Сегодня навигационные системы критически зависят от глобальных спутниковых систем, сигнал которых может быть заглушен или недоступен. Автономной альтернативой выступает ВИНС – визуально-инерциальная навигационная система, которая оценивает положение и ориентацию объекта, сопоставляя данные с акселерометров и датчиков угловой скорости с картинкой, поступающей с бортовой видеокамеры. Сверяясь с визуальными ориентирами в окружающем пространстве, ВИНС способна существенно замедлить накопление ошибок по сравнению с чисто инерциальной навигацией.
Ключевая проблема, возникающая при применении классических рекуррентных алгоритмов обработки информации, таких как фильтр Калмана, в ВИНС, обрабатывающих сотни наблюдаемых ориентиров одновременно, – большой объем вычислений, растущий кубически при добавлении каждого нового признака.
Инженер научно-исследовательской лаборатории «Системы управления летательными аппаратами» ЮУрГУ Николаос Циоплиакис предложил декомпозированный вариант фильтра Калмана, использующий экономное описание корреляционных связей между ориентирами по методу главных компонент. Благодаря этому вычислительная сложность обработки данных снижается до линейной от числа признаков, при этом точность оценок остается практически на уровне классического фильтра Калмана.
В отличие от распространенных «быстрых» решений, работающих в режиме скользящего окна с удержанием ориентира 1– 3 секунды, новый фильтр, предложенный ученым ЮУрГУ, не имеет алгоритмических ограничений по времени отслеживания ориентира.
«Если в поле зрения попадает контрастный ориентир, при рекуррентной фильтрации мы можем извлечь из его обзора максимум полезной информации: уточнить перемещения объекта за время наблюдения ориентира, а не только за последние, например, 3 секунды, как в оконных методах. Это существенно повышает точность системы в сценариях, допускающих длительный обзор признаков», – пояснил Николаос.
Также при работе над алгоритмом большое внимание было уделено вопросам его состоятельности, адекватности математических моделей ВИНС. Были получены модели, улучшающие работу ВИНС в условиях большой начальной неопределенности по положению и курсу.
Алгоритм «обкатан» в ходе мультидисциплинарного проекта ЮУрГУ по созданию стенда-демонстратора многокамерного ЖРД (жидкостного ракетного двигателя – прим. ред.) с центральным телом на этапе посадки. Проект демонстратора многодвигательной установки – уникальная разработка ученых ЮУрГУ, демонстрирующая реализуемость технологии точной посадки. Проектом руководит профессор, доктор технических наук, Президент ЮУрГУ Александр Шестаков.
В ходе экспериментов разработка обеспечила определение параметров движения с погрешностью менее 10 сантиметров. Важно, что система способна использовать в качестве ориентиров как искусственные маркеры типа Aruco, так и естественные, контрастные деталям среды, например, элементы рельефа, не требуя для последних априорной информации о положении (карты). Именно использование естественных ориентиров делает навигацию автономной и не требующей подготовки специальной площадки.
Результаты исследования были представлены Николаоcом Циоплиакисом на трех конференциях: XXVII и XXVIII конференциях молодых ученых «Навигация и управление движением», а также на XXXII Санкт-Петербургской международной конференции по интегрированным навигационным системам. Доклад 2026 года «Состоятельность быстрого рекуррентного фильтра для монокулярной ВИНС» был удостоен диплома II степени.
Работа над алгоритмами обработки информации в ВИНС ляжет в основу кандидатской диссертации Николаоcа Циоплиакиса. Исследование уже спровоцировало научную дискуссию и способствует укреплению научных связей между коллективами ЮУрГУ и ведущей в стране школой инерциальной навигации (ИТМО/ЦНИИ «Электроприбор», г. Санкт-Петербург). По итогам обсуждений в рецензируемом журнале «Гироскопия и навигация» (ВАК) вышла статья «Быстрый блочный фильтр Калмана для задач визуально-инерциальной навигации», а ее переводная версия готовится к публикации в издании, индексируемом в Scopus (Q2).
В перспективе предложенные алгоритмы могут найти применение в бортовых системах беспилотных летательных аппаратов и автономных мобильных роботов, работающих там, где сигнал GPS недоступен.