简介:针对1点RANSAC(RandomSampleConsensus)单目视觉EKF(ExtendedKalmanFilter)算法中的滤波发散问题,分析了滤波发散的产生原因,提出了一种基于渐消记忆滤波的1点RANSAC单目视觉姿态估计算法。该算法通过在EKF滤波方程中引入加权因子,逐渐加大当前数据的权重,相应地减少旧数据的权重,有效地扼制了算法中的滤波发散问题。最后通过两组验证性实验验证说明了算法的有效性。实验结果表明:该算法能够有效地解决1点RANSAC单目视觉EKF算法中的滤波发散问题,具有更高的精度。第一组双轴联动实验,航向角的平均误差减小2.4158?,俯仰角平均误差减小0.1782?;第二组偏航轴大角度转动实验,摄像机航向角的估计误差一直保持在1.5?以内。
简介:为了提高标准Cubature卡尔曼滤波(CKF)的稳定性和鲁棒性,提出一种改进的多重渐消H∞滤波cubamre卡尔曼滤波算法。首先基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;其次,引入H∞鲁棒思想,构造多重渐消H∞滤波Cubature卡尔曼滤波器;最后,提出采用一种奇异值分解的矩阵分解策略代替标准Cubature卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性。实际GPS/INS组合导航实验表明,改进的多重渐消H∞滤波Cubature卡尔曼滤波算法不仅能有效抑制滤波发散提高算法的稳定性,而且对观测野值具有更高的鲁棒性;提出的新算法与标准CKF算法相比,XYZ三个方向的位置精度分别提高了55.8%,46.6%和39.7%。
简介:针对星敏感器地平仪联合自主定轨算法在工程中不易应用及工程应用中定轨精度较低等问题,提出了一种改进的自主定轨算法。第一,调整算法观测量,利用惯性坐标系下地心矢量替代星光角距值作为Kalman滤波方程的观测量,以适应卫星星敏感器标准输出;第二,在算法中加入敏感器误差处理环节,包括对敏感器的常值误差进行求取,从而实现对地心矢量测量值的修正,以及用抗野值方法对尖峰噪声误差进行处理,从而消除尖峰噪声对Kalman滤波定轨算法的影响;第三,采用无迹Kalman滤波算法将具有新的观测量与敏感器误差处理环节的改进的天文导航算法加以实现。通过某在轨中轨道卫星数据校验表明,改进后的自主定轨算法定轨精度在千米量级,可在工程中有效实施。