基于因子图优化的 GNSS-RTK/INS/odometer 混合的两阶段 GNSS 离群点检测
机器人学
2025-10-02 v1
摘要
在复杂环境中可靠的 GNSS 定位仍然是一个关键挑战，由于非直线视野（NLOS）传播、多路径效应以及频繁的信号阻塞，这些效应会轻易引入大量离群点至原始伪距测量值中，显著降低全球导航卫星系统（GNSS）实时动态（RTK）定位性能，并限制紧耦合 GNSS 集成导航系统的有效性。为此，我们提出一种两阶段离群点检测方法，并将其应用于基于因子图优化（FGO）的 GNSS-RTK、惯性导航系统（INS）和odometer 集成方案。第一阶段采用多普勒测量值对 GNSS-only 方式检测伪距离群点，由于多普勒对多路径和 NLOS 效应的敏感性低于伪距，因而作为检测突发不一致性的更稳定参考。第二阶段利用预集成的惯性测量单元（IMU）和odometer 约束生成预测双差伪距测量值，从而实现对剩余离群点的更精细识别与拒绝。通过将这两个互补阶段相结合，该系统在抵抗 gross 伪距误差和卫星测量质量下降方面取得了改进。实验结果表明，两阶段检测框架显著降低了伪距离群点的影响，较代表性基线方法实现了更好的定位精度和一致性。在深城市峡谷测试中，离群点消除方法将 GNSS-RTK/INS/odometer 混合的 RMSE 从0.52米降至0.30米，改进幅度达42.3%。
引用
@article{arxiv.2510.00524,
title = {Two stage GNSS outlier detection for factor graph optimization based GNSS-RTK/INS/odometer fusion},
author = {Baoshan Song and Penggao Yan and Xiao Xia and Yihan Zhong and Weisong Wen and Li-Ta Hsu},
journal= {arXiv preprint arXiv:2510.00524},
year = {2025}
}