Sky-GVIO：基于FCN的城市峡谷中增强型GNSS/INS/视觉导航
计算机视觉与模式识别
2024-12-03 v2 信号处理
摘要
准确、连续且可靠的定位是实现自动驾驶的关键要素。然而，在复杂的城市峡谷环境中，单一传感器的脆弱性以及由于高建筑、树木和提升结构造成的非视线（NLOS）问题严重影响定位结果。为此提出基于全卷积网络（FCN）的天空视角图像分割算法，用于GNSS NLOS检测。基于此，扩展出一种新型NLOS检测与抑制算法（命名为S-NDM），构建称为Sky-GVIO的紧耦合全球导航卫星系统（GNSS）、惯性测量单元（IMU）和视觉特征系统，以实现城市峡谷环境中的连续精准定位。此外，该系统将单点定位（SPP）与实时正交测量（RTK）方法融合，以增强其操作的通用性和韧性。在不同紧耦合SPP相关和RTK相关模型下，评估了本文提出的S-NDM算法在城市峡谷环境中的定位性能。结果表明，Sky-GVIO系统在SPP模式下实现米级精度，在RTK模式下实现亚分米精度，优于无S-NDM的GNSS/INS/视觉框架。此外，已公开发布包含训练和评估子集的天空视角图像数据集，供学术研究使用，链接为https://github.com/whuwangjr/sky-view-images。
引用
@article{arxiv.2404.11070,
title = {Sky-GVIO: an enhanced GNSS/INS/Vision navigation with FCN-based sky-segmentation in urban canyon},
author = {Jingrong Wang and Bo Xu and Ronghe Jin and Shoujian Zhang and Kefu Gao and Jingnan Liu},
journal= {arXiv preprint arXiv:2404.11070},
year = {2024}
}