【摘 要】
:
里程计通常被用于辅助车载GNSS/INS组合导航系统,以解决当遇到高楼、密林、隧道等信号干扰和遮蔽严重情景时导致精度下降的问题,而里程计辅助需要获取准确的里程计杆臂和安装角。鉴于此,本文提出了一种基于预积分的IMU/ODO外参估计算法,使用由里程计观测和GNSS/INS组合导航解算得到的一段时间内的里程增量差异构建代价函数,通过非线性优化器进行标定参数求解。仿真与实际测试均表明了本文标定方法的有效
【机 构】
:
广州市城市规划勘测设计研究院,广东 广州511400;武汉大学卫星导航定位技术研究中心,湖北 武汉430072
论文部分内容阅读
里程计通常被用于辅助车载GNSS/INS组合导航系统,以解决当遇到高楼、密林、隧道等信号干扰和遮蔽严重情景时导致精度下降的问题,而里程计辅助需要获取准确的里程计杆臂和安装角。鉴于此,本文提出了一种基于预积分的IMU/ODO外参估计算法,使用由里程计观测和GNSS/INS组合导航解算得到的一段时间内的里程增量差异构建代价函数,通过非线性优化器进行标定参数求解。仿真与实际测试均表明了本文标定方法的有效性,里程计观测在经过标定外参补偿后,可为车载GNSS/INS组合导航系统提供厘米级的精度辅助。
其他文献
在2021年全国两会报道中,人民日报新媒体现场记者通过5G+AI等技术手段实现“人机协同”的新闻生产实践:5G穿戴式设备、AI智能剪辑等新技术应用在现场报道中,对现场报道方式和
行业报道若想摆脱工作性强之不足,让报道出彩,就要多跑现场,扎根基层,吃透下情,从寻常的工作和生活中发现新闻真正的“闪光点”,采写出新闻性强的好报道。
植被的覆盖程度是造成雷达影像失相干的重要因素。通常,在森林等植被覆盖严重的地区,相干性相对较低,而在城市等植被覆盖率较低的地区,相干性较高。本文基于2017年珠江三角洲地区的MODIS归一化植被指数(NDVI)与Sentinel-1雷达卫星影像相干性,建立线性回归和幂函数回归模型,并利用两种模型预测该地区2016年的相干性,最后通过F分布检验及残差分布比较两者的精度。试验结果表明,总体上幂函数模型
黄河三角洲湿地地区土地利用变化信息可为有关部门制定湿地保护和经济发展提供参考。本文选取2005、2009和2019年三时相黄河三角洲入海口周边,以及东营属地内黄河沿岸的Landsat 7 ETM+遥感影像为数据源,采用监督分类方法研究土地利用类型,通过分析编码的变化判别黄河三角洲的土地利用转移情况,从而进行湿地变化动态分析。结果表明,研究区内2005—2009年湿地总面积减少了437 km~2,呈
本文将Fmask云检测结果作为标记样本对深度卷积神经网络进行训练以实现云检测。在仅利用可见光波段和近红外波段的前提下,本文方法的云检测总体精度达到87.65%,高于Fmask的86.92%,而且单景Landsat 8影像的识别用时18 s,远低于Fmask的72 s,具有更高的精度和效率。另外,该方法适用于不同的地表土地覆盖类型,具有很强的泛化能力,是一个通用性强的算法,为进一步的遥感应用打下基础
由于高分影像具有地物细节丰富、类别差异大等特点,现有的卷积神经网络影像分类方法普遍存在分类精度低、地物边界不准确等问题。鉴于此,本文提出一种基于增强DeepLabV3网络的影像分类模型。首先构建R-MCN网络结构,利用大小不同的卷积核并结合残差网络的思想进一步提取浅层网络的多尺度、多层次的特征信息;然后采用可学习的上采样方式,并将R-MCN提取的特征与高阶的语义信息相融合;最后通过提出的Mloss
消费维权类节目有自身鲜明特点,对节目主持人及其主持传播有比较明确的要求。文章以梳理广播电视节目的产生为逻辑起点,界定了消费维权类节目;从主持人的职业能力要求入手,定
灾害易发性预报是提高灾害防控能力的第一步。针对位于云南省内的金沙江流域因地势险峻、生态环境脆弱,加之近年来人为活动增多已成为地质灾害高发区的现状,本文以金沙江德钦至华坪段滑坡灾害为例,运用Maxent和随机森林两种机器学习模型对滑坡空间分布作归因与预测,并对两者之间的差异进行对比分析。试验结果表明,随机森林模型的预测精度高于Maxent模型,AUC值为0.72。
土地荒漠化等级分类是荒漠化监测的重要内容,也是土地荒漠化综合治理、科学防护的基础。针对植被稀疏及干旱区土地荒漠化提取异常的问题,本文选择干旱/半干旱的科尔沁区为试验区,以2005、2010和2015年3期的中高分辨率Landsat遥感影像为数据源,基于大量的样本统计分析,提出了一种融合植被覆盖度(FVC)、去土壤植被指数(MSAVI)、增强性植被指数(EVI) 3种指标的荒漠化提取模型,并将之与传
重编辑职务权威性、轻编辑非职务权威性是一个普遍性的问题,本文列举编辑工作正反典型进行两分法分析,论证编辑职务权威性和非职务权威性的辩证关系,提出编辑应在观念上淡化