基于精化预积分的GNSS/IMU/视觉多源融合定位方法

针对传统预积分算法固定地球重力值和忽略地球自转的问题,提出一种考虑地球自转和重力变化的惯性测量单元(inertial measurement unit, IMU)预积分算法。参照高精度捷联惯性导航解算的动力学模型,在IMU预积分动力学模型的姿态更新中引入地球自转角速率,速度和位置更新中引入由地球自转引起的科里奥利加速度,同时将由载体位置引起的地球重力变化及时反馈至预积分算法中,详细推导了引入地球自转和重力变化后预积分算法的具体过程,实现对传统预积分模型的精化。并将精化的预积分算法应用于基于紧耦合全球导航卫星系统(global navigation satellite system, GNSS)/IMU/视觉多源融合系统中,实测实验结果表明:利用精化的预积分模型可使系统预积分的模型误差有效减小,显著提升多源融合系统整体的定位定姿精度,其中系统定位精度提升32.41%,航向角精度提升4.23%。

5G信道状态信息信号质量及指纹定位性能分析

5G信道状态信息(channel state information,CSI)具有丰富的特征信息,是一种理想的指纹定位信号,但信号质量易受环境干扰,对定位性能影响较大.为了分析不同因素对5G信号质量和定位性能的影响程度,本文首先阐述了5G信号特征和基于支持向量回归(support vector regression,SVR)的定位算法,分析了数据采集时终端的高度、方向、人体遮挡等因素对信号质量的影响,测试了廊厅、小办公室和中型会议室三种场景下的定位性能.结果表明:5G信号质量受周围环境影响较大,在干扰较小的情况下,基于5G CSI的位置指纹定位算法在三种场景下的定位精度分别为0.93 m、1.46 m和1.94 m,能够满足大多数室内定位应用需求.

国际地球参考框架ITRF2020的定义和实现

国际地球参考框架(ITRF)是目前理论背景最完善、构建方法最全面、实现精度最高的全球地心基准,也是世界各国在建立区域地心基准时的重要参考。给出了国际地球自转与参考系统服务组织(IERS)最新发布的ITRF2020的理论定义,重点讨论了各专业技术组织提供的数据资源和计算模型,以及IERS在数据整合时的处理策略,并对基于震后形变(PSD)模型的位置计算进行了讨论,给出了相对于ITRF2014的改进和转换参数。ITRF2020首次区分了地球的质量中心和形状中心,并考虑了PSD模型的季节性信号,提高了坐标框架精度,为地球科学研究和应用提供了统一基准,对精化和维持我国地心参考框架具有重要参考意义。

城市环境下多系统实时PPP/MEMS INS紧组合模型构建与性能分析

以GNSS和INS为代表的传感器提供的高精度实时位置是自动驾驶、智能交通等领域的重要基础。为提升GNSS和MEMS INS在城市环境下的实时定位性能,本文利用IGS播发的实时精密轨道和钟差改正数,构建了多系统实时PPP/MEMS INS紧组合模型,分析和评估了多系统实时PPP与PPP/MEMS INS紧组合的性能,并与事后精密产品获得的结果进行对比。试验结果表明,在GNSS短时中断期间,多系统PPP/MEMS INS紧组合可以实现连续可靠定位;水平和高程分量的定位精度分别可达0.374和0.339 m,但与事后精密产品相比仍有差距,点位定位精度相差约为0.15 m。PPP/INS紧组合的测速及定姿精度主要取决于INS,测速精度约为1 cm/s,与使用IGS事后产品得到的结果相比,无明显差异;航向角的可观测性较弱,静止期间航向角误差明显增加。

基于BP神经网络的WiFi/地磁定位方法

针对WiFi在室内定位中信号波动性较大、地磁指纹存在误匹配等问题,提出一种基于BP神经网络的WiFi/地磁融合定位方法。该方法通过Z-score标准化消除WiFi、地磁数据不同量纲级的影响,同时,选取Tanh函数替代Sigmoid函数作为BP神经网络的激活函数,改善深度学习中梯度消失、梯度爆炸等问题。离线阶段,将处理后的WiFi、地磁数据作为输入层对改进的神经网络进行学习训练,在线阶段,将训练好的BP神经网络用于智能手机的定位。实验结果表明,文中提出的定位方式较单一传感器的定位方式整体定位精度提升约为14%。

基于可观性分析的捷联惯导快速自对准方法

初始对准的精度和速度直接影响惯性导航系统的工作性能,针对静基座条件下初始对准滤波模型的简化问题,提出一种改进的完全可观测初始对准模型;通过分析静基座条件下初始对准模型的可观测阵,构建降阶后的完全可观测初始对准模型;仿真实验验证在理想的静基座条件下所用方法的有效性,结果表明采用降阶法使得模型大大简化,在减少计算量的同时保证了对准精度;通过实测实验比较在实际条件下2种模型的结果,降阶模型能够加快收敛速度,有效消除不可观测状态量对整个系统的影响,总体来说,是一种相对优化的静基座初始对准模型。

一种5G辅助地磁匹配的室内定位方法

针对地磁匹配存在误匹配、定位误差较大等情况,提出一种5G信号辅助地磁匹配的定位方法,利用5G的CSI粗定位约束地磁匹配范围,从而获得较高的定位精度。分析了5G信号和地磁匹配定位的不同特点,并利用BP神经网络对5G信号进行粗定位,再以该结果作为约束条件筛选地磁匹配区域,然后在该区域利用动态时间规整算法进行地磁匹配,实现5G辅助下的高精度地磁匹配定位。实验结果表明,基于5G的CSI的单基站定位方式的精度约为2~3 m,5G辅助地磁匹配的组合定位可有效解决地磁误匹配问题,平均误差在1 m以内,能够满足大多场景下室内定位的需求。

多频多GNSS大网发展与解算探讨

为了进一步增强全球卫星导航系统(GNSS)服务的精度、完好性、连续性和可用性,对多频多GNSS大网的解算特点、难点和解算方法进行分析和探讨:归纳多频多全球卫星导航系统(GNSS)大网空间段和地面段的最新进展;然后分析解算的特点与难点,迫切需要统一的解算模型和与之对应的高精度、高效率和智能解算算法;最后从非差模型、并行解算和智能解算3个方面总结解算方法。

面向动态环境的双目/惯性SLAM系统

基于静态场景假设的即时定位与建图(SLAM)系统仍存在诸多问题:传统视觉SLAM中的关键帧并不包含语义信息,在实际场景中总包含大量动态点,不仅会影响系统精度,甚至可能出现跟踪失败。针对以上问题,提出一种语义SLAM思路。首先,提出利用掩膜区域卷积神经网络(Mask R-CNN)给出的先验语义信息进行筛选,摒弃动态点的干扰,将这项功能作为新的线程加入尺度不变特征变换即时定位与建图(ORB-SLAM3)。其次,结合ORB-SLAM3的双目/惯性里程计部分,基于惯导预积分协方差设置自适应阈值,判断先验动态点的真实动态性。最后,利用实测数据对算法进行验证。实验结果表明,3个数据集序列绝对轨迹误差分别降低56.3%、71.5%、19.4%。因此,该系统能够有效判别特征点的真实动态性,屏蔽动态点的干扰,从而提高定位精度。