基于先验特征地图匹配约束的视觉/惯性定位方法

单目视觉/惯性定位系统由于其低成本和高自主性被广泛使用.然而视觉/惯性里程计在长时间的运行后,会产生较大的累积误差,无法提供准确的位姿估计,并且在光线、路况复杂的环境系统存在特征点跟踪失败,无法解算当前位置,稳定性不高的问题.针对以上问题,提出了基于非线性优化的先验特征地图匹配方法,利用单目视觉/惯性SLAM建立的位姿...     

基于历史信息约束的室内行人三维惯性定位误差修正方法

随着物联网技术的发展,室内位置服务将在未来生产生活中发挥至关重要的作用,惯性定位系统的累计误差是制约惯性室内定位技术应用的重要因素.为此,提出一种基于历史信息约束的室内行人三维惯性定位误差修正方法.利用惯性信息估计行人运动环境中的可通行区域,使用静态二值贝叶斯滤波器构建三维占用栅格地图;通过基于粒子滤波的FastSLA...     

一种改进的地图匹配算法在车辆导航中的应用

本文提出了一种用于车辆导航的地图匹配算法.通过对卡尔曼滤波后模型的误差特性分析,该算法可获得比通常相关性算法更好的精度,并经试验验证.     

一种惯性/简化室内GIS组合的行人定位系统（英文）

惯性定位系统中的累积误差问题使得惯性定位系统无法长时间使用。室内地理信息系统(GIS)中的建筑物结构、地标点位置等信息可以用来修正和优化惯性定位算法,解决其累积误差问题,从而实现惯性定位系统的精度保持,延长系统使用时长。使用射频识别(RFID)系统和建筑物结构信息构建了简易室内地理信息系统,提出了一种基于GIS的增强型行人航迹推算(PDR)算法,通过该算法融合GIS与惯性定位系统。实验表明,融合简易室内GIS的惯性行人定位系统较传统行人定位系统性能更优。在GIS提供航向标定和步长估算系数标定的情况下,融合GIS的惯性系统能够在60 min之后,较惯性定位系统误差分别降低50%和67%;在GIS提供位置和高度标定的情况下,融合GIS的惯性系统并未出现误差累积的现象,在使用超过150 min后,依然能够将行人航迹推算误差保持在2 m范围之内(>80%概率)。     

基于初始位置的高速公路快速地图匹配算法

针对车辆行驶在高速公路过程中,传统地图匹配算法存在大量冗余检索时间,且消除垂直误差后仍存在水平误差等问题,设计了一种基于初始定位信息的快速地图匹配算法。该算法首先利用初始定位点到候选路段的距离与夹角确定车辆所行驶道路,然后考虑道路网拓扑结构和连通性,将后续定位点直接投影到初始确定的道路上,减少检索道路的时间;同时为提高算法的精确度,在引用初始定位信息时,通过设置距离阈值剔除定位数据漂移点,并利用一元线性方程建立HP模型以消除水平误差。经理论计算和实际测试表明,该算法利用初始获得的7个连续定位点,能准确检索出车辆正在行驶的道路,节省36%的检索时间,借助HP模型可以减少定位点与车辆实际位置之间45%的投影误差。因此,与连续匹配算法和垂直投影方式相比,该算法具有检索过程简单、检索准确率高、误差消除大的优势。     

伪静态环境凝固惯性系快速对准算法（英文）

惯性导航系统在开始工作时需要进行初始对准从而确定初始姿态。提出了一种与经典的对准算法如陀螺罗经或卡尔曼滤波技术不同的凝固惯性系快速(IF3)对准算法。可在任意初始误差条件下进行对准,且能适应高频扰动环境。将姿态矩阵分解成地球自转、惯性速率和对准矩阵三个部分。对准矩阵依靠两组分别处于不同惯性系里的观测向量确定。通过采用前置平滑滤波、层叠采样和二重积分技术,对准精度显著改善。在载车发动机怠速运行和人员上下车扰动条件下,60 s 对准误差优于 1 mil (1s ),180 s 对准误差优于 0.6 mil(1s ),300 s 对准误差优于 0.4 mil(1s )。实验结果证明了 IF3 对准算法的快速性、准确性和鲁棒性。     

一种采用联邦EKF的分布式INS/UWB人员无偏紧组合定位方法（英文）

为了实现精确的人员定位,提出了一种采用联邦EKF的分布式INS/UWB人员紧组合定位方法。在这种模式下,将数据融合滤波器应用于UWB无线通信信道中。INS与UWB分别测量得到的参考节点到未知节点之间距离的平方值被用于预估INS的导航解算误差。在此基础上,主滤波器将各信道滤波器的预估值进行数据融合,最后得到最终的INS导航解算误差预估。实验结果显示,该方法能够准确地提供人员位置信息,与集中式滤波器相比,平均位置误差降低了10.34%左右。     

水下石油管道漏油检测定位的粒子滤波SLAM算法

针对海底石油管道漏油位置检测定位这一问题,提出了捷联惯性导航系统与同时构图定位算法相组合的水下导航定位方法。利用声纳传感器采集石油管道的特征位置信息,在同时构图定位算法的作用下构建管道地图并获得高精度定位信息。然后利用粒子滤波算法将上述获得的定位信息与捷联惯性导航系统相结合,以补偿其位置误差积累。仿真实验结果显示所述组合方法的定位精度较高,达到总航程的0.1%。     

动态场景下基于双重特征约束的视觉惯性SLAM算法

针对传统视觉惯性算法在动态物场景下特征误匹配造成轨迹精度低的问题,提出一种动态场景下平面约束和双重特征误匹配剔除的改进视觉惯性SLAM算法。首先,采用改进Plane-Recover算法分割动态场景中静态平面区域,构建损失函数优化静态平面区域分割效果。其次,采用双重特征误匹配判断方法,通过平面约束策略得到正确面特征匹配,同时利用RANSAC与三焦张量算法结合的策略,提高点特征匹配准确度。在真实场景下进行验证,实验结果表明所提算法与VINS-mono算法相比轨迹精度平均提高20.82%,验证了所提算法可有效提升动态场景下的轨迹精度。     

一种基于双IMU框架的室内个人导航方法（英文）

为了实现低成本的室内行人导航,提出了一种双惯性测量单元(IMU)框架。在这种模式下,一个IMU固定于足部,另一个IMU固定于肩部。当行人在行走过程中处于静止状态时,卡尔曼滤波器利用测量得到的速度和角速度误差对足部IMU的解算误差进行预估,与此同时,通过对足部IMU和肩部IMU测量得到的航向角做差完成对航向角误差的观测。在此基础上,双IMU框架结构采用了闭环模式。实验结果显示,采用该方法能够提供行人导航信息,平均位置误差与采用开环模式的方法相比降低了14.93%左右。     

联合Huber核函数与可切换约束算法改进的视觉惯性SLAM方法

针对目前VINS-Fusion双目视觉及惯性同步定位与建图（SLAM）在后端优化时存在误匹配而导致系统定位精度低、鲁棒性差的问题,提出了一种联合Huber核函数与可切换约束算法改进的双目视觉及惯性SLAM方法。在VINS-Fusion双目视觉与惯性SLAM框架的基础上,利用Huber核函数的权值重新构建并求解状态优化中IMU残差的代价函数,降低优化中过大的误差项;同时使用可切换约束算法控制环路闭合因子实现动态协方差矩阵的缩放,剔除闭环检测的异常值实现准确的后端收敛。利用不同场景的公开数据集EuRoc中进行了对比验证实验,结果表明联合改进方法的和方差降低了2.416 m,系统精度和鲁棒性都有所提高;同时在实际场景中的实验也验证了改进方法的可行性。     

一种采用联邦EKF的分布式INS/UWB人员无偏紧组合定位方法

为了实现精确的人员定位,提出了一种采用联邦EKF的分布式INS/UWB人员紧组合定位方法.在这种模式下,将数据融合滤波器应用于UWB无线通信信道中.INS与UWB分别测量得到的参考节点到未知节点之间距离的平方值被用于预估INS的导航解算误差.在此基础上,主滤波器将各信道滤波器的预估值进行数据融合,最后得到最终的INS导航解算误差预估.实验结果显示,该方法能够准确地提供人员位置信息,与集中式滤波器相比,平均位置误差降低了10.34％左右.     

一种用于重力测量信号畸变校正的盲反卷积算法（英文）

强阻尼和大时间常数是海洋重力仪的共同特性,它们在抑制垂直方向上干扰加速度的同时也造成了重力仪测量信号的幅值衰减和相位滞后。为了校正重力测量信号的畸变,获得高精度的重力异常信号,在分析重力仪和重力测量信号畸变原理的基础上,提出了一种单通道Bussgang算法,并应用于重力测量信号的畸变校正。该方法首先将盲反卷积滤波器近似简化为FIR模型,然后采用常数恒模算法对Bussgang均衡器权系数进行更新,并在此基础上对反卷积滤波器进行了估计,最后基于实测重力信号将该方法与Kalman逆滤波进行了试验对比。理论分析和试验结果表明,该重力信号畸变校正方法能有效地消除重力测量信号的畸变,且校正效果明显优于Kalman逆滤波,其校正后信号相对于原始信号的标准差为0.328×10-5 m/s2,而Kalman逆滤波校正标准差为1.838×10-5 m/s2。     

一种基于自适应去偏转换滤波的机动目标跟踪（英文）

针对于机动目标的跟踪问题,提出了一种基于交互式多模型的自适应去偏转换卡尔曼滤波器。该算法利用交互多模型算法来完成不同跟踪模型的相互切换;根据自适应去偏转换测量卡尔曼滤波算法来推导跟踪目标状态,同时自适应因子可以确保不正常测量时的鲁棒性。与传统的去偏转换卡尔曼滤波算法对比,该算法可以很好地改善所获量测信息在雷达被干扰时的目标跟踪精度。仿真结果表明了算法的有效性和可行性,且跟踪精度相对传统的去偏转换卡尔曼滤波算法减少9.38%的位置误差。     

基于微小型传感器的惯性/卫星/天文组合导航方法

为了实现基于微小型传感器的高精度导航,针对微小型导航传感器精度相对较低、误差相对较大的特点,对微小型惯性测量单元(MIMU)、微GPS卫星接收机、微小型星敏感器的测量误差进行了建模与分析;对多传感器的导航信息进行分散化处理,采用卡尔曼滤波进行局部估计;提出了基于部分信息融合的联邦滤波算法进行全局融合;并给出了利用全局融合结果对MIMU导航误差进行输出校正的算法.仿真结果表明,该组合导航方法能够利用微小型传感器实现较高精度的导航定位.     

一种绕任意轴旋转的捷联惯导系统多位置初始对准方法（英文）

基于单轴旋转SINS的多位置对准方法通常要求旋转轴和方位轴重合,轴重合误差会影响多位置对准精度。针对这一问题,提出了一种可绕任意轴旋转的多位置初始对准方法,几何分析指出,该旋转轴可沿任意方向,不需要与方位轴重合,它只需绕某任意旋转轴转过两个已知角度即可解算出IMU的零偏,提高对准精度。仿真实验显示,提出的绕任意轴旋转的多位置对准方法相比单个位置下的解析粗对准方法的对准精度显著提高,航向角误差由5'降低到0.2'以下。