卫惯视组合导航技术发展趋势_宋江波.pdf

第 11 卷 第 2 期 导航定位学报 Vol.11，No.2 2023 年 4 月 Journal of Navigation and Positioning Apr.，2023 引文格式：宋江波,姚荷雄,李婉清,等.卫惯视组合导航技术发展趋势J.导航定位学报,2023,11(2):36-48.（SONG Jiangbo,YAO Hexiong,LI Wanqing,et al.Development of GVI integrated navigation systemJ.Journal of Navigation and Positioning,2023,11(2):36-48.）DOI:10.16547/ki.10-1096.20230205.卫惯视组合导航技术发展趋势 宋江波1，姚荷雄2，李婉清2，朱祥维2，戴志强2（1.中山大学 系统科学与工程学院，广州 510006；2.中山大学（深圳）电子与通信工程学院，广东 深圳 518107）摘要：针对在无人机导航和自动驾驶等领域的大尺度场景中，视惯组合导航系统表现不稳定或因无法闭环而产生误差累积的问题，提出融合卫星导航全局测量优势是实现大尺度室内外无缝导航的重要手段，并从卫星-视觉-惯性（GVI）组合导航数据融合算法角度出发，对 GVI 组合导航技术研究现状和发展趋势进行总结展望：首先，借鉴同时定位与建图（SLAM）架构，给出 GVI 组合导航系统的基本理论和框架；接着，从数据融合算法入手，对比分析基于滤波和基于优化方法的方案；然后，探讨不同场景下 GVI+组合导航系统在无人系统上的应用潜力；最后，对该领域近年来的发展进行讨论总结并展望发展趋势。关键词：同时定位与建图（SLAM）；全球卫星导航系统（GNSS）；卫惯视组合；状态估计；传感器融合 中图分类号：P228 文献标志码：A 文章编号：2095-4999(2023)02-0036-13 Development of GVI integrated navigation system SONG Jiangbo1,YAO Hexiong2,LI Wanqing2,ZHU Xiangwei2,DAI Zhiqiang2（1.School of System Science and Engineering,Sun Yat-Sen University,Guangzhou 510006,China；2.School of Electronics and Communication Engineering,Shenzhen Campus of Sun Yat-Sen University,Shenzhen,Guangdong 518107,China）Abstract：Aiming at the problem that visual-inertial navigation systems perform unstably or have error accumulation problems due to the inability to close the loop in large-scale scenarios of fields such as unmanned aerial vehicle(UAV)navigation and autonomous driving,the paper proposed that fusing the advantages of global measurement of satellite navigation is an important method to achieve seamless navigation in large-scale indoor and outdoor scenarios,and summarized the research status and development trend of the GNSS(global navigation satellite system)-vision-inertial(GVI)navigation technology,starting from the data fusion algorithm of the GVI navigation system:the basic theory and framework of the GVI navigation system were established based on simultaneous localization and mapping(SLAM)architecture;and the data fusion algorithms based on filtering and optimization methods were comparatively analyzed;then the application potential of GVI+navigation system in unmanned systems under different scenarios was discussed;finally,the recent developments in this field were discussed and summarized,and the development trend was anticipated.Keywords:simultaneous localization and mapping(SLAM);global navigation satellite system(GNSS);GNSS-vision-inertial(GVI)integrated;state estimation;sensor fusion 收稿日期：2022-06-20 第一作者简介：宋江波（1993），男，河南驻马店人，博士研究生，研究方向为多源融合导航定位。通信作者简介：朱祥维（1980），男，山东日照人，博士，教授，研究方向为组合导航、时间同步、智能信号处理和仪器设计等。第 2 期 宋江波，等.卫惯视组合导航技术发展趋势 37 0 引言 近年来，惯性导航系统（inertial navigation system，INS）已被广泛应用于传感平台的位置和姿态的估计，特别是在全球卫星导航系统（global navigation satellite system，GNSS）拒止环境中。大多数 INS 使用六轴惯性测量单元对与其刚性连接平台的局部线性加速度和角速度进行测量。随着硬件设计和制造的发展，低成本、低体量的惯性测量单元（inertial measurement unit，IMU）应用越来越 广 泛1-2。这 使 得 移 动 设 备 和 微 型 飞 行 器（miniature unmanned aerial vehicle，MAV）等3能够实现高精度定位，在移动增强现实（augmented reality,AR）4-6、虚拟现实（virtual reality,VR）7以及自动驾驶8-11等广泛新兴应用中意义重大。IMU 通过对高频率输出的加速度和角速度进行积分得到载体的位置姿态信息。惯性导航作为一种无源的航迹推算方法，缺点是容易受振动、零偏和自身温度的影响从而导致累计误差，对于长期导航并不可靠12。虽然存在高精度的战术级 IMU，但是对于大规模部署带来的高成本而言显得较不现实。纯视觉导航定位技术是另一种无源的导航定位方式，只依靠单目相机、双目相机或深度相机（RGB-D 相机）等提供量测信息13-14。其优点是能够从图像提取丰富的信息，相机静止时无积累误差产生，以及成本较为低廉。但其具有的易受到光照和动态物体的干扰，单目尺度不确定15，以及因相机快速运动而导致目标丢失等视觉传感器固有的缺陷也不可忽视。视觉信息与 IMU 的结合具有优势互补性。一方面，体积小、重量轻的相机能够提供丰富的环境感知信息，常作为惯性导航系统的辅助系统。另一方面，IMU 测量值的辅助可以显著提高运动跟踪性能，弥补一些由于照明变化、无纹理区域或运动模糊造成的视觉轨迹偏差。因此，视觉惯性导航系统（vision-inertial navigation system，VINS）解决了单一传感器的不足。然而，VINS 存在以下固有短板：1）VINS 的准确性在高度动态环境、弱纹理和暗光环境中会严重下降；2）相机和 IMU 估计中的误差积累不可避免，并且在大尺度场景中运行VINS 时，回环常常无法发生而导致误差持续积累；3）全局位置不可观测，VINS 得到的是局域坐标系下的位姿。因此，需要全局测量方法的辅助来实现对大尺度轨迹的精确估计。目前，在大尺度户外场景的定位服务中,GNSS因其获取大地坐标的能力和在开阔区域的稳定性能而得到了广泛的开发，如自动驾驶16、无人机导航17等领域。但是在一些挑战环境中，如水下、室内、城市峡谷、地下洞穴等，GNSS 信号薄弱甚至缺失导致全局测量失效，而视觉和惯性等局域测量起到了辅助作用。近年来，多传感器组合导航定位技术成为研究热点，它利用各传感器的互补特性，可实现更为精确和鲁棒的状态估计。目前，卫惯组合导航的研究已经较为成熟18，但是在卫星拒止的场景中，惯性导航的累积误差会导致导航定位不可靠。而视觉测量信息的约束会消除一部分惯导的误差漂移。因此，卫惯视 3 种传感器在不同适用的导航尺度和场景方面具有很强的互补性。在实际应用中，融合 GNSS、IMU 和视觉的卫惯视（GNSS-vision-inertial，GVI）导航系统有望在城市峡谷、室内外、水下、洞穴等挑战性环境中实现精确的局部和全局一致的定位。本文基于 GVI 组合导航技术，围绕数据融合方法对该领域的研究工作进行总结梳理。首先，简述 GVI 组合导航的基本原理；其次，对基于滤波和优化方法的方案进行对比分析；然后介绍该领域相关的应用；最后对该领域近年来的发展进行讨论和展望。1 GVI 组合导航系统的基本原理 本文所述 GVI 组合导航系统借鉴同步定位和制图（simultaneous location and mapping，SLAM）框架进行构建。GVI-SLAM 的状态估计方案是整个系统的技术核心，根据状态估计方法不同，主要分为基于滤波和基于优化 2 类。本节首先简要概述了基于 GVI 的 SLAM 基本概念和框架，其次对数据融合算法的分类进行说明，最后对状态估计中系统状态变量选择和最大后验估计理论进行阐述。1.1 基本框架 SLAM 作为一种局域测量技术，是指在没有先验信息的位置环境中，移动机器人根据自身搭载的传感器提供的测量信息来实现自主定位19。SLAM 技术是 GNSS 拒止环境下提供导航定位的有效解决手段。SLAM 中常用的局部测量传感器可分为感知自身运动信息的本体传感器，如 IMU、轮速计等，以及感知外部环境的传感器，如相机、激光雷达等。但是，在大尺度场景下，实现长时间大规模无漂移的 SLAM，需要融合 GNSS 等全局测量技术。38 导航定位学报 2023 年 4 月 GVI 组合导航系统框架借鉴经典的 SLAM 框架，包括传感器数据读取端、前端、后端、回环检测与建图，如图 1 所示。其中，前端将卫惯视传感器的数据抽象成适用于估计的模型，并进行数据关联。短期数据关联是指特征点的追踪，而回环检测就是进行一个长期数据关联。回环检测用来判断机器人是否经过已知的位置。但是在大尺度场景下可能不会发生回环，此时 GNSS 起到了约束漂移误差的作用。后端的作用是对接受到的不同时刻的位姿和回环检测信息进行优化得到全局一致的轨迹，同时向前端提供反馈，用于回环的检测和验证。建图则是根据状态估计得到的位姿和地图点信息建立与任务要求相对应的地图。通常，通过状态估计只得到载体位姿信息。仅提供定位功能，不包含建图部分的系统称为里程计。而带有回环检测和全局后端（同时优化位姿和地图点）的完整框