典型文献
基于光流传感器的位置信息融合方法
文献摘要：
针对无人机在使用全球定位系统(GPS)/惯性测量单元(IMU)的位置信息融合方法时,存在积分累积误差,且由外界因素导致飞行器上的GPS传感器的信号变弱甚至丢失时,产生位置信息误差过大的问题,提出基于光流传感器的位置信息融合方法,建立光流传感器/超声波传感器/IM U/GPS的扩展Kalman滤波信息融合模型,获得更精准的位置信息.该方法引入了光流传感器,将其与IM U融合后的速度信息和超声波传感器的高度信息作为扩展Kalman滤波器中的预测量,观测量为GPS提供的位置信息和高度信息,最后融合得到精准的位置信息.仿真实验结果表明,该算法能更精准地获取无人机的位置信息,有效地解决位置信息误差大的问题,帮助飞行器更好地完成飞行任务,具有极高的工程应用价值.
文献关键词：
扩展Kalman滤波;位置信息融合;光流传感器;全球定位系统;惯性测量单元
中图分类号：
作者姓名：
卢艳军;张前;张晓东;刘冬
作者机构：
沈阳航空航天大学自动化学院,辽宁沈阳110136;辽宁通用航空研究院,辽宁沈阳110136
文献出处：
引用格式：
[1]卢艳军;张前;张晓东;刘冬-.基于光流传感器的位置信息融合方法)[J].探测与控制学报,2022(03):51-56
A类：
B类：
光流传感器,位置信息融合,融合方法,全球定位系统,GPS,惯性测量单元,IMU,累积误差,外界因素,飞行器,变弱,超声波传感器,Kalman,融合模型,速度信息,高度信息,滤波器
AB值：
0.17216
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
