矩阵对角化变换鲁棒QCKF在视觉和惯性融合姿态测量中的应用

郭肖亭, 孙长库,2, 王 鹏,2

(1. 天津大学精密测试技术及仪器国家重点实验室, 天津 300072; 2. 中航工业洛阳电光设备研究所光电控制技术重点实验室, 河南 洛阳 471009)

0 引 言

姿态确定问题是头盔姿态确定问题[1]、头盔瞄准定位[2]、无人机飞行控制[3]、增强现实[4]等领域的关键性问题之一,在工程实践和科学研究中有重要的理论和实践意义。单一姿态测量方法在精度、速度等方面因自身技术的限制,难以满足测量需求,多传感器融合姿态测量技术[5]应用而生。将视觉和惯性融合进行姿态测量,可以发挥视觉方法重复性和稳定性好[6-7]以及惯性方法更新频率高、不受环境光干扰的特点[8],实现各传感器的优势互补。

针对视觉、惯性融合视觉和惯性融合测量的相关问题,国内外学者进行了大量的研究和探索[9-13]。在实际应用中,融合姿态测量的系统模型通常是非线性或/和非高斯,因此通常使用扩展卡尔曼滤波(extended Kalman filter, EKF)[14]、无迹卡尔曼滤波(unscented Kalman filter, UKF)[15]、容积卡尔曼滤波(cubature Kalman filter, CKF)[16-18]等适合于计算机迭代处理的非线性滤波算法进行多传感器融合。EKF是高斯白噪声假设下典型的非线性滤波方法,但EKF存在理论上的局限性,其一阶线性截断误差使得滤波精度低甚至导致滤波发散,尤其在系统非线性较强、存在未知干扰或状态突变等情况下。UKF不对系统模型进行线性化处理, 将对非线性系统的函数近似转换成对其后验概率密度的近似,实现简单,滤波效果优于EKF。CKF采用一组等权值的容积点集来计算后验概率密度,相比EKF和UKF,具有更优的非线性逼近性能、数值精度。……