用于无人机位姿估计的多传感器动态自适应融合方法和系统

本发明属于多传感器融合，具体来说，涉及一种用于无人机位姿估计的多传感器动态自适应融合方法和系统。

背景技术：

1、在无人机飞行数据采集过程中，常常充斥着大量局部和片段性信息，这些信息可能存在广泛的冲突和重叠。因此，采用多传感器数据融合技术对这些信息进行有效整合，不仅可以解决信息重叠和冲突的问题，还能提高系统决策的准确性，使得最终的决策和判断更加迅速、准确、及时和有效。如果将含有干扰信息或错误信息多、不确定性大的传感器信息参与到数据融合中，结果只会变得更差。因此，多传感器数据融合需要根据被融合的数据所含的信息特征选择合适的融合策略。

2、多传感器数据融合的领域，传统的融合方法面临着多种挑战，包括对异常数据的处理不足、融合速度慢、准确性和可靠性低等问题。因此，需要一种能够动态适应数据变化，对异常数据进行有效处理并提高数据融合速度和准确性的系统。

3、基于支持度的多传感器信息融合算法的一个主要优势是不依赖先验知识。这意味着算法不需要额外信息即可处理数据，使得算法在应对未知或变化环境时更具适应性。然而，融合精度在很大程度上取决于支持度函数的设计。支持度函数的目的是衡量数据间的一致性和可靠性，进而影响最终的权重分配。由于权重的计算仅基于数据本身，数据预处理的质量直接关联到融合结果的准确性和可靠性。如果预处理不当，即使是最优的融合算法也可能无法获得理想的结果。因此，在应用这类融合算法时，确保高质量的数据预处理是关键。

技术实现思路

1、传统的无人机位姿估计基本都是由单一传感器提供，如无人机飞控自带imu或深度相机内置imu，但是在复杂环境下单一传感器往往不能准确提供无人机的位姿数据。此外，现有的传感器融合算法大多数为滤波算法或者神经网络算法，其认为干预往往过多，所得融合结果缺少较好的客观性。本发明为了更好更客观地得到融合数据，提供了一种用于无人机位姿估计的多传感器动态自适应融合方法、系统、介质和装备，旨在解决现有传感器融合技术中存在的效率低下、准确性不足和处理异常数据能力有限等问题。

2、一方面，本发明提供了一种用于无人机位姿估计的多传感器动态自适应融合方法，包括：

3、s1：基于灰色理论进行位姿传感器自支持因子的构建，再结合自支持因子进行支持度函数的构建；

4、s2：基于支持度函数计算数据一致性，并建立基于数据一致性和自支持因子双指标的异常数据检测方法，再根据异常数据长度进行异常数据分类处理；

5、s3：设计窗口遗忘函数，并计算位姿观测数据的一致性均值和可靠性度量来获得该数据的权重，结合权重得到位姿传感器融合结果。

6、另一方面，本发明提供了一种用于无人机位姿估计的多传感器动态自适应融合系统，包括：

7、支持度函数构建模块，用于基于灰色关联度理论，计算自支持因子，进行支持度函数构造；

8、异常数据处理模块，使用基于支持度函数计算数据一致性，并建立基于数据一致性和自支持因子双指标的异常数据检测方法，再根据异常数据长度进行异常数据分类处理；

9、权重计算模块，用于结合窗口遗忘函数进行数据一致性均值计算，并根据数据一致性均值求得数据可靠性测度，结合二者进行权重设计，结合权重进行数据融合，并对数据融合进行误差评估。

10、再一方面，本发明提供了一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上任意一项所述的用于无人机位姿估计的多传感器动态自适应融合方法。

11、又一方面，本发明提供了一种用于无人机位姿估计的多传感器动态自适应融合装置，包括存储器、处理器以及存储在所述存储器中并能在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述方法的内容。

12、与现有技术相比，本发明具有如下优点或有益效果：

13、1.本发明结合自支持因子构建支持度函数，从而弥补了传统支持度算法中忽视传感器本身数据可靠性的缺陷，降低了无人机传感器因无人机运动所受到的精误差对融合结果的影响。

14、2.本发明基于灰色理论进行自支持因子的构建，再结合自支持因子进行支持度函数的构建，解决了传统支持度函数未能考虑到传感器本身数据可信度的缺陷，使得权重设计更加合理，从而提高无人机运动时多传感器对位姿测量精度。

15、3.本发明充分考虑到传感器异常数据检测标准不足的问题，利用传感器本身数据进行检测，有着足够的客观性，针对不同类型的异常数据使用不同的处理方法，充分的提高了数据的利用率，并提高了无人机运动时位姿数据的质量，从而得到了精度较高的无人机位姿估计结果。

技术特征：

1.一种用于无人机位姿估计的多传感器动态自适应融合方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一种用于无人机位姿估计的多传感器动态自适应融合方法，其特征在于：s1具体为：

3.根据权利要求2所述的一种用于无人机位姿估计的多传感器动态自适应融合方法，其特征在于：s12具体为：

4.根据权利要求2所述的一种用于无人机位姿估计的多传感器动态自适应融合方法，其特征在于：s2具体为：

5.根据权利要求4所述的一种用于无人机位姿估计的多传感器动态自适应融合方法，其特征在于：所述异常数据处理具体为：

6.根据权利要求1所述的一种用于无人机位姿估计的多传感器动态自适应融合方法，其特征在于：s3具体为：

7.一种用于无人机位姿估计的多传感器动态自适应融合系统，其特征在于包括：

8.根据权利要求7所述的一种用于无人机位姿估计的多传感器动态自适应融合系统，其特征在于：所述异常数据处理模块：

9.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至6任意一项所述的用于无人机位姿估计的多传感器动态自适应融合方法。

10.一种无人机位姿估计的多传感器动态自适应融合装置，包括存储器、处理器以及存储在所述存储器中并能在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1至6任一所述方法。

技术总结本发明公开了一种用于无人机位姿估计的多传感器动态自适应融合方法和系统。本发明结合自支持因子构建支持度函数，降低了无人机传感器因无人机运动所受到的精误差对融合结果的影响；本发明基于灰色理论进行自支持因子的构建，再结合自支持因子进行支持度函数的构建，使得权重设计更加合理，从而提高无人机运动时多传感器对位姿测量精度；本发明充分考虑到传感器异常数据检测标准不足的问题，利用传感器本身数据进行检测，有着足够的客观性，针对不同类型的异常数据使用不同的处理方法，充分的提高了数据的利用率，并提高了无人机运动时位姿数据的质量，从而得到了精度较高的无人机位姿估计结果。技术研发人员：葛泉波,何鹏受保护的技术使用者：南京信息工程大学技术研发日：技术公布日：2024/11/14