一、车载组合导航系统误差修正方法研究（论文文献综述）
程鑫[1]（2021）在《城市环境下GNSS/MEMS IMU/Odometer高精度融合定位算法研究》文中进行了进一步梳理在室外开阔场景下,GNSS系统可为用户提供高精度定位服务。在复杂城市环境下,GNSS信号受环境干扰严重不能进行有效定位,从而导致定位精度不可靠,无法满足车载定位需求。惯性导航系统受外部环境干扰较小,但定位精度受限于器件自身性能。当惯导误差长时间无法校正时,定位精度严重发散。针对车载应用场景,引入里程计信息,增加系统冗余观测值,提高组合导航定位精度与可靠性。本文重点对城市环境下GNSS/MEMS IMU/Odometer融合定位算法进行研究,内容涵盖惯导误差建模、低成本GNSS双天线定向模型、车载运动学约束模型以及里程计辅助融合定位算法等几方面内容,主要成果如下:（1）惯性器件的误差直接对导航结果产生影响。针对车载常用惯性器件稳定性问题。建立惯性器件误差模型。对惯性器件系统误差进行改正,建立随温度启动项误差的多项式拟合模型。对于惯性器件的随机误差,采用进行Allan方差分析,评估惯性器件的随机误差参数。通过惯性器件误差建模能够有效对器件误差进行判别与应用。（2）由于MEMS IMU静态时无法完成航向初始化,进而影响后续正常导航。通过建立低成本GNSS双天线定向模型,获取初始时刻的航向信息辅助MEMS IMU完成静态初始化。通过实验分析表明,当基线长度为1 m时,采用低成本GNSS定向内符合精度优于0.15°,能够满足MEMS IMU初始化需求。（3）通过合理利用车辆运动特性与状态可提升在复杂环境下的定位精度。利用车辆行驶时速度方向特性建立非完整约束模型,利用车辆零速特性建立零速约束模型。结果表明,在开阔环境下,利用车载运动学模型约束后,定位精度有小幅度提升。在遮蔽环境下,非完整性约束模型可有效抑制惯性导航器件的发散,提高定位精度。（4）针对车辆应用,引入里程计信息辅助融合定位,可大幅提升惯导定位性能。建立基于GNSS/MEMS IMU/Odometer融合定位模型。在城市环境下进行测试,对GNSS定位模型与融合定位模型位姿精度进行分析。结果表明,在开阔环境下,两者均能满足高精度定位需求。在复杂环境下,GNSS无法进行有效定位,融合定位精度明显优于GNSS定位精度,且融合定位精度更可靠,能够满足大部分高精度定位需求。
刘潘[2]（2020）在《车载GPS/INS组合定位研究》文中研究说明车载定位技术是自动驾驶核心技术之一。半遮蔽环境GPS信号弱,惯性器件误差随时间累积,使得导航设备在半遮蔽区域定位精度和稳定性均较差,自动驾驶对这两方面有着极高要求,因此,对半遮蔽区域车载GPS/INS组合定位在精度和稳定性上的研究有着重要意义。在动态定位精度方面,使用载波相位差分技术可以实现车辆在半遮蔽区域厘米级定位,在稳定性方面,融合车辆轮速档位信息可以快速修正由于惯性器件累积误差导致的定位偏差。本论文重点研究了这两方面的算法,搭建硬件平台进行了测试验证。本文研究工作:（1）本文阐述了卫星定位与惯性定位的背景及现状,建立了GPS与INS各误差模型,探索了双系统的时间同步,对双系统加权融合,实现了一种基于紧组合模式的车载GPS/INS组合定位系统。（2）本文在提升定位精度方面,阐述了基于载波相位差分的紧组合算法,详细推导了紧组合的系统状态方程,提出了LAMBDA方法对浮点解模糊度进行固定,半遮蔽区域也能得到高精度厘米级定位解。对于GPS观测值在受到各种干扰情况下极易出现粗差的问题,提出了一种基于新息检测的自适应卡尔曼滤波算法,降低了粗差出现概率。（3）在提升稳定性方面,为了解决车辆在半遮蔽区域转弯处定位结果出现严重偏离问题,提出了一种利用车辆轮速档位信息结合卫星原始数据与惯性器件原始数据组合参量对车辆静止状态进行判定的零速检测及修正方法,实测验证效果良好。（4）搭建了车载GPS/INS组合定位硬件平台,并使用C语言编程调试。（5）针对零速检测及修正算法进行了静态和动态两组对比测试,针对松组合与紧组合在空旷区域和半遮蔽区域进行了两组对比实验,结果表明采用修正算法后稳定性得到提升,在半遮蔽区域紧组合算法相对松组合算法精度得到提升。
毕凯[3]（2020）在《MEMS惯导系统在线标定与补偿技术研究》文中研究表明MEMS惯性导航系统在无人驾驶、机器人控制以及军用导弹等领域的应用非常广泛,其在导航领域中的地位十分重要。MEMS惯性传感器的优点是体积小、功耗低且成本低,但由于MEMS传感器精度低,导致随着时间的增加惯性导航系统的累积误差越来越大,因此提高MEMS惯导系统的导航精度是目前主要解决的问题。本文主要对MEMS惯导系统在线标定与补偿技术展开了研究,以期能够实现一个稳定性强、精度高的自主导航系统,在惯导系统的导航性能提升方面提供一个理论支持和研究参考。首先,本文概述了MEMS惯性导航系统的在线标定技术,根据MEMS惯导系统中零偏和标度因数的在线标定方法建立了状态方程,通过GPS外测系统建立了观测方程,设计了五种不同路径,对所设计路径中的误差变量进行了可观测分析,并且用常规Kalman滤波标定出了零偏和标度因数的值。其次,针对采集观测信息时外部环境干扰比较大的情形,本文提出了一种模糊逻辑和常规Kalman滤波结合的滤波算法,在该算法中,定义了残差的实际值和理论值,以它们迹的比值作为模糊输入,输出是修正外部观测噪声的修正因子。通过仿真,验证了该算法可以有效的提高系统的导航精度,并且和常规Kalman滤波算法标定结果比较,该算法能更好的抑制滤波的发散,在一定程度上消除了外部恶劣环境对标定过程的影响。最后,论文在以上两种滤波算法的基础上,通过车载MEMS导航系统以及高精度GPS系统设计了半物理仿真平台评估标定与补偿效果,用采集的实测数据进行惯导解算,采用时间标记的方法解决两个传感器系统的时间同步问题,然后将标定结果补偿到输入,成功的提高了导航的精度,在外部环境对噪声影响较大时,模糊自适应Kalman滤波的仿真结果比Kalman滤波的仿真结果误差降低了大约二十倍,因此,本文提出的算法更有效的提高了系统的精度。
谢朝曦[4]（2020）在《基于IMU补偿的列车组合定位优化方法研究》文中指出近年来,随着卫星导航系统在铁路定位领域的不断深入研究,基于惯性传感器的多传感器组合定位的方式成为未来发展的趋势之一,其中微机电惯性测量单元（Micro Electro Mechanical Systems Inertial Measurement Unit,MEMS-IMU）具有低成本、小型化以及抗干扰的特性成为组合器件的主要选择之一,但MEMS-IMU由于结构加工技术和电路工艺的限制,存在较大的测量误差。目前,在现有的MEMS-IMU精度上,对存在的误差进行补偿和校正将是提高组合导航精度的有效办法之一,也将带来一定的经济成本收益。本文充分考虑MEMS-IMU在实际应用环境所表现出来的误差特性,将误差分为系统误差和随机误差,从模型建立方法、标定编排方案和在线补偿等不同角度开展研究。同时为了弥补纯惯导系统姿态发散的问题,研究磁力计的定姿原理及组合技术,进而优化组合导航系统并提高精确性、可靠性和连续性。本文的主要研究内容包括:（1）提出并验证低成本MEMS-IMU的系统误差模型和标定方法。通过研究MEMS-IMU系统误差产生的来源,确定主要误差项并建立误差方程,在此基础上,提出标定方案用于准确标定误差方程的误差参数。同时利用实际应用场景数据对误差模型和标定方法进行仿真,验证该方法的有效性。（2）研究MEMS-IMU的随机误差辨识方法和在线补偿技术。传统上,随机噪声被当成高斯白噪声处理,但实际上惯性器件的随机噪声属于有色噪声。本文将对惯性器件的随机噪声分解为有色噪声与白噪声的组合,对有色噪声建模得到微分方程,并设计基于卫星的有色噪声在线补偿方案,最后对该方案进行验证。（3）研究磁力计定姿方案和组合模型。为了提高组合系统的精度以及维持较长时间纯惯导系统定位精度,引入磁力计增加姿态观测量进而保持姿态的稳定性,首先研究了磁力计的定姿方程、磁偏角的模型和计算方法,其次在传统滤波方程的基础上对观测量扩维并更新升级量测模型。（4）设计并完成实验验证平台。结合实验室的接收机板卡和MEMS-IMU设备搭建了试验验证平台,在实际应用中对上述算法内容进行验证。试验结果表明,通过对MEMS-IMU系统误差的补偿,其量测输出精度提高80%以上,静态和动态运行环境下的导航结果均得到有效的改善;在此基础上,基于GNSS辅助的随机误差模型更进一步提高了组合导航系统的定位精度,并加快卫星可见性变化时位置精度的收敛速度;同时引入磁力计形成的增强型组合系统为姿态保持提供了稳定性,保证了纯惯导系统的定位持续性。图66幅,表20个,参考文献76篇。
张倩云[5]（2020）在《缺星情况下无人机紧组合导航系统滤波技术研究》文中研究指明导航系统作为无人机关键技术环节之一,在无人机飞行控制中起着至关重要的作用。无人机在山地、丛林、城市等环境执行任务时,经常会面临卫星信号缺失的问题,常规的导航方式无法获得足够的导航精度。本文以小型无人机导航系统为研究对象,针对其在缺星条件下的导航问题,开展基于非线性滤波的紧组合导航算法研究。首先,基于SINS/GPS的组合导航算法特点,建立相关坐标系,推导了惯性导航系统的姿态、速度及位置更新方程。针对导航信息估计问题,选取了间接滤波的方法,根据实际要求建立了基于大方位失准角的惯性导航系统非线性误差模型,简要介绍了卫星导航系统的定位原理,并给出了导航信息修正的方法。其次,针对无人机在飞行过程中出现的GPS缺星的问题,选取紧组合作为导航系统工作方式,基于误差模型与紧组合算法特点建立了系统状态方程及线性和非线性两种量测方程。研究了三种常用的非线性滤波方法在紧组合中的应用。并通过仿真比较了三种常用的非线性滤波方法采用不同模型组合在GPS信号正常及缺星时的效果。结果表明,在GPS信号正常时非线性的量测方程与线性的量测方程具有相同的精度,在缺星情况下,非线性的量测模型要具有更高的导航定位精度。再次,为了提高无人机在整个飞行阶段中的导航性能,提出一种优化的紧组合导航算法,先针对粒子滤波在系统维数过高导致的大计算量问题,采用一种基于模型分解的混合滤波方法,将线性部分与非线性部分分离开,针对不同的部分采用不同的滤波方法,该方法能够在保证精度的前提下减少一定的计算量,提高系统的实时性;根据无人机不同状态的飞行特点,在前述研究内容的基础上,针对不同的阶段采取了不同的滤波方式。通过仿真比较了本文所提算法与单一的非线性滤波方法的导航定位效果,结果表明,该算法相比于EKF及UKF在缺星情况下具有更高的导航精度,相比于UPF具有更优的实时性能。最后,设计并搭建了实验平台,通过实际数据采集与仿真结合的方法验证本文所提优化算法,实验结果验证了优化算法的正确性,在卫星缺失情况下优化算法可以在一定程度上提高导航定位精度,能够基本满足无人机导航系统的实际应用要求。
刘峰[6]（2019）在《高精度惯性定位定向/地图信息匹配导航技术研究》文中研究指明经典的陆用定位导航技术,如惯性导航以及惯性与里程信息、地标信息、零速停车信息、卫星信息的组合导航技术等,在满足长时间大范围工作情况下机动、快速、自主导航定位的作战使用需求时,都有着各自的技术缺陷。为了突破陆用导航领域传统技术方案,本文对高精度惯性定位定向地图信息匹配导航技术进行研究,提出了采用地图匹配辅助惯性定位定向方法,提高长航时大半径情况下的自主定位精度,对提升快速自主精确能力并降低保障要求与成本具有重要意义。论文的主要研究内容包括:1.针对军用国产化的嵌入式平台资源、性能特点,及数字矢量地图路网的数据结构,提出了一种适用于嵌入式导航计算机的自主可控空间索引方法——基于空间网格的Hilbert-R树索引方法。解决了相关技术依靠国外软件二次开发平台的问题,实现了海量数字矢量地图快速索引。经验证,该索引方法较普通遍历搜索方法索引效率提高80%以上。2.针对数字地图路网结构的特点和地图匹配的难点,提出了一种基于计算几何理论的惯性定位定向系统行驶轨迹与数字地图道路几何特性的“线到线”型地图匹配方法。实现了基于定位定向信息的路径匹配,有效解决了道路纵向匹配误差得不到有效抑制的技术难题,具有较高的准确性和鲁棒性。3.通过分析惯性导航力学编排和误差原理,提出了一种自主可控的惯性/里程计/地图匹配组合导航方案,建立精确的误差模型,采用滤波技术进行信息融合,利用地图匹配导航结果提高惯性定位定向系统自主定位精度。经验证,利用地图匹配信息修正惯性定位定向系统在长航时、大作战半径情况下可将定位误差控制在45m以内。4.针对惯性定位定向系统可用的嵌入式系统的硬件资源、运算处理能力有限的问题,提出了一种基于嵌入式系统的软硬件平台实现方案。完成了硬件系统、软件架构工程设计,具备在有效的资源中实现地图动态分块动态加载、道路检索、匹配解算、惯性定位定向/地图信息匹配融合与非道路行驶识别等功能,并在惯性定位定向系统中首次实现惯性定位定向/地图匹配导航技术工程应用。
李文元[7]（2019）在《低成本GPS/INS无缝组合导航误差抑制技术研究》文中提出近年来,GPS/INS组合导航系统因其良好的互补特性在各无人平台上得到广泛应用,低成本的组合导航技术成为目前组合导航系统的重要发展方向。基于低成本的GPS/INS组合导航系统具有特定优势,符合未来无人驾驶运载体的需求。同时,结合传感器数据分析技术与现代数据融合技术,可以实现自主的、无缝的、高精度组合导航系统。然而,低成本的惯性测量单元输出噪声与随机游走较大,得到的导航结果含有较大误差。因此,研究低成本的GPS/INS组合导航系统的误差来源与误差抑制技术,是未来组合导航技术的发展方向之一。本文研究了基于低成本GPS/INS无缝组合导航误差抑制技术,分别从低成本GPS/INS无缝组合导航系统误差分析与建模、基于模糊间隔阈值的经验模态分解（EMD）陀螺消噪方法、基于自适应互补滤波的姿态估计方法以及基于改进的径向基神经网络的组合导航信息融合方法四个方面进行了相关研究。具体的研究方法和创新性为:1、针对本文采用的低成本惯性器件,一方面,对组合导航系统模型进行简化,并确定了该组合导航系统的基本框架,另一方面,分析了该系统的主要误差源,确定了误差抑制方案。2、提出了基于模糊间隔阈值的EMD陀螺消噪方法。分析了MEMS陀螺仪的误差特性,提出将经验模态分解法应用到陀螺仪输出数据消噪中,结合分解得到的本征模函数特点,对阈值系数消噪进行改进,提出模糊间隔阈值的消噪方法。最后设计了仿真信号测试与传感器信号测试。3、基于自适应互补滤波的姿态估计方法。分析了低成本惯性导航解算中姿态更新原理,利用加速度计测量的载体动态信息调整互补滤波器的结构,提高系统姿态估计精度,并降低应用环境对系统解算的干扰。4、基于改进的径向基神经网络的惯导误差抑制方法。采用自适应量子粒子群算法改善径向基神经网络的训练精度与泛化能力,将此网络引入到自适应卡尔曼滤波器中训练输出观测向量,在卫导信号失锁时,有效抑制系统误差发散。最后,本文通过自主研发的组合定位系统进行了仿真测试与车载动态测试,证明了本文提出方法的可靠性与有效性,为低成本GPS/INS无缝组合导航误差抑制技术研究提供一定的参考价值。
孙苏玉[8]（2019）在《林区道路3D信息采集与建模方法研究》文中认为近年来,随着“智慧林业”的发展,林业作业环境信息快速精准感知技术的需求日益迫切,其中林区道路如防火道、采伐集材道等作为林区环境的重要组成部分,其3D详细信息的采集和模型处理具有重要的研究价值。在应急抢险等林区作业中,作业车辆如森林消防车等需要详细、实时的铺装和非铺装道路3D信息。未来林区智能装备也需要道路环境信息完成定位和路径规划等功能,以提高生产作业效率及安全性。目前国内外对路面模型的构建研究多以城市道路和高速公路为主,针对林区道路3D模型构建的相关研究较少。车载移动测量系统因其高效、快速、非接触等优点,已成为采集高速公路、城市道路及其两侧建筑物等地物信息3D数据的重要手段。本文利用激光扫描雷达、惯性测量单元IMU、GNSS接收机等仪器搭建了车载林区道路信息采集系统,并完成了系统外参数标定、典型林区道路信息采集,将采集到的数据融合后,研究了激光点云数据的快速处理方法,构建了较能反映实际路面3D信息的林区道路模型。本文首先研究了道路信息采集系统的参数设置方法,确定了系统定位模型,完成了系统的外标定和精度校验。其次,采集了鸾峰国家森林公园典型防火道路路面数据,并在MATLAB中进行多仪器数据的融合,通过坐标变换,实现了二维激光数据到三维点云数据的转化。最后,编写代码完成了路面三维点云的显示、滤波、孔洞修补、点云精简、曲面重建等技术内容。尤其针对滤波和遮挡形成的孔洞,基于扫描线点云的特征,设计了修补点云模型的方法,实现了较好的修补效果。研究表明,该车载道路信息采集系统成本较低,适用于林区道路的数据采集和建模,最终生成的林区路面模型较能反映实际道路情况,可以为当前森林消防车性能分析改善和未来智能林用车辆应用提供虚拟测试、定位及路径规划等需要的相关林区道路信息。
袁蹈[9]（2019）在《基于GPS/SINS的车载组合导航监控技术与应用研究》文中研究指明随着卫星导航技术的发展,GPS,BDS等卫星导航系统目前在静态定位和动态定位方面具有很高的定位精度。卫星导航定位系统的定位精度主要取决于卫星信号的强度,但在一些树荫遮挡、停车场、高楼建筑物旁的道路上卫星的信号极其微弱,大部份情况卫星信号极其微弱,针对路况无法预测设计了在卫星信号微弱情况仍可做到精确定位的导航定位监控系统即GPS/SINS组合导航监控系统。其中惯性导航系统是一个自主导航的定位系统,为其提供初始定位数据后,可以根据自身的惯性传感器和导航计算机对偏航角度和加速度等积分对初始定位数据的累加得到导航终端位移量和速度,但因纯惯导系统无法及时的更新初始定位数据,而传感器本身具有一定的误差,长时间误差的积累将导致导航系统的定位误差逐渐增大,无法满足车载导航的定位精度。本文设计的GP S/SINS组合导航定位监控系统可以解决惯性导航起算数据更新的情况,并且在无卫星信号的情况下仍有较好的定位精度和流畅性。主要研究工作和结论如下:1、论文对GPS/SINS组合导航定位系统的组成和关键技术的理论知识做了介绍,并针对车载导航这一实际项目工程,做了最适合车载组合导航系统的选择,如俩系统松组合模式的选择、数据融合时卡尔曼滤波器的选择,WINCE操作系统等等,均是结合车载组合导航这一特殊动态定位的项目选择。2、本文对系统所需坐标系做了研究,GPS采用的WGS-84坐标系、惯性导航系统采用载体坐标系、电子地图采用的是导航坐标系。文中研究了前两类坐标系向导航坐标系转化的方法,并且对转换的公式进行了推导,解决了组合导航系统中的坐标系统不统一的问题,经过坐标系转换后均转换到导航坐标系。实验的地图匹配结果显示坐标转换效果良好。3、本文的实验部分根据对组合导航定位性能的分析设计了动态车载实验和静态车载实验,设计路线上有复杂的大面积湖面、树荫遮挡路段、高楼建筑物路段等等,还有长距离的正常无遮挡路段,实验结果处理后显示车辆的静态定位精度和动态定位精度均很高,同时动态定位精度在正常路段达到1.5米,在树荫遮挡路段会出现精度突增情况但平均在4.5s后会形成收敛态势,并且在地图匹配方面匹配效果良好,达到车道级匹配。实验结果显示组合导航系统的定位性能要比纯惯导系统和单GPS系统的号,系统的稳定性定位精度均高于其他两类导航系统,满足车辆导航的工程要求。图[27]表[3]参[80]
章怀宇[10]（2019）在《面向深海无人潜航器导航系统设计与实现》文中研究指明随着现代科学技术的发展,深海无人潜航器作为水下资源勘探、目标搜索与识别的重要工具,在军用、民用领域都发挥着重要的作用。为了实现一种具有“巡航”、“滑翔”双功能模式的深海无人潜航器导航系统,本文结合水下无人潜航器的工作特点以及复杂、多变的深海环境,设计了可应用于深海环境的高低精度、高低功耗切换的混合式惯性测量单元（Inertial Measurement Unit,IMU）导航系统。混合式IMU导航系统集成了低功耗微机电系统（Micro Electro Mechanical System,MEMS）IMU和高精度光纤IMU以及地磁导航模块和卫星导航模块,通过数据融合算法完成载体姿态、速度、位置信息的解算。当水下潜器处于巡航工作模式时,高精度光纤IMU与卫星导航模块作为导航器件,为载体提供高精度的导航信息;当水下潜器处于长航时滑翔模式时,低功耗MEMS IMU与地磁导航模块作为导航器件,此时导航参数精度略低,保证系统的低功耗性能。本文将工程设计和算法优化结合,以提高深海导航精度以及降低系统运行功耗为目的。论文的主要工作如下:（1）建立载体坐标系到导航坐标系的惯性导航参数解算模型,介绍惯性导航原理并分析其误差传播方程。利用卡尔曼滤波（Kalman Filter,KF）算法估计惯性导航系统最优误差,实时修正惯导输出参数,保证水下潜器巡航模式下的高精度导航定位。利用互补滤波算法融合低功耗MEMS IMU与地磁导航模块数据,在保证导航参数正确的情况下,尽可能降低潜航器处于滑翔模式时系统功耗。此外,为了平衡水下潜航器巡航工作模式时导航精度与系统功耗的关系,提出了自适应模态切换混合IMU组合导航方法,该方法通过感知系统运动状态,自动切换高低精度IMU的工作状态,使系统在巡航模式下达到导航精度与功率的平衡。（2）分析和建立MEMS惯性传感器和磁力计的误差模型,通过静置和速率转台实验的方式对传感器的误差进行标定工作,得到了传感器误差源参数。（3）围绕水下潜器导航任务需求,设计基于TMS320C6748的DSP水下组合导航定位系统。为优化系统设计,利用“生产者-消费者”多线程并发软件模型和EDMA3技术数据存储效率提高42%;为提高硬件平台PCB稳定性,设计充分考虑了信号的完整性。（4）通过推车和AHRS对比实验测试了导航系统处于滑翔和巡航模式下的组合导航定位精度以及滑翔模式下的功率消耗问题。滑翔模式下功率消耗在0.42W以内,满足导航系统滑翔功耗0.5W的设计要求,姿态精度优于0.7°。巡航模式下,并且卫星信号受到干扰时,姿态精度优于1°,速度精度优于0.2m/s,位置精度优于3m。最后给出了系统设计的总结和展望。
二、车载组合导航系统误差修正方法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、车载组合导航系统误差修正方法研究（论文提纲范文）
（1）城市环境下GNSS/MEMS IMU/Odometer高精度融合定位算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 车载MEMS IMU误差分析 |
| 2.1 惯导坐标系及转换 |
| 2.1.1 常用坐标系 |
| 2.1.2 转换关系 |
| 2.2 惯导机械编排 |
| 2.2.1 速度更新方程 |
| 2.2.2 位置更新方程 |
| 2.2.3 姿态更新方程 |
| 2.3 惯导误差模型 |
| 2.3.1 速度误差方程 |
| 2.3.2 位置误差方程 |
| 2.3.3 姿态误差方程 |
| 2.4 惯导主要误差源 |
| 2.4.1 传感器系统误差模型 |
| 2.4.2 随机误差模型 |
| 2.5 惯导误差分析 |
| 2.5.1 系统误差分析 |
| 2.5.2 随机误差分析 |
| 2.6 本章小结 |
| 第3章 基于低成本GNSS双天线定向模型 |
| 3.1 GNSS差分定位原理 |
| 3.1.1 函数模型 |
| 3.1.2 随机模型 |
| 3.2 整周模糊度固定原理 |
| 3.3 GNSS双天线定向 |
| 3.4 实验与分析 |
| 3.5 本章小结 |
| 第4章 车载运动学约束模型 |
| 4.1 非完整性约束模型 |
| 4.2 零速约束模型 |
| 4.3 实验与分析 |
| 4.3.1 开阔环境 |
| 4.3.2 遮蔽环境 |
| 4.4 本章小结 |
| 第5章 里程计辅助融合定位模型 |
| 5.1 扩展卡尔曼滤波模型 |
| 5.1.1 离散卡尔曼滤波 |
| 5.1.2 非线性卡尔曼滤波 |
| 5.2 融合定位算法 |
| 5.2.1 状态方程 |
| 5.2.2 观测方程 |
| 5.3 里程计辅助模型 |
| 5.4 实验与分析 |
| 5.4.1 卫星状态分析 |
| 5.4.2 固定率对比分析 |
| 5.4.3 位姿性能分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（2）车载GPS/INS组合定位研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 自动驾驶等级对应定位精度需求 |
| 1.1.2 GPS/INS组合定位系统研究现状与发展 |
| 1.2 论文主要研究内容 |
| 第二章 INS基本原理及误差模型 |
| 2.1 坐标系及其转换原理 |
| 2.1.1 坐标系基础 |
| 2.1.2 常用坐标系的转换 |
| 2.2 INS算法模型 |
| 2.2.1 惯性定位系统基本理论 |
| 2.2.2 姿态算法 |
| 2.2.3 速度算法 |
| 2.2.4 位置算法 |
| 2.3 INS误差模型 |
| 2.3.1 姿态误差模型 |
| 2.3.2 速度误差模型 |
| 2.3.3 位置误差模型 |
| 2.3.4 加速度计误差及陀螺漂移误差 |
| 2.4 本章小结 |
| 第三章 GPS基本原理及误差模型 |
| 3.1 GPS组成部分 |
| 3.2 GPS误差模型 |
| 3.2.1 星历误差 |
| 3.2.2 卫星时钟误差 |
| 3.2.3 电离层误差 |
| 3.2.4 对流层产生的误差延迟 |
| 3.2.5 多路径干扰效应误差 |
| 3.3 GPS单点定位原理 |
| 3.4 GPS差分原理 |
| 3.5 LAMBDA方法获取整周模糊度固定解 |
| 3.6 本章小结 |
| 第四章 基于载波相位差分的GPS/INS紧组合定位研究 |
| 4.1 GPS/INS松组合模式 |
| 4.1.1 GPS/INS松组合 |
| 4.1.2 GPS/INS松组合状态方程 |
| 4.1.3 GPS/INS松组合观测方程 |
| 4.2 GPS/INS紧组合模式 |
| 4.2.1 GPS/INS紧组合基本原理 |
| 4.2.2 基于伪距和伪距率的GPS/INS紧组合 |
| 4.2.3 基于载波相位差分的GPS/INS紧组合 |
| 4.2.4 基于归一化新息检测的卡尔曼滤波算法 |
| 4.3 组合系统的优化 |
| 4.3.1 组合系统时间同步措施 |
| 4.3.2 基于零速检测技术的静止状态判定与修正 |
| 4.3.3 组合系统加权融合 |
| 4.4 本章小结 |
| 第五章 硬件平台及软件设计 |
| 5.1 硬件平台 |
| 5.1.1 GPS定位模块 |
| 5.1.2 惯性定位模块 |
| 5.1.3 数据处理模块 |
| 5.1.4 整体原型机 |
| 5.1.5 车辆轮速编码器 |
| 5.2 程序设计 |
| 5.2.1 紧组合定位主程序流程图 |
| 5.2.2 GPS数据获取程序设计 |
| 5.2.3 IMU数据获取程序设计 |
| 5.2.4 GPS/INS双系统时间同步的实现 |
| 5.2.5 后轮车速计算 |
| 5.3 本章小结 |
| 第六章 测试验证及分析 |
| 6.1 测试平台及测试环境 |
| 6.2 零速检测及修正算法测试 |
| 6.2.1 零速检测及修正算法静态测试 |
| 6.2.2 零速检测及修正算法动态测试 |
| 6.3 松组合模式与紧组合模式对比测试 |
| 6.3.1 松组合与紧组合在空旷区域对比测试 |
| 6.3.2 松组合与紧组合在半遮蔽区域对比测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的主要科研成果 |
（3）MEMS惯导系统在线标定与补偿技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.绪论 |
| 1.1 论文研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 MEMS惯性器件国内外研究现状 |
| 1.2.2 惯导系统在线标定国内外研究现状 |
| 1.3 论文研究的目的与意义 |
| 1.4 本文主要研究内容 |
| 2.惯导系统的导航解算及误差方程 |
| 2.1 系统的误差类型介绍 |
| 2.1.1 零偏误差 |
| 2.1.2 标度因数误差 |
| 2.1.3 随机误差 |
| 2.2 捷联惯导系统的更新算法 |
| 2.2.1 算法初始化 |
| 2.2.2 姿态更新矩阵 |
| 2.2.3 速度更新 |
| 2.2.4 位置更新 |
| 2.3 捷联惯导系统的误差方程 |
| 2.3.1 速度误差 |
| 2.3.2 位置误差 |
| 2.3.3 姿态误差 |
| 2.4 惯导更新算法验证 |
| 2.5 本章小结 |
| 3.MEMS惯导系统在线标定滤波模型 |
| 3.1 Kalman滤波 |
| 3.1.1 Kalman滤波的原理 |
| 3.1.2 Kalman滤波的工作步骤 |
| 3.1.3 Kalman滤波的特点 |
| 3.2 外测系统 |
| 3.2.1 外测方案分析 |
| 3.2.2 常用外测系统的介绍 |
| 3.3 系统在线标定的滤波模型 |
| 3.3.1 状态方程 |
| 3.3.2 观测方程 |
| 3.4 本章小结 |
| 4.路径设计及误差的可观测分析 |
| 4.1 路径设计 |
| 4.1.1 静止状态下的路径设计 |
| 4.1.2 变速直线运动下的路径设计 |
| 4.1.3 拐弯运动下的路径设计 |
| 4.1.4 圆周运动下的路径设计 |
| 4.1.5 斜坡上升和下降运动路径的设计 |
| 4.2 可观测分析 |
| 4.2.1 PWCS可观测分析定理 |
| 4.2.2 基于奇异值的可观测性分析原理 |
| 4.3 可观测性分析仿真结果 |
| 4.4 本章小结 |
| 5.模糊自适应Kalman滤波在线标定方法 |
| 5.1 模糊逻辑 |
| 5.2 模糊自适应Kalman滤波的基本方程 |
| 5.3 仿真结果及分析 |
| 5.3.1 传统Kalman滤波在线标定仿真结果分析 |
| 5.3.2 模糊自适应Kalman滤波的仿真结果验证及分析 |
| 5.4 基于模糊自适应Kalman滤波的车载MEMS惯导结果验证 |
| 5.4.1 数据采集 |
| 5.4.2 车载MEMS惯导系统的标定补偿结果及分析 |
| 5.5 本章小结 |
| 6.总结 |
| 6.1 全文工作总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 在校期间的学术成果及发表的学术论文 |
| 致谢 |
（4）基于IMU补偿的列车组合定位优化方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 MEMS-IMU误差模型研究现状 |
| 1.2.2 基于卫星组合定位研究现状 |
| 1.3 论文研究内容及论文构架 |
| 2 惯导基本原理及传感器系统误差补偿 |
| 2.1 常见坐标系 |
| 2.2 捷联惯导系统基本原理 |
| 2.2.1 姿态解算基本原理 |
| 2.2.2 速度和位置解算基本原理 |
| 2.3 MEMS-IMU系统误差建模与标定 |
| 2.3.1 陀螺仪误差建模与标定 |
| 2.3.2 加速度计误差建模与标定 |
| 2.3.3 系统误差标定结果分析 |
| 2.4 本章小结 |
| 3 基于GNSS辅助的IMU随机误差在线动态补偿 |
| 3.1 随机误差辨识方法 |
| 3.2 有色噪声建模方法 |
| 3.2.1 有色噪声微分方程建立步骤 |
| 3.2.2 有色噪声微分方程的描述 |
| 3.2.3 有色噪声的归一化方法 |
| 3.3 随机误差在线补偿方法 |
| 3.3.1 随机误差在线补偿模型 |
| 3.3.2 随机误差补偿结果及分析 |
| 3.4 本章小结 |
| 4 GNSS/INS/磁力计增强型列车组合定位系统 |
| 4.1 GNSS/INS组合系统组合模型 |
| 4.1.1 GNSS/INS组合导航误差方程 |
| 4.1.2 GNSS/INS组合导航算法设计 |
| 4.2 GNSS/INS/磁力计组合系统增强模型 |
| 4.2.1 INS/磁力计定姿算法 |
| 4.2.2 GNSS/INS/磁力计组合定位算法 |
| 4.3 实验结果与分析 |
| 4.3.1 测试环境和方法 |
| 4.3.2 结果分析 |
| 4.4 本章小结 |
| 5 车载试验平台设计及验证 |
| 5.1 实验平台设计 |
| 5.1.1 平台设备搭建 |
| 5.1.2 试验方案设计 |
| 5.2 车载导航试验验证 |
| 5.2.1 车载静态实验结果及分析 |
| 5.2.2 车载卫星观测良好条件下动态试验结果及分析 |
| 5.2.3 车载卫星观测中断条件下动态试验结果及分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历 |
| 学位论文数据集 |
（5）缺星情况下无人机紧组合导航系统滤波技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词 |
| 第一章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机组合导航技术研究现状 |
| 1.2.2 缺星情况下无人机导航技术研究现状 |
| 1.3 课题研究内容及章节安排 |
| 第二章 无人机组合导航系统建模 |
| 2.1 引言 |
| 2.2 惯性导航系统状态更新 |
| 2.2.1 惯性导航相关坐标系建立 |
| 2.2.2 姿态更新 |
| 2.2.3 速度更新 |
| 2.2.4 位置更新 |
| 2.3 惯性导航系统非线性误差模型建立 |
| 2.3.1 速度与位置误差模型 |
| 2.3.2 姿态误差角模型 |
| 2.3.3 传感器误差模型 |
| 2.4 GPS卫星导航定位方法 |
| 2.5 导航系统误差修正 |
| 2.5.1 姿态误差修正 |
| 2.5.2 位置速度误差修正 |
| 2.5.3 传感器偏置误差修正 |
| 2.6 本章小结 |
| 第三章 卫星信号缺失时紧组合导航算法研究 |
| 3.1 引言 |
| 3.2 组合导航系统工作方式选取 |
| 3.3 紧组合导航系统滤波方程建立 |
| 3.3.1 系统状态方程建立 |
| 3.3.2 系统量测方程建立 |
| 3.4 紧组合导航系统数据融合算法研究 |
| 3.4.1 扩展卡尔曼数据融合方法研究 |
| 3.4.2 无迹卡尔曼数据融合方法研究 |
| 3.4.3 粒子滤波数据融合方法研究 |
| 3.5 导航算法仿真 |
| 3.5.1 模拟运动轨迹 |
| 3.5.2 GPS信号正常时组合导航算法仿真 |
| 3.5.3 缺星时组合导航算法仿真 |
| 3.6 本章小结 |
| 第四章 基于混合滤波的紧组合导航优化算法设计 |
| 4.1 引言 |
| 4.2 基于模型分解的粒子滤波紧组合导航算法设计 |
| 4.2.1 系统状态方程重建 |
| 4.2.2 算法设计 |
| 4.3 紧组合导航优化算法设计 |
| 4.4 导航算法仿真 |
| 4.4.1 GPS信号正常时组合导航算法仿真 |
| 4.4.2 缺星时组合导航算法仿真 |
| 4.5 本章小结 |
| 第五章 无人机导航系统实验设计 |
| 5.1 引言 |
| 5.2 导航系统实验平台搭建 |
| 5.2.1 器件选型 |
| 5.2.2 组合导航系统硬件平台设计 |
| 5.2.3 四旋翼飞行平台 |
| 5.3 GPS数据采集 |
| 5.3.1 ublox接收机配置 |
| 5.3.2 数据解码 |
| 5.4 系统实验验证 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 硕士期间的研究成果及发表的学术论文 |
（6）高精度惯性定位定向/地图信息匹配导航技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 惯性定位定向系统现状及发展 |
| 1.2.1 国外定位定向系统发展 |
| 1.2.2 国内定位定向系统发展 |
| 1.3 地图匹配技术发展及现状 |
| 1.3.1 地理信息数据现状及发展 |
| 1.3.2 地图匹配算法现状及发展 |
| 1.3.3 地图空间索引技术现状及发展 |
| 1.4 惯性基信息融合技术 |
| 1.5 论文主要内容和章节安排 |
| 1.5.1 主要内容及贡献 |
| 1.5.2 章节安排 |
| 第二章 地图匹配方法及关键因素分析 |
| 2.1 地图匹配基本原理 |
| 2.1.1 地图匹配过程分析 |
| 2.1.2 地图匹配关键因素 |
| 2.2 传统地图匹配算法 |
| 2.2.1 传统地图匹配算法介绍 |
| 2.2.2 传统地图算法分析 |
| 2.3 地图匹配误差分析 |
| 2.3.1 地图数据误差 |
| 2.3.2 路网模型误差 |
| 2.3.3 地图匹配算法误差 |
| 2.3.4 其他误差 |
| 2.4 本章小结 |
| 第三章 数字矢量地图空间索引技术 |
| 3.1 数字地图数据库分析 |
| 3.1.1 数字地图空间数据结构 |
| 3.1.2 Shapefile格式中道路信息存储 |
| 3.2 基于惯性信息的地图索引建立 |
| 3.2.1 R树索引 |
| 3.2.2 基于Hilbert曲线编码的网格索引 |
| 3.2.3 路网拓扑关系 |
| 3.2.4 基于空间网格的Hilbert-R树地图索引方法 |
| 3.3 空间索引效率评估 |
| 3.4 本章小结 |
| 第四章 基于惯性定位轨迹和路径特征的地图匹配算法研究 |
| 4.1 候选路径选取 |
| 4.1.1 检索框确定候选路段集 |
| 4.1.2 深度遍历确定候选路径 |
| 4.2 匹配路径确定 |
| 4.2.1 道格拉斯-普克法处理定位轨迹 |
| 4.2.2 Frechet距离比较道路相似性 |
| 4.3 基于曲线几何特征的地图匹配算法 |
| 4.3.1 曲线曲率特征分析 |
| 4.3.2 特征路段匹配 |
| 4.4 地图匹配算法设计流程 |
| 4.5 仿真验证 |
| 4.5.1 仿真条件 |
| 4.5.2 仿真结果 |
| 4.5.3 结果分析 |
| 4.6 本章小结 |
| 第五章 惯性/里程计/地图匹配组合导航技术 |
| 5.1 惯性导航系统数学模型 |
| 5.1.1 坐标系定义及坐标转换 |
| 5.1.2 惯性系统误差模型 |
| 5.1.3 航位推算算法 |
| 5.2 惯性/里程计/地图匹配组合导航技术 |
| 5.2.1 卡尔曼滤波方程 |
| 5.2.2 惯性/里程计组合导航 |
| 5.2.3 惯性/里程计/地图匹配组合导航 |
| 5.3 仿真验证 |
| 5.3.1 仿真条件 |
| 5.3.2 仿真结果 |
| 5.3.3 结果分析 |
| 5.4 本章小结 |
| 第六章 嵌入式组合导航系统设计及试验验证 |
| 6.1 嵌入式系统硬件设计 |
| 6.2 嵌入式系统软件设计 |
| 6.2.1 软件功能说明 |
| 6.2.2 软件框架设计 |
| 6.3 车载试验验证 |
| 6.3.1 试验准备 |
| 6.3.2 试验结果 |
| 6.3.3 结果分析 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 研究工作总结 |
| 7.2 主要创新 |
| 7.3 后期工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录A 随发射车跑车试验结果统计 |
（7）低成本GPS/INS无缝组合导航误差抑制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要研究内容及结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文组织结构 |
| 2 无缝组合导航系统建模与误差分析 |
| 2.1 组合导航系统基本框架 |
| 2.2 GPS/INS导航系统建模 |
| 2.2.1 姿态误差模型 |
| 2.2.2 速度误差模型 |
| 2.2.3 位置误差模型 |
| 2.2.4 组合导航系统模型整理 |
| 2.3 组合导航系统误差源分析 |
| 2.3.1 卫导子系统误差分析 |
| 2.3.2 惯导子系统误差分析 |
| 2.3.3 数据融合方法误差分析 |
| 2.3.4 误差源整理 |
| 2.4 小结 |
| 3 基于模糊间隔阈值的EMD陀螺消噪方法 |
| 3.1 EMD信号分解方法 |
| 3.2 IMF的分类方法 |
| 3.3 模糊阈值消噪方法 |
| 3.4 小结 |
| 4 基于自适应互补滤波的姿态估计方法 |
| 4.1 姿态更新原理 |
| 4.2 互补滤波观测器 |
| 4.3 自适应互补滤波观测器 |
| 4.4 小结 |
| 5 基于改进径向基神经网络的系统误差抑制方法 |
| 5.1 自适应卡尔曼滤波算法 |
| 5.2 改进的RBF神经网络算法 |
| 5.2.1 RBF神经网络基本原理 |
| 5.2.2 自适应量子粒子群算法 |
| 5.2.3 改进的RBF神经网络 |
| 5.3 GPS/INS组合导航系统融合方案 |
| 5.3.1 神经网络训练模型 |
| 5.3.2 系统训练部分 |
| 5.3.3 系统预测部分 |
| 5.4 小结 |
| 6 仿真、测试与分析 |
| 6.1 陀螺消噪方法验证 |
| 6.1.1 仿真信号消噪方法验证 |
| 6.1.2 转台陀螺仪消噪测试 |
| 6.1.3 Allan方差分析 |
| 6.2 自适应互补滤波姿态估计方法验证 |
| 6.2.1转台姿态估计实验 |
| 6.2.2车载环境姿态估计实验 |
| 6.3 基于改进径向基神经网络的系统误差抑制方法验证 |
| 6.3.1 实验设备与条件 |
| 6.3.2 不同算法对比分析结果 |
| 6.3.3 RBF训练模型对比 |
| 6.4 小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（8）林区道路3D信息采集与建模方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 点云数据处理及建模研究现状 |
| 1.2.3.1 点云滤波 |
| 1.2.3.2 孔洞修补 |
| 1.2.3.3 点云精简 |
| 1.2.3.4 表面重建 |
| 1.3 研究目标及内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 研究方案及论文结构 |
| 2 道路信息采集关键技术实现 |
| 2.1 系统主要技术要求构成 |
| 2.1.1 GNSS接收机组装 |
| 2.1.2 惯性单元IMU选择 |
| 2.1.3 激光扫描仪选择 |
| 2.2 系统定位校正 |
| 2.2.1 坐标系统定义 |
| 2.2.1.1 扫描仪坐标系 |
| 2.2.1.2 惯导坐标系 |
| 2.2.1.3 站心坐标系 |
| 2.2.1.4 WGS-84坐标系 |
| 2.2.2 坐标变换实现 |
| 2.2.2.1 扫描仪坐标系到惯导坐标系 |
| 2.2.2.2 惯导坐标系到站心坐标系 |
| 2.2.2.3 站心坐标系到WGS-84坐标系 |
| 2.3 系统集成关键技术及实现 |
| 2.3.1 组合导航技术 |
| 2.3.2 时空配准实现 |
| 2.3.2.1 时间配准 |
| 2.3.2.2 空间配准 |
| 2.3.3 几何检校 |
| 2.4 系统误差分析 |
| 2.4.1 部件误差分析 |
| 2.4.2 系统集成误差分析 |
| 2.5 系统检校与精度分析 |
| 2.5.1 时间误差修正 |
| 2.5.2 整体检校 |
| 2.5.3 系统精度分析 |
| 2.5.3.1 标定与验证设计 |
| 2.5.3.2 绝对精度分析 |
| 2.5.3.3 相对精度分析 |
| 2.6 本章小结 |
| 3 林区路面点云数据采集与处理 |
| 3.1 林区路面数据采集与融合 |
| 3.1.1 数据采集准备 |
| 3.1.2 路面数据采集 |
| 3.1.3 路面数据融合 |
| 3.2 点云数据预处理 |
| 3.2.1 点云滤波算法实现 |
| 3.2.2 孔洞修补算法设计 |
| 3.2.3 点云精简算法实现 |
| 3.3 路面重建 |
| 3.3.1 法向估计 |
| 3.3.2 路面模型三维重建 |
| 3.4 本章小结 |
| 4 林区道路建模与结果分析 |
| 4.1 数据处理软硬件选择 |
| 4.2 点云预处理结果及分析 |
| 4.2.1 点云滤波结果及分析 |
| 4.2.2 孔洞修补结果及分析 |
| 4.2.3 点云精简结果及分析 |
| 4.3 路面重建结果及分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录A 坐标变换MATLAB代码 |
| 附录B 孔洞修补VS代码 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（9）基于GPS/SINS的车载组合导航监控技术与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 全球定位系统的发展 |
| 1.2.2 车辆导航定位系统发展现状 |
| 1.3 研究内容 |
| 2 车载导航系统技术理论基础 |
| 2.1 惯性系统概述 |
| 2.2 GNSS定位技术 |
| 2.2.1 系统组成 |
| 2.2.2 单点定位 |
| 2.2.3 动态相对定位 |
| 2.3 GIS基本理论 |
| 2.4 坐标系转换 |
| 2.4.1 WGS-84坐标系 |
| 2.4.2 载体坐标系 |
| 2.4.3 导航坐标系 |
| 2.4.4 WGS-84坐标系与导航坐标系的转换关系 |
| 2.4.5 载体坐标系向导航坐标系转换 |
| 2.5 地图匹配 |
| 2.6 无线通信技术 |
| 2.7 本章小结 |
| 3 GPS/SINS组合导航系统 |
| 3.1 GPS/SINS组合模式 |
| 3.1.1 松散组合 |
| 3.1.2 紧密组合 |
| 3.2 位置、速度组合数学建模 |
| 3.2.1 状态量和量测量的选取 |
| 3.2.2 系统状态方程 |
| 3.2.3 系统量测方程 |
| 3.3 卡尔曼滤波器的设计与实现 |
| 3.3.1 离散卡尔曼滤波器原理 |
| 3.3.2 GPS/SINS组合系统方程的离散化 |
| 3.4 卡尔曼滤波器反馈校正的实现 |
| 3.5 本章小结 |
| 4 嵌入式GPS/SINS组合定位系统的软件设计与实现 |
| 4.1 嵌入式GPS/SINS组合导航定位软件总体设计 |
| 4.2 嵌入式操作系统 |
| 4.2.1 Linux、VxWorks和WinCE三种嵌入式操作系统的性能比较 |
| 4.2.2 winCE介绍 |
| 4.3 GPS数据与IMU数据的时间同步 |
| 4.3.1 时间同步误差 |
| 4.3.2 状态提前预报时间同步 |
| 4.4 GPS/SINS组合导航软件 |
| 4.5 本章小结 |
| 5 GPS/SINS组合导航监控系统车载实验 |
| 5.1 车载实验设计 |
| 5.1.1 实验介绍 |
| 5.1.2 静态车载实验 |
| 5.1.3 动态车载实验 |
| 5.2 GPS/SINS组合导航系统性能分析 |
| 5.2.1 纯惯导和组合导航系统定位性能比较 |
| 5.2.2 组合导航系统定位性能 |
| 5.2.3 静态定位精度评定 |
| 5.2.4 地图匹配效果分析 |
| 5.2.5 一般性能检验 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（10）面向深海无人潜航器导航系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水下潜航器 |
| 1.2.2 水下导航定位技术 |
| 1.3 论文主要研究内容 |
| 第二章 导航系统原理与组合方法 |
| 2.1 导航常用坐标系 |
| 2.2 惯性导航原理 |
| 2.2.1 惯性导航系统基本方程 |
| 2.2.2 捷联惯导系统误差方程 |
| 2.3 GPS/INS/磁力计组合导航系统 |
| 2.3.1 地磁导航系统 |
| 2.3.2 GPS卫星导航系统 |
| 2.4 组合导航系统模型 |
| 2.4.1 互补滤波 |
| 2.4.2 基于卡尔曼滤波的松组合导航系统 |
| 2.4.3 松组合系统半物理仿真结果分析 |
| 2.5 混合IMU组合导航系统算法设计 |
| 2.5.1 模糊自适应状态切换模型 |
| 2.6 本章小结 |
| 第三章 惯性/磁传感器误差建模与标定补偿 |
| 3.1 误差源 |
| 3.1.1 安装误差 |
| 3.1.2 标度因数误差 |
| 3.1.3 零位漂移误差 |
| 3.1.4 磁力计误差 |
| 3.2 陀螺仪误差标定 |
| 3.3 加速度计误差标定 |
| 3.4 磁力计误差标定 |
| 3.5 本章小结 |
| 第四章 导航系统硬件设计与优化 |
| 4.1 导航系统整体硬件设计 |
| 4.1.1 器件选型 |
| 4.1.2 关键电路 |
| 4.1.3 导航系统实物图 |
| 4.2 数据存储模型优化 |
| 4.2.1 生产者-消费者模型 |
| 4.2.2 EDMA3 直接内存存取技术 |
| 4.2.3 EDMA3 技术编程步骤 |
| 4.3 PCB设计优化 |
| 4.3.1 PCB叠层设计 |
| 4.3.2 PCB信号反射 |
| 4.3.3 特性阻抗 |
| 4.3.4 串扰 |
| 4.4 本章小结 |
| 第五章 系统实验和分析 |
| 5.1 互补滤波实验 |
| 5.2 松组合导航实验 |
| 5.3 模糊状态切换实验 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 硕士期间成果 |
四、车载组合导航系统误差修正方法研究（论文参考文献）
- [1]城市环境下GNSS/MEMS IMU/Odometer高精度融合定位算法研究[D]. 程鑫. 北京建筑大学, 2021(01)
- [2]车载GPS/INS组合定位研究[D]. 刘潘. 广西大学, 2020(07)
- [3]MEMS惯导系统在线标定与补偿技术研究[D]. 毕凯. 西安建筑科技大学, 2020(01)
- [4]基于IMU补偿的列车组合定位优化方法研究[D]. 谢朝曦. 北京交通大学, 2020(03)
- [5]缺星情况下无人机紧组合导航系统滤波技术研究[D]. 张倩云. 南京航空航天大学, 2020(07)
- [6]高精度惯性定位定向/地图信息匹配导航技术研究[D]. 刘峰. 国防科技大学, 2019(01)
- [7]低成本GPS/INS无缝组合导航误差抑制技术研究[D]. 李文元. 兰州交通大学, 2019(04)
- [8]林区道路3D信息采集与建模方法研究[D]. 孙苏玉. 北京林业大学, 2019(04)
- [9]基于GPS/SINS的车载组合导航监控技术与应用研究[D]. 袁蹈. 安徽理工大学, 2019(01)
- [10]面向深海无人潜航器导航系统设计与实现[D]. 章怀宇. 东南大学, 2019(06)