利用 OXTS LIO 改进旧金山的导航数据

此行的目的是测试新型 RT3000 v4 惯性导航系统（INS）的性能，以及使用 OXTS 激光雷达惯性测距仪（LIO）改进导航数据的效果。

RT3000 v4 是 OXTS 最新的 GNSS/INS 技术。它将我们最新的 IMU10 技术与勘测级 GNSS 接收器相结合，可输出厘米级的定位精度。OXTS LIO 是 OXTS 最新的软件创新，它使用激光雷达来限制城市峡谷中的位置漂移。

旧金山是自动驾驶汽车测试的标准试验场之一。它将宽阔的郊区街道、极度倾斜的斜坡、城市峡谷、隧道和乡村山路独特地结合在一起，成为传统上依赖全球导航卫星系统的导航技术的绝佳测试场地。

在测试过程中，团队使用了以下设备：一台 OXTS INS 设备（RT3000 v4）和一台激光雷达（Hesai XT32）。使用 LIO 的设备物理设置并无其他特别之处，与其他 INS/LiDAR 配置相同。OXTS LIO 算法对导航数据进行优化，并在后处理中运行。

在测试过程中，团队目睹了在一些传统的困难环境中导航性能的显著提高。下面的例子就说明了这一点：

斯通斯敦多层停车场

多层停车场内没有全球导航卫星系统。传统上，这意味着高精度移动测绘和导航相关项目 "禁止 "进入这些区域。这是因为在不到一分钟的时间内，导航设备的轨迹就会产生几米的位置误差，从而导致数据失效。在大多数情况下，必须使用昂贵、耗时的静态制图。

但是，使用 LIO 和 RT3000 v4 后，该区域就变成了项目的另一部分，无需采取特别措施。如下图所示，RT3000 v4 对轨迹进行了很好的处理，而 OXTS LIO 则进一步限制了位置漂移，从而提高了导航输出。

配备 OXTS LIO 的 RT3000 v4 不仅能提高导航性能，还能提高点云精度。由于导航数据的改进，产生的点云不再模糊不清、重影重重，而是像勘测的其他部分一样清晰明了。

在城市环境中收集精确的导航数据时，最大的挑战之一就是全局框架的精确性和一致性。旧金山市中心区面临着各种可能的挑战，包括隧道、高层建筑、反光表面、狭窄街道、极端坡度和高空物体。对全球导航卫星系统的持续干扰使其成为自动驾驶应用和移动制图的强大测试工具。

在这种情况下，不仅是断断续续的全球导航卫星系统更新和 IMU 漂移会造成位置误差，反射面也会带来多路径误差的巨大风险，其中卫星信号会从建筑物上反射下来，造成较大的位置误差。这可能会使 INS 的轨迹变得不稳定和不可预测。

在测试过程中，RT3000 v4 本身非常精确，但与 OXTS LIO 配合使用时，几乎可以做到天衣无缝。OXTS LIO 使 INS 在城市中保持稳定一致的路径，从而能够过滤掉所有多路径信号。

这样得到的点云精确度始终保持在厘米级，没有任何区域需要重新勘测：

与多层停车场一样，隧道阻挡了全球导航卫星系统信号的进入。这意味着，传统的隧道勘测虽然精确，但只是相对而言，勘测点的全球坐标位置与实际情况会有很大差异，但几乎没有办法验证这一点。然而，RT3000 v4 和 OXTS LIO 的结合使用，可以将轨迹保持在更高精度的轨道上，不仅提高了隧道点云图像的清晰度，还改善了其地理坐标。