基于混合运动模型的相对状态估计

作     者：夏睿灿 裴海龙 XIA Rui-can;PEI Hai-long

作者机构：华南理工大学自动化科学与工程学院自主系统与网络控制教育部重点实验室广东省无人机系统工程技术研究中心广东广州510640 

出 版 物：《控制理论与应用》 (Control Theory & Applications)

年 卷 期：2024年第41卷第7期

页      面：1207-1215页

核心收录：

学科分类：080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家重点研发计划项目(2023YFB4704900) 航空科学基金项目(20220056060001) 国家自然科学基金重大科研仪器研制项目(61527810) 中国高校产学研创新基金新一代信息技术创新项目(2022IT046) 中央高校基本科研业务费专项资金资助 

主　　题：相对状态估计 多机器人协同 虚拟现实 扩展卡尔曼滤波器 传感器融合 

摘      要：相对状态的精确估计通常依赖参考平台准确的角加速度,在航天场景由外力矩计算,而在日常环境中由于未知阻力普遍存在,准确的外力矩难以获取,角加速度一般由角速度差分近似,导致相对状态估计精度下降.对此,本文构建一种仅依赖惯性测量的相对运动模型,称为混合运动模型,其将恒定加速度模型与向量运动学结合,在独立于力矩和惯性状态的情况下,精确预测相对状态.此外,本文设计扩展卡尔曼滤波器(EKF),将该运动模型与视觉相对观测结合,实现高精度相对状态估计,并以仿真和实际数据评估其性能.仿真实验从轨迹动态特性和相对观测丢失的角度对比该EKF和目前先进的方法,结果证明本文提出的方案具有较高的精度和稳定性.实际实验利用本方法实现虚拟现实应用中的六自由度手柄视觉跟踪,验证其具备先进的毫米级定位精度,演示链接见https://*** ***/video/BV1mv4y1d7iD/.