سیستم ناوبری اینرسی-تصویری مبتنی بر رویکردی جدید در ردیابی و ارزیابی ویژگی‌های تصویر

در چند دهه اخیر استفاده از سیستم ناوبری تصویری به‌عنوان یک سیستم کمک ناوبری در کنار سیستم ناوبری اینرسی برای پرنده‌های بدون سرنشین مورد تحقیق بسیاری از محققان بوده است. در این تحقیق رویکردی جدید از الگوریتم ردیابی ویژگی‌ها به‌منظور بهبود خطای سیستم ناوبری اینرسی ارائه شده است. در این رویکرد از اطلاعات سیستم ناوبری اینرسی، ویژگی‌های تصویر قبلی و معادلات دینامیکی جهت پیش گویی نقاط ویژگی استفاده شده است. همچنین در این رویکرد به‌منظور بهبود دقت محاسبه نقاط شاخص زمینی، نقاط ویژگی پیش‌گویی شده نامطلوب در مقایسه با خروجی الگوریتم سیفت حذف می‌شوند. در این رویکرد جهت بهبود خطای ارتفاع از یک بارومتر در کنار سیستم تصویر استفاده شده است. نتایج شبیه‌سازی بیانگر دقت مطلوب مشاهدات سیستم تصویر و بارومتر در مرحله به‌روزرسانی فیلتر کالمن توسعه‌یافته و عملکرد مطلوب سیستم ناوبری تلفیقی مذکور در تعیین پارامترهای ناوبری یک پرنده بدون سرنشین است.

VisualInertial Navigation System based on a New approach in Tracking and Investigating the Image Feature Points

In the last decades, the visual navigation system has been investigated by many researchers as an aided navigation system for Inertial Navigation System (INS) in the Unmanned Aerial Vehicles (UAV). In this research, for improving the INS errors a new approach based on feature tracking algorithm is used. In this approach, in order to estimate the feature points in the current image, the INS states, the feature points of the previous image and dynamic equations are used. Also, in this approach, for improving the estimation of terrain points, the outlier estimated feature points delete. Furthermore, in this article, for improving the altitude error, a barometer is used by the mentioned vision navigation system. The simulation results illustrate the desirable accuracy of the vision system and barometer observations in the update step of Extended Kalman Filter (EKF) and remarkable performance of integrated navigation system for calculating the UAV navigation parameters.