基于GNSS/INS的列车定位风险评估方法

全球卫星导航系统(global navigation satellite system,GNSS)应用于列车运行控制系统位置服务时,需对其进行风险评估,以确保其满足安全相关的需求.为此,首先建立一种基于卫星导航系统与惯导系统(inertial navigation system,INS)融合的列车定位单元结构,通过分析传感器融合数据对故障进行检测及识别,并计算水平保护距离,结合水平位置误差、水平告警门限、告警时间等指标参数,对列车定位单元的工作状态进行识别;其次在此基础上分析由危险状态生成的风险事件,并计算列车定位单元危险侧失效率及故障概率;最后结合现场试验数据对所提出的风险评估方法进行测试验证.验证结果表明:若误警率、漏检率均为1×10^−7/h,水平告警门限为20 m,定位单元在相对开阔环境下的故障率为9.14×10^−7/h,受限环境下的故障率为1.52×10^−4/h;若运行线路对风险指标参数需求降低,则误警率、漏检率及水平告警门限也会增大,受限环境下的定位单元故障率也随之降低,在误警率、漏检率均为1×10^−5/h,水平告警门限为100 m时,计算获得的受限环境下定位单元故障率为0.因此,在对定位单元进行风险评估时需考虑不同线路对指标参数的需求.

卫惯视组合导航技术发展趋势

针对在无人机导航和自动驾驶等领域的大尺度场景中,视惯组合导航系统表现不稳定或因无法闭环而产生误差累积的问题,提出融合卫星导航全局测量优势是实现大尺度室内外无缝导航的重要手段,并从卫星-视觉-惯性(GVI)组合导航数据融合算法角度出发,对GVI组合导航技术研究现状和发展趋势进行总结展望:首先,借鉴同时定位与建图(SLAM)架构,给出GVI组合导航系统的基本理论和框架;接着,从数据融合算法入手,对比分析基于滤波和基于优化方法的方案;然后,探讨不同场景下GVI+组合导航系统在无人系统上的应用潜力;最后,对该领域近年来的发展进行讨论总结并展望发展趋势。

多系统卫星融合定位数据的稳定性和精度比较分析

论述GNSS多系统融合定位的数学模型、分析各项误差处理策略以及参数估计方法,基于日本东京海洋大学RTKLIB软件进行GPS、GLONASS、Galileo、BDS多系统融合定位试验,并分析其动/静态定位稳定性和精度。试验结果表明:GNSS多系统融合收敛时间与GPS单系统相比缩短30%~50%,定位精度与GPS单系统相比可以提高20%~50%。此外,在卫星高度截止角大于40°和不利观测环境条件下,单系统可见卫星数不足,从而导致无法进行连续定位,但多系统融合可视卫星可获得比较好的定位精度,在建筑物密集区、山区和卫星遮挡较为严重的恶劣条件下具有实际应用价值。

GVIL:基于图优化的GNSSPPP/视觉/惯性/激光雷达紧组合算法

高精度定位与导航服务在移动机器人、无人机与自动驾驶等新兴领域中发挥着至关重要的作用。视觉/惯性/激光雷达组合算法相较于视觉/惯性组合算法,可同时利用环境的空间结构与纹理信息以实现更为鲁棒的位姿估计结果,然而其在大尺度场景下仍存在误差累计问题。为此提出了一种全球导航卫星系统(global navigation satellite system,GNSS)精密单点定位(precise point positioning,PPP)/视觉/惯性/激光雷达紧组合算法。该算法首先通过4种传感器的联合初始化,实现了不同传感器空间基准的统一;然后,用双频无电离层组合后的GNSS伪距、相位观测值与视觉、惯性、激光雷达原始观测值共同构成误差因子;最后,通过基于关键帧与滑动窗口的因子图优化实现了全局位姿的精确、鲁棒估计。经车载实验验证,所提出的GNSS PPP/视觉/惯性/激光雷达紧组合算法通过4种传感器在原始观测值层面的组合,可以显著提升系统在复杂环境下的位姿估计的精度、连续性与可靠性,实现无缝导航。

融合5G/GNSS的车辆高精度鲁棒安全定位:进展与展望

不受环境和条件影响的准确、实时定位对于基于位置的车辆应用和自动驾驶至关重要.典型车辆定位通常依赖于全球卫星导航系统(GNSS),如美国GPS、中国北斗等,由于易受遮挡和阻塞,常将其与惯导、视觉等技术融合弥补GNSS缺陷.但车规级传感器易受驾驶状态、天气等因素影响,很难精确测量,影响定位性能.近年来,依托先进5G技术和广域基础设施建设, 5G/GNSS融合定位可以提供更为精确鲁棒实时的位置结果,并逐渐成为车辆高精定位的主要手段.鉴于极少有车辆定位领域应用5G/GNSS融合方法的系统综述,面向车辆定位,从精度、鲁棒、实时安全等多方面分述基于5G/GNSS融合的先进定位方法,并探讨研究空白和未来研究方向.