可量测影像与GPS/IMU融合高精度定位定姿方法研究

发布时间：2025-04-23 01:26

　　高精度动态定位定姿技术、数字传感器技术、近景摄影测量技术以及自动控制技术的飞速发展和集成融合，使得移动状态下的地面遥感快速测量成为可能，从而催生出一个新的应用领域——移动测量。移动测量技术为三维空间信息的快速高精度测量和更新开辟了一个新的途径。移动道路测量技术具有动态定位定姿测量速度快和地面近景摄影测量信息量大的特点，提高了野外空间数据获取的效率，获取的可量测立体影像也使得数据处理和应用更为灵活多样。将移动道路测量系统的可量测立体影像与GPS（Global PositionSystem）、IMU（Inertial Measurement Unit）数据有机结合，为移动测量系统的高精度、高可靠性定位定姿提供了一种新的途径。 移动测量系统是一个典型的多传感器集成系统。一方面，遥感影像需要利用POS提供的高精度定位定姿数据实现与地理信息的融合，实现无控制、快速遥感立体定位；另一方面，来自无控制移动测量系统的DMI（Digital Measurable Image）本身是一个具有严密几何传递参数的序列影像，具有定位能力，作为一种新的数据源，可以与GPS、IMU数据进行集成融合定位，从而构建...

【文章页数】：184 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
图录
表录
第一章 概述
    1.1 研究背景和意义
        1.1.1 地理空间信息快速采集与更新需求
        1.1.2 应急测绘保障需求
        1.1.3 基于无控制移动测量的信息获取方法
    1.2 定位定姿技术与无控制移动测量系统
    1.3 国内外研究现状
        1.3.1 组合定位定姿 POS 国内外研究现状
        1.3.2 存在的问题
    1.4 本文的研究目标、研究思路和主要研究内容
    1.5 本文的结构安排
第二章 无控制移动测量理论基础与关键技术
    2.1 无控制移动测量原理与系统组成
        2.1.1 多传感器集成基本理论
        2.1.2 无控制移动测量原理
        2.1.3 典型无控制移动测量系统
        2.1.4 典型无控制移动测量系统组成
        2.1.5 车载移动测量系统国内外研究现状
            2.1.5.1 国外车载移动测量系统现状
            2.1.5.2 国内研究现状
    2.2 无控制移动测量误差模型与关键技术
        2.2.1 坐标转换
        2.2.2 无控制移动测量误差分析
        2.2.3 无控制移动测量关键技术分析
    2.3 多源数据集成融合定位定姿技术
        2.3.1 陆基无控制移动测量系统定位定姿数据分析
        2.3.2 陆基移动测量多源数据融合定位定姿可行性
        2.3.3 陆基移动测量多源数据融合定位定姿模型
    2.4 本章小结
第三章 GPS/IMU 定位定姿紧组合技术
    3.1 GPS 定位定姿方法
        3.1.1 单点定位法
        3.1.2 差分定位的原理
        3.1.3 GPS 动态定位模型
    3.2 惯性测量定位定姿方法
        3.2.1 SINS 定位定姿
        3.2.2 DR 定位定姿
        3.2.3 3G1M 定位定姿
    3.3 GPS/IMU 组合定位定姿模型
        3.3.1 GPS/IMU 松组合定位定姿
            3.3.1.1 松组合算法原理
            3.3.1.2 松组合算法测试
            3.3.1.3 算法特点
        3.3.2 紧组合 DGPS/IMU 定位定姿方法
            3.3.2.1 IMU 预测双差模糊度
            3.3.2.2 IMU 辅助 GPS 整周模糊度固定
            3.3.2.3 紧组合算法测试
            3.3.2.4 IMU 辅助 GPS 的周跳探测
            3.3.2.5 算法特点
        3.3.3 紧组合下的惯性辅助三星定位
            3.3.3.1 dZ 的影响
            3.3.3.2 系数 A 影响
    3.4 本章小结
第四章 可量测实景影像定位定姿方法
    4.1 影像视觉定位技术
        4.1.1 影像视觉技术及其进展
        4.1.2 影像视觉定位的关键技术
        4.1.3 计算机视觉技术应用存在的问题与挑战
        4.1.4 融合视觉与卫星/惯性测量的定位定姿
    4.2 陆基移动测量中的可量测影像定位定姿
        4.2.1 相关坐标系描述与说明
        4.2.2 基于 DMI 的定位定姿原理
            4.2.2.1 计算地物坐标的传统方法
            4.2.2.2 基于 DMI 的姿态位置增量观测方程
            4.2.2.3 基于 DMI 的定位定姿卡尔曼滤波
        4.2.3 基于序列 DMI 的加权整体最小二乘定位定姿算法
            4.2.3.1 最小二乘算法
            4.2.3.2 整体最小二乘算法
            4.2.3.3 加权整体最小二乘算法
            4.2.3.4 基于加权整体最小二乘的可量测序列影像导航计算
    4.3 基于序列 DMI 定位定姿的误差分析
    4.4 基于 SIFT 的序列 DMI 影像自动匹配
        4.4.1 SIFT 局部不变特征提取
            4.4.1.1 尺度空间的极值探索
            4.4.1.2 特征点的精确定位
            4.4.1.3 特征点主方向的确定
            4.4.1.4 SIFT 特征描述符的生成
        4.4.2 SIFT 特征点匹配
        4.4.3 序列 DMI 特征提取与匹配实验系统
    4.5 本章小结
第五章 DMI 自适应滤波与 DMI/GPS/IMU 融合定位定姿算法
    5.1 DMI 单因子自适应滤波
    5.2 DMI 多因子自适应滤波
        5.2.1 DMI 自适应选权滤波
        5.2.2 DMI 多因子自适应滤波
        5.2.3 DMI 分类因子自适应滤波
    5.3 基于状态不符值构造 DMI 滤波中的自适应因子
    5.4 GPS/IMU/DMI 融合滤波定位定姿算法
        5.4.1 基于多传感器的抗差自适应融合定位定姿
        5.4.2 基于多传感器空间约束条件的抗差自适应融合滤波
        5.4.3 基于空间约束条件的多传感器自适应滤波模拟测试
    5.5 本章小结
第六章 DMI 与 GPS/IMU 融合定位定姿实验分析
    6.1 实验设计与实验环境
    6.2 GPS/IMU 组合定位定姿实验分析
        6.2.1 GPS /IMU 松组合定位定姿实验
            6.2.1.1 通视条件较好时的 GPS/IMU 松组合定位精度
            6.2.1.2 信号遮挡严重情况下的定位误差
            6.2.1.3 高程变化剧烈情况下的定位精度
            6.2.1.4 GPS/IMU 松组合实际工程作业精度
        6.2.2 GPS/IMU 紧组合定位定姿实验分析
            6.2.2.1 实验方法
            6.2.2.2 方案 1 实验数据分析
            6.2.2.3 方案 2 实验数据分析
            6.2.2.4 紧组合定位定姿实验结论
    6.3 可量测序列影像 DMI 定位定姿实验分析
        6.3.1 序列 DMI 定位定姿误差累计实验
        6.3.2 特征匹配点与序列 DMI 定位定姿误差关系
        6.3.3 基于 DMI 的序贯递推定位定姿实验
    6.4 基于 DMI 与 GPS/IMU 融合定位计算与分析
        6.4.1 DMI 与 GPS/IMU 组合定位实验
        6.4.2 DMI 与 GPS/IMU 组合定位定姿实验
        6.4.3 基于加权整体最小二乘算法的 DMI 与 GPS/IMU 组合定位定姿实验
    6.5 DMI 与 GPS /IMU 融合定位定姿应用模式分析
    6.6 本章小结
第七章 总结及展望
    7.1 本文的主要贡献和创新点
    7.2 进一步的工作及展望
参考文献
作者简历



本文编号：4040998