摘要
无人机在电力杆塔、石油管道、桥梁隧洞、水利枢纽等场景的巡检应用需求越来越迫切，确保这些复杂场景下的高效近距离精确巡检，解决无人机可靠定位问题尤为关键。诸如基础设施、工厂等部分区域缺乏稳定全球定位系统(Global Positioning System， GPS)信号的情况下，部分场景同时存在光线明暗变化、纹理特征单一或者结构特征稀疏等问题，巡检无人机仅搭载单一定位传感器定位将存在很大的限制。因此，为了实现无人机在多种应用场景下的可靠定位，本文围绕巡检无人机在无GPS信号环境中多传感器融合定位的问题，连续开展了围绕视觉-惯性测量单元(Inertial Measurement Unit， IMU)融合以及激光雷达-IMU融合的无人机定位方法等研究工作。具体工作内容如下： 针对无人机融合定位问题，本文首先调研了国内外研究机构在无GPS信号场景下，基于感知类传感器的无人机定位方法。对调研结果进行对比分析，本文围绕视觉惯性里程计(Visual Inertial Odometry，VIO)和激光惯性里程计(Lidar Inertial Odometry， LIO)两种融合定位方法，搭建了一整套视觉-IMU、激光-IMU融合的四旋翼无人机平台；其次对无人机进行位姿控制系统结构分析，分别搭建无人机硬件系统框架和基于机器人操作系统(Robot Operating System，ROS)的软件系统框架，同时对三种感知传感器进行相关数学模型分析。接下来，本文对三种感知传感器的内、外参标定方法进行了研究。然后分别构建VIO融合和LIO融合定位方法，针对VIO融合定位，先进行数据特征提取与跟踪，再将跟踪的特征点构建帧间约束视觉里程计优化因子，结合IMU构建的预积分优化因子，共同建立滑动窗口图优化融合求解位姿；针对LIO融合定位，先利用IMU预积分进行点云畸变校正，然后利用校正后的点云提取线面特征并进行帧间匹配位姿跟踪，再将位姿与IMU信息通过扩展卡尔曼滤波器融合后输出高频位姿信息。 本文实验部分先对融合传感器平台进行内外参数标定实验与数据分析，然后根据无人机巡检应用场景的不同条件限制，分别将VIO和LIO融合方法在公开数据集和实物平台，进行光线变化、视野开阔程度、纹理特征明显程度以及运动速度等不同限制条件下的定位优缺点分析。大量的对比实验结果验证了本文的LIO融合定位方法在建筑类结构化应用场景下定位效果最佳，VIO融合定位在光线充足且存在一定的纹理特征的环境中定位效果较好，同时VIO和LIO借助IMU具有一定缓解短时观测失效的定位估计能力。本文最终梳理出的如何根据无人机应用环境影响因素进行合适地传感器融合定位方案选择，将为实际工程应用提供一定的参考价值。
NETL