题目：深空探测巡视器惯性/视觉组合导航方法研究

深空探测巡视器在行星表面自动巡视勘测、图像获取、采样分析和返回等方面发挥着重要作用，有效的导航能力是其在陌生环境中安全行驶和完成预定科学探测任务的基本保障。传统依靠地面站测控的导航方式在导航精度、实时性、覆盖性、可靠性等方面均受到限制，难以满足巡视器高精度导航的需求。因此，巡视器的自主导航技术已成为一项亟待解决的关键技术。惯性导航自主性强、短时精度高、数据更新频率快、导航参数完备，但惯性器件所固有的常值偏差会导致导航误差随时间快速发散；视觉导航可靠性高、图像信息丰富、抗干扰能力强，对于短距离的障碍检测和路径规划非常有效，但存在作用范围小、数据更新率低、姿态精度相对较低等缺点，由于惯性和视觉具有互补的特性，惯性/视觉组合导航是适用于巡视器长时间长距离行驶情况下的导航方法，是当前的研究热点。

本论文依据状态量和量测量的选取不同，对惯性/视觉组合导航方法进行了深入研究，具体工作包括：

1) 世界坐标系下的惯性导航原理和双目视觉导航方法。首先，由于巡视器具有行驶速度慢、一次运行覆盖范围小的运动特点，并为了将惯性导航和视觉导航的坐标系统一起来以简化系统模型的建立和提高计算效率，选取世界坐标系为导航坐标系，并基于该坐标系推导了惯性导航的力学编排方程和误差方程；其次，介绍了双目视觉导航算法流程，按照图像信息的处理过程，重点阐述了特征点归一化图像坐标的获取方法和基于特征点三维坐标集合的运动估计方法，为减少实际中特征点的误匹配和跟踪错误以及特征提取算法本身存在的定位误差的影响，本文采用基于最小平方中值定理与奇异值分解的鲁棒运动估计和非线性优化算法相结合的运动估计方法。

2) 以相对运动参数或其误差为量测量的惯性/视觉浅组合导航方法。针对视觉导航提供的相对运动信息依赖于两个时刻状态值导致标准卡尔曼滤波算法无法处理的问题，传统的解决方法是状态增广法，但状态维数的增加会造成计算量增大，因此，将以上一时刻滤波得到的导航参数估计值代替真实值作为出发点，本文提出了一种基于状态估计值的以导航参数误差为状态量、以相对运动参数为量测量的非增广算法，但由于该方法的量测方程为非线性，扩展卡尔曼滤波（Extended Kalman Filter, EKF）的线性化过程会降低模型的精度，导致滤波估计是次优的。因此，基于上述思想，本文又提出了一种基于状态估计值的以相对运动参数误差为量测量的简化系统模型方法，仿真和实验结果表明，在量测量相同的条件下，该方法的导航精度与状态增广法相当，计算效率是状态增广法的两倍。

3) 以特征点归一化图像坐标为量测量的惯性/视觉深组合导航方法。在以相对运动参数或其误差为量测量的浅组合方法中，量测量不是由图像处理直接获得的，而是通过坐标变换和运动估计算法间接得到，该计算过程是非线性的，且计算过程中会引入计算误差，从而造成量测信息的精度降低；另外，由于某一时刻的立体图对同时用于计算两个时间间隔内的相对运动参数，因此，还存在测量噪声时间相关的问题。针对上述问题以及量测量与两个时刻状态值均有关系的问题，本章首先介绍了基于间接法状态模型的传统状态增广算法，但状态维数的增加会造成计算量增大，因此，本文又提出了基于状态估计值的非状态增广算法，计算机仿真和实验结果表明，该方法的导航精度优于相同条件下的浅组合方法，且与传统状态增广法相比，该方法的位置估计精度更高，计算量更小。