姿态与导航系统是无人机系统极为重要的组成部分,对于小型无人机,因其载荷能力及制造成本的约束,姿态与导航设备首先需要满足重量轻、成本低等条件。微机电(MEMS)技术的快速发展,使得低成本的惯性测量元件(陀螺仪、加速度计)在小型无人机的姿态与导航设备中广泛应用。通常来说,如果姿态模块只包括三轴陀螺仪和三轴加速度计,将此设备称为惯性测量单元(IMU),也称为六轴姿态模块,其只能用于测量无人机倾斜角度,而加入了三轴磁力计的姿态测量模块称之为姿态及航向参考系统(AHRS),又称为九轴姿态模块,其可以提供航向角度信息。基于姿态模块提供的信息外加GPS位置和速度信息、高度计提供的高度信息等就可组成一个简单的导航系统。由于各种传感器提供的测量量单位不同,需要一套滤波算法来对所有传感器得到数据进行融合,本文就是讨论姿态模块的融合算法和导航系统中获取位置和速度信息的融合算法。在姿态模块中,由传感器信息获取姿态角的过程称之为姿态解算,姿态模块的性能好坏包括两个部分:传感器芯片的性能和解算算法的性能。目前为止,已经提出了多种姿态解算算法,在小型旋翼无人机上应用较多的有两套算法体系:第一套是以卡尔曼滤波算法为基础并扩展的算法,例如应用较多的是MEKF、UKF等;第二套是以互补滤波思想为基础而扩展的算法,如非线性互补滤波和梯度下降互补滤波等。它们各有利弊,可根据所用传感器芯片、计算能力大小和应用场合来选择。通过大量飞行数据证明滤波算法只是影响姿态模块性能的一部分,机械振动及飞行过程中产生的外力加速度对姿态解算算法性能影响或许更为明显。很多算法提出时只是在理想环境下做仿真或实验,并没有分析实际飞行中其性能的优劣;针对无人机做机动飞行时产生的外力加速度情况,有人提出用GPS提供速度信息来补偿,但其更新速率太慢,补偿精度太低。故本文在姿态解算方面将(1)尝试分析无人机的机动状态,据此来针对性的减少外力加速度的影响;(2)针对目前的主流算法,分析其在不同无人机状态下的性能表现;(3)基于四旋翼,将其动力学模型引入姿态解算以找到一种估计外力加速度的方法。在导航系统中,获取坐标位置信息是第一宗旨。GPS给出的位置信息和速度信息存在较大的噪声,通过融合姿态模块提供的加速度在短时间内积分得到的速度和位置信息就可以得到更准确的估计值。在某些特殊环境下,得不到GPS信号,或从提高导航可靠性和冗余度上考虑,需要其他手段来得到无人机位置。综合上面两方面本文将(1)建立一个算法框架,利用卡尔曼滤波算法融合GPS、高度计和姿态信息以得到导航所需的位置和速度信息;(2)建立一个视觉导航平台,利用机载计算设备和机载摄像头,基于SIFT算法和相关计算机视觉的知识来构建一个针对特定区域的坐标位置提取的导航算法。