复杂环境下基于GPS+BDS-3的PPP/INS/ODO组合导航性能分析

针对复杂环境下单一导航定位技术存在精度低、可靠性和完整性差的问题,提出一种GPS+BDS-3的PPP/INS/ODO组合导航方案。采用GPS+BDS-3双系统观测数据,推导无电离层组合PPP模型,进一步给出PPP/INS/ODO组合模型并分析时间异步及杆臂误差的处理策略,结合里程计测速信息和非完整性约束信息,提高组合导航的定位性能。利用仿动态和动态跑车实测数据,分别对GPS+BDS-3无电离层组合PPP的定位性能和PPP/INS/ODO组合导航的定位性能进行分析。实验结果表明,GPS+BDS-3组合定位精度较单系统有显著提高;PPP/INS/ODO组合系统在复杂环境下位置的RMSE优于1 m,可为复杂环境下的车载导航提供技术支撑。     

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。     

一个从基于位置相关服务而收集的零星位置点中获取连续车辆轨迹的方法(英文)

The paper proposes an economical and fast algorithm for deriving trajectories from sporadic tracking points collected in location-based services (LBS). Although many traffic studies or applications can benefit from the derived trajectories, the sporadic tracking points are always implicitly overlooked by most of existing map-matching algorithms. The algorithm proposed in this paper finds network paths or trajectories traveled by vehicles through augmenting GPS data with odometer data. An odometer can provide data of traveled distance which are compared with the lengths of candidate network paths in order to find the most approximate network path approaching the trajectory of a vehicle. Tracking points are classified into anchor points and non-anchor points. The former are used to divide trajectories, and the latter screen candidate network paths. An elliptic selection zone and a reduction process are applied to the selection of possible road segments composing candidate network paths. A brute-force searching algorithm is developed to find candidate network paths and calculate their lengths. A two-step screening process is designed to select the final result from candidate network paths. Finally, a series of experiments are conducted to validate the proposed algorithm. Supported by the National Natural Science Foundation of China (No.40701142), the Scientific Research Starting Foundation for Returned Overseas Chinese Scholars, Ministry of Education, China.     

组合导航技术在出租车计价系统中的应用

针对目前出租车计价器在计时和计程方面存在的问题,提出了利用GNSS+INS+Odometer组合导航技术进行出租车计价的方法。运用组合导航技术对出租车载客过程中里程和时间进行计算,一方面可以避免传统计价器在使用过程中由于计价器本身以及人为因素等原因,改变实际的行驶里程,影响计价的准确性,从而提高计价的准确性;另一方面,可以避免单一的里程计计价过程中一旦出现故障,里程结果出现较大误差或无法计价等情况,增加出租车计价系统的可靠性。通过跑车试验证明：将组合导航技术应用于出租车计价系统中,能够对出租车计程、计时以及低速计价等关键问题作出很大改进,在计价的精度和可靠性方面都有显著提高;避免因计价器不准等原因造成的乘客、出租车司机之间的矛盾,维护双方的合法权益;对组合导航技术的发展起到了很好的推动作用。     

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。     

非完整约束的OD/SINS自适应组合导航方法

在地面车载组合导航GNSS/OD/SINS中,全球导航卫星系统（GNSS）信号容易受到环境的干扰甚至发生中断,将非完整性约束（NHC）应用于里程计（OD）/捷联惯性导航系统（SINS）组合,可以有效抑制GNSS信号中断期间组合导航系统的误差发散。通常NHC的噪声设定基于固定的经验值,然而在实际运动过程中,车辆运行轨迹复杂多变,其运动状态不能完全满足NHC前提假设,经验给定的噪声无法准确反映车辆实际运动情况。为此,本文分析了NHC噪声与车辆运动状态的关系,构建了一种基于车辆运动状态的NHC噪声自适应方法。通过所选场景的实测数据验证表明：采用噪声自适应的NHC/OD/SINS组合导航结果相比于固定噪声的NHC/OD/SINS组合,在GNSS信号中断110 s、车辆连续转弯的情况下,最大水平位置误差减小了68.4%;在GNSS信号中断74 s、车辆直线行驶的情况下,最大水平位置误差减小了87.3%;能较好地抑制GNSS中断期间组合导航系统的误差发散。     

GNSS/里程计组合定位抗差估计法

利用Kalman滤波进行GNSS/里程计组合定位难以实现两种传感器的最优利用。针对轮轨相对运动时里程计数误差增大的情况,提出了对GNSS位置导出里程、速度导出里程和里程计输出里程使用抗差最小二乘求取最优里程;并使用中位数求取抗差迭代初值。增加GNSS测速里程观测值,提高了观测冗余,有利于计算抗差初值。抗差等价权能够平衡3种观测值的比重,增强鲁棒性。计算结果表明,引入速度信息的抗差解法优于单一传感器定位解;也优于传统滤波解法。     

手机视觉与惯性融合的松耦合滤波算法

在智能手机和互联网的普及状态下,对高精度定位技术的需求也更加显著,精确定位服务已渗透到各个领域,如物联网、无人驾驶、机器快递员、应急救援等。在室外环境下,这些服务大多由全球卫星导航系统提供;然而,在深山丛林、矿井隧道、地下室等室内环境下,由于信号衰减及多径效应的影响,GPS无法正常工作。本文针对一些特殊的室内场景,研究了基于松耦合滤波的视觉惯性融合导航方法,设计了一个面向智能手机平台的室内行人定位系统。该方法视觉前端采用了快速、稳健的稀疏直接法,后端采用了扩展卡尔曼滤波器来融合惯性信息,能够有效融合视觉和惯性信息,达到恢复单目视觉尺度、提高稳健性的效果,实现了高精度的室内行人定位。     

基于抗差LM的视觉惯性里程计与伪卫星混合高精度室内定位

视觉惯性里程计（VIO）和伪卫星已经广泛应用于室内环境定位中,但在实际应用中,二者各自都有明显的缺陷。视觉里程计依赖于实际场景,在景深变化明显和光照不均匀的环境下会产生粗差,而且误差会不可避免地随着时间累积,但是在相邻帧间能保证相对高精度的位姿测量。由于受到室内多径的影响,伪卫星室内定位的精度和可靠性很难保证。为增加室内定位的可靠性和稳定性,基于抗差LM非线性优化理论,本文主要研究利用视觉惯性里程计的相邻帧间高精度位姿测量和伪卫星融合的室内高精度定位技术。该算法不仅可以抵抗粗差,而且可以减弱不同传感器间权重设置不合理带来的影响。最后使用在室内环境下搭建的高精度动态捕捉设备对组合定位方法进行实验验证。试验结果表明,该方法不依赖回环即可消除视觉惯性里程计的累积误差,有效提高室内定位精度及可靠性。利用改进的LM算法融合后场景1和场景2,相对于VIO单独定位精度分别提高了59.0%和77.5%。     

计程仪测速创新方法研究

为了在非理想环境的测速场或者没有测速场进行相对计程仪的准确测速,在通用方法基础上,论述了两种切实可行有效的测速新方法,通过理论及实验证明,实用性较强,具有一定的推广价值。