论文部分内容阅读
近年来,微小型无人机发展迅速,凭借其灵活、机动性强和成本低等特点被广泛应用于实际生活中。无人机自主飞行时采用的导航手段通常为利用GPS、视觉传感器、激光雷达与惯性传感器融合来估计导航状态,随着应用范围的拓展,无人机在无GPS和无光照的“双盲”环境中应用需求逐渐增多。“双盲”环境中GPS和视觉导航手段将失效,而激光雷达不依赖于外界光照条件能够在黑暗环境下获取高精度的测距信息,因此,在“双盲”环境下激光雷达更加适用于无人机的自主导航。受无人机载重、成本和功耗等因素的限制,二维激光雷达更加适用于微小型无人机。当以二维激光雷达作为三维运动无人机的主要导航设备时,存在如下问题:1)在高度方向结构会发生突变的环境中,当无人机位于不同高度时激光雷达所探测平面的环境结构不同,这与传统激光雷达导航算法中所探测环境静止不变的假设相矛盾,导致位姿估计的误差较大;2)在类似于“单一平面”的环境中,由于缺少一个方向的参考环境特征,导致激光雷达导航算法无法正确估计缺少参考特征方向的位姿变化。针对上述问题,本文基于激光雷达和惯性传感器开展了双盲环境下面向微小型无人机的自主导航技术研究。本文首先对传统激光雷达导航算法在高度方向结构突变环境和“单一平面”环境下位姿估计误差特性进行了研究分析,为解决上述复杂环境中无人机的自主导航问题,论文根据传统算法的误差特性设计了一套基于激光雷达/惯性融合的导航算法框架。先利用激光雷达点云数据实时辨识无人机所处环境是否为“单一平面”环境,然后根据无人机所处环境类别实时切换至对应的导航状态估计方法,从而确保整个飞行过程中的导航精度和可靠性。针对于在高度方向存在结构突变的环境中传统二维激光雷达SLAM方法定位误差大的问题,本文提出了惯性辅助的激光雷达Robust-SLAM方法估计无人机导航状态,利用二维激光雷达即可实现可靠的三维SLAM。在SLAM中引入环境突变检测环节,结合惯性和点云信息实现准确的环境突变检测;并利用惯性预测的状态辅助激光雷达进行位姿解算;最后根据融合的位姿结果构建三维环境地图。为了解决“单一平面”环境中缺少与平面平行方向参考特征导致激光雷达定位误差大的问题,本文提出了动力学模型/激光雷达/惯性融合方法对无人机导航状态进行估计。首先利用激光雷达点云数据提取“单一平面”的线特征信息,实现无人机相对“单一平面”的距离和偏航角的观测;其次利用动力学模型算法对无人机进行速度观测;最后将观测信息与惯性融合来解算出精准的无人机导航状态。论文基于DJI M100飞行器构建了一套二维激光雷达自主导航算法验证平台,对文中提出的相关算法进行了实现,并设计了相应的控制算法,形成了导航、制导与控制的闭环回路。基于搭建的无人机,进行了室内飞行实验,对本文提出的激光雷达导航算法精度进行了验证。此外,将该无人机在大型仓储环境中进行了实际测试,表明无人机系统以及导航算法具有较好的环境适应性。