一种无人机机载多传感器校正方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种无人机机载多传感器校正方法、装置及存储介质，其中方法包括：建立三轴加速度计、三轴陀螺仪和三轴磁力计的误差模型；对三轴加速度计和三轴磁力计的误差进行优化校正；结合已校正的三轴加速度计和三轴磁力计，提出三轴陀螺仪联合校正方法，将陀螺仪误差模型参数估计问题转化为非线性函数优化问题；采集多传感器的数据，运用L

【技术实现步骤摘要】
一种无人机机载多传感器校正方法、装置及存储介质


[0001]本专利技术涉及无人机
，尤其涉及一种无人机机载多传感器校正方法、装置及存储介质。

技术介绍

[0002]四旋翼无人机依靠自身搭载的低成本MEMS传感器实现姿态的实时获取是其在诸多应用领域中正常控制作业的先行条件，而基于MEMS的惯性传感器如三轴加速度计、三轴陀螺仪在使用过程中易受安装、测量、信号传输等误差的影响，导致无人姿态信息获取的精度降低。因此，在无人机投入使用前，需对其搭载的MEMS传感器进行误差校正补偿，以获得更为精确的传感器数据，为后续进行多源传感器信息融合与姿态解算奠定基础。
[0003]目前国内外学者对MEMS传感器的校正补偿问题已进行了大量的研究。较为传统的方法是借助高精度转台对三轴加速度计进行校正，该方法成本高且局限性大；不借助转台的校正方法又大多存在精度不足或校正繁琐的问题。现有的技术方法还使用改进的粒子群优化算法对磁力计误差模型中的12个未知参数进行了最优估计，该方法校正补偿精度较高，但算法实现较为繁琐且仅能进行参数离线估计。
[0004]另外，还有方法基于校正后的加速度计以及动态旋转完成陀螺仪误差参数的快速估计，但该方法未考虑磁力计与其他两种传感器之间的相互影响，且仅通过加速度计无法得出偏航角，联合校正存在局限性。

技术实现思路

[0005]为至少一定程度上解决现有技术中存在的技术问题之一，本专利技术的目的在于提供一种无人机机载多传感器校正方法、装置及存储介质。
[0006]本专利技术所采用的技术方案是：
[0007]一种无人机机载多传感器校正方法，包括以下步骤：
[0008]构建三轴加速度计的第一误差模型，对所述第一误差模型的参数进行优化；
[0009]构建三轴磁力计的第二误差模型，对所述第二误差模型的参数进行优化；
[0010]构建三轴陀螺仪的第三误差模型，将所述第三误差模型的参数估计问题转化为非线性函数优化问题，并构建第一优化函数；
[0011]获取同一时刻下，所述三轴加速度计测量的第一数据，所述三轴磁力计测量的第二数据，以及所述三轴陀螺仪测量的第三数据；
[0012]采用优化后的第一误差模型对所述第一数据进行校正，采用优化后的第二误差模型对所述第二数据进行校正；
[0013]结合所述第一优化函数、所述第三数据以及校正后的所述第一数据、所述第二数据，对所述第三误差模型的参数进行优化；
[0014]其中，误差模型用于对传感器的测量数据进行校正，以使测量数据趋近于理想输出值。
[0015]进一步地，所述构建三轴加速度计的第一误差模型，对所述第一误差模型的参数进行优化，包括：
[0016]结合所述三轴加速度计的非正交误差、尺度因子和零偏误差，建立所述第一误差模型；
[0017]根据L
‑
M算法的原理，将所述第一误差模型的参数估计问题转化为非线性函数优化问题，并构建第二优化函数；
[0018]采集所述三轴加速度计在静态下的数据，根据采集到的数据和所述第二优化函数获取所述第一误差模型的参数的最优估计值。
[0019]进一步地，所述第一误差模型的表达式为：
[0020][0021]其中，为校正前三轴加速度计测得的比力；为校正后三轴加速度计在机体正交坐标系下的理想比力；b
x
、b
y
、b
z
为传感器的三轴零偏；k
x
、k
y
、k
z
为传感器的三轴尺度因子；
[0022]所述第二优化函数的表达式为：
[0023][0024]其中，是校正后的理想加速度比力值；为加速度计误差模型中待求参数的最优估计值；M为最大采样个数；g为地重力加速度。
[0025]进一步地，所述根据采集到的数据和所述第二优化函数获取所述第一误差模型的参数的最优估计值，包括：
[0026]采用L
‑
M算法对所述第二优化函数进行迭代求解，其中，定义误差函数f(ξ)和指标函数F(ξ)，有：
[0027][0028]L
‑
M算法的迭代步长为：
[0029]Δx＝
‑
[J(x)
T
J(x)+μI]‑1[J(x)
T
f(x)],μ≥0，用于解决Jacobian矩阵非满秩导致的奇异问题；
[0030]其中，J(x)为f(x)中待求参数的Jacobian矩阵；μ为阻尼系数；
[0031]使用L
‑
M算法进行迭代前，给定待求参数ξ的初始值ξ0，首先求出f(ξ)中待求参数的Jacobian矩阵J(ξ0)，并根据经验设置阻尼系数μ的初值μ0为：
[0032][0033]其中，a
ii
为矩阵A0的对角元素；τ为经验给定的正常数；
[0034]在L
‑
M算法的迭代过程中，根据增益系数ρ的正负符号来判断当前迭代点是否准确
有效，且可根据增益系数ρ来计算下一步迭代的阻尼系数μ，增益系数ρ的计算如下：
[0035][0036]其中，h＝Δξ，
[0037]若ρ>0，表明当前指标函数拥有下降趋势，减小μ的值，使下一次迭代更接近于高斯牛顿迭代；当ρ≤0时，增大μ的值，减小步长并使得下一次迭代更接近于最速下降迭代。
[0038]进一步地，所述构建三轴磁力计的第二误差模型，对所述第二误差模型的参数进行优化，包括：
[0039]结合所述三轴磁力计的非正交误差、尺度因子、零偏误差、硬磁和软磁误差，构建三轴磁力计的第二误差模型；
[0040]根据L
‑
M算法的原理，将所述第二误差模型的参数估计问题转化为非线性函数优化问题，并构建第三优化函数；
[0041]其中，所述三轴磁力计的校正原理是任意姿态下的三轴磁力计，三轴磁力计理想的磁感应强度测量值的模等于当地的磁场强度M。
[0042]进一步地，所述第三优化函数的表达式为：
[0043][0044]其中，是当地磁场强度最优估计值；是校正后的理想磁感应强度；是三轴磁力计的误差模型中待求参数的最优估计值；N为最大采样个数。
[0045]进一步地，所述三轴陀螺仪的校正原理表示为：期望估计值q'
k
应尽可能与校正后的比力和磁场强度转换而成的四元数q
k
相接近；
[0046]根据所述三轴陀螺仪的校正原理，建立获得的所述第一优化函数的表达式如下：
[0047][0048]其中，为三轴陀螺仪的误差模型中待求参数的最优估计值；为第k次与第k+1次三轴加速度计或三轴磁力计数据测量时刻之间采集到的N个角速度数据；q'
k+1
表示根据理想的角速度值和q
k
计算得到的第k+1次四元数的估计值；
[0049]其中，q
k
通过以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机机载多传感器校正方法，其特征在于，包括以下步骤：构建三轴加速度计的第一误差模型，对所述第一误差模型的参数进行优化；构建三轴磁力计的第二误差模型，对所述第二误差模型的参数进行优化；构建三轴陀螺仪的第三误差模型，将所述第三误差模型的参数估计问题转化为非线性函数优化问题，并构建第一优化函数；获取同一时刻下，所述三轴加速度计测量的第一数据，所述三轴磁力计测量的第二数据，以及所述三轴陀螺仪测量的第三数据；采用优化后的第一误差模型对所述第一数据进行校正，采用优化后的第二误差模型对所述第二数据进行校正；结合所述第一优化函数、所述第三数据以及校正后的所述第一数据、所述第二数据，对所述第三误差模型的参数进行优化；其中，误差模型用于对传感器的测量数据进行校正，以使测量数据趋近于理想输出值。2.根据权利要求1所述的一种无人机机载多传感器校正方法，其特征在于，所述构建三轴加速度计的第一误差模型，对所述第一误差模型的参数进行优化，包括：结合所述三轴加速度计的非正交误差、尺度因子和零偏误差，建立所述第一误差模型；根据L
‑
M算法的原理，将所述第一误差模型的参数估计问题转化为非线性函数优化问题，并构建第二优化函数；采集所述三轴加速度计在静态下的数据，根据采集到的数据和所述第二优化函数获取所述第一误差模型的参数的最优估计值。3.根据权利要求2所述的一种无人机机载多传感器校正方法，其特征在于，所述第一误差模型的表达式为：其中，为校正前三轴加速度计测得的比力；为校正后三轴加速度计在机体正交坐标系下的理想比力；b
x
、b
y
、b
z
为传感器的三轴零偏；k
x
、k
y
、k
z
为传感器的三轴尺度因子；所述第二优化函数的表达式为：其中，是校正后的理想加速度比力值；为加速度计误差模型中待求参数的最优估计值；M为最大采样个数；g为地重力加速度。4.根据权利要求3所述的一种无人机机载多传感器校正方法，其特征在于，所述根据采集到的数据和所述第二优化函数获取所述第一误差模型的参数的最优估计值，包括：采用L
‑
M算法对所述第二优化函数进行迭代求解，其中，定义误差函数f(ξ)和指标函数F(ξ)，有：
L
‑
M算法的迭代步长为：Δx＝
‑
[J(x)
T
J(x)+μI]
‑1[J(x)
T
f(x)],μ≥0，用于解决Jacobian矩阵非满秩导致的奇异问题；其中，J(x)为f(x)中待求参数的Jacobian矩阵；μ为阻尼系数；使用L
‑
M算法进行迭代前，给定待求参数ξ的初始值ξ0，首先求出f(ξ)中待求参数的Jacobian矩阵J(ξ0)，并根据经验设置阻尼系数μ的初值μ0为：其中，a
ii
为矩阵A0的对角元素；τ为经验给定的正常数；在L
‑
M算法的迭代过程中，根据增益...

【专利技术属性】
技术研发人员：胡青春，肖舜仁，方展杰，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：