[发明专利]小型无人机自主导航定位方法

说明书

本发明属于无人机技术领域，具体涉及一种小型无人机自主导航定位方法，其利用改进建议分布粒子滤波实现无人机的同步定位与地图构建方法框架的设计。并针对无人机运动模型、观测模型线性化导致的模型不匹配及粒子的退化问题加以研究。提出利用自适应EKF及RTS产生建议分布，融入最新的观测量，设计无人机的同步定位与构图方法，产生更接近真实分布的粒子集，通过重采样，对粒子的状态进行更新，从而从根本上避免模型线性化的影响，提高估计精度，同时由于不需要计算系统状态矩阵的协方差，降低了计算量，最终达到提高无人机长航时导航定位与地图构建精度及效率的目的。

技术领域

本发明属于无人机技术领域，具体涉及一种小型无人机自主导航定位方法。

背景技术

现代社会人力资源成本价值越来越高，尤其对于环境比较恶劣或者比较耗时的任务，例如危险的楼内火灾救援现场，或枯燥耗时的楼内墙壁粉刷等，利用机器来替代人工是非常不错的选择，于是各种小型无人机应运而生，而由于自主导航定位技术是小型无人机完成任何任务的先决条件，所以导航定位技术成为限制小型无人机发展的瓶颈技术。

传统的小型无人机大都采取航位推算配合GPS的组合导航方法实现导航定位，随着时间推移，其位置估计误差增大，需要定期采用GPS或北斗对其位置进行校正。这种方法对于GPS或北斗的卫星信号要求比较高，一旦信号受到遮挡或者变弱，将无法进行位置校正，导致位置估计误差累计较大。

同步定位与构图(Simultaneous Localization and Mapping，SLAM)技术的提出，一定程度上缓解了传统导航方法中存在的不足。SLAM是在无人机自身初始位置不确定、航位推算过程中位置误差逐渐累积的情况下，利用自身携带的环境感知传感器反复探测环境中特征，从而完成自身及特征位置的校正，同时构建环境地图，无需借助外部辅助定位设备(GPS/北斗)即可以得到较为可靠的无人机位置信息及环境地图信息。

同步定位与构图技术的主要框架依赖于滤波估计方法，比较流行的是基于EKF框架。然而，EKF一般通过对系统方程进行一阶泰勒展开的方式实现非线性方程的线性化，这一操作不可避免的会产生线性化后的截断误差，而小型无人机的运动模型本来就不是精确的，这就势必导致其导航定位结果受到严重影响，并且由于需要对系统状态误差的协方差进行估计，导致其计算量较大，实时性受到影响；基于粒子滤波的SLAM框架是另一种比较流行的框架，但是传统的粒子滤波采用先验分布作为建议分布，没有考虑最新的测量，导致粒子退化问题严重，限制了无人机导航定位精度。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何将自适应滤波方法及RTS平滑过程与粒子滤波相结合以降低粒子退化程度，同时将这种改进的粒子滤波与SLAM方法相结合以解决无人机自主导航过程中存在的位置误差累积、线性化截断误差及粒子退化等问题。

(二)技术方案

为解决上述技术问题，本发明提供一种小型无人机自主导航定位方法，该方法包括如下步骤：

步骤S1：对无人机SLAM系统建模；

1.1地图模型

采用特征地图来构建环境地图模型，将环境中的目标用几何原型来描述；

1.2坐标系统