车载GNSS/SINS/里程计分布式弹性融合导航方法

为提升复杂环境下低成本车载导航系统的容错性能,本文研究了基于次优增益融合(SGF)算法的GNSS/SINS/里程计分布式弹性融合方法。该方法首先根据阿克曼转向几何建立了四轮里程计测速补偿模型,提升了惯性测量单元(IMU)安装中心处的前向和侧向测速精度;然后设计了基于卡方检验统计量的故障检测与分类准则,充分利用了可获取的观测信息;最后构建了随机模型和信息分配因子(ISF)弹性优化模型,分别从传感器层和决策层减少了异常观测的影响,实现了车载多源信息的弹性融合。通过实际跑车数据对GNSS/SINS/里程计分布式弹性融合方法进行测试验证。试验结果表明,本文方法能有效减少子系统故障对全局状态估计的影响,提升复杂环境下系统的容错性能。此外,与经典的联邦卡尔曼滤波(FKF)算法相比,SGF算法全局融合精度损失有限,计算效率却显著提升,有利于多源信息弹性融合的实际工程应用。

基于SINS/GNSS的航空矢量重力测量数据处理方法研究

航空矢量重力测量是未来高效测定中高频地球重力场信息的先进技术,与地面重力测量、海洋重力测量和卫星重力测量技术相互补充。本文介绍了基于捷联惯性导航系统/全球卫星导航系统(SINS/GNSS)的航空矢量重力测量的原理,重点讨论了航空矢量重力测量的数据预处理、数据归算、带限地形影响、向下延拓及大地水准面确定等问题,为发展我国航空矢量重力测量技术提供参考。

SINS/GNSS组合导航技术研究

本文分别介绍了SINS和GNSs的工作原理和系统误差.说明了组合导航的必要性;然后从组合导航的方式、信息融合技术等方面.分析了组合导航的相关技术.最后指出了组合导航的发展趋势。

基于LiDAR辅助的GNSS/INS组合导航设计

为了解决城市峡谷、信号干扰等挑战场景下,GNSS信号短暂丢失带来的定位中断问题,保证导航服务的持续性及可靠性,设计了基于GNSS/INS/LiDAR的松组合方案。首先在GNSS信号可见的情况下,以GNSS/INS组合系统的定位、定姿结果为主作为导航服务的数据参考,其次在GNSS拒止环境下,在GNSS/INS提供的定位、定姿结果基础上,采用基于LOAM算法的LiDAR里程计接替GNSS接收机系统,通过LiDAR/INS组合方式提供定位、定姿估计,保证挑战环境下的持续性定位服务,最后在实验小车平台上完成了算法验证。实验结果表明,在GNSS挑战环境下,LiDAR系统可以在短时间段内(35 s,20 m距离)保证分米级精度的续航能力。所设计的GNSS/INS/LiDAR的松组合方案可以应用在GNSS挑战环境下的导航服务中,以保证导航的持续精度能力。