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。     

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...     

点线联合的优化视觉惯性里程计

为了减弱视觉同时定位与地图构建(SLAM)易受光照、纹理等条件的影响,在非线性化单目SLAM研究基础上,该文提出了 一种加速度计bias估计优化初始化与点线特征结合的优化视觉里程计,使得在光线较弱的情况下也有较好的位姿估计效果,更优秀的初始化结果使得整个系统更加鲁棒、精度更高,且为了减少因为线特征的加入而增加的计算量,提出一种新的数据选择策略.通过和其他优秀算法(如PL-VIO、仅特征点方案)对比及真实场景实验的结果分析可知,该文提出的点线联合的优化视觉惯性里程计不仅能够减少定位误差,而且在光照条件较弱的环境中有较高的精度,既保证了系统的实时性,又提高了系统的鲁棒性.     

因子图框架下里程计辅助GNSS/INS组合导航算法

在复杂观测环境下,GNSS/INS组合导航系统的GNSS信号易受干扰从而导致INS独立导航精度迅速下降。针对上述问题,本文基于因子图的里程计辅助GNSS/INS组合导航算法,利用里程计观测信息结合非完整性约束构建航向速度约束方程,同时采用能多次线性化计算和多次迭代的因子图优化方法进行参数估计。实际车载试验解算结果表明,在GNSS信号良好时,基于因子图方法比滤波方法具有更快的收敛时间,收敛速度提高了近10倍;在GNSS信号发生中断时,添加里程计辅助后组合导航系统在东向和北向分别提升了83%和89%。与传统的滤波融合手段相比,本文采用因子图优化后在东向和北向的定位精度分别有63%、70%的改善。     

BDS-3 PPP/INS紧组合定位性能分析

随着我国北斗三号全球卫星导航系统(BDS-3)的全面建成，基于BDS-3的高精度定位定姿应用需求日益迫切.推导了无电离层组合模式BDS-3精密单点定位(PPP)模型及地心地固坐标系下的惯性导航系统(INS)误差方程，构建了BDS-3 PPP/INS紧组合定位滤波模型，分别针对BDS-3 PPP、BDS-3 PPP/INS松组合、BDS-3 PPP/INS紧组合三种模式进行了定位性能评估.实验结果表明：BDS-3 PPP/INS松组合与BDS-3 PPP位置精度基本一致；BDS-3 PPP/INS紧组合在东(E)、北(N)、天顶(U)方向位置精度为分别7.9 cm、9.3 cm、9.4 cm，较BDS-3 PPP/INS松组合位置精度分别提升了38.3%、33.1%、35.6%，速度精度分别提升了27.3%、45.8%、12%，姿态精度相当.     

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。     

GNSS/INS紧组合最大熵卡尔曼滤波算法

针对实际环境中量测噪声易被野值污染而呈现非高斯分布,进而导致传统卡尔曼滤波(KF)算法性能降低的问题,提出了最大熵卡尔曼滤波(MCKF)算法. 该算法基于最大熵准则(MCC)和M估计的思想推导得到. 与KF相比,所提算法能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,与基于Huber函数的卡尔曼滤波(HKF)算法相比,其能够更有效地利用量测信息,因此所提算法相比于KF和HKF而言更加鲁棒. 在全球卫星导航系统(GNSS)与惯性导航系统(INS)的紧组合模式下进行车载实测实验,由于GNSS的伪距与伪距率等原始量测信息质量不佳,因此KF和HKF的性能均受到影响,而所提MCKF算法能够有效地抑制异常量测值的影响,能够更快地收敛且得到更高的估计精度.      

PPP/PPP-RTK新进展与北斗/GNSS PPP定位性能比较

首先简要回顾了精密单点定位（PPP）技术在最近几年的发展现状,重点总结了高采样率钟差实时快速估计、多系统组合PPP模糊度固定、多频GNSS PPP模型及其模糊度固定、PPP快速初始化、PPP-RTK等若干热点方向的最新研究进展。在此基础上,利用目前四大卫星导航系统（GPS、GLONASS、Galileo、北斗）最新的实际观测数据,全面比较分析了各系统及多系统组合PPP定位性能,重点给出了北斗二号+北斗三号PPP浮点解和固定解的定位精度、收敛时间和首次固定时间。结果表明：我国北斗导航卫星系统已经可以实现与其他导航卫星系统基本相当的PPP定位性能。北斗二号+北斗三号组合PPP的收敛时间/首次固定时间20~30 min;静态解的东、北、天方向定位精度在毫米到厘米级;动态解水平方向约5 cm,高程方向约7 cm;多系统组合可显著提高PPP定位精度、收敛时间和首次固定时间：固定解定位精度比浮点解在东、北、天方向分别提升了14.8%、12.0%和12.8%;相比单GPS,多系统组合PPP浮点解的收敛时间和固定解首次固定时间分别缩短了36.5%和40.4%。     

PPP/PPP-RTK新进展与北斗/GNSS PPP定位性能比较

首先简要回顾了精密单点定位(PPP)技术在最近几年的发展现状,重点总结了高采样率钟差实时快速估计、多系统组合PPP模糊度固定、多频GNSS PPP模型及其模糊度固定、PPP快速初始化、PPP-RTK等若干热点方向的最新研究进展。在此基础上,利用目前四大卫星导航系统(GPS、GLONASS、Galileo、北斗)最新的实际观测数据,全面比较分析了各系统及多系统组合PPP定位性能,重点给出了北斗二号+北斗三号PPP浮点解和固定解的定位精度、收敛时间和首次固定时间。结果表明:我国北斗导航卫星系统已经可以实现与其他导航卫星系统基本相当的PPP定位性能。北斗二号+北斗三号组合PPP的收敛时间/首次固定时间20～30 min;静态解的东、北、天方向定位精度在毫米到厘米级;动态解水平方向约5 cm,高程方向约7 cm;多系统组合可显著提高PPP定位精度、收敛时间和首次固定时间:固定解定位精度比浮点解在东、北、天方向分别提升了14.8%、12.0%和12.8%;相比单GPS,多系统组合PPP浮点解的收敛时间和固定解首次固定时间分别缩短了36.5%和40.4%。     

利用先验点图模型的SLAM后端优化算法

目的 目前基于因子图的后端优化算法具有优越性。在因子图中,节点代表姿态,节点之间的边代表里程信息和封闭循环约束。由于因子图并未描述每个节点精度的差异,导致整体定位精度仍有提高的空间。针对这个问题,提出了一种基于先验点图模型的后端优化算法,依据前端提供节点精度的差异,在因子图中引入高精度点,然后采用改进的Levenberg算法进行全局优化,从而实现在结合原有概率约束的基础上,利用少量高精度点牵引其他点向真实值靠近,完成更为精准的自身定位。并在公开数据集上进行了实验,结果证明,本文提出的算法增强了前后端的关联,提高了定位精度。     

一种手持式半球形视角激光雷达SLAM三维建图技术

针对室内外场景快速三维建图问题,本文提出了一种半球形视角激光雷达扫描同时定位与建图(SLAM)方法,设计了集成半球形视角激光雷达和惯性测量单元的手持便携式三维激光扫描系统。首先,根据半球形视角激光雷达扫描线结构特征,对分割的地面点云降采样,减少垂直约束冗余。然后,对惯性测量单元(IMU)和降采样激光点云通过一个紧耦合迭代扩展卡尔曼滤波器(iEKF)进行联合位姿估计。最后,使用因子图增量式后端优化处理消除累积误差,提升点云地图精度。采用本文方法研发的原型系统对典型室内外场景进行建图试验,结果表明：本文方法绝对定位精度优于4‰,相对定位精度优于0.3‰,在室内外一体化三维建图方面具有广阔应用前景。     

RGB-D SLAM在室内高精度三维测图中的应用

高精度三维测图是室内三维制图的重要支撑,基于三维激光雷达扫描技术的三维测图成本高,需要提前布置标靶,在室内复杂环境中易导致数据不完整;基于图像序列的三维重建建模时间长,易受多种因素影响。针对以上问题,本文将RGB-D SLAM技术应用于室内高精度三维测图中。通过将深度相机与SLAM技术相结合,计算相机位姿并恢复三维空间信息,获取室内三维点云模型,并以目标物实际量测为基准评价密集点云精度。试验结果表明,该方法可快速获取精度较高的三维点云模型,成本低且效率高,能够较好地满足应用需求。     

相位平滑伪距GNSS PPP/INS紧耦合算法

针对在导航实践中低成本MEMS使用传统紧耦合方法计算精度受到限制的问题,提出了一种采用载波相位平滑伪距GNSS PPP/INS紧耦合的算法。实验表明,使用相位平滑伪距的GNSS PPP/INS紧耦合方法后低精度的MEMS和GPS组合位置精度为dm级,速度精度为cm/s甚至mm/s,比传统C/A码紧耦合定位精度高,有较好的收敛性;其次当增加相位平滑的历元数后精度也相应提高。当出现GPS信号中断时,该方法能够加速中断以后滤波收敛的速度,将导航精度控制在中高精度惯导作业要求范围内。该方法节约了导航作业的设备成本,具有一定实际意义。     

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...     

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。     

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。     

城市环境下智能手机GNSS/视觉组合导航算法和性能评估

通过将卫星定位和计算机视觉定位组合,可以使智能手机在城市、峡谷等卫星定位结果跳变或中断的情况下,仍为用户提供连续、高精度的位置服务.因此,为改善手机端卫星信号不理想区域的定位精度,设计和实现了GNSS与单目相机组合导航的实验.通过数据平滑、旋转矩阵求解等过程完成系统间的轨迹转换,并分析了坐标转换误差.使用结合贝叶斯估计的卡尔曼滤波对两种轨迹进行融合处理.最终结果表明,在城市环境下,GNSS与单目相机组合后,定位误差小于3 m的概率由21.21％提升至48.15％,小于5 m的概率由48.82％提升至70.03％.     

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.      

基于反射靶标的激光SLAM定位方法在港口无人车辆上的应用

针对港口岸边作业区和堆场内部等特定场景影响无人车辆高精度定位的问题,本工作以Cartographer 同步定位与建图(SLAM)作为算法基础,研究了基于反射靶标的无人车辆高精度定位方法,设计优化了反射靶标参数与布置方法. 针对影响基于反射靶标的激光SLAM定位精度的关键参数、行车速度和抖动干扰,设计实现了测试系统并进行了多参数对比. 针对港口场景下易发生的大抖动干扰导致激光SLAM定位失效的问题,分析了定位失效的产生机理,进而研究了基于惯性导航系统(IMU)和激光SLAM的复合定位技术,提出了大抖动干扰情况下基于反射靶标的激光SLAM定位误差的抑制方法. 实验结果表明:上述方案提高了无人车辆在港口特定场景下的定位精度和定位方法鲁棒性.      

基于GNSS多径信号的反射面参数估计算法

全球卫星导航系统(GNSS)多径信号广泛存在于城市峡谷等复杂导航定位场景中.多径信号在干扰GNSS接收机并造成系统定位精度下降的同时,也为接收机提供了周边反射面环境信息.在码相位延迟幅度联合跟踪算法(CADLL)实现GNSS多径信号感知和特征参数提取的基础上,设计实现了基于粒子滤波的反射面参数估计算法.该算法可以在GN...