神经元实时辨识车辆导航系统中的GPS多径误差

在城市车辆导航过程中,多径误差是近距离差分GPS等高精度定位的主要误差源。文章首次提出神经元实时辨识GPS多径误差方法,它能实时辨识当前时刻GPS接收机输出的GPS信号是否含有多径误差,从而解决GPS多径误差对城市车辆导航定位精度的影响。把该方法用到实际工程中,其结果显示能够有效的消除GPS多径误差对城市车辆导航系统定位精度的影响。     

港口自动驾驶车辆融合定位技术的应用探究

为了实现港口车辆的自动驾驶,需要采取全球卫星导航系统(GNSS)。但是港口设备复杂、环境恶劣,容易造成定位不准等问题,港口桥吊、龙门吊等会引起 GNSS信号的遮蔽和多径反射,使得 GNSS局部无信号或信号偏移,从而导致GPS定位失败。根据我国港口的实际情况,在自动驾驶车辆中融合定位技术,通过多源信息和定位技术的融合,实现了港口的高精度、高可靠定位。     

车载定位系统的应用及关键技术

随着车联网及自动驾驶相关应用的推广与普及,车载定位系统的重要性与日俱增。文章立足于车载定位系统的原理与架构,着重介绍了车载高精定位关键技术的原理和应用,包括传统卫星定位、差分定位、关系导航及组合导航及其组合方案,并在最后对车载定位系统的发展进行总结与展望。为满足自动驾驶相关场景带来的需求和挑战,车载定位系统已在原有的单一全球导航卫星系统（GNSS）定位的基础上,逐步加入差分定位、惯导系统及对前两者进行融合的组合导航,在不断提高定位精度的同时,也进一步增强了车载定位的抗干扰能力及带遮蔽环境下的动态适应能力。     

预应力混凝土斜拉桥主塔运营过程变形监测技术

斜拉桥运营监测主要集中在主梁及拉索等监测上,分别采用连通管和加速度仪等成熟设备,而对主塔变形监测的研究较少。某跨越富春江的中央索面斜拉桥主跨径256m,成桥后安装了监测系统,包含监测主梁变形的连通管传感器、监测桥塔变形的GNSS传感器和倾角传感器。其中为了优化传感器布局,采用了平面正三角形布局。本研究基于GNSS技术对某已建成运营5年的斜拉桥主塔变形进行了实时监测,分别从不同的时间尺度研究了温度和车辆荷载对其变形影响,比较了理论分析结果和实测结果。经过将近1年的监测表明,对于中小跨径的斜拉桥,主塔刚度的贡献不容忽视,其变形监测在结构运营监测中不可或缺。     

基于GNSS/SINS/双目视觉里程计的车载导航系统分析与设计

针对无人车多传感器融合定位问题,设计了基于全球导航卫星系统(GNSS)、捷联式惯性导航系统(SINS)及双目视觉里程计的分散式融合架构,通过多个传感器的冗余配置有效提高导航信息的准确性,利用分散式融合架构提高系统的鲁棒性。此外,对于分散式融合中节点相关性未知的问题,将协方差交叉(CI)算法嵌入卡尔曼滤波框架下进行融合。在基于KITTI数据集的仿真验证结果表明,设计的多传感器融合方案能有效提高导航信息的估计精度,增强系统的鲁棒性。     

GNSS独立网对隧道群贯通误差影响的分析研究

随着我国北斗技术的不断发展,GNSS技术进一步发展和成熟,在大型工程项目中建立,通常使用GNSS技术建立高精度、高可靠性的控制网,以减少和控制误差。本文主要通过对某客运专线中多个隧道段建立整体独立网,以消除隧道的贯通误差,完成整体桥隧的对接与通达。通过对数据的采集观测、成果的多检验手段提高可靠性,对控制网进行精度分析与评价,确定GNSS独立控制网可靠性,对隧道贯通误差进行预计,是否满足精度要求。     

基于车辆模型紧耦合的封闭园区车辆定位方法

自主定位是自动驾驶车辆的一项基本能力,全球导航卫星系统(GNSS)可在开阔环境提供定位解决方案,然而在封闭园区环境如港口或工业园区等,高密度的植被和建筑等环境因素会导致GNSS信号不稳定,从而影响定位精度,对自动驾驶系统的安全造成严重威胁.为解决这一问题,本文中提出融合激光雷达(LiDAR)和惯性测量单元(IMU)的自...     

基于三维激光雷达的智能车辆SLAM技术研究

智能车辆实现自主导航的必要条件之一是定位技术,目前基于三维激光雷达的同步定位与建图（SLAM）技术是定位技术的主流方案。文章从三维激光SLAM的算法框架和关键模块进行总结,具体讨论了扫描匹配、后端优化、闭环检测、地图构建等关键模块的常用算法及改进;综述了几种开源的三维激光SLAM,并对比了其优缺点;对在应用中激光雷达局部点云稀疏、Z轴的漂移以及动态对象引发的噪声影响等关键性问题进行了分析阐述;指出了基于三维激光雷达的SLAM与深度学习相结合、多传感器融合是未来三维激光SLAM的发展和研究方向。     

乘用车用发动机的缸径与行程

发动机的缸径和行程是发动机的基本尺寸,是显著影响发动机性能和结构的重要主参数。基于全球乘用车发动机的相关数据,进行研究和分析,归纳和总结出发动机缸径和行程的经验值范围,为汽车主机厂和发动机制造商的产品规划和设计、开发提供参考。     

基于点特征的车载LiDAR与GNSS/IMU联合标定方法研究

激光雷达(LiDAR)、全球导航卫星系统(GNSS)与惯性测量单元(IMU)之间的外部参数标定精度是影响多传感器融合及高精度地图的主要因素。基于此，提出一种适用于无人车的LiDAR与GNSS/IMU标定方法，该方法可实时提取标定板点云中心坐标，并利用点特征进行外部参数标定。首先，分析了LiDAR、GNSS、IMU及通用横墨卡托格网系(UTM)坐标系的变换关系；其次，基于IMU安装平面与地面平行的假设，通过车辆前方地面的法向量计算LiDAR俯仰角和滚转角的初值，并利用标定板中心偏移量计算偏航角初值；然后，假设车辆在平面上保持直线运动，采用恒定姿态运动将旋转角度的求解问题转化为最优化问题，并根据标定板UTM坐标不变的约束求解出平移参数；最后，通过分析算法误差、传感器测量误差以及中心点匹配误差验证了方案的可行性，并通过无人矿车采集LiDAR、GNSS和IMU的同步数据，对所提出的外部参数标定方法进行测试。试验结果表明：提出的方法只需要一定范围的平坦区域和标定板就可以解决3自由度运动估计6自由度外部参数的退化问题，且标定后的外部参数可以保证点云地图在20 m内的拼接误差小于20 cm。     

定位地图收费系统

照目前情况来看，未来五年里，电子收费系统（ETC）领域里的专用短程通信（DSRC）系统将会逐渐被应用了全球导航卫星系统（GNSS）的车辆定位系统（VPS）所替代。这一变化对收费系统的部署、交通设施和运输用户的预期效益会产生什么样的影响呢？     

基于机器视觉的智能车辆导航综述

基于机器视觉的智能车辆导航是智能车辆系统的关键,包括道路检测和障碍物检测两部分。结合国内外最新研究动态,本文主要总结道路检测和障碍物检测中的典型方法,并列出国内外具有代表性的一些智能车辆系统,同时详细介绍当前最具代表性的、美国军方研制的DEMOⅢ系统;最后指出基于机器视觉的智能车辆导航技术的研究与发展趋势。     

北斗车载导航系统研究现状分析

北斗导航系统是中国自主研发的全球卫星导航系统。目前北斗导航系统已广泛应用于各类车载终端,并且运用效果良好。本文概述北斗车载导航系统,总结分析对北斗车载导航技术在导航定位精度、远程监控等方面的研究状况,最后介绍了北斗车载导航系统的具体应用并指出需要改进之处。     

弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

针对弱GNSS环境下组合导航(INS/GNSS)系统存在的定位偏差问题,提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法.首先,针对训练数据中噪声较大的惯导数据,提出一种融合经验模态分解与离散小波变换的降噪算法.该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数,提出一种确定混合模态函数阶数上下界的方法...     

基于多传感器融合的纯电动无人驾驶重卡研究

以纯电动无人驾驶重卡为研究对象,突破港区复杂工况下多传感路复合定位的关键技术,基于激光点云定位、视觉定位等技术建立高精度复合导航地图系统,实现信号盲区的高精度导航.基于GMCNN卷积神经网络深度学习算法和FusionEncoder算法为基本结构的多传感器数据融合模型对充满不确定性与模糊性的目标识别数据进行处理,实现无人...     

白车身多车型零件全自动上料应用

文章探讨了白车身多车型零件结合导航小车全自动上料的应用。通过研究机器人结合视觉引导系统直接从自动导航小车上抓取白车身零件的方案,寻找到了一种精益的、改善人机工程的,从而取代传统人工取料并上料方式。对此种全自动上料方式的应用以及节省劳动力成本等优点进行了归纳。总结了多车型全自动上料过程中与之结合的视觉及料架等关键因素。     

分布式多车协同视觉SLAM系统EI北大核心CSCD

可靠的定位与导航是实现自动驾驶的先决条件。单车视觉同时定位与建图(SLAM)技术能够在GNSS拒止的情况下实现车辆的定位,但累积误差会随运行时间逐渐增加,难以持续准确完成定位任务。通过多车协同视觉SLAM可以提升定位效果。本文提出了一种鲁棒、轻量化的分布式多车协同视觉SLAM系统,该系统以ORBSLAM2作为视觉里程计,利用NetVLAD全局图像描述子实现多车间共视区域识别和数据关联;提出了一种基于数据相似性和结构一致性的方法,实现多车间闭环离群值剔除;提出了一种分布式位姿图优化方法,提高多车协同定位精度。经过自主搭建平台所采集的真实数据以及KITTI数据集测试,该系统相较于已有的主流视觉SLAM算法以及协同SLAM算法均具有更高的定位精度。     

车载导航接收机性能测试与分析

高精度定位技术是智能网联汽车正常工作的重要保障之一。随着全球卫星导航技术的不断发展,卫星导航接收机的性能评估与测试也更加重要。目前,相关国家标准针对定位性能有着明确的要求,但并未给出明确具体的测试说明。本文以车载导航接收机为对象研究其性能测试的具体方法。论文从仿真测试和实车道路测试两个方向进行研究,分别列举测试项目并针对测试数据进行分析,提出了切实可行的车载导航接收机测试方法。     

基于蚁群算法的自适应路径导航算法

针对时常发生和不断加剧的交通拥挤、堵塞等情况,研究一种动态的、自适应的导航算法,以达到对车辆进行合理有效的路径导航和路径规划的目的.这一算法是在蚁群算法的基础之上,辅以多因素综合评判的方式,改进蚁群算法的评判标准,构建动态导航模型.以该导航模型为基础,通过仿真实验进行求解,仿真实验中将路径宽度、通行时延等随机因素考虑在内并进行综合权衡,使得动态导航的结果具有现实中的指导意义.数据实例表明,该导航算法是可行的、有效的,具有良好的导航效果,可为实际的导航系统提供有力地决策支持.     

考虑动力学模型系统误差补偿的智能车GNSS/IMU组合定位算法

为了解决智能车动态组合定位过程中，因动力学模型与实际模型之间存在偏差导致滤波精度下降的问题，针对智能车全球导航卫星系统(GNSS)/惯性测量单元(IMU)组合定位系统，结合非线性预测滤波(NPF)和自适应滤波的优点，提出了一种考虑动力学模型系统误差实时估计和补偿的自适应非线性预测滤波(ANPF)算法。首先，根据NPF算法原理，通过最小化预测观测残差与系统误差的加权平方和，估计动力学模型系统误差；其次，结合自适应滤波原理，利用状态预测残差向量构造自适应因子，设计了一种自适应扩展卡尔曼滤波(AEKF)算法，用于估计系统状态向量，并通过自适应因子抑制动力学模型系统误差和线性化误差对系统状态估计精度的影响，克服NPF对系统状态估计精度有限的缺陷；再次，对动力学模型系统误差的估计误差和由动力学模型系统误差引起的系统噪声的等效协方差阵进行了分析和推导，以补偿动力学模型系统误差对系统状态估计的影响；最后，通过车载GNSS/IMU组合定位系统试验，从算法精度、鲁棒性和实时性方面对提出的算法和其他滤波算法的性能进行了验证和对比分析。研究结果表明:提出的自适应算法继承了NPF算法简易性和高实时性的优点，同时克服了NPF算法估计精度有限的缺陷，具有较好的滤波解算精度，水平定位精度小于1.0 m，算法单次平均执行时间约为0.013 9 ms，在精度和实时性的平衡方面显著优于其他滤波方法。