from 31.12.1920 until now
This paper addresses the autonomous navigation of unmanned aerial vehicles (UAVs) in GNSS-denied environments. A hybrid visual-inertial system based on an Extended Kal-man Filter is proposed. The primary focus is on correcting the scale drift of a monocular camera and enhancing the robustness of the algorithms. The proposed approach ensures an accuracy level suffi-cient for urban missions and search-and-rescue operations.
unmanned aerial vehicle, visual odometry, inertial navigation, GNSS, Extended Kalman Filter, VIO, sensor fusion, scale factor
Широкое внедрение беспилотных летательных аппаратов в различные сферы деятельности, от мониторинга сельскохозяйственных угодий до поисково-спасательных операций в урбанизированных зонах, выявило критическую зависимость большинства коммерческих и промышленных дронов от сигналов глобальных навигационных спутниковых систем, таких как GPS, GLONASS или Galileo. Однако в ряде сценариев использование GNSS оказывается невозможным или неэффективным. К таким сценариям относятся полеты внутри помещений, в плотной городской застройке, вблизи высоковольтных линий электропередач, а также в условиях применения средств радиоэлектронной борьбы, приводящих к глушению или спуфингу навигационных сигналов [1].
В отсутствие внешнего позиционирования БПЛА вынужден полагаться на собственные бортовые сенсоры. Традиционно для решения этой задачи используются инерциальные навигационные системы, состоящие из акселерометров и гироскопов. Однако недорогие микроэлектромеханические системы, устанавливаемые на большинство легких БПЛА, характеризуются значительными шумами и смещениями нуля. Интегрирование зашумленного сигнала акселерометра для получения скорости и позиции приводит к квадратичному накоплению ошибки во времени, что делает чистую инерциальную навигацию непригодной для длительных миссий [2].
Альтернативным или дополняющим подходом является визуальная одометрия (VO), которая оценивает перемещение аппарата путем анализа последовательности изображений с бортовой камеры. VO не подвержена дрейфу в долгосрочной перспективе при наличии достаточного количества визуальных признаков, но страдает от проблем с оценкой абсолютного масштаба и чувствительна к изменениям освещенности, быстрому движению и отсутствию текстуры на поверхностях [3].
Целью данной работы является обзор и систематизация методов построения гибридных систем навигации, объединяющих преимущества визуальной одометрии и инерциальных измерений. В статье анализируются архитектуры тесного и слабого сопряжения сенсоров, рассматриваются методы решения проблемы масштаба и оценивается потенциальная точность таких систем в условиях отказа GNSS.
Инерциальная навигационная система определяет положение объекта путем двойного интегрирования измерений линейного ускорения. Уравнение движения в инерциальной системе координат может быть записано как:
где: 
– вектор позиции;
– начальная скорость;
– измеренное ускорение;
– смещение нуля акселерометра;
– шум измерения [4].
Даже небольшие постоянные смещения приводят к ошибке позиции, растущей пропорционально 
. Для MEMS-датчиков типичное смещение может составлять десятки миллигравитаций, что приводит к ошибке в несколько метров уже через несколько секунд после потери внешнего сигнала корректировки. Гироскопы, измеряющие угловую скорость, также имеют дрейф, который приводит к ошибке в определении ориентации, что, в свою очередь, неправильно проецирует вектор ускорения в глобальную систему координат, усугубляя ошибку позиции.
Визуальная одометрия решает задачу оценки относительного перемещения камеры между кадрами. В случае использования монокулярной камеры система способна восстановить траекторию только с точностью до неизвестного масштабного коэффициента 
. Это фундаментальное ограничение связано с тем, что одно и то же изменение размера объекта на изображении может быть вызвано как приближением камеры, так и использованием объектива с другим фокусным расстоянием, или же движением объекта меньшего размера на том же расстоянии [5].
Математически, если истинное перемещение равно 
, то визуальная одометрия оценивает его как 
. Без внешней информации определить 
невозможно. Кроме того, VO требует наличия достаточного количества контрастных точек интереса на изображении для надежного отслеживания. В условиях однородных поверхностей или при быстром вращении БПЛА трекинг теряется, что приводит к накоплению ошибки или полному отказу системы [6].
Для компенсации недостатков каждого из методов применяется сенсорная фузия. Существует два основных подхода к интеграции данных: слабое сопряжение и тесное сопряжение.
При слабом сопряжении визуальная одометрия и инерциальная навигация работают как независимые модули. VO выдает оценку относительного перемещения, которая затем используется как измерение для фильтра Калмана, прогнозирующего состояние на основе данных IMU. Этот подход проще в реализации, но менее точен, так как не учитывает корреляцию ошибок между сенсорами на низком уровне [7].
Тесное сопряжение предполагает совместную обработку сырых данных с камеры и данных IMU в рамках единого оптимизационного процесса или фильтра. Наиболее распространенным математическим аппаратом для этого является Расширенный фильтр Калмана или оптимизация скользящего окна, используемая в таких системах, как OKVIS или VINS-Mono.
В архитектуре тесного сопряжения состояние системы 
включает в себя не только позицию 
, скорость 
и ориентацию 
, но и смещения датчиков IMU (
), а также, что критически важно, обратный масштабный фактор или глубину наблюдаемых точек.
где 
– параметр, связанный с масштабом или глубиной точек.
Ключевым преимуществом интеграции IMU с монокулярной камерой является возможность восстановления абсолютного масштаба траектории. Акселерометр измеряет ускорение в физических единицах (
). Сравнивая величину ускорения с показаниями акселерометра, фильтр может оценить масштабный коэффициент [8].
Процесс инициализации VIO-системы является критическим этапом, который требует от БПЛА выполнение определенных маневров. Данный фактор приводит к затруднению оценки масштабов [8].
Не менее важной проблемой является синхронизация сенсоров, поскольку камеры и IMU часто имеют разные частоты.
Реализация VIO на борту легкого БПЛА ограничена вычислительными ресурсами, так как использование полноценных алгоритмов SLAM, часто избыточно. Поэтому на практике чаще применяются алгоритмы визуальной одометрии без сохранения глобальной карты, либо с использованием локальных карт небольшого размера.
Для снижения нагрузки на процессор применяются методы оптимизации. Это позволяет сохранять точность оценки текущих параметров. Также перспективным направлением является использование нейросетевых подходов которые могут работать эффективнее традиционных геометрических методов, интегрированных в современные бортовые компьютеры.
Гибридные системы навигации, сочетающие визуальную одометрию и инерциальные измерения, представляют собой наиболее перспективное решение для обеспечения автономности БПЛА в условиях отказа GNSS.
1. Chan Yu., Chen Yu., Manzur U., Myurrey Dzh. Obzor avtonomnoy navigacii BPLA v usloviyah otsutstviya GPS // Robototehnika i avtonomnye sistemy. – 2023. – №1, tom 170. – S. 28–40, DOI:https://doi.org/10.1016/j.robot.2023.104533.
2. Han M.K., Ulla A. Vliyanie interneta veschey i ego vozdeystvie na bibliotechnye uslugi: obzor // Inverzh-zhurnal social'nyh nauk. – 2024. – №2, tom 3. – S. 63–72, DOI:https://doi.org/10.63544/ijss.v3i2.94. EDN: https://elibrary.ru/TFSVCF
3. Ali B., Sadekov R.N., Codokova V.V. algoritmy navigacii bespilotnyh letatel'nyh apparatov s ispol'zovaniem sistem tehnicheskogo zreniya // Giroskopiya i navigaciya. - 2022. - №4 (119), tom 30. - S. 87-105, DOI:https://doi.org/10.17285/0869-7035.00105. EDN: https://elibrary.ru/ETCJST
4. Li Dzh.Ch., Chen' Ch.Ch., Shen' Ch.T., Lay Yu.Ch. Ocenka masshtaba na osnove orientirov i korrekciya vizual'no-inercial'noy odometrii dlya BPLA vertikal'nogo vzleta i posadki v usloviyah otsutstviya GPS // Sensory. – 2022. – №24, tom 22. – S. 9654, DOI:https://doi.org/10.3390/s22249654.
5. Byvshih D.M., Zelenskaya S.G., Percev Yu.A. Ocenka sostoyaniya nauchno-tehnicheskogo i tehnologicheskogo zadela dlya sozdaniya kompleksov radioelektronnoy bor'by // Modelirovanie sistem i processov. - 2025. - №3, tom 18. - S. 28-40, DOI:https://doi.org/10.12737/2219-0767-2025-18-3-28-40. EDN: https://elibrary.ru/PQWVCV
6. Korsakov M.P., Goncharova E.V., Kurnosov I.A., Zamaraev I.V. Obzor metodov vizual'noy navigacii i algoritmov planirovaniya puti dlya bespilotnyh letatel'nyh apparatov // Glavnyy mehanik. - 2024. - №6 (250), tom 21. - S. 25-33.
7. Stepanov D. N. Metodiki sopostavleniya osobyh tochek v zadache vizual'noy navigacii BPLA // Vestnik Yuzhno-Ural'skogo gosudarstvennogo universiteta. Seriya «Vychislitel'naya matematika i informatika». 2015. T. 4, № 4. S. 32–47. DOI: https://doi.org/10.14529/cmse150402; EDN: https://elibrary.ru/VBYIDR
8. Dzharraya I., Al'-Batati A., Kadri M.B., Abdel'kader M., Ammar A., Bulila U., Kubaa A. Navigaciya bespilotnyh letatel'nyh apparatov v usloviyah otsutstviya GNSS: analiz vychislitel'noy slozhnosti, sliyaniya sensornyh dannyh i metodov lokalizacii // Sputnikovaya navigaciya. – 2025. – №1, tom 6. – S. 9, DOI:https://doi.org/10.1186/s43020-025-00162-z.
