摘要：针对传统视觉SLAM算法在暗纹理环境下鲁棒性差、定位精度低的问题,本文给出了一种基于动态点线耦合的单目视觉惯性SLAM算法。设定提取线特征的动态阈值,提高线特征利用率,然后利用点与线特征位置的相似性,提取新的点线耦合特征,并构造点线耦合残差模型,用点线耦合残差来搜索点与线特征之间的关系,将点线耦合残差集成到后端滑动窗口优化中,用以构造最小化成本函数。将构造的算法在EuRoC公开数据集上进行仿真,实验结果表明,本文设计的算法比VINS-Mono算法和PL-VIO算法的定位误差降幅明显,有效地增强了系统的鲁棒性,提高了系统的定位精度。

摘要：针对在快速运动和弱纹理场景中,提取到的点特征数量不足从而影响系统效果的问题,设计了一种融合点线特征的视觉惯性里程计算法。采用LSD算法通过设置动态的长度阈值过滤掉短线特征,然后利用逆向光流对点特征进行二次跟踪,并且提出一种基于采样点的直线匹配方法,将帧到帧和帧到平面的两种匹配方式结合,从而提高直线匹配的准确性。在公开数据集EuRoc上对此算法精度进行评估,实验表明,在复杂的场景中,与VINS-Mono相比,此算法表现出更高的精度和更强的鲁棒性。

摘要：针对四旋翼无人飞行器在姿态控制中存在外界干扰、输入饱和和模型不确定性以及执行器故障问题,提出了一种将反步控制方法与Fuzzy-RBFNN相结合的控制策略。利用反步控制方法具有化整为零的思想,降低无人机系统在控制器设计过程中的难度;利用模糊径向基神经网络的逼近特性,消除模型不确定性以及模拟风场对系统造成的影响;考虑实际系统中执行器的工作效率,利用双曲正切函数代替饱和函数,消除输入饱和对系统造的影响;针对执行器故障问题,设计自适应律在线估计故障因子并且设计Lyapunov函数,从理论上证明了自适应反步Fuzzy-RBFNN控制器设计的稳定性,仿真验证了该控制策略的可行性。

摘要：针对四旋翼无人机姿态控制系统在外界干扰下,跟踪精度和抗扰动性能易受到影响的问题,提出一种改进型自抗扰控制(ADRC)算法。首先,基于原点平滑性和连续性考虑设计了改进型非线性函数。其次,基于线性扩张状态观测器(LESO)和非线性扩张状态观测器(NLESO)各自的优点,设计了线性/非线性可切换的改进型扩张状态观测器(IESO)。最后,基于IESO设计了改进型ADRC,将其应用于四旋翼无人机姿态控制系统,并从响应速度、跟踪精度、抗干扰能力三方面对其进行仿真实验验证。实验结果显示,IESO具有更好的观测效果,改进型ADRC的控制性能比传统的线性ADRC和非线性ADRC更优。