基于多傳感器的無人機位置估計算法

齊曉軒 尹強 李玉炫

摘要：針對單一傳感器無法準確地估計無人機空間位置的問題，提出了一種基于多傳感器信息融合的位置估計算法。該算法采用多元信息融合方法，利用一類通用的微傳感器，例如加速度傳感器、氣壓傳感器的測量信息進行積分估計無人機當前位置，引入GPS信息實時修正位置估計值，從而得到相對準確的位置估計值。通過仿真實驗驗證了算法的有效性，并進行了實物飛行測試實驗。仿真結(jié)果表明，加入信息融合算法后對四旋翼無人機的控制精度提高了約60%。

關鍵詞：位置估計；信息融合；傳感器；GPS

中圖分類號：TP212.9文獻標志碼：A文章編號：1008-1739（2022）14-58-5

0引言

隨著低成本、高性能微處理器和微傳感器系統(tǒng)的普及，四旋翼無人機的研究也受到了國內(nèi)外研究機構(gòu)的廣泛關注[1]。由于四旋翼無人機復雜的系統(tǒng)模型與多變量耦合的特性，使得四旋翼無人機的位姿控制一直是研究熱點與難題。為了實現(xiàn)高精度的位置控制，需要準確地獲取四旋翼無人機運動狀態(tài)與空間位置信息。傳統(tǒng)的位置估計算法往往通過單一傳感器獲取無人機的運動狀態(tài)，同時引入卡爾曼濾波等算法實時估計無人機的空間位置信息[2]。其使用的傳感器主要包括3類：MEMS（Micro Electro Mechanical System）加速度傳感器、氣壓傳感器和GPS。然而，這三類傳感器存在固有的缺陷，單一的傳感器信號無法準確地估計出無人機的空間位置，因此需要信息融合算法融合這3類傳感器信號，達到位置估計更精確、控制精度更佳的目的。

近年來，針對這3類傳感器的信號融合問題，國內(nèi)外學者已經(jīng)有了一些研究成果。文獻[3-4]分析了MEMS加速度傳感器信號的特點，總結(jié)了影響傳感器信號的各種干擾因素，其中包括工作環(huán)境、生產(chǎn)加工工藝等內(nèi)外因素。文獻[5-6]提出了GPS信號傳輸?shù)臏笮裕@種滯后性大大影響了無人機的位置估計精度。文獻[7-8]使用了一種基于卡爾曼濾波的信息融合算法，融合了加速度傳感器與GPS采集的信息進行位置估計，文中實驗表明，該位置估計算法相較于使用單一加速度傳感器進行的位置估計值隨機噪聲較低，從而使得控制精度提高。而文獻[9]使用一種SPKF（Sigma-Point Kalman Filters）算法，彌補了卡爾曼濾波的不足，在進行2種傳感器信息融合的過程時表現(xiàn)出了更好的效果。文中實驗表明，相比于卡爾曼濾波算法，該SPKF算法減少了30%的位置估計誤差。為了應對這種問題，本文設計了一種普適性更高的信息融合算法，相對于卡爾曼濾波算法迭代簡單、計算量低，能夠更好地應用到實際工程中。該算法將實時獲得的加速度信息進行補償修正，利用修正后的加速度信息進行積分估計無人機速度，再積分求得位置估計值。這種積分估計方法計算量較低，適用于各類微控制器。

1無人機坐標系統(tǒng)建立

四旋翼無人機的控制在世界范圍內(nèi)得到了廣泛的研究，利用GPS，IMU等一類的傳感器進行位姿估計或自主導航，而這些研究的基礎是無人機坐標系統(tǒng)的建立，本文建立的無人機坐標系模型如圖1所示。

以上主要描述了位置估計算法流程，GPS采集經(jīng)緯度信息經(jīng)過上文數(shù)據(jù)轉(zhuǎn)換與坐標系統(tǒng)轉(zhuǎn)換得到當前無人機在慣性坐標系下的水平位置。對于無人機的高度位置估計，只需將當前的氣壓計信號測量值傳輸至雙通道位置修正環(huán)中，即可得到高度位置估計值。

綜上，本算法將加速度計通道、GPS通道與氣壓計通道進行互補修正，將彼此的測量值與對方前一時刻的測量值作差得到偏差估計量，并反饋至各自通道中完成互補修正，從而提高無人機系統(tǒng)對當前位置估計的精確度。

4實驗驗證與分析

為了驗證本文算法的有效性，仿真了3組實驗，算法1僅僅通過加速度計積分進行位置估計。算法2引入加速度計通道修正環(huán)和，調(diào)節(jié)比例系數(shù)和。算法3采用雙通道修正，將加速度計通道與GPS通道的偏差量反饋至主回路，調(diào)節(jié)各修正環(huán)的比例系數(shù)和，以及反饋回路的積分系數(shù)和。實驗結(jié)果如圖6所示。

仿真實驗結(jié)果表明，當加速度計在沒有修正環(huán)修正時，位置估計量會隨著時間的累積呈指數(shù)形式增加，驗證了上文中偏差量累積公式推導的真實性。如圖6所示，當加入單通道修正環(huán)時，通過調(diào)節(jié)比例系數(shù)將抑制位置估計的偏差量發(fā)散，然而僅僅依靠單通道的比例調(diào)節(jié)算法難以消除位置估計的穩(wěn)態(tài)誤差。當引入GPS雙通道積分修正項時，不僅能夠抑制累積誤差的發(fā)散情況，而且在一定程度上能夠降低穩(wěn)態(tài)誤差。同時，單通道的收斂速度要小于雙通道的收斂速度。

為了進一步驗證算法在實際應用的有效性。本文應用MPU9250慣性傳感器獲取加速度信息以及通過內(nèi)部BMP280芯片獲取氣壓信息，利用GPS定位接收模塊獲取GPS經(jīng)緯度信息。本文應用上述傳感器搭建四旋翼無人機進行了飛行測試實驗。給定無人機在空間中的飛行目標軌跡，并分為加入本文算法前后2組位置估計算法進行飛行，實驗結(jié)果如圖7～圖9所示。

由于數(shù)據(jù)量較大，在飛行結(jié)束后以相同的時間周期各提取了400個位置估計數(shù)據(jù)。由圖7～圖9中實驗數(shù)據(jù)可知，加入算法前的高度估計波動幅值約為1 m，加入算法后高度估計波動幅值約為0.4 m，控制精度提高了大約60%。加入算法前的水平位置估計波動幅值約為1.2 m，加入算法后高度估計波動幅值約為0.5 m，控制精度提高了大約58%。實驗證明了在加入本文算法之后抓取無人機的控制精度有所提高。

5結(jié)束語

本文設計了一種基于多傳感器的信息融合算法，解決無人機空間位置估計不準確的問題。該算法將IMU作為主通道，氣壓計、GPS作為副通道進行主副通道雙向修正的方法降低位置估計偏差值。本文通過仿真實驗證明，該算法在單通道修正時能夠成功抑制加速度傳感器的累積誤差使估計值收斂，在雙通道修正時能夠大大降低穩(wěn)態(tài)誤差。最后為了進一步證明該算法的有效性，通過飛行測試驗證了加入本文算法后對四旋翼無人機在，，軸方向上的控制精度提高了大約60%。

參考文獻

[1]王成，楊杰，姚輝，等.四旋翼無人機飛行控制算法綜述[J].電光與控制，2018，25（12）：53-58.

[2] MAHONY R，KUMAR V，CORKE P. Multirotor Aerial Vehicles：Modeling，Estimation，and Control of Quadrotor[J]. IEEE Robotics & Automation Magazine，2012，19（3）：20-32.

[3]李榮冰，劉建業(yè)，段方，等.MEMS-INS微型飛行器姿態(tài)確定系統(tǒng)的實現(xiàn)研究[J].應用科學學報，2006（6）：618-622.

[4]劉軍，袁俊，蔡駿宇，等.基于GPS/INS和線控轉(zhuǎn)向的農(nóng)業(yè)機械自動駕駛系統(tǒng)[J].農(nóng)業(yè)工程學報，2016，32（1）：46-53.

[5]蔡磊，牛小驥，張?zhí)嵘?MEMS慣導在旋翼飛行器中導航性能的實驗分析[J].傳感技術學報，2016，29（5）：711-715.

[6]楊波，王躍鋼，徐洪濤.高速飛行環(huán)境下衛(wèi)星導航信息滯后補償方法[J].中國慣性技術學報，2011，19（3）：293-297.

[7] MAMMARELLA M，CAMPA G，NAPOLITANO M R，et al. Machine Vision/ GPS Integration Using EKF for the UAV Aerial Refueling Problem[J].IEEE Transactions on Systems，Man，and Cybernetics，Part C：Applications and Reviews，2008，38（6）：791-801.

[8]羅棟，何國民，劉俊景.基于回路反饋法修正的四旋翼位置估計算法研究[J].山東工業(yè)技術，2019（4）：168.

[9] OH S M，JOHNSON E N. Development of UAV Navigation System Based on Unscented Kalman Filter[C]//AIAA Guidance，Navigation，and Control Conference and Exhibit. Keystone：AIAA，2006：6763-6783.

[10]唐婭娟，王晶，所玉君，等.無人機改進導航定位方法設計[J].科技與創(chuàng)新，2017（4）：23-25.