Optimization-based alignment for inertial navigation systems

Wu, Meiping & Wu, Yuanxin & Hu, Xiaoping & Hu, Dewen. (2011). Optimization-based alignment for inertial navigation systems: Theory and algorithm. Aerospace Science and Technology - AEROSP SCI TECHNOL. 15. 1-17. 10.1016/j.ast.2010.05.004.

捷联惯导系统的基于最优化的对准

国防科技大学

摘要

惯性导航系统(INS)在工作开始时需要一个对准阶段来确定初始姿态。本文基于优化方法设计了一种新颖的对准方法,它与现有的对准方法,例如罗经对准和滤波对准不同。本文表明,使用无限矢量观测,INS姿态对准可以等效地转换为“连续”定姿问题。它揭示了这两个独立问题之间有趣的联系,数十年来对此进行了并行研究。将INS姿态对准转化为寻找最小特征向量的优化问题。进行了针对传感器偏置的灵敏度分析,并获得了针对特定平稳情况的显式误差方程。仿真研究和实验测试证明了它的快速性,准确性和鲁棒性。所提出的方法固有地能够应付任何大的角运动以及高频平移运动。通过检查恒定的初始Euler角,可以替代地将其用于检测显着的传感器偏置的存在。

1. Introduction

惯性导航系统(INS)是通过对加速度进行积分来计算速度并通过对速度进行积分来计算位置的系统。
作为一种航位推算的导航方法,惯性导航系统需要一个对准台来确定导航操作之前的初始条件。
初始对准对于任何INS都至关重要,因为INS的性能在很大程度上取决于对准过程的准确性和快速性。
术语“对准”通常意味着姿态对准,因为可以例如使用全球卫星系统(GPS)轻松识别初始速度和位置[6,26]。

现有的对准方法通常由两个步骤组成,即使用解析方法的粗对准阶段,然后通过罗经或最佳估计方案进行精对准[6,8,9,25,26]。解析方法近似地将车辆姿态(由于普遍干扰引起的时变)视为恒定。它比较粗糙,需要通过相对复杂的罗经或卡尔曼滤波方法进行完善。陀螺罗盘法和卡尔曼滤波技术基于简化的线性系统模型[6,26],其理论分析基于[1-4,7,12,14,16,20-22]。由于模型简化,对准性能受到损害,例如,收敛速度慢和容易受到干扰。

本文致力于一种新颖的基于优化的对准方式(OBA)。它是一个受到全局可观性分析[24,28,30,31]而得的产品,并且在原理上与以前的方法不同。INS对准问题被构建为一个寻找最小特征向量的优化问题。整个推导过程中都没有简化模型,新颖的OBA方法具有快速,准确和鲁棒性等优点。它不需要罗经(极点放置)或卡尔曼滤波(误差协方差预确定和小的初始值)方法不可避免的参数调整过程。本文的主要贡献是除了罗经法和滤波法之外,提供了一种解决INS对准问题的新思路。有趣的是,OBA方法还提供了有关姿态对准(attitude alignment)姿态确定问题(the attitude determination problem) 的联系的见解[5,27],该问题在平行道路上独立发展。Wahba [27]把 使用多个矢量观测值的姿态确定问题 表述为恒定方向余弦矩阵(DCM)的约束最小二乘估计。Davenport通过四元数重新参数化了DCM,并设计了等效的q-metheod来解决所谓的恒定姿态确定问题[23]。相反,INS对准要求实时确定非恒定姿态。结果表明,INS对准可以转换为确定在对准开始时初始姿态正确的问题。因此,它使我们能够使用q-metheod算法来解决INS对准问题。它找到了OBA方法的主要思想。

内容组织如下。 第2节使用数学语言介绍了算法的主要原理,并提出将对准问题转化为最小化过程。针对传感器偏差进行灵敏度分析,并针对特殊情况获得显式误差方程。第3节给出了OBA的算法描述,并结合了实际考虑因素。在第4节中针对静基座和角运动/线运动摇摆基座下的对准进行了仿真研究和实验测试。讨论和结论在第5节中进行。

2. 基于优化的对准:建模与分析

2.1 数学公式

陀螺仪/加速度计偏差的可估计性取决于操作(maneuvers)[3,21,30],特别地,在静基座情况下[2,30]不可观,因此我们在续篇中未考虑传感器偏差。在不失一般性的前提下,选择了当地水平面作为导航系,x指向北,y指向垂直上,z指向东(北天东)。用B表示INS载体系,用E表示地球系,用I表示惯性系。使用INS在某些固定位置(纬度L和高度h)的陀螺仪/加速度计输出,地速度 v n = [ v N    v U    v E ] T v^n = [v_N \; v_U \; v_E] ^T vn=[vNvUvE]T(北,上和东)和相对于导航框架的身体姿态矩阵$ C_b^n$可以从运动方程获得,如[13,26]:

在这里插入图片描述

考虑一个有限的时间间隔 [ 0 , t f ] [0,t_f] [0tf]INS的对准问题等效于使用陀螺仪和加速度计输出来唯一确定当前姿态的问题。【问题转化所需的条件】假设通过测量或GPS等已知纬度和高度。对于已知或可以高精度测量的地面速度的许多情况,例如,当INS静止时,地面速度等于零,我们将证明可以通过优化方式解决对准问题。

纯手机码字!

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Abstract: Current approaches for visual-inertial odometry (VIO) are able to attain highly accurate state estimation via nonlinear optimization. However, real-time optimization quickly becomes infeasible as the trajectory grows over time; this problem is further emphasized by the fact that inertial measurements come at high rate, hence leading to fast growth of the number of variables in the optimization. In this paper, we address this issue by preintegrating inertial measurements between selected keyframes into single relative motion constraints. Our first contribution is a preintegration theory that properly addresses the manifold structure of the rotation group. We formally discuss the generative measurement model as well as the nature of the rotation noise and derive the expression for the maximum a posteriori state estimator. Our theoretical development enables the computation of all necessary Jacobians for the optimization and a-posteriori bias correction in analytic form. The second contribution is to show that the preintegrated IMU model can be seamlessly integrated into a visual-inertial pipeline under the unifying framework of factor graphs. This enables the application of incremental-smoothing algorithms and the use of a structureless model for visual measurements, which avoids optimizing over the 3D points, further accelerating the computation. We perform an extensive evaluation of our monocular VIO pipeline on real and simulated datasets. The results confirm that our modelling effort leads to accurate state estimation in real-time, outperforming state-of-the-art approaches.
登山队的优化是一种基于团队合作的方法,旨在提高登山队完成任务的效率和成功率。登山队的成员需要充分发挥各自的优势,通过有效的协调和合作,以达到优化整个队伍的目的。 团队的优化考虑到每个队员的技能、经验和能力。在组建登山队时,需要选择合适的成员,确保团队中有足够的技术专长和经验。每个队员负责特定的任务,从攀登技术到物资搬运等各个方面。团队成员之间的合作和沟通是十分重要的,他们应该相互支持、密切配合,并协助解决在登山过程中出现的问题。 登山队的优化还考虑到物资安排和装备选择。团队必须准备足够的食物、水和药品等资源,以保障队员在登山过程中的生存需要。此外,合适的装备选择也是优化团队效益的关键之一。例如,合适的登山靴和衣物可以提供保护和舒适,而先进的安全装备可以确保团队成员在危险的环境中的安全。 在实施登山任务时,团队需要根据各自的能力和情况做出灵活的决策。这可能涉及到选择最佳的攀登路线、休息时间的安排、天气预测的考虑等。团队成员需要密切合作,参与决策过程,并遵循领队的指导。 总之,登山队的优化是一种基于团队合作的方法,旨在通过充分发挥每个队员的优势,提高登山任务完成的效率和成功率。团队成员之间的合作与沟通、物资安排与装备选择以及灵活的决策制定是实现这一目标的关键要素。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值