使用激光雷达进行移动测绘--惯性导航系统为何必不可少？

本文由 OXTS 高级产品工程师 Iain Clarke 撰写，合作方包括 激光雷达新闻.Iain 是惯性导航、传感器融合和先进定位技术方面的专家。

惯性导航系统 (INS) 已成为许多现代定位工作流程的重要组成部分，尤其是在传统 GNSS 无法满足要求的情况下。本节将探讨为什么惯性导航系统是激光雷达等技术的重要辅助工具。

INS 是一种利用惯性传感器和复杂算法测量位置和运动的设备。在最基本的层面上，惯性导航系统使用一种称为 "惯性推算 "的技术，根据物体最后的已知位置以及此后的加速度和角速度测量值的积分，持续估算物体的移动情况。然而，这些惯性测量值存在微小的误差，在整合后计算速度时误差会增大，再次整合后计算位置时误差会进一步增大。为了限制误差的增长，通常会将其他传感器与惯性测量单元（IMU）结合使用。最常用的辅助传感器之一是全球导航卫星系统。

激光雷达的主要优势在于能够快速捕捉高密度、高精度的空间数据。但是，如果将激光雷达扫描仪安装在移动平台上，例如 车辆 或 飞机因此，数据的准确性取决于平台位置和方向更新的准确性。这就是高速惯性导航的用武之地。

高端 INS，如 OXTS RT3000 v4INS 可以 100 Hz（每秒 100 次）甚至 250 Hz 的速率提供导航数据，远远超过典型的纯 GNSS 解决方案，后者通常受限于较低的更新频率以及在受阻环境中的信号丢失。在使用激光雷达进行移动测绘时，位置或方向的偏差会给点云数据带来很大误差，而 INS 中的高频率、低延迟数据流则是确保精度的绝佳工具。SLAM 为确定位置和方向提供了另一种方法，但仅有 SLAM 系统，而没有 INS 的支持，目前的技术产生的点云质量较低。

要了解 INS 的工作原理，首先必须检查其核心部件。惯性导航系统依靠加速度计和陀螺仪的精确运动感应，它们共同组成了惯性测量单元（IMU）。IMU 数据由复杂的算法进行处理。INS 将原始 IMU 数据与复杂的算法相结合，计算出详细的导航数据（具体测量方法将在下文解释）。

加速计和陀螺仪

加速计和陀螺仪是构成 IMU 的传感器组件。加速计测量线性加速度，陀螺仪测量角速度或旋转速度。IMU 通常在每个测量轴（x、y、z）上各安装一个传感器，因此被称为 "6 轴 "传感器。

有多种技术可用于制造不同等级的 IMU，但使用最广泛的是 MEMS（微机电系统）。这种技术的工作原理是使用安装在硅弹簧上的微小质量块。当运动发生时，质量移动并导致质量和电极之间的电容变化，电容变化被转换为数字电信号，从而提供运动的测量值。

导航数据输出

OXTS INS 输出导航数据的标准频率为 100 Hz，也可选择 250 Hz 的高速率。所有数据都会自动记录到内部存储器中，并以极低的延迟实时输出。导航数据包括各种不同参考框架和坐标系中的时间、位置、速度、方向、加速度和角速度。除此以外，还有大量附加信息，如精度估算、质量指标、状态信息，以及一些针对特定行业的特殊测量值，如颠簸、滑移角和起伏。

随着机器人、航空航天和自主系统等行业对精确定位的需求不断增长，INS 的应用也在加速。通过在信号受限的环境中补充或替代 GNSS，INS 可通过先进的传感器融合实现精确的高频定位和定向。本节将探讨 INS 在什么情况下最为关键，以及它如何支持包括激光雷达在内的新兴技术。

使用激光雷达进行移动测绘--何时需要 INS？

独立的全球导航卫星系统可以提供高精度定位数据，但显然依赖于良好的卫星信号。此外，它的更新率相对较低，不太适合动态使用情况，而且只能提供位置和速度信息。INS 技术的加入大大增加了使用案例和功能的范围。与 IMU 的传感器融合提高了输出的弹性，这意味着它可以应对障碍物或卫星信号损失。定位数据也能以更高的速率输出，并能提供更多的全三维姿态和动态数据信息。

INS 技术在航空航天、国防、海事和测量应用领域有着悠久的历史。但近年来，它在汽车测试、机器人、无人机以及增强和虚拟现实（AR/VR）等新兴领域得到了广泛应用。

如今，一些最具创新性、进展最快的项目都是在全球导航卫星系统不可靠或不可用的环境中运行的。这些项目包括在城市峡谷、隧道、密林中使用激光雷达进行移动测绘，以及必须在室内和室外环境之间无缝导航的自主系统。在这种情况下，将 INS 与激光雷达和照相机等互补传感器相结合，可以实现复杂的传感器融合，提供更高的精度、更强的复原能力和更大的操作灵活性。

用于激光雷达的惯性导航系统

INS 与激光雷达的集成正变得越来越普遍，因为使用激光雷达的移动测绘已从传统的地理空间测量扩展到汽车测试和自动驾驶汽车开发等领域。在 INS 提高基于激光雷达的测绘的准确性和可靠性的同时，激光雷达也能增强 INS 的性能。最近发布的 OXTS 寻路器 就是一个很好的例子--它集成了一个预集成的激光雷达传感器，并采用了激光雷达助推技术（LiDAR Boost technology），该技术利用激光雷达数据在拒绝 GNSS 的环境中进行定位，大大减少甚至消除了位置漂移。这凸显了将互补技术--GNSS、INS 和 SLAM 结合起来，在各种工作条件下实现稳健而灵活的定位的价值。

INS 技术的快速发展开辟了精确导航的新领域。随着硬件变得更小、更快、更经济实惠，以及传感器融合技术变得更加复杂，INS 正被更广泛的行业和用例所使用。本节重点介绍塑造惯性导航未来的关键发展、持续挑战和新兴趋势。

INS 的最新进展

多年来，IMU 和全球导航卫星系统技术的发展使 INS 不仅仅局限于飞机和潜艇领域，还能应用于更多行业。现在，RTK 功能在全球导航卫星系统接收机上几乎无处不在，即使是入门级系统也能实现厘米级定位。而 IMU 也从正交安装的离散加速度计和陀螺仪的大块头，变成了在单个模块中集成所有 6 个传感器的微型芯片。这些传感器的微型化和成本的降低，使得在自动驾驶和机器人等新兴产业中开发具有成本效益的可行系统成为可能。

移民归化局目前的限制

采用 INS 的一个传统限制因素是成本。早在 10 多年前，许多技术的成本就高得令人望而却步，因此仅限于国防和航空航天等拥有相应预算的行业使用。随着技术的进步，商业和工业应用中的可行性和可扩展性大大提高，这种情况现已有所改变。

近年来，另一个越来越普遍的限制是要求在具有挑战性的环境中运行，包括在完全没有全球导航卫星系统的环境中运行。如果全球导航卫星系统是 INS 中限制 IMU 误差的唯一辅助源，那么如果没有全球导航卫星系统，要么很快就难以维持可用的输出，要么就必须依赖非常昂贵和笨重的 IMU 技术，如光纤或环形激光陀螺仪。

因此，先进的传感器融合变得越来越重要。与其仅仅依靠更精确的 IMU 来弥补 GNSS 的缺失，利用类似 SLAM 的方法整合其他传感器（如激光雷达或相机），可以为使用激光雷达的移动测绘提供强大的替代定位数据源。

INS 技术的发展

IMU 和全球导航卫星系统技术不断进步，伽利略等现代卫星星座提供的新信号提高了精度和完整性。同时，下一代 IMU（如基于硅光子技术和量子传感技术的 IMU）即将问世。然而，最重要的进步可能不是来自于单独挑战 GNSS 和 IMU 的极限，而是来自于扩大传感器融合的范围，以解决它们的局限性并增加冗余。这些传感器与 INS 集成后，可以创建更强大、用途更广、功能更强的导航系统，即使在不使用 GNSS 的环境中也能可靠运行。

随着自动驾驶、机器人和高精度测绘技术向日益复杂多变的环境扩展，在全球导航卫星系统失效或性能下降的条件下进行可靠定位的需求日益增长。虽然全球导航卫星系统（GNSS）在可用的情况下仍然是全球定位的重要来源，但在隧道、密集的城市地区、森林或室内却无法依赖它。为此，业界正在转向先进的传感器融合方法，将 IMU 与其他传感器（如激光雷达、摄像头和里程计）集成在一起。这些系统旨在为所有运行环境提供高精度、高可靠性的定位功能，无论全球导航卫星系统是否可用，都能确保一致的性能。