本书对南京航空航天大学导航研究中心（Navigation Research Center, NRC）多年来针对因子图组合导航理论的研究与应用进行了总结，主要分为理论篇与应用篇。在理论篇中，本书首先对惯性及组合导航系统理论基础以及基于因子图优化的组合导航方法进行了梳理。在此基础上，本书对目前的因子图方法进行了理论延伸，提出了基于因子图优化的绝对/相对量测信息自适应融合方法。而在应用篇中，本书分别面向无人车、无人机、机器人等不同应用场景需求，对因子图在各类典型惯性基组合导航系统中的应用进行了研究，提出了一系列改进方案，实现因子图在不同组合模式下的高精度与自适应融合。

更多科学出版社服务，请扫码获取。

1996/09?2000/06，南京航空航天大学，自动化，学士 2000/09?2005/12，南京航空航天大学，导航、制导与控制，博士1.2005/12-2008/05，南京航空航天大学自动化学院，讲师 2.2008/05-2013/05，南京航空航天大学自动化学院，副教授 3.2013/05-至今，南京航空航天大学自动化学院，教授 4.2013/08-2014/08，多伦多大学航空航天研究所，访问学者 5.2012/11-2016/12，南京航空航天大学自动化学院，副院长 6.2016/12-2018/12，南京航空航天大学国际合作处，副处长 7.2020/06-至今，南京航空航天大学秦淮创新研究院，常务副院长 中央军委科技委173计划首席科学家。入选中国民航科技创新拔尖人才、江苏省333高层次人才工程中青年领军人才、江苏省青蓝工程中青年学术带头人等长江学者，入选江苏省333工程第二层次（中青年领军人才）、中国民航科技创新拔尖人才、江苏省青蓝工程中青年学术带头人等。军科委173重点项目首席科学家。近五年以第一作者或通讯作者在IEEE汇刊TIE/TVT/TIM/TAES（JCR Q1 区）、Journal of Navigation（JCR Q1 区）、航空学报、控制与决策等国内外具有重要影响力的SCI/EI期刊上发表录用论文43篇。已授权国家发明专利53项、申请软件著作权2项。1.先进飞行器导航、控制与健康管理工信部重点实验室副主任 2.中国惯性技术学会理事 3.南京惯性技术学会副理事长 4.江苏省自动化学会常务理事 5.中国航空学会制导、导航与控制专委会委员 6.中国自动化学会无人系统专委会委员

目录
第1章绪论1
1.1引言1
1.2导航的基本概念及无人系统中的导航1
1.2.1导航的基本概念1
1.2.2无人系统中的导航2
1.3常用的导航传感器及其导航方式3
1.3.1常用导航传感器4
1.3.2导航方式分类10
1.4本章小结12
第2章惯性导航及组合导航理论基础13
2.1引言13
2.2导航的基本知识13
2.2.1常用坐标系13
2.2.2导航参数的表达与变换16
2.3捷联惯性导航解算原理26
2.3.1捷联惯性导航系统的特点26
2.3.2捷联惯性导航系统的姿态算法28
2.3.3捷联惯性导航速度和位置的解算32
2.4多源信息组合导航系统基础33
2.4.1概述33
2.4.2惯性基组合导航系统的模式与架构34
2.4.3卡尔曼滤波方法及其在组合导航系统中的应用36
2.4.4其他滤波技术及特点40
2.5本章小结41
第3章因子图融合理论与方法42
3.1引言42
3.2因子图的建立与发展概述42
3.3因子图理论基础44
3.3.1因子图的一般模型44
3.3.2概率图与因子图模型45
3.3.3因子图模型的和积算法47
3.4因子图组合导航方法理论基础48
3.4.1因子图优化的内涵48
3.4.2因子图组合导航基本架构49
3.4.3因子图在组合导航中的应用及发展50
3.5本章小结51
第4章基于惯性预积分的因子图组合导航方法53
4.1引言53
4.2基于惯性预积分的因子图优化融合理论53
4.2.1多源导航信息融合中的因子图优化方法研究54
4.2.2传统惯性预积分方法及问题分析56
4.3高精度惯性器件的惯性预积分方法57
4.3.1高精度惯性器件输出建模57
4.3.2高精度惯性导航解算方法研究59
4.3.3改进的高精度惯性预积分方法研究60
4.4仿真与验证65
4.4.1车辆航迹仿真设计65
4.4.2仿真结果分析66
4.5本章小结69
第5章惯性/卫星因子图组合导航方法70
5.1引言70
5.2惯性/卫星组合导航方法概述71
5.3基于时间差分载波相位的高精度回环因子图72
5.3.1基于时间差分载波相位的惯性/卫星紧耦合融合机制分析72
5.3.2高精度回环因子图模型78
5.4基于高精度回环约束的惯性/卫星紧耦合因子图优化融合方法80
5.4.1惯性/卫星紧耦合因子图优化融合模型81
5.4.2验证与分析83
5.5本章小结90

第6章面向多源异类信息的因子图组合导航方法91
6.1引言91
6.2多源信息组合导航方法概述91
6.3绝对、相对量测信息融合方法93
6.3.1绝对、相对量测信息模型93
6.3.2随机克隆卡尔曼滤波94
6.3.3滑动窗口因子图优化95
6.4等间隔自适应因子图优化融合方法95
6.4.1等间隔自适应因子图构建方法96
6.4.2基于期望最大化的自适应融合方法103
6.4.3验证与分析105
6.5本章小结114
第7章因子图在车载导航中的应用115
7.1引言115
7.2惯性/里程计组合导航技术概述116
7.3惯性/里程计组合导航技术原理117
7.3.1里程计及相关坐标系定义117
7.3.2里程计导航量测模型构建118
7.4基于增广预积分的惯性/里程计因子图优化模型构建118
7.4.1惯性/里程计增广预积分建模方法118
7.4.2基于增广预积分的惯性/里程计因子图优化融合方法125
7.5验证与分析133
7.5.1数据集验证133
7.5.2无人车验证137
7.6本章小结143第8章因子图在行人导航中的应用144
8.1引言144
8.2行人零速检测惯性导航技术概述144
8.3基于因子图的行人惯性导航技术原理147
8.3.1行人导航零速检测原理与误差分析147
8.3.2基于零速检测算法的行人定位方法149
8.4基于因子图优化的行人导航技术151
8.4.1基于因子图优化的行人导航框架151
8.4.2基于历史数据的最大概率零速检测方法151
8.4.3基于预积分的行人位姿预测方法154
8.4.4基于因子图的IPDR融合方法156
8.5验证与分析158
8.6本章小结164
第9章因子图在无人系统视觉SLAM中的应用166
9.1引言166
9.2惯性/视觉组合导航技术概述166
9.3基于优化的惯性/视觉组合导航技术原理168
9.3.1惯性/视觉里程计原理与误差分析168
9.3.2基于因子图优化的惯性/视觉SLAM方法171
9.4鲁棒惯性/视觉里程计方法176
9.4.1相机畸变参数在线自标定的VIO算法架构176
9.4.2基于滑动窗口的紧耦合因子图优化方法176
9.5验证与分析182
9.6本章小结184
第10章因子图在无人系统激光雷达SLAM中的应用185
10.1引言185
10.2激光雷达SLAM技术概述185
10.3激光雷达点云匹配与位姿估计原理187
10.3.1激光雷达测量误差建模187
10.3.2点云体素滤波过程介绍189
10.3.3点到面迭代最近点云匹配方法分析190
10.4惯性/激光雷达紧耦合因子图优化融合方法193
10.5验证与分析198
10.5.1激光雷达/惯性/轮速计紧耦合算法试验设计198
10.5.2激光雷达/惯性/轮速计紧耦合算法试验结果分析200
10.6本章小结205
第11章因子图在多无人机协同导航中的应用206
11.1引言206
11.2无人机协同导航技术概述206
11.3无人机协同导航方式及多源信息组合协同导航架构208
11.4基于导航性能评估的权值因子图协同优化方法211
11.4.1基于相对距离信息辅助的多无人机协同定位系统模型构建212
11.4.2基于费雪信息/相对熵的协同信息导航性能综合评估方法214
11.4.3基于相对距离信息约束的权值因子图协同优化方法216
11.5验证与分析222
11.5.1仿真验证分析222
11.5.2试验验证分析228
11.6本章小结232
第12章展望233
参考文献235