GVIL：基于图优化的GNSS PPP/视觉/惯性/激光雷达紧组合算法

高精度定位与导航服务在移动机器人、无人机与自动驾驶等新兴领域中发挥着至关重要的作用。视觉/惯性/激光雷达组合算法相较于视觉/惯性组合算法,可同时利用环境的空间结构与纹理信息以实现更为鲁棒的位姿估计结果,然而其在大尺度场景下仍存在误差累计问题。为此提出了一种全球导航卫星系统（global navigation satellite system,GNSS）精密单点定位（precise point positioning,PPP）/视觉/惯性/激光雷达紧组合算法。该算法首先通过4种传感器的联合初始化,实现了不同传感器空间基准的统一;然后,用双频无电离层组合后的GNSS伪距、相位观测值与视觉、惯性、激光雷达原始观测值共同构成误差因子;最后,通过基于关键帧与滑动窗口的因子图优化实现了全局位姿的精确、鲁棒估计。经车载实验验证,所提出的GNSS PPP/视觉/惯性/激光雷达紧组合算法通过4种传感器在原始观测值层面的组合,可以显著提升系统在复杂环境下的位姿估计的精度、连续性与可靠性,实现无缝导航。     

移动机器人SLAM位姿估计的改进四元数无迹卡尔曼滤波EI北大核心CSCD

在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。     

GPS/DR原始观测值组合导航定位研究

根据GPS/DR组合系统的导航定位原理,推导了利用GPS原始观测值与DR航位推算信息进行组合的Kalman滤波模型,并利用该滤波模型对GPS/DR原始观测数据进行航位解算.数据处理结果表明,即使在只有两颗GPS观测卫星的情况下,该滤波模型也可以充分利用GPS现测信息提高DR航位推算精度.     

具备尺度恢复的单目视觉里程计方法

针对单目视觉存在尺度不确定性,无法准确估计移动机器人位姿的问题,提出一种具备尺度恢复的单目视觉里程计方法。通过建立局部地图解决基于参考帧/当前帧的位姿估计方式过分依赖参考帧的问题;为了提高位姿估计精度,在使用滑动窗口控制计算量的基础上建立位姿与地图3D点的图优化模型进行光束法平差;最后基于平面假设成立和相机高度已知的条件下,通过图像RoI区域的稠密匹配,建立非线性优化模型解得尺度因子,从而实现绝对尺度恢复。实验结果表明,该方法能稳定地进行位姿估计并且有效地解决了单目视觉存在的尺度不确定性问题,可用于真实三维场景中移动机器人的位姿估计。     

北斗导航定位系统单点定位中的一种定权方法

北斗卫星导航定位系统星座复杂、不同种类卫星高度差异较大,本文将全局性非线性最小二乘算法(Bancroft算法)应用到北斗单点定位中,Bancroft算法主要依据四维空间下的一种Lorentz内积实现,将Bancroft算法中的Lorentz内积方程写成误差方程形式,推导此方程的权,得到一种新的北斗观测值定权公式。为了验证上述定权方法,基于伪距相位差值(CC组合)组合观测值分析了北斗GEO、IGSO和MEO卫星的测距信号质量,基于多路径(MP组合)组合观测值分析了多路径效应对单点定位的影响。结果表明,新算法提高了北斗单点定位精度。     

多星座组合精密动态定位的抗差扩展Kalman滤波方法研究

扩展Kalman(EKF)滤波算法可有效地进行多卫星系统数据融合处理,但该方法对观测数据的质量要求较高,当观测出现异常时,传统的扩展Kalman方法容易导致滤波失真。为此,利用实测数据,通过虚拟掩模遮挡卫星模拟复杂的GNSS观测环境,研究了基于IGGIII的抗差EKF算法,确定了分位参数的合理经验值,并对其在GPS/GLONASS/BDS组合精密动态定位中的应用进行了分析。结果表明,在遮挡严重的复杂观测环境中,抗差EKF算法可有效地提高组合定位系统的模糊度的固定成功率和定位精度。     

Sage-Husa随机加权无迹卡尔曼滤波及其在导航中的应用

在吸收Sage-Husa滤波和无迹卡尔曼滤波优点的基础上,利用随机加权估计算法将传统的定义在线性系统上的Sage-Husa噪声估计器推广到非线性系统中,提出一种非线性Sage-Husa随机加权无迹卡尔曼滤波算法。该算法首先利用Sage滤波的开窗平滑方法求得观测残差向量和新息(预测残差)向量的协方差阵;然后用随机加权自适应因子对观测残差和预测残差进行调节;最后对状态预报向量的协方差矩阵进行自适应随机加权估计,以控制观测残差和预测残差对导航精度的影响。计算结果表明,提出的非线性Sage-Husa随机加权无迹卡尔曼滤波算法,滤波精度明显优于无迹卡尔曼滤波和自适应无迹卡尔曼滤波算法,能够提高组合导航的解算精度。     

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。     

基于伪距和多普勒观测值的DGPS/INS紧组合导航算法研究

GPS/INS组合导航具备数据更新率高、抗干扰、能够提供包括姿态在内的全部导航信息等优点,因此在测绘领域得到了广泛应用。但是目前国内GPS/INS组合导航研究主要集中在单GPS接收机与INS的组合模式,针对此问题,本文研究基于伪距和多普勒观测值的DGPS/INS紧组合导航算法,给出组合导航扩展卡尔曼滤波的状态方程和量测方程。实测数据解算表明,该组合模式下的导航精度得到显著提高。     

水下DGPS定位系统可定位范围分析

水下DGPS定位系统是我国近些年研制的一套水声定位系统,该系统经过了在三亚、抚仙湖等地区的试验,得到了较高的定位精度.利用Argo浮标剖面数据,将海水视为水平分层均匀介质,计算声速剖面,根据Snell定律从理论上推出了理想情况下水下导航定位系统中浮标的可布设范围和水下DGPS定位系统浮标阵的可定位范围.     

EKF/UKF在基于地磁场的卫星自主定轨中的应用比较

研究了基于地磁场的自主导航,建立了以卫星轨道动力学方程为基础的系统状态方程,并详细推导了以地磁场矢量为观测量时的观测方程。由于传统的卡尔曼滤波不能解决系统的非线性问题,因此把扩展卡尔曼滤波EKF和无迹卡尔曼滤波UKF引入到系统中;并用Matlab对基于地磁场的自主导航系统进行了仿真。仿真结果表明,UKF有更好的收敛性和稳定性。     

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度点云一一对应;然后利用Canny算法与霍夫变换,获取图像中作业导线;最后计算出导线与雷达点云空间中相交部分空间位置,实现机器人在户外强光下高精度、高效率地进行导线识别定位,帮助机器人完成抓取导线等动作。     

一种GPS/GLONASS/INS数据融合算法

针对卫星导航系统和惯性导航系统(INS)的不同特性,提出了一种GPS/GLONASS/INS数据融合算法。采用差分自适应检测算法、改进码平均相位算法以及位置联合解算方法实现了GPS/GLONASS数据融合,借助于改进的粒子滤波器、INS误差模型建立系统状态方程和观测方程,完成GPS/GLONASS系统速度值和INS系统速度值数据融合,提高组合导航系统精度和可靠性。使用真实数据对数据融合算法性能进行仿真分析,结果表明所设计算法是有效的,能够处理非线性非高斯条件下的滤波估计,提高滤波精度和系统可靠性。     

结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计

针对机器人利用单一位姿估计方法累积误差大、精度低的问题,本文提出了一种基于扩展卡尔曼滤波算法(EKF)和基于点线的最近点迭代扫描匹配算法(PL-ICP)的机器人位姿自适应估计方法。为了减少轮式里程计造成的累积误差,利用Mahony算法对陀螺仪和加速度计进行姿态解算,进而基于扩展卡尔曼滤波融合轮式里程计初步估计机器人位姿;为了减少轮子变形、打滑等对机器人位姿的影响,利用PL-ICP点云匹配算法构建单线激光里程计,对机器人位姿再次进行估计;为了提高位姿估计的准确度,提出了一种基于两种位姿总均方差和前后时刻位姿误差构建累积误差的自适应修正算法,通过分析两种位姿总均方差及前后时刻位姿误差,得到全局最优权重因子和局部动态权重因子,实现累积误差修正因子的自适应调整,得到机器人更精确的位姿估计。试验结果表明,该方法可对机器人的位姿累积误差进行修正,显著提高机器人的位姿估计精度。     

大失准角的SINS/GPS组合对准算法研究

利用四元数误差方程和非线性滤波技术能较好地解决大失准角下SINS的空中对准问题。迭代滤波比扩展卡尔曼滤波能在更大程度上改善对准精度，但计算量大。针对此不足，本文基于扩展卡尔曼滤波的状态与偏差解耦算法具有较高数值效率和迭代滤波具有较高精度的特点，推导出了一种非线性滤波算法，并对基于加性四元数误差方程的SINS／GPS组合对准进行了数字仿真。仿真结果表明：该算法既具有迭代滤波的精度又比迭代滤波计算量小。     

扩展卡尔曼滤波在地磁导航中的应用分析

研究基于地磁场的自主导航,建立以卫星轨道动力学方程为基础的系统状态方程,并详细推导以地磁场大小和地磁场矢量为观测量时的观测方程,通过引入EKF解决系统的非线性问题.最后,用matlab对地磁导航系统进行仿真,仿真结果表明EKF有很好的收敛性和稳定性,以地磁场矢量为观测量的导航精度要远高于以地磁场大小为观测量的导航精度,...     

一种基于四元数的空间后方交会全局收敛算法

结合四元数在摄影测量中的良好应用,提出一种基于四元数的空间后方交会全局收敛算法。该算法利用四元数描述影像姿态,采用绝对定向和正交投影两种变换来代替中心投影的共线条件方程,再利用非线性方程直接迭代的方法进行求解,从而无需进行线性化,最后从理论上对算法的全局收敛性进行了证明。试验结果表明该算法正确可靠,对外方位元素初值没有要求,真正做到无初值依赖空间后方交会,具有很好的稳定性和适应性。     

一种改进的PolInSAR PCT方法反演植被垂直结构

针对传统PCT方法中“相干相位-幅度联合反演算法”的缺点,采用RVOG模型,利用改进的非线性迭代算法反演植被高、地表相位.改进的非线性迭代算法不仅充分利用不同极化方式对应的复相干系数,同时兼顾复相干系数的先验统计误差,提高参数解算的可靠性,进而提高PCT结果的反演精度.最后,采用两景德国E-SAR数据进行实验,实验结果表明：文中提出的方法能较好地反映植被的垂直结构信息;植被冠层对应的平均相对反射率函数近似服从高斯分布;反演的相对反射率值与植被的种类、密度存在一定关联.     

基于多GPU的Harris角点检测并行算法

提出了一种基于多图形处理器(graphic processing unit,GPU)设计思想的Harris角点检测并行算法,使用众多线程将计算中耗时的影像高斯卷积平滑滤波部分改造成单指令多线程(single instruction multi-ple thread,SIMT)模式,并采用GPU中共享存储器、常数存储器和锁页内存机制在统一计算设备架构(com-pute unified device archetecture,CUDA)上完成影像角点检测的全过程。实验结果表明,基于多GPU的Har-ris角点检测并行算法比CPU上的串行算法可获得最高达60倍的加速比,其执行效率明显提高,对于大规模数据处理呈现出良好的实时处理能力。     

基于ORB-SLAM2算法的水下机器人实时定位研究

随着近几年视觉SLAM的快速发展,为机器人、无人机、汽车等导航定位提供了更多选择。针对当前水下机器人定位技术存在的系统复杂、操作难度大等问题,本文提出了一种基于ORB-SLAM2算法的水下定位方案。利用单目相机作为传感器,构建了单目视觉SLAM水下机器人定位模型,完成像素坐标系到世界坐标系的转换,介绍了ORB-SLAM2算法定位涉及的关键技术。通过水下理想环境试验,对ORB-SLAM2算法在水下定位性能进行了综合评价,通过海洋环境试验证明ORB-SLAM2算法可以有效对水下机器人进行实时定位。