GPS/IMU组合定位定向系统设计

介绍了一种组合低成本的GPS和IMU(Inertial Measurement Unit)来获得高精度姿态、位置和速度信息的方法。文中介绍了GPS／IMU组合系统的设计方案及系统的硬件和软件设计，并给出了实验结果。该组合系统将来安装于炮兵测地车后，不仅可以提高测地的精度，而且在采样率、可靠性等方面比单独采用GPS定位的方法更有优势。     

WiFi/MEMS组合室内定位方法研究

随着LBS时代的来临,位置信息获取的需求日益提升,而传统卫星定位手段无法适用于封闭的室内环境,因此,对于室内环境的定位导航手段逐渐成为新的研究热点。本文对基于WiFi和MEMS传感器的两种定位方式进行介绍,并提出一套基于WiFi指纹匹配和MEMS传感器PDR算法组合的组合室内定位方法。试验结果表明,在行人正常移动状态下,组合定位方法具备1 m的定位精度,且保持连续稳定。     

微小型IMU/GPS组合定位定向系统研究

介绍了一种低成本微小型惯性测量组件(inertialmeasurementunit,IMU)和双天线GPS构成的组合定位定向系统。为确保组合系统的实时性和滤波稳定性,提出了一种基于UD分解的快速卡尔曼滤波算法,给出了IMU/GPS组合系统的软硬件设计和实验结果。该组合系统应用于炮兵测地车,具有成本低、精度高等优点,能够提高炮兵测地保障的精度和速度。     

超宽带与激光雷达组合的室内定位方法

针对室内及室内外过渡区域,GNSS信号受到严重影响导致的定位精度下降甚至无法定位的问题,该文提出了一种新的多传感器组合的室内定位方法。充分利用超宽带(UWB)超高的时间分辨率、良好的抗多径能力和较强的穿透能力,以及激光雷达(LiDAR)所表现在构图与定位方面主动、高效、精确的特点。使得两个系统相互作用,在复杂的室内环境下能够获得厘米级的定位结果。基于室内环境下的实测实验结果表明:无论是在非视距环境下UWB定位能力受到严重影响,还是在LiDAR定位结果出现较大发散的情况下,基于EKF的UWB/LiDAR组合定位系统都能够稳定维持厘米级的定位精度,定位结果比较接近参考轨迹。本文提出的基于EKF的UWB/LiDAR组合定位模型,实现了复杂室内环境下的高精度定位。     

基于MEMS IMU的GNSS RTK/INS紧组合定位分析

本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。     

一种LiDAR平面配准方法辅助的IMU室内定位算法

室内环境由于缺乏观测条件,无法使用全球导航卫星系统(global navigation satellite system,GNSS)进行定位,而单独惯性导航系统(inertial navigation system,INS)由于传感器的误差累积,定位结果快速偏移且无法受到限制.因此,针对室内未知环境下移动背包的定位问题...     

一种单目视觉/INS组合室内定位抗差方法

针对单目视觉/INS的组合定位算法中,单目视觉本身不具备尺度的问题以及在景深变化明显和光照不均匀的环境下会产生粗差的问题,提出了一种单目视觉/INS组合室内定位抗差方法。在尺度恢复方面,借助INS的位置增量信息,基于最小二乘法对单目视觉进行尺度恢复。在抗差方法方面,利用INS在短时间间隔内增量信息高精度的特性,对单目视觉在此时间间隔内的增量信息进行检测,判断是否产生粗差并进行粗差剔除,进而提高组合定位系统的定位精度。实验结果表明,所提算法可以有效的探测并剔除单目视觉/INS组合系统在恶劣环境下产生的粗差,提高组合定位系统的精度及鲁棒性。     

城市环境下智能手机车载GNSS/MEMS IMU紧组合定位算法

针对城市环境下卫星信号遮挡严重,智能手机全球导航卫星系统(global navigation satellite system,GNSS)定位难以保证连续性和可靠性的问题,提出了一种基于智能手机内置传感器数据的GNSS/微机械惯性测量单元（microelectro-mechanical system inertial measurement unit,MEMS IMU)紧组合车载导航算法。算法使用惯性导航系统机械编排进行时间更新,在车辆运动模型约束的基础上,使用伪距、多普勒频移和载波相位时间差分计算的航向角作为观测值进行测量更新。采用3部不同型号的智能手机进行车载试验分析,结果表明：城市场景下紧组合滤波定位算法平面位置精度统计约为5～6 m,高程方向约为5 m,且在GNSS信号失锁的隧道场景下具有短时间推算功能。该算法受GNSS观测条件的影响较小,大幅提升了城市复杂环境下智能手机车载定位的连续性和可靠性。     

北斗/GPS组合定位方法

随着北斗卫星导航系统的逐渐完善,有关北斗系统定位的研究越来越深入,为了对比分析北斗系统和全球定位导航系统(GPS)定位的差异性,充分利用北斗地球静止轨道卫星(GEO)和倾斜地球同步轨道卫星(IGSO)高轨道卫星的特殊性,本文提出一种新的组合选星方法,选取卫星数较少且Position Dilution of Precision(PDOP)最小的北斗/GPS组合,分别对比分析北斗系统、GPS系统及其组合系统在楼顶开放环境和楼间恶劣环境下的定位效果。实验结果表明:北斗比GPS有更加稳定的定位效果,依据本文组合选星方法,利用少量卫星即可获得较好的定位精度。     

基于联邦滤波进行立体相机/IMU/里程计运动平台组合导航定位

在无GPS信号的受限环境中,基于序列立体影像的运动平台视觉定位精度较高,能够改正航迹推算方法的误差累积,但在纹理贫乏或光照不足的环境下容易定位失败。为提高受限环境下运动平台定位的精度与稳健性,提出一种基于联邦滤波的立体相机、惯性测量单元（inertial measurement unit,IMU）及里程计组合导航方法。该方法在联邦滤波中利用IMU分别同里程计与立体相机构成子滤波器,有效避免立体视觉定位失效而导致的系统定位失败,提高了定位稳健性。地下巷道实验结果证明,所提方法能有效提高运动平台导航定位的精度,并且在立体视觉定位失效的情况下仍能实现连续定位。     

光源编码+PDR组合的室内行人定位方法

针对光源编码定位系统存在定位不连续、易受遮挡导致定位性能下降等问题,提出了一种光源编码/行人航迹推算(PDR)组合的室内行人定位方法。该方法采用扩展卡尔曼滤波(EKF)对PDR位置和光源编码位置进行融合处理,并运用新息滤波对光源编码位置进行抗差处理。试验结果表明,光源编码+PDR组合算法能有效改善光源编码定位不连续、非视距环境中存在粗差的问题,实现连续、高精度的室内行人定位。     

GPS/DR组合定位方法研究

当今，诸多部门如公安、交通和银行等都要求在城市环境中对车辆连续跟踪和不间断定位。如何实现车辆在城市中的高精度连续定位是许多车辆监控和指挥系统及ITS（Intelligent Transportation System)的主要研究课题之一。然而，由于城市中的电波传播环境非常复杂，在其中定位要考虑很多方面的因素。本文就城市环境的特殊性，分析了其影响GPS定位精度的主要误差源，并设计了一种经济可行的组合定位方法－GPS／DR组合定位模式。     

IMU/GPS组合导航系统自适应Kalman滤波算法

给出了IMU在地固坐标系中的误差方程,介绍并分析了自适应滤波和渐消Kalman滤波算法原理,然后将渐消因子引入到自适应滤波算法中,并将其应用到IMU/GPS松组合导航系统中,最后利用一个实际算例证明了该组合导航系统的有效性。     

IMU/GPS组合导航系统自适应Kalman滤波算法

针对基于指纹库的WiFi定位存在的点位重积、回跳,行人航位推算算法中误差积累的问题,提出了并实现了通过一种自适应加权扩展卡尔曼滤波对两种定位算法进行松耦合。首先给出了WiFi无线定位和行人航位推算进行位置解算的原理,采用渐消因子的自适应加权EKF算法实现了两者的融合,最后通过实测数据验证算法的有效性。试验表明,该方法在保持了WiFi定位单次定位高精度的特性的同时,继承了航位推算的连贯性,不仅减少了WiFi定位所存在的重复堆积点以及回跳点,并在一定程度上削弱了行人航位推算所存在的积累误差,提高了融合算法的效率,大大提高了室内定位的精度与稳定性。     

超宽带与惯性导航组合的室内导航定位

针对室内环境下缺少GNSS信号,且超宽带(UWB)定位精度受非视距误差影响明显的问题,该文提出了基于UWB/INS组合的室内导航定位方法。该方法利用惯性导航系统(INS)推算的位置和速度信息与UWB解算的位置和速度信息的差值作为量测信息,按先验阈值鉴别并剔除非视距误差,通过扩展卡尔曼滤波进行室内导航定位。实验结果表明,该方法能有效抑制非视距误差的影响,大幅提升导航定位精度,稳定性更高,可靠性更强,适用于较高精度的室内导航定位。     

WiFi-PDR室内组合定位的无迹卡尔曼滤波算法

针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。     

基于GPS/IMU的红外影像直接定位技术

研究无控制点情况下的红外影像目标快速定位技术,有利于发挥红外遥感的测绘应用潜力。首先介绍了基于GPS/IMU的目标定位原理与方法;然后实验验证了红外影像多像前方交会和GPS/IMU辅助红外影像光束法区域网平差的可行性;并分析了误差产生的原因。实验证明,航空红外遥感在GPS/IMU组合系统的配合下,能满足目标探测与预警的精度要求,具有实用价值。     

利用UWB/LiDAR里程计的室内高精度定位方法

针对超宽带(UWB)室内高精度定位中,易受非视距(NLOS)误差而导致定位不连续的问题,该文首先采用小波变换对RTT解算的测距异常值进行削弱,然后将UWB与LiDAR进行组合,综合利用UWB测距值以及LiDAR里程计所提供的距离和角度信息构建量测方程,最后通过扩展卡尔曼滤波进行定位解算.实验结果表明,该文提出的UWB/...     

一种融合WiFi/地磁/PDR的室内定位方法

提出了一种改进的粒子滤波方法,利用室内常见的WiFi信号、地磁源并结合智能手机廉价传感器进行室内定位。WiFi室内定位错误匹配情况较少,地磁指纹室内定位具有较强的抗干扰能力,本文利用两者的优点并结合PDR提供连续的位置信息。与传统的粒子滤波相比,采用MD-DTW（多维动态时间规整算法）对粒子定权并提出分段粒子定权的方法对粒子序列长度进行约束,能有效加快粒子滤波收敛速度。仿真试验表明利用改进的粒子滤波进行定位结果可达1 m,有较强的实用性。