发明名称 |
一种采用迭代扩展卡尔曼滤波与神经网络的惯性/视觉组合导航方法 |
摘要 |
本发明涉及一种采用迭代扩展卡尔曼滤波与神经网络的惯性/视觉组合导航方法,属于复杂环境下的组合导航技术领域。在视觉信号有效时,利用移动机器人搭载的摄像头采集动态视频,通过图像特征提取和最近邻匹配法来确定摄像头的速度;使用迭代扩展卡尔曼滤波最优估计移动机器人的速度、加速度;并利用神经网络建立惯性导航系统的导航速度误差模型;在视觉信号失锁时,依靠之前训练获得的神经网络误差模型对导航系统速度误差进行补偿。该方法克服了在视觉信号失锁时,惯性/视觉组合导航系统无法提供持久的高精度导航问题,可应用于移动机器人在弱光或是无光等复杂环境下的长航时远距离高精度导航定位。 |
申请公布号 |
CN103983263A |
申请公布日期 |
2014.08.13 |
申请号 |
CN201410240678.7 |
申请日期 |
2014.05.30 |
申请人 |
东南大学 |
发明人 |
陈熙源;高金鹏;李庆华;徐元;方琳;赖泊能 |
分类号 |
G01C21/00(2006.01)I;G01C21/16(2006.01)I |
主分类号 |
G01C21/00(2006.01)I |
代理机构 |
江苏永衡昭辉律师事务所 32250 |
代理人 |
王斌 |
主权项 |
一种采用迭代扩展卡尔曼滤波与神经网络的惯性/视觉组合导航方法,其特征在于:在视觉信号有效时,利用移动机器人搭载的摄像头采集动态视频,通过图像特征提取和最近邻匹配法来确定摄像头的速度;根据惯性导航系统测得的航向角并结合摄像头的速度计算出移动机器人的速度;使用迭代扩展卡尔曼滤波最优估计移动机器人的速度、加速度;并利用神经网络建立惯性导航系统的导航速度误差模型;在视觉信号失锁时,依靠之前训练获得的神经网络误差模型对导航系统速度误差进行补偿得到移动机器人速度的最优估计。 |
地址 |
210096 江苏省南京市四牌楼2号 |