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。     

室内环境下立体视觉惯导融合定位

针对室内服务机器人在居家环境下导航定位问题,本文研究了紧耦合非线性优化的立体视觉惯性融合导航方法。本文采用预积分、边缘化、滑动窗口优化等关键技术,提出了一种稳健的视觉惯性导航系统初始化方法。运用于室内家庭服务机器人中,设计并实现了对应的视觉惯性融合导航系统。在搭建的模拟居家环境下,验证了本文系统的初始化方法能够提供稳健、准确的系统初值;最后通过试验验证了本文定位系统的准确性与稳定性,定位误差可控制在0.1 m以内。     

融合可视与不可视地标的行人相对定位方法

充分考虑不同数据源在变化场景下的数据差异性和行人在导航定位服务中的空间认知习惯,提出了一种融合可视地标与不可视地标的行人相对定位方法。利用基于传感器复合证据理论的方法构建目标路径的不可视地标(如磁场变化、WiFi更新等),检测GoPro Fusion设备获取的全景影像中的视觉显著的可视地标及其与采样点间的相对空间方位属性;根据行人实时获取的传感器数据和地标方位信息分别推估行人在目标路径中可能停留的路段区域;采用贝叶斯概率融合方法融合可视地标与不可视地标数据进行行人定位结果推估。实验结果表明,融合多源数据可以解决单一场景下行人定位精度不足的问题。在传感器特征较少的单一场景下,与基于不可视地标的行人定位方法相比,该方法的精度提升了12.78%。     

室内定位导航地图一体化设计

室内定位导航电子地图是室内位置服务的基础,为地图使用者提供定位和导航路径信息。本文在分析室内地图数据特点的基础上,提出了三维与二维地图一体化表达与导航的策略,结合二维平面视图、三维透视图、三维网络数据集、路径分析等技术,实现了多层室内停车场的定位导航功能,是对室内地图表达的一次全新尝试。     

基于智能手机的粒子滤波室内融合定位方法

室内定位需求急剧增加,普及的智能手机带来了解决问题的一种方法。本文提出了一种基于智能手机的粒子滤波室内融合定位方法。利用三轴加速计和三轴罗盘等微机电系统(micro-electromechinical system, MEMS)传感器数据估计目标的运动状态信息,利用WiFi数据更新运动状态,实现融合定位。室内动态环境下实验结果表明,融合定位方法平均定位误差小于2 m,其有效利用智能手机平台获取多种传感器数据,很好地结合了行人航迹推算方法和K加权最近邻方法的优势,在定位精度和稳健性方面均有良好表现。     

基于Android的室内外无缝导航系统在大型商场中的应用

随着社会的进步,人们对于位置信息服务的需求越发强烈,普通的室外定位导航已经不能满足人们的出行需求,迫切需要一种安全可靠的室内外导航服务,特别是在大型的超市、商场、停车场、机场等公共场所,将室外和室内定位导航技术相结合,可以更好地为人们提供位置和导航服务,提高人们的出行效率.本文基于An-droid平台,以采集的实验区室内数据建库,利用高德地图SDK设计并实现了室内外定位导航应用,该应用实现了地图浏览、室内定位、室外定位、室内查询、室外查询、室内路径规划、室外路径规划、室内外路径规划等多种功能,方便了人们出行.     

视觉惯导紧耦合的行人室内自主定位方法

针对行人在大型复杂建筑环境中的高精度和高可靠性室内定位需求,传统的基于视觉点特征方法易受环境纹理缺失、相机快速运动导致图像模糊而定位失效问题,提出了一种基于视觉点线特征与IMU紧耦合的行人室内 自主定位方法.在视觉惯导融合导航系统框架下,前端部分,在点特征基础上引入结构化建筑环境中丰富的线特征,并采取基于梯度密度过滤机制的改进线特征提取策略,剔除局部线特征密集区域;利用点线特征与IMU紧耦合优化机制提高行人位姿估计及定位的准确性和稳定性.通过利用EuRoC数据集和在实际楼道场景下的实验,特别是在弱纹理、光照变化等条件下实验,验证了所提方法进行行人室内定位的准确性和可行性.     

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.      

手机视觉与惯性融合的松耦合滤波算法

在智能手机和互联网的普及状态下,对高精度定位技术的需求也更加显著,精确定位服务已渗透到各个领域,如物联网、无人驾驶、机器快递员、应急救援等。在室外环境下,这些服务大多由全球卫星导航系统提供;然而,在深山丛林、矿井隧道、地下室等室内环境下,由于信号衰减及多径效应的影响,GPS无法正常工作。本文针对一些特殊的室内场景,研究了基于松耦合滤波的视觉惯性融合导航方法,设计了一个面向智能手机平台的室内行人定位系统。该方法视觉前端采用了快速、稳健的稀疏直接法,后端采用了扩展卡尔曼滤波器来融合惯性信息,能够有效融合视觉和惯性信息,达到恢复单目视觉尺度、提高稳健性的效果,实现了高精度的室内行人定位。     

基于粗时段导航与RAIM算法的A-GNSS室内定位

针对GNSS接收机在室内环境中面临的强烈的信号衰减、非视距传播和互相关效应的问题,提出了一种基于粗时段导航和RAIM算法解决A-GNSS室内定位问题的方法,并利用BDS数据验证了该方法的可靠性。结果表明,粗时段导航算法能够提供连续可靠的定位结果,应用于微弱信号环境;基于组合FDE的RAIM算法能够增加定位结果可用率,解决室内卫星信号存在的非视距传播和互相关效应的问题。基于粗时段导航与RAIM算法的A-GNSS定位技术能够应用于室内定位,仿真定位结果水平方向RMS在10 m以内。     

基于SLAM/UWB的室内融合定位算法研究

精确且稳定的自主定位是移动机器人在室内环境下实现自主导航的前提,针对室内定位中视觉即时定位与地图构建(SLAM)存在的累计误差以及环境因素导致超宽带(UWB)定位精度下降的问题,提出一种基于SLAM/UWB的室内融合定位算法. 首先该算法以扩展卡尔曼滤波(EKF)为基础,将UWB的全局定位坐标和视觉SLAM位移增量进行融合,但考虑到测量噪声易受复杂环境影响,引入阈值检测和自适应测量噪声估计器,以抑制异常值和时变测量噪声对滤波器性能的影响,最后使用智能移动小车在不同的室内场地下进行实验. 实验表明:该算法优于单一的UWB或者视觉SLAM定位方式,并且在复杂室内环境下比传统EKF算法拥有更稳定的定位效果.      

面向配网带电作业机器人的激光雷达与视觉系统融合定位

为提高配网带电作业机器人在开展带电作业时对导线的识别与定位的准确性,本文提出了一种基于单线激光雷达传感器与视觉系统融合的定位方法,获取导线的空间三维坐标.并通过研究多传感器在户外强光环境下的工作特点,提出了基于激光雷达深度信息与图像信息的多传感器融合算法.首先利用激光雷达与相机事先进行像素级标定,使图像像素与激光雷达深...     

基于智能手机传感器的室内行人三维定位算法

针对室内行人定位中累积误差发散及高程值缺失的问题,提出了一种基于智能手机传感器(磁力计、加速度计、陀螺仪和气压计)的室内行人三维定位算法。该算法在使用行人航位推算获得二维定位信息的基础上,融合多传感器输出解算行人方位角,结合电子罗盘提出加权方位角以提高解算精度;通过传感器输出检测行人行为状态,结合虚拟地标点图层及其匹配算法,将行人的位置匹配到相应的特殊位置,重置行人初始位置以消除累积误差;使用基于气压计的差分气压测高法求解行人的高程值,从而获得行人三维定位信息。在智能手机上进行实验,结果表明,该算法不仅能够提供准确、连续的二维定位信息,还能提高行人对楼层的分辨力,可为室内行人导航、跟踪等基于位置服务提供有效的定位信息。     

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.      

无源室内定位导航技术服务平台设计与应用

针对目前室内导航技术和服务,分析了室内定位服务应用的局限性和现实需求。基于当前室内定位技术,以及公众对室内定位导航使用习惯,提出对室内定位技术有效补充的新思路和方法,并从应用的实现性,探讨了空间数据获取的快速性和便捷性,以及各类技术的集成方法和手段,通过建立基于无源定位导航技术的服务性平台,全面提升对便民的导览服务水平,以此证明本项研究的可行性和应用意义。     

室内三维定位分类、方法、技术综述

室内三维技术是辅助室内人员快速定位导航、商业人员对室内业务统计分析决策、应急救援力量快速实施救援的重要手段.近年来,室外定位、导航、路径规划、可视化分析等技术已发展成熟,而室内位置服务需求(定位、导航、路径规划)正处于初始发展阶段.为快速推进室内三维技术发展,本文对目前市面上应用集中的几种室内三维定位技术方法进行了归纳和探讨,介绍了从不同角度对室内三维定位进行分类,各定位技术的原理和方法,以及基于室内三维原理与方法衍生出的主流室内定位技术,对比分析各定位技术的优缺点及在室内三维中的应用,总结了目前室内三维定位技术存在的问题与未来的研究方向.     

基于B/S的室内地图信息系统研发

随着定位、导航和可视化技术的发展,位置服务已深入人们的生活,定位导航技术逐步由室外转向室内。目前,室外定位导航技术的发展已相当成熟,但是由于建筑数据量巨大、内部结构复杂,以及GPS定位在室内的局限性,影响了室内定位服务的发展。建筑场所的复杂化催生了人们对室内地图的需求,促进了室内地图服务技术的发展。当前的室内地图系统多数基于传统的关系型数据库,具有潜在的运行不稳定、数据量小、数据更新和优化困难等问题,急需一个高效的数据库来存储这种海量、多样性的室内地图数据。本文基于MongoDB数据存储方案,设计实现了基于B/S的室内地图服务系统。系统实现了MongoDB数据库结构设计以及相关地图操作,包括地理空间数据的入库与展示、数据查询、用户管理等功能。同时,系统基于Cesium加载并显示三维数据模型,基于MongoDB的图形绘制功能进行室内地图的展示,并实现三维大场景到室内地图的切换功能。     

基于图优化的紧耦合双目视觉/惯性/激光雷达SLAM方法

基于单一传感器的同时定位与地图构建技术已经逐渐不能满足移动机器人、无人机及自动驾驶车辆等智能移动载体日益复杂的应用场景。为了进一步提升移动载体在复杂环境下的定位与建图性能,基于多传感器融合的SLAM技术成为目前研究的热点内容。本文提出了一种基于图优化的紧耦合双目视觉/惯性/激光雷达SLAM方法(S-VIL SLAM),该方法在视觉惯性系统中引入激光雷达原始观测,基于滑动窗口实现了IMU量测、视觉特征及激光点云特征的多源数据联合非线性优化。利用视觉与激光雷达的互补特性设计了视觉增强的激光雷达闭环优化算法,进一步提升了多源融合SLAM系统的全局定位与建图精度。为了验证本文算法的性能,利用自主搭建的集成多传感器的硬件采集平台在室外场景下进行了车载试验。试验结果表明,本文提出的紧耦合双目视觉/惯性/激光雷达里程计相比于紧耦合双目视觉惯性里程计和激光雷达里程计定位定姿性能显著提升,视觉增强的激光雷达闭环优化算法能够在大尺度场景下有效探测出轨迹中的闭环信息,并实现高精度的全局位姿图优化,经过闭环优化的点云地图具有良好的分辨率和全局一致性。     

基于众源数据的室内外一体化行人路网构建

行人路网的完整性和准确性是保障步行导航服务的关键。当前的行人路网大多是基于室外道路设施构建的,缺乏室内可步行路径的数据支持,无法在导航应用中提供准确、真实的最优路径规划服务。鉴于此,本文提出了一种基于众源数据的室内外一体化行人路网构建方法,采用智能手机定位传感器与惯性传感器记录的众源轨迹,首先对缺失或者漂移的室内步行数据进行筛选,然后使用改进的行人航位推算(PDR)方法推算出准确的室内轨迹,进而采用莫尔斯理论生成涵盖室内外行人路径的完整行人路网。试验分析中对搜集到的260条步行轨迹数据进行行人路网构建,并使用高精度测量设备采集真实路网数据进行对比分析,结合OSM数据对试验结果进行综合评价。试验结果表明,本文方法能够准确、完整地生成室内外一体化行人路网。     

基于卡尔曼滤波的Wi-Fi/PDR融合室内定位方法研究

当前智能手机大多集成了多种传感器,组合多种传感器数据进行室内定位已成为研究热点。本文针对传统的Wi-Fi位置指纹室内定位精度不高的问题,提出了一种基于卡尔曼滤波结合行人航位推算的融合定位方法,经测试,融合定位方法的平均定位精度为3.1 m,较单独Wi-Fi指纹定位精度提升了43%。同时针对PDR步数检测不准确的问题,本文提出了基于低通滤波和阈值滤波的组合滤波方法,将计步准确率提高至99%,对于不同的应用场景具有较强的适应性。