一种应用于无人驾驶飞机的组合导航系统

1.一种应用于无人驾驶飞机的组合导航系统，其特征在于：主要包括传感器模块、导航模块、滤波器模块；
传感器模块获取进行飞行器导航所必需的加速度、角速度、相对高度、下视图像和蜂窝网信号；导航模块对传感器模块获取的信号进行导航解算，输出包含误差的导航解算结果；
滤波器模块用于对导航模块输出信息进行融合从而得到精确的飞行器状态估计，包括飞行器位置、速度、姿态和传感器误差；
所述传感器模块包括惯性传感器、无线电高度计、摄像机和通讯单元，其中惯性传感器包括三个加速度计和三个陀螺仪，用来采集飞行器载体的加速度和角速度信息惯性数据；
无线电高度计测量得到当前飞行器相对于地面的相对高度数据；摄像机采集飞行器当前位置的下视图像用于视觉导航和景象匹配导航；通讯单元获取至少三个蜂窝网通讯基站的通信信号用于通信定位；最后将飞行器的加速度和角度速度信息、飞行器相对于地面的相对高度数据、飞行器当前位置的下视图像以及至少三个蜂窝网通讯基站的通信信号发送到信息总线上，由各个导航模块根据需要从信息总线上获取相应数据；
所述导航模块分为惯性导航模块、视觉导航模块、景象匹配导航模块、通信定位模块四部分；
惯性导航模块从信息总线上获取惯性数据与高度数据进行导航解算；视觉导航模块从信息总线上获取惯性数据和图像数据，构建滤波状态和观测方程，采用非线性滤波方法估计飞行器当前的运动状态；景象匹配导航模块从信息总线上获取高度数据对摄像机采集的图像在预先装载的地图库中进行匹配定位，并且根据系统误差方程对传感器误差进行滤波估计；通信定位模块接收信息总线上的通信信号，采用到达信号时间差方法对飞行器进行三维定位；
所述滤波器模块采用了联邦卡尔曼滤波器，其主要由1个主滤波器与第一、第二、第三、第四共四个子滤波器组成，每个子滤波器分别用来处理导航模块中惯性导航模块、视觉导航模块、景象匹配导航模块、通信定位模块的信息滤波融合，并通过每个子滤波器的故障检测功能对输出进行数据有效性判定，最后将无故障的导航信息发送主滤波器，主滤波器对各个子滤波器输出的导航信息进行滤波融合，从而得到对飞行器的定位结果；
所述第一子滤波器主要对惯性导航模块由信息总线上获取的惯性数据和高度数据进行运算处理，得到飞行器运动信息；
所述第二子滤波器从信息总线上获取惯性数据状态方程，再将高度数据和从摄像头采集到的图像中提取特征点信息作为观测量构建观测方程，将两个方程结合进行滤波估计从而得到第二子滤波器对飞行器状态的估计；
所述第三子滤波器为断续工作方式；由于机载处理器和存储空间限制，因此，只能在预先设定的景象匹配区域上进行景象匹配，第三子滤波器对主滤波器输出的位置信息进行不间断检测，当发现飞行器已经进入预先设定的景象匹配区域之后启动第三子滤波器进行景象匹配并且对系统位置进行校正；第三子滤波器的滤波结构中采用系统误差传递方程作为状态方程，将当前景象匹配位置和导航位置之差作为观测量进行滤波估计，从而得到对传感器误差和导航误差的估计；
所述第四子滤波器接收蜂窝网通讯基站的通信信号作为定位信息来源，从主滤波器输出的导航信息中得到当前位置作为解算初值进行蜂窝网定位；第四子滤波器采用系统误差传递方程作为状态方程，将当前蜂窝网定位位置输出和导航位置之差作为观测量进行滤波估计，得到对传感器误差和导航误差的估计。
2.根据权利要求1所述的一种应用于无人驾驶飞机的组合导航系统，其特征在于：所述第二子滤波器从信息总线上获取惯性数据状态方程为：
n n n b b n
P(k)、V(k)、ψ(k)分别表示当前飞行器的位置、速度和姿态，f(k)、ω(k)和g 分别为当前加速度计和陀螺仪输出以及重力加速度向量，Δt为解算周期； 和为姿态转移矩阵。

一种应用于无人驾驶飞机的组合导航系统\n技术领域\n[0001] 本发明涉及导航领域，具体来说是一种应用于无人驾驶飞机的组合导航系统。\n背景技术\n[0002] 无人机(Unmanned Aerial Vehicle，缩写为UAV)是无人驾驶飞行器的简称，它是由机内控制系统自主控制执行任务或由机外控制站发遥控指令操纵执行任务的飞行器，主要由机体、动力系统、导航与控制系统、起飞和回收装置以及电子设备等组成，其相对有人驾驶飞机具有体积小、重量轻、滑跑距离短、造价低和隐蔽性好等特点。\n[0003] 随着技术的发展，无人机的使用范围扩展到了从军事应用到科学研究的广泛领域。在军事方面，无人机得益于其强大的功能和低廉的使用成本，已逐渐替代有人机在侦察与电子支援、电子战和空中作战领域得到了或即将得到广泛的使用，如美国军方研制的捕食者无人侦察机和“全球鹰”(Global Hawk)高空长航时无人侦察机，英国于2008年6月在\n6000公里之外进行遥控并对目标发动攻击的“死神”无人机等。民用方面则主要用于气象探测、灾害监测、地质勘测、地图测绘、交通管制和边境控制等，如2008年在四川大地震中进行震情调查的无人机。\n[0004] 无人机导航是指无人机依赖机载的导航设备和飞行控制系统来进行定位和控制并最终完成飞行任务。目前国内外研究的用于实现无人机导航方法包括：遥控指挥、惯性导航系统(Inertial Navigation System，INS)、卫星导航、组合导航等。目前也逐渐开展视觉导航系统的研究，但基本上都是以GPS卫星导航为主，其他三种导航方式为辅的方案。然而，由于无人机，特别是作战用小型无人机，其应用的电磁环境恶劣，遥控通讯链路难以维持，GPS信号也容易受干扰从而导致甚至GPS卫星导航方法无法使用。\n[0005] 在此情况下，研究一种适应于无人机应用环境，并且具有较高导航精度的导航方法成为无人机发展的当务之急。惯性导航系统由于其结构简单、成本较低，能够自主、实时提供全面导航信息，短时精度高，从而得到了广泛的应用。景象匹配导航方法由于其只需要飞行路径点上的某些地区图像，可以实现完全脱离控制的导航，从而受到了研究者的重视，并且已经进入了实用化阶段。但是景象匹配导航必须事先得到飞行路径点上的某些区域图像，这在某种应用情况下受到了制约，在此情况下提出了未知环境下的视觉导航问题。未知环境下的视觉导航方法依据地面特征点在摄像机图像中的位置变化与飞行器位置和姿态的变化之间的关系，通过实时获得地面图像的特征点信息并与机载惯性传感器(加速度计和陀螺仪)、无线电高度计信息融合，从而得到对自身姿态、速度和位置的估计。该方法不需要任何外部信息，具有抗干扰性能好、能适应未知环境、短时间导航精度高、信息全面等优点，但是它的导航误差仍然随着时间累积，在实际应用中仍然受到某些制约。除了上述导航方法之外，近年来随着通信技术的发展，将无线通信信号应用于导航也得到了广泛的研究，根据所采用的原理不同，该方法接收不同通信基站发出的基站位置信息或者不同基站到达接收机的信号时间差对自身进行定位。然而，由于该方法的原理性限制，在求解自身位置时出现多解的情况，需要另外的导航方法提供求解初值，因此，在要求一定精度的应用环境下该方法无法单独使用。\n[0006] 虽然上述方法有各种不足，但是如果将它们组合起来将发挥各自的优点，从而实现未知环境下的无人机自主导航系统。该方法可以克服现有的无人机导航方法依赖外部信息(GPS导航)，误差累积(惯性导航)等不足，可以将无人机的应用领域扩展至遮挡、干扰严重、敌方、事先信息贫乏等地区，甚至在经过修改之后可以应用于行星探测、水下等多种场合，具有十分重要的意义。同时，该方法也可应用于有人飞机、飞艇等航空器的导航控制。\n发明内容\n[0007] 本发明采用惯性、蜂窝网无线定位、未知环境下视觉导航和景象匹配导航四种方式的组合，并且根据各种分系统的特征采用了各自不同的数据有效性判断策略，提出一种基于无人驾驶飞机组合导航系统。适合于组合导航系统，同时也适合于有人驾驶飞机导航参考信息获取。\n[0008] 本发明主要包括传感器模块、导航模块、滤波器模块。\n[0009] 传感器模块获取进行飞行器导航所必需的加速度、角速度、相对高度、下视图像和蜂窝网信号等；导航模块对传感器模块获取的信号进行导航解算，各部分分别输出包含误差的导航解算结果；滤波器模块用于对导航模块输出信息进行融合从而得到相对较为精确的飞行器状态估计，包括飞行器位置、速度、姿态和传感器误差等。\n[0010] 所述传感器模块包括惯性传感器、无线电高度计、摄像机和通讯模块。其中惯性传感器包括三个加速度计和三个陀螺仪，用来采集飞行器的加速度和角速度信息等数据；无线电高度计测量得到当前飞行器相对于地面的相对高度数据；摄像机采集飞行器当前位置的下视图像用于视觉导航和景象匹配导航；通讯单元获取至少三个蜂窝网通讯基站的通信信号用于通信定位。最后将这些信息发送到信息总线上，由各个导航模块根据需要从信息总线上获取相应数据。\n[0011] 所述导航模块分为惯性导航模块、视觉导航模块、景象匹配导航模块、通信定位模块四部分。其中，惯性导航模块从信息总线上获取惯性数据与高度数据进行导航解算；视觉导航模块从信息总线上获取惯性数据和图像数据，构建滤波状态和观测方程，采用非线性滤波方法估计飞行器当前的运动状态；景象匹配导航模块从信息总线上获取高度数据对摄像机采集的图像在预先装载的地图库中进行匹配定位，并且根据系统误差方程对传感器误差进行滤波估计；通信定位模块接收信息总线上的通讯信号，采用到达信号时间差方法对飞行器进行三维定位。\n[0012] 所述滤波器模块采用了联邦卡尔曼滤波器，其主要由一个主滤波器与第一、第二、第三、第四共四个子滤波器组成滤波器组成，每个子滤波器分别用来处理导航模块中各个单元的信息滤波融合，并通过每个子滤波器的故障检测功能对输出数据进行有效性判定，最后将无故障的导航信息发送到滤波器，通过主滤波器对各个子滤波器输出的导航信息进行滤波融合，从而得到对飞行器的定位结果。\n[0013] 第一子滤波器主要对惯性导航模块由信息总线上获取的惯性数据和高度数据进行运算处理，得到飞行器运动信息(位置、速度和姿态)；\n[0014] 第二子滤波器从信息总线上获取惯性数据构建状态方程，再将高度数据和从摄像机采集到的图像中提取特征点信息作为观测量构建观测方程，将两个方程结合进行滤波估计从而得到第二子滤波器对飞行器状态(姿态、速度和位置)的估计。第二子滤波器工作条件为：摄像机获取的图象质量良好、特征点提取准确并且匹配效果具有较强的鲁棒性；\n[0015] 所述状态方程为：\n[0016] \n[0017] 其中，k为滤波周期数，Pn(k)、Vn(k)、ψn(k)分别表示当前飞行器的位置、速度和b b n\n姿态，f(k)、ω(k)和g 分别为当前加速度计测得的比力、陀螺仪输出的角速度和重力加n n\n速度向量，Δt为解算周期。Cb(k-1)和Eb(k-1)为姿态转移矩阵。\n[0018] 第三子滤波器为断续工作方式。由于机载处理器和存储空间限制，因此，只能在预先设定的景象匹配区域上进行景象匹配，第三子滤波器对主滤波器输出的位置信息进行不间断检测，当发现飞行器已经进入预先设定的景象匹配区域之后启动该部分进行景象匹配并且对系统位置进行校正。第三子滤波器的滤波结构中采用系统误差传递方程作为状态方程，将当前景象匹配位置和导航位置之差作为观测量进行滤波估计，从而得到对传感器误差和导航误差的估计；\n[0019] 第四子滤波器接收蜂窝网通讯基站的通讯信号作为定位信息来源，从主滤波器输出的导航信息中得到当前位置(含较大误差)作为解算初值进行蜂窝网定位。第四子滤波器采用系统误差传递方程作为状态方程，将当前蜂窝网定位位置输出和导航位置之差作为观测量进行滤波估计，得到对传感器误差和导航误差的估计；\n[0020] 所述蜂窝网无线定位通过通信单元接收到至少三个地面基站无线通讯信号，并将其两两之间进行互相关运算从而得到不同信号之间的到达时间差；然后将其他导航系统输出作为迭代计算初始值求解定位输出，该输出为一条曲线，因此需要利用高度计的高度输出进行三维定位；\n[0021] 各子滤波器输出还需要进行数据有效性判定，设计故障检测函数Di(k)，其算式如下：\n[0022] \n[0023] \n[0024] \n[0025] zi(k)为滤波观测量，Hi(k)为滤波输出矩阵， 是状态一步预测向量，Pi(k|k-1)为方差预测矩阵，Ri(k)为观测误差方差阵。\n[0026] 根据滤波定义，有Di(k)服从χ2分布。当Di(k)＞TD时认为对应该子滤波器输出数据不可用，应予切除；当Di(k)＜TD时则认为子滤波器无故障。TD为预先定义的阈值，表示误报警率。当取误报警率Pfa＝α时，可由Pfa＝P[λk＞TD|H0]＝α式决定阈值TD。\n[0027] 最后主滤波器对各个子滤波器输出的导航信息进行滤波融合，从而得到飞行器状态和传感器误差的精确估计。\n[0028] 本发明的优点在于：\n[0029] (1)将惯性导航、视觉导航、景象匹配导航和通信定位方法相结合得到一种无人机组合导航系统，具有实用性好、误差小的优点；\n[0030] (2)采用联邦卡尔曼滤波方法对以上四种信息进行融合，并且根据故障诊断算法对各独立算法输出数据的有效性进行判断，提高了系统的可靠性；\n[0031] (3)该方法充分利用了惯性导航、视觉导航不需要外部信息和事先信息，景象匹配和通信定位精度高的优点，可以实现在任何环境下的定位导航。\n附图说明\n[0032] 图1是本发明的系统框图；\n[0033] 图2为滤波器部分结构框图；\n[0034] 图3为蜂窝网定位方法流程图；\n具体实施方式\n[0035] 下面将结合附图和实施例对本发明作进一步的详细说明。\n[0036] 本发明主要包括传感器模块、导航模块、滤波器模块。\n[0037] 如图1所示，传感器模块1获取进行飞行器导航所必需的加速度、角速度、相对高度、下视图像和蜂窝网信号等；导航模块2对传感器模块1获取的信号进行导航解算，各部分分别输出包含误差的导航解算结果；滤波器模块3用于对导航模块2输出信息进行融合从而得到相对较为精确的飞行器状态估计，包括：飞行器位置、速度、姿态和传感器误差等。\n[0038] 所述传感器模块1包括惯性传感器101、无线电高度计102、摄像机103和通讯模块104等，其中惯性传感器101包括三个加速度计和三个陀螺仪，用来采集飞行器载体的加速度和角速度信息等惯性数据；无线电高度计102测量得到当前飞行器相对于地面的相对高度数据；摄像机103采集飞行器当前位置的下视图像用于视觉导航和景象匹配导航；通讯模块104获取至少三个蜂窝网通讯基站的通信信号用于通信定位。最后将这些信息发送到信息总线上，由各个导航模块根据需要从信息总线上获取相应数据。\n[0039] 所述导航模块2分为惯性导航模块201、视觉导航模块202、景象匹配导航模块\n203、通信定位模块204四部分。其中，惯性导航模块201从信息总线上获取惯性数据与高度数据进行导航解算；视觉导航模块202从信息总线上获取惯性数据和图像数据，构建滤波状态和观测方程，采用非线性滤波方法估计飞行器当前的运动状态；景象匹配导航模块\n203从信息总线上获取高度数据对摄像机103采集的图像在预先装载的地图库中进行匹配定位，并且根据系统误差方程对传感器误差进行滤波估计；通信定位模块204接收信息总线上的通讯信号，采用到达信号时间差方法对飞行器进行三维定位。\n[0040] 所述滤波器模块3采用了联邦卡尔曼滤波器，其主要由1个主滤波器与4个子滤波器组成，每个子滤波器分别用来处理导航模块2中各个模块的信息滤波融合，并通过每个子滤波器的故障检测功能进行数据有效性判定，最后将无故障的导航信息发送主滤波器\n301，通过主滤波器对各个子滤波器的输出信号进行滤波融合从而得到对飞行器的定位结果。\n[0041] 第一子滤波器302主要对惯性导航模块201由信息总线上获取的惯性数据和高度数据进行运算处理，得到飞行器运动信息(位置、速度和姿态)；\n[0042] 第二子滤波器303通从信息总线上获取的惯性数据构建状态方程，再将高度数据和从摄像机103采集到的图像中提取特征点信息作为观测量构建观测方程，将两个方程结合进行滤波估计从而得到第二子滤波器303对飞行器状态(姿态、速度和位置)的估计。第二子滤波器303工作条件为：摄像机103获取的图象质量良好、特征点提取准确并且匹配结果具有较强的鲁棒性；\n[0043] 所述状态方程为：\n[0044] \n[0045] 其中，k为滤波周期数，Pn(k)、Vn(k)、ψn(k)分别表示当前飞行器的位置、速度和姿态，fb(k)、ωb(k)和gn分别为当前加速度计和陀螺仪输出以及重力加速度向量，Δt为解算周期。Cbn(k-1)和Ebn(k-1)为姿态转移矩阵。\n[0046] 第三子滤波器C304为断续工作方式。由于机载处理器和存储空间限制，因此，只能在预先设定的景象匹配区域上进行景象匹配，第三子滤波器304对主滤波器301输出的位置信息进行不间断检测，当发现飞行器已经进入预先设定的景象匹配区域之后启动该部分进行景象匹配并且对系统位置进行校正。第三子滤波器304的滤波结构中采用系统误差传递方程作为状态方程，将当前景象匹配位置和导航位置之差作为观测量进行滤波估计，从而得到对传感器误差和导航误差的估计；\n[0047] 第四子滤波器305接收蜂窝网通讯基站的通讯信号作为定位信息来源，从主滤波器301输出的导航信息中得到当前位置(含较大误差)作为解算初值进行蜂窝网定位。第四子滤波器305采用系统误差传递方程作为状态方程，将当前蜂窝网定位位置输出和导航位置之差作为观测量进行滤波估计，得到对传感器误差和导航误差的估计；\n[0048] 如图2所示，所述蜂窝网无线定位通过通信单元接收至少三个地面基站无线通讯信号，将其两两之间进行互相关运算从而得到不同信号的到达时间差；然后将其他导航系统输出作为迭代计算初始值求解定位输出，该输出为一条曲线，因此需要利用高度计的高度输出得到自身精确定位；此定位输出可以认为是其他导航系统输出的基础上进行更精确定位的结果。相对于摄像机视野范围而言，通信基站覆盖范围更广，因此，蜂窝网无线定位输出结果更精确，连续性更强。\n[0049] 如图3所示，设两基站到达通讯模块的信号到达时间差为τ，BS I、BS II、BS III为通讯基站，MS为当前飞行器位置，R21为到BS I、BS II基站距离差恒定为cτ的双曲线，R31到BS I、BS III基站距离差恒定为cτ的双曲线，c为光速。在已知两基站到达通讯模块的信号到达时间差的前提下，则通讯模块当前的位置即在R21和R31的交点上，在三维情况下此交点为一曲线。\n[0050] 各子滤波器输出还需要进行数据有效性判定，设计故障检测函数Di(k)，其算式如下：\n[0051] \n[0052] \n[0053] \n[0054] zi(k)为滤波观测量，Hi(k)为滤波输出矩阵， 是状态一步预测向量，Pi(k|k-1)为方差预测矩阵，Ri(k)为观测误差方差阵。\n[0055] 根据滤波定义，有Di(k)服从χ2分布。当Di(k)＞TD时认为对应该子滤波器输出数据不可用应予切除；当Di(k)＜TD时则认为该子滤波器无故障。TD为预先定义的阈值，表示误报警率。当取误报警率Pfa＝α时，可由Pfa＝P[λk＞TD|H0]＝α式决定阈值TD。\n[0056] 最后主滤波器301对各个子滤波器输出的导航信息进行滤波融合，从而得到飞行器状态和传感器误差的精确估计。