基于视惯融合的机舰相对位姿和甲板晃动测量

doi:10.7527/S1000-6893.2024.31268

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于视惯融合的机舰相对位姿和甲板晃动测量

王秋富¹^,², 毕道明³, 张倬¹^,², 孙晓亮¹^,²(), 于起峰¹^,²

^1.国防科技大学空天科学学院，长沙 410073
^2.图像测量与视觉导航湖南省重点实验室，长沙 410073
^3.中国航空工业集团沈阳飞机设计研究所，沈阳 110035

收稿日期:2024-09-26 修回日期:2024-12-10 接受日期:2025-01-03 出版日期:2025-07-15 发布日期:2025-01-10
通讯作者: 孙晓亮 E-mail:alexander_sxl@nudt.edu.cn
基金资助:
国家自然科学基金(12272404);湖湘青年英才项目(2023RC3023)

Onboard visual-inertial relative pose and deck motion easurement for autonomous landing

Qiufu WANG¹^,², Daoming BI³, Zhuo ZHANG¹^,², Xiaoliang SUN¹^,²(), Qifeng YU¹^,²

^1.College of Aerospace Science and Engineering，National University of Defense Technology，Changsha 410073，China
^2.Hunan Provincial Key Laboratory of Image Measurement and Vision Navigation，Changsha，Hunan 410073，China
^3.Shenyang Aircraft Design and Research Institute，AVIC，Shenyang 110850，China

Received:2024-09-26 Revised:2024-12-10 Accepted:2025-01-03 Online:2025-07-15 Published:2025-01-10
Contact: Xiaoliang SUN E-mail:alexander_sxl@nudt.edu.cn
Supported by:
National Natural Science Foundation of China(12272404);Science and Technology Innovation Program of Hunan Province(2023RC3023)

摘要/Abstract

摘要：

舰载机自主着舰引导中，基于机载单目视觉的机舰间相对位姿测量存在精度不高、测量频率低、结果不连续等问题，且无法实现舰船甲板晃动测量，难以满足自主着舰引导中控制系统的严格应用要求。针对上述问题，提出基于视惯融合的机舰相对位姿和甲板晃动测量方法。利用机载单目视觉和惯性单元的测量信息，以二维关键点图像坐标为观测向量，构建基于误差状态的卡尔曼紧耦合滤波框架，实现动态背景、目标平台运动等受限观测条件下机舰间相对位姿和舰船甲板晃动的高效、高精度解算。针对机舰运动特性，提出误差状态异步更新策略，分步更新飞机和舰船运动状态信息，提高了位姿参数的估计精度。实验结果表明，相对机载单目位姿估计，方法全序列平均相对定位精度提升约180%，平均平移误差降低至3%，甲板晃动欧拉角平均测量误差约为 $0.1 °$ ，滤波平均耗时小于0.02 ms，实现了机舰相对位姿和甲板晃动的高效、高精度测量，可作为后端算法与多种视觉前端组合，为舰载机自主着舰引导提供可靠依据。

关键词: 自主着舰引导, 视惯融合, 相对位姿, 甲板晃动, ESKF, 运动估计

Abstract:

Due to the insufficient accuracy， low frequency， discontinuity and deficiency in deck motion estimation， it is difficult for onboard monocular pose measurement to achieve robust autonomous landing guidance. To address the above issues， an on-board visual-inertial measurement method based on error state Kalman filter is put forward. The proposed framework tightly integrates 2D key points and IMU data to realize efficient and accurate relative pose and deck motion estimation under the constrained condition of dynamic backgrounds， moving target， et al. Considering the motion characteristics of the aircraft and ship， a novel asynchronous error state updating strategy is proposed to achieve high-precision performance. The experimental results demonstrate that the average relative positioning accuracy is improved by about 180% with average translation error decreasing to 3% of the counterpart compared to monocular methods. As to deck motion estimation， the average error of the ship Euler angle is about 0.1°. A cycle of state prediction and update can be conducted within 0.02 ms. The superior performance in accuracy and efficiency of relative and deck motion estimation guarantees significant capacity of the proposed method to integrate with various visual frontends， to perform sound autonomous landing guidance.

Key words: autonomous landing guidance, visual-inertial integration, relative pose, deck motion, ESKF, motion estimation

中图分类号:

V249.32

王秋富, 毕道明, 张倬, 孙晓亮, 于起峰. 基于视惯融合的机舰相对位姿和甲板晃动测量[J]. 航空学报, 2025, 46(13): 531268.

Qiufu WANG, Daoming BI, Zhuo ZHANG, Xiaoliang SUN, Qifeng YU. Onboard visual-inertial relative pose and deck motion easurement for autonomous landing[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(13): 531268.

图/表 14

图 1

图 2

图 3

图 4

表 1

仿真实验中飞机运动参数设置

参数	$θ$ /（°）	$τ$ /s	$A x B$ /m	$A y B$ /（m·s^-1）	$A z B$ /（m·s^-1）	$A α B$ /（°）	$A β B$ /（°）	$A γ B$ /（°）	$T x B$ /s
数值	4	30.1	5	5	3	1	5	3	10
参数	$T y B$ /s	$T z B$ /s	$T α B$ /s	$T β B$ /s	$T γ B$ /s	$σ a / (m · s - 32)$	$σ g / (r a d · s - 12)$	$σ b a / (m · s - 52)$	$b g / (r a d · s - 32)$
数值	8	7	7	6	5	$10 - 3$	$10 - 5$	$10 - 5$	$10 - 7$

表 1

图 5

表 2

仿真实验中舰船运动参数设置

参数	$v M, y W$ /（m·s^-1）	$A z M$ /m	$A α M$ /（°）	$A β M$ /（°）	$T z M$ /s	$T α M$ /s	$T β M$ /s
数值	15.4	5	5	5	10	8	6

表 2

图 6

图 7

图 8

图 9

图 10

图 11

表 3

参考文献 27

[1]	甄子洋，王新华，江驹，等. 舰载机自动着舰引导与控制研究进展［J］. 航空学报， 2017， 38（2）： 020435.
	ZHEN Z Y， WANG X H， JIANG J， et al. Research progress in guidance and control of automatic carrier landing of carrier-based aircraft［J］. Acta Aeronautica et Astronautica Sinica， 2017， 38（2）： 020435 （in Chinese）.
[2]	张志冰，甄子洋，江驹，等. 舰载机自动着舰引导与控制综述［J］. 南京航空航天大学学报， 2018， 50（6）： 734-744.
	ZHANG Z B， ZHEN Z Y， JIANG J， et al. Review on development in guidance and control of automatic carrier landing of carrier-based aircraft［J］. Journal of Nanjing University of Aeronautics & Astronautics， 2018， 50（6）： 734-744 （in Chinese）.
[3]	MENG Y， WANG W， HAN H， et al. A visual/inertial integrated landing guidance method for UAV landing on the ship［J］. Aerospace Science and Technology， 2019， 85： 474-480.
[4]	ZHANG Z， WANG Q F， BI D M， et al. MC-LRF based pose measurement system for shipborne aircraft automatic landing［J］. Chinese Journal of Aeronautics， 2023， 36（8）： 298-312.
[5]	ZHOU J X， WANG Q F， ZHANG Z， et al. Aircraft carrier pose tracking based on adaptive region in visual landing［J］. Drones， 2022， 6（7）： 182.
[6]	CHEN Z Y， CHEN Q R， WANG Q F， et al. Infrared lights-based monocular pose measurement for autonomous rendezvous of dual-motion platforms［C］∥Third International Conference on Machine Vision， Automatic Identification， and Detection （MVAID 2024）. New York： SPIE， 2024： 48.
[7]	CHEN Q R， CHEN Z Y， ZHANG Z， et al. Vision-guided autonomous landing technology for noncooperative target［C］∥Third International Conference on Machine Vision， Automatic Identification， and Detection （MVAID 2024）. New York： SPIE， 2024： 46.
[8]	XIN L， TANG Z M， GAI W Q， et al. Vision-based autonomous landing for the UAV： A review［J］. Aerospace， 2022， 9（11）： 634.
[9]	李启军，王擎宇，高江炜，等. 航母舰载机着舰导航技术发展研究［J］. 舰船科学技术， 2023， 45（23）： 206-211.
	LI Q J， WANG Q Y， GAO J W， et al. Development research of carrier-borne aircraft landing navigation technology［J］. Ship Science and Technology， 2023， 45（23）： 206-211 （in Chinese）.
[10]	甄冲，曲晓雷，王翼丰，等. 视觉引导误差对自动着舰性能影响研究［J］. 航空工程进展， 2025， 16（1）： 101-107， 116.
	ZHEN C， QU X L， WANG Y F， et al. Impact of visual guidance error on automatic carrier landing performance［J］. Advances in Aeronautical Science and Engineering， 2025， 16（1）： 101-107， 116 （in Chinese）.
[11]	齐广峰，吕军锋. MEMS惯性技术的发展及应用［J］. 电子设计工程， 2015， 23（1）： 87-89， 92.
	QI G F， LV J F. Evolution and application of MEMS inertial technology［J］. Electronic Design Engineering， 2015， 23（1）： 87-89， 92 （in Chinese）.
[12]	司书斌，赵大伟，徐婉莹，等. 视觉—惯性导航定位技术研究进展［J］. 中国图象图形学报， 2021， 26（6）： 1470-1482.
	SI S B， ZHAO D W， XU W Y， et al. Review on visual-inertial navigation and positioning technology［J］. Journal of Image and Graphics， 2021， 26（6）： 1470-1482 （in Chinese）.
[13]	NING Y. A comprehensive introduction of visual-inertial navigation［DB/OL］. arXiv preprint： 2307.11758， 2023.
[14]	MOURIKIS A I， ROUMELIOTIS S I. A multi-state constraint Kalman filter for vision-aided inertial navigation［C］∥ Proceedings 2007 IEEE International Conference on Robotics and Automation. Piscataway： IEEE Press， 2007： 3565-3572.
[15]	QIN T， LI P L， SHEN S J. VINS-Mono： A robust and versatile monocular visual-inertial state estimator［J］. IEEE Transactions on Robotics， 2018， 34（4）： 1004-1020.
[16]	QIU K J， QIN T， GAO W L， et al. Tracking 3-D motion of dynamic objects using monocular visual-inertial sensing［J］. IEEE Transactions on Robotics， 2019， 35（4）： 799-816.
[17]	HENEIN M， KENNEDY G， ILA V， et al. Simultaneous localization and mapping with dynamic rigid objects［DB/OL］. arXiv preprint： 1805. 03800， 2018.
[18]	ECKENHOFF K， YANG Y L， GENEVA P， et al. Tightly-coupled visual-inertial localization and 3-D rigid-body target tracking［J］. IEEE Robotics and Automation Letters， 2019， 4（2）： 1541-1548.
[19]	GYAGENDA N， HATILIMA J V， ROTH H， et al. A review of GNSS-independent UAV navigation techniques［J］. Robotics and Autonomous Systems， 2022， 152： 104069.
[20]	BORTZ J E. A new mathematical formulation for strapdown inertial navigation［J］. IEEE Transactions on Aerospace and Electronic Systems， 1971， AES-7（1）： 61-66.
[21]	SOLÀ J. Quaternion kinematics for the error-state Kalman filter［DB/OL］. arXiv preprint： 1711. 02508， 2015.
[22]	高翔. 自动驾驶与机器人中的SLAM技术：从理论到实践［M］. 北京：电子工业出版社， 2023： 79-80.
	GAO X. SLAM technology in autonomous driving and robot： From theory to practice［M］. Beijing： Publishing House of Electronics Industry， 2023： 79-80 （in Chinese）.
[23]	SOLÀ J， DERAY J， ATCHUTHAN D. A micro Lie theory for state estimation in robotics［DB/OL］. arXiv preprint： 1812. 01537， 2018.
[24]	DENNINGER M， SUNDERMEYER M， WINKELBAUER D， et al. BlenderProc［DB/OL］. arXiv preprint： 1911. 01911， 2019.
[25]	LEPETIT V， MORENO-NOGUER F， FUA P. EPnP： An accurate O（n） solution to the PnP problem［J］. International Journal of Computer Vision， 2009， 81（2）： 155-166.
[26]	FISCHLER M A， BOLLES R C. Random sample consensus［J］. Communications of the ACM， 1981， 24（6）： 381-395.
[27]	FORSTER C， CARLONE L， DELLAERT F， et al. On-manifold preintegration for real-time visual-inertial odometry［J］. IEEE Transactions on Robotics， 2017， 33（1）： 1-21.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

基于视惯融合的机舰相对位姿和甲板晃动测量

Onboard visual-inertial relative pose and deck motion easurement for autonomous landing

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 27

相关文章 9

编辑推荐

Metrics

本文评价

[1]	刘付成, 牟金震, 刘宗明, 韩飞, 李爽. 低照度小样本限制下的失效卫星相对位姿估计与优化[J]. 航空学报, 2021, 42(4): 524984-524984.
[2]	牟金震, 刘宗明, 韩飞, 周彦, 李爽. 失效卫星远距离相对位姿估计与优化方法[J]. 航空学报, 2021, 42(11): 524959-524959.
[3]	肖立, 卢再奇, 周剑雄, 付强. 弹道中段目标质心位置估计[J]. 航空学报, 2012, 33(1): 110-117.
[4]	蒋鸿翔;徐锦法;高正. 无人直升机视觉着陆中的运动状态估计算法[J]. 航空学报, 2010, 31(4): 744-753.
[5]	肖立;周剑雄;何峻;付强. 弹道中段目标进动周期估计的改进自相关法[J]. 航空学报, 2010, 31(4): 812-818.
[6]	王云丽;张鑫;高超;王晖;张茂军. 航拍视频拼图中基于特征匹配的全局运动估计方法[J]. 航空学报, 2008, 29(5): 1218-1225.
[7]	王昕;张弘. 自适应选择抽取模式的运动估计算法[J]. 航空学报, 2007, 28(1): 177-181.
[8]	许东;安锦文. 一种基于光流拟和的航拍视频图像全局运动估算方法[J]. 航空学报, 2006, 27(1): 94-97.
[9]	王养利;吴成柯. 基于三焦距张量及BMA的运动估计和补偿[J]. 航空学报, 2001, 22(2): 117-120.