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.     

双目视觉与惯导融合的移动机器人定位方法

为了提高移动机器人的定位精度,提出一种双目视觉与惯导融合的视觉SLAM算法.在视觉SLAM前端部分,为了保持直接法计算速度快及特征法精度高的特点,提出一种融合直接法和特征法的半直接法双目视觉里程计.在后端优化阶段,将视觉数据与IMU数据相互融合,在滑动窗口中以非线性优化的方式构建误差函数,优化位姿计算精度.在EuRoc数据集中对本文提出的算法进行试验验证.结果表明,与开源的视觉惯导融合的SLAM系统OKVIS、ROVIO和VINS-Mono相比,本文系统在Machine Hal l与Vi con Room两个场景中的定位精度均得到了明显的提升,同时可以保持较高的运行效率.     

图像分析与传感器融合的室内导航定位系统设计及实践

面对当前公共建筑愈发复杂庞大,居民对陌生环境下室内定位导航的需求日益高涨。传统基于无线网络传感器的方法在网络系统未知场所不适用,惯性传感器定位导航方法需要先验环境支持。因此,提出了一种基于双目图像分析与传感器融合的室内导航定位方法。通过角点检测、视觉残差计算、高斯球方向检测实现图像处理,使用紧耦合策略将视觉数据与惯导数据融合,采用边缘化先验法消除无关标量。基于相关原理设计室内导航定位系统,经过在工作室内测试,该系统能够良好建立起虚拟地图并提供相对准确的导航和定位服务,误差可达分米级。为陌生环境下的室内导航提供了一种新方法。     

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.     

惯导辅助下的动态精密单点定位算法研究

精密单点定位中的模糊度不具有整数特性,如何将其准确求解一直是当前研究的热点。且在定位初始阶段,需要经过长时间观测才能使定位精度收敛到厘米、分米级。为解决上述两个问题,可引入惯性导航系统（INS）输出的短时间内高精度的导航信息,以用于辅助模糊度浮点解快速准确地解算。文中分别介绍了直接利用位置信息代入和构建虚拟观测量的两种最小二乘方法,以及这两种方法下INS导航信息精度与模糊度浮点解精度之间的关系。仿真结果表明:惯性信息的辅助作用能够有效地在定位初始阶段提高模糊度解算的效率和精度、缩短收敛时间、改善定位精度。      

视觉辅助下的室内惯导位姿修正

惯性导航系统可以短期内提供连续的高精度信息,但是误差会随时间增大,不能长期独立工作。而在大型仓库、地下停车场等室内卫星信号薄弱的场景中,传统的惯导+卫星组合方法也不再适用。针对该问题,本文提出了一种视觉与惯导组合定位的方法。本文研究的惯导+视觉组合的定位方法中,采用基于合作目标的单目视觉定位方法对惯导误差进行修正。对于惯导误差的修正方法,本文利用视觉定位的位姿信息建立量测方程,进行卡尔曼滤波,并选取合适的试验设备,通过实际试验对比验证了该算法对惯导系统误差的修正具有良好的效果。     

基于视觉惯性SLAM的室内定位方法研究

针对纯视觉SLAM在光照变化明显、环境纹理较少及载体快速运动的室内场景中容易出现特征跟踪失败、定位精度下降等问题,本文提出了一种基于滑动窗口进行后端优化的视觉惯导紧耦合方法,融合了IMU信息以提高跟踪精度与系统的鲁棒性。该方法利用IMU预积分误差与单目视觉SLAM的重投影误差构建新的损失函数来进行状态估计,采用基于滑动窗口的非线性优化方法进行运动估计,实时恢复组合系统位姿。在实测数据集上的实验结果表明,本文方法在x轴方向上的均方根误差为0.124 m,y轴方向上的均方根误差为0.113 m,实现了厘米级精度的定位。     

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...     

GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术EI北大核心CSCD

全球导航卫星系统作为国家重要的空间信息基础设施,具备全球、全天候、高精度连续定位、导航和授时的功能,然而,到达地面的GNSS卫星信号非常微弱,存在遮挡、干扰和欺骗三大脆弱性问题,无法在电磁干扰、物理遮蔽等复杂环境下使用,为了保障国家PNT系统的坚韧性,提升导航与位置服务的能力,我国开始推进以北斗为核心的国家综合PNT体系建设,其中多传感器集成、多源异质信息融合是未来PNT技术的重要发展方向,也是从根本上解决单一导航系统局限性和脆弱性的有效途径,为了实现连续可用,精准可靠的PNT服务体系,迫切需要解决多传感器融合的精密定位定姿关键技术。论文主要工作如下。     

超宽带与惯性导航组合的室内导航定位

针对室内环境下缺少GNSS信号,且超宽带(UWB)定位精度受非视距误差影响明显的问题,该文提出了基于UWB/INS组合的室内导航定位方法。该方法利用惯性导航系统(INS)推算的位置和速度信息与UWB解算的位置和速度信息的差值作为量测信息,按先验阈值鉴别并剔除非视距误差,通过扩展卡尔曼滤波进行室内导航定位。实验结果表明,该方法能有效抑制非视距误差的影响,大幅提升导航定位精度,稳定性更高,可靠性更强,适用于较高精度的室内导航定位。     

重力辅助惯性导航中重力归算的垂直梯度计算

重力辅助惯性导航技术是利用地球物理特征信息数据—重力来完成水下运动载体的辅助导航与定位。为了实现水下运动载体上重力传感器输出的实测重力信息与重力数据库中存储的重力信息之间的匹配,首先必须将这两类数据归算到一个平面。本文研究分析了重力归算中重力垂直梯度求解的各种方法;探讨了不同数值积分区域对扰动重力垂直梯度精度的影响;并通过计算分析,提出了可以直接以重力异常垂直梯度代替扰动重力垂直梯度来求取重力垂直梯度。