机会信号的组合导航定位在电视移动直播中的应用

机会信号的组合导航定位在电视移动直
播中的应用
摘要：随着互联网技术突飞猛进，互联网视频大行其道，不断推动着传统媒
体向全媒体、融媒体演进。

现如今，媒体正经历一场文字、图片、音频、视频、VR/AR信息互动方式的变革。

移动直播广受青睐并成为现场直播必不可少的手段，尤其是在一些大型活动现场、体育赛事（如球赛、马拉松等）转播中，需要动用
大量的无人机、无人车等获得不同方位、不同视角的画面，给观众呈现个性化的
场景以及沉浸式体验。

为实现组合导航定位的自主性、隐蔽性、高精度和长航时
导航能力，本文从GNSS/视觉观测紧组合定位方法、组合导航关键技术几个方面
介绍相关发展状况，分析组合导航各项技术在电视移动直播导航应用中存在的关
键问题，最后对组合导航技术的发展方向进行了展望。

基于此，本篇文章对机会
信号的组合导航定位在电视移动直播中的应用进行研究，以供参考。

关键词：机会信号；组合导航定位；电视移动直播；应用；
引言
近年来，随着定位导航服务系统的发展，对目标定位的精度和连续性要求越
来越高。

组合导航融合多种导航源的优势，可以获得更准确和可靠的导航结果。

GNSS/INS组合导航算法将GNSS导航系统和INS导航系统的信息有机的综合起来，尽可能利用两者的有效信息，进行信息的互补、修正与动态补偿，从而获得一种
精度较高、鲁棒性较强的导航定位结果，在交通安全领域、交通运输领域、商业
应用领域、社会服务领域、无人驾驶领域[有着重要应用。

考虑到预先设定的动
力学模型与实际载体运动状态不符,提出自适应滤波方法，如附加模型误差参数
调节法、抗差估计自适应融合法及方差分量自适应估计法等。

随着强化学习、深
度强化学习等技术逐在一些基础任务如目标检测、场景感知中表现出良好的效果。

GNSS/INS自适应智能组合导航算法将人工智能技术和组合导航算法进行融合，具
有更高的普适性和鲁棒性。

1GNSS/视觉观测紧组合定位方法
GNSS在开阔的环境下能够实现连续的高精度导航定位并且误差不会逐渐积累，但是在GNSS弱信号或者遮挡环境下，存在定位精度严重下降甚至定位中断的问题.相反V-SLAM技术在特征丰富的复杂环境下能够实现连续导航定位，但随着运
动距离的增加定位误差积累迅速，因此将GNSS和VSLAM技术联合导航定位，不
仅有望提升单个导航系统的可靠性与精度，还能够在GNSS弱信号环境下实现持
续的导航定位.V-SLAM技术是一种相对定位方法，基本原理为：图像经过校正后，提取图像中具有代表性的特征点，跟踪这些特征点从而估计相机的位姿，在这个
过程中还同时进行位姿优化与闭环检测。

ORBSLAM2系统是一种基
ORB(OrientedFASTandRotatedBRIEF)特征的同步三维定位与地图构建算法，可使
用开源平台的双目模式解算得到相机的位姿变化。

本文将ORB-SLAM2系统得到的
相机位姿变化结果与GNSS伪距观测数据联合来进行紧组合导航定位，紧组合定
位方法主要分为两个步骤，首先从视觉图像中获取相机的前后帧位姿变化结果，
再与GNSS伪距观测数据进行紧组合导航定位解算。

2紧耦合组合导航系统
紧耦合是在GNSS与惯导伪距、伪距率和多普勒频移等领域进行的耦合，将GNSS的滤波器收到的伪距、伪距率和惯导计算得到的伪距、伪距率进行对比，把
差值输入导航系统滤波器，得到导航系统的误差估计值，再利用估计值修正惯性
导航定位结果以提高导航精度。

与之相比，松耦合是GNSS与惯导在速度、位置
等各个维度分别进行的对比，耦合效果欠佳，而深耦合能在紧耦合的基础上利用
惯导反馈得到更精准的导航效果，但是实现难度较大，在当前环境下使用率较低，因此，测试中采用紧耦合的组合方式。

3导航系统环境设置
3.1机会信号与惯导的组合导航系统
组合信号导航系统主要是添加了GNSS的卫星定位和SOP地面基站的信号定位。

在这里，我们认为GNSS信号提供三维的位置速度姿态检测，通过检测卫星
轨道上分布的卫星，获取相关卫星的位置速度信息，并接着提取遮蔽角高度达到
要求的卫星，获取相关卫星的误差估计值。

SOP的信源基站设定为一个固定的基
站信号，基站被定义为一个固定坐标、速度为0的信源，将其他的相关属性与GNSS信号设定为一致，作为在卫星定位效果不佳情况下GNSS信号的替代。

将其
坐标设定在地面上的不同地点，定位的信源从卫星定位修改为8个设置在载体轨
迹200km范围附近的基站的定位，通过与单惯导的信号耦合，得到实验结果。

3.2组合导航系统实验结果
从实验结果我们可以看到，单惯性导航的误差较大，而且会随着测试时间的
增大而逐渐增大；组合导航系统的各项误差波动范围比单独惯导系统小，在位移
误差、速度误差上较惯导小了一个数量级，在侧倾角上得到的角度误差也有所降低，并且经过组合的导航信号定位误差能稳定在一个范围内，起到辅助导航的效果。

4面临的挑战与展望
随着导航定位服务需求的增长，鲁棒性强、精准性高的组合导航定位系统的
发展也愈发迅速，由此引发了更多的自适应组合导航算法。

传统的自适应估计方
法大多通过模糊机理等机制或增加相应传感器的方法，对相应的参数进行矫正，
优化参数数据。

此类方法在尽可能提高定位精度的前提下，保证了算法的轻量级，但定位精度提升有限。

而由于需要增加新的传感器，对硬件的要求更高，不具有
普适性。

随着机器学习技术的发展，强化学习、深度学习被融入自适应滤波技术
的研究，是目前组合导航算法的一个新的发展方向。

针对以往KF误差产生的不
同原因，采取人工智能方法调控相应的参数信息。

此类方法在不损失KF精度的
基础上，提高系统对各种干扰的适应性，抑制KF的发散。

但机器学习的应用很
难达到轻量级要求，需要较大的内存和时间花销。

神经网络自适应算法应用方式
灵活，在模型调整和组合导航系统故障检测的应用以及如何降低训练花销方面应
该得到更多的关注。

结束语
综上所述，本文研究了一种GNSS/视觉紧组合导航算法，不仅能有效地提升GNSS弱信号环境下导航定位的连续性和精度，并能在可观测卫星数少于4颗时持
续导航定位.。

首先基于图像数据利用ORB-SLAM2开源平台求解得到视觉位置结果增量，然后与GNSS伪距观测数据采用KF进行联合解算，不仅能够改善单个导航系统导航定位的精度和连续性，而且提升了导航定位服务的可靠性和可用性。

实测数据测试结果表明：此GNSS/视觉紧组合导航算法具有可行性，联GNSS伪距观测数据和视觉导航结果紧组合导航定位，不仅能够有效地提升弱GNSS环境下导航定位的连续性和精度，并能在可观测卫星数少于4颗时持续提供有效的导航定位结果。

视觉导航在特征点变化剧烈或缺乏足够特征点的环境下也会失效，后续考虑在紧组合系统中加入惯性导航数据，融合三种传感器进行可靠、持续且精度高的导航定位。

参考文献
[1]张泽凡.机会信号的组合导航定位在电视移动直播中的应用[J].广播电视信息,2019,29(02):56-59.
[2]郭楠.基于GNSS/IMU的行人组合导航定位技术研究[D].北京建筑大
学,2019.000207.
[3]栗强强.农机导航中组合定位系统的研究与设计[D].重庆三峡学
院,.2019.000121.
[4]李忠利,刘小锋,陈修魁,高永升,杨淑君.基于信息融合的拖拉机组合导航定位系统研究[J].农业机械学报,2019,51(08):382-390+399.
[5]敖龙辉.视觉与其他传感器组合导航定位研究[D].南昌大
学,.2019.003332.。