Алгоритм навигации беспилотного летательного аппарата на основе улучшенного алгоритма одновременной локализации и картографирования с адаптивным локальным диапазоном наблюдения

Кэ Кэ Гэн, Н.А. Чулин

ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2017. № 3

23.

Bailey T.

Mobile robot localization and mapping in extensive outdoor environments.

The University of Sydney, 2002.

24.

Гэн Кэ Кэ, Чулин Н.А.

Алгоритм локальной ассоциации данных SLAM на основе улуч-

шенного муравьиного алгоритма // Наука и образование: научное издание МГТУ

им. Н.Э. Баумана. 2015. С. 340–355. DOI: 10.7463/1015.0818707

URL:

http://technomag.edu.ru/jour/article/view/165

Гэн Кэ Кэ

— аспирант кафедры «Системы автоматического управления» МГТУ

им. Н.Э. Баумана (Российская Федерация, 105005, Москва, 2-я Бауманская ул., д. 5,

стр. 1).

Чулин Николай Александрович

— канд. техн. наук, доцент кафедры «Системы автома-

тического управления» МГТУ им. Н.Э. Баумана (Российская Федерация, 105005, Москва,

2-я Бауманская ул., д. 5, стр. 1).

Просьба ссылаться на эту статью следующим образом:

Гэн Кэ Кэ, Чулин Н.А. Алгоритм навигации беспилотного летательного аппарата на ос-

нове улучшенного алгоритма одновременной локализации и картографирования с

адаптивным локальным диапазоном наблюдения // Вестник МГТУ им. Н.Э. Баумана.

Сер. Приборостроение. 2017. № 3. C. 76–94. DOI: 10.18698/0236-3933-2017-3-76-94

UAV NAVIGATION ALGORITHM BASED ON IMPROVED ALGORITHM

OF SIMULTANEOUS LOCALIZATION AND MAPPING WITH ADAPTIVE

LOCAL RANGE OF OBSERVATIONS

Ke Ke Geng

jsgengke@126.com

N.А. Chulin

nchulin@bmstu.ru

Bauman Moscow State Technical University, Moscow, Russian Federation

Abstract

Keywords

The paper proposes an improved algorithm for the ex-

tended Kalman filter for simultaneous localization and

mapping (EKF–SLAM), allowing the essential reduction

of the amount of computation required by adapting the

range of observation in real time in different three-

dimensional environments for unmanned aerial vehicles

(UAVs). We built cloudy-point environment map and

calculated coordinates of the characteristic points using

8-point normalized algorithm based on computer vision

monocular. The improvement is achieved by adaptive

dynamic restriction of the current dimensions of the

environmental observable part and the number of ob-

servable targets for UAV positioning correction. The

simulation results show that the proposed method signifi-

cantly reduces the volume of calculations, while main-

taining the accuracy of localization, and can be applied to

the UAV navigation

UAV, improved algorithm for

EKF–SLAM, data fusion, charac-

teristic points