王 堅，劉 飛，韓厚增，楊 誠，袁德寶，胡 洪

(1.北京建筑大學測繪與城市空間信息學院,北京 102616; 2.中國地質(zhì)大學(北京)土地科學技術(shù)學院,北京 100083; 3.中國礦業(yè)大學(北京)地球科學與測繪工程學院,北京 100083; 4.安徽大學資源與環(huán)境工程學院, 合肥 230601)

0 引言

人工智能(Artificial Intelligence, AI)、衛(wèi)星導航及室內(nèi)定位三大技術(shù)的快速發(fā)展持續(xù)推動測繪科技向智能化、學科交叉、信息融合的方向發(fā)展[1-2]。2018年4月，教育部出臺《高等學校人工智能創(chuàng)新行動計劃》，旨在優(yōu)化布局高?？萍紕?chuàng)新體系和學科體系，在新一代人工智能基礎理論和關(guān)鍵技術(shù)研究等方面取得新突破。2020年6月，我國成功發(fā)射北斗系統(tǒng)第55顆導航衛(wèi)星，北斗系統(tǒng)星座部署提前半年全面完成，將全面進入應用推廣階段。2020年5月，中國衛(wèi)星導航定位協(xié)會發(fā)布的《中國衛(wèi)星導航與位置服務產(chǎn)業(yè)發(fā)展白皮書》顯示，基于室內(nèi)定位與衛(wèi)星導航的室內(nèi)外一體化融合定位技術(shù)的突破與應用是位置服務大眾應用市場未來發(fā)展的關(guān)鍵，室內(nèi)定位、5G、物聯(lián)網(wǎng)等技術(shù)的融合將成為拓展位置服務應用的主要解決方案，目前已形成室內(nèi)外一體化高精度無縫定位體系，定位精度可達分米級，甚至厘米級[3-4]。

在國家戰(zhàn)略與市場化的雙重推動下，測繪科技的基礎理論、關(guān)鍵技術(shù)及儀器裝備都發(fā)生了變革，測繪的內(nèi)涵與外延出現(xiàn)了巨大變化。智能化背景下，測繪學科與導航學科的交叉融合形成了測繪導航方向，并得到了蓬勃發(fā)展[5]。高精度定位理論、算法及智能硬件成為測繪導航方向的基礎支撐，應用場景可分為傳統(tǒng)變形監(jiān)測、施工放樣、自然資源調(diào)查等低動態(tài)場景，無人駕駛、航空導航、武器制導[6]等高動態(tài)場景,以及火災、地震等低動態(tài)和高動態(tài)混合定位場景[7]，詳細情況如圖1所示。

圖1 測繪導航方向主要內(nèi)容Fig.1 Main contents of surveying and mapping navigation direction

本文從測繪導航高精度定位基本形態(tài)、智能濾波定位模型、測繪導航定位模組等關(guān)鍵技術(shù)，以及無縫組網(wǎng)定位應用、車載導航定位應用、變形監(jiān)測應用3個解決方案進行闡述，介紹了測繪導航高精度定位的關(guān)鍵技術(shù)及應用基本情況。

1 測繪導航基本形態(tài)

1.1 測繪導航裝備虛擬化

圖2 測繪導航裝備向云端虛擬方向轉(zhuǎn)變Fig.2 Transformation of surveying and mapping navigation equipment to cloud and virtualization

如圖2所示，隨著北斗衛(wèi)星導航系統(tǒng)(BeiDou Navigation Satellite System，BDS)/全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System，GNSS)多模接收機、AI定位芯片以及嵌入式導航定位模組等技術(shù)與裝備的快速發(fā)展，出現(xiàn)了GNSS、慣性、視覺、激光雷達等多種類型的導航與定位傳感器，促使測繪導航裝備形態(tài)發(fā)生了變化。在大數(shù)據(jù)、物聯(lián)網(wǎng)、邊緣計算和云計算等技術(shù)的推動下，測繪導航裝備逐漸朝著云端虛擬化方向發(fā)展。在工程實踐中，可以實時在線預處理前端測繪導航硬件采集的數(shù)據(jù)，或通過物聯(lián)網(wǎng)傳輸至云端平臺進行遠程在線解算，為用戶提供高精度、實時定位與位置服務信息。導航裝備發(fā)展呈現(xiàn)出高智能、高精度、高自動化和高抗干擾的特點，最終催生了測繪導航裝備云端虛擬化發(fā)展的新業(yè)態(tài)。

1.2 測繪導航數(shù)據(jù)處理多樣化

如圖3所示，傳統(tǒng)測繪數(shù)據(jù)處理主要是外業(yè)測量—內(nèi)業(yè)處理模式，通常表現(xiàn)為事后解算、人工處理、計算器計算和單線程計算等。隨著深度學習、AI、分布式計算等先進計算技術(shù)的使用，傳統(tǒng)的數(shù)據(jù)處理模式逐漸向著云端實時處理、機器智能處理、邊緣計算和分布式計算的方向發(fā)展，呈現(xiàn)出了較高的現(xiàn)勢性、成效性、時效性和智能化水平。

圖3 測繪導航數(shù)據(jù)處理模式的轉(zhuǎn)變Fig.3 Transformation of surveying and mapping navigation data processing mode

2 智能濾波定位模型

2.1 Kalman濾波模型

Kalman濾波(Kalman Filter，KF)理論是測繪導航領(lǐng)域應用最廣、使用最成熟的濾波模型，在產(chǎn)品制造中應用廣泛。KF基于最小均方誤差原則，對線性系統(tǒng)的狀態(tài)參數(shù)進行最優(yōu)估計，其流程如圖4所示。KF主要通過狀態(tài)預測與狀態(tài)更新2個過程對系統(tǒng)的狀態(tài)參數(shù)進行估計。狀態(tài)預測過程主要是利用上一解算歷元的狀態(tài)參數(shù)、方差和系統(tǒng)的動力學模型對當前歷元的系統(tǒng)狀態(tài)參數(shù)進行預測，然后使用濾波增益方程和狀態(tài)更新方程對預測的系統(tǒng)狀態(tài)參數(shù)進行優(yōu)化更新，以提高系統(tǒng)狀態(tài)參數(shù)的估計精度。KF算法顧及了上一解算歷元的信息，并將其作為狀態(tài)參數(shù)當前歷元的先驗信息，所以定位精度比僅考慮單歷元定位信息的傳統(tǒng)最小二乘法更優(yōu)[8-9]。

圖4 Kalman濾波算法流程Fig.4 Flow architecture of Kalman filter algorithm

標準KF是基于運動模型解決簡單線性定位問題[10]，而針對非線性和復雜線性問題常采用擴展Kalman濾波(Extended Kalman Filter，EKF)、無跡Kalman濾波(Unscented Kalman Filter，UKF)、容積Kalman濾波(Cubature Kalman Filter，CKF)和粒子濾波(Particle Filter，PF)等。EKF采用一階泰勒級數(shù)對非線性函數(shù)進行展開，進而滿足標準KF的線性函數(shù)模型要求。UKF和CKF屬于Sigma Kalman濾波，都采用有限樣本點，在高斯分布的基礎上，對狀態(tài)參數(shù)的高斯分布進行擬合。PF基于貝葉斯理論和蒙特卡羅算法，采用樣本點對狀態(tài)參數(shù)的后驗分布進行估計，回避了狀態(tài)參數(shù)高斯分布的假設，可以逼近最優(yōu)估計。表1描述了各種KF方法解決的問題和實現(xiàn)途徑。

表1 Kalman濾波適用范圍

若觀測值和參數(shù)預報值均服從正態(tài)分布，KF能給出狀態(tài)參數(shù)的可靠解。但當觀測值受到異常污染或動力學模型擾動引起的預報狀態(tài)參數(shù)異常時，KF解將受到嚴重歪曲。傳統(tǒng)算法采用Sage-Husa自適應濾波和有限記憶濾波等，通過降低異常觀測或異常預報狀態(tài)參數(shù)來提高抗差性能[11]。針對同時出現(xiàn)觀測異常和動力學模型擾動的情況，楊元喜院士建立了一種新的自適應抗差濾波理論，應用抗差權(quán)與自適應因子分別進行異常值觀測及動力學模型誤差的調(diào)節(jié)，從而得到了平滑的定位結(jié)果；并先后構(gòu)建了四種動力學模型誤差學習統(tǒng)計量和四種自適應因子，具體見文獻[12]。

在復雜環(huán)境中，由于觀測模型或動力學模型存在較大的非線性，使用泰勒級數(shù)展開的EKF會引入較大的非線性誤差，使用UKF或CKF能夠有效提高系統(tǒng)的狀態(tài)參數(shù)估計精度。Yang等[13]針對UKF的動力學模型擾動，構(gòu)建了新的極值函數(shù)，提出了基于自適應因子的自適應無跡Kalman濾波(Adaptive Unscented Kalman Filter，AUKF)，并進一步構(gòu)建了基于抗差因子的自適應抗差無跡Kal-man濾波來處理動力學模型擾動和觀測異常[14]。在室內(nèi)超寬帶(Ultra Wide Band，UWB)定位中，由于傳統(tǒng)的非線性濾波無法對觀測粗差進行抑制，使用抗差非線性Kalman濾波可以有效地提高室內(nèi)定位精度[15]。

針對組合導航的函數(shù)模型高非線性問題，PF也被廣泛應用于對組合導航系統(tǒng)狀態(tài)參數(shù)的估計。PF的估計精度在一定程度上取決于重要性密度函數(shù)(Importance Density Function，IDF)和粒子的數(shù)目。PF的重采樣過程中，會造成粒子退化和枯竭問題，結(jié)合模擬退火算法可以有效解決粒子退化問題[16]。

2.2 智能濾波定位模型

圖5 基于神經(jīng)網(wǎng)絡的GNSS/INS智能融合定位模型Fig.5 GNSS/INS intelligent fusion location model based on neural network

KF模型一般采用時不變的模型參數(shù)，在實際狀態(tài)中，與神經(jīng)網(wǎng)絡等智能模型結(jié)合，可建立更加符合實際的動態(tài)模型，并形成智能融合模型。慣性傳感器的零偏誤差存在隨時間漂移的問題，導致誤差模型無法準確地對傳感器誤差進行估計[17]。因此，需要對誤差模型的參數(shù)進行實時調(diào)整，以便對傳感器的誤差進行準確估計。針對GNSS與慣性測量單元(Inertial Measurement Unit，IMU)組合導航系統(tǒng)中，衛(wèi)星系統(tǒng)受到遮蔽，IMU獨立工作精度降低較快的問題，可以通過神經(jīng)網(wǎng)絡在GNSS信號完好時對導航系統(tǒng)的誤差進行學習；在衛(wèi)星信號受到遮蔽的情況下，對導航系統(tǒng)誤差進行估計和補償，以提高導航定位精度[18]。如圖5所示，神經(jīng)網(wǎng)絡和KF融合構(gòu)成慣性導航系統(tǒng)(Inertial Naviga-tion System，INS)/全球定位系統(tǒng)(Global Positio-ning System，GPS)集成智能定位模型。GNSS可用時，采用深度學習對INS定位的非線性誤差進行建模；GNSS失鎖后，神經(jīng)網(wǎng)絡可以預測INS定位的非線性誤差，從而提高定位精度。然而，GNSS與INS的組合仍然存在傳感器自身的局限性。在面對無人駕駛的挑戰(zhàn)中，復雜環(huán)境下長時間連續(xù)可靠的導航定位對定位精度和可靠性提出了更高的要求。在目前主流的GNSS與INS組合導航的基礎上，需要對周邊的場景進行感知，并提供冗余的導航信息。因此，需要使用不同的傳感器獲取不同的導航信息，例如影像傳感器和雷達傳感器等。進一步，亦可通過深度學習技術(shù)與傳統(tǒng)濾波算法相結(jié)合，對載體周邊環(huán)境進行感知、分類和提取，充分挖掘不同傳感器多元異構(gòu)數(shù)據(jù)間的有效信息，對傳感器數(shù)據(jù)本質(zhì)進行精確描述，從而提高誤差模型的準確性，促進導航系統(tǒng)的智能化。智能定位模型在無人駕駛云定位和智能測繪儀器終端等領(lǐng)域?qū)@得廣泛應用，AI芯片也將成為相關(guān)產(chǎn)品的核心組成部件[19]。

3 測繪導航定位模組關(guān)鍵技術(shù)

3.1 模組研制技術(shù)流程

模組是進行測繪導航產(chǎn)品二次開發(fā)的關(guān)鍵零部件之一，具備相對獨立的功能，可以嵌入到無人駕駛智能終端、機器人導航終端及武器終端等各類設備中。隨著導航與位置服務產(chǎn)業(yè)的發(fā)展，測繪導航模組將在各個領(lǐng)域得到廣泛應用。定位模組研制技術(shù)是高精度定位應用的重要支撐。圖6描述了車載導航模組研發(fā)的主要流程，大致可分為印制電路板(Printed Circuit Board，PCB)設計、制板、模組測試和模組量產(chǎn)4個階段。

圖6 定位模組研發(fā)技術(shù)流程Fig.6 Technical flow of positioning module research and development

3.2 嵌入式效率優(yōu)化

模組的嵌入式固件屬于資源受限系統(tǒng)，計算效率的提高是一個關(guān)鍵問題。嵌入式效率優(yōu)化通常有替換算法，如選擇快速排序方法；匯編法，對關(guān)鍵部分進行改寫，以提高運算速度；空間換時間法，如在設計數(shù)據(jù)結(jié)構(gòu)時，為了減少協(xié)議數(shù)據(jù)結(jié)構(gòu)的循環(huán)延時，對數(shù)據(jù)結(jié)構(gòu)的層次關(guān)系進行擴展，采用內(nèi)存空間來換取時間；避免遞歸法，盡量不使用遞歸；采用內(nèi)存池減少頻繁的小對象的分配和釋放等方法。

除了采用以上嵌入式效率優(yōu)化途徑外，在測繪導航模組研制過程中，本文提出了圖7所示的三項技術(shù)用于提高模組的整體性能：第一是原始信息同步采集與延時補償，通過建立多源傳感器時間同步誤差估計和補償模型，構(gòu)建融合時間補償參數(shù)的狀態(tài)方程，提高GNSS/INS傳感器時鐘精確匹配的穩(wěn)健性，實現(xiàn)匹配精度優(yōu)于1μs；第二是自適應定位算法代碼穩(wěn)健性，通過研制自適應定位理論模型與算法，按MISRA C編程規(guī)范標準編寫穩(wěn)健代碼，實現(xiàn)分米級-厘米級-毫米級多層次、高精度的GNSS/INS導航模組開發(fā)；第三是嵌入式固件高效解算，采用序貫更新策略，時間片輪轉(zhuǎn)、優(yōu)先級搶占、共同語句結(jié)構(gòu)協(xié)作等多線程機制，達到時間分片的目的，降低嵌入式平臺的資源消耗，實現(xiàn)固件高效解算。

圖7 嵌入式固件高效解算Fig.7 Efficient solution of embedded firmware

3.3 高精度定位模組

基于上述技術(shù)，研制覆蓋分米、厘米及毫米級定位精度的無縫定位模組、車載導航模組及變形監(jiān)測模組，如圖8所示。開發(fā)相應的定位終端，并給出了各自應用的解決方案，進行應用推廣。下文將重點介紹系列模組在不同場景中的應用情況。

圖8 分米/厘米/毫米級無縫定位模組Fig.8 Decimeter/centimeter/millimeter positioning module

4 無縫組網(wǎng)定位應用

無縫定位是指通過室外定位技術(shù)和室內(nèi)定位技術(shù)相結(jié)合的方式解決室內(nèi)外高精度定位和無縫銜接的問題，是國際領(lǐng)域研究前沿，在國內(nèi)外得到了極大的重視和發(fā)展。例如中國提出了羲和計劃、美國部署了洞悉戰(zhàn)場計劃和下一代911項目、歐盟開展了伽利略本地技術(shù)計劃等。隨著北斗等全球四大衛(wèi)星導航定位系統(tǒng)全部在線運行，在室外環(huán)境下可以提供實時、全天候、全球性的高精度導航信息，能夠滿足多領(lǐng)域的應用需求。在室內(nèi)雖然有WIFI、UWB、射頻(Radio Frequency，RF)、藍牙等多種技術(shù)手段可以實現(xiàn)米級精度定位，但是高精度室內(nèi)目標定位問題仍然極具挑戰(zhàn)性。

GNSS/UWB融合無縫定位技術(shù)是比較常見的高精度無縫定位解決方案，在機器人導航、無人駕駛導航、工廠倉庫物料調(diào)度、監(jiān)獄服刑人員監(jiān)控、應急救援力量監(jiān)控等多類場景得到廣泛應用。

4.1 無縫組網(wǎng)定位解決方案

首先，在建筑物的安全通道、窗戶等與室內(nèi)通視的地方布設GNSS/UWB設備，構(gòu)建區(qū)域定位基準，用于將GNSS定位基準傳遞到室內(nèi)。其次，在過渡區(qū)域且與室內(nèi)外通視的區(qū)域布設UWB設備，測量自身到基站的距離并傳輸至服務系統(tǒng)，服務系統(tǒng)通過邊長交會算法確定該點坐標，以此類推，自動獲得3個以上的UWB點位坐標。在室內(nèi)定位基準構(gòu)建時，首先，按照一定的規(guī)則將這些設備放在走廊和房間里；然后，第一個錨點位置上的UWB設備測量該點與過渡區(qū)域內(nèi)至少3個錨點的距離，將其傳輸至云平臺，利用云平臺計算出近似坐標，并通過測邊網(wǎng)平差方法對室內(nèi)UWB網(wǎng)絡進行平差處理，以提高網(wǎng)絡精度[20]；最后，救援人員攜帶UWB標簽進入室內(nèi)，通過測量與周圍基站的距離信息，并傳輸至云平臺，實現(xiàn)自身高精度定位。該技術(shù)能快速實現(xiàn)GNSS信號遮蔽/半遮蔽區(qū)域的坐標基準建立和高精度定位，解決火災救援應急定位、綜采面人員安全定位、智能建造無縫位置服務等問題。詳細過程如圖9所示。

圖9 室內(nèi)外無縫定位解決方案Fig.9 Seamless indoor and outdoor positioning solution

4.2 無縫組網(wǎng)定位終端

圖10(a)是UWB組網(wǎng)基站，支持4G通信，支持標簽和基站兩種工作模式(自動/手動切換)，可實現(xiàn)分米級精度定位。圖10(b)是GNSS/UWB組網(wǎng)基站, 支持4G通信，支持GNSS、UWB、GNSS/UWB三種工作模式(自動/手動切換)，適應室內(nèi)外一體化定位環(huán)境(室外GNSS模式、過渡區(qū)GNSS/UWB模式、室內(nèi)UWB模式)。

(a)UWB組網(wǎng)基站

(b)GNSS/UWB組網(wǎng)基站圖10 應急組網(wǎng)定位裝備Fig.10 Emergency networking positioning equipment

4.3 無縫組網(wǎng)定位案例

模擬某大樓發(fā)生火災、斷電場景。原有定位基站無法工作，煙霧導致救援人員無法區(qū)分方向，需要室內(nèi)外無縫定位提供位置服務。圖11(a)是模擬火場，由大樓入口、大廳、走廊和實驗室等組成，長60余米(X軸)，寬10余米。圖11(b)是消防員由室外進入室內(nèi)攜帶并布設的GNSS/UWB、UWB組網(wǎng)設備。圖11(c)是組網(wǎng)臨時坐標基準建立后實現(xiàn)的消防員定位軌跡和定位誤差，其中，藍色軌跡點是魯棒擴展Kalman濾波定位算法解算的移動軌跡，與黑色實線表示的真實軌跡基本一致，計算結(jié)果表明平面定位誤差約為0.37m，且90%的點位誤差小于0.5m。因此，該無縫定位技術(shù)和方案能實現(xiàn)分米級精度人員定位，滿足室內(nèi)外無縫應急定位的重大導航需求。

(a)模擬火場大樓

(b)組網(wǎng)設備布設

(c)無縫定位軌跡及定位誤差圖11 火場無縫定位模擬實驗Fig.11 Simulation experiment of seamless location in fire scene

5 車載導航定位應用

5.1 高精度無人駕駛導航解決方案

圖12 高精度無人駕駛導航云方案Fig.12 High precision unmanned navigation cloud scheme

圖12給出了本文采用的高精度無人駕駛云導航解決方案。基于GNSS基準站，無人駕駛車采集GNSS數(shù)據(jù)、IMU數(shù)據(jù)和里程計數(shù)據(jù)，并實時傳輸至云端進行計算，輸出計算結(jié)果輔助無人駕駛。提前在云端布設高精度GNSS RTK/INS/Odometer的多源異構(gòu)數(shù)據(jù)融合定位算法，具有實時性、高精度、高可靠和低成本的特點。

5.2 車載導航定位終端

圖13所示為車載導航終端(INAV2.0)，能實現(xiàn)實時動態(tài)(Real-Time Kinematic, RTK)模式定位精度2cm+基線距離×1×10-6、姿態(tài)測量精度0.01°和航向角測量精度0.02°。該裝備可為車輛提供厘米級定位定向數(shù)據(jù)。

圖13 iNAV2.0組合導航模塊Fig.13 iNAV2.0 integrated navigation module

5.3 無人駕駛導航定位案例

在開闊環(huán)境、樓宇遮擋、樹木遮蔽、高架橋環(huán)境和城市隧道5種城市環(huán)境開展了600km測試?；贕NSS RTK/INS/Odometer的無人駕駛導航測試如圖14所示，不同GNSS信號遮蔽程度下無人駕駛導航偏差不同：遮蔽越嚴重，偏差越大。以高精度GNSS與光纖IMU組合導航系統(tǒng)作為參考，對上述環(huán)境下的定位精度進行評價，具體導航位置均方根誤差見表2：開闊環(huán)境下平面均方根誤差為毫米級，高程1.4cm；樓宇遮擋環(huán)境下，平面均方根誤差為2cm，高程3.3cm；高架橋環(huán)境下，普通GNSS無法產(chǎn)生有效定位數(shù)據(jù)，但GNSS RTK/INS/Odometer組合導航平面定位精度可達0.2m，具有良好效果；城市隧道環(huán)境下，僅依靠INS/Odometer融合定位，30s內(nèi)定位精度優(yōu)于0.4m、1min內(nèi)定位精度約1m、2min內(nèi)優(yōu)于2m。

圖14 測試環(huán)境Fig.14 Test environment

表2 不同測試環(huán)境下無人駕駛導航位置均方根誤差

6 變形監(jiān)測應用

6.1 變形監(jiān)測云解決方案

變形監(jiān)測云解決方案主要包括高精度GNSS/MEMS IMU監(jiān)測終端和光纖光柵應力傳感器等構(gòu)成的數(shù)據(jù)采集系統(tǒng)、4G/5G/WIFI構(gòu)成的數(shù)據(jù)傳輸系統(tǒng)、基于云計算的數(shù)據(jù)處理系統(tǒng)和手機等移動終端構(gòu)成的用戶服務系統(tǒng)。該方案流程是采集多源異構(gòu)數(shù)據(jù)，通過數(shù)據(jù)傳輸系統(tǒng)實時發(fā)送至云端數(shù)據(jù)處理系統(tǒng)進行計算與安全評估，最后將變形監(jiān)測結(jié)果實時發(fā)送至用戶服務系統(tǒng)。詳細情況如圖15所示。

該方案集成了BDS/GNSS/MEMS IMU高精度融合數(shù)據(jù)處理模型、邊緣計算和云計算的優(yōu)勢，具有高精度、低延遲、全天候、常態(tài)化實時監(jiān)測的特點，能解決滑坡、橋梁等構(gòu)筑物變形體/震動體的智能監(jiān)測與快速預警問題。

圖15 變形監(jiān)測云端解決方案Fig.15 Cloud solution for deformation monitoring

6.2 變形監(jiān)測軟硬系統(tǒng)終端

圖16所示為高精度GNSS/MEMS IMU監(jiān)測硬件終端，體積小、質(zhì)量小、易于安裝與攜帶，能夠?qū)崟r在線數(shù)據(jù)傳輸，并兼容BDS/GPS/GLONASS/GALILEO四系統(tǒng)導航定位信號。它集成了BDS/GNSS/MEMS IMU多系統(tǒng)數(shù)據(jù)采集處理，實現(xiàn)了多源異構(gòu)數(shù)據(jù)云在線緊耦合毫米級高精度定位服務。

圖16 高精度GNSS/MEMS IMU監(jiān)測硬件終端Fig.16 High precision GNSS/MEMS IMU monitoring terminal

圖17所示為高精度變形監(jiān)測軟件系統(tǒng)，圖17(a)是軟件登錄界面，圖17(b)是軟件監(jiān)測界面，實時監(jiān)測衛(wèi)星星空圖、信噪比、接收衛(wèi)星數(shù)量和DOP值等信息，以及東北天三維形變量和累計位移變化。

(a)軟件登錄界面

(b) 軟件監(jiān)測界面圖17 高精度變形監(jiān)測軟件系統(tǒng)Fig.17 High precision deformation monitoring software system

6.3 變形監(jiān)測應用案例

高速公路等邊坡地形陡峭，地基土層松軟、巖石風化，滑坡風險系數(shù)高。圖18所示為山西省呂梁某高速公路施工沿線邊坡滑坡變形監(jiān)測與預警系統(tǒng)的監(jiān)測位置、監(jiān)測站設備安裝和監(jiān)測軟件系統(tǒng)。

(a)滑坡監(jiān)測區(qū)域位置

(b)邊坡地形與監(jiān)測設備安裝

(c)變形累計位移量

(d)東北天變形量實時監(jiān)測圖18 滑坡變形監(jiān)測與預警Fig.18 Landslide deformation monitoring and early warning

某監(jiān)測站點24h連續(xù)監(jiān)測東北天三維累計變形量位移分別為：E-0.01mm，N-0.08mm，U-0.32mm；24h連續(xù)監(jiān)測東北天形變標準差分別為：E-1.92mm，N-2.81mm，U-5.83mm。

7 結(jié)論

高精度定位催生了測繪導航研究領(lǐng)域，拓展了測繪學科的內(nèi)涵與外延。本文重點研究了高精度定位關(guān)鍵技術(shù)及其應用，形成了以下結(jié)論：

1)測繪導航裝備呈現(xiàn)出高智能、高精度、高自動化和高抗干擾的特點；數(shù)據(jù)處理呈現(xiàn)出了較高的時效性和智能化水平，測繪導航裝備虛擬化與數(shù)據(jù)處理多樣化將成為測繪導航的基本形態(tài)。

2)智能定位模型在多傳感器融合和復雜場景下定位具有較大優(yōu)勢，未來將會在無人駕駛定位和智能測繪儀器終端研制等領(lǐng)域獲得廣泛應用。

3)基于GNSS/UWB的無縫組網(wǎng)定位技術(shù)，能夠快速實現(xiàn)GNSS信號遮蔽/半遮蔽區(qū)域的坐標基準建立和高精度定位，解決火災救援應急定位、綜采面人員安全定位、智能建造無縫位置服務等問題。

4)本文提出的GNSS RTK/INS/Odometer技術(shù)可以在樓宇遮擋、樹木遮蔽、高架橋環(huán)境和城市隧道等城市環(huán)境下獲得較好的定位效果。

5)變形監(jiān)測系統(tǒng)可實現(xiàn)毫米級定位精度，能夠解決滑坡、橋梁等構(gòu)筑物變形體/震動體的智能監(jiān)測與快速預警問題。隨著智能濾波算法和定位模組生產(chǎn)工藝的不斷發(fā)展，高智能、高精度的定位終端研制將會不斷取得突破。