طراحی سیستم ناوبری برای یک هواپیمای بدون سرنشین مجهز به سنسور زاویه‌سنج

در این مقاله از الگوریتم «موقعیت‌یابی و ترسیم نقشه به صورت همزمان» برای ناوبری یک هواپیمای بدون سرنشین استفاده شده است. از یک سنسور زاویه‌سنج (مانند دوربین تک‌رنگ) برای مشاهده عوارض موجود بر روی زمین استفاده می‌شود که زوایه قرارگیری علائم مشخصه نسبت به محور طولی هواپیما را اندازه‌گیری می‌کند. به کمک «الگوریتم موقعیت‌یابی و ترسیم نقشه به صورت همزمان»، تخمین دقیقی از موقعیت و سرعت هواپیما و همچنین موقعیت دو بعدی علائم مشخصه بر روی زمین به دست می‌آوریم. در این الگوریتم، از فیلتر کالمن توسعه یافته به عنوان مکانیزم تلفیق اطلاعات سیستم ناوبری اینرسی و داده‌های به دست آمده از سنسور خارجی و همچنین از روش موقعیت‌یابی تاخیری مقید برای تعیین موقعیت اولیه علائم مشخصه استفاده شده است. برای بالا بردن دقت ناوبری و ترسیم یک نقشه دقیق از محیط، یک بار دیگر هواپیما همان مسیر قبلی را پرواز می‌کند و در پرواز دوم از داده‌های ذخیره‌شده در دور قبل استفاده می‌شود. نتایج به دست آمده از شبیه‌سازی‌ها، کارایی الگوریتم پیشنهادی در بهبود دقت ناوبری هواپیما را نشان می‌دهند.

Design of a Navigation System for an Unmanned Air Vehicle Equipped with a Bearing Only Sensor

In this paper, we have utilized Simultaneous Localization and Mapping (SLAM) problem to design a navigation algorithm for an Unmanned Air Vehicle (UAV). In our scheme, a bearing only sensor has been installed on UAV as an external sensor that measures the relative bearing angles between the vehicle and unknown landmarks on the ground. SLAM algorithm helps us to reach precise estimates for vehicle states and the position of landmarks at the same time. Extended Kalman Filter has been used as a fusion mechanism to combine the received measurements from external sensor and provided data by Inertial Navigation System (INS). Moreover, for finding a precise location for landmarks when the UAV observes them for first time, we have used a Delayed Constrained Initialization approach. When UAV reaches to the end of the considered trajectory, it flies through the trajectory for second time in which the UAV utilizes the stored data in previous flight to enhance the accuracy of state estimates. Finally, simulation results show the performance of the proposed approach in design of a navigation algorithm for UAVs.