大气探测激光雷达校飞样机研制与飞行验证

星载激光雷达是高精度测量全球温室气体和气溶胶垂直廓线的重要手段，大气环境监测卫星大气探测激光雷达(ACDL)在国际首次采用激光积分路径差分吸收技术测量全球CO2柱浓度，采用532 nm高光谱探测技术测量气溶胶和云的廓线。星载激光雷达载荷研制期间，同步研制一套主要功能一致的机载大气探测激光雷达校飞样机，并开展机载飞行试验，获取了大量飞行试验及其对比数据，提供了机载平台真实的数据源，对于优化ACDL激光雷达系统参数和研究星载数据反演算法至关重要。最后在机载飞行平台下，验证了优于1 ppm的CO2柱浓度测量精度和优于15%的气溶胶测量精度。未来利用该机载样机可以进一步开展星地对比验证。     

基于轨迹拐点滤波的激光雷达里程计定位算法研究

在GPS拒止环境下，激光雷达里程计可以利用帧间匹配跟踪车辆实现定位，但是定位误差随时间累积的特性造成激光雷达里程计(LO)缺乏持续性。为解决LO的误差累积问题，引入轻量级地图OSM。基于粒子滤波框架，以LO作为运动模型的输入，通过两次筛选提取拐点，利用拐点匹配完成与地图的对齐，并以粒子的均值作为车辆校正后的位置，实现对定位误差的校正。提出了一种新的粒子权重模型，利用不同节点的相似度模型及测量值作为粒子权重的更新依据，避免拐点与路网节点的错误关联导致定位误差加大。经由KITTI数据集上的实验验证，该算法可以有效克服LO误差漂移问题，相较于原始LO定位精度至少提高了49.22%，且具有较好的实时性。     

基于双目视觉的类脑三维认知地图构建方法

基于大脑导航神经细胞机理的类脑认知地图构建方法,为发展智能同步定位与地图构建(SLAM)技术提供了新思路.针对现有类脑认知地图构建精度不高的问题,提出了一种基于双目视觉的类脑三维认知地图构建方法.首先阐述了类脑三维认知地图系统的工作原理,然后论述了不同视觉里程计对认知地图精度的影响,研究了基于双目视觉里程计的类脑三维认知地图精度优化方法,最终完成了基于视觉数据集的类脑三维认知地图构建试验.试验结果表明,所提方法构建的视觉里程计地图的三维位置误差为总行程的2.14％,认知地图的三维位置误差为1.56％;认知地图精度与里程计精度呈正相关;系统通过模板匹配进行回环检测与校正,提高了认知地图的精度.     

大气环境监测卫星激光雷达技术

星载激光雷达是高精度测量全球大气CO2柱浓度和气溶胶垂直廓线的重要手段，大气环境监测卫星大气探测激光雷达(ACDL)在一套激光雷达中集成了2种探测体制，采用1 572 nm积分路径激光差分吸收方法测量全球CO2柱浓度，采用532 nm高光谱探测(HSRL)方法测量气溶胶和云的垂直廓线，均为国际首次在星载平台成功验证，是国际首个星载CO2探测激光雷达和国际首个高光谱气溶胶探测激光雷达。在国际已发射的星载激光雷达中，ACDL激光雷达是探测体制最全、波长最多、能量最高、频率最稳和精度最准的激光雷达，实现了创新跨越。大气探测激光雷达在轨连续工作，首次获得了全天时精度优于1 ppm的全球CO2柱浓度、精度优于20%的气溶胶廓线等遥感数据。本文介绍了ACDL激光雷达的工作原理、系统参数以及相关的定标测试结果。     

多波束三维成像激光雷达高精度收发匹配方法研究

三维成像激光雷达技术为空间地理信息获取、目标立体探测提供了新的技术途径。以多波束并行收发、单光子阵列探测为特征的新一代三维成像激光雷达可提升雷达探测灵敏度、激光成像帧频与成像效率，从而实现远距离快速激光三维成像。三维成像激光雷达的激光发散角与接收视场需角秒量级的匹配精度。随着系统波束数量的增加，几十甚至上百波束的高精度收发波束匹配是系统设计装调的难点。聚焦多波束单光子阵列三维成像激光雷达的收发匹配难题，设计了基于衍射分束激光发射与光纤阵列接收的收发光学系统，提出了一种多波束激光雷达收发波束匹配方法，并对该方法的收发匹配误差源以及温度对其影响进行了详细分析仿真。实验验证结果表明，可实现64波束优于10 μrad的匹配误差，在工作温度范围内总的收发失配优于20.78 μrad，满足本系统设计时25.5 μrad的收发匹配裕量，系统对环境温度有较好的适应性，具有良好的工程应用前景。     

动态环境下融合激光雷达和IMU的激光里程计设计

激光SLAM 通常通过多帧点云配准,完成位姿变换矩阵的估计,而点云中的动态点会降低 激光里程计的定位精度。为了减少动态点引入的误差,提出了一种动态点云识别算法,并结合该 算法改进了传统特征匹配策略,组成了动态环境下融合激光雷达和IMU 的激光里程计。通过约 束范围角与动态中心点,将点云快速分割成多个簇类,再借助IMU 信息,快速建立点云簇类配准 关系,从而去除动态点,最后根据簇类的对应关系进行约束,以提高匹配的精度与速度。使用 KITTI数据集和UGV 在多个情形下进行了实验。实验结果表明,该算法可以成功识别点云中的 多个动态对象,并通过去除动态点,有效地减少了位姿估计的累积误差。     

基于惯性/激光测距/视觉里程计组合的高空场景尺度误差估计方法

惯性/视觉感知信息融合导航定位技术是目前实现无人机不依赖卫星自主导航的最有效手段。但对于面向高空场景的大型无人机，惯性器件误差与视觉里程计尺度误差耦合且特征平面化导致可观测性下降。针对这一问题，提出了利用惯性/激光测距/视觉里程计组合实现尺度误差估计的方法。通过开展误差模型建立、激光测量点与图像中位置匹配、无人机平飞机动下系统可观测性分析等关键技术研究，实现了高空场景下尺度误差的精确估计。经过300m高度机载试验数据验证，算法精度优于1.5%D，对卫星拒止条件下高空无人机自主导航具有重要意义。     

面向结构化场景的激光雷达点云高精度配准与定位方法

在基于先验地图的激光雷达室内导航方案中,通常采用点云配准的方法进行无人设备位姿初始化。在结构化场景下,传统配准算法特征鲁棒性较差,导致点云配准的误差较大且易陷入局部最优。针对该问题,提出了一种基于多平面空间模型的点云快速配准方法。首先该方法利用特征直方图的思想对空间点云进行快速粗聚类,根据平面一致性将粗聚类后的点集进行合并形成面特征,从而对密闭空间进行平面模型化表示。随后通过空间平面排序实现了面特征的快速关联,并利用线性匹配方法实现了两帧点云的精确配准,从而解算出机体在先验地图中的相对位姿。最后通过Gazebo搭建的仿真环境与室内结构化模拟环境对算法进行了验证。结果表明,在大型结构化场景下,算法具有更好的适应性以及更高的计算效率,能够快速为无人系统提供精准的地图初始位姿。     

基于图优化的惯性/地磁/激光雷达复合定位技术研究

为解决卫星失锁条件下车辆的高精度、高可靠性定位问题,结合惯性导航、运动约束、地磁 匹配、激光点云匹配方法的优势,提出了一种基于图优化的惯性/地磁/激光雷达复合定位方案。 首先,采用因子图优化算法,实现惯导预积分信息、运动约束信息、地磁匹配信息、激光雷达点云匹 配信息的异步多源信息融合。然后,在点云匹配失效时,惯性/运动约束/地磁可以实现精度保持, 为点云匹配提供持续可用的先验信息,以避免点云匹配一旦失效后由于先验位姿发散再难匹配的 问题。最后,搭建试验平台完成跑车试验。试验结果表明,该方案可以实现车辆的高精度、高可靠 性定位,点云匹配有效定位精度为1.24m(max),均方根为0.48m,在因点云地图缺失而造成匹配 失效时,惯性/运动约束/地磁可实现定位精度保持在10.29m(max)。     

一种新型的空间分散计算模拟验证系统

人类生产力发展已经进入算力时期，计算能力将成为这个时期的新型生产力。未来大量分散化的算力、存储等资源分布在空间信息网络中，需要对其进行整合拉通，为业务提供便捷的按需使用。首先从下一代空间科学任务出发，阐述了未来空间分散计算实施的意义和价值，同时从空间信息网络和地面信息网络两个维度对国内外典型的分散计算项目和框架进行了系统调研。在此基础上，从云环境构建、云-边中间件以及边环境构建3个方面详细阐述了空间分散计算模拟验证系统的构建思路与方法，并进行了试验验证。验证结果表明，该系统能够实现虚拟化计算单元的动态部署与更新，且能够实现高效的舰船目标检测。相比于单星检测而言，系统通过多星联合的方式能够将检测效率提升45倍。