近年來,無人車逐漸走入大眾的視野,無人駕駛技術(shù)也成為了當(dāng)前一個熱門研究領(lǐng)域。然而,城市環(huán)境的復(fù)雜性對傳感器信息質(zhì)量造成了影響,對無人車高精度導(dǎo)航定位構(gòu)成了巨大的挑戰(zhàn)和威脅。目前車輛上配置的傳感器類型和信息融合手段都較為單一,無法適用于復(fù)雜環(huán)境下的高可靠和高精度定位,因此引入并綜合利用多類導(dǎo)航傳感器提供的冗余數(shù)據(jù)進(jìn)行多源信息融合,可以為系統(tǒng)提供更全面和有價值的導(dǎo)航解決方案。本文以復(fù)雜城市環(huán)境下無人車的多源傳感器信息融合為研究背景,開展多源傳感器誤差建模、GPS時間差分載波相位高精度定位、多源傳感器融合構(gòu)架與算法設(shè)計等方面的研究,旨在有效提高無人車導(dǎo)航系統(tǒng)的可靠性與精度。車載傳感器誤差特性研究是多源信息融合的基礎(chǔ)。由于城市環(huán)境在路邊建筑、路面情況和道路情況的多樣性和復(fù)雜性,無人車搭載的導(dǎo)航系統(tǒng)精度在實際應(yīng)用過程中受到較大影響。針對于此,本文基于目前車載常用的導(dǎo)航傳感器（包括MEMS慣性傳感器、GPS衛(wèi)星導(dǎo)航系統(tǒng)、車輛里程計、視覺傳感器以及無線電通訊系統(tǒng)）,對異類傳感器在特殊環(huán)境下的誤差模型構(gòu)建與補(bǔ)償方法展開了研究:一方面,基于各類傳感器誤差原理,設(shè)計了傳感器的配型方案;另一方面,研究了上述... 

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
注釋表
縮略詞
第一章 緒論
    1.1 論文研究背景
    1.2 基于多源信息融合的無人車高精度定位技術(shù)
        1.2.1 概述
        1.2.2 國內(nèi)外研究現(xiàn)狀
        1.2.3 發(fā)展趨勢
    1.3 論文主要研究工作及結(jié)構(gòu)安排
第二章 復(fù)雜城市環(huán)境下多源信息融合構(gòu)架設(shè)計及傳感器誤差建模
    2.1 引言
    2.2 復(fù)雜城市環(huán)境下無人車多源信息融合總體方案設(shè)計
        2.2.1 復(fù)雜城市環(huán)境下無人車多源信息融合總體方案及構(gòu)架設(shè)計
        2.2.2 復(fù)雜城市環(huán)境下無人車多源信息融合關(guān)鍵技術(shù)分析
    2.3 城市環(huán)境下無人車多源傳感器誤差分析及建模
        2.3.1 MEMS-IMU慣性傳感器誤差建模與補(bǔ)償
        2.3.2 GPS衛(wèi)星導(dǎo)航系統(tǒng)誤差建模與補(bǔ)償
        2.3.3 車輛里程計誤差建模與補(bǔ)償
        2.3.4 雙目立體視覺誤差建模與補(bǔ)償
        2.3.5 UWB無線定位技術(shù)誤差建模與補(bǔ)償
    2.4 車載多源信息導(dǎo)航性能分析及信息預(yù)處理
        2.4.1 復(fù)雜城市環(huán)境特征描述及分類
        2.4.2 車載多源信息可用性分析
        2.4.3 車載多源信息時空配準(zhǔn)方法研究
    2.5 本章小結(jié)
第三章 GPS/INS時間差分載波相位高精度車輛定位算法研究
    3.1 引言
    3.2 GPS/INS時間差分載波相位算法
        3.2.1 衛(wèi)星導(dǎo)航系統(tǒng)載波相位模型
        3.2.2 GPS/INS時間差分載波相位緊組合算法
    3.3 衛(wèi)星載波相位周跳自適應(yīng)探測方法
        3.3.1 載波相位周跳產(chǎn)生原因及探測基本原理
        3.3.2 基于高次差法的載波相位周跳探測方法
        3.3.3 基于高次差法的車輛運(yùn)動分量分離
    3.4 基于時間差分載波相位的GPS/INS高精度車輛定位方法驗證
        3.4.1 GPS/INS高精度車輛定位算法結(jié)構(gòu)設(shè)計
        3.4.2 實際車載平臺搭建與實驗測試結(jié)果分析
    3.5 本章小結(jié)
第四章 基于因子圖的多源信息融合方法研究
    4.1 引言
    4.2 基于因子圖的多源信息融合構(gòu)架設(shè)計及方法研究
        4.2.1 因子圖算法分析
        4.2.2 基于因子圖的多源信息融合算法
        4.2.3 傳感器在線標(biāo)定的因子圖模型構(gòu)建
    4.3 用于多源融合導(dǎo)航的因子圖推理方法改進(jìn)
        4.3.1 基于批量平滑算法的因子圖推理方法
        4.3.2 基于增量平滑算法(i SAM)的因子圖推理方法
        4.3.3 面向車載多源信息融合的改進(jìn)因子圖算法
    4.4 基于因子圖的多源信息融合算法性能驗證
        4.4.1 圖優(yōu)化方法下的多源信息融合算法性能分析
        4.4.2 多源信息融合構(gòu)架設(shè)計與驗證分析
    4.5 本章小結(jié)
第五章 多源信息融合方法驗證平臺搭建及驗證分析
    5.1 引言
    5.2 多源信息融合驗證平臺系統(tǒng)設(shè)計及實現(xiàn)
        5.2.1 車載導(dǎo)航系統(tǒng)構(gòu)架設(shè)計及硬件組成
        5.2.2 車載導(dǎo)航系統(tǒng)軟件流程設(shè)計與實現(xiàn)
    5.3 多源信息融合實驗平臺搭建及方案設(shè)計
    5.4 車載多源信息融合實驗方案設(shè)計及結(jié)果分析
        5.4.1 實驗總體方案設(shè)計與測試情況
        5.4.2 車載多源信息融合實驗結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 對未來工作的展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及學(xué)術(shù)論文情況


【參考文獻(xiàn)】：
期刊論文
[1]無人駕駛汽車研究綜述與發(fā)展展望[J]. 潘福全,亓榮杰,張璇,張麗霞.  科技創(chuàng)新與應(yīng)用. 2017(02)
[2]雙目立體視覺測量系統(tǒng)的標(biāo)定[J]. 楊景豪,劉巍,劉陽,王福吉,賈振元.  光學(xué)精密工程. 2016(02)
[3]智能汽車技術(shù)發(fā)展趨勢[J]. 陳慧,徐建波.  中國集成電路. 2014(11)
[4]室內(nèi)定位技術(shù)的多源數(shù)據(jù)融合算法研究[J]. 董哲,吳瑤,孫德輝.  計算機(jī)工程與設(shè)計. 2014(05)
[5]北斗三頻無幾何相位組合周跳探測與修復(fù)[J]. 黃令勇,宋力杰,王琰,智遂強(qiáng).  測繪學(xué)報. 2012(05)
[6]利用改進(jìn)的TurboEdit算法與Chebyshev多項式探測與修復(fù)周跳[J]. 劉寧,熊永良,徐韶光.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2011(12)
[7]基于卡爾曼濾波的周跳探測算法[J]. 李猛,文援蘭,梁加紅,廖瑛.  測繪科學(xué)技術(shù)學(xué)報. 2010(06)
[8]改進(jìn)的RANSAC算法在圖像配準(zhǔn)中的應(yīng)用[J]. 曲天偉,安波,陳桂蘭.  計算機(jī)應(yīng)用. 2010(07)
[9]對偽距/相位組合量探測與修復(fù)周跳算法的改進(jìn)[J]. 張成軍,許其鳳,李作虎.  測繪學(xué)報. 2009(05)
[10]聯(lián)合使用高次差法和TurboEdit法自動探測、修復(fù)周跳[J]. 嚴(yán)新生,王一強(qiáng),白征東,過靜珺.  測繪通報. 2007(09)

博士論文
[1]多源傳感器增強(qiáng)的精密單點定位與慣性測量組合導(dǎo)航系統(tǒng)[D]. 李增科.中國礦業(yè)大學(xué) 2015
[2]GNSS/INS組合導(dǎo)航誤差補(bǔ)償與自適應(yīng)濾波理論的拓展[D]. 吳富梅.解放軍信息工程大學(xué) 2010

碩士論文
[1]GNSS實時動態(tài)周跳探測與修復(fù)方法研究[D]. 龍嘉露.西南交通大學(xué) 2014
[2]攝像機(jī)標(biāo)定方法的研究[D]. 舒娜.南京理工大學(xué) 2014
[3]多傳感器信息融合技術(shù)的研究[D]. 馮波.南京航空航天大學(xué) 2004



本文編號：3700333