摘要在精确导航方面的最新进展已广泛利用全球导航卫星系统(GNSS)和惯性导航系统(INS)的集成,尤其是在智能车辆的领域。然而,这种导航系统的功效被非光(NLOS)信号的反射和多径中断所损害。基于积极的感知传感器以其精确的3D测量而闻名的基于主动感知的传感器的光检测和范围(LIDAR)的探测器在增强导航系统方面已经变得越来越普遍。尽管如此,与GNSS/INS系统的激光雷达进气量同化列出了重大挑战。应对这些挑战,这项研究引入了两相传感器融合(TPSF)方法,该方法通过双阶段传感器融合过程协同结合了GNSS定位,激光镜和IMU预融合。初始阶段采用扩展的Kalman滤波器(EKF)与IMU机械化合并GNSS解决方案,从而促进了IMU偏见和系统初始化的估计。随后,第二阶段将扫描到映射激光雷达的进程与IMU机械化相结合,以支持连续的LiDAR因子估计。然后将因子图优化(FGO)用于liDar因子,IMU预融合和GNSS解决方案的全面融合。通过对城市化开源数据集的苛刻轨迹进行严格的测试来证实所提出的方法的功效,与最先进的算法相比,该系统表明性能的增强,可实现1.269米的翻译标准偏差(STD)。
我们到了吗?经过大约二十年的和谐发展投资,这是定位、导航和授时 (PNT) 应用的“小技术”的潜在用户一次又一次不耐烦地提出的一个问题。显然,多年来已经取得了一些重大进展,我们看到该技术在不断增长的消费电子市场中占有一席之地,该市场充满了由惯性和计时微技术支持的交互式产品。这些产品包括用于游戏应用的加速度计、用于汽车安全的陀螺仪和用于时钟的谐振器 - 仅举几例。然而,问题仍然存在:该技术是否真的达到了我们所认为的精确导航和授时水平,即它是否能够在整个任务期间(从几分钟到几小时到几天)实现至少 10 米的位置精度和 1 纳秒的时间精度?