基于视觉-惯性的四旋翼无人机自主导航系统状态估计研究

何 玲

（苏州工业园区职业技术学院,江苏 苏州 215000）

1 研究内容

研究者利用一台笔记本运行控制算法，通过无线局域网实现对Parrot公司的AR.Drone 2.0无人机的自主导航。控制算法主要包含三个部分：同步定位与地图构建（Simultaneous Localization And Mapping，SLAM）、扩展卡尔曼滤波（Extended Kalman Filter，EKF）和PID控制。三者彼此间的关系如图1所示。

图1 系统示意图

2 状态估计和预测

图3 预测模型

3 结论

域网传输及其他大量计算等原因造成的时延；第三个是PID控制器，用于控制无人机的姿态，实现无人机飞向或保持在目标位置。

通过测试证明，因存在惯性和高度测量，可以从临时的视觉追踪丢失中恢复；因视觉SLAM的存在，可以限制IMU时间累积误差量。

无人机自主导航系统包含三个主要部分：第一个是基于关键帧的单目SLAM，用于无人机的姿态估计；第二个是扩展卡尔曼滤波（EKF），利用EKF融合视觉姿态以及其他传感器的测量姿态，实现不同数据源的同步，并补偿因无线局