城市環(huán)境多源信息融合導航定位技術(shù)

目錄Contents
前言
第一章 緒論 1
1.1 城市環(huán)境應(yīng)用需求 1
1.2 城市環(huán)境衛(wèi)星定位技術(shù)現(xiàn)狀的發(fā)展趨勢 2
1.3 本書章節(jié)安排 12
參考文獻 13
第二章 城市環(huán)境定位的支撐技術(shù) 18
2.1 衛(wèi)星定位技術(shù) 18
2.1.1GNSS組成及簡介 18
2.1.2GNSS定位原理 20
2.1.3 定位誤差來源及分析 31
2.2 其他傳感器及數(shù)據(jù)源 37
2.2.1 慣性導航系統(tǒng) 37
2.2.2 視覺傳感器技術(shù) 40
2.2.3 空間地理信息技術(shù) 44
2.3 多源信息融合技術(shù) 45
2.3.1 概述 45
2.3.2 多源信息融合的構(gòu)架 45
2.3.3 多源信息融合方式 46
參考文獻 48
第三章 基于多傳感器融合城市環(huán)境定位技術(shù) 50
3.1 具有完好性監(jiān)測功能的衛(wèi)星/慣性/視覺融合城市定位技術(shù) 50
3.2 基于衛(wèi)星/視覺/激光融合的城市峽谷定位技術(shù) 53
3.3 基于AR運動模型的GNSS/IMU/車道信息的融合定位技術(shù) 58
3.3.1 技術(shù)簡介 58
3.3.2 基于融合算法的V2V防撞系統(tǒng) 58
3.3.3 仿真 66
3.3.4 實地測試與分析 70
3.4 基于定向儀輔助的 GNSS/IMU/車道信息融合的定位技術(shù) 75
3.4.1 技術(shù)簡介 75
3.4.2 基于GNSS融合的追尾防撞系統(tǒng) 76
3.4.3 實地測試與分析 82
3.4.4 小結(jié) 87
參考文獻 87
第四章 基于空間環(huán)境信息輔助的城市環(huán)境定位技術(shù) 90
4.1 GNSS信號接收類型分類及定位 90
4.1.1 算法設(shè)計 90
4.1.2 場景測試和結(jié)果分析 95
4.1.3 小結(jié) 107
4.2 基于機器學習和陰影匹配結(jié)合的城市峽谷定位技術(shù) 108
4.2.1 算法框架 108
4.2.2 歷史訓練數(shù)據(jù)集的構(gòu)建 109
4.2.3 基于PSOANFIS的信號接收類型判斷 110
4.2.4 基于信號接收類型匹配的定位解算 114
4.2.5 實驗設(shè)計 116
4.2.6 結(jié)果分析 118
4.3 基于機器學習和雙極化天線的城市峽谷定位技術(shù) 122
4.4 基于粒子濾波和3D城市模型輔助的城市峽谷定位技術(shù) 125
4.5 基于機器學習的偽距修正定位技術(shù) 128
4.5.1 算法框架 128
4.5.2GBDT輸入特征的選取 130
4.5.3 歷史訓練數(shù)據(jù)集的構(gòu)建 131
4.5.4 偽距誤差的擬合方法 132
4.5.5 基于偽距誤差預測的定位方法 138
4.5.6 實驗設(shè)計 139
4.5.7 實驗場景 1及結(jié)果分析 141
4.5.8 實驗場景 2及結(jié)果分析 150
參考文獻 158
第五章 城市多源信息融合導航定位技術(shù)的應(yīng)用 161
5.1 多源信息融合在車輛異常駕駛檢測的應(yīng)用 161
5.1.1 方案設(shè)計與具體實施 162
5.1.2 核心競爭優(yōu)勢 164
5.2 多源信息融合在道路交通收費的應(yīng)用 165
5.2.1 可變道路使用收費指標 166
5.2.2VRUCI測量的數(shù)據(jù)融合算法 169
5.2.3 仿真實驗 172
5.2.4 實地測試驗證 176
5.2.5 發(fā)展前景 180
5.3 多源信息融合在無人機管控中的應(yīng)用 180
5.3.1 精細化無人機管控需求分析 181
5.3.2 用于精細化無人機管控的GNSS/INS組合導航算法 183
5.3.3 實驗結(jié)果及分析 187
5.3.4 小結(jié) 193
參考文獻 193