文摘

在地下环境中,很难获取空间三维数据由于闭塞和它的复杂性。移动光探测和测距(激光雷达)测量技术能够快速、准确地获取三维空间信息,但是在地下环境中,由于缺乏全球导航卫星系统(GNSS)信号在组合导航系统中,测量精度随时间的增加而减小。本文构造一个基于过滤器松散模式扩展卡尔曼滤波用真正的重心坐标激光目标和测量信息的立足点。它提供了一个额外的时空参考移动激光雷达系统的组合导航系统和限制了错误。仿真结果表明,该方法可以有效地改善移动激光雷达系统的测量精度,提高地下空间的三维空间认知能力。

1。介绍

传统的地下空间工程测量主要采用全站仪等测量方法,测量机器人、人工静态和离散观察(1- - - - - -3),和云点/形象[4- - - - - -6]。其中,全站仪,测量机器人具有精度高、可靠性好,可达到毫米级。摄影测量的精度可以达到分米的水平。然而,当传统的测量方法获取数据,他们面临许多问题,如效率低,安全性差测量师,和高成本的人力和物质资源,信息采集的准确性不高,和细节是不完整的3]。地下空间信息的获取方法与当前需求不一致的可靠、准确、快速三维地下空间信息的采集。移动光探测和测距(激光雷达)技术数据采集速度快和精度高的优点,已广泛应用于三维空间信息获取。移动激光雷达技术采用主动测量方法,该方法不依赖于照明,可以有效地获得地下空间的三维数据。然而,移动激光雷达系统依赖于准确的姿态信息的位置和姿态系统(POS)。当户外的全球导航卫星系统(GNSS)信号是好的,POS系统能够提供厘米级定位精度(7]。在地下空间,GNSS信号弱或阻塞,导致移动激光雷达测量数据质量随着时间的推移,无法满足测量精度的要求(8- - - - - -10]。

尽管移动激光雷达技术应用于地下空间信息测量,仍有挑战大规模3 d数据采集在长隧道和室内空间GNSS信号由于缺少重要的特性或复杂的环境。当前研究地下空间信息的快速获取和映射可以分为四类:移动测量系统测量和改进(11- - - - - -21)、激光基于同步定位和映射(大满贯)算法(22- - - - - -25),单眼和双眼视觉传感器(26],RGBD(红、绿、蓝、深度地图)视觉传感器移动机器人系统(27- - - - - -30.)和其相应的无人机(UAV) (31日- - - - - -35)平台。

改善地下空间信息采集设备基于传统的移动测量系统相对精度高的优点,不需要形成一个闭环条件下,和小错误积累长期的数据采集。然而,它也有缺点的低自动化,没有实时处理,额外的工作。地下空间数据的采集和室内区域没有GNSS信号基于大满贯系统自动化程度高的优势,良好的实时数据,采集速度快。然而,这种方法也有很大的缺点相对误差和大型长期积累的数据采集错误,特别是在特殊环境中,没有闭环很长一段时间,无关紧要的功能,或者在空间动态变化。

在GNSS-denied环境中,传统的汽车机器人用于地下空间定位精度高,但很难实现高动态连续定位(36]。虽然无线电频率识别(RFID) (37)、无线个域网技术(38),红外技术(39,蓝牙40),超宽带(UWB)技术(41,wi - fi,和其他无线定位方法近年来发展可以解决问题的动态定位,精度低,覆盖面小,和高成本。另一个地下空间定位方法,pseudostar可以达到厘米级定位精度,当信号是好的,但是信号很容易干扰,它不适合定位在地铁隧道等长的线性空间(42]。

在本文中,作者分析了移动激光雷达的测量误差特征,然后建立GNSS / IMU(惯性测量单元)/目标观察基于当前的研究。合作目标安排限制移动测量系统的误差漂移。仿真实验分析和验证,并给出适当的目标间距为参考。

2。理论的方法

卡尔曼滤波器(KF)是一种基于隐马尔可夫模型最优估计算法,它是简单和容易,并且已广泛应用于导航、控制和数据融合。采用递归方法来更新状态估计的加权平均观测数据和之前的值,没有存储在整个观测过程测量值。因此,KF适用于动态建模。在离散卡尔曼滤波器,其状态方程和测量方程所示

在哪里状态向量,尺寸是什么 ; 是测量向量,维度是什么 ; , ,和状态转移矩阵,分别是 ,系统噪声分配矩阵 ,和测量矩阵 相应的一刻;和分别是系统噪声向量 和测量噪声向量 ;他们彼此不相关的高斯白噪声,满足预期的正态分布的零。

移动激光雷达系统,点云的准确性主要取决于POS提供的时空参考。解决这个问题的准确采集的点云数据环境中可怜的GNSS信号或失踪,三维合作目标是用于提供时空参考轨迹,和扩展卡尔曼滤波(EKF)算法用于数据融合提高计算精度,降低误差漂移轨迹。然而,导航系统由GNSS IMU,状态向量和目标,转移和观测量和状态量之间的转换是强烈非线性。卡尔曼滤波算法只适用于线性数据并不能直接用来处理非线性数据。

扩展卡尔曼滤波器的非线性空间,前提是假设离散状态空间模型和替换系统状态矩阵和观测矩阵的标准模型的非线性函数。 在哪里和是系统噪声和观测噪声;他们都服从均值为零的高斯白噪声。系统噪声分配矩阵 。 和 是 - - - - - -和 - - - - - -维非线性向量函数,分别。

系统传递函数和在系统状态方程由一阶泰勒级数扩展,分别和一阶条件是留给近似。一个新的线性系统和一个间接过滤系统是由状态偏差和测量偏差,然后,最好的状态是由卡尔曼滤波估计。过滤模型如下:

在哪里状态向量的估计价值的区别是来 ; 是非线性向量方程的雅可比矩阵对应的吗 。 的协方差矩阵吗来 ; 是卡尔曼滤波增益矩阵;是非线性向量方程的雅可比矩阵对应的吗 。 是状态估计的值差异更新来 ; 误差协方差矩阵来自哪里来更新。和是系统噪声协方差矩阵和观测噪声协方差矩阵对应的滤波器,分别。

根据最优估计的偏差和初始状态值 ,最优状态估计价值在时间可以计算为 或

3所示。误差分析地下空间的移动激光雷达

移动激光雷达系统是一个集成了多种传感器的测量系统如GNSS、IMU和激光扫描仪。当移动激光雷达系统用于获取现场信息,如地下空间和室内,由于许多因素存在测量误差。误差来源主要分为激光测量误差、时空同步误差,目标系统错误,组合导航误差。激光扫描仪具有相对较高的测量精度和测量误差一般在2厘米,在测量距离,如室内和地下空间有限,对整个测量的影响有限。激光扫描仪可以通过激光测距,纠正他们的错误成为较小的随机噪声级(42]。时空同步误差包括空间同步误差引起的偏心和安装角误差的多传感器集成和时间同步误差对应每个传感器的时间基准。在许多文献和研究,空间同步的错误被视为一种系统误差(43)通过自校准和校准(44- - - - - -48)或控制积分校正方法(49- - - - - -52]。空间同步可以获得精确的几何变换关系传感器标定方法,它可以减少甚至消除错误。时间同步误差是由各种传感器的性能差异和采样频率的差异,可以有效地控制的精确时间同步和频率不同。时空同步误差一般可以控制在1 - 2厘米,它有一个有限的影响力对整个测量。定位和定位系统(POS)错误是最困难的一年,这与环境密切相关,比如否认了GNSS信号(42]。合作目标错误是一个额外的错误引入地下和室内空间限制空间定位和空间提供参考。这个错误不包括系统误差,其误差被认为是意外错误。此外,目标数据具有较高的精度和导航系统相关数据精度较低;最终结果能满足精度要求的地下导航系统通过引入目标数据的导航系统来控制整体的导航误差。好的合作目标采用敏感材料反射率激光脉冲和选择容易识别的图形,这有利于自动识别目标的中心位置的激光点云。大量的研究已经在这个领域进行,其中的目标中心定位算法的基础上估计(13)可以达到1 - 2毫米的目标中心定位。此外,目标的绝对位置由精密全站仪,精确地测量和误差一般小于2厘米,所以可以看出合作目标整体测量误差影响有限。移动激光雷达系统,在GNSS / IMU的松散耦合的模式组合导航系统,平滑POS轨迹可以实现相对准确的空间定位和态度的决心,并呈现一定的周期性误差(图1(一)),但总体误差相对较小,一般在1 - 5厘米。然而,在地下和盲目的室内环境,GNSS信号丢失,和构成的移动激光雷达系统是独立提供的IMU,迅速将带来非常严重的累积误差随着时间的增加(图1 (b))。可以看出,在盲目地下环境中,有效的遏制和纠正IMU估计错误已成为解决地下空间定位的首要任务。

4所示。轨迹修正模型的移动激光雷达与合作目标约束

在地下空间没有GNSS信号,移动激光雷达系统没有显著差异在点云采集误差和时空同步误差与户外GNSS信号状况良好。然而,在组合导航误差,因为没有GNSS,它只依赖于IMU轨迹估计,错误不能有效控制和大幅增加。当移动激光雷达系统获得地下空间信息时,通常采用的方法类似于地面环境,这就需要GNSS的参与。然而,进入盲人环境后,GNSS信号就消失了。数据时解决,GNSS将不再参与相关的计算由于缺乏可靠的GNSS信号。本研究是基于扩展卡尔曼滤波算法使用松散耦合模式,基于图形的轨迹误差的解决方案模型目标约束(图2)。

4.1。IMU轨迹状态模型

陀螺仪和加速度计的测量误差在乌兹别克斯坦伊斯兰运动,安装错误和比例因子误差可以测量和补偿。考虑系统的简单性,只有随机误差无法补偿。

微分方程的态度错误:

在哪里误差函数是态度。之间的误差计算导航坐标系的捷联式惯性导航和实际导航坐标系,然后呢陀螺仪测量产生的误差。

在导航坐标系,速度误差的微分方程 在哪里是加速度测量的不同,所产生的误差地球自转速度的计算误差,是导航系统的计算误差相对于地球定点旋转坐标系,然后呢重力模型误差。上述误差计算公式如下:

位置误差的微分方程在不同的方向,不同的形式的 在哪里和经度和纬度和吗 , ,和 ,分别是三个方向的速度的预测当地坐标系统。乌兹别克斯坦伊斯兰运动传感器误差模型本文包括陀螺仪漂移误差和加速度计误差及其误差的微分方程 在哪里陀螺仪的随机漂移,陀螺仪误差的一阶马尔可夫过程,是相关时间,加速度计测量误差。

根据乌兹别克斯坦伊斯兰运动姿态误差方程(方程(6)),速度误差方程(方程(7)),位置误差方程(方程(9)),和IMU传感器误差(方程(10)),构造卡尔曼滤波器的运动状态方程。状态方程,态度错误,速度误差、位置误差,和IMU传感器错误,总共18-dimensional参数状态的组件参数,如图所示

IMU运动状态方程的一般表达式

的表达,是状态转移矩阵相应的状态方程,对任何时刻 , 在哪里是9的系统动态矩阵参数的态度、速度和位置。是一个矩阵 ,和它的形式在捷联式惯性导航系统 在哪里是当地地理坐标系之间的变换矩阵的态度和坐标系统平台。是一个矩阵 ,和它的形式在捷联式惯性导航系统

在哪里是惯性导航的状态转换参数模型,及其具体形式是对角矩阵 在哪里 时间的陀螺仪吗 方向和 加速度的时间吗 方向。

是系统噪声的控制向量函数的状态矩阵,和在任何时间吗是

是噪声矩阵

在哪里 是陀螺仪的白噪声、传感器平台,和加速度计 方向。

4.2。轨迹移动激光雷达观测模型

GNSS和IMU形成一个组合导航系统。在间接卡尔曼滤波模式下,乌兹别克斯坦伊斯兰运动跟踪评估结果作为初始观察,和GNSS观测结果作为计算跟踪估计错误的信息,然后,获得的导航结果。GNSS观察和IMU测量都是彼此独立的,而且没有相关性。与此同时,由于自然条件的限制,GNSS接收机的天线中心不配合IMU的协调中心,所以需要计算的结果GNSS差异分解为乌兹别克斯坦伊斯兰运动坐标系,参与GNSS / IMU /目标的综合解决方案。在其他方面获得的目标中心坐标和对应的UTC时间POS轨迹,但仍有区别目标点云中心和POS测量中心的坐标系统。因此,它需要计算反向根据激光雷达定位方程来获得相应的IMU位置目前,参与GNSS / IMU /目标组合计算。

4.2.1。准备GNSS观察

GNSS微分观测的位置结果归一化通过手臂效应乌兹别克斯坦伊斯兰运动坐标系,如图3。

简化方程是 在哪里GNSS IMU的臂长向量,IMU的位置矢量在地心地球定点坐标系统,然后呢GNSS的位置矢量在地心地球定点坐标系统。

有一个手臂的长度的差异GNSS和IMU之间也有不同的速度两个当承运人。集成GNSS和IMU数据,GNSS信息需要转换为统一的参考基准。

在地心地球定点坐标系统中,GNSS的位置向量可以表示为 ,和IMU的位置矢量 。位置GNSS和IMU的区别,即空间臂的长度,

在当地的导航坐标系,

因此,减少GNSS观测结果之间的关系和修正惯性导航坐标系

一般来说,GNSS接收天线的安装位置和IMU不改变,这可以视为一个常数值。然后,相对地心地球定点坐标系统的微分方程两边的(21)得到:

请注意 作为和 作为 。上述方程项目惯性导航坐标系,在哪里

4.2.2。目标观测

在初始计算移动激光雷达,尽管长期缺乏GNSS信号导致导航轨迹信息严重漂移,轨迹保持相对较高的精度在很短的时间间隔在目标范围内。根据移动激光雷达图形的图形特征的目标,目标的中心坐标和相应的UTC时间可以获得与手工半自动地援助。自从获得特征图形的坐标点目标都UTC时间参考和空间参考全球坐标系统的精密测量后,它可以提供限制的空间参考移动激光雷达系统,提高系统的获取空间信息的准确性。

首次计算点云后,根据目标中心定位方法在文献[13),首先,点云场景是手动查看和图形选中目标的范围。其次,目标中心点及其相应的UTC时间,确定迭代中心定位估计 。最后,根据其他测量方法,实际图形场景中目标的精确坐标。

根据激光雷达定位几何模型、激光扫描仪高速旋转来获取坐标的点云扫描坐标系。激光脚点的坐标在wgs - 84坐标系统可以测量根据位置参数,估计IMU中心的位置,估计态度通过POS系统。定位的几何方程所示 在哪里是wgs - 84坐标系统的坐标中心的脚点的目标,惯性测量单元的测量中心,POS系统的态度估计,和的位置旋转矩阵和偏心位置参数,分别。

目标中心坐标获得根据传统的测量方法,然后,惯性测量中心坐标可以通过反向计算,所示

通过整合GNSS和目标测量信息,测量组合系统的卡尔曼滤波方程可以得到如下:

5。实验分析

来验证该方法的有效性,采用两组实验验证。在第一个实验中,作者获得真正的轨迹在露天环境中,和GNSS信号被人为地验证之间的一致性程度,计算轨迹和目标约束下的真实轨迹。在第二个实验中,作者收集了数据在地铁隧道GNSS信号然后比较和分析了基于目标约束和全站仪测量值的观察,和程度的巧合的两个测试结果验证了。

5.1。实验方案

实验1:测试区域位于焦作市高新区新建的道路环境,河南省,400米的长度。便携式平板车辆用于携带SSW-3移动激光雷达系统。数据收集nonmotorized车道两边的路上。测试区域是开放的在天空,没有高层建筑和水域等周围环境对GNSS信号有不利因素。平面图形目标设定在25米的间隔沿着道路的边缘,和目标中心的坐标精确测量全站仪的测量误差小于2厘米。数据采集的时间是2018年10月,GNSS频率10 Hz, IMU频率为200赫兹,数据采集的时间是1878年代,轨迹的长度是836米。图4显示的是点云图像和目标测试区域的布局。

实验2:测试区域位于北京地铁15号线的部分。铁路的车被用来携带相同类型的移动激光雷达系统。收集到的数据是通过手动拖动沿着轨道。十字形平面目标安排每隔50米隧道墙上。每架飞机目标的中心点是全站仪的精确测量,以及测量误差小于2厘米。数据采集的时间是2014年8月,GNSS频率10 Hz, IMU频率为200赫兹,270年代数据采集时间,轨道长度是1700米。图5显示了数据收集的地位和目标云在测试区域。

两个测试区域的数据解决方案很相似,所以本研究侧重于测试的数据分析和研究。

5.2。数据计算

根据轨迹处理方法,它主要包括POS轨迹precalculation,点云的初步计算和目标点云中心位置,与合作目标约束POS轨迹计算,点云的一代。

5.2.1。POS轨迹Precalculation

在第一个实验中,POS系统获得完整的GNSS信息和IMU信息,本文使用卡尔曼滤波获得完整的轨迹作为参考。的最大错误(东)(北),(高度)轨迹计算是0.003米,0.004米,0.010米,分别。然后,GNSS信息被忽略获取轨迹计算只有IMU,它用作地下空间的模拟轨迹,而目标约束。在模拟环境中,因为漂移误差在POS系统不能有效地抑制 , ,和错误的轨迹计算8.523米,6.522米,1.122米,分别。结果如图所示6。可以看出,上述两种情况之间存在很大偏差。

5.2.2。点云Precalculation和目标中心位置

模拟环境的GNSS信号缺失,点云计算轨迹严重倾斜是由于缺乏GNSS IMU漂移校正和其他错误,和点云计算基于IMU所提供的信息有很大的偏差。然而,每个合作目标数据的数据采集时间很短。在有限的时间内,计算出的姿势IMU数据仍然具有较高的相对精度,和每个目标云具有较高的整体一致性。根据鲁棒目标中心提取算法,可以获得相对可靠的目标中心坐标。

5.2.3。合作目标的轨迹解约束

根据目标云从预先计算的点云提取目标的中心坐标和激光扫描仪的测量结果相应的UTC时间测定。然后,根据观测模型,已知的参考点的轨迹计算和轨迹漂移限制。蓝线在图6修正后的轨道。可以看出修正轨道高度的巧合与真正的轨道,从而大大提高了跟踪的可靠性。

5.2.4。点云解决方案

根据提供的信息修正轨迹,移动激光雷达点云是重新计算获得可靠的点云信息没有GNSS信号。在这项研究中,测试区域的长度是400米,而目标是安排在路的两边。共有37个目标集和每个目标区间是25米。最后,解决了组合导航轨迹的间隔25米,50米,100米,200米,目标点云数据终于获得评估约束点云的结果的准确性。

5.3。约束的结果和分析

模拟的GNSS signal-free状态,造成估计的误差IMU似乎随着时间的漂移。之间的偏差计算坐标和33合作目标中心的测量坐标如表所示1。意思是点对点的错误 , ,和方向0.564米、10.698米和0.010米,分别。点偏差的最大值是19.925。每个点的位置偏差图所示7。试车跑道采用封闭路线。从起始点越远,越点误差由IMU漂移引起的。

目标间隔25米、50米、100米和200米,分别用来限制轨迹,获得数据所示点位置错误8- - - - - -11。

从两个测试结果的分析,在缺乏GNSS信号,移动激光雷达系统的轨迹积累随着时间的推移,和测量误差迅速增加。基于本文算法,测量误差的约束下迅速降低合作目标,和两个测试结果是一致的。合作目标区间越小,测量误差值越小。当合作目标间隔约50米,测量误差可以满足一般需求的室内空间测量。与间隔的增加,测量误差的精度和不稳定性逐渐增加。

在第二个实验中,重点解决了云。没有目标的约束,34个目标点的坐标与测量值比较,平均点值中的错误 , ,和方向是4.076米,12.099米,9.343米,分别。该方法被用来消除一些不合格的目标和约束的轨迹的基础上,测量目标的价值观。重新计算后,点云坐标的平均误差和测量值是0.051米,0.162米和0.096米的 , ,和方向,分别。

6。结论

针对移动激光雷达的测量问题在地下空间GNSS信号,分析移动激光雷达系统的误差来源,认为死者立场和态度的错误计算了IMU地下移动激光雷达的主要误差源。松耦合模式的轨迹误差解决模型基于图形化的目标约束。验证了本文算法通过模拟环境没有GNSS信号和真实的地铁隧道场景,分别。研究表明,移动激光雷达估计轨迹误差的增加随时间迅速在缺乏GNSS信号。随着目标的约束,可以有效控制测量误差。当图形目标之间的距离约为50米,可获得更加稳定和可靠的测量结果。基于误差修正的目标约束,虽然可以实现有效的校正的姿势在某种程度上,每个图形目标只可以作为一种有效的约束,对估计的轨迹的克制能力有限和更少的限制的姿势。在后来的研究中,合作的目标和相应的修正模型将扩展到适用于更复杂的环境。和一个更健壮的修正模型,可以同时采取正确的姿势。

数据可用性

的数据支持本研究的发现中可用的文章。

的利益冲突

作者宣称他们没有相互竞争的利益。

作者的贡献

Huiyun刘和李Yongqiang贡献同样co-first作家这个工作。

确认

这项工作得到了国家自然科学基金(41771491)。