论文部分内容阅读
高精度动态定位定姿技术、数字传感器技术、近景摄影测量技术以及自动控制技术的飞速发展和集成融合，使得移动状态下的地面遥感快速测量成为可能，从而催生出一个新的应用领域——移动测量。移动测量技术为三维空间信息的快速高精度测量和更新开辟了一个新的途径。移动道路测量技术具有动态定位定姿测量速度快和地面近景摄影测量信息量大的特点，提高了野外空间数据获取的效率，获取的可量测立体影像也使得数据处理和应用更为灵活多样。将移动道路测量系统的可量测立体影像与GPS（Global PositionSystem）、IMU（Inertial Measurement Unit）数据有机结合，为移动测量系统的高精度、高可靠性定位定姿提供了一种新的途径。移动测量系统是一个典型的多传感器集成系统。一方面，遥感影像需要利用POS提供的高精度定位定姿数据实现与地理信息的融合，实现无控制、快速遥感立体定位；另一方面，来自无控制移动测量系统的DMI（Digital Measurable Image）本身是一个具有严密几何传递参数的序列影像，具有定位能力，作为一种新的数据源，可以与GPS、IMU数据进行集成融合定位，从而构建一个集GPS/IMU/DMI定位定姿技术于一体的更为复杂的组合导航系统，可望进一步提高移动测量系统定位定姿的精度和可靠性。本文以无控制移动测量系统中用于直接地理参考的定位定姿测量为研究对象，研究可靠的、高精度的多传感器集成定位定姿方法与技术，包括基于GPS、IMU的高精度定位定姿方法、GPS/IMU紧组合定位定姿技术、基于移动测量系统的序列可量测影像定位定姿方法。在此基础上研究基于GPS、IMU与可量测序列影像集成融合定位定姿模型与算法，探讨有可量测影像参与的GPS/IMU/DMI组合定位定姿方法，实现多传感器数据融合的组合POS，提高GPS/IMU定位定姿处理的精度和可靠性，为无控制移动测量技术的实际工程应用提供理论和技术支撑。本文围绕着基于陆基移动测量系统的定位定姿技术，主要开展了以下研究：1）将POS定位定姿传感器与遥感成像CCD相机集成，实现无控制移动测量。本章首先总结了多传感器集成与无控制移动道路测量的理论与方法，分析了无控制移动测量误差模型，在此基础上提出了无控制移动测量的关键技术。详细讨论了无控制移动测量误差模型与关键技术，分析了陆基无控制移动测量的数据特征，构建了基于陆基无控制移动测量多源数据融合定位定姿的基本模型，探讨了其技术可行性。2）对陆基移动测量系统定位定姿的方法进行了系统的总结和分析，包括GPS定位定姿方法和惯性测量定位定姿方法。惯性测量定位定姿主要包括SINS定位定姿、DR定位定姿和3G1M（3个陀螺和1个里程计）定位定姿。在此基础上，重点讨论了GPS/IMU定位定姿模型，对GPS/IMU松组合定位定姿的原理、算法特点进行了分析，以陆基移动测量系统为平台进行了GPS/IMU松组合定位定姿算法测试；介绍了GPS/IMU紧组合定位定姿算法模型，包括基于IMU的GPS整周模糊度固定算法和IMU辅助GPS周跳探测方法；以陆基移动测量系统获取的数据进行了算法实测，验证了GPS/IMU紧组合定位定姿算法的有效性和可靠性。最后，提出一种紧组合下的惯性辅助三星定位方法，以实测数据进行了算法验证，表明采用IMU辅助可以实现三星定位。3）对影像视觉定位定姿技术及其国内外研究现状进行了总结与分析，提出了基于无控制移动测量系统可量测序列影像的定位模型，对序列DMI定位定姿的误差进行了分析和讨论，指出序列影像间连接点特征提取和匹配是影响DMI定位定姿的关键因素；可量测序列影像定位本质上也是一种视觉定位方式，将视觉定位与POS融合集成，可以提高组合定位定姿精度与可靠性；此外，DMI本身是一个具有严密几何传递参数的序列影像，作为一种新的数据源，也应该与GPS/INS数据进行集成融合，从而构建一个集GPS/INS/DMI定位定姿技术于一体的组合导航系统；最后，为了提高基于DMI定位定姿的精度和可靠性，提出了基于SIFT的序列DMI影像自动匹配方法。4）在移动测量系统中，利用DMI、GPS和IMU进行定位定姿时各自所具有的不同优势和特点，将不同传感器数据进行融合通常采用卡尔曼滤波算法。但是卡尔曼滤波需要给定合适的状态模型、状态噪声矩阵和观测噪声矩阵，如果噪声矩阵不能较可靠地反映状态参数的不确定性，必然会影响滤波解，导致估值次优甚至滤波分散。为克服上述问题，针对DMI观测数据的特点，介绍了DMI的单因子自适应滤波、多因子自适应、分类自适应滤波和抗差自适应滤波；研究了自适应因子的构造方法，提出了不同的自适应因子模型，并对其在DMI定位定姿滤波中的应用情况进行了分析；提出了基于多传感器空间约束条件的自适应卡尔曼滤波，并将其模型拓展到GPS、IMU和DMI的融合定位定姿中；进一步提出了基于多传感器的抗差自适应GPS/IMU/DMI融合定位定姿和基于多传感器空间约束条件的融合定位定姿模型。5）介绍了陆基移动测量系统及实验系统，以实验系统获取的不同实验场地的大量DMI、GPS、IMU实测数据，分别开展了GPS/IMU松组合实验、GPS/IMU紧组合实验、DMI与GPS/IMU融合定位实验，对实验结果进行分析和讨论，结果表明，本文构建的方法是合理和有效的。最后，对可量测影像DMI与GPS/IMU融合集成定位定姿的应用模式进行了探讨。总之，采用多传感器集成理论方法、多传感器多源数据抗差融合处理方法将直接的定位定姿GPS、IMU数据和间接的可量测序列影像数据结合起来，一方面，可通过GPS、IMU紧组合融合提高直接定位定姿的精度；另一方面，利用来自陆基移动测量系统的可量测序列影像DMI定位定姿推算，提高定位定姿的可靠性和适用范围。