【技术实现步骤摘要】
本专利技术涉及室内无人机连续轨迹拟合，尤其涉及一种采用levenberg-marquardt算法优化的nurbs进行连续轨迹拟合的lm-nurbs算法。
技术介绍
1、随着室内无人机技术的不断发展，精确的定位和导航在各种应用中变得至关重要。特别是在复杂的室内环境中，传统的卫星导航系统如gps由于信号难以穿透建筑物，往往无法提供稳定的定位服务。因此，为了确保无人机在各种场景中的有效操作，发展室内高精度定位技术成为必然趋势。目前，imu、wi-fi和蓝牙等常见室内定位技术已经被广泛使用，但它们各自的局限性限制了定位精度的进一步提升。例如，imu容易受到累积误差的影响，导致定位漂移，而wi-fi和蓝牙的定位精度则易受信号干扰和环境障碍物的影响，无法满足高精度定位的需求。因此，研究更精确和稳定的室内定位方法成为亟待解决的问题。
2、为了解决传统室内定位技术的局限性，uwb技术作为一种新兴的高精度定位方法受到广泛关注。uwb技术利用极短脉冲的无线电信号传输，可以提供厘米级的定位精度，并具有很强的抗干扰能力，特别是在多路径效应严重的环境中。然而，尽管uwb具有高精度定位的优势，其在实际应用中也面临一定的挑战。例如，在较远距离的定位场景中，uwb信号会发生显著的衰减，多路径效应可能导致定位精度下降。此外，在动态环境中，uwb的定位结果可能会因为信号遮挡和反射而变得不够稳定。为了克服这些问题，研究人员开始探索将uwb与其他传感器融合的定位技术，以进一步提高定位的精度和鲁棒性。
3、在多传感器融合定位技术中，imu与uwb
4、为了提高融合定位的精度和轨迹的连续性，近期的研究人员将贝塞尔曲线和b样条等插值方法被引入到传感器数据融合中。贝塞尔曲线通过控制点生成平滑的路径，能够减少传感器数据间差异对轨迹的影响，然而它计算复杂度高，并且当控制点发生变化时，整个曲线都会受到影响。相比之下，b样条曲线具有更好的局部控制特性，能够在某些控制点改变时保持其他部分的曲线不变，从而提高了轨迹拟合的灵活性和准确性。然而，b样条在表示一些复杂几何形状存在局限，因为这些形状需要通过有理函数来精确表达。因此，为了更精确地描述复杂轨迹并维持计算的高效性，nurbs曲线被引入作为改进方案。
5、nurbs曲线在传统b样条的基础上引入了权重和非均匀节点向量，极大地增强了其灵活性和适用性。nurbs曲线能够精确表示包括圆和椭圆在内的复杂几何形状，并在保持轨迹平滑性的同时，提供更高的精度和更好的局部控制特性。然而，nurbs曲线的构建和应用中，控制点和权重的设置至关重要。控制点决定了曲线的基本形状，而权重则影响曲线在这些控制点附近的拉伸和缩放效果。为了优化这些参数，确保nurbs曲线能够精确地符合实际应用中的轨迹需求，研究人员引入了各种优化算法来调整控制点和权重。然而，这些传统优化方法通常计算复杂度较高，并且对初始参数非常敏感，可能导致优化结果不理想。
6、为解决上述问题，本文提出了一种结合levenberg-marquardt算法和nurbs曲线的lm-nurbs算法，通过采用levenberg-marquardt算法优化nurbs控制点和权重，在窗口时间内进行连续的三次nurbs插值，得到连续的室内无人机估计轨迹。在多个公开数据集上的实验结果表明，lm-nurbs算法相比其他传统算法表现出更高的精度，并在室内环境下显著提高了无人机估计轨迹的精度和稳定性。
技术实现思路
1、本专利技术要解决的技术问题是，如何有效地利用多源传感器的异步数据解决室内无人机估计轨迹的离散性问题。
2、为了解决上述技术问题，本专利技术采用的技术方案是：基于levenberg-marquardt-nurbs的室内无人机轨迹拟合方法，具体包括以下步骤：
3、s1：获取当前时间窗口ti-2到ti+1的imu的高频运动数据和uwb的低频精确位置数据，并利用这些数据初始化末端控制点pi+1和权重wi+1；
4、s2：结合传感器数据，通过levenberg-marquardt算法优化控制点pi+1和权重wi+1，当优化满足收敛条件时，输出优化后的末端控制点和权重；
5、s3：将优化后的控制点pi+1和权重wi+1并入三次非均匀有理b样条(nurbs)，通过已知在当前时间窗口ti-2到ti+1的控制点和权重集合，建立三次nurbs轨迹插值模型，实现连续轨迹插值；
6、s4：输出连续轨迹，并进入下一个时间窗口，重复上述过程，直到无人机到达终点。
7、采用上述技术方案，通过融合imu和uwb传感器数据，解决了传统定位系统中轨迹不连续的问题。具体方法是利用imu提供的高频运动数据来维持无人机的实时运动跟踪，同时结合uwb的低频高精度位置数据进行周期性校正，消除imu的累积误差。通过实验确定了适应性策略，当uwb信号受到遮挡或干扰时，仅依靠imu进行短时间的定位，从而保持轨迹的连续性和稳定性。由于imu和uwb各自的局限性，通过nurbs曲线对数据进行平滑处理，优化控制点和权重，实现了传感器数据之间的连续轨迹插值，减少了由于异步融合导致的轨迹不连续问题。在室内定位环境中，由于uwb信号易受多路径效应的干扰，imu数据在短时间内又容易产生漂移，因此采用levenberg-marquardt算法优化nurbs曲线的控制点和权重，确保了轨迹插值的平滑和精确。该方法实现了无人机在复杂室内环境中的连续定位，通过多源数据的动态融合，显著提升了定位的连续性和准确性，保证了定位系统在各种复杂环境下的稳定性和可靠性。
8、优选地，所述步骤s1中所述imu传感器用于提供高频运动数据，所述uwb传感器用于提供低频精确位置数据，所述imu和uwb数据用于初始化末端控制点pi+1和权重wi+1。
9、优选地，所述步骤s1的具体步骤为：
10、s11：在时间窗口ti-2到ti+1通过imu传感器采集高频运动数据，通过uwb传感器采集低频精确位置数据，所述数据为异步数据；
11、s12：根据采集的高频运动数据和低频精确位置数据，确定当前时间窗口的末端控制点pi+1和权重wi+1，并进行初始化。
12、优选地，所述步骤s2的具体步骤为：
13、s21：结合从imu和uwb传感器获取的高频运动数据和低频精确位置数据，利用这些数本文档来自技高网...
【技术保护点】
1.一种基于Levenberg-Marquardt优化NURBS的LM-NURBS算法进行无人机室内连续轨迹拟合，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的无人机连续轨迹估计定位方法，其特征在于，所述步骤S1的具体步骤为：
3.根据权利要求1所述的无人机连续轨迹估计定位方法，其特征在于，所述步骤S2的具体步骤为：
4.根据权利要求3所述的Levenberg-Marquardt算法优化控制点Pi+1和权重Wi+1，其特征在于，所述步骤S22的具体步骤为：
5.根据权利要求1所述的基于Levenberg-Marquardt优化NURBS的无人机室内连续轨迹拟合方法，其特征在于，所述步骤S3的具体步骤为：
6.根据权利要求1所述的基于Levenberg-Marquardt优化NURBS的无人机室内连续轨迹拟合方法，其特征在于，所述步骤S4的具体步骤为：
【技术特征摘要】
1.一种基于levenberg-marquardt优化nurbs的lm-nurbs算法进行无人机室内连续轨迹拟合，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的无人机连续轨迹估计定位方法，其特征在于，所述步骤s1的具体步骤为：
3.根据权利要求1所述的无人机连续轨迹估计定位方法，其特征在于，所述步骤s2的具体步骤为：
4.根据权利要求3所述的levenberg-mar...
【专利技术属性】
技术研发人员：邓兆添，李冀，宋凯伦，孟庆姣，姚继承，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。