測繪導(dǎo)航高精度定位關(guān)鍵技術(shù)及應(yīng)用

王 堅(jiān)，劉 飛，韓厚增，楊 誠，袁德寶，胡 洪

(1.北京建筑大學(xué)測繪與城市空間信息學(xué)院,北京 102616; 2.中國地質(zhì)大學(xué)(北京)土地科學(xué)技術(shù)學(xué)院,北京 100083; 3.中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院,北京 100083; 4.安徽大學(xué)資源與環(huán)境工程學(xué)院, 合肥 230601)

0 引言

人工智能(Artificial Intelligence, AI)、衛(wèi)星導(dǎo)航及室內(nèi)定位三大技術(shù)的快速發(fā)展持續(xù)推動(dòng)測繪科技向智能化、學(xué)科交叉、信息融合的方向發(fā)展[1-2]。2018年4月，教育部出臺(tái)《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》，旨在優(yōu)化布局高校科技創(chuàng)新體系和學(xué)科體系，在新一代人工智能基礎(chǔ)理論和關(guān)鍵技術(shù)研究等方面取得新突破。2020年6月，我國成功發(fā)射北斗系統(tǒng)第55顆導(dǎo)航衛(wèi)星，北斗系統(tǒng)星座部署提前半年全面完成，將全面進(jìn)入應(yīng)用推廣階段。2020年5月，中國衛(wèi)星導(dǎo)航定位協(xié)會(huì)發(fā)布的《中國衛(wèi)星導(dǎo)航與位置服務(wù)產(chǎn)業(yè)發(fā)展白皮書》顯示，基于室內(nèi)定位與衛(wèi)星導(dǎo)航的室內(nèi)外一體化融合定位技術(shù)的突破與應(yīng)用是位置服務(wù)大眾應(yīng)用市場未來發(fā)展的關(guān)鍵，室內(nèi)定位、5G、物聯(lián)網(wǎng)等技術(shù)的融合將成為拓展位置服務(wù)應(yīng)用的主要解決方案，目前已形成室內(nèi)外一體化高精度無縫定位體系，定位精度可達(dá)分米級(jí)，甚至厘米級(jí)[3-4]。

在國家戰(zhàn)略與市場化的雙重推動(dòng)下，測繪科技的基礎(chǔ)理論、關(guān)鍵技術(shù)及儀器裝備都發(fā)生了變革，測繪的內(nèi)涵與外延出現(xiàn)了巨大變化。智能化背景下，測繪學(xué)科與導(dǎo)航學(xué)科的交叉融合形成了測繪導(dǎo)航方向，并得到了蓬勃發(fā)展[5]。高精度定位理論、算法及智能硬件成為測繪導(dǎo)航方向的基礎(chǔ)支撐，應(yīng)用場景可分為傳統(tǒng)變形監(jiān)測、施工放樣、自然資源調(diào)查等低動(dòng)態(tài)場景，無人駕駛、航空導(dǎo)航、武器制導(dǎo)[6]等高動(dòng)態(tài)場景,以及火災(zāi)、地震等低動(dòng)態(tài)和高動(dòng)態(tài)混合定位場景[7]，詳細(xì)情況如圖1所示。

圖1 測繪導(dǎo)航方向主要內(nèi)容Fig.1 Main contents of surveying and mapping navigation direction

本文從測繪導(dǎo)航高精度定位基本形態(tài)、智能濾波定位模型、測繪導(dǎo)航定位模組等關(guān)鍵技術(shù)，以及無縫組網(wǎng)定位應(yīng)用、車載導(dǎo)航定位應(yīng)用、變形監(jiān)測應(yīng)用3個(gè)解決方案進(jìn)行闡述，介紹了測繪導(dǎo)航高精度定位的關(guān)鍵技術(shù)及應(yīng)用基本情況。

1 測繪導(dǎo)航基本形態(tài)

1.1 測繪導(dǎo)航裝備虛擬化

圖2 測繪導(dǎo)航裝備向云端虛擬方向轉(zhuǎn)變Fig.2 Transformation of surveying and mapping navigation equipment to cloud and virtualization

如圖2所示，隨著北斗衛(wèi)星導(dǎo)航系統(tǒng)(BeiDou Navigation Satellite System，BDS)/全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System，GNSS)多模接收機(jī)、AI定位芯片以及嵌入式導(dǎo)航定位模組等技術(shù)與裝備的快速發(fā)展，出現(xiàn)了GNSS、慣性、視覺、激光雷達(dá)等多種類型的導(dǎo)航與定位傳感器，促使測繪導(dǎo)航裝備形態(tài)發(fā)生了變化。在大數(shù)據(jù)、物聯(lián)網(wǎng)、邊緣計(jì)算和云計(jì)算等技術(shù)的推動(dòng)下，測繪導(dǎo)航裝備逐漸朝著云端虛擬化方向發(fā)展。在工程實(shí)踐中，可以實(shí)時(shí)在線預(yù)處理前端測繪導(dǎo)航硬件采集的數(shù)據(jù)，或通過物聯(lián)網(wǎng)傳輸至云端平臺(tái)進(jìn)行遠(yuǎn)程在線解算，為用戶提供高精度、實(shí)時(shí)定位與位置服務(wù)信息。導(dǎo)航裝備發(fā)展呈現(xiàn)出高智能、高精度、高自動(dòng)化和高抗干擾的特點(diǎn)，最終催生了測繪導(dǎo)航裝備云端虛擬化發(fā)展的新業(yè)態(tài)。

1.2 測繪導(dǎo)航數(shù)據(jù)處理多樣化

如圖3所示，傳統(tǒng)測繪數(shù)據(jù)處理主要是外業(yè)測量—內(nèi)業(yè)處理模式，通常表現(xiàn)為事后解算、人工處理、計(jì)算器計(jì)算和單線程計(jì)算等。隨著深度學(xué)習(xí)、AI、分布式計(jì)算等先進(jìn)計(jì)算技術(shù)的使用，傳統(tǒng)的數(shù)據(jù)處理模式逐漸向著云端實(shí)時(shí)處理、機(jī)器智能處理、邊緣計(jì)算和分布式計(jì)算的方向發(fā)展，呈現(xiàn)出了較高的現(xiàn)勢性、成效性、時(shí)效性和智能化水平。

圖3 測繪導(dǎo)航數(shù)據(jù)處理模式的轉(zhuǎn)變Fig.3 Transformation of surveying and mapping navigation data processing mode

2 智能濾波定位模型

2.1 Kalman濾波模型

Kalman濾波(Kalman Filter，KF)理論是測繪導(dǎo)航領(lǐng)域應(yīng)用最廣、使用最成熟的濾波模型，在產(chǎn)品制造中應(yīng)用廣泛。KF基于最小均方誤差原則，對(duì)線性系統(tǒng)的狀態(tài)參數(shù)進(jìn)行最優(yōu)估計(jì)，其流程如圖4所示。KF主要通過狀態(tài)預(yù)測與狀態(tài)更新2個(gè)過程對(duì)系統(tǒng)的狀態(tài)參數(shù)進(jìn)行估計(jì)。狀態(tài)預(yù)測過程主要是利用上一解算歷元的狀態(tài)參數(shù)、方差和系統(tǒng)的動(dòng)力學(xué)模型對(duì)當(dāng)前歷元的系統(tǒng)狀態(tài)參數(shù)進(jìn)行預(yù)測，然后使用濾波增益方程和狀態(tài)更新方程對(duì)預(yù)測的系統(tǒng)狀態(tài)參數(shù)進(jìn)行優(yōu)化更新，以提高系統(tǒng)狀態(tài)參數(shù)的估計(jì)精度。KF算法顧及了上一解算歷元的信息，并將其作為狀態(tài)參數(shù)當(dāng)前歷元的先驗(yàn)信息，所以定位精度比僅考慮單歷元定位信息的傳統(tǒng)最小二乘法更優(yōu)[8-9]。

圖4 Kalman濾波算法流程Fig.4 Flow architecture of Kalman filter algorithm

標(biāo)準(zhǔn)KF是基于運(yùn)動(dòng)模型解決簡單線性定位問題[10]，而針對(duì)非線性和復(fù)雜線性問題常采用擴(kuò)展Kalman濾波(Extended Kalman Filter，EKF)、無跡Kalman濾波(Unscented Kalman Filter，UKF)、容積Kalman濾波(Cubature Kalman Filter，CKF)和粒子濾波(Particle Filter，PF)等。EKF采用一階泰勒級(jí)數(shù)對(duì)非線性函數(shù)進(jìn)行展開，進(jìn)而滿足標(biāo)準(zhǔn)KF的線性函數(shù)模型要求。UKF和CKF屬于Sigma Kalman濾波，都采用有限樣本點(diǎn)，在高斯分布的基礎(chǔ)上，對(duì)狀態(tài)參數(shù)的高斯分布進(jìn)行擬合。PF基于貝葉斯理論和蒙特卡羅算法，采用樣本點(diǎn)對(duì)狀態(tài)參數(shù)的后驗(yàn)分布進(jìn)行估計(jì)，回避了狀態(tài)參數(shù)高斯分布的假設(shè)，可以逼近最優(yōu)估計(jì)。表1描述了各種KF方法解決的問題和實(shí)現(xiàn)途徑。

表1 Kalman濾波適用范圍

若觀測值和參數(shù)預(yù)報(bào)值均服從正態(tài)分布，KF能給出狀態(tài)參數(shù)的可靠解。但當(dāng)觀測值受到異常污染或動(dòng)力學(xué)模型擾動(dòng)引起的預(yù)報(bào)狀態(tài)參數(shù)異常時(shí)，KF解將受到嚴(yán)重歪曲。傳統(tǒng)算法采用Sage-Husa自適應(yīng)濾波和有限記憶濾波等，通過降低異常觀測或異常預(yù)報(bào)狀態(tài)參數(shù)來提高抗差性能[11]。針對(duì)同時(shí)出現(xiàn)觀測異常和動(dòng)力學(xué)模型擾動(dòng)的情況，楊元喜院士建立了一種新的自適應(yīng)抗差濾波理論，應(yīng)用抗差權(quán)與自適應(yīng)因子分別進(jìn)行異常值觀測及動(dòng)力學(xué)模型誤差的調(diào)節(jié)，從而得到了平滑的定位結(jié)果；并先后構(gòu)建了四種動(dòng)力學(xué)模型誤差學(xué)習(xí)統(tǒng)計(jì)量和四種自適應(yīng)因子，具體見文獻(xiàn)[12]。

在復(fù)雜環(huán)境中，由于觀測模型或動(dòng)力學(xué)模型存在較大的非線性，使用泰勒級(jí)數(shù)展開的EKF會(huì)引入較大的非線性誤差，使用UKF或CKF能夠有效提高系統(tǒng)的狀態(tài)參數(shù)估計(jì)精度。Yang等[13]針對(duì)UKF的動(dòng)力學(xué)模型擾動(dòng)，構(gòu)建了新的極值函數(shù)，提出了基于自適應(yīng)因子的自適應(yīng)無跡Kalman濾波(Adaptive Unscented Kalman Filter，AUKF)，并進(jìn)一步構(gòu)建了基于抗差因子的自適應(yīng)抗差無跡Kal-man濾波來處理動(dòng)力學(xué)模型擾動(dòng)和觀測異常[14]。在室內(nèi)超寬帶(Ultra Wide Band，UWB)定位中，由于傳統(tǒng)的非線性濾波無法對(duì)觀測粗差進(jìn)行抑制，使用抗差非線性Kalman濾波可以有效地提高室內(nèi)定位精度[15]。

針對(duì)組合導(dǎo)航的函數(shù)模型高非線性問題，PF也被廣泛應(yīng)用于對(duì)組合導(dǎo)航系統(tǒng)狀態(tài)參數(shù)的估計(jì)。PF的估計(jì)精度在一定程度上取決于重要性密度函數(shù)(Importance Density Function，IDF)和粒子的數(shù)目。PF的重采樣過程中，會(huì)造成粒子退化和枯竭問題，結(jié)合模擬退火算法可以有效解決粒子退化問題[16]。

2.2 智能濾波定位模型

圖5 基于神經(jīng)網(wǎng)絡(luò)的GNSS/INS智能融合定位模型Fig.5 GNSS/INS intelligent fusion location model based on neural network

KF模型一般采用時(shí)不變的模型參數(shù)，在實(shí)際狀態(tài)中，與神經(jīng)網(wǎng)絡(luò)等智能模型結(jié)合，可建立更加符合實(shí)際的動(dòng)態(tài)模型，并形成智能融合模型。慣性傳感器的零偏誤差存在隨時(shí)間漂移的問題，導(dǎo)致誤差模型無法準(zhǔn)確地對(duì)傳感器誤差進(jìn)行估計(jì)[17]。因此，需要對(duì)誤差模型的參數(shù)進(jìn)行實(shí)時(shí)調(diào)整，以便對(duì)傳感器的誤差進(jìn)行準(zhǔn)確估計(jì)。針對(duì)GNSS與慣性測量單元(Inertial Measurement Unit，IMU)組合導(dǎo)航系統(tǒng)中，衛(wèi)星系統(tǒng)受到遮蔽，IMU獨(dú)立工作精度降低較快的問題，可以通過神經(jīng)網(wǎng)絡(luò)在GNSS信號(hào)完好時(shí)對(duì)導(dǎo)航系統(tǒng)的誤差進(jìn)行學(xué)習(xí)；在衛(wèi)星信號(hào)受到遮蔽的情況下，對(duì)導(dǎo)航系統(tǒng)誤差進(jìn)行估計(jì)和補(bǔ)償，以提高導(dǎo)航定位精度[18]。如圖5所示，神經(jīng)網(wǎng)絡(luò)和KF融合構(gòu)成慣性導(dǎo)航系統(tǒng)(Inertial Naviga-tion System，INS)/全球定位系統(tǒng)(Global Positio-ning System，GPS)集成智能定位模型。GNSS可用時(shí)，采用深度學(xué)習(xí)對(duì)INS定位的非線性誤差進(jìn)行建模；GNSS失鎖后，神經(jīng)網(wǎng)絡(luò)可以預(yù)測INS定位的非線性誤差，從而提高定位精度。然而，GNSS與INS的組合仍然存在傳感器自身的局限性。在面對(duì)無人駕駛的挑戰(zhàn)中，復(fù)雜環(huán)境下長時(shí)間連續(xù)可靠的導(dǎo)航定位對(duì)定位精度和可靠性提出了更高的要求。在目前主流的GNSS與INS組合導(dǎo)航的基礎(chǔ)上，需要對(duì)周邊的場景進(jìn)行感知，并提供冗余的導(dǎo)航信息。因此，需要使用不同的傳感器獲取不同的導(dǎo)航信息，例如影像傳感器和雷達(dá)傳感器等。進(jìn)一步，亦可通過深度學(xué)習(xí)技術(shù)與傳統(tǒng)濾波算法相結(jié)合，對(duì)載體周邊環(huán)境進(jìn)行感知、分類和提取，充分挖掘不同傳感器多元異構(gòu)數(shù)據(jù)間的有效信息，對(duì)傳感器數(shù)據(jù)本質(zhì)進(jìn)行精確描述，從而提高誤差模型的準(zhǔn)確性，促進(jìn)導(dǎo)航系統(tǒng)的智能化。智能定位模型在無人駕駛云定位和智能測繪儀器終端等領(lǐng)域?qū)?huì)獲得廣泛應(yīng)用，AI芯片也將成為相關(guān)產(chǎn)品的核心組成部件[19]。

3 測繪導(dǎo)航定位模組關(guān)鍵技術(shù)

3.1 模組研制技術(shù)流程

模組是進(jìn)行測繪導(dǎo)航產(chǎn)品二次開發(fā)的關(guān)鍵零部件之一，具備相對(duì)獨(dú)立的功能，可以嵌入到無人駕駛智能終端、機(jī)器人導(dǎo)航終端及武器終端等各類設(shè)備中。隨著導(dǎo)航與位置服務(wù)產(chǎn)業(yè)的發(fā)展，測繪導(dǎo)航模組將在各個(gè)領(lǐng)域得到廣泛應(yīng)用。定位模組研制技術(shù)是高精度定位應(yīng)用的重要支撐。圖6描述了車載導(dǎo)航模組研發(fā)的主要流程，大致可分為印制電路板(Printed Circuit Board，PCB)設(shè)計(jì)、制板、模組測試和模組量產(chǎn)4個(gè)階段。

圖6 定位模組研發(fā)技術(shù)流程Fig.6 Technical flow of positioning module research and development

3.2 嵌入式效率優(yōu)化

模組的嵌入式固件屬于資源受限系統(tǒng)，計(jì)算效率的提高是一個(gè)關(guān)鍵問題。嵌入式效率優(yōu)化通常有替換算法，如選擇快速排序方法；匯編法，對(duì)關(guān)鍵部分進(jìn)行改寫，以提高運(yùn)算速度；空間換時(shí)間法，如在設(shè)計(jì)數(shù)據(jù)結(jié)構(gòu)時(shí)，為了減少協(xié)議數(shù)據(jù)結(jié)構(gòu)的循環(huán)延時(shí)，對(duì)數(shù)據(jù)結(jié)構(gòu)的層次關(guān)系進(jìn)行擴(kuò)展，采用內(nèi)存空間來換取時(shí)間；避免遞歸法，盡量不使用遞歸；采用內(nèi)存池減少頻繁的小對(duì)象的分配和釋放等方法。

除了采用以上嵌入式效率優(yōu)化途徑外，在測繪導(dǎo)航模組研制過程中，本文提出了圖7所示的三項(xiàng)技術(shù)用于提高模組的整體性能：第一是原始信息同步采集與延時(shí)補(bǔ)償，通過建立多源傳感器時(shí)間同步誤差估計(jì)和補(bǔ)償模型，構(gòu)建融合時(shí)間補(bǔ)償參數(shù)的狀態(tài)方程，提高GNSS/INS傳感器時(shí)鐘精確匹配的穩(wěn)健性，實(shí)現(xiàn)匹配精度優(yōu)于1μs；第二是自適應(yīng)定位算法代碼穩(wěn)健性，通過研制自適應(yīng)定位理論模型與算法，按MISRA C編程規(guī)范標(biāo)準(zhǔn)編寫穩(wěn)健代碼，實(shí)現(xiàn)分米級(jí)-厘米級(jí)-毫米級(jí)多層次、高精度的GNSS/INS導(dǎo)航模組開發(fā)；第三是嵌入式固件高效解算，采用序貫更新策略，時(shí)間片輪轉(zhuǎn)、優(yōu)先級(jí)搶占、共同語句結(jié)構(gòu)協(xié)作等多線程機(jī)制，達(dá)到時(shí)間分片的目的，降低嵌入式平臺(tái)的資源消耗，實(shí)現(xiàn)固件高效解算。

圖7 嵌入式固件高效解算Fig.7 Efficient solution of embedded firmware

3.3 高精度定位模組

基于上述技術(shù)，研制覆蓋分米、厘米及毫米級(jí)定位精度的無縫定位模組、車載導(dǎo)航模組及變形監(jiān)測模組，如圖8所示。開發(fā)相應(yīng)的定位終端，并給出了各自應(yīng)用的解決方案，進(jìn)行應(yīng)用推廣。下文將重點(diǎn)介紹系列模組在不同場景中的應(yīng)用情況。

圖8 分米/厘米/毫米級(jí)無縫定位模組Fig.8 Decimeter/centimeter/millimeter positioning module

4 無縫組網(wǎng)定位應(yīng)用

無縫定位是指通過室外定位技術(shù)和室內(nèi)定位技術(shù)相結(jié)合的方式解決室內(nèi)外高精度定位和無縫銜接的問題，是國際領(lǐng)域研究前沿，在國內(nèi)外得到了極大的重視和發(fā)展。例如中國提出了羲和計(jì)劃、美國部署了洞悉戰(zhàn)場計(jì)劃和下一代911項(xiàng)目、歐盟開展了伽利略本地技術(shù)計(jì)劃等。隨著北斗等全球四大衛(wèi)星導(dǎo)航定位系統(tǒng)全部在線運(yùn)行，在室外環(huán)境下可以提供實(shí)時(shí)、全天候、全球性的高精度導(dǎo)航信息，能夠滿足多領(lǐng)域的應(yīng)用需求。在室內(nèi)雖然有WIFI、UWB、射頻(Radio Frequency，RF)、藍(lán)牙等多種技術(shù)手段可以實(shí)現(xiàn)米級(jí)精度定位，但是高精度室內(nèi)目標(biāo)定位問題仍然極具挑戰(zhàn)性。

GNSS/UWB融合無縫定位技術(shù)是比較常見的高精度無縫定位解決方案，在機(jī)器人導(dǎo)航、無人駕駛導(dǎo)航、工廠倉庫物料調(diào)度、監(jiān)獄服刑人員監(jiān)控、應(yīng)急救援力量監(jiān)控等多類場景得到廣泛應(yīng)用。

4.1 無縫組網(wǎng)定位解決方案

首先，在建筑物的安全通道、窗戶等與室內(nèi)通視的地方布設(shè)GNSS/UWB設(shè)備，構(gòu)建區(qū)域定位基準(zhǔn)，用于將GNSS定位基準(zhǔn)傳遞到室內(nèi)。其次，在過渡區(qū)域且與室內(nèi)外通視的區(qū)域布設(shè)UWB設(shè)備，測量自身到基站的距離并傳輸至服務(wù)系統(tǒng)，服務(wù)系統(tǒng)通過邊長交會(huì)算法確定該點(diǎn)坐標(biāo)，以此類推，自動(dòng)獲得3個(gè)以上的UWB點(diǎn)位坐標(biāo)。在室內(nèi)定位基準(zhǔn)構(gòu)建時(shí)，首先，按照一定的規(guī)則將這些設(shè)備放在走廊和房間里；然后，第一個(gè)錨點(diǎn)位置上的UWB設(shè)備測量該點(diǎn)與過渡區(qū)域內(nèi)至少3個(gè)錨點(diǎn)的距離，將其傳輸至云平臺(tái)，利用云平臺(tái)計(jì)算出近似坐標(biāo)，并通過測邊網(wǎng)平差方法對(duì)室內(nèi)UWB網(wǎng)絡(luò)進(jìn)行平差處理，以提高網(wǎng)絡(luò)精度[20]；最后，救援人員攜帶UWB標(biāo)簽進(jìn)入室內(nèi)，通過測量與周圍基站的距離信息，并傳輸至云平臺(tái)，實(shí)現(xiàn)自身高精度定位。該技術(shù)能快速實(shí)現(xiàn)GNSS信號(hào)遮蔽/半遮蔽區(qū)域的坐標(biāo)基準(zhǔn)建立和高精度定位，解決火災(zāi)救援應(yīng)急定位、綜采面人員安全定位、智能建造無縫位置服務(wù)等問題。詳細(xì)過程如圖9所示。

圖9 室內(nèi)外無縫定位解決方案Fig.9 Seamless indoor and outdoor positioning solution

4.2 無縫組網(wǎng)定位終端

圖10(a)是UWB組網(wǎng)基站，支持4G通信，支持標(biāo)簽和基站兩種工作模式(自動(dòng)/手動(dòng)切換)，可實(shí)現(xiàn)分米級(jí)精度定位。圖10(b)是GNSS/UWB組網(wǎng)基站, 支持4G通信，支持GNSS、UWB、GNSS/UWB三種工作模式(自動(dòng)/手動(dòng)切換)，適應(yīng)室內(nèi)外一體化定位環(huán)境(室外GNSS模式、過渡區(qū)GNSS/UWB模式、室內(nèi)UWB模式)。

(a)UWB組網(wǎng)基站

(b)GNSS/UWB組網(wǎng)基站圖10 應(yīng)急組網(wǎng)定位裝備Fig.10 Emergency networking positioning equipment

4.3 無縫組網(wǎng)定位案例

模擬某大樓發(fā)生火災(zāi)、斷電場景。原有定位基站無法工作，煙霧導(dǎo)致救援人員無法區(qū)分方向，需要室內(nèi)外無縫定位提供位置服務(wù)。圖11(a)是模擬火場，由大樓入口、大廳、走廊和實(shí)驗(yàn)室等組成，長60余米(X軸)，寬10余米。圖11(b)是消防員由室外進(jìn)入室內(nèi)攜帶并布設(shè)的GNSS/UWB、UWB組網(wǎng)設(shè)備。圖11(c)是組網(wǎng)臨時(shí)坐標(biāo)基準(zhǔn)建立后實(shí)現(xiàn)的消防員定位軌跡和定位誤差，其中，藍(lán)色軌跡點(diǎn)是魯棒擴(kuò)展Kalman濾波定位算法解算的移動(dòng)軌跡，與黑色實(shí)線表示的真實(shí)軌跡基本一致，計(jì)算結(jié)果表明平面定位誤差約為0.37m，且90%的點(diǎn)位誤差小于0.5m。因此，該無縫定位技術(shù)和方案能實(shí)現(xiàn)分米級(jí)精度人員定位，滿足室內(nèi)外無縫應(yīng)急定位的重大導(dǎo)航需求。

(a)模擬火場大樓

(b)組網(wǎng)設(shè)備布設(shè)

(c)無縫定位軌跡及定位誤差圖11 火場無縫定位模擬實(shí)驗(yàn)Fig.11 Simulation experiment of seamless location in fire scene

5 車載導(dǎo)航定位應(yīng)用

5.1 高精度無人駕駛導(dǎo)航解決方案

圖12 高精度無人駕駛導(dǎo)航云方案Fig.12 High precision unmanned navigation cloud scheme

圖12給出了本文采用的高精度無人駕駛云導(dǎo)航解決方案。基于GNSS基準(zhǔn)站，無人駕駛車采集GNSS數(shù)據(jù)、IMU數(shù)據(jù)和里程計(jì)數(shù)據(jù)，并實(shí)時(shí)傳輸至云端進(jìn)行計(jì)算，輸出計(jì)算結(jié)果輔助無人駕駛。提前在云端布設(shè)高精度GNSS RTK/INS/Odometer的多源異構(gòu)數(shù)據(jù)融合定位算法，具有實(shí)時(shí)性、高精度、高可靠和低成本的特點(diǎn)。

5.2 車載導(dǎo)航定位終端

圖13所示為車載導(dǎo)航終端(INAV2.0)，能實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)(Real-Time Kinematic, RTK)模式定位精度2cm+基線距離×1×10-6、姿態(tài)測量精度0.01°和航向角測量精度0.02°。該裝備可為車輛提供厘米級(jí)定位定向數(shù)據(jù)。

圖13 iNAV2.0組合導(dǎo)航模塊Fig.13 iNAV2.0 integrated navigation module

5.3 無人駕駛導(dǎo)航定位案例

在開闊環(huán)境、樓宇遮擋、樹木遮蔽、高架橋環(huán)境和城市隧道5種城市環(huán)境開展了600km測試。基于GNSS RTK/INS/Odometer的無人駕駛導(dǎo)航測試如圖14所示，不同GNSS信號(hào)遮蔽程度下無人駕駛導(dǎo)航偏差不同：遮蔽越嚴(yán)重，偏差越大。以高精度GNSS與光纖IMU組合導(dǎo)航系統(tǒng)作為參考，對(duì)上述環(huán)境下的定位精度進(jìn)行評(píng)價(jià)，具體導(dǎo)航位置均方根誤差見表2：開闊環(huán)境下平面均方根誤差為毫米級(jí)，高程1.4cm；樓宇遮擋環(huán)境下，平面均方根誤差為2cm，高程3.3cm；高架橋環(huán)境下，普通GNSS無法產(chǎn)生有效定位數(shù)據(jù)，但GNSS RTK/INS/Odometer組合導(dǎo)航平面定位精度可達(dá)0.2m，具有良好效果；城市隧道環(huán)境下，僅依靠INS/Odometer融合定位，30s內(nèi)定位精度優(yōu)于0.4m、1min內(nèi)定位精度約1m、2min內(nèi)優(yōu)于2m。

圖14 測試環(huán)境Fig.14 Test environment

表2 不同測試環(huán)境下無人駕駛導(dǎo)航位置均方根誤差

6 變形監(jiān)測應(yīng)用

6.1 變形監(jiān)測云解決方案

變形監(jiān)測云解決方案主要包括高精度GNSS/MEMS IMU監(jiān)測終端和光纖光柵應(yīng)力傳感器等構(gòu)成的數(shù)據(jù)采集系統(tǒng)、4G/5G/WIFI構(gòu)成的數(shù)據(jù)傳輸系統(tǒng)、基于云計(jì)算的數(shù)據(jù)處理系統(tǒng)和手機(jī)等移動(dòng)終端構(gòu)成的用戶服務(wù)系統(tǒng)。該方案流程是采集多源異構(gòu)數(shù)據(jù)，通過數(shù)據(jù)傳輸系統(tǒng)實(shí)時(shí)發(fā)送至云端數(shù)據(jù)處理系統(tǒng)進(jìn)行計(jì)算與安全評(píng)估，最后將變形監(jiān)測結(jié)果實(shí)時(shí)發(fā)送至用戶服務(wù)系統(tǒng)。詳細(xì)情況如圖15所示。

該方案集成了BDS/GNSS/MEMS IMU高精度融合數(shù)據(jù)處理模型、邊緣計(jì)算和云計(jì)算的優(yōu)勢，具有高精度、低延遲、全天候、常態(tài)化實(shí)時(shí)監(jiān)測的特點(diǎn)，能解決滑坡、橋梁等構(gòu)筑物變形體/震動(dòng)體的智能監(jiān)測與快速預(yù)警問題。

圖15 變形監(jiān)測云端解決方案Fig.15 Cloud solution for deformation monitoring

6.2 變形監(jiān)測軟硬系統(tǒng)終端

圖16所示為高精度GNSS/MEMS IMU監(jiān)測硬件終端，體積小、質(zhì)量小、易于安裝與攜帶，能夠?qū)崟r(shí)在線數(shù)據(jù)傳輸，并兼容BDS/GPS/GLONASS/GALILEO四系統(tǒng)導(dǎo)航定位信號(hào)。它集成了BDS/GNSS/MEMS IMU多系統(tǒng)數(shù)據(jù)采集處理，實(shí)現(xiàn)了多源異構(gòu)數(shù)據(jù)云在線緊耦合毫米級(jí)高精度定位服務(wù)。

圖16 高精度GNSS/MEMS IMU監(jiān)測硬件終端Fig.16 High precision GNSS/MEMS IMU monitoring terminal

圖17所示為高精度變形監(jiān)測軟件系統(tǒng)，圖17(a)是軟件登錄界面，圖17(b)是軟件監(jiān)測界面，實(shí)時(shí)監(jiān)測衛(wèi)星星空?qǐng)D、信噪比、接收衛(wèi)星數(shù)量和DOP值等信息，以及東北天三維形變量和累計(jì)位移變化。

(a)軟件登錄界面

(b) 軟件監(jiān)測界面圖17 高精度變形監(jiān)測軟件系統(tǒng)Fig.17 High precision deformation monitoring software system

6.3 變形監(jiān)測應(yīng)用案例

高速公路等邊坡地形陡峭，地基土層松軟、巖石風(fēng)化，滑坡風(fēng)險(xiǎn)系數(shù)高。圖18所示為山西省呂梁某高速公路施工沿線邊坡滑坡變形監(jiān)測與預(yù)警系統(tǒng)的監(jiān)測位置、監(jiān)測站設(shè)備安裝和監(jiān)測軟件系統(tǒng)。

(a)滑坡監(jiān)測區(qū)域位置

(b)邊坡地形與監(jiān)測設(shè)備安裝

(c)變形累計(jì)位移量

(d)東北天變形量實(shí)時(shí)監(jiān)測圖18 滑坡變形監(jiān)測與預(yù)警Fig.18 Landslide deformation monitoring and early warning

某監(jiān)測站點(diǎn)24h連續(xù)監(jiān)測東北天三維累計(jì)變形量位移分別為：E-0.01mm，N-0.08mm，U-0.32mm；24h連續(xù)監(jiān)測東北天形變標(biāo)準(zhǔn)差分別為：E-1.92mm，N-2.81mm，U-5.83mm。

7 結(jié)論

高精度定位催生了測繪導(dǎo)航研究領(lǐng)域，拓展了測繪學(xué)科的內(nèi)涵與外延。本文重點(diǎn)研究了高精度定位關(guān)鍵技術(shù)及其應(yīng)用，形成了以下結(jié)論：

1)測繪導(dǎo)航裝備呈現(xiàn)出高智能、高精度、高自動(dòng)化和高抗干擾的特點(diǎn)；數(shù)據(jù)處理呈現(xiàn)出了較高的時(shí)效性和智能化水平，測繪導(dǎo)航裝備虛擬化與數(shù)據(jù)處理多樣化將成為測繪導(dǎo)航的基本形態(tài)。

2)智能定位模型在多傳感器融合和復(fù)雜場景下定位具有較大優(yōu)勢，未來將會(huì)在無人駕駛定位和智能測繪儀器終端研制等領(lǐng)域獲得廣泛應(yīng)用。

3)基于GNSS/UWB的無縫組網(wǎng)定位技術(shù)，能夠快速實(shí)現(xiàn)GNSS信號(hào)遮蔽/半遮蔽區(qū)域的坐標(biāo)基準(zhǔn)建立和高精度定位，解決火災(zāi)救援應(yīng)急定位、綜采面人員安全定位、智能建造無縫位置服務(wù)等問題。

4)本文提出的GNSS RTK/INS/Odometer技術(shù)可以在樓宇遮擋、樹木遮蔽、高架橋環(huán)境和城市隧道等城市環(huán)境下獲得較好的定位效果。

5)變形監(jiān)測系統(tǒng)可實(shí)現(xiàn)毫米級(jí)定位精度，能夠解決滑坡、橋梁等構(gòu)筑物變形體/震動(dòng)體的智能監(jiān)測與快速預(yù)警問題。隨著智能濾波算法和定位模組生產(chǎn)工藝的不斷發(fā)展，高智能、高精度的定位終端研制將會(huì)不斷取得突破。