16、基于视觉的无人机姿态估计：原理、挑战与策略

基于视觉的无人机姿态估计：原理、挑战与策略

1. 引言

近年来，无人机（UAV）技术愈发流行，其应用范围广泛，涵盖监测、农业、搜救、遥感、摄影测量、建筑检查、娱乐等多个民用领域。为了使无人机更加稳定、智能、可靠且实现高度自主，其导航系统至关重要。

一个优秀的导航系统需要为无人机的控制系统提供精确的状态信息，并能在无人干预的情况下对这些信息进行解读。这包括估计无人机的位置、速度、姿态、空速、攻角、侧滑角以及旋转（俯仰、横滚和偏航）速率等状态，并将这些信息传递给控制和引导系统，以确保无人机能按照预定路线进行机动飞行。

目前，无人机主要依靠惯性测量单元（IMU）或惯性导航系统（INS）以及全球导航卫星系统（GNSS）来估计其状态。然而，在许多情况下，这些传感器会失效或无法准确确定状态，因此基于计算机视觉（CV）的导航系统成为了一种有前途的替代方案。

2. INS - GNSS 导航系统的缺点

2.1 惯性导航系统（INS）

INS 是一种独立的导航技术，它利用 IMU 中传感器的测量值，相对于已知的起始点、方向和速度来估计物体的位置和速度。IMU 通常由加速度计、陀螺仪和有时的磁力计组成，分别用于估计无人机的线性加速度、角速度和参考航向。INS 通过积分方法结合初始参考值（初始位置、初始姿态和初始速度），从 IMU 读数中估计线性速度、姿态和位置。

INS 的一大优点是，一旦初始化，它不需要任何外部信号来估计位置、方向或速度，因此对欺骗或干扰具有免疫力。然而，随着时间的推移，INS 的估计精度会下降，这种位置精度的损失被称为 INS 漂移。一般来说，INS 中 IMU 越小，精度下降越明显。由于无人