《在GNSS拒止环境中使用多传感器数据融合进行弹性导航》2023最新论文（附讲解slides）

通常情况下，携带传感器的机载系统（无人机或战斗机）使用GNSS和INS的组合来定位自己。然而，特别是在靠近有争议领土的环境中，GNSS可能被干扰，甚至被欺骗，迫使飞机恢复到仅使用INS进行记忆。然而，精确的INS既大又贵，限制了它们对主要用于携带 "有效载荷传感器 "的无人机的适用性。

这项工作的重点是采用具有成本效益的方法，使传感器--如SAR或多谱线扫描仪--能够在飞机上使用，特别是无人机，这需要准确的定位或至少是自我运动估计来处理传感器的数据。这也是在GNSS拒止环境中进行弹性导航的先决条件。

为了能够使用需要定位的传感器，我们正在开发一个系统，在GNSS缺失的环境中利用容易获得的商业组件对无人机进行定位或估计其自我运动，其传感器数据被融合以提供准确的无人机姿势估计。我们的想法是，通过观察飞机飞行时经过的地面来估计地面上的自我运动。为此，我们在一架已经携带了GNSS+INS系统和SAR有效载荷传感器的超轻型飞机的机翼吊舱中，增加了一个包含MEMS-IMU和不同相机设置的实验套件。这个装置基本上构成了一个视觉-惯性-测距装置，包括一个SWIR相机，以实现对恶劣天气条件（如雾霾）的稳定性。

我们开发了一个校准内部和外部相机参数的程序，实现了亚像素级的重投影精度。自我运动估计问题本身被分成两部分。在图像中寻找感兴趣的点，并在图像中跟踪它们，以建立点的对应关系，并从相应的点计算自我运动。对于前者，我们寻找具有强烈 "粟粒感 "的点，并通过计算成对图像之间的光流，找到它们在其他图像中的对应点。然后，我们通过求解飞机在图像采集时间点上的姿势和速度来计算自我运动，从而使点的测量可能性最大化。由于相机的帧率远远低于MEMS-IMU的测量频率，我们将所有IMU的测量值凝聚成两幅图像采集之间的姿势和速度德尔塔，而这又被用作最大似然估计器的测量值。

为了对我们的系统进行测试，我们进行了一次飞行活动，记录了来自我们的传感器在各种类型的地面上的数据，以及由GNSS+INS系统测量的参考轨迹。系统所估计的相对连续位置与参考轨迹的偏差只有几厘米。MEMS-IMU数据大大增加了我们自我运动估计的稳健性，即使使用较低分辨率的SWIR图像，SAR图像的形成在良性飞行模式下也是令人满意的。