[发明专利]一种移动物体的定位定姿方法和系统

说明书

本发明公开了一种移动物体的定位定姿方法和系统，通过惯性测量单元、里程计和激光雷达，构建统一的、融合激光雷达控制标靶数据、惯性测量单元数据以及里程计数据的扩展卡尔曼滤波模型。该模型建立在惯性测量单元动力学模型和误差模型基础上，通过将激光雷达控制标靶数据带入到卡尔曼滤波方程中，计算IMU/里程计组合的误差状态向量，限制其误差发散，从而得到高精度位置和姿态。从而实现了在无卫星导航信号的环境下，对移动物体的高精度定位定姿。

技术领域

本发明涉及惯性导航技术领域，特别涉及一种移动物体的定位定姿方法和系统。

背景技术

在各类移动测量系统中，定位定姿都是核心任务之一。移动测量中采用的定位定姿系统(POS)一般由全球导航卫星系统(GNSS)和惯性导航系统(INS)组合而成，为移动测量系统及其所搭载的各种任务载荷提供位置、速度和姿态基准。基于全球导航卫星系统和惯性导航系统组合的定位定姿技术有以下优点：利用高精度GNSS信息可以估计出惯性导航系统(INS)的陀螺漂移和加速度计零偏等误差参数，从而抑制其误差随时间的积累；利用INS高采样率和短时高精度的特点，可以为GNSS提供辅助信息，从而使得对GNSS接收机钟差等误差量的估计更加准确，并使得GNSS接收机可保持较低的跟踪带宽，改善其重新俘获卫星信号的能力。

POS的长期绝对精度主要依赖于GNSS。由于GNSS精度受环境影响较大，使得POS长期精度也受环境影响。复杂多变的现实环境给移动测图系统(MMS)应用带来了几大方面的挑战：在GNSS信号较差的环境中，如高楼林立的城区和多路径效应严重的水域，POS的绝对位置精度将会大幅下降至分米级乃至米级，此时已不能满足高精度移动测量要求；在无GNSS信号的地下空间中，单纯依靠INS推算的定位定姿误差会随时间快速发散，经过一段时间后，将超出测量的误差容忍上限。因此，无GNSS信号的地下空间中，如何限制INS的误差发散，保持较高的移动测量精度，是MMS应用面临的另一个挑战。

传统的用于地下空间定位方法主要包括测量机器人定位，即时定位和测图方法(SLAM)，超宽带定位方法(UWB)以及无线射频识别定位方法(RFID)。

测量机器人又称自动全站仪，是一种集自动目标识别、自动照准、自动测角与测距、自动目标跟踪、自动记录于一体的测量平台。测量机器人能自动寻找和对准目标，然后自动量测。测量机器人测量精度高，但寻找目标较为耗时，难以实现高动态连续定位。

即时定位和测图方法(SLAM)利用相机或激光雷达等传感器来推算自身的位置，并构建未知区域的地图或更新已知区域的地图。根据所采用的传感器不同，SLAM算法可以被分为立体视觉、单眼视觉和深度相机、以及基于雷达扫描传感器等。SLAM主要包含数据关联、地图匹配、闭环探测以及全局平差四个步骤。SLAM算法首先通过数据帧与帧之间重叠区域的匹配，获得本帧相对于上一帧的位置增量，然后通过位置增量累加得到本帧相对于初始时刻的位置。同时SLAM算法会利用数据中的多重重叠和轨迹中的闭合环进行全局平差，获得全局最优的轨迹和特征地图数据。当机器人进入到一个完全陌生区域时，SLAM会一边推算自身位置一边绘制出此区域的特征地图。而当机器人进入到一个之前已经行驶过的区域时，SLAM会通过当前数据与特征地图数据的匹配计算当前自身位置，修正推算结果。