论文部分内容阅读
目前在城市环境中,车载定位定姿系统(POS)大部分依靠GNSS和INS的组合解算,而这种方式很容易受卫星信号强弱的影响,尤其是在高楼林立、林荫道路等卫星信号遮挡或缺失较为严重的场景。若能够融合视觉传感器或其他车载传感器观测信息,以此辅助INS定位定姿,发挥各种传感器的互补优势,则可以有效地弥补传统车载定位定姿系统(POS)的不足。国内对车载INS/GNSS组合导航系统的研究已经较为成熟,但是融合视觉/INS/GNSS的组合导航研究则相对较少。本文主要研究视觉/INS/GNSS等多传感器数据融合定位定姿关键技术,并将其应用到实际城市环境车载场景中,并用模拟数据和车载实测数据对算法进行验证分析。本文主要研究的主要内容包括有:(1)以ECEF为INS导航参考坐标系,设计并实现高精度惯性导航机械编排算法;分析表明,该算法公式更加简洁,代码易于实现,而且可以将INS更好地与GNSS位置、速度、伪距、载波相位以及多普勒等观测值进行融合解算;(2)基于卡尔曼滤波理论,建立视觉/INS/GNSS等多传感器融合定位定姿数学分析模型;将GNSS、视觉传感器以及车载里程计等传感器,并与INS导航方程进行融合解算;本文中基于卡尔曼滤波理论的多传感器融合数学模型,结构清晰,代码实现简单,且易于扩展;(3)INS/GNSS辅助视觉传感器提高图像特征点匹配准确度;INS/GNSS组合导航系统可以在短时间内提供精度较高的位姿信息,可用于本质矩阵与基础矩阵的预测以及特征点三维坐标的投影更新等;实验表明,该方法可以有效地提高相邻两帧图像特征点匹配准确度;(4)在Linux系统下,实现视觉/INS/GNSS等多传感器融合算法;算法的实现是基于矩阵运算库Lapack/Eigen的,并且用开源计算机视觉算法库OpenCV处理图像特征点的提取与匹配;算法经过模拟数据以及实测车载数据多次测试,可以较好地运行;(5)视觉/INS/GNSS等多传感器融合算法验证分析;通过模拟实验与实际车载测试表明,本文实现的视觉/GNSS/INS等多传感其融合算法,在GNSS信号较弱或缺失的情况下,可以有效地提高位置与姿态的姿解算精度,能够将车载定位定姿解算精度提高40%~60%左右;由视觉传感器输出的相对位姿观测量也可有效地改善INS/GNSS组合系统的可观性。