论文目录 | |
摘要 | 第1-7页 |
ABSTRACT | 第7-14页 |
图录 | 第14-17页 |
表录 | 第17-18页 |
第一章 概述 | 第18-32页 |
1.1 研究背景和意义 | 第19-22页 |
1.1.1 地理空间信息快速采集与更新需求 | 第19-20页 |
1.1.2 应急测绘保障需求 | 第20-21页 |
1.1.3 基于无控制移动测量的信息获取方法 | 第21-22页 |
1.2 定位定姿技术与无控制移动测量系统 | 第22-23页 |
1.3 国内外研究现状 | 第23-28页 |
1.3.1 组合定位定姿 POS 国内外研究现状 | 第24-28页 |
1.3.2 存在的问题 | 第28页 |
1.4 本文的研究目标、研究思路和主要研究内容 | 第28-31页 |
1.5 本文的结构安排 | 第31-32页 |
第二章 无控制移动测量理论基础与关键技术 | 第32-49页 |
2.1 无控制移动测量原理与系统组成 | 第32-41页 |
2.1.1 多传感器集成基本理论 | 第32-34页 |
2.1.2 无控制移动测量原理 | 第34-36页 |
2.1.3 典型无控制移动测量系统 | 第36页 |
2.1.4 典型无控制移动测量系统组成 | 第36-37页 |
2.1.5 车载移动测量系统国内外研究现状 | 第37-41页 |
2.1.5.1 国外车载移动测量系统现状 | 第37-40页 |
2.1.5.2 国内研究现状 | 第40-41页 |
2.2 无控制移动测量误差模型与关键技术 | 第41-44页 |
2.2.1 坐标转换 | 第41-43页 |
2.2.2 无控制移动测量误差分析 | 第43-44页 |
2.2.3 无控制移动测量关键技术分析 | 第44页 |
2.3 多源数据集成融合定位定姿技术 | 第44-48页 |
2.3.1 陆基无控制移动测量系统定位定姿数据分析 | 第45-46页 |
2.3.2 陆基移动测量多源数据融合定位定姿可行性 | 第46-47页 |
2.3.3 陆基移动测量多源数据融合定位定姿模型 | 第47-48页 |
2.4 本章小结 | 第48-49页 |
第三章 GPS/IMU 定位定姿紧组合技术 | 第49-76页 |
3.1 GPS 定位定姿方法 | 第49-53页 |
3.1.1 单点定位法 | 第49-50页 |
3.1.2 差分定位的原理 | 第50-51页 |
3.1.3 GPS 动态定位模型 | 第51-53页 |
3.2 惯性测量定位定姿方法 | 第53-57页 |
3.2.1 SINS 定位定姿 | 第53-55页 |
3.2.2 DR 定位定姿 | 第55-56页 |
3.2.3 3G1M 定位定姿 | 第56-57页 |
3.3 GPS/IMU 组合定位定姿模型 | 第57-74页 |
3.3.1 GPS/IMU 松组合定位定姿 | 第58-61页 |
3.3.1.1 松组合算法原理 | 第58-60页 |
3.3.1.2 松组合算法测试 | 第60-61页 |
3.3.1.3 算法特点 | 第61页 |
3.3.2 紧组合 DGPS/IMU 定位定姿方法 | 第61-73页 |
3.3.2.1 IMU 预测双差模糊度 | 第63-64页 |
3.3.2.2 IMU 辅助 GPS 整周模糊度固定 | 第64-66页 |
3.3.2.3 紧组合算法测试 | 第66-71页 |
3.3.2.4 IMU 辅助 GPS 的周跳探测 | 第71-72页 |
3.3.2.5 算法特点 | 第72-73页 |
3.3.3 紧组合下的惯性辅助三星定位 | 第73-74页 |
3.3.3.1 dZ 的影响 | 第73页 |
3.3.3.2 系数 A 影响 | 第73-74页 |
3.4 本章小结 | 第74-76页 |
第四章 可量测实景影像定位定姿方法 | 第76-109页 |
4.1 影像视觉定位技术 | 第76-81页 |
4.1.1 影像视觉技术及其进展 | 第76-79页 |
4.1.2 影像视觉定位的关键技术 | 第79-80页 |
4.1.3 计算机视觉技术应用存在的问题与挑战 | 第80-81页 |
4.1.4 融合视觉与卫星/惯性测量的定位定姿 | 第81页 |
4.2 陆基移动测量中的可量测影像定位定姿 | 第81-90页 |
4.2.1 相关坐标系描述与说明 | 第82-83页 |
4.2.2 基于 DMI 的定位定姿原理 | 第83-86页 |
4.2.2.1 计算地物坐标的传统方法 | 第83-84页 |
4.2.2.2 基于 DMI 的姿态位置增量观测方程 | 第84-85页 |
4.2.2.3 基于 DMI 的定位定姿卡尔曼滤波 | 第85-86页 |
4.2.3 基于序列 DMI 的加权整体最小二乘定位定姿算法 | 第86-90页 |
4.2.3.1 最小二乘算法 | 第86-87页 |
4.2.3.2 整体最小二乘算法 | 第87页 |
4.2.3.3 加权整体最小二乘算法 | 第87-88页 |
4.2.3.4 基于加权整体最小二乘的可量测序列影像导航计算 | 第88-90页 |
4.3 基于序列 DMI 定位定姿的误差分析 | 第90-93页 |
4.4 基于 SIFT 的序列 DMI 影像自动匹配 | 第93-107页 |
4.4.1 SIFT 局部不变特征提取 | 第94-102页 |
4.4.1.1 尺度空间的极值探索 | 第94-97页 |
4.4.1.2 特征点的精确定位 | 第97-99页 |
4.4.1.3 特征点主方向的确定 | 第99-100页 |
4.4.1.4 SIFT 特征描述符的生成 | 第100-102页 |
4.4.2 SIFT 特征点匹配 | 第102-107页 |
4.4.3 序列 DMI 特征提取与匹配实验系统 | 第107页 |
4.5 本章小结 | 第107-109页 |
第五章 DMI 自适应滤波与 DMI/GPS/IMU 融合定位定姿算法 | 第109-126页 |
5.1 DMI 单因子自适应滤波 | 第109-110页 |
5.2 DMI 多因子自适应滤波 | 第110-114页 |
5.2.1 DMI 自适应选权滤波 | 第110-111页 |
5.2.2 DMI 多因子自适应滤波 | 第111-112页 |
5.2.3 DMI 分类因子自适应滤波 | 第112-114页 |
5.3 基于状态不符值构造 DMI 滤波中的自适应因子 | 第114-116页 |
5.4 GPS/IMU/DMI 融合滤波定位定姿算法 | 第116-124页 |
5.4.1 基于多传感器的抗差自适应融合定位定姿 | 第117-118页 |
5.4.2 基于多传感器空间约束条件的抗差自适应融合滤波 | 第118-122页 |
5.4.3 基于空间约束条件的多传感器自适应滤波模拟测试 | 第122-124页 |
5.5 本章小结 | 第124-126页 |
第六章 DMI 与 GPS/IMU 融合定位定姿实验分析 | 第126-169页 |
6.1 实验设计与实验环境 | 第126-129页 |
6.2 GPS/IMU 组合定位定姿实验分析 | 第129-145页 |
6.2.1 GPS /IMU 松组合定位定姿实验 | 第129-139页 |
6.2.1.1 通视条件较好时的 GPS/IMU 松组合定位精度 | 第129-132页 |
6.2.1.2 信号遮挡严重情况下的定位误差 | 第132-134页 |
6.2.1.3 高程变化剧烈情况下的定位精度 | 第134-138页 |
6.2.1.4 GPS/IMU 松组合实际工程作业精度 | 第138-139页 |
6.2.2 GPS/IMU 紧组合定位定姿实验分析 | 第139-145页 |
6.2.2.1 实验方法 | 第139-140页 |
6.2.2.2 方案 1 实验数据分析 | 第140-144页 |
6.2.2.3 方案 2 实验数据分析 | 第144-145页 |
6.2.2.4 紧组合定位定姿实验结论 | 第145页 |
6.3 可量测序列影像 DMI 定位定姿实验分析 | 第145-150页 |
6.3.1 序列 DMI 定位定姿误差累计实验 | 第145-147页 |
6.3.2 特征匹配点与序列 DMI 定位定姿误差关系 | 第147-149页 |
6.3.3 基于 DMI 的序贯递推定位定姿实验 | 第149-150页 |
6.4 基于 DMI 与 GPS/IMU 融合定位计算与分析 | 第150-167页 |
6.4.1 DMI 与 GPS/IMU 组合定位实验 | 第150-156页 |
6.4.2 DMI 与 GPS/IMU 组合定位定姿实验 | 第156-162页 |
6.4.3 基于加权整体最小二乘算法的 DMI 与 GPS/IMU 组合定位定姿实验 | 第162-167页 |
6.5 DMI 与 GPS /IMU 融合定位定姿应用模式分析 | 第167-168页 |
6.6 本章小结 | 第168-169页 |
第七章 总结及展望 | 第169-174页 |
7.1 本文的主要贡献和创新点 | 第169-171页 |
7.2 进一步的工作及展望 | 第171-174页 |
参考文献 | 第174-184页 |
作者简历 | 第184页 |