Решение задачи автономной навигации беспилотного летательного аппарата на основе интеграции инерциальной и оптической систем измерения

Введение. При построении навигационных систем беспилотных летательных аппаратов основными требованиями к ним являются автономность, точность и миниатюрность исполнения. Автономность навигации беспилотных летательных аппаратов может быть обеспечена с помощью бесплатформенной инерциальной навигационной системы, но ее недостатком является ухудшение точности решения навигационной задачи с течением времени. Для коррекции ошибок бесплатформенной инерциальной навигационной системы используется ее интеграция с различными неинерциальными навигационными системами, среди которых одной из наиболее перспективных с точки зрения выполнения перечисленных требований является система навигации по измерениям оптического потока. Но при традиционном использовании такой системы определяются только составляющие линейной и угловой скоростей беспилотных летательных аппаратов. Подобное определение скоростей является лишь частью общей задачи навигации и не позволяет решить ее в целом. Для поиска решения представлен подход, позволяющий объединить возможности бесплатформенной инерциальной навигационной системы, обеспечивающей решение задачи навигации в целом, и системы навигации по оптическому потоку, позволяющей осуществлять автономное наблюдение параметров линейного и углового движений с минимальными аппаратными затратами.

Метод. Предложенное решение задачи автономной навигации беспилотных летательных аппаратов получено на основе сильносвязанной интеграции бесплатформенной инерциальной навигационной системы и системы навигации по оптическому потоку с использованием методов стохастической нелинейной фильтрации. Синтез навигационного алгоритма построен на формировании уравнений оцениваемого вектора навигационных параметров по инерциальным измерениям, а уравнений его наблюдателя — по измерениям оптического потока, с последующей реализацией на их основе единого навигационного фильтра, учитывающего дискретный характер используемых измерений. Для оценки полного вектора параметров движения беспилотных летательных аппаратов по измерениям интегрированной инерциально-оптической навигационной системы применен модифицированный расширенный дискретный фильтр Калмана для коррелированных шумов объекта и наблюдателя.

Основные результаты. Апробация предложенного подхода выполнена на основе численного эксперимента, в ходе которого смоделировано пространственно-угловое движение среднескоростного беспилотного летательного аппарата с одновременным формированием зашумленных измерений параметров его движения. Уровень помех измерения выбран соответствующим уровню помех среднеточных инерциальных и оптических измерителей. Алгоритм оценивания вектора навигационных параметров беспилотного летательного аппарата реализован на основе предложенного модифицированного расширенного дискретного фильтра Калмана. Полученные значения погрешностей оценки всех параметров движения беспилотного летательного аппарата показали возможность выполнения требований к точности не только современных, но и перспективных автономных навигационных систем.

Обсуждение. Сильносвязанная интеграция инерциальной и оптической навигационных систем по вычислительным затратам и по точности оценки параметров движения оказывается более эффективной в сравнении с традиционным методом определения только составляющих линейной и угловой скоростей объекта по параметрам оптического потока. Основными преимуществами предложенной инерциально-оптической навигационной системы являются автономность и возможность наблюдения всех параметров движения беспилотного летательного аппарата.

Устойчивость и точность оценки, простота технической реализации позволяют использовать предложенное решение для автономной помехоустойчивой навигации беспилотных летательных аппаратов самого различного назначения. 

1. Веремеенко К.К., Желтов С.Ю., Ким Н.В. Современные информационные технологии в задачах навигации и наведения беспилотных маневренных летательных аппаратов. М.: Физматлит, 2009. 552 с.

2. ГЛОНАСС. Принципы построения и функционирования / Под ред. А.И. Перова, В.Н. Харисова. М.: Радиотехника, 2010. 800 с.

3. Shaheen E.M. Mathematical analysis for the GPS carrier tracking loop phase jitter in presence of different types of interference signals // Gyroscopy and Navigation. 2018. V. 9. N 4. Р. 267–276. https://doi.org/10.1134/s2075108718040077

4. Bhatti J., Humphreys T.E. Hostile control of ships via false GPS signals: demonstration and detection // Navigation. 2017. V. 64. N 1. P. 51–66. https://doi.org/10.1002/navi.183

5. Синютин С.А., Соколов С.В. Решение задачи тесной интеграции инерциально-спутниковых навигационных систем, комплексируемых с одометром // Инженерный вестник Дона. 2014. №4-1 (31). C 74.

6. Емельянцев Г.И., Степанов А.П. Интегрированные инерциально-спутниковые системы ориентации и навигации. СПб.: Концерн «ЦНИИ «Электроприбор», 2016. 394 с.

7. Анучин Н.О., Емельянцев Г.И. Интегрированные системы ориентации и навигации для морских подвижных объектов. СПб.: ГНЦ РФ — ЦНИИ «Электроприбор», 1999. 356 с.

8. Розенберг И.Н., Соколов С.В., Уманский В.И., Погорелов В.А. Теоретические основы тесной интеграции инерциально-спутниковых навигационных систем. М.: Физматлит, 2018. 305 с.

9. Степовой А.В. Методы оценивания вероятности наведения ЛА с пассивным оптико-электронным прибором // Известия высших учебных заведений. Приборостроение. 1999. Т. 42. № 2. С. 40–44.

10. Kitt B., Geiger A., Lategahn H. Visual odometry based on stereo image sequences with RANSAC-based outlier rejection scheme // Proc. of the IEEE Intelligent Vehicles Symposium. 2010. Р. 486–492. https://doi.org/10.1109/ivs.2010.5548123

11. Bruss A.R., Horn B.K.P. Passive navigation // Computer Vision, Graphics, and Image Processing. 1983. V. 21. N 1. Р. 3–20. https://doi.org/10.1016/s0734-189x(83)80026-7

12. Geiger A., Lenz P., Stiller C., Urtasun R. Vision meets robotics: The KITTI Dataset // The International Journal of Robotics Research. 2 0 1 3 . V. 3 2 . N 11 . P. 1 2 3 1 – 1 2 3 7 . https://doi.org/10.1177/0278364913491297

13. Raudies F., Neumann H. A review and evaluation of methods estimating ego-motion // Computer Vision and Image Understanding. 2012. V. 116. N 5. Р. 606–633. https://doi.org/10.1016/j.cviu.2011.04.004

14. Zhang T., Tomasi C. On the consistency of instantaneous rigid motion estimation // International Journal of Computer Vision. 2002. V. 46. N 1. Р. 51–79. https://doi.org/10.1023/a:1013248231976

15. Хорн Б.К.П. Зрение роботов. М.: Мир, 1989. 487 с.

16. Пономарев Е.С., Григорьев А.С. Алгоритмы вычисления оптического потока в задаче определения собственного движения. // Сборник трудов 39-й междисциплинарной школы-конференции ИППИ РАН «Информационные технологии и системы 2015». Сочи: Институт проблем передачи информации им. А.А. Харкевича РАН. 2015. С. 457–470.

17. Baker S., Roth S., Scharstein D., Black M.J., Lewis J.P., Szeliski R. A database and evaluation methodology for optical flow // Proc. of the IEEE 11th International Conference on Computer Vision. 2007. Р. 1–8. https://doi.org/10.1109/iccv.2007.4408903

18. Fleet D.J., Weiss Y. Optical flow estimation // Handbook of Mathematical Models in Computer Vision. 2006. Р. 237–257. https://doi.org/10.1007/0-387-28831-7_15

19. Sokolov S.V., Shvidchenko S.A., Reshetnikova I.V., Vavilova E.V. Effective estimation of motion parameters of mobile robotic complexes based on information processing of technical vision systems // Proc. of the Systems of signals generating and processing in the field of on board communications. 2025. P. 1–4. https://doi.org/10.1109/ieeeconf64229.2025.10948069

20. Kanatani K. 3-D Interpretation of optical flow by renormalization // International Journal of Computer Vision. 1993. V. 11. N 3. Р. 267–282. https://doi.org/10.1007/BF01469345

21. Mirabdollah H., Mertsching B. On the Second Order Statistics of Essential Matrix Elements // Lecture Notes in Computer Science. 2014. V. 8753. Р. 547–557. https://doi.org/10.1007/978-3-319-11752-2_45

22. Xu L., Jia J., Matsushita Y. Motion detail preserving optical flow estimation // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2012. V. 34. N9. Р. 1744–1757. https://doi.org/10.1109/TPAMI.2011.236

23. Zach C., Pock T., Bischof H. A duality based approach for realtime TV-L 1 optical flow // Lecture Notes in Computer Science. 2007. V. 4713. Р. 214–223. https://doi.org/10.1007/978-3-540-74936-3_22

24. Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем. М.: Радио и связь, 2004. 608 с.

25. Ишлинский А.Ю. Ориентация, гироскопы и инерциальная навигация. М.: Наука, 1976. 670 с.