114
传感器与微系统（Transducer and Microsystem Technologies）
2018年第37卷第9期
DOI:10.13873/J.10009787 (2018)09011403
无GPS导航下基于光流的小型无人机导航算法
曾幼涵，姜香菊
（兰州交通大学自动化与电气工程学院，甘肃兰州730070）
摘要：针对惯性导航积分误差大的问题，提出一种基于惯性元件和光流传感器的融合算法，使用光流传感器数据补偿惯性元件的测量误差，实现对飞行器水平位置以及水平速度精确估计，提升飞行器在无GPS 前提下的速度控制以及位置控制能力。采用PX4FLOW光流传感器搭建飞行器硬件平台进行测试，实验
结果表明：光流融合算法能够提供飞行器精确的速度、位置信息。关键词：互补滤波；光流传感器；无人飞行器；惯性单元
中图分类号：V249
文献标识码：A
文章编号：1000-9787(2018)09-0114-03
Navigation algorithm for small UAV without GPS
basedonopticalflow ZENG You-han,JIANG Xiang-ju
( College of Automation and Electrical Engineering,Lanzhou Jiaotong University,Lanzhou 730070, China)[ea ase ne oan oea oeae ea oia ad e es element and optical flow sensor is proposed, which uses data of optical flow sensor to compensate measurement error of the inertia element and realize the accurate estimation of horizontal position and the horizontal speed of the aireraft ,improve the speed control and position control ability of the rotorcraft without GPS. The PX4FLOW optical flow sensor is used to build the rotorcraft hardware platform. The experimental results show that the optical flow fusion algorithm can provide accurate speed and position information of unmanned aerial vehicle( UAV) .
Keywords : complementary filtering; optical flow sensor; unmanned aerial vehicle( UAV) ; inertial element
0引言
自前飞行器的位置与速度的估计广泛采用全球定位系统（global positioning system，GPS）和惯性导航系统实现[），然而在建筑物内等无GPS信号情况下，很难实现无人飞行器的定位[7]。因此，进行飞行器无GPS信号的导航技术研究对于飞行器自主飞行有重要意义。
吕强等人[3]使用光流传感器辅助高精度惯性单元测得飞行器的速度，实现了飞行器悬停效果。方家豪等人[3] 使用地面微基站系统实现了无人机在无GPS环境下的定位。杨天雨等人[4]通过光流传感器采集数据设计了基于无迹卡尔曼滤波（unscentedKalmanfiltering，UKF）的导航算法，实现了飞行器无GPS环境下的自主导航。
以上研究实现了在无GPS导航下的飞行器定位，但也存在相应不足：只能估计飞行器的速度无法得到飞行器的位置信息、需要已知飞行环境并提前在地面布置外部导航系统以及需要建立精确的系统模型，对处理器运算能力要求高，而小型飞行器由于受自身载荷有限，板载计算能力较
收稿日期：2017-08-29
弱，无法使用过于复杂算法。
本文引人一种基于光流与惯性测量单元(inertial meas urementunit，IMU）的算法，将传感器采集的数据进行融合，在不需要已知飞行环境和外部定位系统的情况下，不仅可以获得飞行器的姿态、速度而且还可以估计位置信息。实验表明该方法可以在无GPS导航下实现对小型无人机进行有效控制，且具有精度高、运算量小、选代简单的优点。 1PX4FLOW光流传感器检测算法
1)采用SAD块匹配算法，并选择连续2慎图像中的最佳匹配块
min
之(m,n)-f+(m+i,n+j)I(1)
SAD(x,y) =
台台
假设f（m，n)为第k幅图像中(m，n)处的像素灰度值,f（m+i,n+i为+1图像中（m+1，n+1)处的像系值，mxn为搜索范围，当寻找到两块像素灰度差异最小后，即可认为t时刻(m,n)处像素点在t+△时刻运动(m+i n+i)处，而(i,j)即为△时间像素点的偏移值。