一、RTK-GPS技术及其在道路测量中的应用（论文文献综述）
潘成林[1]（2021）在《桥梁施工测量工作中GPS技术的应用》文中研究表明随着社会的高速发展,人们对桥梁建筑工程的需求量逐步上升,由于我国地形地貌的复杂性和多样性,传统的测量技术已经不能满足实际桥梁工程设计,为此,需要在施工测量工作中引进集现代化和智能化于一身的GPS技术。本文以GPS技术为展开点,详细介绍GPS技术在桥梁施工测量中的具体应用,解决当前我国桥梁测量存在的一些问题,同时也方便类似工程借鉴学习。
宋思凡[2]（2021）在《道路测量中GPS测绘技术的应用及其发展探究》文中认为道路测量一方面要为道路工程的设计提供道路测量的相关数据,另一方面还必须要按照道路工程设计的要求,将道路施工的具体位置施测在实地,为道路工程施工建设提供帮助。随着我国社会经济与科学技术的不断发展,我国道路建设的进程也在不断的加快,道路工程的测量包括收集资料、踏勘定线、中线测量、纵横断面测量、道路施工测量以及竣工测量等等方面的数据收集,测量数据十分多,工作量非常大,采用传统的的人工测量方式,已经不能适应现代道路测量的需求,GPS技术是一种新型的测绘技术,不仅能够快速的处理大量数据,同时还能够提高测量数据的准确度,这样不仅可以减少测量人员的工作量,节省了人力以及财力,还提高了道路测量的工作效率,本文对GPS测绘技术在道路测量中具有快速精准的领先优势进行了阐述,对GPS测绘技术在道路测量过程中的应用进行了详细的分析与探究,并提出了GPS测绘技术在道路测量中发展的具体方案。
胡文雄[3]（2019）在《车载移动测量技术在道路测量中的应用》文中研究说明结合车载移动测量技术的特点以及项目的实际情况,研究将车载移动测量与传统全站仪测量相融合,高效、快速地在道路测量中进行应用,并利用传统全站仪测量进行精度检测,结果表明,车载移动测量技术与传统全站仪测量方法相结合的模式,可在道路测量中推广应用。
朱锋[4]（2019）在《GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术》文中进行了进一步梳理全球卫星导航系统作为国家重要的空间信息基础设施,具备全球、全天候、高精度连续定位、导航和授时的功能,然而,到达地面的GNSS卫星信号非常微弱,存在遮挡、干扰和欺骗三大脆弱性问题,无法在电磁干扰、物理遮蔽等复杂环境下使用,为了保障国家PNT系统的坚韧性,提升导航与位置服务的能力,美国提出了全源定位与导航（ASPN,All Source Positioning and Navigation）计划,同时,我国开展了“羲和系统”的研制并提出协同精密定位技术,随后开始推进以北斗为核心的国家综合PNT体系的建设。这些计划都将多传感器集成、多源异质信息融合确定为未来PNT技术的重要发展方向,也是从根本上解决单一导航系统局限性和脆弱性的有效途径。随着智能化时代的到来,以移动测量为代表的行业应用和以位置服务为代表的大众应用对精密定位定姿技术存在着巨大需求,星载、机载、车载、船载平台的移动测量和自动驾驶汽车、无人机、移动机器人等智能载体的自主导航都高度依赖精密的位置基准信息。因此,多传感器融合的精密定位定姿技术具有十分重要的研究意义与价值。本文旨在对GNSS/SINS/视觉多传感器融合的理论模型与技术方法开展系统深入的研究,提升复杂环境下精密定位定姿的能力,论文的主要工作和贡献如下:1)从模型简化与统一的角度,总结了精密单点定位和差分定位方式下的松/紧组合模型,并讨论了地面车辆可挖掘的多源约束信息及融合策略;面向车载场景,提出了一种以速度为主线的级联对准方案;为了实现双向滤波与双向平滑,给出了前向/后向的机械编排算法;在双天线GNSS/SINS组合测姿中,采用失准角模型代替欧拉角模型,达到与松组合兼容的目的。2)设计了一种称为“半紧组合”的新结构,既兼容了松组合与紧组合的优势,又克服了各自的主要缺陷,能够在卫星数不足的情况下,保持与紧组合一样的定位定姿精度,又解决了紧组合利用“传递”模式进行模糊度固定的风险问题,还能实现固定解的RTS平滑,是一种适用于多传感器分布式滤波的有效方法。3)为了增强复杂环境下的模糊度固定性能,分别从位置域、大气域、模糊度域的角度提出了三种新方法,即惯性辅助PPP模糊度固定、电离层建模约束的S2L-RTK、模糊度整合的后处理算法。理论分析与数据处理表明:当惯性递推的位置精度优于半个波长时,能够辅助模糊度实现瞬时固定;相比于加权电离层RTK模型,S2L-RTK通过电离层建模预报约束,在复杂环境下的模糊度固定率提高了近50%;模糊度整合的后处理算法可以将正确固定的模糊度赋予整个弧段,实现全弧段固定。4)提出了一种新的GNSS/SINS后处理策略,该策略先使用两个独立线程进行前向/后向Kalman滤波,滤波完成后各自进行RTS平滑,最后采用FBC组合技术对前向/后向平滑结果进行融合得到高精度结果。进一步的,通过状态降维和更新率调低,在不损失精度的情况下,大幅度提高了后处理效率,2.65小时的数据仅耗时4.5s,经过后处理平滑后,60s的累积误差从最大的20m减小到0.5m。5)根据移动测量的原理,研究了视觉点云地图与车道线地图生成技术,通过多帧影像前方交会得到路标点局部坐标以及单应性变换得到车道线局部坐标,然后由GNSS/SINS解算得到的相机位姿进行坐标转换,获得ECEF系下视觉点云与车道线坐标。提出了评价视觉点云的质量指标,并通过数据清洗提升了点云质量,由多方面的误差分析表明,车道线的绝对位置精度约为1020cm。6)在视觉点云和车道线两个图层的高精度地图支持下,深入开展了视觉定位以及GNSS/SINS/视觉/车道线约束/里程计多源信息融合的方法,构建了不同信息组合下的数学模型,提出了空间八叉树和特征十叉树加速的视觉定位框架,由KITTI数据集测试表明,视觉定位定姿的精度约为1.5cm和0.06deg,定位成功率接近100%,定位平均耗时为0.316秒,能够满足实时性要求,当与惯性融合时,仅需成功匹配到1个路标点,就能在GNSS长时间失锁（20min）的情况下保持10cm的位置精度。最后测试了2颗卫星情况下的GNSS/SINS/车道线约束/里程融合的实时定位,对于时长为300s的部分遮挡,其三个分量上的位置精度均优于10cm。7)自主研发了一套高精度GNSS/SINS数据融合的处理软件POSMind。该软件具有丰富的可视化界面,既可以单独处理GNSS多系统数据、也可以联合惯性数据进行融合处理,支持精密单点定位（PPP）、差分定位（DGNSS）、松组合（LCI）、紧组合（TCI）、半紧组合（STC）多种混合模式,并提供前向/后向滤波器、前向/后向RTS平滑器以及组合器,实现多种信息的最优融合,是目前唯一提供IAR-PPP/SINS组合功能的软件。在此基础上,实现了视觉地图支持下的GNSS/SINS/视觉/里程计多传感器融合的实时定位定姿算法。
蒋浩[5]（2019）在《基于RTK技术的农业机械自动导航系统研究》文中指出自动导航技术是实现农业机械智能化的重要保障,它的应用能有效的提高整体作业过程中的精度和效率。针对水田农机自动导航问题,本研究以插秧机为研究对象,采用GPS/北斗-RTK系统、惯性导航传感器融合定位技术,设计了路径跟踪组合控制算法、分段地头转弯策略,研发了一套多种技术融合的自动导航系统,并通过Simulink和实地实验分析了系统的导航精度;然后提出了基于无人机遥感、卫星遥感、地理信息系统、图像处理技术相结合的导航用地图建立及固定障碍物标识的方法,并在全面分析对比了多种常用的算法后,分别确定了适用于云端和移动端农田障碍物检测平台的深度学习模型,为导航系统路径规划功能和避障功能的开发奠定了基础。主要研究结论详述如下:（1）本研究搭建了一套多种技术融合的自动导航系统。系统采用GPS/北斗-RTK系统与惯性导航传感器融合的定位技术,基于路径跟踪组合控制算法和分段地头转弯策略,由方向盘、显示器、控制器、RTK卫星定位系统、前轮转角角度传感器、惯性导航传感器及视觉传感器组成,各子系统间通过CAN总线技术进行数据传输。其中显示器主要实现数据显示与人机交互功能;嵌入式导航控制器作为导航系统的控制中枢;RTK卫星定位系统选用C94-M8P模块,利用GPS/北斗卫星数据完成插秧机行驶过程中实时位置信息的获取;惯性导航传感器完成插秧机实时姿态信息的获取;电动方向盘实现前轮转动的控制;视觉传感器由相机和镜头组成,实现农机前进路线上作物行或障碍物图片的获取。（2）本研究通过计算机模拟确定了路径跟踪控制器的参数,并通过实地实验分析了自动导航系统的导航精度。首先针对C94-M8P模块利用GPS/北斗-RTK系统卫星信息定位的静态和动态精度问题,进行了移动站的测距实验、直线运动实验和圆周运动实验,结果显示,其移动站定位精度在2cm左右;其次通过Matlab/Simulink完成了用于路径跟踪的PID-模糊控制器的设计与参数整定,其中PID控制器的输入合成误差的横向偏差与航向偏差的折算因子分别为10和1,比例系数、积分系数和微分系数分别取0.8、16、0.4,模糊控制器根据专家经验定义了模糊规则并生成了模糊控制表,组合控制器的模糊量化参数为0.25、PID量化参数为0.75,用组合控制器对路径跟踪过程进行模拟的结果显示,最大误差为5.26cm,平均跟踪误差为1.36cm,直线度精度为2.34cm;然后针对插秧机转弯半径大于作物行间距时的地头转弯问题,设计了分段转弯方式;最后在沥青路面和水田环境下进行实地实验,结果显示,平均跟踪误差分别为2.85cm和6.11cm,直线度精度分别为3.51cm和9.32cm,基本满足插秧机实地工作的精度要求。（3）本研究利用无人机与卫星遥感技术获取实验地块信息,并确定了可用于障碍物检测的无人机遥感图像最低分辨率。首先以障碍物的边界为研究对象将WV3卫星提供的31cm全色分辨率、1.24m多光谱分辨率图像与无人机遥感图像进行比较分析,结果显示,通过高分辨率的卫星遥感图像提取的障碍物边界长度与通过实际测量得到的结果偏差平均值为17.3cm,远大于无人机遥感的3.4cm;接着,通过八旋翼无人机搭载索尼A7RII相机获取校区内西区农田的RGB图像,并利用ArcGIS软件完成坐标配准和障碍物边界提取,其中八个标志点配准图上换算得到的地理坐标与实际经纬度转换的地理坐标在X方向和Y方向上的平均偏差分别为4.6cm和5.7cm;然后,设计算法实现了坐标的自动配准和障碍物边界的自动提取过程,其中八个标志点配准图上换算得到的地理坐标与实际经纬度转换的地理坐标在在X方向和Y方向上的平均偏差分别为9.2cm和12.0cm,自动提取和ArcGIS提取的七个障碍物角点坐标在X和Y方向上的平均偏差分别为2.9cm和5.4cm,上述的自动化算法可以用于后续研究中导航用基础信息采集系统的建立;最后对图像压缩后再进行基于相关系数模板匹配的障碍物边界提取,当像素压缩到735×2174（图像分辨率达到6cm）时,六个障碍物的边界点I在X、Y方向上的平均偏差分别为0.87与0.95cm,整个检测过程仅需3s,该结果可以为无人机遥感图像分辨率的选择提供理论依据。（4）本研究利用深度学习算法完成对农田中不同姿态的人的判断和识别,并分别确定了一种适用于移动端和云端障碍物检测平台的模型。为移动端和云端障碍物检测系统各选择了三种基于卷积神经网络的目标检测模型,通过Tensorflow在云平台上完成上述模型的训练后在手机app上完成对测试集样本中农田环境下人的检测;首先,得到每个模型的总体检测精度、平均检测时间和最大检测时间;其次,通过计算每个模型检测结果的归一化指数并通过公式转换为最终得分并进行比较,选择MobilenetSSD、Mobilenet-PPN移动端模型和Mask R-CNN+Inception云端平台模型进行进一步分析;然后,再将模型的检测距离作为标准分析上述三种模型的性能,在距离梯度样本集上进行检测,结果显示,对于应用于移动平台的模型Mobilenet-SSD与模型Mobilenet-PPN,随着离拍摄设备的距离增加,模型Mobilenet-SSD的检测精度下降的较慢,而对于云端平台选择的模型Mask R-CNN+Inceptio一直到9m的距离梯度时仍保持在93.1%的检测精度;最后得出结论,选择模型Mobilenet-SSD和Mask RCNN+Inception分别作为移动端和云端障碍物检测平台的深度学习卷积神经网络模型。
潘冉冉[6]（2017）在《基于RTK的农机精准定位系统的研究》文中进行了进一步梳理RTK载波相位差分技术,是实时处理两个接收站载波相位观测量的差分方法,可实时获取厘米级定位解,具有操作性强、应用范围广等优点。高精度的RTK产品几十万的高昂价格,使得RTK定位技术在农业领域的应用尚不广泛。随着国家对农业的大力支持,农业自动化和智能化技术将会快速发展,而获取高精度的定位解是实现农田车辆自动导航的基础。本研究以农田导航的实际应用为首要目的,以美国Swift公司的Piksi定位模块为基础,构建RTK系统进行研究,前期设计实验进行精度分析,后期根据项目要求对电台和天线等部分硬件进行改进,使用滤波算法对改进后的数据进行处理,最终成功将Piksi RTK系统应用在农田拖拉机上。主要研究结果如下:（1）Piksi模块是一款超高性价比的定位模块,RTK静态水平定位精度可达1cm。使用Piksi模块时,要充分考虑周围的环境,附近切不可要有高大建筑物等遮挡;配套的console控制软件可保存3种格式下的6种类型数据,完全满足用户使用需求;串口直接读取的Piksi数据经过了 Swift公司SBP二进制协议的处理,不使用console软件无法直接获取经纬度数据;搭建RTK系统时,基准站需要使用console软件设置经纬度和海拔高度数据后发送给流动站。（2）空间大地坐标与导航切平面坐标的转换满足精度分析的要求;采用标准差（σ）、圆概率误差（CEP）、距离均方根误差（RMS）、2倍均方误差（2DRMS）的指标对Piksi RTK系统静态精度进行分析,Piksi单个模块静态单点的定位精度约为8m,RTK的静态精度（2drms,95%）约为1.5cm;设计的动态双轨实验验证了直线拟合评估动态直线精度的可行性,当流动站在0.4m/s-2.3m/s的平均速度范围内进行直线运动时通过拟合得到的定位精度约为1.5cm;采用测量点到拟合圆心距离与拟合半径的差值评估圆周运动的定位精度,发现在0.4 m/s-1.6 m/s的平均线速度范围内运动时流动站的精度约为1.5cm;考虑到实际应用过程中点对点的问题,拟合分析得到的测量误差整体偏小,初步判定PiksiRTK的真实动态精度约为3 cm-5 cm。（3）PiksiRTK系统的3DR数传电台功率较小,传输距离受限,实际传输距离在开阔环境下约为300 m-400 m;将系统的天线和电台更换为加拿大P900电台和GSM增益天线,经测试在校园内有建筑物遮挡的情况下的传输距离约为1 km,开阔环境下更是可以达到3.5km;随着传输距离的增加,改进后的Piksi RTK系统的定位精度不断下降,利用最小二乘法插值拟合发现传输距离在超过3.2km以后将会下降到亚米级别。（4）采用卡尔曼滤波建立的数据处理模型,传输距离内获取的定位数据经过滤波后的静态和动态精度均可提升一倍左右,滤波后距离基准站1 km内的静态定位精度约为1 cm,满足课题对传输距离和精度的两方面要求;动态卡尔曼滤波模型对直线运动下的数据有很好的纠偏效果,滤波处理后动态误差约为1 cm-3 cm。（5）将改进后的Piksi RTK系统应用到农用拖拉机上,RTK数据产生的轨迹直线度优于拖拉机的GPS轨迹,通过采用地图固定点作为基准站的方法,解决了实际应用的准确度问题,农田实验分析得出Piksi RTK系统的动态精度可达到标称的2 cm-6 cm,与动态模拟实验分析得出的精度一致,滤波后的动态精度约为1cm-3 cm,说明Piksi RTK系统可以达到农田车辆自动导航的要求,在农机精准定位领域有广阔的应用前景。
王燚[7]（2017）在《RTK技术在道路测量中的应用》文中认为RTK技术是GPS定位技术的一个里程碑,它不仅具有常规GPS技术的优点,而且可以实时获得观测结果及精度,逐渐成为道路测量方面采集数据与定位的有效工具,本文详细介绍了RKT测量技术原理、RTP测量系统构成,以及RTK技术在道路测量方面的应用情况,以供广大学者参考。
赵志钦,汪亚桥,任鹏,杨原[8]（2017）在《BDS-RTK在军用道路测量中运用的可行性分析》文中研究表明围绕陆军"机动作战、立体攻防"转型发展战略要求,军用道路测量作为道路分队的看家本领之一,存在手段单一、技术落后的现状。系统介绍了BDS-RTK技术,探讨了其在军用道路测量中运用的可行性,提供了一种快速、精准作业的新思路。
杨永双[9]（2016）在《对道路工程中的测量技术的探讨》文中进行了进一步梳理为了满足交通建设的需求,在进行道路工程的施工建设中,做好道路建设的测量工作,保证测量环节收集数据的准确性就变得十分重要。受到当前先进科学技术的影响,大量的高新测量技术及设备应运而生,先进技术的出现对道路工程的建设产生了巨大的影响作用。因此,为了提高道路工程的测量质量,引进并积极的使用先进的测量技术就成为了道路工程测量工作的当务之急。对此,本文将针对我国道路工程中的测量技术进行简要的探讨分析。
刘斌[10]（2016）在《GPS测量技术及其在道路工程测量上的应用》文中指出对GPS测量技术及其优点进行了详细介绍,并从高速公路和铁路两个方面进行了道路测量应用分析。最后,就GPS测量技术容易出现的问题进行了介绍,并提出了相应措施。
二、RTK-GPS技术及其在道路测量中的应用（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、RTK-GPS技术及其在道路测量中的应用（论文提纲范文）
（1）桥梁施工测量工作中GPS技术的应用（论文提纲范文）
| 1 GPS技术概述 |
| 1.1 GPS技术介绍 |
| 1.2 GPS构成要素 |
| 1.3 GPS的特征 |
| 2 GPS技术在桥梁施工测量中的具体应用 |
| 2.1 GPS技术在桥墩定位中的应用 |
| 2.2 GPS技术在塔柱安装中的应用 |
| 2.3 GPS技术在控制测量中的应用 |
| 2.4 GPS技术在高程控制测量中的应用 |
| 3 GPS技术在实际案例中的应用 |
| 3.1 工程概况 |
| 3.2 平面控制测量 |
| 3.3 高程控制测量 |
| 3.4 RTK-GPS放样 |
| 4 结束语 |
（2）道路测量中GPS测绘技术的应用及其发展探究（论文提纲范文）
| 1 GPS测绘技术应用在道路测量中的领先优势 |
| 1.1 高观测速度 |
| 1.2 高测量准度 |
| 1.3 低操作难度 |
| 2 GPS测绘技术在道路测量中的应用 |
| 2.1 实时动态定位技术 |
| 2.2 快速静、动态定位测量 |
| 3 GPS测绘技术在道路测量中的发展 |
| 3.1 加强专业人才的培养 |
| 3.2 加大技术创新的研究 |
| 3.3 加强宣传力度 |
| 4 结语 |
（3）车载移动测量技术在道路测量中的应用（论文提纲范文）
| 0 引言 |
| 1 车载移动测量数据采集及处理 |
| 1.1 项目背景 |
| 1.2 车载多传感器移动测量系统介绍 |
| 1.3 利用车载多传感器移动测量系统进行数据采集 |
| 1.4 车载移动测量数据处理 |
| 2 基于车载移动测量技术与传统全站仪测量技术的新作业模式 |
| 2.1 车载移动测量技术的优劣势 |
| 2.2 本项目作业模式 |
| 2.3 精度对比 |
| 3 结语 |
（4）GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术（论文提纲范文）
| 博士生自认为的创新点 |
| 摘要 |
| ABSTRACT |
| 缩写索引 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 GNSS/SINS组合导航方面 |
| 1.2.2 视觉定位方面 |
| 1.2.3 GNSS/SINS/视觉多源融合方面 |
| 1.3 本文的研究目标及内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 本章小结 |
| 第2章 GNSS/SINS组合定位定姿的基本理论与方法 |
| 2.1 惯性器件的系统误差和随机误差分析 |
| 2.1.1 系统误差分析 |
| 2.1.2 随机误差分析 |
| 2.2 惯导初始对准 |
| 2.3 前向/后向机械编排算法 |
| 2.4 GNSS/SINS组合的基础模型 |
| 2.4.1 GNSS/SINS组合的状态方程 |
| 2.4.2 GNSS/SINS组合的观测方程 |
| 2.5 多源信息约束的观测模型 |
| 2.5.1 三维辅助速度观测更新 |
| 2.5.2 位移约束观测更新 |
| 2.5.3 零速/零角速观测更新 |
| 2.5.4 高程约束观测更新 |
| 2.5.5 多源信息融合策略 |
| 2.6 双天线GNSS/SINS组合测姿 |
| 2.6.1 状态模型和观测模型 |
| 2.6.2 车载实验分析 |
| 2.7 本章小结 |
| 第3章 复杂环境下GNSS/SINS精密定位定姿的关键技术 |
| 3.1 多系统GNSS/SINS组合及其性能分析 |
| 3.1.1 GNSS卫星全球可用性分析 |
| 3.1.2 多系统GNSS/SINS组合导航性能分析 |
| 3.2 GNSS/SINS半紧组合方式 |
| 3.2.1 紧组合方式的进一步讨论 |
| 3.2.2 半紧组合的结构设计与讨论 |
| 3.2.3 半紧组合的效果与优势验证 |
| 3.3 惯性辅助GNSS周跳修复 |
| 3.3.1 周跳修复的模型与方法 |
| 3.3.2 周跳修复的影响因素与实验结果 |
| 3.4 位置域约束的惯性辅助模糊度快速固定 |
| 3.4.1 IAR-PPP/SINS紧组合模型与模糊度固定策略 |
| 3.4.2 惯性辅助PPP模糊度固定的理论分析 |
| 3.4.3 惯性辅助PPP模糊度固定的性能分析 |
| 3.4.4 城市环境下的测试与验证 |
| 3.5 大气域电离层建模约束的模糊度快速固定 |
| 3.5.1 短到长基线的场景分析 |
| 3.5.2 双差电离层建模与S2L-RTK定位模型 |
| 3.5.3 数据测试与验证 |
| 3.6 模糊度域整合的后处理方法 |
| 3.6.1 ADBI方法设计与实现 |
| 3.6.2 数据测试与验证 |
| 3.7 快速高精度的最优平滑算法 |
| 3.7.1 算法设计 |
| 3.7.2 实验验证 |
| 3.8 本章小结 |
| 第4章 视觉点云地图与车道线地图生成技术 |
| 4.1 前方交会与单应性矩阵及其误差分析 |
| 4.1.1 前方交会及其误差分析 |
| 4.1.2 单应性变换及其误差分析 |
| 4.2 视觉点云地图生成技术 |
| 4.2.1 基本理论与方法 |
| 4.2.2 视觉点云地图生成流程 |
| 4.2.3 KITTI数据集测试 |
| 4.3 视觉点云地图数据清洗 |
| 4.4 基于Kalman滤波的车道线提取方法 |
| 4.4.1 车道线提取的方法与流程 |
| 4.4.2 实际道路影像数据验证分析 |
| 4.5 车道线地图生成技术 |
| 4.5.1 利用单目视觉生成车道线 |
| 4.5.2 实验测试与精度评估 |
| 4.6 本章小结 |
| 第5章 地图辅助的视觉定位及多传感器融合技术 |
| 5.1 后方交会及其误差分析 |
| 5.2 视觉点云地图辅助定位 |
| 5.2.1 视觉点云地图辅助的视觉定位框架 |
| 5.2.2 KITTI数据集测试的定位精度分析 |
| 5.2.3 KITTI数据集测试的定位成功率与实时性分析 |
| 5.3 视觉点云地图辅助下的视觉/惯性融合定位 |
| 5.3.1 IBL视觉定位与惯性传感器的组合模型 |
| 5.3.2 数据测试与验证 |
| 5.4 车道线辅助定位 |
| 5.4.1 车道线辅助定位的数学模型 |
| 5.4.2 车道线辅助定位性能分析 |
| 5.5 车道线辅助下的视觉/SINS/里程计/GNSS融合定位 |
| 5.5.1 融合定位的数学模型 |
| 5.5.2 融合定位的测试分析与比较 |
| 5.6 本章小结 |
| 第6章 多传感器集成的精密定位定姿系统开发与测试 |
| 6.1 多传感器集成的硬件平台搭建 |
| 6.2 相机与惯导的空间关系标定 |
| 6.3 高精度GNSS/SINS数据融合处理软件开发 |
| 6.4 高精度GNSS/SINS定位定姿的性能测试与分析 |
| 6.5 复杂环境下的多源融合实时定位测试与分析 |
| 6.5.1 GNSS卫星全部失锁下的视觉/惯性融合定位测试 |
| 6.5.2 复杂环境下的车道线约束/里程计/GNSS/SINS融合定位与测试 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻博期间发表论文、参与项目情况 |
| 致谢 |
（5）基于RTK技术的农业机械自动导航系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 主要英文缩写表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 卫星导航定位系统研究进展 |
| 1.3 基于RTK技术的农机导航系统研究进展 |
| 1.4 遥感系统研究进展 |
| 1.5 障碍物检测技术研究进展 |
| 1.6 论文内容安排 |
| 第二章 自动导航系统平台设计 |
| 2.1 引言 |
| 2.2 显示器 |
| 2.3 控制器 |
| 2.3.1 数据解析 |
| 2.3.2 路径相关 |
| 2.3.3 控制决策 |
| 2.3.4 数据通讯与保存 |
| 2.4 基于RTK技术的定位系统 |
| 2.4.1 系统组成 |
| 2.4.2 基站与移动站的参数设置 |
| 2.4.3 定位模块的安装 |
| 2.5 惯性导航传感器 |
| 2.6 电动方向盘 |
| 2.6.1 电动方向盘的总体设计要求 |
| 2.6.2 转向机构的设计 |
| 2.6.3 转向控制器的设计 |
| 2.7 视觉传感器 |
| 2.7.1 相机与镜头的参数 |
| 2.7.2 相机标定 |
| 2.7.3 图像处理 |
| 2.8 本章小结 |
| 第三章 农机导航关键技术分析 |
| 3.1 引言 |
| 3.2 C94 M8P模块基于GPS/北斗-RTK系统卫星数据的定位精度 |
| 3.2.1 静态定位精度 |
| 3.2.2 动态定位精度 |
| 3.3 基于Simulink的控制算法仿真 |
| 3.3.1 Simulink仿真程序的设计 |
| 3.3.2 PID控制器的设计 |
| 3.3.3 模糊控制器的设计 |
| 3.3.4 Simulink仿真结果分析 |
| 3.4 导航系统的实地实验分析 |
| 3.4.1 农机转弯策略 |
| 3.4.2 沥青路面实验分析 |
| 3.4.3 水田环境实验分析 |
| 3.5 导航系统的问题分析 |
| 3.6 本章小结 |
| 第四章 基于RS/GIS的农田导航信息获取 |
| 4.1 引言 |
| 4.2 基于卫星航天遥感技术的农田导航信息获取 |
| 4.2.1 卫星遥感数据介绍 |
| 4.2.2 不同分辨率卫星数据对比 |
| 4.3 基于无人机航空遥感技术的农田导航信息获取 |
| 4.3.1 设备介绍 |
| 4.3.2 实验环境与数据采集 |
| 4.3.3 数据处理与结果分析 |
| 4.4 农田信息获取的自动化实现 |
| 4.4.1 坐标配准算法及其精度比较 |
| 4.4.2 障碍物边界的自动提取 |
| 4.5 图像分辨率对障碍物边界提取结果的影响 |
| 4.6 本章小结 |
| 第五章 基于深度学习的农田障碍物检测 |
| 5.1 引言 |
| 5.2 深度学习在人检测上的应用 |
| 5.3 概念介绍与技术方案 |
| 5.3.1 CNN的基本概念 |
| 5.3.2 基于卷积神经网络的目标检测模型 |
| 5.3.3 Tensorflow介绍 |
| 5.4 实验设计和平台搭建 |
| 5.4.1 样本采集与预处理 |
| 5.4.2 模型计算平台的系统性能 |
| 5.5 实验结果处理与分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 主要创新点 |
| 6.3 未来展望 |
| 参考文献 |
| 作者简介 |
（6）基于RTK的农机精准定位系统的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 卫星导航系统研究进展 |
| 1.2.2 差分定位技术原理及分类 |
| 1.2.3 RTK技术的国外应用研究 |
| 1.2.4 RTK技术的国内应用研究及农业领域存在问题 |
| 1.3 研究目的和内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.4 技术路线图 |
| 1.5 本章小结 |
| 第2章 Piksi RTK定位系统 |
| 2.1 Piksi模块定位原理分析 |
| 2.1.1 Piksi模块性能参数 |
| 2.1.2 Piksi模块定位原理 |
| 2.2 Piksi模块及RTK系统 |
| 2.2.1 Piksi接收机 |
| 2.2.2 Piksi RTK系统 |
| 2.3 Console软件 |
| 2.3.1 软件选项栏 |
| 2.3.2 RTK系统搭建 |
| 2.4 数据格式 |
| 2.4.1 csv格式文件 |
| 2.4.2 SBP二进制格式 |
| 2.5 本章小结 |
| 第3章 Piksi RTK系统精度分析 |
| 3.1 坐标转换 |
| 3.1.1 参考坐标系 |
| 3.1.2 空间大地坐标与导航坐标变换 |
| 3.2 静态定位精度分析 |
| 3.2.1 定位精度评价指标 |
| 3.2.2 Piksi模块静态精度分析 |
| 3.2.3 Piksi RTK静态精度分析 |
| 3.3 动态定位精度分析 |
| 3.3.1 背景噪声测试 |
| 3.3.2 直线运动 |
| 3.3.3 圆周运动 |
| 3.4 Piksi RTK系统的优缺点 |
| 3.4.1 Piksi RTK技术的优点 |
| 3.4.2 Piksi RTK技术的缺点 |
| 3.5 本章小结 |
| 第4章 Piksi RTK系统改进及应用 |
| 4.1 外部设备改进 |
| 4.1.1 数据传输技术 |
| 4.1.2 传输设备改进 |
| 4.1.3 改进实验分析 |
| 4.2 数据处理技术 |
| 4.2.1 卡尔曼滤波原理 |
| 4.2.2 静态卡尔曼滤波 |
| 4.2.3 动态卡尔曼滤波 |
| 4.3 Piksi RTK在农业上的应用 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简介 |
（7）RTK技术在道路测量中的应用（论文提纲范文）
| 一、RKT测量系统及RKT技术原理 |
| (一) RKT测量系统的组成。 |
| (二) RKT测量技术原理。 |
| 二、RKT在道路测量中的应用 |
| (一) 控制测量。 |
| (二) 线路勘测。 |
| (三) 绘制地形图。 |
| (四) 道路中线及纵、横截面放样。 |
| 三、RKT技术的特点及在道路测量方面的可推广性 |
| (一) RKT技术的特点。 |
| (二) RKT技术在道路测量中的可推广性。 |
（9）对道路工程中的测量技术的探讨（论文提纲范文）
| 0 引言 |
| 1 道路工程的测量工作内容 |
| 2 道路工程中的测量技术分析 |
| 3 结束语 |
四、RTK-GPS技术及其在道路测量中的应用（论文参考文献）
- [1]桥梁施工测量工作中GPS技术的应用[J]. 潘成林. 四川建材, 2021(02)
- [2]道路测量中GPS测绘技术的应用及其发展探究[J]. 宋思凡. 居业, 2021(01)
- [3]车载移动测量技术在道路测量中的应用[J]. 胡文雄. 工程勘察, 2019(07)
- [4]GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术[D]. 朱锋. 武汉大学, 2019(08)
- [5]基于RTK技术的农业机械自动导航系统研究[D]. 蒋浩. 浙江大学, 2019
- [6]基于RTK的农机精准定位系统的研究[D]. 潘冉冉. 浙江大学, 2017(09)
- [7]RTK技术在道路测量中的应用[J]. 王燚. 城市地理, 2017(02)
- [8]BDS-RTK在军用道路测量中运用的可行性分析[J]. 赵志钦,汪亚桥,任鹏,杨原. 市政技术, 2017(01)
- [9]对道路工程中的测量技术的探讨[J]. 杨永双. 科技视界, 2016(22)
- [10]GPS测量技术及其在道路工程测量上的应用[J]. 刘斌. 江西建材, 2016(09)