利用惯性测量与气压计实现姿态估计
本文提出利用气压计辅助进行姿态估计，通过气压高度测量提供垂直运动补充信息，增强非线性观测器在SE(3)上的性能。设计了两种观测器：确定性Riccati观测器与互补滤波器级联，保证几乎全局渐近稳定；以及统一框架下基于SO(3)×R2的非线性观测器，保证局部指数稳定。仿真和实际飞行数据验证了该方法在最小感知配置下的有效性和可靠性。
自主飞行器在高加速飞行或全球导航卫星系统（GNSS）信号缺失的情况下，精确且鲁棒的姿态估计面临重大挑战。传统的惯性测量单元（IMU）在区分重力加速度与惯性加速度时存在模糊性，仅依靠IMU无法可靠估计倾斜角。虽然常用的辅助速度传感器如GNSS、皮托管、多普勒雷达或视觉惯性里程计可提供帮助，但这些设备可能不可用、不连续或成本高昂。为此，本文提出一种新型气压计辅助姿态估计架构，利用气压高度测量提供飞行器垂直运动的互补信息，从而增强基于SO(3)的非线性观测器的姿态估计性能。
研究贡献主要体现在两个方面。首先，设计了一种确定性Riccati观测器与互补滤波器级联的方案，在一致可观测性条件下保证几乎全局渐近稳定性，同时保持姿态动力学的几何结构。其次，提出了一种在SO(3)×R2空间上演化的非线性观测器，将IMU测量作为输入，气压计和磁力计测量作为输出，构建统一框架，在放宽的一致可观测性条件下保证局部指数稳定性。
通过对仿真数据和实际飞行数据的验证，结果表明气压计辅助估计方法在最小感知配置下提供了一种轻量级、可靠且有效的互补感知模态，为传统速度测量不可用或降级时提供了实用的替代方案。这一方法对于无人机、自动驾驶汽车等自主系统在复杂环境下的可靠运行具有重要价值。该方法不仅扩展了姿态估计的传感器多样性，还降低了系统对昂贵或易受干扰设备的依赖。未来，这一架构有望集成到更多无GPS环境下的机器人平台中，提升它们在未知或恶劣条件下的导航能力。