Консистентные инвариантные математические модели для визуально-инерциальной навигационной системы с блочным комплексирующим фильтром

Математические модели для монокулярных визуально-инерциальных навигационных систем (ВИНС) рассматриваются в контексте известных ограничений рекуррентных алгоритмов фильтрации – проблем консистентности и вычислительной эффективности. Цель исследования заключается в разработке консистентных моделей ошибок ВИНС с отслеживанием двух типов визуальных признаков: опорных точек с параметризацией обратной глубины и опорных маркеров типа Aruco, используемых в качестве известных ориентиров. Модели адаптированы для использования в ВИНС на основе быстрого блочного фильтра Калмана (ББФК) – полностью рекуррентного алгоритма, приближающего оценки обобщенного фильтра Калмана (ОФК) при существенно меньших вычислительных затратах. Материалы и методы. Математические модели ВИНС линеаризуются относительно право-инвариантных ошибок, анализируется поведение моделей в условиях ненаблюдаемых преобразований параметров ВИНС. Численное тестирование ББФК-ВИНС с разработанными моделями проведено в среде MATLAB с использованием стандартных реализаций KLT-трекера опорных точек и детектора Aruco-маркеров. Результаты. Эффективность разработанных моделей для ББФК-ВИНС подтверждена численным моделированием сценария посадки с использованием KLT-трекера и детектора Aruco-маркеров. Показана согласованность расчетных диапазонов 3σ для ошибок оценок комплексирующего фильтра и фактических значений погрешности, отсутствие ложной наблюдаемости, а также ускорение вычислений ББФК по сравнению с обобщенным фильтром Калмана при близости формируемых ими оценок. Заключение. Проведенное исследование подтверждает, что при применении в рекуррентных алгоритмах фильтрации разработанные модели позволяют устранить ложную наблюдаемость ошибок оценивания абсолютных позиционных координат и угла рыскания, а также обеспечивают оценивание в условиях большой начальной неопределенности оценок. Перспективы дальнейшей работы связаны с рассмотрением более сложных и продолжительных сценариев движения.