLAM方案的定位精度和構圖精確度都不高，魯棒性很差。

近年來對偏振光的研究越來越多，1871年英國著名物理學家瑞利提出了瑞利散射定律，揭示了光線散射特性，隨后人們基于瑞利散射定律獲得了全天域大氣偏振分布模式。大氣偏振分布模式相對穩定，其中蘊涵著豐富的導航信息，自然界中很多生物都能夠利用天空偏振光進行導航或輔助導航。偏振光導航機制是一種非常有效的導航手段，具有無源、無輻射、隱蔽性好等特點,能夠為復雜環境下的導航任務提供新的解決途徑。

將偏振光用于無人機SLAM上可以提高無人確定自身位置的和構建周圍環境地圖的精確度，解決魯棒性不高的問題。

發明內容

本發明主要解決的問題是：將自然界中廣泛存在的偏振光信息應用到無人機SLAM中以解決無人機同時定位與構圖中存在的自身位置確定困難、環境適應性差、構圖不夠精確的問題。

本發明采用的技術方案為：

一種基于無跡卡爾曼濾波的偏振光SLAM方法，包括以下步驟：

(1)選取無人機的姿態、速度、位置和路標點的位置為系統狀態，建立無人機的動力學模型；

(2)建立激光雷達的量測模型；

(3)建立偏振光傳感器的量測模型；

(4)系統初始化、地圖初始化；

(5)路標點匹配；

(6)利用路標點的激光雷達數據和偏振傳感器數據，設計UKF濾波器，估計無人機位置、速度、姿態和路標點的位置；

(7)地圖更新；