具有全局速度约束的惯性／编码器／视觉／激光融合定位方法：IEVL-Fusion

针对卫星拒止环境中移动机器人高精度定位需求,提出一种基于误差状态扩展卡尔曼滤波（ES-EKF）的激光定位子系统／视觉定位子系统／全局速度测量子系统松耦合融合定位方法,并设计了一个误差低漂移的组合定位系统。首先,根据向量加法和矩阵乘法对系统状态的误差进行最小表示,建立误差形式的卡尔曼滤波模型,以误差状态的最优估计对系统状态的估计值进行补偿。然后,针对激光和视觉定位子系统位姿不确定度未知的问题,将位姿输出依时间戳转化为位姿增量,并建立位姿增量观测模型。其次,针对组合定位系统缺少全局速度约束的问题,利用姿态航向参考系统（AHRS）和正向运动学模型构建全局速度测量子系统,并建立全局速度观测模型。最后,在街道和野外两个场景中进行测试,本文算法的相对定位误差小于0.4%,相较于仅受局部速度约束的EKF和ES-EKF融合定位算法降低了约40%。实验结果表明,所提出的算法有效提升了定位系统的精度。     

可在线配置结构的多源融合位姿估计框架

针对组合导航系统中,融合算法结构难以在线进行配置的问题,基于误差状态扩展卡尔曼滤波器（ ES-EKF）和标准观测模型库,提出一种不依赖特定平台、可在线配置结构的多源融合估计框架,赋予组合导航系统动态变更信息源融合方式的能力。对多种导航子系统的输出信息进行分类和建模,建立一个不依赖于特定传感器和平台的标准观测模型库。设计一种算法结构的表示规则,将算法结构映射为融合模式,实现信息源和变量的灵活选择。基于该融合估计框架,设计并实现了一个惯性测量单元／磁力计／编码器／相机／激光雷达组合导航系统。最后,在野外数据集上进行了多种测试,该系统能够通过人工静态地或自主动态地变更融合模式灵活配置融合算法的结构,且定位精度优于 robot-localization 算法。试验结果表明,该框架可有效地实现多源融合估计、可在线地配置融合结构。