一种组合导航的直接法滤波算法

提出了一种基于直接法无迹卡尔曼粒子滤波的组合导航系统滤波方法。以惯性导航系统参数和平台误差角作为系统状态,惯导力学编排方程及姿态误差方程作为系统状态方程,卫星导航接收机输出的导航信息作为观测值,采用粒子滤波方法对导航参数进行估计。仿真结果表明,无迹卡尔曼粒子滤波算法可简化滤波参数的调整过程,有效地解决了系统非线性复杂性问题、简化了滤波过程并提高了定位精度。     

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.      

融合惯导信息的单目视觉室内定位方法

针对单目视觉定位方法定位精度高但数据源不稳定,而惯性测量组件可稳定获取定位数据却存在累计误差的问题,提出了一种融合惯导信息的单目视觉室内定位方法.该方法利用四参数拟合模型将图像数据转换成定位定姿数据,并在惯导数据解算过程中引入互补滤波修正陀螺仪读数,最后将处理后的数据作为观测值输入到扩展卡尔曼滤波器中,得到最优位置信息.实验结果表明,该方法能够有效地提高室内定位的精度和稳定性.     

基于紧耦合的视觉惯性定位方法

惯性测量单元(IMU)受自身温度、零偏、振动等因素干扰,积分时位姿容易发散,并且机器人快速移动时,单目视觉定位精度较差,为此研究了一种基于紧耦合的视觉惯性即时定位与地图构建(SLAM)方法.首先研究了视觉里程计(VO)定位问题,为减少特征点的误匹配,采用基于快速特征点提取和描述的算法(ORB)特征点的提取方法.然后构建...     

融合深度学习与几何算法的单目视觉里程计方法

针对传统单目视觉里程计缺少深度信息,导致大规模尺度漂移的问题,该文提出了一种融合无监督深度学习与几何算法的视觉里程计方法。在单目深度2(Monodepth2)网络的基础上,提出了深度及姿态一致性损失,引入改进的通道-空间注意力模块,解决了自监督联合深度姿态学习中尺度不一致的问题;从密集光流中提取精确的稀疏匹配,通过求解本质矩阵来恢复相对姿态,使其不依赖于姿态网络(PoseNet),具有更好的鲁棒性。在KITTI数据集上进行实验,结果表明,该文提出的方法相比传统几何方法和端到端的深度学习方法,在多项评估指标方面有明显提升,验证了该算法的有效性。     

一种基于分步式滤波的多传感器组合导航系统算法研究

提出了一种多传感器组合导航系统的分步滤波算法。当所有传感器的观测值到来时,首先对该时刻的系统状态进行预测,然后利用常规卡尔曼滤波器和各导航传感器的观测值依次对该时刻的状态向量估计值进行更新,进而得到该时刻状态向量基于全局信息的最优融合估计。最后利用GPS/SST/高度表/SINS多组合导航系统对上述算法进行验证。仿真结果表明,该算法与集中式卡尔曼滤波算法的估计精度相同,但计算量得到降低。     

扩展卡尔曼滤波与粒子滤波性能对比

在非线性滤波方法中,粒子滤波以其精度均匀且不受模型复杂程度的影响而受到广泛关注。与传统的非线性滤波方法-扩展卡尔曼滤波相比,粒子滤波有着无可替代的优势,但也存在着一些缺陷。本文对这两种非线性滤波算法分别用MATLAB和VC++编程进行模拟仿真,并进行了一系列的比较,从算法原理、计算精度和稳定性、计算速度等方面说明了各自的优缺点和具体的差别。试验结果表明,粒子滤波计算消耗的时间远远大于扩展卡尔曼滤波消耗的时间,并且粒子滤波计算时间随粒子数的增加呈近似级数增长。     

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Kalman滤波的动力学模型误差估计算法

本文分析介绍了模型误差对滤波解和预报残差影响的表达式.随后,针对GPS/INS松组合导航系统观测信息无冗余的情况,给出了基于Kalman滤波的动力学模型误差估计算法.最后利用一个车载实测数据证明了算法的有效性.     

GPS/INS松组合与紧组合的实现与定位精度比较

GPS/INS组合导航技术包括两种组合模式:松组合与紧组合.在此分别给出了两种组合模式的算法,编程实现了GPS/INS松组合、紧组合两种组合导航的算法,并在此基础上根据车载组合导航的实测数据,对定位精度进行了比较分析,得出紧组合相比于松组合能够获得更好的定位精度.     

扩展卡尔曼滤波的安卓手机定位算法研究

随着手机定位的应用越来越多,目前市场中许多APP(Application)都会用到定位功能.但多数APP使用传统的定位算法,不能满足人们实时获取高精度地理位置信息的需求.现阶段对于手机的全球定位系统(GPS)芯片原始数据定位方法的研究较少,因此本文主要对利用手机GPS原始数据定位的可行性及定位算法进行了研究.利用Android 7.0系统提供的应用程序接口获取GPS芯片的原始数据参数,根据手机实用场景的速度特征,分别设计并实现了针对于静态场景的静态卡尔曼滤波和针对低速场景的动态卡尔曼滤波定位算法.通过静态实验以及电动车实验和步行实验的结果表明:与传统的定位算法相比,本文设计的静态卡尔曼滤波和动态卡尔曼滤波定位算法拥有更好的定位结果,更加接近实际行走路线,证明了利用手机GPS原始数据定位的可行性,同时也证明了设计的卡尔曼滤波算法可以提高定位精度,论文的研究结果为实现静态与动态的高精度手机定位算法提供了理论依据.     

适合于AR应用的姿态、位置综合测量系统

本文分析了AR技术的发展需求,提出适合于AR智能导航的姿态、位置综合测量系统.该系统由双频GPS接收机、陀螺仪和车辆里程计组合,采用卡尔曼滤波方法实现位置姿态测量.文章估计了滤波器实时为动态AR智能导航系统输出的位置姿态信息的精度.并通过实验验证了系统的可靠性、适用性和稳定性.     

多基线合成孔径雷达干涉相位估计方法探讨

针对多基线SAR干涉相位展开方法精度与效率之间难以兼顾的问题,文章提出一种高效稳健的相位展开方法:利用基于修正矩阵束模型的联合相位梯度估计技术快速和精确地从较短基线干涉图获取长基线干涉相位梯度,以增加算法的精度和效率;建立基于干涉图相干系数(或伪相干系数)以及相位微分偏差的相位质量图指导展开路径,以保证沿最优路径展开长基线干涉像元,有利于降低误差传递效应,提高相位展开精度;引入量化跟踪策略,减s少搜索最佳展开路径所消耗的时间,提高方法效率。仿真数据处理结果表明此方法具有精度及效率较高、稳健性较强的特点。     

A Loose Coupling Technique for Integrating GIS and Multi-Criteria Decision Making

Spatial decision making is characterized by problems associated with multiple and conflicting alternatives relating to geographical features and their attributes. As such, the search for the best possible alternative from a large set of such alternatives can be a daunting task. The aim of integrating GIS with Multi‐Criteria Decision Making (MCDM) is to develop a well‐defined process that can scan through such extensive fields of choice to arrive at the best possible solution. Goal Programming is one tool (developed in conjunction with MCDM) that can handle a problem with multiple, conflicting and incommensurable alternatives, and this article explains how the loose coupling technique can integrate MCDM with GIS to assist decision making among competing alternatives. As an example, this methodology has been applied for community development purposes in the Hooghly District of West Bengal, India.     

传感器位置条件的自适应卡尔曼滤波及其应用

当多个传感器安装于同一载体之上,构成组合导航系统时,必然存在位置约束关系,当定位传感器等于或多于三个时,会产生多个这样的关系。利用这些条件,采用传统的约束滤波算法可以提高组合定位系统的整体精度,但有时也会造成高精度传感器的精度损失。本文中将这些位置约束条件看作观测量,通过设计适当的权矩阵,并结合自适应卡尔曼滤波算法,提出了一种用于提高传感器滤波精度的方法,并和传统的约束滤波算法进行了比较。仿真计算表明:在各传感器精度相当时,该算法可以提高各个传感器的精度,并和传统的约束滤波算法等效;当各传感器精度不同时,该算法仍然可以提高高精度传感器的滤波精度或保证高精度传感器的滤波精度不受损失。     

GPS导航解算中几种非线性Kalman滤波的理论分析与比较

GPS导航解算中常采用离散线性Kalman滤波模型.由于线性化忽略高次项,加之线性化受初始值精度的影响,导致线性化模型精度很难满足高动态用户需求.为此,分别讨论了扩展Kalman滤波和Bancroft算法以及利用观测信息迭代精化观测方程三种算法,并结合算例进行了比较与分析.     

基于SINS／GPS的无人机组合导航系统建模与仿真

根据无人机的飞行特点以及SINS(捷联惯导)和GPS(全球定位系统)的优缺点,利用轨迹发生器设计无人机的飞行轨迹,建立基于SINS/GPS的无人机组合导航系统,依据卡尔曼滤波的相关原理对系统进行数学建模和计算仿真,验证无人机SINS/GPS组合导航系统的可靠性。