基于多傳感器融合的無人機三維狀態(tài)估計

王琦 王偉 楊溢 南京信息工程大學 自動化學院

引言

2020年爆發(fā)的新冠肺炎可以算的上是整個人類面臨的挑戰(zhàn)，在這場“戰(zhàn)疫”中涌現(xiàn)出許多具有奉獻精神逆行者。同樣在這此挑戰(zhàn)面前，無人機也更進一步的進入了大眾的視野。從正常存在于百米高空的空曠區(qū)域飛行至熙熙攘攘鬧市街頭，無人機空投喊話已經(jīng)成為現(xiàn)實，為這一特殊時期的治安管理等方面做出了不小的貢獻。同樣的，對于公共場所的消毒，使用植保類無人機裝載消毒液即可完成任務(wù)，在這樣的高危環(huán)境下，使用無人機替代人工作業(yè)很大程度上保護了工作人員的安全。對于無人機行業(yè)來說，這次天災(zāi)給無人機帶來的不僅僅是機遇，其實也更是一次挑戰(zhàn)。

無人機從空曠、無人的高空環(huán)境到擁擠復雜的街頭，除了要考慮環(huán)境對各個傳感器干擾外，還需要考慮無人機飛行時的安全問題。這就要求無人機系統(tǒng)具有較強的穩(wěn)定性，能應(yīng)對傳感器如GPS之類的信號丟失等功能。目前在無GPS環(huán)境下實現(xiàn)位置估計以及導航一般使用激光雷達與IMU融合或者視覺相機與IMU融合的方案。但在大多數(shù)情況下，在無GPS環(huán)境下光線不是很充足，而視覺導航對環(huán)境的可見度是有要求的，在室內(nèi)特別是光線比較昏暗的條件下使用視覺相機可能無法取得較理想的效果，甚至會導致無法進行定位以及導航，具有較大的安全隱患。

針對這一情況，本文旨在采用低成本的二維激光雷達傳感器完成可以滿足上述要求的狀態(tài)估計系統(tǒng)，為后續(xù)的二次功能開發(fā)打好基礎(chǔ)。

1 簡介

本系統(tǒng)使用自主研發(fā)的飛控，結(jié)合IMU，GPS，地磁計，光流，定高雷達以及激光雷達傳感器，實現(xiàn)對在室內(nèi)環(huán)境下無人機的位置，速度以及姿態(tài)進行估計。整套系統(tǒng)搭載在四旋翼無人機上，各模塊之間采用Can通信的形式。圖1即為本文的實驗平臺。

圖1 四旋翼無人機平臺

對于室內(nèi)環(huán)境下，采用基于圖優(yōu)化的激光slam算法完成對無人機的定位以及地圖的構(gòu)建，結(jié)合IMU與光流模塊，使用擴展卡爾曼濾波器融合出無人機機體坐標系下的xy方向的速度信息，采用簡易融合的方式，結(jié)合氣壓計以及定高雷達傳感器獲取高度信息；在室外環(huán)境下，則使用GPS傳感器，結(jié)合IMU模塊與氣壓計推算出無人機實時的經(jīng)緯度，速度以及高度信息。

2 姿態(tài)估計框架

結(jié)合上文所述，本文所提出的多傳感器融合的狀態(tài)估計結(jié)構(gòu)如圖2所示：

圖2 狀態(tài)估計框架

由圖2可知，IMU作為核心傳感器經(jīng)過坐標系轉(zhuǎn)換后經(jīng)過積分后為EKF的預測部分；光流以及GPS可以提供速度信息，GPS與激光雷達可以提供位置信息，定高雷達與氣壓計可以提供高度信息，這些傳感器的數(shù)據(jù)經(jīng)過卡方檢測以保證數(shù)據(jù)的有效性，經(jīng)過坐標轉(zhuǎn)換后作為EKF的觀測部分，經(jīng)過EKF融合之后，生成的結(jié)果即為所求。具體的，在室內(nèi)條件下使用的融合框架為：通過機體坐標系下的IMU的加速度數(shù)據(jù)積分后與光流的速度數(shù)據(jù)進行融合，高度方向由IMU的加速度數(shù)據(jù)的二次積分與氣壓計和定高雷達數(shù)據(jù)進行融合，判斷無人機處于移動或者靜止狀態(tài)來切換氣壓計或者定高雷達作為觀測值；在室外條件下，水平方向上，使用IMU的xy軸加速度數(shù)據(jù)與GPS的速度數(shù)據(jù)進行融合，具體為將機體坐標系下的xy軸的加速度轉(zhuǎn)換到NED坐標系下，作為卡爾曼濾波器的輸入，GPS測量的數(shù)據(jù)信息則為觀測值，經(jīng)過卡爾曼濾波器后輸出的結(jié)果即為無人機控制系統(tǒng)所使用的無人機當前的速度值。

3 融合算法

從創(chuàng)建到現(xiàn)在的半個世紀之中，卡爾曼濾波(KF)理論目前已經(jīng)廣泛應(yīng)用于無人機的狀態(tài)估計之中。到目前為止仍然是最有效的估計算法之一。但是在實際使用的當中，大多數(shù)系統(tǒng)都屬于非線性系統(tǒng)。如本文中使用的無人機系統(tǒng)就是一個典型的非線性系統(tǒng)。很多研究人員提出了各種的近似估計方法，考慮到所使用的硬件條件的限制，本文選擇使用EKF來進行傳感器數(shù)據(jù)的融合。

系統(tǒng)的預測方程如下：

在本文當中，狀態(tài)量 x=[α,β,γ,p,v,bgyro,bacc]；其中α,β,γ表示無人機的滾轉(zhuǎn)角，俯仰角以及偏航角，p=[px,py,pz]表示無人機的在NED坐標系下的位置信息，v=[vx,vy,vz]表示無人機在NED坐標系下的速度信息，bgyro,bacc分別表示陀螺儀以及加速度計的偏移量；w_k為高斯白噪聲。

系統(tǒng)的矯正方程如下：

在這項研究中，在室內(nèi)環(huán)境下的估計是基于激光雷達完成的，其測量值為相對距離。在室外環(huán)境下的估計是基于GPS傳感器完成的，其測量值為絕對距離。

4 實驗數(shù)據(jù)及分析

本論文采用的實驗方案為：無人機從室外環(huán)境起飛后懸停，之后通過飛手操作直線飛進室內(nèi)環(huán)境，觀察此時無人機是否能在無人工干預的情況下保持定點懸停，觀察這期間無人機的狀態(tài)變化，主要觀察無人機姿態(tài)角的變化以及由GPS速度到光流傳感器的速度切換是否會出現(xiàn)跳變。

實驗數(shù)據(jù)表明，在整個飛行過程中，滾轉(zhuǎn)角以及偏航角方向基本沒有變化，飛機機體坐標系y軸方向的速度也在±0.1范圍之內(nèi)變動，基本保持不變，經(jīng)過融合后的速度信息與實際飛行的速度信息基本一致。在實際飛行過程中，GPS信號斷開后，位置融合使用的數(shù)據(jù)源由GPS傳感器切換至光流傳感器，此時y軸方向的融合出的速度與實際測量值的誤差較GPS條件下的誤差要稍微大一點。導致這種現(xiàn)象的原因主要為光流傳感器的測量值不夠精確導致，但在GPS有效時的速度信息切換至室內(nèi)光流速度信息時，整個估計系統(tǒng)并未發(fā)生較明顯的數(shù)據(jù)跳變，整體上滿足使用要求，因此，通過實驗可知本文所述的狀態(tài)估計方法為實際可行的。

5 結(jié)束語

本文以四旋翼無人機系統(tǒng)為例，通過搭載各傳感器進行數(shù)據(jù)融合實現(xiàn)在室內(nèi)室外條件下無人機實時狀態(tài)的估計。首先介紹了姿態(tài)估計的框架，其次介紹融合所使用的算法，最后通過室內(nèi)以及室外實際飛行試驗驗證算法的有效性。本系統(tǒng)目前已經(jīng)經(jīng)過無人機多個架次的實際飛行測試，對于室內(nèi)無人機的定位與導航具有重要意義，更為無人機系統(tǒng)的二次開發(fā)打好基礎(chǔ)。