附加自适应短时高程变化率约束的PPP/INS紧组合增强模型

卫星信号在城市高遮挡环境下受复杂干扰引起的质量下降甚至中断问题,常引发精密单点定位/惯性导航系统(PPP/INS)紧组合导航误差发散。基于常值高程假设提出的传统高程约束模型虽可有效抑制平缓路面下惯性导航系统的误差累积,但因其无法合理地适应路面高程变化而难以增强高遮挡环境下的PPP/INS紧组合模型。本文顾及载体运动中短时高程变化率相近的特性,提出一种自适应短时高程变化率的高程约束PPP/INS紧组合模型。采用模拟的遮挡环境和真实的城市环境下的车载试验验证本文模型有效性。在真实城市环境试验中,相比于无约束、顾及高程变化定权的高程常值约束、历元间高程常值约束3种PPP/INS紧组合模型,本文模型在高程方向上定位精度分别提升52.2%、49.2%、70.9%。

空间约束标识点过程的机载激光雷达景观树提取

针对目前关于城区景观树提取存在的提取精度低、数据代表性不足、算法复杂等问题,提出了一种空间约束标识点过程的机载激光雷达(LiDAR)景观树提取方法。所提方法从点云数据中分离非地面点,且通过树冠点云密度约束标识点过程模型。首先,采用三角网迭代加密滤波算法将LiDAR点云数据中的地面点与非地面点分离;然后,针对非地面点数据定义景观树空间分布标识点过程模型,以圆形刻画景观树在地面投影区域的几何形状,定义树冠投影区几何模型,并结合景观树和非树区域数据点的高程分布特点构建高程分布模型;在此基础上,根据树冠点云的空间密度特征,构建高程约束模型;在贝叶斯理论架构下综合上述模型建立景观树提取模型,并结合可逆跳变马尔可夫链蒙特卡罗算法模拟该提取模型;最后,根据最大后验概率准则,获取最优景观树提取结果。实验结果表明,所提方法提取的景观树整体精度较高,总体的提取率和正确率均达到了90%以上,对识别难度较大的复杂场景景观树提取结果亦能达到较高精度。