多源融合高精度定位技术在铁路行业的应用展望

铁路是国家物资运输和人员流动的交通大动脉,从铁路建设阶段的控制点布设、线路设计,到铁路运维阶段的平顺性检测、变形监测、列车控制和管理,都离不开高精度的位置信息。传统的全站仪测绘方法存在人力成本高、时效性差等缺点;GNSS用于开阔无信号遮挡的环境效果良好,但用于信号遮蔽的复杂环境则无法定位。随着北斗卫星导航系统的趋于完善和传感器技术的发展,利用卫星等多传感器融合定位的技术逐渐受到人们的关注。GNSS接收机、惯性导航设备、视觉传感器、激光传感器具有互补的特性,以这4种导航传感器为例,利用图优化的方法,实现这些传感器数据的融合高精度定位。通过研究多种传感器融合定位在铁路工程领域的应用,将自动、高效和稳定的新兴技术引入铁路工程测绘,以满足铁路工程对于静态、动态高精度位置信息的需求,为铁路测绘的智能化发展做出积极贡献。

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。