基于热风速计的 MAV 气流惯性定位：在 GPS 与视觉被剥夺的环境中
机器人学
2025-05-22 v1 人工智能
机器学习
摘要
本 work 展示了一种基于气流惯性的定位系统，融合热风速计、IMU、ESC 和气压计等多传感器数据。由于低成本 IMU 与气压计具有显著偏差，且风速计测量受旋转螺旋桨和地面效应的干扰，这一目标具有挑战性。我们采用基于 GRU 的深度神经网络从噪声和扰动的风速计测量中估计相对气流速度，并构建带偏差模型的观测器融合传感器数据，从而估算航空器状态。完整的飞行数据（包括起飞和着陆）表明，该方法能够脱落由螺旋桨产生的涡流引起的风速及地面效应，在无风的室内环境中准确估计飞行速度。有效估算了 IMU 和气压计的偏差，显著减少了位置积分漂移，该漂移在 203 秒的手动随机飞行中仅为 5.7 米。该项目已开源发布于 https://github.com/SyRoCo-ISIR/Flight-Speed-Estimation-Airflow。
引用
@article{arxiv.2505.15044,
title = {Learning-based Airflow Inertial Odometry for MAVs using Thermal Anemometers in a GPS and vision denied environment},
author = {Ze Wang and Jingang Qu and Zhenyu Gao and Pascal Morin},
journal= {arXiv preprint arXiv:2505.15044},
year = {2025}
}