测绘学报

测绘遥感能为智能驾驶做什么？

李德仁, 洪勇, 王密, 唐炉亮, 陈亮

2021, 50(11): 1421-1431. doi:10.11947/j.AGCS.2021.20210280

摘要 ( )

HTML ( )

PDF (2561KB) ( )

参考文献 | 相关文章 | 多维度评价

从自动驾驶汽车到智能汽车，再到智能网联汽车，智能驾驶汽车技术及产业的快速发展，测绘与遥感技术起到了重要的支撑作用。本文首先介绍了国内外智能驾驶汽车的进展及其与常规汽车的区别，基于科学技术发展3次重要浪潮的视角，对比分析和归纳了自动驾驶与测绘遥感的发展历程及其核心技术驱动力。然后从顶层规划与政策环境、环境感知与计算决策车辆关键技术、高精地图与导航定位基础支撑关键技术、车路协同信息交互关键技术4个方面，对智能驾驶汽车的关键技术进行了介绍。以星基导航增强、高精度位置和姿态测量、多源融合感知等多项导航定位先进技术成果为实例，论证了测绘导航赋能单车智能驾驶；通过介绍移动测量与众包高精地图制作技术，阐述了测绘遥感对智能驾驶的关键支撑作用；以天基信息实时服务系统（PNTRC）建设为例，描述了测绘遥感未来将服务智能网联汽车“人-车-路-云”的发展趋势。最后总结分析了智能驾驶发展尚需解决的问题以及测绘遥感近期需要应对的挑战。

通用化高精地图数据模型

张攀, 刘经南

2021, 50(11): 1432-1446. doi:10.11947/j.AGCS.2021.20210254

摘要 ( )

HTML ( )

PDF (13795KB) ( )

参考文献 | 相关文章 | 多维度评价

高精地图逐渐成为自动驾驶不可或缺的组成部分，但是其数据模型和表达方式尚未形成统一标准，特别是在生产制作和数据交换阶段，缺乏具备通用性和大规模应用能力的数据模型。针对这一问题，本文分析了当前主流高精地图数据模型NDS、OpenDRIVE和lanelet的优缺点，提出了一种通用化的高精地图数据模型Whu map model。车道模型方面，采用车道组为数据管理单元，由同一路段上的一个或者多个车道组成。车道由车道的左边界线、右边界线、车道中心线、车道属性构成。通过多种常见车道数变化场景下的车道拓扑构建，验证了该模型在表达上的有效性和稳健性。交通标志物模型方面，定义了地面标志物和交通标志牌，分别表达形状、类型、语义以及与道路、车道的关联关系等内容。通过大规模数据制作、NDS和OpenDRIVE格式编译，以及基于ADASIS V3协议的电子地平线应用试验，验证了Whu map model模型的实用性和有效性。Whu map model可以作为通用的交换规格，也可以应用到高精地图生产制作的各个阶段，同时向下兼容、易于扩展，有助于实现高精地图数据模型标准化，从而推进高精地图的规模化生产和应用。

多智能体协同高精地图构建关键技术研究

陈龙, 刘坤华, 周宝定, 李清泉

2021, 50(11): 1447-1456. doi:10.11947/j.AGCS.2021.20210259

摘要 ( )

HTML ( )

PDF (3932KB) ( )

参考文献 | 相关文章 | 多维度评价

自动驾驶车辆的自动化驾驶程度越高，对高精地图的要求越高。智能化的高精地图能够为L5级别自动驾驶车辆提供所需地图数据，是未来高精地图发展的重要方向。基于目前高精地图的构建方法，本文首先提出多智能体协同高精地图构建的定义，分析其构建框架。然后，对多智能体数据采集路径规划、多源异构一体化数据融合与表达、道路场景认知、智能高精地图融合、智能高精地图更新等关键技术进行了研究，提出了可行的技术方案。最后，分析了其未来构建过程中存在的挑战。

深空探测车环境感知与导航定位技术进展与展望

邸凯昌, 王镓, 邢琰, 刘召芹, 万文辉, 彭嫚, 王晔昕, 刘斌, 于天一, 李立春, 刘传凯

2021, 50(11): 1457-1468. doi:10.11947/j.AGCS.2021.20210290

摘要 ( )

HTML ( )

PDF (6312KB) ( )

参考文献 | 相关文章 | 多维度评价

环境感知与导航定位是深空探测车自动驾驶的核心技术，由于深空环境的特殊性，深空探测车的环境感知与导航定位与地球上汽车自动驾驶的相应技术相比面临独特的挑战。本文从实际工程应用和科研进展两个角度总结了深空探测车环境感知、视觉定位、路径规划等关键技术的进展，并对未来深空探测车智能感知与长距离导航定位等发展方向进行了探讨与展望。

基于低频GNSS轨迹的转向级城市交通信息精细预测

方孟元, 唐炉亮, 杨雪, 胡淳

2021, 50(11): 1469-1477. doi:10.11947/j.AGCS.2021.20210252

摘要 ( )

HTML ( )

PDF (4393KB) ( )

参考文献 | 相关文章 | 多维度评价

利用浮动车GNSS轨迹数据可以实时获取和预测城市交通状态，且覆盖范围广、部署成本低，对自动驾驶路线决策、交通拥堵治理具有重要的支撑作用。现阶段，利用浮动车GNSS轨迹数据预测的信息仅包含路段上的交通速度、状态，而忽略了交叉口内不同行驶方向上的交通流差异；且交通信息准确性受到GNSS采样频率的限制。本文提出一种基于图卷积网络和低频GNSS轨迹数据的转向级交通预测方法：首先，顾及轨迹点间车辆运动模式提出一种排队起始点估计模型；然后，基于对偶图理论构建转向连通关系的图结构；最后，基于图卷积网络提出一种顾及转向时空模式的交通预测模型。试验结果显示，本文方法能准确地获取和预测转向级交通速度、排队长度信息，交通预测准确性全面优于基准方法。

语素关联约束的动态环境视觉定位优化

邵晓航, 吴杭彬, 刘春, 陈晨, 蔡天池, 程帆瑾

2021, 50(11): 1478-1486. doi:10.11947/j.AGCS.2021.20210308

摘要 ( )

HTML ( )

PDF (14291KB) ( )

参考文献 | 相关文章 | 多维度评价

在自动驾驶场景中，视觉相机能够实现低成本的定位与环境感知，但是场景中的动态目标会影响视觉定位的轨迹。对此，本文提出了语素关联约束的动态环境视觉定位优化方法。首先，利用目标检测和语义分割提取环境中的语义实体；然后，通过语素关联模型识别出动态语素；最后，建立动态语素的特征掩膜，用于特征匹配过程中的动态目标特征点过滤，从而提高视觉定位效果。本文基于视觉机器人平台在校园道路开展了试验，发现了动态目标通过关键点影响视觉定位结果的规律——在转弯时或者目标在视野中横向移动时影响较大。试验结果表明，本文方法的动态语义要素识别的平均精度F₁约为87%，并且在语素关联优化前后，局部区域最大轨迹距离差为2.463 m，与真值对比RMSE降低了38%。

面向点云退化的隧道环境的无人车激光SLAM方法

李帅鑫, 李九人, 田滨, 陈龙, 王力, 李广云

2021, 50(11): 1487-1499. doi:10.11947/j.AGCS.2021.20210248

摘要 ( )

HTML ( )

PDF (17420KB) ( )

参考文献 | 相关文章 | 多维度评价

基于激光同时定位与地图构建（simultaneous localization and mapping，SLAM）技术，不仅能够实现车辆在未知环境下的实时定位，还能高效地获取环境的三维地理空间信息，近年来受到了无人驾驶领域的广泛关注。在几何结构匮乏的隧道中，仅依赖几何信息无法配准点云，因此传统激光SLAM方法难以在隧道中应用。为解决这一问题，本文在LOAM的基础上，提出一种点云强度信息增强的改进激光SLAM技术。首先，改进特征提取方法，提出基于点云柱面投影图的自适应特征提取方法，从单帧点云中提取直线、平面、地面和反射强度特征；其次，针对点云的几何特征配准在隧道中的退化问题，提出一种基于强度特征和强度地图的配准优化方法，自适应提取环境中的强度特征并根据强度特征的配准对车辆位姿进一步修正。试验结果表明，该方法较LOAM和HDL-Graph-SLAM具有更好的稳健性，能够在缺乏几何特征但强度特征丰富的隧道内实现稳定的定位和地图构建，定位精度提升了一个数量级。

用于智能驾驶的动态场景视觉显著性多特征建模方法

詹智成, 董卫华

2021, 50(11): 1500-1511. doi:10.11947/j.AGCS.2021.20210266

摘要 ( )

HTML ( )

PDF (7999KB) ( )

参考文献 | 相关文章 | 多维度评价

驾驶场景的视觉显著性建模是智能驾驶的重要研究方向。现有的静态和虚拟场景的视觉显著性建模方法不能适应真实驾驶环境下道路场景实时性、动态性和任务驱动特性。构建真实驾驶环境的动态场景视觉显著性模型是目前研究的挑战。从驾驶环境的特点与驾驶员的视觉认知规律出发，本文提取道路场景的低级视觉特征、高级视觉特征和动态视觉特征，并结合速度和道路曲率两个重要影响因素，建立了多特征逻辑回归模型（logistic regression，LR）计算驾驶场景视觉显著性。使用AUC值对模型进行评价，结果显示精度达到了90.43%，与传统的算法相比具有明显的优势。

双目视觉与惯导融合的移动机器人定位方法

许智宾, 李宏伟, 张斌, 肖志远, 邓晨

2021, 50(11): 1512-1521. doi:10.11947/j.AGCS.2021.20210250

摘要 ( )

HTML ( )

PDF (5096KB) ( )

参考文献 | 相关文章 | 多维度评价

为了提高移动机器人的定位精度，提出一种双目视觉与惯导融合的视觉SLAM算法。在视觉SLAM前端部分，为了保持直接法计算速度快及特征法精度高的特点，提出一种融合直接法和特征法的半直接法双目视觉里程计。在后端优化阶段，将视觉数据与IMU数据相互融合，在滑动窗口中以非线性优化的方式构建误差函数，优化位姿计算精度。在EuRoc数据集中对本文提出的算法进行试验验证。结果表明，与开源的视觉惯导融合的SLAM系统OKVIS、ROVIO和VINS-Mono相比，本文系统在Machine Hall与Vicon Room两个场景中的定位精度均得到了明显的提升，同时可以保持较高的运行效率。

顾及数字地图中车道走向的车辆跟踪增强算法

庄瀚洋, 王晓亮, 王春香, 杨明

2021, 50(11): 1522-1533. doi:10.11947/j.AGCS.2021.20210258

摘要 ( )

HTML ( )

PDF (9354KB) ( )

参考文献 | 相关文章 | 多维度评价

车辆跟踪技术旨在从连续场景中估计目标车辆的状态，对智能车辆的环境感知、场景理解和目标行为预测起着至关重要的作用。基于激光雷达的感知系统能够提供准确的车辆检测结果，但依据检测结果进行车辆跟踪时，存在车辆朝向估计失准导致跟踪误差大、轨迹预测稳定性差的难题，尤其在目标距离较远、点云较为稀疏的情况下。考虑到大多数时刻车辆行驶方向与车道线方向基本一致，本文提出一种基于数字地图中车道朝向先验信息的车辆跟踪增强方法，将局部车道线的识别结果与OpenStreetMap地图中的车道线信息进行融合，建立道路模型并获取道路朝向的先验约束；在基于扩展卡尔曼滤波的车辆跟踪框架下，利用该约束优化车辆的朝向估计，进而提升车辆跟踪的精度与轨迹预测稳定性。在KITTI数据集上的定性与定量试验证明，本文所提出的方法在多目标跟踪指标上提升至少0.33%，平均位移误差降低了0.014 m以上，同时，对于60 m外车辆目标的跟踪误差降低了0.08 m以上。

道路空间特征与测量距离相结合的LiDAR道路边界点提取算法

续东, 柳景斌, 花向红, 陶武勇

2021, 50(11): 1534-1545. doi:10.11947/j.AGCS.2021.20210244

摘要 ( )

HTML ( )

PDF (12292KB) ( )

参考文献 | 相关文章 | 多维度评价

针对现有方法在较稀疏的16线激光雷达数据中提取道路边界点准确度较低的问题，本文提出一种道路空间特征与测量距离相结合的道路边界点提取方法：采用随机采样一致性（RANSAC）算法进行预处理，快速剔除道路区域外点；判断同条激光线中点与点之间的水平连续性和垂直连续性，去除大部分道路表面点；根据道路边界点的测量模型，结合原始测量距离修正保留的道路边界点，初步剔除非道路边界点；通过判断起始于被保留点的两个水平向量的夹角是否大于一定阈值，进一步精确剔除非道路边界点。试验结果表明，本文方法相对于现有方法能够较准确获取道路边界点，同时满足无人驾驶汽车环境感知的实时性要求。

车辆轨迹与遥感影像多层次融合的道路交叉口识别

李雅丽, 向隆刚, 张彩丽, 吴华意, 龚健雅

2021, 50(11): 1546-1557. doi:10.11947/j.AGCS.2021.20210255

摘要 ( )

HTML ( )

PDF (12239KB) ( )

参考文献 | 相关文章 | 多维度评价

交叉口是构成道路网络的基础与核心要素，起到了连接道路和承载转向的重要作用。在城市路网中，交叉口不仅数量众多、形态多样，而且结构复杂、大小不一。单一数据源对于道路交叉口的描述能力有限，难以做到道路交叉口的全面、精确识别。为此，本文设计了一种从车辆轨迹与遥感影像中识别道路交叉口的多元集成方法。首先，集成形态学处理、密度峰值聚类与张量投票提取种子交叉口，将其作为小样本集；然后，据此采用协同训练机制，分别构建基于深度卷积网络，面向车辆轨迹与遥感影像的交叉口分类器；最后，综合两模型优点，形成道路交叉口的集成分类模型。本文方法在多个层次上融合车辆轨迹与遥感影像关于交叉口的互补性描述特征，提出半监督式交叉口提取技术，无须人工标注即可有效识别复杂多样的道路交叉口。基于武汉市出租车轨迹和遥感影像的试验表明，本文方法在无人工标注样本的前提下，道路交叉口提取的准确率超过93%，召回率达到87%。

融合点云和多视图的车载激光点云路侧多目标识别

方莉娜, 沈贵熙, 游志龙, 郭迎亚, 付化胜, 赵志远, 陈崇成

2021, 50(11): 1558-1573. doi:10.11947/j.AGCS.2021.20210246

摘要 ( )

HTML ( )

PDF (14028KB) ( )

参考文献 | 相关文章 | 多维度评价

城市环境中的行道树、车辆、杆状交通设施是重要的交通地物，也是智能交通，导航与位置服务，自动驾驶和高精地图等行业应用的核心要素。为了准确识别这些路侧目标，本文提出一种融合点云和多视角图像的深度学习模型PGVNet（point-group-view network），充分利用目标点云数据中空间几何信息及其多视角图像中高级全局特征提升路侧行道树、车辆和杆状设施的分类精度。为了减少视图间的冗余信息并增强显著视图特征，PGVNet模型利用预训练的VGG网络提取多视图特征，对其进行分组赋权获取最优视图特征；采用嵌入注意力机制的融合策略，利用最优视图特征动态调整PGVNet模型对点云不同局部关系的注意力度，学习不同路侧目标的多层次、多尺度显著特征，实现行道树、车辆和杆状交通设施的精确分类。试验采用5份不同车载激光扫描系统获取的不同城市场景数据验证本文方法的有效性，其中行道树、车辆及杆状交通设施分类结果中的准确率、召回率、精度和F₁指数分别达（99.19%、94.27%、93.58%、96.63%）；（94.20%、97.56%、92.02%、95.68%）；（91.48%、98.61%、90.39%、94.87%）。结果表明，本文方法融合多视图全局信息和点云局部结构特征可以有效区分城市场景中的行道树、车辆和杆状交通设施，可为高精度地图中要素构建与矢量化提供数据支撑。

面向智能车的地下停车场环视特征地图构建与定位

周哲, 胡钊政, 李娜, 肖汉彪, 伍锦祥

2021, 50(11): 1574-1584. doi:10.11947/j.AGCS.2021.20210205

摘要 ( )

HTML ( )

PDF (10303KB) ( )

参考文献 | 相关文章 | 多维度评价

针对地下停车场环境GPS信号缺失的问题，本文在环视特征地图构建的基础上，提出基于二阶马尔科夫模型的粒子滤波定位算法（Markov model-particle filter，MM-PF），实现智能车在地下停车场环境中的高精度定位。在该模型中，环视特征地图节点被定义为粒子，查询图像被定义为观测数据。在状态转移过程中，引入二阶马尔可夫模型，对短时间车辆运动进行建模，构建状态转移模型。利用图像的全局特征建立当前车辆获取的图像与各粒子（环视地图节点）之间的匹配关系，从获取的汉明距离建立粒子权重分布模型，可以大幅提高系统的计算效率。当前车辆的位置由局部特征匹配获得。选取两个典型的地下停车场场景对本文算法进行验证，在选取的两个场景中，本文算法平均定位精度小于0.38 m，定位误差均方差小于0.29 m，定位误差在1 m以下的概率不低于95.4%。试验结果表明：本文所提出的二阶MM-PF算法能够将车辆的运动信息与视觉信息相融合，相较于对比算法，定位精度与稳健性得到大幅提高。

面向高精度城市测绘的激光紧耦合SLAM方法

孙喜亮, 关宏灿, 苏艳军, 徐光彩, 郭庆华

2021, 50(11): 1585-1593. doi:10.11947/j.AGCS.2021.20210243

摘要 ( )

HTML ( )

PDF (10010KB) ( )

参考文献 | 相关文章 | 多维度评价

针对激光SLAM在城市测绘中存在的累积误差大、稳健性差的问题，本文提出了一种面向城市高精度制图的激光紧耦合SLAM方法，该方法引入杆状和面状特征进行点云配准，降低了城市环境下SLAM的累积误差，并通过GNSS角点位置约束，提高了全局地图构建的准确性。本文在4组城市常见场景（开放园区、地下车库、城市公园、街区道路）中对所提方法进行了验证，并与目前主流的LOAM、LeGO-LOAM和LIO-SAM方法进行了对比，试验结果表明LOAM和LeGO-LOAM在复杂城市场景中稳定性较差，LIO-SAM和本文所提方法成功实现了4组场景的制图。与LIO-SAM相比，本文所提方法仅采用激光惯导紧耦合时，轨迹绝对位置误差较LIO-SAM降低了32.25%，结合GNSS位置因子后进一步降低了92.03%（轨迹精度均优于10 cm）。此外，开放园区的控制点精度评定表明本文所提方法的点云绝对坐标精度优于5 cm。

顾及室内场景特征的多线激光雷达初始定位

史鹏程, 叶勤, 张绍明, 邓海峰

2021, 50(11): 1594-1604. doi:10.11947/j.AGCS.2021.20210268

摘要 ( )

HTML ( )

PDF (6228KB) ( )

参考文献 | 相关文章 | 多维度评价

针对机器人在室内大范围场景中定位初始化技术难题，提出一种基于特征模式的定位初始化方法。首先，结合室内场景结构特征分析，探索场景中具有空间位置标示功能的稳定人工构筑物如墙壁、柱体等结构及结构组合，将其定义为特征模式，以提高场景特征表达稳健性。其次，结合多线激光雷达数据特点，提出实时数据的特征模式提取方法，对其分级管理，提高了场景特征表达效率。然后，提出一种半自动化处理方法实现点云地图特征模式提取，并采用一种高效的数据管理方案，避免在多次初始化时对地图数据重复冗余操作，提高定位效率。最后，针对各类特征模式，构建两种误差方程，结合L-M梯度下降求解方法，以地图格网击中比率作为初始化评价指标，制定自适应的匹配与配准策略，实现机器人在大尺度室内场景中的定位初始化。为了验证本文方法的可行性，使用低成本的16线激光雷达，并选取走廊、大厅、地下停车场3种典型室内场景进行试验。试验结果表明，本文方法可快速实现大尺度室内场景的定位初始化，其性能基本满足实际应用中室内机器人的定位精度与效率要求。

基于深度学习的语义SLAM关键帧图像处理

邓晨, 李宏伟, 张斌, 许智宾, 肖志远

2021, 50(11): 1605-1616. doi:10.11947/j.AGCS.2021.20210251

摘要 ( )

HTML ( )

PDF (12774KB) ( )

参考文献 | 相关文章 | 多维度评价

同时定位和地图构建（SLAM）凭借其高能效和低功耗等特点在诸多领域应用前景广阔。然而，在传统的SLAM系统中仍存在一些问题：传统的视觉里程计中关键帧并不包含语义信息，移动机器人获取的图像信息较为单一，且在实际场景中关键帧总包含大量误匹配点和动态点。针对以上问题，本文提出一种语义SLAM思路。首先，为了能够匹配到正确且对应的特征点，摒弃动态点和误匹配点的干扰，提出了一种基于Lucas-Kanade光流法的相邻帧特征状态判别法，将这项功能作为新的线程加入ORB-SLAM3的视觉里程计部分，完成对部分传统SLAM框架的优化和改进工作。其次，针对传统SLAM系统前端视觉里程计获取的图像帧不包含任何语义信息的问题，使用基于YOLOV4的目标检测算法和融合全连接条件随机场CRF的Mask R-CNN语义分割算法对ORB-SLAM3中的关键帧图像进行处理，有效提高了机器人等智能设备对室内环境的感知能力。

结合行驶场景语义的轨迹-路网实时匹配方法

傅琛, 黄升钶, 汤焱, 吴杭彬, 刘春, 姚连璧, 黄炜

2021, 50(11): 1617-1627. doi:10.11947/j.AGCS.2021.20210261

摘要 ( )

HTML ( )

PDF (2461KB) ( )

参考文献 | 相关文章 | 多维度评价

实时地图匹配技术在智能交通、自动驾驶等领域起着关键作用。现有实时地图匹配算法在高架、立交道路等复杂场景受到平行道路的干扰，匹配正确率较低。针对这一问题，本文提出了一种利用与车辆轨迹同步采集的图像对行驶场景进行分类，从而辅助城市复杂道路环境下地图匹配的方法。该方法在车辆靠近高架区域时利用图像对车辆行驶场景进行分类，结合车辆行驶方向、轨迹点与路段的距离、匹配路段邻接性等指标，对当前轨迹点进行实时匹配。以上海市三段高频采集的轨迹数据为例进行试验，使用匹配率、召回率、精确率等指标对结果进行精度评价。结果表明，本文方法的平均匹配率、召回率和精确率达到96.86%、97.17%、93.46%，优于传统实时匹配方法；对原始轨迹进行降采样后，匹配率、召回率、精确率等指标保持稳定。比较高架道路、立交等复杂场景的匹配效果，以及对比单点匹配耗时、延时和内存占用情况，本文方法均能保持较好的匹配结果。

面向无人驾驶矿车的露天矿山道路坡度实时检测方法

孟德将, 田滨, 蔡峰, 高义军, 陈龙

2021, 50(11): 1628-1638. doi:10.11947/j.AGCS.2021.20210242

摘要 ( )

HTML ( )

PDF (15586KB) ( )

参考文献 | 相关文章 | 多维度评价

露天矿山大部分道路坡度大，无人驾驶矿车在上下坡之前如果不能合理规划速度，则容易发生一些危险，例如因下坡急减速导致的物料外撒或因上坡导致的溜车。无人驾驶矿车通过精确检测车辆前方一定范围内的道路坡度，可以在上下坡之前合理规划速度。目前无人驾驶矿车实时检测露天矿山道路坡度存在一些挑战：露天矿山道路坡度大且不平整，无人驾驶矿车在行驶过程中会有比较大的俯仰和弹跳运动，因为基于惯性导航系统（inertial navigation system，INS）或全球导航卫星系统（Global Navigation Satellite System，GNSS）的方法测出的是车辆的俯仰角，而不是所在道路区域的坡度；由于露天矿山几何特征缺失，这使得基于SLAM（simultaneous localization and mapping）的方法在特征缺失的路段容易匹配错误，而且基于SLAM的方法测出的也是车辆的俯仰角。本文针对目前无人驾驶矿车实时检测露天矿山道路坡度研究中存在的问题，提出了栅格卡尔曼道路坡度实时检测（grid Kalman road slope real-time detection，GKSRD）方法。该方法以三维激光雷达点云和INS俯仰角信息作为输入，并采用二维栅格地图、感兴趣矩形区域迭代优化算法和卡尔曼滤波器。相比于基于INS或GNSS的方法，该方法减小了无人驾驶矿车行驶过程中由于道路坡度大且不平整对道路坡度实时检测带来的误差。相比于基于SLAM的方法，因为该方法不依赖周围环境的几何特征，所以其不会受到露天矿山几何特征缺失的影响。通过试验验证，GKSRD方法对露天矿山道路坡度的实时检测平均误差小于0.01°，最大误差小于0.5°。相比于基于INS或GNSS的方法和基于SLAM 的方法，GKSRD方法精度更高，稳定性和环境适应性也更好。

当期目录