High Precision Indoor Navigation for Autonomous Vehicles
Technische Hochschule Ingolstadt（因戈尔施塔特应用技术大学）；GeneSys Elektronik GmbH（GeneSys电子有限公司）；University of Castilla-La Mancha（卡斯蒂利亚-拉曼恰大学）
自动驾驶是汽车行业的重要趋势。为了开发和测试自动驾驶汽车的功能，对这一目标的持续研究需要在所有情况下精确的参考车辆状态估计。然而，即使当从即将到来的技术（如L5 GPS频带）期望车道精确定位时，在有屋顶的区域中的精确定位的问题，例如，在一个实施例中，隧道或公园房屋，仍然需要解决。本文提出了一种新的参考车辆状态估计方法。该程序包括三个主要部分。第一，纯粹基于来自惯性测量单元的信号的鲁棒静止检测。第二，通过统计滤波的车辆状态估计。第三，基于LiDAR的高精度定位方法，其提供速度、位置和定向校正数据，平均误差分别为0.1 m/s、4.7 cm和1 $^\circ$。在CPU上的测试表明了实时实现的可能性。
2020-05-14 cs.RO eess.SP
Team Channel-SLAM: A Cooperative Mapping Approach to Vehicle Localization
车辆定位被认为是自动驾驶系统中的关键要素。虽然传统定位需要使用GPS和/或来自网络基础设施的信标信号进行三角测量，但它们对多路径和信号障碍敏感。然而，最近的提案，如SLAM-SLAM方法表明，原则上可以利用多路径来改善单个车辆的定位。在本文中，我们推导出一个合作的团队的团队与之前的工作不同，Team Escel-SLAM不仅利用接收器周围反射物体的静止特性，通过多路径信号来表征单个车辆的位置，还利用道路交通的多车辆方面来进一步改进定位。具体来说，Team Mackel-SLAM利用多个相邻车辆周围反射器之间的相关性来实现高精度的多车辆定位。我们的方法使用亲和传播聚类和合作粒子滤波。新的框架显示，给单车定位的情况有很大的改善。
2020-04-17 eess.SP
LAMP: Large-Scale Autonomous Mapping and Positioning for Exploration of Perceptually-Degraded Subterranean Environments
NASA Jet Propulsion Laboratory - California Institute of Technology（美国国家航空航天局喷气推进实验室 - 加州理工学院）；Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空航天系）；Department of Computer Science, University of Southern California（南加州大学计算机科学系）；Aptiv（阿普提夫公司 (Aptiv)）
大规模、未知、复杂地下环境中的同步定位与地图构建是一个具有挑战性的问题。传感器必须在非标称条件下工作;不平坦和湿滑的地形使车轮里程计不准确，而没有显著特征的长走廊使外感受传感模糊不清，容易漂移;最后，在具有重复外观的环境中经常出现的虚假环路闭合，如隧道和矿井，可能导致整个地图的严重失真。这些挑战与构建高精度3D地图的需求形成鲜明对比，以支持各种应用，从灾难响应到地下外星世界的探索。本文报告了在DARPA地下挑战赛的背景下开发的基于激光雷达的多机器人SLAM系统的实施和测试。我们提出了一个系统架构，以加强地下操作，包括一个准确的激光雷达为基础的前端，和一个灵活和强大的后端，自动拒绝外围环路关闭。我们提出了一个广泛的评估，在大规模的，具有挑战性的地下环境，包括在DARPA地下挑战的隧道电路中获得的结果。最后，我们讨论了潜在的改进，最先进的限制，和未来的研究方向。
2020-03-05 cs.RO eess.SP
Bayesian Integrity Monitoring for Cellular Positioning -- A Simplified Case Study
针对一维线性高斯环境下的快拍蜂窝定位问题，提出了贝叶斯接收机自主完好性监测（RAIM）算法。位置估计，多故障检测和排除，和保护水平（PL）的计算，使通过沿因子图传递消息的位置后验概率的有效和准确的计算。计算机模拟表明，所提出的贝叶斯RAIM算法的基线先进RAIM算法的显着性能改善，因为它获得更严格的PL，满足目标的完整性风险（TIR）的要求。
2022-11-14 cs.IT eess.SP math.IT
Indoor Positioning Based on Active Radar Sensing and Passive Reflectors: Reflector Placement Optimization
Institute of Signal Processing and System Theory, University of Stuttgart, Stuttgart, Germany（信号处理与系统理论研究所，斯图加特大学，斯图加特，德国）；Munich Research Center, Huawei Technologies Duesseldorf GmbH, Munich, Germany（慕尼黑研究中心，华为技术杜塞尔多夫有限公司，慕尼黑，德国）
本文提出了一种基于主动雷达传感和被动反射器的室内定位系统，通过多目标粒子群优化算法优化反射器布置，实现低成本高精度的定位。
2026-01-27 cs.RO eess.SP
An Acoustic Simulation Framework to Support Indoor Positioning and Data Driven Signal Processing Assessments
本文提出一种支持超声波和可听声的室内声学仿真框架，结合镜像源与射线追踪，经实测验证，可快速生成数据并支持定位评估。
2023-06-21 eess.AS eess.SP
Development of an R-Mode Simulator Using MF DGNSS Signals
针对GPS失效场景，本文开发了考虑中频DGNSS信号及天波特性的R-Mode信号模拟器，以支持基于机会信号的导航研究。
2021-09-23 eess.SP
Integration of 5G and Motion Sensors for Vehicular Positioning: A Loosely-Coupled Approach
本文提出一种松耦合融合5G、IMU和里程计的车辆定位方案，通过改进EKF协方差设计及IMU机械化处理，在95%时间内实现14厘米定位误差，优于传统恒定速度模型的1米误差。
2024-03-16 eess.SP
Vehicle Localization via Cooperative Channel Mapping
本文讨论了车辆定位，在未来的自动驾驶系统的背景下，其重要性急剧上升的主题。虽然经典的方法，使用GPS和/或信标信号从网络基础设施的三角测量往往是敏感的多路径和信号障碍，我们的方法表现出鲁棒性相对于这样的现象。我们的方法是建立在最近提出的多路径SLAM方法的基础上的，该方法首先能够利用多路径来改善（单个）车辆定位。在这里，我们提出了一个合作的映射方法，它建立在团队的Team Eschel-SLAM不仅利用了车辆周围许多反射物体的静止特性，还利用了道路交通的多车辆特性。我们的方法背后的关键直觉是第一次利用多个相邻车辆周围反射器之间的相关性。提出了一种反射面选择和估计算法，并结合团队粒子滤波（TPF）实现了多车同时高精度定位。我们在单车辆定位场景上获得了很大的改进，对于中等车辆密度，增益已经很明显，例如对于在132米长的道路中低至4辆车的车辆密度，改进超过40%。
2021-02-09 eess.SP
LEO-PNT With Starlink: Development of a Burst Detection Algorithm Based on Signal Measurements
本文基于Starlink信号实测数据，开发了一种基于相关的突发检测算法，测量载波频率并估计定位精度，验证了其在使用全向天线的实际场景中用于LEO-PNT导航的可行性。
2023-04-19 eess.SP
IO-VNBD: Inertial and Odometry Benchmark Dataset for Ground Vehicle Positioning
低成本的惯性导航传感器（INS）可用于自动驾驶车辆的可靠跟踪解决方案。然而，由于测量中的噪声，位置误差呈指数增长。已经研究了几种深度学习技术来减轻错误，以获得更好的导航解决方案[1-10]。然而，这些研究涉及使用未公开的不同数据集。因此，缺乏强大的基准数据集阻碍了基于惯性导航的车辆定位深度学习技术的研究、比较和采用。为了促进定位算法的基准测试、快速开发和评估，我们提出了第一个大规模的、信息丰富的惯性和里程计集中的公共数据集IO-VNBD（惯性里程计车辆导航基准数据集）。车辆跟踪数据集是使用配备有自我运动传感器的研究车辆在英国、尼日利亚和法国的公共道路上记录的。传感器包括GPS接收器、惯性导航传感器、轮速传感器以及汽车上的其他传感器，以及以10 HZ采样的Android智能手机中的惯性导航传感器和GPS接收器。在不同的道路类型（乡村公路、高速公路等）上捕捉各种场景和车辆动态，如交通、弯道、急刹车等。不同的驾驶模式该数据集包括车辆提取数据超过1，300公里约40小时的总驾驶时间和智能手机记录数据超过4，400公里约58小时。我们希望这一数据集将证明有价值的进一步研究车辆动力学和其位移之间的相关性以及其他相关的研究
2021-12-11 eess.SP
Cooperative Localization Utilizing Reinforcement Learning for 5G Networks
University of Helsinki（赫尔辛基大学）
近年来，对精确定位的需求有所上升，以使自动驾驶汽车的出现成为可能。为了让这些车辆进入智慧城市的交通生态系统，需要一个精确的定位系统。为了实现精确定位，协同定位起着重要作用。这种类型的定位计算车辆之间的距离测量，并通过使用另一个更准确的值来校正其中一个的可能错误的值来提高位置的准确性。具有毫米波（mmWave）技术的5G信号支持精确的距离测量，5G网络提供设备到设备（D2D）通信，这改善了协作定位。本文的目的是为自动驾驶车辆提供精确的协作定位，利用强化学习技术为5G信号选择最准确和最合适的测距技术，不易出错。
2021-08-19 cs.AI cs.LG eess.SP
Propagation Measurements and Analyses at 28 GHz via an Autonomous Beam-Steering Platform
Arizona State University（亚利桑那州立大学）；Purdue University（普渡大学）；United States Naval Academy（美国海军学院）
本文详细介绍了一个自主对准和跟踪平台的设计，机械转向定向喇叭天线在滑动相关器信道探测器设置为28 GHz V2X传播建模。一个平移和倾斜子系统促进了不受限制的旋转移动性沿偏航和俯仰轴，由开环伺服单元驱动，并通过惯性运动控制器协调。通过实时运动学增强准确性的地理定位子系统使导航事件能够通过具有容错能力的Apache Kafka消息传递中间件框架在发送器和接收器之间共享。在这里，我们的系统演示了17厘米的3D地理定位精度，1.1度的平均主轴定位精度，和27.8毫秒的平均跟踪响应时间。至关重要的是，完全自主的天线对准和跟踪促进连续的测量系列，一个独特的但关键的必要性毫米波信道建模在车载网络。在NSF POWDER测试平台上沿着跨越城市和郊区的路由收集的功率延迟分布图用于涉及3GPP TR38.901和ITU-R M.2135标准的路径损耗评估。经验上，我们证明，这些模型无法准确地捕捉到28 GHz的路径损耗行为在城市树叶和郊区的无线电环境。除了通过SAGE算法的到达角的RMS方向扩展分析，我们进行信号退相干研究，其中我们推导出指数模型的空间/角度自相关系数下的距离和对齐效果。
2023-02-16 cs.RO cs.SY eess.SP
Inertial Sensing Meets Artificial Intelligence: Opportunity or Challenge?
University of Calgary（卡尔加里大学）；Wuhan University（武汉大学）；China University of Geosciences (Beijing)（中国地质大学（北京））；Beijing University of Posts and Telecommunications（北京邮电大学）
惯性导航系统（INS）被广泛应用于智能交通系统中，以提供独立的、连续的运动估计。近年来，芯片级惯性传感器的出现，将相关应用从定位、导航、移动测绘扩展到基于位置的服务、无人驾驶系统、交通大数据等。与此同时，得益于大数据的出现以及算法和计算能力的提升，人工智能（AI）已成为共识工具，并在各个领域得到成功应用。本文从传感器设计与选择、标定与误差建模、导航与运动传感算法、多传感器信息融合、系统评估和实际应用等方面综述了利用人工智能技术增强惯性传感的研究进展。本文从近300篇相关出版物中选取了30多篇具有代表性的文章，对各个方面的研究现状、优势和挑战进行了总结。最后，总结了人工智能增强惯性传感的九大优势和九大挑战，并指出了未来的研究方向。
2020-07-13 cs.AI eess.SP
Preliminary Analysis of Skywave Effects on MF DGNSS R-Mode Signals During Daytime and Nighttime
精确的定位、导航和定时（PNT）性能是当今多种技术的先决条件。在海洋环境中，很难在视觉上准确识别一个人的位置，导致安全问题。目前，PNT信息主要由全球导航卫星系统（GNSS）提供;然而，它容易受到无线电频率干扰、欺骗和电离层异常的影响。因此，需要对备份系统进行研究。测距模式（R-Mode）是一种陆地组合导航系统，正在研究用于海洋环境。R模式是一种定位技术，它集成了中频（MF）差分GNSS（DGNSS）、甚高频（VHF）自动识别系统（AIS）和增强型远程导航（eLoran）信号等地面机会信号。欧洲以前的研究表明，中频波段的信号在白天和夜间的准确性有很大差异。这种差异主要是由天波造成的。在这项研究中，从韩国忠州发射的MF DGNSS R模式信号在韩国大山和大田接收。对白天和夜间的天波效应进行了比较和研究。此外，在夜间增加R模式信号的连续波强度，以比较其对测量精度的影响。
2022-09-30 eess.SP
Integrity-Based Path Planning Strategy for Urban Autonomous Vehicular Navigation Using GPS and Cellular Signals
提出了一种基于完整性的城市环境下自主地面车辆（AGV）导航路径规划策略。假设车辆除了全球定位系统（GPS）信号之外还利用蜂窝长期演进（LTE）信号来导航。给定期望的目的地，计算最优路径，其最小化考虑水平保护水平（HPL）和行进距离两者的代价函数。约束条件是（i）具有故障信号的节点与总节点的比率低于最大允许比率，以及（ii）沿着每个候选路径的HPL低于水平警报限制（HAL）。为了在驾驶车辆之前预测故障和HPL，利用商业射线跟踪软件和三维（3D）地形和建筑物地图生成沿着候选路径的GPS和LTE伪距。模拟的伪距告知路径规划算法关于由于来自城市环境中的建筑物的反射而引起的潜在偏差。仿真结果表明，所提出的路径规划策略产生的最优路径具有最小的平均HPL的候选路径。
2020-10-13 eess.SP
Ultra-Precise Synchronization for TDoA-based Localization Using Signals of Opportunity
本文提出利用广播机会信号和基站间互相关进行低成本无线同步的软件方法，推导 MCRB 并经实测实现 200 ps、6 mHz 的同步精度。
2023-06-08 cs.DC eess.SP
Vehicular Visible Light Positioning for Collision Avoidance and Platooning: A Survey
本文综述车载可见光定位方法，提出一种性能更优的新VLP方案，并通过真实驾驶场景仿真验证其可满足防撞与编队行驶的厘米级、高于50 Hz定位需求。
2023-11-02 cs.SY eess.SP eess.SY
A Reinforcement Learning Approach for GNSS Spoofing Attack Detection of Autonomous Vehicles
The University of Alabama（阿拉巴马大学）
弹性和鲁棒的定位，导航和定时（PNT）系统是自动驾驶车辆（AV）导航的必要条件。全球导航卫星系统提供基于卫星的PNT服务。然而，假卫星可以调节真实的GNSS信号，并且可以向AV发送错误的位置信息。因此，GNSS必须具有对与PNT接收器相关的欺骗攻击进行实时检测和反馈校正的能力，从而如果最终用户（在这种情况下为自主车辆）陷入任何妥协，则其将帮助最终用户安全地导航。本文旨在使用低成本的车载传感器数据开发一种基于深度强化学习（RL）的逐向欺骗攻击检测。我们利用本田驾驶数据集创建攻击和非攻击数据集，开发深度RL模型，并评估基于RL的攻击检测模型的性能。我们发现，RL模型的准确率范围从99.99%到100%，召回值为100%。然而，精确度范围为93.44%至100%，f1评分范围为96.61%至100%。总的来说，分析表明，RL模型是有效的轮流欺骗攻击检测。
2021-08-19 cs.LG eess.SP
Satellite Navigation for the Age of Autonomy
Xona Space Systems（索纳空间系统公司）
全球导航卫星系统（GNSS）为大众带来了导航。再加上智能手机，我们手掌上的蓝点永远改变了我们与世界互动的方式。展望未来，自动驾驶汽车和空中机动性等网络物理系统正在推动包括GNSS在内的定位技术所能提供的极限。这场自动化革命需要一个解决方案，为数百万用户提供安全关键型操作、厘米定位和网络安全支持。为了满足这些需求，我们提出了一种低地球轨道（LEO）卫星导航服务，通过更快的运动，更高功率的信号来增加对干扰的鲁棒性，星座自主完整性监测的完整性，以及加密/认证来抵抗欺骗攻击。这种模式是由“新空间”运动实现的，其中高性能的卫星和部件现在是在装配线上制造的，发射成本降低了十倍以上。这种无处不在的定位服务实现了一致和安全的标准，其中可以验证和共享值得信赖的信息，将电子地平线从传感器视线扩展到整个城市。这使得真正的安全操作所需的态势感知能够支持大规模的自主性。
2020-05-19 cs.RO eess.SP
