1 陕西科技大学 机电工程学院,西安 710021
2 西安交通大学 机械工程学院,西安 710049
3 西安交通大学 精密微纳制造技术全国重点实验室,西安 710054
针对商用低精度惯性测量单元具有高成本、制造工艺复杂、废弃后污染环境、不能生物降解等缺点,提出一种低成本、可生物降解的木制惯性测量单元。该设计包含平衡振子和非平衡振子单元,分别用于测量3轴加速度和3轴角加速度。采用激光诱导石墨烯的工艺在木梁上制备应变传感器阵列,并形成多组惠斯顿电桥测量电路。结果表明:加速度方面,X轴灵敏度为0.006 mV/g,Y轴灵敏度为8.695×10-4 mV/g,Z轴灵敏度为0.200 mV/g;角加速度方面,X轴灵敏度为0.285 mV/(rad/s2),绕Y轴旋转的灵敏度为0.305 mV/(rad/s2),绕Z轴旋转的灵敏度为0.765 mV/(rad/s2)。与有限单元法仿真结果对比,实验测量误差在10%以内,且具有良好的重复测量精度。该惯性测量单元在木制船舶、木制载具、木制家具等方面具有潜在的应用前景。
惯性测量单元 激光诱导石墨烯 陀螺仪 加速度计 木材 Inertial measurement unit Laser induced graphene Gyroscope Accelerometer Wood
1 上海工程技术大学机械与汽车工程学院,上海 201620
2 上海卫星工程研究所,上海 200240
3 上海司南卫星导航技术股份有限公司,上海 201801
针对影像实时动态测量设备中相机和惯性测量单元(IMU)相对位置发生变化时,需要重新进行外参标定的问题,提出了一种Camera-IMU外参在线标定方法,能够在机械构型未知的情况下自动估计初始值和外参数。首先,使用全球卫星导航时间对齐IMU和相机的时间戳,通过奇异值分解求解旋转量的超定线性方程,改变阈值判定条件和加权方式,减少方程中的退化运动,并剔除外点,提高系统鲁棒性与外参精度,从而获得恒定的Camera-IMU旋转外参。然后基于获得的Camera-IMU旋转外参,固定滑动窗口,利用高斯牛顿法估计Camera-IMU的外参平移量。与原有在线标定方法相比,旋转外参标定方法的精度提高15%,平移外参的精度提高35%,实验结果表明所提方法是有效的。
相机和惯性测量单元 外参标定 初始化 惯性测量单元预积分 激光与光电子学进展
2024, 61(4): 0411005
为了实现低成本微惯性测量单元(MIMU)的自对准功能、提高自对准精度, 提出了一种基于级联卡尔曼滤波(KCF)的动基座GPS单天线辅助MIMU自对准方法。首先, 对GPS单天线测得的速度矢量随机误差进行了总平均经验模态分解(MEEMD), 信号重构后使用卡尔曼滤波对其降噪解算得到航向角测量; 其次,以基座姿态角和陀螺常值漂移为状态量建立了系统的状态方程, 并融合加速度计和GPS单天线测量信息, 建立了系统的观测方程; 然后, 使用自适应无迹卡尔曼滤波进行信息融合, 实现了基座姿态角的最优估计。经仿真验证对比, 所提算法有效提高了自对准精度。仿真结果验证了所提算法在GPS单天线辅助MIMU自对准中的优越性。
微惯性测量单元 初始对准 总平均经验模态分解 自适应级联卡尔曼滤波 Micro Inertial Measurement Unit (MIMU) initial alignment Modified Ensemble Empirical Mode Decomposition (ME Adaptive Kalman Cascade Filtering (AKCF)
长沙理工大学电气与信息工程学院, 长沙 410000
针对无人机室内无全球定位系统(GPS)信号、定位精度较低的问题, 提出融合视觉和惯性数据来实现无人机室内定位。前端改进特征匹配算法, 针对图像发生旋转运动提出了利用主成分分析法(PCA)计算旋转角度, 改变特征点所在网格及其8邻域网格, 并根据邻域特征点与匹配特征点欧氏距离设定高斯阈值, 提出新的分数统计模型, 使正确匹配对的数量增多, 提高了特征匹配的快速性和视觉室内定位的准确性。针对图像局部相似产生误匹配问题, 提出了利用特征点之间的几何关系确定数据集, 通过Pearson相关系数分析数据的相似性, 设定阈值剔除置信度较低的特征匹配对, 优化视觉估计无人机的位姿信息、后端采用视觉惯性基于滑动窗口的紧耦合优化位姿信息。通过设计室内光线正常与室内光线较暗情况下的无人机悬停实验, 分析其飞行日志可知, 改进后网格运动统计(GMS)算法的特征匹配速度是原算法的3倍, 并在局部相似区域剔除误匹配, 特征匹配准确率能达到94%, 无人机室内定位精度达到0.02 m, 能在复杂**环境中有更好的应用。
无人机 室内定位 剔除误匹配 惯性测量单元 视觉定位 UAV indoor positioning mismatch elimination GMS GMS IMU visual positioning
传统的系统级标定方法是将温箱压缩机、转台电机等环境引起的随机噪声视为白噪声,而实际过程中输出信号具有非平稳和非线性特征。最小二乘拟合法是一种线性回归方法,利用该方法求解的误差系数成为制约光纤捷联惯导系统实现高精度的关键因素之一。针对上述问题,该文提出了一种基于希尔伯特-黄变换的捷联惯导系统级标定改进算法。通过希尔伯特-黄变换去除惯性仪表原始输出信号中的高频随机噪声,再利用系统级标定法计算惯性测量单元(IMU)误差参数。经多组试验证明,该方法能够有效提高IMU误差参数辨识的准确性,1 h的动态导航位置误差相对减少约10%。
光纤惯导 系统级标定 希尔伯特-黄变换 惯性测量单元 FOG SINS system-level calibration method Hilbert-Huang Transform (HHT) inertial measure unit (IMU)
上海交通大学 电子信息与电气工程学院, 上海 200240
为提高车载组合导航系统的导航精度和可靠性, 在全球导航卫星系统(GNSS)信号正常工作的情况下, 该文建立了一种双天线GNSS/微惯性测量单元(MIMU)/轮速里程计(OD)组合导航模型, 实现了对MIMU和OD传感器误差特性的在线估计。在GNSS信号短期失锁的情况下, 基于双OD轮速比例修正(WRC)算法建立了MIMU/双OD组合导航模型。车载实验结果表明, 与无WRC组合模型相比, 该文设计的组合导航模型在120 s的GNSS信号失锁路段, 最大定位误差减小了63.9%, 定位误差标准差减小了80.1%; 在200 s时GNSS信号频繁中断路段, 最大位置误差为0.55 m。验证了所建立的导航模型和算法在复杂路况下工作的有效性。
车载组合导航 双天线GNSS 轮速比例修正 双里程计 微惯性测量单元(MIMU) vehicle integrated navigation dual-antenna GNSS wheel speed ratio correction dual odometer miniature inertial measurement unit (MIMU)
1 国防科技大学空天科学学院,湖南 长沙 410073
2 图像测量与视觉导航湖南省重点实验室,湖南 长沙 410073
运动相机相对位姿估计是基于机载光电平台进行视觉定位的关键技术。在大倾角、小交会角等典型受限观测条件下,相机位姿估计精度易受姿态角误差和像点提取误差的影响,使目标定位精度难以满足应用需求。针对惯性测量单元测量角度随时间发生漂移,且惯性测量单元与相机安装关系标定繁琐的问题,提出了一种惯性测量单元与相机固联安装下的对地定位方法,无需标定相机和惯性测量单元之间的安装关系。首先,利用固联安装的惯性测量单元为运动相机提供相对旋转角信息;然后,根据1个相对旋转角和4个同名点估计运动相机的相对位姿;最后,采用投影矩阵交会法线-线交会出目标的空间位置。仿真和飞行实验表明,在典型受限观测条件下,所提方法定位精度优于传统定位方法,具有高精度、高效率、强鲁棒性等优点。
测量 机载光电平台 惯性测量单元 受限观测条件 位姿估计 对地定位 中国激光
2023, 50(14): 1404005
天津大学精密测试技术及仪器国家重点实验室,天津 300072
在视觉惯性定位系统中,传感器位姿关系的标定对于实现精确空间定位至关重要,针对现有标定方法对多传感器系统缺乏集成性、标定精度受限等问题,提出了一种视觉惯性系统位姿高精度一体化标定方法。通过精密三轴转台提供角度基准,基于重力矢量不变性和匀速圆周运动下向心加速度数值的一致性求解惯性测量单元(IMU)与转台之间的外参,利用转台构建控制场为相机标定提供空间角度约束,联合优化求解无重叠视场多相机内外参。仿真和实验结果表明,该方法具有较高的标定精度和稳定性,在多相机IMU系统组合定位测试中,与经典标定方法Kalibr相比,本文方法系统运动轨迹拟合轴线的角度偏差降低40.32%,距离偏差降低18.93%,可满足高精度视觉惯性定位系统的标定需求。
测量 视觉惯性定位系统 无重叠视场多相机 惯性测量单元 精密三轴转台 外参标定 激光与光电子学进展
2023, 60(3): 0312021
重庆邮电大学 自主导航与微系统重庆市重点实验室, 重庆 400065
针对车体振动影响微机电系统惯性测量单元(MEMS IMU)航向精度问题, 提出了一种能有效抑制振动噪声从而提升航向精度与稳定性的方法。首先, 采用最小均方法对数据进行前端预处理, 以提升信噪比; 然后, 利用加速度计与陀螺仪的互补特性滤除陀螺仪的零偏噪声; 最后, 采用扩展卡尔曼滤波进一步滤波。总计4h的现场实验结果表明: IMU受载体振动影响较小, 航向的精度与稳定性得到提升; 其中, 在大角度机械运动后的相对航向误差为3.08°, 静止时的航向方差为2.44×10-5。
微机电系统 惯性测量单元 航向 振动噪声 MEMS IMU heading vibration noise
在小型无人直升机领域, 激光陀螺捷联惯导不仅用于导航, 而且用于飞行姿态控制, 对激光陀螺捷联惯导的导航精度和实时性都有较高要求。而传统的高阶有限脉冲响应(FIR)低通滤波器对激光陀螺惯性测量单元(IMU)输出信号滤波后会产生较大的时间延迟, 使得滤波后信号难以满足系统姿态控制的要求。为了兼顾测量精度和响应时间, 研究了一种最小均方(LMS)自适应陷波器与低阶FIR低通滤波器相结合的滤波方法, 并在其中引入了无限脉冲响应(IIR)窄带滤波器, 解决了抖频参考信号的获取问题。理论分析和试验结果表明: 该方法不仅能有效消除抖动偏频信号和外界高频噪声的影响, 而且可以显著缩短延迟时间至2 ms, 具有很高的工程实用价值。
激光陀螺 自适应陷波器 姿态控制 低通滤波器 惯性测量单元 laser gyro adaptive notch filter attitude control low pass filter Inertial measurement unit