检索结果-南通市图书馆

道路语义增强GNSS/INS的车载多源融合定位方法研究

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

道路语义增强GNSS/INS的车载多源融合定位方法研究

作者：戴雨杭武汉大学

学位级别：硕士

随着智能网联汽车的发展,自动驾驶车辆的导航定位技术是当前研究的焦点和难点,可靠、连续、高精度的定位是实现自动驾驶技术的关键因素。虽然较为开阔场景下车载GNSS(Global Navigation Satellite System)/INS(Inertial Navigation Syst... 详细信息

随着智能网联汽车的发展,自动驾驶车辆的导航定位技术是当前研究的焦点和难点,可靠、连续、高精度的定位是实现自动驾驶技术的关键因素。虽然较为开阔场景下车载GNSS(Global Navigation Satellite System)/INS(Inertial Navigation System)组合导航系统可以实现连续、可靠的定位,但是在林荫道、高架等GNSS信号质量不佳、定位结果不连续且可信度低的城市道路典型场景中,GNSS/INS组合导航系统无法提供可靠、精确的定位结果,难以满足自动驾驶定位的需求。里程计和非完整性约束(Non-Holonomic Constraints,NHC)构建的车辆运动模型(Vehicle Motion Model,VMM)提供的速度约束信息能够有效抑制INS位置结果的发散,但仍不能应对GNSS长期失效的情况。自动驾驶导航定位技术中,带有道路语义信息的轻量级地图普及率大幅提升。常见的道路语义包括车道线和杆,车道线语义分布广,杆语义不易磨损且能保持长期不变。基于轻量级地图的视觉匹配技术可以提供绝对定位结果,能够有效改善GNSS恶化时组合导航系统的定位性能。因此,针对城市复杂环境下GNSS可信度低、定位不连续等问题,本文开展GNSS、INS、里程计、视觉多源信息融合定位技术研究,包括城市复杂环境下GNSS质量控制方案和道路语义增强GNSS/INS的车载多源融合定位技术,实现了在城市典型道路下的高精度定位。本文的主要研究工作和贡献如下:(1)针对复杂场景下GNSS信号差,定位可信度低,GNSS/INS组合导航定位结果易受GNSS粗差点影响的问题,设计并实现了基于机器学习的GNSS质量控制算法,提高了GNSS估计精度与实际误差的一致性。首先根据方位角对卫星进行了划分,选取了最具指示性的GNSS观测特征作为模型的输入量;然后设计了定位误差与精度等级对应的分类标签,采用CART-Bagging分类算法进行模型训练;最后调整GNSS估计精度至预测的精度等级中,并应用于GNSS/INS组合导航卡尔曼滤波的量测方差阵中。测试表明,在四种场景下的模型预测准确率达到90%,GNSS估计误差与实际定位精度之间的一致性提升约70%,对应的组合导航定位精度提升约30%,且明显优于传统GNSS阈值设定抗差方法。(2)针对复杂环境下GNSS绝对定位结果不连续或定位质量不佳的问题,在GNSS/INS/VMM车载组合导航算法的基础上,引入了道路语义量测信息提供绝对定位辅助,设计了道路语义增强GNSS/INS的车载融合定位算法。首先选用深度学习模型进行了车道线、杆语义信息的提取并聚类;然后构建了像素坐标系下道路语义的匹配和量测模型;最后分析了道路语义辅助定位算法的误差来源。开阔环境GNSS仿真中断60s测试结果表明,加入道路语义量测信息后,车辆系统的纵向定位误差控制在0.4m以内,侧向定位误差控制在0.3m以内。(3)面向车辆载体连续、可靠的高精度定位需求,本文设计并实现了带有GNSS估计误差优化方案的GNSS/INS/VMM/视觉融合定位算法与软件,并开展了充分的测试验证。车载复杂环境测试表明,整套系统具有良好的抗差性能,能够有效解决GNSS估计精度与实际精度不一致的问题,显著降低地图语义错误和道路语义检测错误带来的影响。综合场景测试中,道路语义新息抗差算法可以有效识别出观测异常值并对其进行降权处理,系统平面定位误差维持在0.5m以内,CDF95为0.1m。综上所述,本文主要围绕道路语义增强GNSS/INS的车载多源融合定位算法,在GNSS质量控制、道路语义量测辅助定位方面展开深入研究。设计并实现了带有GNSS估计误差优化方案的GNSS/INS/VMM/视觉融合定位算法,能有效应对GNSS定位质量不佳或长时间中断的情况,提高了车载导航定位的精度和可靠性,为城市复杂环境下的连续、可靠、高精度车载组合导航定位提供了解决方案。

关键词： GNSS质量控制道路语义轻量级地图机器学习视觉匹配导航多源融合定位

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多源融合定位的无人艇回坞路径规划研究

基于多源融合定位的无人艇回坞路径规划研究

作者：杨庆生杭州电子科技大学

学位级别：硕士

无人艇(Unmanned Surface Vessel,USV)广泛应用于军事侦查、环境监测、科研实验、资源勘探和巡逻搜救等任务,是当前无人系统研究的热点之一。为了提高无人救援艇的收放效率,进而提高海上救援任务的效率,本文提出外挂式回收坞装置回收无... 详细信息

无人艇(Unmanned Surface Vessel,USV)广泛应用于军事侦查、环境监测、科研实验、资源勘探和巡逻搜救等任务,是当前无人系统研究的热点之一。为了提高无人救援艇的收放效率,进而提高海上救援任务的效率,本文提出外挂式回收坞装置回收无人艇,无人艇与回收坞对接环节涉及到定位、路径规划等难点。目前无人艇定位技术的定位精度较低,不能满足自动对接的精度要求。此外,目前无人艇路径规划技术无法满足复杂的回坞路径规划任务。为提高无人艇的定位精度,本文对无人艇的定位技术进行深入研究,建立紧耦合的融合定位模型,提出采用扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)融合全球导航定位系统(Global Navigation Satelite System,GNSS)坐标与超宽带(Ultra Wide Band,UWB)测距,得到高精度相对坐标,并解算航向。仿真和实际测试结果表明,相比于传统的UWB定位方式,本文提出的融合定位系统的平均误差下降了约30%。为解决无人艇回坞路径规划问题,本文将无人艇回坞路径规划建模为多约束多目标优化问题,提出全局路径规划与轨迹生成结合的算法,解耦多约束多目标优化。基于改进的A*和RDP算法规划出路径长度较优的全局路径,满足碰撞和转艏限制等约束条件;全局路径点作为轨迹生成的约束条件之一,建立多约束优化模型,求解推力变化率最小的贝塞尔曲线构成参考航迹,满足连续性、运动学参数等约束。仿真实验结果表明,相比于传统A*算法,本文提出改进A*和RDP算法规划的全局路径,路径长度平均缩短了约4%～9%;轨迹生成算法能够规划出满足连续性和运动学参数约束的平滑参考航迹。通过设计硬件和软件方案,完成实验平台搭建,使用无人救援艇实验平台进行湖试和海试,最终验证本文的GNSS/UWB融合定位方案,以及路径规划技术能够满足无人救援艇与回收坞自动对接。

关键词：无人艇 GNSS定位 UWB定位多源融合定位路径规划

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向室内环境的鲁棒多源融合定位算法研究

面向室内环境的鲁棒多源融合定位算法研究

作者：李双志北京邮电大学

学位级别：硕士

如今,基于超宽带（Ultra Wide Band,UWB）、惯性测量单元（nertial Measurement Unit,IMU）、相机等多种传感器的定位技术因其高精度、高可靠性、可便携性、成本低等优势,已经在复杂室内场景下取得了广泛的应用。而相比于基于单一传感... 详细信息

如今,基于超宽带（Ultra Wide Band,UWB）、惯性测量单元（nertial Measurement Unit,IMU）、相机等多种传感器的定位技术因其高精度、高可靠性、可便携性、成本低等优势,已经在复杂室内场景下取得了广泛的应用。而相比于基于单一传感器的定位技术,基于多种传感器的多源融合定位技术,可以整合各种定位资源来进行融合定位,对目标物体进行更全面的、更精准的位置获取,具有定位覆盖广、可信度高、抗干扰能力强等优势,是如今定位导航领域的一个重要研究方向。本文选取鲁棒多源融合定位及其相关技术作为研究目标,旨在通过多种异构传感器观测数据的优质融合,来构建可以适应复杂室内环境的鲁棒多源融合定位系统。论文涉及的重要工作如下:首先,针对室内多源融合定位场景下对基站或锚点的位置进行精准获取的需求,本文研究了可同时定位目标和标定基站位置的定位方法,即同时标定与定位（Simultaneous Calibration and Localization,SCAL）技术。针对现有SCAL技术在实时获取基站和目标位置时精度受限的问题,设计了一种基于误差加权几何精度因子（Error-weighted Geometric Dilution Precision,EGDOP）优化的 SCAL 算法框架,该算法框架分为两部分:在目标定位与基站标定端,设计了一种同步进行目标定位和基站标定的处理机制,初步获取移动目标与基站的位置;在全局优化端,提出了一种基于EGDOP的优化模型,利用目标轨迹几何分布和递推误差筛选出用于优化的轨迹点集,然后对目标轨迹和基站标定结果进行实时的全局优化。与现有基于逆轨迹-向后处理的SCAL方法相比,本文提出的SCAL算法框架,可以在实时运行的同时,保证对运动目标和基站的位置的高精度获取。然后,以分布式滤波作为基本融合框架,本文研究了在系统受干扰时可以消除异常观测影响的融合定位算法。针对现有的基于Huber的融合算法对噪声的动态变化性缺少自适应调整机制而导致融合定位性能受损的问题,本文提出了一种基于自适应高阶修正（Adaptive High-order Correction,AHC）的代价函数,可以根据噪声信息,产生可以动态调整滤波观测权值的修正因子,进而对异常观测数据进行自适应抑制。在此基础上,结合容积卡尔曼滤波（Cubature Kalman Filter,CKF）,本文提出了基于AHC函数的CKF多源融合算法,对包含3及3种以上传感器的定位观测数据进行鲁棒融合。最后,本文研究了“即插即用”方式的融合滤波系统,为基于IMU的预测更新和基于多种异构传感器（如UWB、视觉模块、气压计等）的异步观测更新提供理论基础。在此基础上,本文构建了面向实际场景的融合定位仿真与实验平台。通过多组仿真与试验,分析并验证了（1）与现有SCAL算法相比,提出的SCAL算法计算效率更高,在保证实时运行的同时,对在目标和基站的定位精度分别提高了 39.06%和47.97%,达到0.2557m和0.2437m,（2）相对于现有Huber滤波融合算法,本文提出的基于AHC的融合算法的定位收敛度提高了5.42%,对目标的定位精度提高了 19.53%,整体平均精度达到了0.1801m。。

关键词：多源融合定位同时标定与定位技术容积卡尔曼自适应高阶修正

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于因子图的AUV多源信息融合定位算法

基于因子图的AUV多源信息融合定位算法

复杂城市环境GNSS/Lidar/IMU融合车辆定位技术研究

第十二届中国卫星导航年会

作者：黄紫如柴洪洲向民志王栋民杜祯强石明琛信息工程大学地理空间信息学院

自主水下潜航器AUV（Autonomous Underwater Vehicle, AUV）是主要海洋探测与作战装备,其搭载的多传感器感知与通信情况复杂,如何获取其精确、可靠的位置是水下作业的重要问题。本文基于图优化（Factor Graph Optimization, FGO）算法,... 详细信息

自主水下潜航器AUV（Autonomous Underwater Vehicle, AUV）是主要海洋探测与作战装备,其搭载的多传感器感知与通信情况复杂,如何获取其精确、可靠的位置是水下作业的重要问题。本文基于图优化（Factor Graph Optimization, FGO）算法,构建了AUV多源融合定位框架,仿真AUV搭载的异步多传感器数据与有效性改变的状况,进行因子建模后利用非线性优化理论进行状态递推与更新。仿真结果表明,该方法能够以自然的方式合并不同频率与有效性的传感器测量信息,定位精度保持在-0.1～+0.1m以内。与扩展卡尔曼滤波（Extend Kalman Filter, EKF）算法实验结果相比精度更高,证明该算法能够实现AUV的高精度定位,有利于提高可靠性及扩展性。

关键词：因子图多源融合定位自主水下潜航器

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

复杂城市环境GNSS/Lidar/IMU融合车辆定位技术研究

作者：章辉东南大学

学位级别：硕士

激光同时定位与建图(Simultaneous Localization and Mapping,SLAM),即基于激光雷达传感器数据在无先验的环境下估计载体位姿并构建环境点云地图,具有精度高、不受光照影响、适用于室内外场景等优点,是目前无人系统定位领域的研究热点... 详细信息

激光同时定位与建图(Simultaneous Localization and Mapping,SLAM),即基于激光雷达传感器数据在无先验的环境下估计载体位姿并构建环境点云地图,具有精度高、不受光照影响、适用于室内外场景等优点,是目前无人系统定位领域的研究热点。本论文面向智能车辆高精度定位需求,研究GNSS/Lidar/IMU融合定位技术。针对车载平台激光点云对不同位姿分量观测的特性,对激光雷达位姿估计算法进行改进;利用预积分策略加入IMU观测数据,提升室外开阔场景下激光位姿估计算法的鲁棒性;通过图优化算法融合全球卫星导航系统(Global Navigation Satellite System,GNSS),使其能够在复杂城市环境中长时间维持定位连续性,同时消除激光SLAM系统的累积误差。本文的具体研究内容与贡献如下:(1)提出了基于车载平台的改进分步式位姿估计方法。通过推导激光SLAM位姿计算公式,针对地面特征点和边缘特征点对各自由度位姿求解的区别,分别利用两类特征点求解载体位姿。首先使用地面特征点求解其中三自由度位姿,再通过边缘特征点求解另外的三自由度位姿,并对第一步位姿求解结果进行优化,实现针对车载平台的激光雷达位姿估计算法的优化。数据集与实际环境测试中,本方案在保证耗时优于原算法的前提下,定位精度提升7%以上,最高达到45%。(2)研究了基于惯性测量单元(Inertial Measurement Unit,IMU)预积分的激光惯性位姿估计算法。针对高动态和开阔场景下的激光SLAM精度低、鲁棒性差的问题,研究基于紧耦合的激光惯性位姿估计算法,通过IMU预积分算法,在融合过程中优化载体运动状态与IMU参数,提升高动态和开阔场景下激光雷达的定位精度。实验表明激光惯性位姿估计算法的定位精度相较于激光雷达位姿估计算法提升幅度达到25%以上,系统鲁棒性有大幅提升。(3)构建了基于Ceres图优化的GNSS/Lidar/IMU多源传感器融合框架。本文提出对激光惯性位姿估计结果进行插值,提高卫星定位系统观测数据的利用率;推导不同系统位姿增量之差相对位姿分量的雅克比矩阵,通过图优化策略求解位姿最优解;使用滑窗算法对系统间转换矩阵估计值进行更新,使当前系统位姿估计结果符合全局最优。本文所提算法针对GNSS/IMU组合定位系统在卫星信号缺失时,惯导长时间位姿推算误差发散过快的问题,提出融合惯性元件与激光雷达观测的方案,抑制惯性元件的误差发散,提升定位系统的连续性和可靠性;利用GNSS系统消除激光惯性位姿估计算法的累积误差,并将定位结果统一至导航坐标系。测试结果表明,所提算法位姿估计精度相对激光惯性位姿估计算法提升幅度达到40%以上,达到米级精度;相比基于GTSAM的因子图融合算法提升达到20%以上,在复杂城市环境下,本章所提算法定位精度相对卫星与激光惯性定位算法均有显著提升。

关键词：车载平台激光SLAM 分步位姿估计 IMU预积分 GNSS 多源融合定位

融合地磁/光照强度/PDR的室内定位算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合地磁/光照强度/PDR的室内定位算法研究

作者：韩雨辰安徽理工大学

学位级别：硕士

随着城市现代化的发展,物流、餐饮、管理等方面的产业对高精度的定位服务需求变得愈发迫切。如今以GNSS信号为基础的室外定位技术已趋于成熟,如何在获取高精度室内定位结果的同时实现低成本成为一项研究重点。受建筑物原材料的影响,室... 详细信息

随着城市现代化的发展,物流、餐饮、管理等方面的产业对高精度的定位服务需求变得愈发迫切。如今以GNSS信号为基础的室外定位技术已趋于成熟,如何在获取高精度室内定位结果的同时实现低成本成为一项研究重点。受建筑物原材料的影响,室内环境地磁场分布存在一定差异,可由此实现室内定位;行人航位推算只需要行人的运动参数即可实现室内定位;以上方法均不需要额外的物理设施来支撑,覆盖范围广,连续性较强,具有较为可观的发展前景。因此,本文主要围绕对单一地磁定位的优化、PDR定位的实现及其多源数据融合定位进行研究,并通过不同实验进行验证。其主要研究内容如下:(1)针对传统地磁模值建库分辨率较低、匹配算法较简单导致定位误差较大的问题,离线阶段利用坐标转换的方法处理地磁三轴数据,将其代替传统地磁模值作为特征值,研究不同空间插值方法并进行实验对比,选择径向基核函数对指纹库插值处理;在线阶段采用支持向量机做回归预测,在传统遗传算法的基础上引入多种群遗传算法对支持向量机权值、阈值进行优化,构建MPGA-SVM定位模型。实验结果表明,本文算法较之GA-SVM定位精度提升了32.3%,具有更高的定位精度。(2)针对单一地磁定位中仍存在部分点位误匹配概率较大的问题,将室内灯光强度作为特征之一与坐标转换后的地磁三轴数据一同作为输入,采用不同分辨率的空间插值方法插值处理,构建双分辨率的地磁/光强指纹库,并采用BP神经网络作为融合模型,基于Tent混沌映射改进原子搜索算法,再利用其寻优性优化BP神经网络中的权值、阈值等参数建立Tent-ASO-BP地磁/光强融合定位模型,并设立不同实验验证该融合模型的定位性能,试验结果表明,本文构建的地磁/光强融合定位模型较之单一地磁定位精度分别提升了34.5%、32.9%,且定位标准差明显小于单一地磁定位,有着更好的定位性能。(3)地磁/光强在某点处的定位仍会存在较大误差,若在走廊或巷道等狭长的场所进行轨迹定位时,该因素会导致定位点连线的轨迹“穿墙而过”。为解决该问题,本文引入PDR定位并提出一种双层信息融合的室内定位方法,将已获得的地磁/光强定位坐标作为第一层数据融合结果,随后在相同实验路径上获取PDR定位结果,将两种方式获得的定位结果共同输入至第二层Tent-ASO-BP融合定位模型中,最终获得地磁/光强/PDR融合定位坐标。在两个场景的实验中,本文提出的地磁/光强/PDR融合定位方法精度均在1m以内,可有效抑制轨迹定位中“定位回跳”、“轨迹穿墙”现象的发生。图47表8参98

关键词：室内定位地磁定位光照强度行人航位推算多源融合定位

城市环境下车载GNSS/INS/LiDAR融合精密定位方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

城市环境下车载GNSS/INS/LiDAR融合精密定位方法研究

作者：祝浩祈武汉大学

学位级别：硕士

随着自动驾驶汽车、无人快递配送车等智能化载体的广泛应用,车辆对高精度位置信息的需求在日益增大。城市开阔环境下,GNSS/INS组合导航系统可以提供连续可靠的高精度位置信息,在车载导航定位中应用广泛。但MEMS IMU零偏误差和测量噪声较... 详细信息

随着自动驾驶汽车、无人快递配送车等智能化载体的广泛应用,车辆对高精度位置信息的需求在日益增大。城市开阔环境下,GNSS/INS组合导航系统可以提供连续可靠的高精度位置信息,在车载导航定位中应用广泛。但MEMS IMU零偏误差和测量噪声较大,当车辆较长时间处于严重遮挡环境下时,GNSS可用性下降,INS推算误差会快速累积,而此时环境特征往往较为丰富,激光惯性里程计可以实现较好的定位精度。GNSS、MEMS IMU、LiDAR传感器有较强的优势互补性,多源融合定位是实现城市环境下车辆连续高精度定位的有效方案。基于此,本文开展了GNSS、MEMS IMU、LiDAR多源融合定位技术研究,主要工作如下:(1)针对城市环境下GNSS信号遮挡严重和MEMS IMU误差快速累积导致GNSS/INS组合导航精度下降的问题,提出了RTK+TDCP/INS组合定位方法。在开阔环境下,使用固定模糊度的RTK与INS紧组合;当卫星信号遮挡严重导致RTK解算失败时,使用INS先验信息辅助TDCP解算,若TDCP解算成功,使用TDCP观测值与INS紧组合以维持系统短期内较高的精度;若TDCP解算失败,采用NHC/INS推算。车载试验结果表明,在除了隧道和高架桥下等卫星信号完全遮挡的环境外,INS辅助的TDCP解算成功率接近90%,在RTK解算失败的连续时间小于45s的复杂环境下,TDCP/INS组合定位的平面和高程误差RMS分别为0.30m、0.21m,最大误差分别为0.69m、0.72m,可以实现分米级的定位精度。(2)设计并实现了INS辅助的激光里程计算法,前端利用INS机械编排的先验位姿为点云匹配提供初值,同时采用帧-局部地图匹配的方式以充分利用历史帧的信息,提高匹配的精度;后端使用扩展卡尔曼滤波实现激光里程计与INS结果的融合。车载试验结果表明,在行驶里程小于1.6km的环境下,LIO的平面误差RMS小于4.0m,进一步增加非完整性约束(NHC),可以提升LIO高程方向的定位精度,高程方向最大误差小于1.0m,LIO+NHC相对位置误差小于2%。(3)针对车辆处于GNSS拒止环境下GNSS/INS组合定位误差快速累积的问题,将RTK+TDCP/INS组合定位方法与激光惯性里程计结合,提出了基于扩展卡尔曼滤波的GNSS/INS/LiDAR融合定位算法。将LIO解算的位置与NHC结合作为观测量进行EKF的测量更新,以提升GNSS拒止环境下组合系统的定位精度,同时设计了合理的故障检测方案以确保多源融合系统的鲁棒性。最后自主搭建多传感器数据采集平台并进行车载试验验证分析,结果表明,多源融合算法能够显著提升GNSS中断期间组合系统的定位性能,在GNSS信号完全遮挡时间小于55s的环境下,可以实现平面和高程方向误差RMS均小于1.0m的定位精度。

关键词：车载导航多源融合定位载波相位时间差分激光惯性里程计城市环境

基于图优化的GNSS/INS/VISION/LiDAR融合定位方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图优化的GNSS/INS/VISION/LiDAR融合定位方法研究

作者：张文龙武汉大学

学位级别：硕士

全球导航卫星系统(Global Navigation Satellite Systems,GNSS)能为全球范围内的用户提供全天候、全方位的三维位置和时间信息,已成为物联网、智能驾驶等领域重要的技术手段。然而,随着定位环境日趋复杂化,定位场景日趋多元化,仅靠GNSS... 详细信息

全球导航卫星系统(Global Navigation Satellite Systems,GNSS)能为全球范围内的用户提供全天候、全方位的三维位置和时间信息,已成为物联网、智能驾驶等领域重要的技术手段。然而,随着定位环境日趋复杂化,定位场景日趋多元化,仅靠GNSS难以满足实时、连续、高精度的定位需求。联合GNSS、惯性导航系统(Inertial Navigation System,INS)、视觉(Vision)、激光雷达(LiDAR)等多源定位系统,克服单一技术的不足已成为导航定位领域新的研究热点和定位服务的发展方向。然而,多源信息融合中还存在着复杂环境中场景退化频繁、绝对位置获取困难等不足,制约着多源传感器信息融合的推广和实际工程应用。为此,本文重点研究了INS、VISION、LiDAR联合GNSS进行高精度定位的方法,包括多源数据处理算法、多源融合算法以及复杂城市环境下绝对位置获取方法。论文的主要工作和贡献如下:1、研究了基于迭代扩展卡尔曼滤波(Iterated-Extended Kalman Filter,IEKF)的GNSS多频多系统精密单点定位(Precise Point Position,PPP)、GNSS/INS紧组合定位的理论与方法;探讨了复杂环境下影响GNSS定位的因素以及使用INS联合GNSS进行绝对定位存在的问题;分析了引起GNSS/INS紧组合位姿发散的因素,为了克服迭代初值对滤波估计造成的极大影响,提出了联合标准单点定位(Standard Point Position,SPP)、惯性测量单元(Inertial Measurement Unit,IMU)确定IEKF迭代初值的策略。使用低成本MEMS-IMU仿真GNSS信号缺失对迭代初值确定策略进行验证,结果表明在MEMS-IMU发散较严重时,该策略能够大幅提高在GNSS信号重新捕获时的定位精度和稳定性。2、构建了基于因子图优化(Factor Graph Optimization,FGO)框架的GNSS/INS紧组合方法,并分析了图优化框架下GNSS/INS组合相对于IEKF框架下GNSS/INS组合的优缺点;针对GNSS信号缺失过久时纯靠IMU约束的FGO定位结果误差较大的问题,提出了后处理双向图优化GNSS/INS组合算法策略,使用低成本MEMS-IMU对GNSS信号缺失进行仿真,结果表明相对单向FGO,后处理双向FGO定位精度在E、N、U三个方向分别提升约为55%、64%与49%;针对FGO优化窗口设置问题,分析了FGO不同优化窗口大小对定位结果尤其是GNSS信号缺失后的发散程度的影响并进行评估,结果表明,当GNSS信号缺失时间过久时,窗口设置越大,定位发散的程度越小;针对GNSS信号缺失时由于优化初值偏离真值过远导致的基于FGO的GNSS/INS紧组合优化发散问题,建立了EKF-FGO联合解算算法框架,该算法框架使用EKF约束FGO优化初值,并在框架中加入了零偏初始化与在线阈值检测策略,通过仿真实验和路测隧道数据对该算法框架进行评估并与紧组合EKF进行对比,结果表明,联合EKF的FGO算法框架能成功避免因优化初值较差而使系统陷入局部极值进而导致的优化发散问题,且紧组合FGO定位精度相对于紧组合EKF有较大提升,即在GNSS信号缺失5s的实验场景下,E、N、U三个方向上精度提升分别约为25.7%、29%与23.9%,此精度提升主要体现在GNSS信号缺失期间、GNSS信号重新获取时以及GNSS噪声较大时。3、分析了视觉里程计中常见动态特征点检测和去除方法中存在的问题,提出了一种基于特征点层面的动态特征点检测和去除的简单方法,并成功对实测校园数据中的单个动态物体进行了检测和去除;针对强光线变化导致的图像直方图均衡化异常跳过的问题,提出了一种均衡化异常图像恢复方法,成功应对了实际路测数据中进出隧道的强光变化并恢复了异常的图像灰度;基于上述理论,建立了基于FGO的GNSS/INS/VISION融合方法,并构建了基于FGO的GNSS/INS/VISION融合框架,并将其应用于路测隧道数据中成功抑制了纯IMU的发散,并能在隧道高速状态下维持相对稳定的位姿输出,同时分析了车辆运行速度与特征点成功跟踪之间的关系。4、分析了GNSS/INS紧组合中LiDAR观测值的作用,提出了基于双向IEKF的GNSS/INS/LiDAR半紧耦合算法策略,并利用实际路测数据对提出的半紧耦合策略进行实验验证,结果表明,激光雷达惯性融合(LiDAR and IMU Odometry,LIO)提供了高精度、稳定且持续的先验位姿,可以大幅提升纯IMU递推的位姿精度,且在GNSS信号缺失以及GNSS观测噪声较大时保证了定位服务的鲁棒性;推导了基于KD-Tree的激光点云最近点搜索算法,并建

关键词： GNSS定位组合导航多源融合定位紧组合因子图优化复杂环境

基于轮式机器人的LiDAR/IMU/GNSS融合定位算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于轮式机器人的LiDAR/IMU/GNSS融合定位算法研究

作者：张再兴武汉大学

学位级别：硕士

随着轮式机器人在服务业、物流配送、智能家居、采矿业、安防巡检、军事等领域的广泛应用,高精确、高可靠、高实时的定位需求越来越迫切。目前,室内外精准导航定位是机器人领域的热点研究方向。然而,全球卫星定位系统(Global Navigation... 详细信息

随着轮式机器人在服务业、物流配送、智能家居、采矿业、安防巡检、军事等领域的广泛应用,高精确、高可靠、高实时的定位需求越来越迫切。目前,室内外精准导航定位是机器人领域的热点研究方向。然而,全球卫星定位系统(Global Navigation Satellite System,GNSS)在受遮挡严重区域定位精度差甚至不可用;惯性导航系统(Inertial Navigation System,INS)误差随时间快速累积;轮速计(Odometer,ODO)无法单独提供定位结果;激光雷达(Light Detection And Ranging,LiDAR)匹配在退化场景失效。因此,单一传感器定位技术无法完全满足轮式机器人的定位需求。多传感器融合定位技术可以利用传感器之间的互补优势,提升系统定位导航的精度和可靠性。本文面向轮式机器人,开展了基于LiDAR、IMU、轮速计和GNSS的多源融合定位算法研究,主要工作和贡献包括:(1)为了兼顾轮式机器人的阿克曼转向运动和全轮转向运动模型,设计并实现了一套考虑轮角的IMU/轮速计预积分算法。算法利用车轮的速度和角度构造了车轮坐标系下的里程增量,在状态向量中估计了轮速计比例因子和轮角误差,并构建了里程增量的微分方程以及噪声传播方程。实验结果表明,提出的考虑轮角的IMU/轮速计算法可以兼容阿克曼转向模型和全轮转向模型,准确估计出由于舵机磨损和控制死区造成的轮角误差,确保IMU/轮速计预积分算法的精度没有损失。另外,本文的轮角误差估计算法可以吸收IMU和车体之间的航向安装角误差,当无法得到安装角时,提出的算法能消除其影响,有效维持定位的精度。(2)针对主流LiDAR/IMU紧耦合算法没有充分利用平面约束、LiDAR观测协方差为经验值的问题,本文提出了基于滑窗图优化的“面-面”匹配LiDAR/IMU紧耦合算法。在“面-面”匹配中,算法充分考虑了平面的法向量约束,并通过理论分析从LiDAR测量误差模型中得到了“面-面”匹配的协方差。基于开源数据集的验证表明,“面-面”匹配的LiDAR/IMU紧耦合算法优于FAST-LIO2、LIO-SAM、Li Li-OM的精度,达到了SOTA(State Of The Art)级别。自测数据集的消融实验证实,相比于“点-面”匹配,“面-面”匹配更好地抑制了姿态误差的发散;相比于基于经验值的协方差,自适应协方差通过给平面合理的权重提升了定位精度。联合“面-面”匹配以及自适应协方差,位置精度提升了10.5%,姿态精度提升了16.7%。(3)面向机器人连续、精确、可靠的绝对定位需求,本文设计并开发了一套基于图优化的LiDAR/IMU/轮速计/GNSS多源融合定位算法及软件。算法分为内外两层,内层的LiDAR/IMU/轮速计使用考虑轮角的IMU/轮速计预积分和“面-面”匹配的紧耦合技术,保障全轮转向机器人的位置递推能力;外层在全局位姿图优化中融合GNSS位置、内层LiDAR/IMU/轮速计定位、回环检测与修正信息,实现连续、精确的绝对定位导航。实验对比了本文LiDAR/IMU/GNSS算法与目前主流开源的算法LIO-SAM的定位精度,结果表明本文算法的精度达到了SOTA级别。在复杂环境、全轮转向模型下评估提出的LiDAR/IMU/轮速计/GNSS定位算法,实验结果说明本文算法精度高且鲁棒性好,在LiDAR退化场景依然能维持定位精度。综上所述,本文研究了基于图优化的LiDAR/IMU/轮速计/GNSS多源融合定位关键技术并研制了软件,通过轮式机器人实验对算法进行了充分验证和分析。本文算法能够满足轮式机器人高精确、高可靠、高实时的定位需求,为综合复杂环境下轮式机器人的定位提供可靠方案。

关键词：轮式机器人 LiDAR/IMU紧耦合 IMU/轮速计预积分多源融合定位