先进的误差模型提高了城市车辆导航的准确性
在车辆导航方面,研究人员开发了一种先进的系统,该系统集成了全球导航卫星系统 (GNSS)、惯性测量单元 (IMU) 和光检测和测距 (LiDAR) 里程计 (LO)。这种新颖的方法解决了城市导航中的关键挑战,大大提高了定位精度和可靠性,特别是在导航系统通常不稳定的密集建筑环境中。
精确定位是智能交通系统 (ITS) 发展的基础。然而,在城市地区,全球导航卫星系统 (GNSS) 和惯性测量单元 (IMU) 的性能经常受到周围基础设施信号受阻或失真的影响。这些限制凸显了对更强大的误差建模和传感器集成的迫切需求。克服这些挑战对于开发下一代 ITS 解决方案至关重要。
2024 年 10 月 7 日,南京航空航天大学的研究人员与来自香港和英国的合作伙伴在《卫星导航》杂志上发表了他们的研究成果。他们的研究引入了一种增强型 GNSS/IMU/LO(光检测和测距 (LiDAR) 里程计,LO)集成系统,该系统具有新颖的 LO 误差模型和横向约束,可显着提高城市导航精度。该系统以现有技术为基础,可在复杂的城市环境中提供更精确的车辆定位。
研究的核心是新的平方指数高斯过程回归 (SE-GPR) 模型,该模型可根据车辆速度和点云特征准确预测实时 LO 误差。通过加权 GNSS 和 LO 数据,系统可以动态调整定位计算,确保在 GNSS 信号覆盖较差的环境中具有更高的可靠性。此外,激光雷达辅助横向约束 (LALC) 有助于减少误差累积。测试表明,水平精度提高了 35.9%,3D 定位提高了 50%,凸显了系统的有效性。
主要作者 Tong Yin 博士解释说:“这项研究展示了尖端误差模型与传统 GNSS 和 IMU 系统的结合如何显著改善城市导航。我们的加权数据融合方法能够在传统系统不足的领域实现更可靠的定位,为更智能的交通解决方案铺平道路。”
这一突破为各种城市交通应用带来了希望,尤其是在自动驾驶汽车和物流领域,精确导航至关重要。该系统可以提高智能城市的安全性和运营效率。未来的研究旨在进一步优化动态环境模型,降低实时使用的计算需求。