Определение собственного положения микробеспилотного летательного аппарата в условиях замкнутого пространства

Системный анализ, управление и обработка информации


Авторы

Гоголев А. А. *, Горобинский М. А. **

Государственный научно-исследовательский институт авиационных систем, ГосНИИАС, ул. Викторенко, 7, Москва, 125319, Россия

*e-mail: kirbizz8@yandex.ru
**e-mail: migo2405@gmail.com

Аннотация

Микробеспилотные летательные аппараты (микроБЛА) типа мультикоптер благодаря своей сравнительной компактности и возможности маневрировать в ограниченном пространстве способны осуществлять целевую задачу в условиях замкнутого пространства (помещениях). Современные комплексы микроБЛА используют в качестве основного канала навигационной информации приемник спутниковых навигационных систем (СНС) ГЛОНАСС/GPS, сигналы которого не проникают в помещения. В статье представлено решение задачи определения собственного положения в условиях замкнутого пространства на основе бесплатформенной инерциальной навигационной системы (БИНС) и алгоритмов визуальной навигации по кодовым меткам при отсутствии сигналов ГЛОНАСС/GPS. Представленный аппаратно-программный комплекс позволяет определять собственное положение с помощью бортового вычислителя в режиме реального времени с точностью, составляющей около 10 сантиметров и составляющей 1/5 линейных размеров летательного аппарата.

Ключевые слова

фильтр Махони, навигационная система, беспилотный летательный аппарат, мультикоптер, квадрокоптер, кодовые метки, автономная навигационная система

Библиографический список

  1. Первый квадрокоптер, 2014. URL: https://geektimes.ru/post/240916

  2. UPS wants to turn its delivery trucks into motherships for autonomous drones, 2017, аvailable at: http://www.businessinsider.com/ups-test-delivery-truck-autonomous-drones-2017-2?_ga=1.135060529.1274288254.1488796477%2F

  3. Chovancová A., Fico T., Hubinský P., Duchon F. Comparison of various quaternion-based control methods applied to quadrotor with disturbance observer and position estimator // IEEE Robotics and Autonomous Systems, 2016, no. 79, pp. 87 – 98.

  4. Огольцов И.И., Рожнин Н.Б., Шеваль В.В. Разработка математической модели пространственного полета квадрокоптера // Труды МАИ. 2015. № 83. URL: http://trudymai.ru/published.php?ID=62031

  5. Фильтр Маджвика, 2015. URL: https://habrahabr.ru/post/255661

  6. Sebastian O.H. Madgwick, Andrew J.L. Harrison, Ravi Vaidyanathan. Estimation of IMU and MARG orientation using a gradient descent algorithm // 2011 IEEE International Conference on Rehabilitation Robotics Rehab Week Zurich, ETH Zurich Science City, Switzerland, June 29 – July 1, 2011, рр. 179 – 185.

  7. Sebastian O.H. Madgwick. An efficient orientation filter for inertial and inertial/magnetic sensor arrays, April 30, 2010, available at: http://x-io.co.uk/res/doc/madgwick_internal_report.pdf

  8. Колосовская Т.П. Субоптимальный алгоритм оценивания и параметрической идентификации для навигационных систем летательных аппаратов и других подвижных объектов на основе информации магнитного поля Земли // Труды МАИ. 2016. № 88. URL: http://trudymai.ru/published.php?ID=70666

  9. Аксенов А.Ю., Зайцева А.А., Кулешов С.В., Ненаусников К.В. Варианты обеспечения посадки при автономном управлении беспилотными мультироторными летательными аппаратами. Труды МАИ // 2017. № 96. URL: http://trudymai.ru/published.php?ID=85880

  10. Chuang Li, Hongxin Dong, Quan Quan. A Mismatching Eliminating Method Ba sed on Camera Motion Information // Proceedings of the 34th Chinese Control Conference, July 28-30, 2015, Hangzhou, China, available at: http://rfly.buaa.edu.cn/doc/2015_LiChuang_AMismatchingEliminating.pdf

  11. Garrido-Jurado S., Muñoz-Salinas R., Madrid F.J. Automatic generation and detection of highly reliable fiducial markers under occlusion // Pattern Recognition, June 2014, vol. 6, no. 47, pp. 2280 – 2292.

  12. John Canny. A Computational Approach to Edge Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence, November 1986, vol. PAMI-8, no. 6, pp. 679 – 698.

  13. Satoshi Suzuki, Keiichi Abe. Topological Structural Analysis of Digitized Binary // Computer Vision Graphics and Image Processing, 1985, no. 30, issue 1, pp. 32 – 46.

  14. Paul Zarchan, Howard Musoff. Fundamentals of Kalman Filtering: A Practical Approach, American Institute of Aeronautics and Astronautics, Incorporated, 2000, 664 p.

  15. Nagesh Y., Bleakley C. Accurate Orientation Estimation Using AHRS under Conditions // Sensors, 2014, no. 14, pp. 20008 – 20024, doi:10.3390/s141120008.

  16. Valenti R.G., Dryanovski I., Jizhong Xi. Keeping a Good Attitude: A Quaternion-Based Orientation Filter for IMUs and MARGs // Sensors, 2015, no. 15, issue 8, pp. 19302 – 19330, available at: https://doi.org/10.3390/s150819302

  17. Гоголев А.А. Полунатурное моделирование беспилотных летательных аппаратов типа мультикоптер // Труды МАИ. 2017. № 92. URL: http://trudymai.ru/published.php?ID=77238

  18. Yeo D., Sydney N., Paley D., Sofge D. Onboard flow sensing for downwash detection and avoidance with a small quadrotor helicopter // AIAA Guidance Navigation and Control Conference, 2015, pp. 1769.

  19. Daniel P. Magree, Gerald J.J. van Dalen, Stephen Haviland и Eric N. Johnson. Light-weight Quadrotor with On-board Absolute Vision-aided Navigation // Unmanned Aircraft Systems (ICUAS), 2015 International Conference on, Denver, 2015, pp. 1158 – 1167.

  20. Magree D., Johnson E.N. A Monocular Visionaided Inertial Navigation System with Improved Numerical Stability // AIAA Guidance, Navigation, and Control Conference, Florida, January 2015, pp. 0097. DOI: 10.2514/6.2015-0097.


Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2021

Вход