激光SLAM移动机器人室内定位研究

针对目前室内移动导航定位精度低和累积误差大的问题，提出了一种激光雷达（LiDAR）和惯性测量单元（IMU）相融合的导航定位系统。首先，该方法是从LiDAR扫描测量中提取环境特征和构建地图，然后，由IMU采集的姿态信息通过卡尔曼滤波，补偿由于LiDAR扫描引起的位置和姿态输出的误差，以提高机器人移动的定位精度。试验结果表明，该方法可以提高室内移动机器人定位和构建地图的精度和稳健性。     

一种LiDAR平面配准方法辅助的IMU室内定位算法

室内环境由于缺乏观测条件,无法使用全球导航卫星系统(global navigation satellite system,GNSS)进行定位,而单独惯性导航系统(inertial navigation system,INS)由于传感器的误差累积,定位结果快速偏移且无法受到限制.因此,针对室内未知环境下移动背包的定位问题,提出激光雷达(light detection and ranging,LiDAR)与惯性测量单元(iner?tial measurement unit,IMU)的组合导航系统,使用LiDAR平面配准获得的载体速度作为扩展卡尔曼滤波器观测量,对IMU位姿推算的误差进行修正.结果表明,该方法可以有效控制惯性导航误差的漂移,从而提高室内定位精度.     

GNSS失锁状态下车载移动扫描系统的点云数据精度分析

随着高精度动态定位定姿技术、数字传感器技术、近景摄影测量技术及自动控制技术的飞速发展和集成融合,地面移动数据快速采集成为可能,从而产生新的移动数据采集设备--车载激光扫描系统。车载激光扫描系统的姿态和位置主要依靠GNSS+IMU,当移动测量设备在城市里或强电磁场附近采集数据时,会遇到GNSS偶然失锁的可能,进而影响移动测量设备局部采集数据的精度。本文从宏观上设计了移动测量设备的失锁试验,并分析对比试验数据,得出了失锁状态下移动测量设备的数据精度随时间的变化规律。     

超紧组合中不同精度IMU对GNSS信号跟踪性能的提升

详细推导了惯性测量单元(IMU)精度与全球导航卫星系统(GNSS)接收机信号跟踪环路误差之间的数学模型,分析了IMU辅助的高动态载波跟踪环路误差精度,比较了不同精度IMU辅助GNSS信号捕获性能,证明了分析推导的正确性和合理性,指出了惯性卫星超紧组合导航系统对IMU的精度要求。     

隧道移动三维扫描点云纠正的控制方案研究

随着城市的发展,交通拥堵、地表空间匮乏促使地下空间的开发利用快速发展.地下空间三维信息的采集、处理、建模、管理需求促使三维激光扫描应用向地下空间延伸.移动三维扫描系统通过GNSS实时定位、IMU惯导系统定姿解算每个时刻扫描仪的位置和姿态,进而得到准确的三维点云数据,在GNSS完全失锁时,还需进行标靶纠正.对隧道内控制标靶布设方案进行了研究,通过纠正IMU的漂移和位置偏差,得到高精度点云数据.     

GNSS/INS组合导航系统初始对准及其故障修复研究

正全球卫星导航系统可在无遮蔽环境中为用户提供高精度、低频率的导航定位服务,但在复杂环境中,GNSS信号易被遮挡或干扰。惯性导航系统经过初始化后,能够独立自主提供高频率、连续的位置、速度和姿态信息。通过二者合理结合,能够在遮蔽或半遮蔽环境中为用户提供连续且可靠的导航解。本文重点研究了GNSS/INS组合导航系统初始化及其故障修复方法,内容包括高精度惯导快速自对准技术、大失准角故障处理、磁力计辅助MEMS IMU抗差自适应姿态融合、神经网络辅助GNSS/INS组合导航系统故障识别与修复和惯导辅助BDS三频周跳探测与修复技术等,主要研究成果如下:     

LiDAR标签和栅格占有图结合的LiDAR/IMU空间标定方法

LiDAR和惯性测量单元(inertial measurement unit, IMU)在智能汽车获得了广泛的应用,比如高精度地图构建、车辆实时定位等。两种传感器进行组合测量时,需要知道两者之间的空间关系,包括空间旋转和平移参数。本文提出了一种基于LiDAR标签的自动化LiDAR/IMU空间标定方法。首先分析了LiDAR/IMU标定参数对LiDAR点云拼接的影响,证明了当车辆近似直线运动时,使用概略标定参数即可利用IMU的姿态信息将LiDAR点云转换到轴向近乎一致的坐标系。基于该结论,提出了一种基于IMU姿态约束的LiDAR栅格占有图构建方法,构建高相对精度的点云地图与LiDAR标签的点云进行地图匹配,获得LiDAR标签在图中的位置,相对于单点云帧互匹配方法,提高标签点云匹配的精度和可靠性。然后基于LiDAR标签的已知高精度位置,采用非线性优化方法解算栅格占有图与LiDAR标签的空间转换关系,进而求解LiDAR/IMU的空间标定参数。试验结果表明,利用本文方法获得的标定参数构建的点云地图,可实现厘米级的绝对位置精度,验证了本文方法的正确性和可行性。     

基于联邦滤波进行立体相机/IMU/里程计运动平台组合导航定位

在无GPS信号的受限环境中,基于序列立体影像的运动平台视觉定位精度较高,能够改正航迹推算方法的误差累积,但在纹理贫乏或光照不足的环境下容易定位失败。为提高受限环境下运动平台定位的精度与稳健性,提出一种基于联邦滤波的立体相机、惯性测量单元（inertial measurement unit,IMU）及里程计组合导航方法。该方法在联邦滤波中利用IMU分别同里程计与立体相机构成子滤波器,有效避免立体视觉定位失效而导致的系统定位失败,提高了定位稳健性。地下巷道实验结果证明,所提方法能有效提高运动平台导航定位的精度,并且在立体视觉定位失效的情况下仍能实现连续定位。     

新型组合导航定位技术在机场抢建中的应用

在机场抢修抢建中,对测量系统的作业时间、定位精度、可靠性具有较高的要求,本文提出了一种新型高精度IMU/TS组合定位导航方法,引入激光跟踪定位/惯性组合导航理念,分析了系统组成以及各传感器的误差项,将系统时间延迟作为新的状态估计参数,采用卡尔曼滤波器将IMU和TS数据进行数据融合处理,并在车载动态应用条件下同IMU/GPS组合定位导航系统进行了实验数据比对,验证了在无GNSS信号环境下IMU/TS组合定位导航系统的位置测量精度。     

双目视觉辅助GNSS在恶劣环境下导航定位

视觉里程计能够在复杂环境下提供短时间的高精度导航定位,全球卫星导航系统（GNSS）具有全天候、全球性和误差不随时间积累的特性,但是在恶劣环境多路径效应下,GNSS定位精度会变差甚至不可用. 为了研究在复杂环境下视觉里程计辅助GNSS导航定位技术,首先介绍了视觉里程计的导航定位原理;然后在卡尔曼滤波器中将GNSS定位结果和视觉里程计定位结果进行了松组合处理;并利用视觉里程计定位结果和预测的视觉里程计误差实现了GNSS在恶劣环境下的导航定位. 基于KITTI数据集的模拟验证结果表明,设计的组合方案能够在恶劣环境下持续提供可靠的导航定位.      

复杂环境下智能手机RTK+PDR融合定位

针对室外复杂环境下智能手机定位精度低、抗干扰能力不足的问题,本文利用手机GNSS观测值和手机内置IMU数据,采用RTK和PDR算法融合定位,对比分析了小米8和华为Mate20X两款手机的GNSS数据质量和融合定位算法性能,以及不同观测条件下融合算法的定位精度和稳定性。试验结果表明,在良好和复杂两种观测条件下,采用RTK算法定位精度分别为1.8 m和4.6 m;采用RTK+PDR融合算法定位精度分别为1.2 m和2.6 m,在两种环境下,RTK+PDR融合算法的精度分别提高了50%和76%,即显著提高了智能手机在室外复杂环境下的定位精度。     

低轨导航增强GNSS发展综述

低轨星座具有地面接收信号强度高、几何图形变化快的优势，能够与中高轨GNSS星座形成互补，对增强GNSS的精度、完好性、连续性和可用性具有显著优势，已成为当前卫星导航领域的关注热点。本文首先简要介绍了现有的GNSS增强系统；总结了国内外低轨导航增强星座发展现状；针对低轨导航增强，对比分析了高中低轨导航星座的优缺点；重点讨论了低轨导航增强在联合定轨、快速精密定位、空间天气监测和室内定位等方面带来的机遇；分析指出了低轨导航增强的空间段、地面段和用户段所面临的挑战。     

城市场景智能手机GNSS/MEMS融合车载高精度定位

智能手机凭借其普遍性、便携性和低成本等优势,已成为大众用户导航与位置服务的主流终端载体,其多频多系统GNSS（global navigation satellite system）观测值的开放进一步激发了手机高精度定位的研究。然而,受限于消费级GNSS器件性能,手机卫星观测值呈现出信号衰减严重、伪距噪声大、粗差周跳多等问题;并且受城市复杂环境影响,手机GNSS定位的连续性、可靠性也难以保证。提出一种城市场景手机GNSS/ MEMS（micro-electro mechanical system）融合的车载高精度定位方案。首先,构建了速度约束的GNSS差分定位模型;然后,通过手机内置MEMS与车辆运动约束,在挑战环境下进行GNSS/MEMS融合精密定位。实验结果表明,在开阔和树荫场景下,速度约束方法可达到分米至米级定位精度,相比于常规方法分别提升了35.2%和78.9%;在高架场景下,GNSS/MEMS融合定位的精度和连续性均提升显著;在隧道场景下,MEMS推算位置累积误差约为2.5%。实验结果初步表明,手机GNSS具备开阔环境下的车道级定位能力,手机GNSS/MEMS融合可提升城市复杂环境下车载定位的精度和连续可用性。     

Improved GNSS-based indoor positioning algorithm for mobile devices

GPS Solutions - The widespread use of global navigation satellite system (GNSS) receiver in mobile devices induces the adoption of effective GNSS-based indoor positioning algorithms exploiting...     

Heron移动背包三维激光扫描系统在1∶500大比例尺测图中的精度评价及效率分析

近两年基于SLAM、点云配准的背包式三维激光扫描仪发展迅猛。不同于基于GNSS的移动扫描测量系统,该类设备可在复杂环境中便捷地获取目标的三维点云数据。本文利用基于IMU结合点云配准算法定位方式的Heron移动背包三维激光扫描系统,进行1∶500大比例尺测图生产试验,并对其精度进行评价,对其效率进行分析统计。结果表明,该移动背包三维激光扫描系统在大比例尺测图中的精度和效率均不亚于传统测量手段,未来发展前景广阔。     

一种基于加表零偏稳定性的GNSS/SINS组合导航异常探测方法

在地面车载组合导航中,全球导航卫星系统（global navigation satellite system,GNSS）的观测值容易受地面复杂环境的干扰,导致其定位结果出现异常,严重影响GNSS/捷联惯性导航系统（strap-down inertial navigation system,SINS）组合的滤波解算。从惯导系统误差特性的角度,研究了一种基于加表零偏稳定性的组合导航异常探测新方法。该方法从加表零偏解算的异常来发现GNSS位置、速度等观测值中的粗差,并采取剔除和降权的抗差方法抵御粗差影响。通过一组车载数据的分析表明,观测粗差对加表零偏解算的影响十分显著,以此为判别条件能够准确地发现观测粗差。采用该方法后,位置误差、速度误差和姿态误差的均方根分别减小了70.8%、87.9%和77.7%,显著提高了组合导航的解算精度和鲁棒性,为组合导航数据的抗差处理提供了一种新思路。     

LiDAR地图匹配与二维码融合的AGV室内定位与导航

自动导引机器人（AGV）室内定位的方法多样,激光雷达匹配定位是其主要手段之一,但在环境特征少的区域,因缺乏约束会导致匹配错误。针对这一问题,本文提出了一种LiDAR和二维码地标组合导航方法,并利用turtlebot3在室内走廊环境下进行了模拟试验。结果表明,纯激光匹配导航平均误差为11.5 cm,采用与二维码结合的导航方法能将平均误差控制在2 cm内。该方法能够实现AGV在环境特征单一场景下精准定位与导航,提高了其对工作环境的适应能力和可靠性。     

一种GNSS/视觉观测紧组合导航定位算法研究

全球卫星导航系统(GNSS)在弱信号环境下,GNSS信号易受到遮挡或者电磁干扰,严重影响导航定位的可靠性、连续性和精度. 针对此问题,本文作者研究了一种GNSS和视觉观测紧组合导航定位方法. 首先基于相机采集图像数据,利用ORB-SLAM2开源平台求解得到视觉位置结果增量,再联合GNSS伪距观测数据采用卡尔曼滤波(KF)进行组合定位解算. 采用实测的GNSS伪距观测数据和图像数据进行测试,试验结果表明:该算法不仅能有效地提升GNSS弱信号环境下导航定位的连续性和精度,还能在卫星数少于4颗时保持持续导航定位.