Liu, Xikun, Weisong Wen, Feng Huang, Han Gao, Yongliang Wang, and Li-Ta Hsu. “3D LiDAR Aided GNSS NLOS Mitigation for Reliable GNSS-RTK Positioning in Urban Canyons.” arXiv, December 11, 2022. https://doi.org/10.48550/arXiv.2212.05477.
1 Introduction
本文的贡献：
- 提出一个基于无漂移的3D 滑动窗口PCM (Point Cloud Map) 辅助的GNSS NLOS 信号消除方法，以此提高GNSS 原始观测量的质量。3D 滑动窗口PCM 的漂移是通过提高后的GNSS-RTK 进行矫正的；
- 提出一个基于LiDAR 地标的VS (Virtual Satellite) 约束模型，来提高城市峡谷GNSS 卫星的几何布局。通过GNSS 原始观测数据、IMU 以及仔细挑选过的VS 观测量进行紧耦合来提高浮点解精度。此外，作者还推导了VS 引入对几何布局的提高程度；
- 在香港的城市峡谷中进行大量的实验验证。
3 Methodology
3.1 System Overview
本系统的流程图如Fig. 2所示，本系统主要包含两部分：LiDAR 辅助NLOS 信号剔除，利用VS 提高卫星几何布局进行定位。
系统大致流程如下所示：
- IMU 使用预积分技术进行处理，来获取滑动窗口中每个关键帧的初始位姿；
- 利用关键帧的初始位姿以及相应的局部PCM 进行NLOS 和周跳探测。同时，从提取到的特征和PCM 中获取VS 约束；
- 在前两步的预处理之后，利用因子图优化 FGO (Factor Graph Optimization) （包含VS 、GNSS 以及 IMU 约束）实现对滑动窗口状态的联合优化，从而获得提高过的浮点解及协方差矩阵；
- 提高过的浮点解及协方差矩阵被用于AR (Ambiguity Resolution) 进行固定解求解；
- 最终，基于固定解和浮点解进行全局位姿图优化，来获取最终的位姿结果。更新过的全局位姿以及相应的PCM 用于下一步的NLOS 探测。
3.2 3D LiDAR-Aided GNSS NLOS Mitigation
利用3D LiDAR PCM 进行NLOS 信号探测参考文章(Wen 和 Hsu, 2022)，预期不同之处在于，本文利用GNSS-RTK 对3D PCM 的漂移进行矫正。
利用3D PCM 进行NLOS 探测严重依赖于朝向估计的准确性，而其容易受到漂移的影响，如Fig. 3（b）所示，因此，本文提出了使用提高的GNSS-RTK 实现对PCM 的优化。
3.3 Virtual Satellite aided GNSS-RTK/IMU Factor Graph Optimization and Ambiguity Resolution
利用最大后验概率估计得到本模型的目标方程：
括号内各项分别是：边缘项（窗口外的约束）、VS 约束项、IMU 约束项、双差伪距、双差载波相位、双差整周模糊度、多普勒频移。
相应的因子图结构如Fig. 4所示，由于不同传感器观测频率的不同，GNSS 因子（双差伪距、双差载波相位、多普勒频移）通过插值状态 $x_t$ 来对系统状态 $x_k$ 和 $x_{k+1}$ 进行约束。
对于整周模糊度因子，作者使用文章(Huang 等, 2022)提到的方法，利用LiDAR 辅助进行周跳探测，该方法是利用三差TD 一致性检测来实现对周跳的探测。
根据上式可以发现，TD 利用测距来估计双差DD 的整周模糊度，这对于初始位姿估计的精度要求较高，作者利用LiDAR 和 IMU 实现一个高质量的初始位姿估计，从而实现对较小周跳的成功探测。