<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[尘世冰封的专栏]]></title><description><![CDATA[计算机视觉、SLAM、北斗导航、高精度定位]]></description><link>https://blog.youkuaiyun.com/u011344545</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u011344545]]></copyright><item><title><![CDATA[北斗导航 ｜ 一张图读懂低轨增强PPP-RTK与GNSS/LEO组合的完好性]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/168748951</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/168748951</guid><author>u011344545</author><pubDate>Thu, 22 Oct 2026 10:36:38 +0800</pubDate><description><![CDATA[PPP-RTK：有人给你张房间地图+墙距修正，你慢慢摸就能很准- LEO：一群无人机在头顶飞，几秒换一次位置，你马上能 triangulate 出来。- PPP：一台接收机看全球 GNSS，靠地面/星基播发的精密轨道、钟差、大气改正，慢慢收敛到厘米级。用 PPP 的“不依赖附近基站” + 用 RTK 的“大气改正/模糊度快速固定”，争取广域范围内几十秒甚至几秒到厘米级。> 在“更多卫星、更快收敛、更强信号”的同时，把新来的 LEO 故障、大气模型误差、模糊度错固都装进保护水平里。]]></description><category></category></item><item><title><![CDATA[北斗导航｜一张图读懂北斗三号短报文及其未来发展趋势]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/167811902</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/167811902</guid><author>u011344545</author><pubDate>Tue, 13 Oct 2026 19:26:48 +0800</pubDate><description><![CDATA[北斗三号短报文]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 一张图了解完好性与RAIM]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/164152171</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/164152171</guid><author>u011344545</author><pubDate>Fri, 28 Aug 2026 19:16:18 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 一张图了解PPP ]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/164152164</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/164152164</guid><author>u011344545</author><pubDate>Fri, 28 Aug 2026 19:15:01 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 一张图了解RTD ]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/164152154</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/164152154</guid><author>u011344545</author><pubDate>Fri, 28 Aug 2026 19:13:51 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[北斗导航｜一张图了解RTK]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/164152140</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/164152140</guid><author>u011344545</author><pubDate>Fri, 28 Aug 2026 19:12:29 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 从单星到多星：接收机自主完好性监测算法研究综述]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/160891235</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/160891235</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:42:44 +0800</pubDate><description><![CDATA[接收机自主完好性监测（Receiver Autonomous Integrity Monitoring，RAIM）是利用GNSS接收机内部冗余观测信息进行卫星故障自主检测与识别的一类关键技术，被广泛应用于航空、航海、自动驾驶等生命安全相关领域。随着多星座多频GNSS技术的发展，RAIM算法已从最初的单星故障假设逐步演进至双星乃至多星故障的同时检测与排除。本文以故障卫星数目为线索，系统综述了RAIM算法在单星故障、双星故障和多星故障三类场景下的基本原理、核心公式与算法流程。]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 基于赏金猎人优化算法（Bounty Hunter Optimizer, BHO）的接收机自主完好性监测算法研究，原理，公式，完整matlab代码，参考文献等]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/160910601</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/160910601</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:41:48 +0800</pubDate><description><![CDATA[接收机自主完好性监测（Receiver Autonomous Integrity Monitoring, RAIM）是GNSS导航中的核心技术，利用接收机内部冗余的伪距观测量进行一致性校验，以检测和排除故障卫星，保证定位结果的完好性。随着多星座组合导航的普及和可见卫星数量增加，高级接收机自主完好性监测（ARAIM）面临的核心挑战在于：多假设解分离（MHSS）方法需要进行故障子集搜索，待监测的子集数量随卫星数呈组合爆炸式增长，带来巨大的计算负担。传统RAIM采用固定的卡方检测阈值，对复杂环境适应能力不足。]]></description><category></category></item><item><title><![CDATA[北斗车载高精度定位动态性能场景化测试方法]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/155241419</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/155241419</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:40:13 +0800</pubDate><description><![CDATA[通过这种方法，可以为自动驾驶、智能交通、精准农业等应用提供关键的数据支撑，明确系统的能力边界，从而确保其在复杂真实世界中的安全与可靠。总结： 更精准、更专业的测试方法，其本质是将定位系统视为一个动态、随机、有状态的系统，通过精心设计的场景实验，系统性地探知其性能极限和可靠性边界，为高级别自动驾驶的功能安全（SOTIF）评估提供不可或缺的量化依据。场景化测试的核心思想是：将车辆在实际运营中可能遇到的各种复杂环境进行抽象、归纳和复现，构建成标准化的测试场景，并在这些场景下定量评估定位系统的各项关键性能指标。]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 接收机自主完好性监测（RAIM）：原理、算法与应用]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/147578490</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/147578490</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:39:17 +0800</pubDate><description><![CDATA[最后，聚焦RAIM在航空（进近、航路）、航海、自动驾驶、精准农业等核心安全关键领域的应用现状、挑战（如城市峡谷环境下的性能退化）及未来发展机遇（如结合多传感器、人工智能）。随着多星座GNSS（GPS、北斗、Galileo、GLONASS）的融合应用，可用卫星数量大幅增加，显著改善了卫星几何分布，为RAIM/FDE性能（尤其是可用性）带来了革命性提升，也催生了面向多星座的先进RAIM算法研究。作为接收机内部运行的一套算法体系，RAIM的核心思想在于。，是实现GNSS高可靠应用的关键技术屏障。]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 基于MATLAB的动态环境下卡尔曼滤波优化单点定位]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/148666904</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/148666904</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:38:16 +0800</pubDate><description><![CDATA[本实现通过自适应卡尔曼滤波技术，在动态环境下显著提升了单点定位精度。算法特别优化了对机动场景的适应性，并通过多星座融合和鲁棒滤波技术增强了系统的可靠性。在动态环境下优化单点定位，卡尔曼滤波是核心算法。]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 斯坦福大学ARAIM算法详解，从公式，原理， matlab代码，执行流程及算法改进，未来发展方向进行全面解析分析]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/160099516</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/160099516</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:37:21 +0800</pubDate><description><![CDATA[ARAIM（Advanced Receiver Autonomous Integrity Monitoring）是一种基于多假设解分离（MHSS）的接收机自主完好性监测算法，由斯坦福大学GPS实验室提出，旨在为民航精密进近（如LPV-200）提供高可靠性的垂直引导。其核心原理是通过构建多个故障假设模型，计算每个假设下的位置解和检验统计量，最终导出保护级（PL），以量化位置误差的统计上界，确保完好性风险（）低于目标值（如10⁻⁷）。假设有  颗可见卫星，观测方程为：
z=Hx+ϵ+bfz = Hx + \ep]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 基于北斗三号短报文的户外应急搜救系统方案设计（框图）]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/160315481</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/160315481</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:36:19 +0800</pubDate><description><![CDATA[我国地域辽阔，大量无人区、无网络区域（如山区、沙漠、林区、海域等）通信基础设施不完善，户外作业人员和探险爱好者在紧急情况下难以与外界联系。现有的地面通信技术（如以太网、移动蜂窝网络、GPRS等）存在通信链路不稳定、传输距离短、数据传输可靠性差等问题。北斗三号卫星导航系统的短报文通信服务，凭借其无需地面网络、覆盖范围广、误码率低、传输可靠等独特优势，为户外应急搜救提供了全新的技术解决方案。]]></description><category></category></item><item><title><![CDATA[图像处理 ｜ 一种融合SIFT改进、哈希降维、DAISY稠密化与亚像素精化的高精度稠密图像特征提取与匹配算法框架（附源码）]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/160223864</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/160223864</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:35:08 +0800</pubDate><description><![CDATA[本文设计的算法融合了稀疏与稠密两种匹配范式的优势：通过改进的SIFT提取高质量稀疏特征点，利用哈希编码和GMS实现高效精准的粗精两级匹配，再借助DAISY描述子将匹配扩展至逐像素级别，最后通过亚像素拟合获得高精度定位。整个框架基于MATLAB平台，提供了完整的模块化实现思路，用户可根据实际需求灵活调整各模块的参数与策略。以下提供一个可直接运行的完整 MATLAB 代码，实现高精度稠密图像特征提取与匹配算法。]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 从零开始学习基于奇偶矢量的接收机自主完好性监测（RAIM）算法及改进]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/160637690</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/160637690</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:33:41 +0800</pubDate><description><![CDATA[接收机自主完好性监测（Receiver Autonomous Integrity Monitoring, RAIM）是GNSS接收机内部的一种算法，它仅利用冗余的伪距观测量来判断定位结果是否可靠、是否存在故障卫星，并能识别和排除故障卫星。奇偶矢量法是RAIM最经典的实现方式之一，它将不可直接观测的测量误差映射到一个“奇偶空间”中，使故障检测变得简单且服从精确的概率分布。w\mathbf{w}w虽然能反映故障，但它的协方差矩阵不是单位阵，各分量相关，不利于统计检验。奇偶矢量通过一个正交变换P。]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 十张图理解载波相位RAIM（CRAIM）算法]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/163982190</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/163982190</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:31:57 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 基于贝塞尔曲线优化算法的接收机自主完好性监测算法研究]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/161147243</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/161147243</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:22:32 +0800</pubDate><description><![CDATA[接收机自主完好性监测（Receiver Autonomous Integrity Monitoring，RAIM）是全球导航卫星系统（GNSS）中保障定位可靠性的关键技术。针对传统最小二乘残差法在复杂观测条件下检测灵敏度不足、阈值设置保守等问题，本文提出一种基于贝塞尔曲线优化算法（Bezier Curve-based Optimization，BCO）的RAIM改进方法。]]></description><category></category></item><item><title><![CDATA[北斗导航 ｜ 卫星导航中的对流层延迟模型：干延迟与湿延迟]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/163982078</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/163982078</guid><author>u011344545</author><pubDate>Sat, 22 Aug 2026 23:19:23 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[SLAM | SLAM 的范式跃迁：从几何建图到空间记忆，从定位导航到环境理解]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/163211504</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/163211504</guid><author>u011344545</author><pubDate>Sun, 26 Jul 2026 11:04:27 +0800</pubDate><description><![CDATA[同步定位与建图（SLAM）一直是机器人学与计算机视觉领域的核心问题。传统SLAM以几何一致性为基石，致力于在未知环境中实现精确的传感器位姿估计与稀疏或稠密的地图重建。然而，随着具身智能、自动驾驶与增强现实的快速发展，仅具备“在哪里”的度量地图已无法满足复杂任务需求。本文系统梳理了SLAM领域正在发生的范式跃迁：从以几何建图为中心的定位导航工具，向以空间记忆为核心、以环境理解为目标的认知引擎转变。]]></description><category></category></item><item><title><![CDATA[多源融合 ｜ 面向室内外场景无缝切换的改进MSCKF视觉-惯性里程计]]></title><link>https://blog.youkuaiyun.com/u011344545/article/details/161147362</link><guid>https://blog.youkuaiyun.com/u011344545/article/details/161147362</guid><author>u011344545</author><pubDate>Fri, 24 Jul 2026 14:58:02 +0800</pubDate><description><![CDATA[多状态约束卡尔曼滤波（MSCKF）因计算高效、精度适中而被广泛用于视觉-惯性里程计（VIO）。然而，当载体在室内与室外之间频繁切换时，剧烈的光照变化、场景纹理尺度突变、特征点分布不均等问题会导致特征匹配失败和位姿漂移。本文提出一种面向室内外无缝切换的改进MSCKF算法：①通过图像复杂度度量实时调整特征检测阈值，并利用四叉树均匀化特征点分布，保证多场景下特征提取的鲁棒性；②引入零均值归一化互相关（ZNCC）作为特征匹配度量，有效抑制光照变化对跟踪的影响；]]></description><category></category></item></channel></rss>