面向LiDAR/Radar松组合的迭代加权IEKF-BP组合算法精度分析

为了验证目前高精度定位中多传感器组合定位模型性能的优越性,以更好地解决自动驾驶场景下自主定位中出现的预测精度标准不一致、预测不及时及误预测率高等问题,本文利用LiDAR与Radar数据,建立了一种基于迭代加权的IEKF-BP组合算法的松组合模型,并对两种传感器组合定位结果精度进行了分析。试验表明,迭代加权的IEKF-BP组合算法的组合结果精度优于单一的IEKF算法和BP神经网络算法组合定位精度,其中,在X、Y方向上的均方根误差分别为0.028、0.028 m,平均误差分别为0.023、0.014 m,能准确反映载体的运动状态,满足未来无人驾驶中定位需求。     

顾及多动态环境因子的滑坡演化规律研究——以西宁市9大滑坡区为例

本文利用2018—2022年103景Sentinel-1A数据,采用SBAS-InSAR方法,获得了西宁市坡向沉降信息,研究西宁市滑坡区坡向沉降的趋势特征及其同区域内如植被覆盖、降水等因素之间存在的耦合关系。结果表明,西宁市滑坡区的沉降趋势呈现出坡向分异的特征,具体表现为阳坡沉降速率大于阴坡沉降速率。根据这一沉降变化特性,本文分析得出更深层次的特征机制：(1)植被覆盖度越低,滑坡形变速率越高;(2)降水量可能导致特征点的形变量短期上升,但总体仍呈下降状态;(3)地物威胁主要来自阳坡,坡度越高区域往往是滑坡区速率最大的地方。为此,未来西宁市滑坡的注意力应该更倾向于西南坡方向,提高本区域滑坡监测与预警的警觉性。