多旋翼无人机INS-GNSS组合导航方法研究

多旋翼无人机INS-GNSS组合导航方法研究多旋翼无人机INS/GNSS组合导航方法研究

摘要：本文针对多旋翼无人机导航问题，提出了一种采用惯性导航系统（INS）与全球卫星导航系统（GNSS）组合的导航方法。该方法能够充分利用INS的高精度和GNSS的全球定位信息，提高无人机的导航精度和鲁棒性。首先，通过分析INS/GNSS组合导航系统的基本原理和模型，建立了完整的多旋翼无人机定位模型。然后，采用卡尔曼滤波器进行状态估计和误差补偿，实现INS与GNSS数据的优化融合。最后，通过实验验证了该方法的可行性和有效性。

关键词：多旋翼无人机；INS；GNSS；组合导航；卡尔曼滤波器

1.引言

近年来，无人机技术得到了飞速发展，成为了重要的技术工具之一。多旋翼无人机作为一类常见的无人机，其应用范围非常广泛，包括测绘、摄影、搜索救援等多个领域。在多旋翼无人机的应用中，精确的导航是保证其任务成功的重要保障。

传统的多旋翼无人机导航方法主要依赖全球卫星定位系统（GNSS）。然而，由于GNSS存在着信号被遮挡、多径效应、大气层误差等问题，导致其精度受到限制。在一些特殊的环境中，如城市峡谷、密林丛林等，GNSS导航精度下降更为显著，甚至无法提供有效的定位信息。为了解决这些问题，一种常见的解决方案是采用惯性导航系统（INS）辅助GNSS进行组合导航。

INS是一种通过测量加速度计和陀螺仪等惯性传感器来估算位置、速度和姿态的导航系统。相较于GNSS，INS具有信息更新率高、精度高、无信号干扰等优点。然而，INS存在着积分漂移等误差问题，需要和其他传感器进行组合使用，才能够实现长期稳定的导航。因此，将INS和GNSS进行组合，将成为未来多旋翼无人机导航发展的趋势。

2.INS/GNSS组合导航原理

INS/GNSS组合导航是指将INS和GNSS两种导航系统进行融合，通过卡尔曼滤波器进行状态估计和误差补偿，实现导航信息的优化融合。INS主要负责提供高频的加速度和角速度信息，通过积分计算位移和姿态信息；而GNSS则负责提供低频的定位信息，通过位置估算其它传感器的误差，并进行修正。INS/GNSS组合导航与单纯的GNSS或INS导航相比，具有更高的精度和更好的鲁棒性。

INS/GNSS组合导航系统的模型可以表示为以下状态方程和测量方程：

状态方程：

$$

\begin{bmatrix}\dot{\epsilon}\\\dot{\deltav}\\\dot{\deltar}\\\dot{v}\\\dot{r}\\\dot{\Omega}\end{bmatrix}=\begin{bmatrix}\Omega_{ie}\times\deltar+\Omega_{en}\times\deltav\\-2\Omega_{ie}\times\deltav+g_b\times\delta\epsilon+b_a\\-\frac{1}{2}(\Omega_{ie}+\Omega_{en})\times(\deltar-r_{ref})\\f_b+\delta\epsilon\timesv_{ref}\\v-\deltav\\\Omega_b-\Omega_{ie}-\delta\Omega\end{bmatrix}

$$

测量方程：

$$

\begin{bmatrix}\deltar\\v\\\epsilon\end{bmatrix}=\begin{bmatrix}R_{en}^T&0\\0&R_{nen}^T\end{bmatrix}\begin{bmatrix}r_e-R_{e,\text{Ref}}\\v_e\\R_{e,\text{Ref}}^T(r_e-R_{e,\text{Ref}})\end{bmatrix}+\begin{bmatrix}\deltar_n\\\deltav_n\\\delta\epsilon_n\end{bmatrix}+\begin{bmatrix}n_r\\n_v\\n_{\epsilon}\end{bmatrix}

$$

其中，$\deltar$、$\deltav$、$\deltar$表示INS估算的位置、速度和姿态误差；$r$、$v$表示GNSS测得的位置和速度；$\Omega_{ie}$和$\Omega_{en}$分别表示地球自转角速度和导航点附近的旋转速度；$g_b$和$f_b$分别表示IMU的加速度计和陀螺仪测得的加速度和角速度；$b_a$和$\delta\Omega$表示加速度和角速度的零偏；$r_{ref}$和$v_{ref}$表示参考点的位置和速度；$\deltar_n$、$\deltav_n$、$\delta\epsilon_n$和$n_r$、$n_v$、$n_{\epsilon}$分别表示INS和GNSS测量过程中的误差项和噪声项。

3.INS/GNSS组合导航方法实现

在实现INS/GNSS组合导航方法时，需要解决以下问题：

（1）导航信息融合。将INS和GNSS的数据进行融合，需要实现状态估计和误差补偿。常用的方法是采用卡尔曼滤波器，根据系统的状态方程和测量方程进行状态预测和状态更新，得到最优的状态估计。

（2）惯性传感器误差补偿。INS中存在着积分漂移等误差问题，需要进行误差补偿。常用的方法是采用扩展卡尔曼滤波器，通过状态预测和测量更新，估算误差项和零偏。

（3）GPS信号异常处理。在实际应用中，GNSS信号可能会受到干扰或遮挡，导致定位信息的不准确。因此，需要进行GPS信号异常处理，采用专门的算法对异常点进行修正或剔除。

4.实验验证结果

本文采用MATLAB/Simulink对INS/GNSS组合导航方法进行了仿真实验，验证了其可行性和有效性。简要介绍如下：

（1）多旋翼无人机入口设计，包括硬件和软件部分，其中硬件部分主要包括树莓派控制板、各种传感器和电机等，软件部分主要包括操作系统、姿态解算程序和导航算法等。

（2）制备了多种不同的导航场景，包括城市市区、海岸线和丛林等，对INS/GNSS组合导航进行了测试。通过与传统的单一GNSS导航方法进行对比，实验结果表明，INS/GNSS组合导航方法具有更高的精度和更好的鲁棒性。

（3）实验结果还揭示了容易出现误差补偿过程中的问题，比如传感器零漂问题。为了有效处理这些问题，本文提出了一种基于增量式计算的漂移标定算法，并进行了测试验证。

5.结论

本文针对多旋翼无人机导航问题，提出了一种采用INS/GNSS组合的导航方法。对INS/GNSS组合导航系统的原理和实现方法进行了介绍，重点阐述了卡尔曼滤波和扩展卡尔曼滤波的运用。通过仿真实验，验证了该方法的可行性和有效性，表明INS/GNSS组合导航具有更高的精度和更好的鲁棒性，可以有效提高多旋翼无人机的导航能力。未来研究方向可以是进一步改进误差补偿算法，以及从信号处理的角度解决GNSS信号遮挡和干扰问题，实现更加精准和可靠的多旋翼无人机导航4.实验设计与结果分析

4.1硬件设计

为了实现INS/GNSS组合导航系统，本文采用了树莓派控制板、加速度计、陀螺仪、磁力计、气压计、GPS模块和电机等硬件组件。其中，树莓派控制板采用了RaspberryPi3ModelB+，它具有四个USB接口、一个HDMI接口、一个以太网接口、一个音频输出接口和一个MicroSD卡插槽，可以满足多种传感器和电机的连接要求。

加速度计、陀螺仪和磁力计采用了MPU9250传感器模块，它可以同时测量三个轴向的加速度、角速度和磁场强度，精度和稳定性较高。气压计采用了BMP180模块，可以测量气压和温度，用于海拔高度的计算。GPS模块采用了UbloxNEO-6M模块，可以接收卫星信号并计算位置和速度信息。电机采用了直流无刷电机，可以提供稳定的飞行动力。

4.2软件设计

INS/GNSS组合导航系统的软件部分包括操作系统、姿态解算程序、导航算法和误差补偿算法等。本文采用了Raspbian操作系统，并用Python编程语言实现了所有算法。具体实现过程如下：

（1）姿态解算程序：采用了互补滤波器和四元数方法，对加速度计、陀螺仪和磁力计的数据进行融合，求得飞行器的姿态角。其中，互补滤波器用于消除陀螺仪的漂移，并将加速度计和磁力计的信号用于校正姿态角。四元数方法用于实现姿态角的旋转和更新。

（2）导航算法：采用了基于卡尔曼滤波和扩展卡尔曼滤波的导航算法，对飞行器的位置和速度进行估计。在卡尔曼滤波中，利用GPS模块提供的位置和速度信息，将加速度计和陀螺仪的数据用于更新状态向量和协方差矩阵。在扩展卡尔曼滤波中，通过对状态向量和协方差矩阵进行非线性转换，将姿态解算程序计算得到的姿态角和角速度用于更新状态向量和协方差矩阵。

（3）误差补偿算法：采用了基于增量式计算的漂移标定算法，对加速度计和陀螺仪的零漂问题进行校正。具体方法是，在静止状态下记录加速度计和陀螺仪的原始数据，并用多项式拟合得到零漂曲线。在飞行过程中，根据零漂曲线对加速度计和陀螺仪的数据进行补偿。

4.3实验设计

为了测试INS/GNSS组合导航系统的性能，本文设计了多个导航场景，包括城市市区、海岸线和丛林等。每个场景下，飞行器的起点和终点均为人工设置的目标点，并通过GPS模块提供的位置和速度信息来测量真实轨迹。同时，通过INS/GNSS组合导航算法计算得到飞行器的估计轨迹，以比较其精度和鲁棒性。

为了进一步测试误差补偿算法的有效性，本文还进行了零漂测试。在静止状态下，记录加速度计和陀螺仪的原始数据，并进行漂移标定。在飞行过程中，通过对比原始数据和校正后的数据，观察误差是否得到有效消除。

4.4实验结果分析

通过对多个导航场景的测试，本文得到了飞行器的真实轨迹和估计轨迹，如图1所示。其中，红色线表示真实轨迹，蓝色线表示估计轨迹。可以看出，INS/GNSS组合导航在所有场景下均具有比传统单一GNSS导航更高的精度和更好的鲁棒性，可以有效提高多旋翼无人机的导航能力。

同时，实验结果还揭示了误差补偿过程中的问题，特别是传感器零漂问题。为了解决这些问题，本文提出了增量式计算的漂移标定算法，并进行了测试验证。实验结果表明，该算法可以有效消除加速度计和陀螺仪的零漂误差，提高导航精度和鲁棒性，如图2所示。

5.结论

本文针对多旋翼无人机导航问题，提出了一种采用INS/GNSS组合的导航方法。通过硬件和软件的设计，实现了飞行器的姿态解算、导航估计和误差补偿等功能。通过多个导航场景的测试，实验结果表明INS/GNSS组合导航具有更高的精度和更好的鲁棒性，可以有效提高多旋翼无人机的导航能力。未来研究方向可以是进一步改进误差补偿算法，以及从信号处理的角度解决GNSS信号遮挡和干扰问题，实现更加精准和可靠的多旋翼无人机导航总结

本文通过采用INS/GNSS组合导航的方法，实现了多旋翼无人机的精准导航，验证了该方法在多种导航场景下的效果优于传统单一GNSS导航。同时，本文还提出了一种增量式计算的漂移标定算法，有效消除了加速度计和陀螺仪的零漂误差，改进了误差补偿过程，提高了导航精度和鲁棒性。未来研究方向可以继续改进误差补偿算法，解决GNSS信号遮挡和干扰问题，进一步提高多旋翼无人机的导航性能。

致谢

在本文的研究过程中，我们受到了许多人的支持和帮助，在此我们向他们表示感谢。感谢XX教授提供了研究的机会和指导，感谢实验室的XXX博士一直以来的支持和帮助，并感谢所有参与本研究的同学们的付出和努力。最后，我们还要感谢所有匿名评审专家对本文的评审和指导，他们的宝贵意见和建议对本文的最终呈现起到了非常重要的作用未来研究方向可以从以下几个方面进行：

1.改进误差补偿算法：现有的误差补偿算法还存在一定的误差和不足，需要进一步研究和改进，以提高导航精度和鲁棒性。

2.解决GNSS信号遮挡和干扰问题：在城市和山区等复杂环境下，GNSS信号可能会受到遮挡和干扰，导致导航精度下降，需要寻找可行的解决方案。

3.研究多传感器融合方法：多传感