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。     

GNSS精密单点定位与惯性导航紧组合理论模型

针对精密单点定位(Precise Point Positioning,PPP)动态定位精度低、收敛速度慢等问题,本文采用PPP/INS紧组合系统来达到改善PPP动态定位性能的目的。本文对PPP/INS紧组合的观测方程、误差补偿模型、参数估计模型等进行详细推导。通过车载实验采集的卫星观测数据和不同等级的惯性数据,对动态PPP及PPP/INS紧组合的定位定姿性能进行分析,评估不同等级惯性传感器对PPP/INS紧组合定位精度和收敛速度的影响。实验结果表明:PPP/INS紧组合在北—东—高方向的位置RMS相对于PPP分别改善了70.2%、29.1%和16.8%,达到4.8 cm、12.3 cm和7.4 cm。在卫星跟踪条件良好时,惯性传感器性能对PPP/INS紧组合定位精度影响不大;而在卫星观测条件不足时,惯性传感器性能对PPP/INS紧组合定位精度影响明显。此外,仿真和恶劣条件下的数据结果表明,PPP/INS初始定位精度与收敛速度随惯性传感器性能提高而改善明显。     

GNSS PPP/INS紧组合定位测速性能分析

针对动态高精度定位测速的问题,该文对卫星导航与惯性导航系统的数学模型进行研究,采用扩展卡尔曼滤波的处理方法,实现了GNSS PPP/INS紧组合的定位测速算法。利用实测数据验证本文实现的紧组合算法,并对BDS、GPS与GPS+BDS单频、双频观测值与INS紧组合的定位性能进行分析。结果表明:GNSS PPP/INS紧组合定位测速精度在动态开阔环境下优于PPP定位测速精度,对定位结果有1%～70%不同程度的改善,对测速结果则有一个量级的提升,平面测速精度在1(cm·s~(-1))左右,高程测速精度达到亚厘米级。     

基于抗差EKF的GNSS/INS紧组合算法研究

提出了GNSS/INS紧组合导航的抗差EKF算法,采用21状态GNSS/INS紧组合状态方程,根据多余观测分量及预测残差统计构造抗差等价增益矩阵,建立抗差EKF算法,通过迭代给出GNSS/INS组合导航的抗差解,并开发GNSS/INS紧组合导航模拟平台,通过对观测值加入单粗差、多粗差及缓慢增长三类误差,测试本文算法对不同粗差的抑制能力。分析表明,抗差EKF可以将三类粗差抑制在相应观测值的残差中,达到削弱其对状态参数估计的影响。本文算例证明,抗差EKF算法可将导航解的误差精度从dm级提高为cm级甚至mm级,导航精度及可靠性得到明显提高。     

融合TOA/AOD的5G/SINS紧组合导航定位算法分析

针对5G定位和捷联惯性导航单一定位方式的可靠性和定位精度较差的问题,本文以扩展卡尔曼滤波为基础,提出了融合5G信号到达时间和信号离开角的5G/SINS紧组合导航算法。该算法首先利用惯性传感器输出信息解算用户的位置、速度和姿态,在此基础上利用已知的基站坐标反算出一组虚拟的5G观测值,然后使用该观测值和实际的5G测量值建立统一的观测方程进行滤波解算。仿真试验结果表明,5G/SINS紧组合的定位成功率可达99%以上,且能够有效改善惯导航位推算的发散问题,其定位精度相比单纯的5G定位有了大幅提高,相比5G/SINS松组合受基站数量和基站几何分布的影响较小。融合TOA/AOD的5G/SINS紧组合导航的定位结果有超过99%的历元在3 m以内。在5G观测值中存在系统误差时,5G/SINS紧组合的定位表现优于5G定位和5G/SINS松组合导航。     

城市环境下智能手机车载GNSS/MEMS IMU紧组合定位算法

针对城市环境下卫星信号遮挡严重,智能手机全球导航卫星系统(global navigation satellite system,GNSS)定位难以保证连续性和可靠性的问题,提出了一种基于智能手机内置传感器数据的GNSS/微机械惯性测量单元（microelectro-mechanical system inertial measurement unit,MEMS IMU)紧组合车载导航算法。算法使用惯性导航系统机械编排进行时间更新,在车辆运动模型约束的基础上,使用伪距、多普勒频移和载波相位时间差分计算的航向角作为观测值进行测量更新。采用3部不同型号的智能手机进行车载试验分析,结果表明：城市场景下紧组合滤波定位算法平面位置精度统计约为5～6 m,高程方向约为5 m,且在GNSS信号失锁的隧道场景下具有短时间推算功能。该算法受GNSS观测条件的影响较小,大幅提升了城市复杂环境下智能手机车载定位的连续性和可靠性。     

城市环境下多系统实时PPP/MEMS INS紧组合模型构建与性能分析

以GNSS和INS为代表的传感器提供的高精度实时位置是自动驾驶、智能交通等领域的重要基础。为提升GNSS和MEMS INS在城市环境下的实时定位性能,本文利用IGS播发的实时精密轨道和钟差改正数,构建了多系统实时PPP/MEMS INS紧组合模型,分析和评估了多系统实时PPP与PPP/MEMS INS紧组合的性能,并与事后精密产品获得的结果进行对比。试验结果表明,在GNSS短时中断期间,多系统PPP/MEMS INS紧组合可以实现连续可靠定位;水平和高程分量的定位精度分别可达0.374和0.339 m,但与事后精密产品相比仍有差距,点位定位精度相差约为0.15 m。PPP/INS紧组合的测速及定姿精度主要取决于INS,测速精度约为1 cm/s,与使用IGS事后产品得到的结果相比,无明显差异;航向角的可观测性较弱,静止期间航向角误差明显增加。     

基于几何模型的惯性辅助PPP周跳修复与快速重新收敛

在复杂观测环境下,GNSS信号容易发生周跳和失锁现象,导致精密单点定位技术（PPP）模糊度重新初始化,影响定位精度及可靠性。本文基于PPP／SINS紧组合,提出了利用短时间内惯导递推的高精度位置信息辅助PPP周跳修复的几何模型。该模型采用原始观测值建立历元间差分方程,将周跳作为参数进行估计,而惯导提供的高精度位置作为带权的虚拟观测值参与平差解算,在固定周跳整数值后修复相位观测值,从而保持高精度的连续定位。以车载和机载两组数据分析了该方法的有效性,结果表明,引入惯性辅助能够显著加快PPP定位的重新收敛,实现周跳的准确修复。      

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.      

一种LiDAR平面配准方法辅助的IMU室内定位算法

室内环境由于缺乏观测条件,无法使用全球导航卫星系统(global navigation satellite system,GNSS)进行定位,而单独惯性导航系统(inertial navigation system,INS)由于传感器的误差累积,定位结果快速偏移且无法受到限制.因此,针对室内未知环境下移动背包的定位问题,提出激光雷达(light detection and ranging,LiDAR)与惯性测量单元(iner?tial measurement unit,IMU)的组合导航系统,使用LiDAR平面配准获得的载体速度作为扩展卡尔曼滤波器观测量,对IMU位姿推算的误差进行修正.结果表明,该方法可以有效控制惯性导航误差的漂移,从而提高室内定位精度.     

车载移动测量中定位定姿系统误差校正与补偿研究

讨论了全球导航卫星系统(global navigation satellite system,GNSS)/里程计(odometer,ODO)/惯性导航系统(inertial navigation system,INS)组合定位定姿中误差校正与ODO/INS组合导航两个方面的问题。针对里程计刻度因子和安装误差角的校正,在不改变原GNSS/INS滤波器的基础上,设计了GNSS/INS与INS/ODO两级卡尔曼滤波器级联结构,将INS导航误差与里程计刻度因子误差、安装误差角分别列入两个滤波器的系统状态中,在GNSS连续观测和固定模糊度条件下,利用里程计和惯导里程增量之差作为INS/ODO卡尔曼滤波器的外部观测,对误差进行校正。另一方面,使用校正过的里程计和安装误差角,在GNSS失锁条件下对INS进行观测和修正。跑车实验结果表明,本文算法可以有效校正里程计刻度因子和定位定姿(positioning and orientaton system,POS)安装误差角,同时大幅提高GNSS失锁条件下的定位精度,配合平滑卡尔曼滤波器,可将城市移动测量两分钟GNSS失锁条件下的定位误差控制在0.5m以内。     

Helmert方差分量估计在GPS/GLONASS/BDS/Galileo组合精密单点定位权比确定中的应用CSCD

多星座组合定位可以提升导航定位性能,但不同星座观测量组合时需要考虑合适的随机模型.传统方法是根据经验直接设定各系统的等价权重,但会导致随机模型确定不精确,从而影响组合系统的性能提升.将Helmert方差分量估计方法应用于GPS/GLONASS/BDS/Galileo组合精密单点定位(PPP)中,以自适应确定各系统间权比.采用国际GNSS服务(IGS)MGEX(Multi-GNSS Experiment)观测网的10个测站一周的观测数据进行静态和仿动态试验.结果表明:采用Helmert方差分量估计定权方法可显著提高GPS/GLONASS/BDS/Galileo组合PPP的收敛速度,与等权定权方案比较,静态模式下平均提高52%,仿动态模式下平均提高64%.因定位精度主要由载波相位观测值精度和误差修正水平决定,在静态和仿动态测试中Helmert方差分量估计方法对定位精度没有明显改善.     

顾及ISB/IFB的多GNSS RTK/INS紧组合导航方法EI北大核心CSCD

为解决不同GNSS间信号差异引起的多GNSS RTK/INS紧组合导航应用中卫星系统间模糊度固定失败的问题,本文提出顾及ISB/IFB的多GNSS RTK/INS紧组合导航方法,以进一步发挥多GNSS在复杂环境下的互补性和灵活性。本文推导了顾及ISB/IFB的多GNSS RTK/INS紧组合导航观测方程,给出了综合利用抗差估计方法和粒子群优化的ISB/IFB参数估计方法。试验结果表明,顾及ISB/IFB参数可以在一定程度上提高卫星系统间模糊度固定成功率;结合抗差估计方法提高卡尔曼状态估计浮点解精度,可显著提高多GNSS RTK/INS紧组合导航系统在复杂环境下的系统间模糊度固定成功率与导航精度。     

基于软件接收机的GNSS/INS深组合导航算法研究

深组合导航系统将导航参数估计与GNSS卫星信号跟踪融合在一起,将相关器的输出I/Q信息作为GNSS/INS组合导航kalman滤波器的观测量,提高系统的导航精度、抗干扰性和动态性能。利用GNSS软件接收机方便处理基带信号的优势进行深组合导航算法研究,推导了深组合kalman滤波器的观测方程。仿真结果表明:在高动态条件下,深组合导航系统的导航精度明显优于紧组合导航系统的导航精度,位置误差稳定在2m范围内,速度误差稳定在0.04m/s内。     

先验地图/IMU/LiDAR的图优化和ESKF位姿估计方法对比

针对滤波和优化融合算法在不同场景下定位性能不明确的问题，该文构建了一种融合先验点云地图、激光雷达(LiDAR)、惯性测量单元(IMU)的位姿估计框架。对比分析了基于图优化和误差状态卡尔曼滤波(ESKF)两种算法的位姿估计精度，并采用3组KITTI数据进行实验分析。结果表明：图优化算法的绝对位姿误差的均方根小于ESKF算法，3组数据的精度分别提升了28.9%、12.5%和21%;在复杂场景下，基于图优化算法的性能高于滤波算法；在简单场景下，滤波和图优化算法的精度接近，而滤波算法更加稳定。     

异步联邦UKF的GNSS／SINS／摄影定位组合导航算法仿真

在飞行器进近过程中,为了提高组合系统的导航精度,针对传统联邦滤波器对非线性系统模型易导致滤波发散问题.分析了两种导航方式的优缺点,提出了基于卫星导航／惯性导航／摄影测量(GNSS／SINS／Photogrammetry)的组合导航联邦滤波算法,并推导了系统误差模型.该算法取长补短利用联邦无迹卡尔曼滤波器将GNSS定位和摄影定位、定姿精度高的优势对SINS进行在线误差估计.针对多传感器非等间隔数据采样问题,采用时间与量测更新分离的异步非等间隔联邦滤波算法进行信息融合,并对滤波器结构进行改进以减少算法复杂度.仿真实验证明基于联邦UKF的组合导航系统较传统联邦滤波算法位姿精度有明显的提高,且系统鲁棒性也有一定的增强.      

一种城市环境下GNSS/MEMS IMU车载实时精密定位方法

针对城市环境下全球导航卫星系统(global navigation satellite system,GNSS)信号严重遮挡和微机械惯性测量单元(micro-electro-mechanical system inertial measurement unit,MEMS IMU)误差快速累积导致GNSS/惯性导航系统(inertial navigation system,INS)组合定位精度下降的问题,提出了一种GNSS载波相位实时动态差分(real time kinematic,RTK)+载波相位时间差分(time-differenced carrier phase,TDCP)/INS实时精密定位方法。在观测条件良好时,采用固定模糊度的RTK与INS紧组合;当信号严重遮挡RTK解算失败但TDCP解算成功时,使用TDCP观测值与INS紧组合;若TDCP解算失败,采用INS推算导航。在武汉大学校园及周边开展车载实验,结果表明,在除了隧道等密闭环境以外的城市道路上,多系统GNSS的TDCP解算成功率接近90%。在RTK解算失败的连续时间小于45 s的复杂环境下,TDCP/INS组合定位的平...     

一种两步自适应抗差Kalman滤波在GPS/INS组合导航中的应用

当GPS观测可用时,如何提高组合导航的可靠性、连续性以及导航精度是组合导航重要的研究主题。针对伪距、伪距率紧组合导航精度低、姿态角误差修正不精确的缺点,本文从参数可观测性角度提出一种两步自适应Kalman滤波算法。首先简单介绍了紧组合Kalman滤波的过程,然后给出了两步自适应抗差滤波的公式和具体步骤,并且进行了分析和比较。最后用实测算例对提出的算法进行验证。结果表明,相比较于伪距、伪距率紧组合Kalman滤波,两步自适应抗差滤波能够控制动态扰动异常和观测异常的影响;导航精度不会随着组合周期的增长、INS惯性元件误差的增大而降低;在惯性元件误差较大的情形下也能够很好地估计元件误差,提高姿态角精度。     

改进的STUKF及其在多传感器信息融合中的应用

针对卫星导航信号不可用时引起组合导航性能降低问题,设计了适用于飞行器进近的卫星导航/捷联惯导/摄影定位(GNSS/SINS/Photogrammetry)组合系统。针对飞行器着陆时对系统位姿精度和自主性高的要求及其存在加减速、转弯等高动态的特性,以及采样点初始信息的不确定性导致UKF滤波器误差变大或者发散的问题,各子滤波器的状态估计采用改进的强跟踪无迹卡尔曼滤波(STUKF)方法。数字仿真表明,与传统UKF算法相比,改进的算法对载体的位姿估计精度更高,且只需一次UT变换,无需求解雅可比矩阵;计算复杂度降低对飞行器进近的过程有一定适应性。     

面向北斗单历元分米级定位的ARAIM保护水平计算方法CSCD

精密定位的质量控制和完好性评估是实时全球卫星导航系统(GNSS)导航应用不可或缺的环节,尤其是在GNSS易受损害的城市峡谷等场景下,这种需求更加迫切.广域精密单点定位(PPP)瞬时分米级定位,利用GNSS三频信号形成的两个宽巷观测值可以实现单点单历元分米级定位.然而,在城市复杂环境中,反射信号、严重多路径以及其他信号干扰对定位造成的影响无法准确评估与识别,限制了PPP瞬时分米级单点定位的应用.完好性概念中的高级接收机自主完好性监测(ARAIM)可以计算用户定位误差最小置信区间的上限保护水平(PL)以评估定位有效性,可经过一定改进用于PPP瞬时定位的质量控制.针对当前ARAIM中计算PL的误差模型难以适应高精度定位需求的问题,提出了一种改进的ARAIM PL算法,称其为BARAIM(Back Advanced Receiver Autonomous Integrity Monitoring).使用PPP三频组合观测值残差对ARAIM权与误差模型进行修正以计算PL.基于不同复杂程度的环境下采集的车载数据对算法进行了验证,对PL的改进情况以及导航的可用性提升情况进行评估.结果表明:在不同环境下,基于改进的B-ARAIM算法得到的PL,相比传统方法得到的PL更符合城市定位的需要,将PL降低了30%~70%.此方法有助于将ARAIM算法应用在高精度GNSS定位领域.