預測方法與仿真技術（測繪學報劉萬科）

2023-04-20 17:17:19

本文內容來源於《測繪學報》2022年第1期（審圖號GS（2022）104號）

非完整約束的OD/SINS自適應組合導航方法

劉萬科1,2

1.武漢大學測繪學院, 湖北 武漢 430079;2.武漢大學地球空間環境與大地測量教育部重點實驗室, 湖北 武漢 430079

基金項目：國家重點研發計劃（2017YFB0503402）；湖北省技術創新專項（重大項目）（2019AAA043）；博士後創新人才支持計劃（BX20200249）；中國博士後科學基金（2020M682484）；武漢大學地球空間環境與大地測量教育部重點實驗室開放研究基金（19-02-02）

摘要：在地面車載組合導航GNSS/OD/SINS中，全球導航衛星系統（GNSS）信號容易受到環境的幹擾甚至發生中斷，將非完整性約束（NHC）應用於裡程計（OD）/捷聯慣性導航系統（SINS）組合，可以有效抑制GNSS信號中斷期間組合導航系統的誤差發散。通常NHC的噪聲設定基於固定的經驗值，然而在實際運動過程中，車輛運行軌跡複雜多變，其運動狀態不能完全滿足NHC前提假設，經驗給定的噪聲無法準確反映車輛實際運動情況。為此，本文分析了NHC噪聲與車輛運動狀態的關係，構建了一種基於車輛運動狀態的NHC噪聲自適應方法。通過所選場景的實測數據驗證表明：採用噪聲自適應的NHC/OD/SINS組合導航結果相比於固定噪聲的NHC/OD/SINS組合，在GNSS信號中斷110 s、車輛連續轉彎的情況下，最大水平位置誤差減小了68.4%；在GNSS信號中斷74 s、車輛直線行駛的情況下，最大水平位置誤差減小了87.3%；能較好地抑制GNSS中斷期間組合導航系統的誤差發散。

關鍵詞：裡程計 非完整性約束 自適應噪聲 組合導航

劉萬科, 農旗, 陶賢露, 等. 非完整約束的OD/SINS自適應組合導航方法[J]. 測繪學報，2022，51(1)：9-17. DOI: 10.11947/j.AGCS.2022.20210122

LIU Wanke, NONG Qi, TAO Xianlu, et al. OD/SINS adaptive integrated navigation method with non-holonomic constraints[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(1): 9-17. DOI: 10.11947/j.AGCS.2022.20210122

閱讀全文：http://xb.sinomaps.com/CN/10.11947/j.AGCS.2022.20210122

引言

在地面車輛組合導航中，基於微機電系統(micro-electro-mechanical system，MEMS)技術的低成本慣性測量單元(inertial measurement unit，IMU)因其體積小、成本低而受到廣泛應用，但受限於其誤差發散快而無法單獨使用[1-4]。全球導航衛星系統(global navigation satellite system，GNSS)已經被廣泛應用於減少MEMS捷聯慣性導航系統(strap-down inertial navigation system，SINS)誤差累積，但當車輛在高樓之間、樹蔭和隧道內行駛時，GNSS會遇到頻繁的信號遮擋甚至中斷，導致組合導航結果發散[5-7]。

針對GNSS信號中斷導致車輛組合導航結果發散的問題，國內外學者開展了一系列的研究工作。根據運動學原理，車輛在地面上運動時，如果沒有側向滑動或上下跳躍波動，其橫向和垂直分量的速度將接近於零[1, 8]，即車輛運動的非完整性約束(non-holonomic constraint，NHC)，因此可以在組合導航中構建虛擬的速度觀測量。相關研究已經表明，裡程計和NHC可以顯著提高組合導航精度，增強SINS的性能，尤其是當GNSS信號不可用時，可以有效抑制組合導航系統的誤差發散[9-13]。此外，有學者指出在使用NHC時，前向杆臂對非完整性約束的影響最大，為保證非完整約束輔助的準確性和可靠性，杆臂誤差應控制在釐米級[14]。

NHC的虛擬觀測信息是在特定的車輛運動狀態中建立的，然而車輛在實際行駛時不可能完全沿直線，在轉彎過程和速度較高的情況下，發生側滑及垂向跳動是非常普遍的。因此，在使用NHC時應考慮車輛運動狀態信息[15-18]，實時調整約束噪聲。已有學者對車輛運動狀態進行了相關研究，通過車輛速度與IMU的原始數據可以檢測出車輛行駛過程中絕大部分轉彎、小弧段變化及變道情況[18-19]，該方法為NHC自適應調整噪聲提供了可能性，但相關學者沒有進一步將NHC與車輛運動狀態結合進行研究。

綜上所述，目前學者們廣泛將NHC用於抑制GNSS信號中斷期間組合導航的誤差發散，但大多數研究使用NHC時並未考慮車輛轉彎等特殊情況，也未詳細說明使用NHC時的噪聲設置。為解決NHC固定噪聲與車輛實際運動狀態不相符的問題，本文分析了NHC噪聲與車輛運動狀態的關係，構建了一種基於車輛速度與運動狀態的NHC噪聲自適應估計方法，該方法通過IMU測量值與車輛CAN總線提供的速度測量值判斷車輛運動狀態，實現了NHC噪聲的自適應估計。通過實測車載數據的分析表明，該方法能夠較好地抑制GNSS中斷期間組合導航系統的誤差發散。

1 NHC/OD/SINS組合模型

1.1 狀態方程

本文採用地心地固系(e系)松組合模型，系統狀態選取機械編排結果的3軸位置誤差δre、速度誤差δve、失準角誤差ϕ，IMU 3軸加速計零偏ab，3軸陀螺零偏εb，共15維

(1)

e系下機械編排誤差的時域微分方程可表示為[20-21]

(2)

式中，ξx表示狀態x的過程噪聲，可通過相應的IMU參數說明文檔獲取或利用Allan方差方法提取；fe和δγe分別為比力和重力偏差在e系的投影；Rbe為載體坐標系(b系，右前上)到e系的姿態旋轉矩陣；ωiee為慣性系(i系)相對於e系的旋轉角速度在e系下的投影；IMU誤差項採用一階高斯馬爾可夫模型，τx為對應的相關時間係數；δfb和δωibb分別表示加速度計和陀螺的儀器誤差總和，表示為[20]

(3)

式中，ηa和ηε為隨機白噪聲。

將式(2)的時域微分方程離散化，可得到狀態方程

(4)

式中，Xk, k-1和Xk-1為當前時刻狀態預測值和上一時刻狀態值；Φk, k-1為狀態轉移矩陣；Wk-1為狀態噪聲。

1.2 觀測方程

在車輛導航中，通常假設側向與高程方向的運動速度近似為0，且NHC一般適用於非轉向輪(即車輛後輪)。此外，從車輛的CAN總線中可以獲取到前進方向的運動速度，即裡程計(OD)速度vod。結合NHC適用於非轉向輪，本文選取的b系的方向為右前上，即y軸朝車輛前進方向，x軸垂直於y軸朝車輛前進方向的右向，z軸垂直朝上。將NHC/OD組合，考慮IMU安裝失準角為可忽略的小角度，可得b系下車輛的速度為

(5)

由慣性導航機械編排獲得速度在b系下可表示為

(6)

其中，上標「~」表示該量帶有誤差(由機械編排直接獲得)；「ϕ×」表示ϕ的反對稱矩陣。

通常IMU的中心與車輛後輪中心不重合，因此必須進行杆臂改正[14]，將IMU中心的速度vse歸算到車輛後輪中心，可表示為

(7)

考慮NHC/OD測量值帶有誤差σ，則有

(8)

對式(8)進行擾動分析，即將機械編排的速度與理論真實速度相減，有

(9)

將式(7)代入式(9)，並整理得

(10)

式(10)即NHC/OD/SINS測量方程，可表示為

(11)

其觀測噪聲表示為

(12)

式中，σod為裡程計測速噪聲項；σNHC, x、σNHC, z為NHC噪聲項，其值的大小反映了速度約束的鬆緊。

1.3 誤差校正

濾波更新完成以後，立即進行全閉環校正操作，分為3步。

(1) 用公共誤差狀態修正機械編排結果，輸出最終的導航參數，並且用該導航參數初始化下一曆元機械編排中的位置、速度和姿態

(13)

式中，下標「mech」表示慣導機械編排結果。

(2) 用IMU誤差狀態修正下一曆元的慣導輸出

(14)

式中，Δvk 1、Δθk 1分別表示下一曆元的加速度計與陀螺測量值；上標「^」表示該量進行了修正。

(3) 將所有誤差狀態置零

(15)

1.4 車輛轉彎運動分析

對車輛轉彎時進行運動學分析，如圖 1所示，A、B兩點分別為前軸中心與後軸中心。根據阿克曼理論轉向特性，車輛在轉彎時所有車輪應繞著同一點O′做瞬時圓周轉動，且點O′位於兩後輪軸線延長線上，此時根據圓周運動原理，車輛後軸速度的方向應垂直於O′B(即沿vB1方向)。然而，阿克曼理論轉向特性, 是以汽車車輛前輪定位角都等於零、行走系統為剛性、車輛行駛過程中無側向力為假設條件的，實際車輛的垂直載荷，輪胎結構、材料和充氣壓力，路面的形狀及潮溼程度，側向風，車輪外傾角，轉彎半徑和轉彎速度等均會影響輪胎側偏角，導致理論上瞬時轉動點(O′)與實際瞬時轉動點(O)無法交匯於一點[22-24]，即實際車輛轉彎時是以O點為圓心做瞬時圓周轉動。此時B點處速度vB的方向如圖 1所示，垂直於OB。對vB進行速度分解可得vB1與vB2，vB2為由於車輛轉彎運動時產生橫向速度分量。如上所述，其方向與車輛轉彎幅值大小等因素相關。

圖 1 車輛轉彎Fig. 1 Vehicle turning

由以上分析可知，由於車輛輪胎的側偏角等受轉彎速度、轉彎幅值等因素的影響，車輛在轉彎時會產生一定的橫向速度噪聲，因此在設置NHC噪聲時，不能設置為固定值，應當考慮車輛的運動狀態進行自適應調整。

2 NHC噪聲自適應模型

為研究NHC橫向速度噪聲與車輛運動狀態的關係，選取了實際路測數據進行分析：數據於2020年8月27日下午在武漢市卓刀泉立交採集，軌跡如圖 2所示，標記點為主要的轉彎的路段。試驗使用加拿大NovAtel公司的PwrPak7測量型GNSS接收機與SPAN-FSAS高精度組合導航系統，通過Inertial Explorer 8.70軟體後處理計算得到b系下車輛的行駛速度(vy)、右向速度(vx)及曆元間航向角差(da)。

圖 2 路測軌跡(卓刀泉立交)

Fig. 2 Road test track (Zhuodaoquan Interchange)

圖 2中軌跡部分為選取的驗證路段，標記點為主要的轉彎路段，圖 3為對應的橫向速度(vx)與車輛行駛速度(vy)、曆元間航向角差(da)關係。根據NHC假設，車輛橫向的速度vx應為0，而由圖 3可知，vx不為0，即存在橫向速度偏差，車輛實際運動時並不能完全滿足NHC假設：圖 3(a)為vx與vy的關係圖，可以發現兩者在數值上有明顯的正相關性，在車速vy增大/減小時，vx數值也相應地增大/減小(圖 3(a)中標記部分尤其明顯)，即NHC橫向速度噪聲受車輛前進速度影響；圖 3(b)為vx與da的關係圖，標記處為圖 2對應標記的主要轉彎路段，可以發現在轉彎路段，vx數值的增大/減少主要由da的增大/減小引起，其中b處進行大幅度轉彎運動時，vx變化尤其明顯，即NHC橫向速度噪聲受車輛轉彎影響。綜上可知，NHC橫向速度噪聲項σNHC, x受車輛速度與車輛轉彎的共同影響。

圖 3 橫向速度與車輛行駛速度、曆元間航向角差

Fig. 3 Lateral speed, vehicle speed, heading angle difference between epochs

本文根據文獻[18]，提出了基於車輛運動狀態的NHC噪聲自適應模型。如前所述，σNHC, x受車輛速度與車輛轉彎的共同影響，車輛的速度可直接從車輛CAN總線獲取(vod)，而車輛轉彎的判斷條件可表示為[18]

(16)

式中，

為航向角變化值；λi(i=1, 2, 3)為角度變化率閾值；vi(i=1, 2, 3)為速度閾值；詳細可參考文獻[18]。

根據式(16)可判斷車輛是否轉彎，當車輛存在轉彎運動時，根據車輛行駛速度和轉彎角度的大小，動態調整NHC噪聲項σNHC, x

(17)

式中，SY為設定的自適應比例因子。

為減少過松或者過緊的噪聲約束導致濾波結果異常，在進行濾波更新時，首先根據式(17)計算噪聲項σNHC, x，再進行自適應調整

(18)

即為最終確定的NHC自適應噪聲。

3 實測分析

本文採用兩組實測車載數據進行驗證與分析，採用的MEMS IMU為Bosch Sensortec公司生產的IMU BMI160，其部分參數見表 1。裡程計數據直接從車輛CAN總線中獲取，參考值為加拿大NovAtel公司的SPAN-CPT組合導航結果。

表 1 BMI160參數Tab. 1 Parameters of BMI160

3.1 測試結果1

車載數據1於2020年9月10日在武漢市洪山區採集獲得，IMU數據採樣率為100Hz，GNSS數據採樣率為1Hz，從車輛CAN總線中獲得的裡程計數據採樣率為20Hz。為驗證本文算法，選取了車輛行駛110s總長約1.3km的轉彎路段模擬GNSS中斷。軌跡圖和GNSS中斷區間如圖 4所示，圖中箭頭指示車輛的行駛方向。可以發現，車輛在GNSS中斷後共經過了兩段360°轉彎路段，能夠充分驗證車輛轉向時對NHC約束性能的影響。

圖 4 實測軌跡1與模擬GNSS中斷區間(白線軌跡)

Fig. 4 Measured trajectory 1 and simulated GNSS interruption interval (White line trajectory)

在GNSS中斷期間，根據式(10)，使用裡程計速度與NHC結合進行測量更新。本文設計了不同數據處理方案進行對比見表 2，其中方案3、方案4用於說明NHC對於OD/SINS組合系統的有效性，方案1、方案2用於驗證本文所構建算法的有效性。由於σNHC, x主要影響水平位置精度，因此，本文主要從水平軌跡、水平誤差序列及其統計值對比分析不同方案的定位性能。

表 2 數據處理方案Tab. 2 Data processing strategy

圖 5為使用不同方案得到的GNSS中斷期間的水平軌跡對比，可以發現在GNSS信號中斷後，車輛隨即進入轉彎路段。可以發現採用NHC輔助OD/SINS導航的方案1、方案2的軌跡與實際運動軌跡基本吻合；採用純SINS解算的方案3在GNSS信號中斷後誤差迅速發散，軌跡已經完全偏離實際軌跡；僅採用OD輔助SINS導航的方案4在GNSS信號中斷後在第一個轉彎路段整體維持在車道線附近，在車輛駛出第一個轉彎路段進入直線後，軌跡出現了明顯發散的現象。由此可知，GNSS中斷後誤差的發散是由於SINS帶入的。相比於單OD/SINS組合導航，使用NHC引入了右向與垂向的速度觀測值，從而提高了卡爾曼濾波估計器的冗餘度，有利於提升系統的抗差性和穩定性。由此可見，使用NHC輔助可以顯著提升OD/SINS組合系統的可用性(由表 3的統計結果可以進一步佐證)。因此，下文主要針對本文所提出的自適應噪聲方案與傳統固定噪聲的方案進行對比分析。

圖 5 不同方案的水平軌跡——數據1

Fig. 5 Horizontal trajectory of different strategies—data 1

表 3 不同方案統計指標對比——數據1

Tab. 3 Comparison of statistical indicators of different schemes—data 1

圖 6為GNSS中斷期間分別使用方案1、方案2得到的水平軌跡對比。可以發現，在第1個轉彎路段中，兩種方案解算的軌跡都與參考軌跡基本重合，整體無明顯發散的現象。在車輛駛出第一個轉彎路段進入直線時，使用方案1，車輛未能準確進入直線路段，軌跡開始出現發散現象，明顯偏離車道；而方案2軌跡雖然也有一定的發散，但整體還是可以維持在車道附近，沒有明顯發散。在第2個彎道部分，方案1軌跡出現了明顯偏移的現象，而方案2軌跡與參考軌跡符合程度較好。在車輛駛出彎道進入直線路段後，方案1、方案2都可以維持直線行駛，但方案1由於之前的誤差累積，軌跡迅速發散，而方案2軌跡發散程度明顯更小，能與實際軌跡維持較高的符合度。

圖 6 不同方案的水平軌跡(方案1與方案2)——數據1

Fig. 6 Horizontal trajectory of different strategies(strategy 1 & strategy 2)—data 1

圖 7為水平誤差序列圖，可以發現在前35s部分(第1個轉彎路段)，由於使用與直線行駛時一樣的固定NHC噪聲項，組合導航濾波結果的誤差累積加快，方案1的誤差曲線已經出現波動，而方案2由於可以正確探測到車輛的轉彎，對NHC噪聲項進行了自適應調整，誤差曲線基本維持在0附近。在第60s左右時(第2個轉彎路段中段)，方案1的水平誤差已經達到了30m，而方案2誤差在10m左右。第80s(車輛駛出彎道進入直線)後，由於誤差累積，方案1的右向誤差相比於方案2迅速發散，進而導致水平誤差的迅速發散。

圖 7 誤差序列圖——數據1Fig. 7 Error sequence diagram—data 1

圖 8為兩種方案給出的NHC噪聲對比序列，方案1使用固定的σNHC, x值(設置為0.01)，方案2根據式(18)自適應調整σNHC, x值，可以發現方案1在轉彎與直線路段都使用了固定的σNHC, x值，在轉彎路段不能完全符合車輛實際運動狀態，因此最終定位誤差較大。而由方案2給出的σNHC, x在實時調整，σNHC, x在轉彎路段明顯增大，更加符合車輛實際運動狀態，因此最終定位誤差相對較小。由此可見，本文構建的基於車輛運動狀態的NHC噪聲自適應模型，相比於固定噪聲的NHC模型，通過自適應調整噪聲，限制了NHC方法在轉彎狀態下的對觀測結果的影響權重。

圖 8 不同方案NHC噪聲對比序列圖——數據1

Fig. 8 NHC noise comparison sequence diagram of different strategies—data 1

表 3給出了不同數據處理方案得到的最大位置誤差結果。在GNSS信號中斷的110s期間，採用純SINS解算的方案3誤差最大，使用OD/SINS組合的方案4相比於方案3的誤差明顯減小，但明顯大於使用了NHC的方案1、方案2，進一步說明了使用NHC輔助可以顯著提升OD/SINS組合系統的可用性。與方案1使用固定的NHC噪聲項相比，方案2使用自適應的NHC噪聲項的最大右向誤差從84.60m減小到26.66m，最大前向誤差從27.52m減小到11.08m，最大水平誤差從87.40m減小到了27.61m，結果表明本文構建的NHC噪聲自適應算法是有效的。

3.2 測試結果2

為進一步驗證本文所構建自適應噪聲方案相比於固定噪聲方案的有效性，選取一段實測直線路段車載數據進行分析。車載數據2於2020年9月10日在武漢市洪山區採集獲得，所採用的設備與數據記錄、處理方案均與車載數據1一致。

圖 9為軌跡圖和GNSS中斷區間示意圖，圖中箭頭指示車輛的行駛方向。可見GNSS中斷路段為直線路段，GNSS中斷時長為74s，路線長度約為700m，車輛進行變速運動。

圖 9 實測軌跡2與模擬GNSS中斷區間

Fig. 9 Measured trajectory 2 and simulated GNSS interruption interval

圖 10為兩種方案給出的NHC噪聲對比序列，方案1使用固定的σNHC, x值(設置為0.01)，方案2根據式(18)自適應調整σNHC, x值，可見在變速運動下，方案2會自適應調整σNHC, x值，因此兩種方案的結果也會存在差別。

圖 10 不同方案NHC噪聲對比序列圖——數據2

Fig. 10 NHC noise comparison sequence diagram of different strategies—data 2

圖 11為水平軌跡對比圖，表 4為不同數據處理方案得到的最大位置誤差結果。由結果可見，在GNSS中斷74s的直線路段中，採用本文所構建的自適應噪聲方案2，最大水平誤差不超過10m，而採用固定噪聲的方案1時，最大水平誤差超過了60m，結果表明本文構建的NHC噪聲自適應算法是有效的。

圖 11 不同方案的水平軌跡(方案1與方案2)——數據2

Fig. 11 Horizontal trajectory of different strategies(strategy 1 & strategy 2)—data 2

表 4 不同方案統計指標對比——數據2

Tab. 4 Comparison of statistical indicators of different schemes—data 2

綜合以上分析可知，根據車輛的運動狀態，使用NHC噪聲自適應的方法能更加有效地利用NHC信息，可有效地提高車輛組合導航定位的精度。所選場景的實測結果表明，相比於固定噪聲的NHC/OD/SINS組合算法，採用自適應噪聲的NHC/OD/SINS組合算法，在110s的GNSS信號中斷、車輛連續轉彎的情況下，最大水平位置誤差減小了68.4%；在74s的GNSS信號中斷、車輛直線行駛的情況下，最大水平位置誤差減小了87.3%。

4 結語

在地面車載組合導航中，當GNSS信號中斷時採用NHC/OD/SINS組合可以抑制組合導航結果的誤差發散。本文構建的基於車輛運動狀態的NHC噪聲自適應方法，通過IMU測量值與車輛CAN總線提供的速度測量值判斷車輛的運動狀態。所選場景的實測結果表明，該自適應方法能夠較好地抑制GNSS中斷期間組合導航系統的誤差發散，採用自適應噪聲的NHC/OD/SINS組合算法的最大水平位置相比於固定噪聲的NHC/OD/SINS組合算法，在110s的GNSS中斷的連續轉彎路段，最大水平位置誤差減小了68.4%；在74s的GNSS中斷的直線路段，最大水平位置誤差減小了87.4%。

作者簡介

第一作者簡介：劉萬科(1978—), 男, 教授, 研究方向為GNSS精密定位、多源融合定位。E-mail: [email protected]

通信作者：朱鋒, E-mail：[email protected]

初審：張 琳

覆審：宋啟凡

終審：金 君

往期推薦

資訊

○ 山東省水利勘測設計院有限公司2022年公開招聘！含測繪、地信、遙感相關專業

○ 自然資源部：這11家導航電子地圖製作甲級測繪資質單位覆審換證通過

○ 第四屆「城市遙感」學術研討會

○ 武漢大學課題組在AI、導航及遙感交叉領域取得新成果

會議

○ Geoinformatics 2022 暨CPGIS成立30周年年會（二號通知）

○ 規劃有形，智慧無境：國地雲講堂本周五正式開講

○ 關於召開大地測量與導航2022年綜合學術年會的通知（第一輪）

○ CHINTERGEO中國測繪地理信息技術裝備展覽會將於3月2日舉

《測繪學報》

○ 測繪學報 | 李德仁：論萬物互聯時代的地球空間信息學

○ 高被引論文 | 藍朝楨：異源遙感影像特徵匹配的深度學習算法

○ 高被引論文 | 張永軍：天空地多源遙感數據的廣義攝影測量學

○ 高被引論文 | 劉巍, 吳志峰, 駱劍承, 等：深度學習支持下的丘陵山區耕地高解析度遙感信息分區分層提取方法

《測繪通報》

○ 地市級實景三維城市建設及應用

○ 面向上海城市數位化轉型的新型測繪

○ 基於Sentinel-2影像的雄安新區土地利用分析

○《測繪通報》2021年第12期目錄

《北京測繪》

○《北京測繪》2022年第1期摘要推薦

○《北京測繪》2021年第12期摘要推薦

○《北京測繪》2021年第11期摘要推薦

○《北京測繪》2021年第10期摘要推薦

《測繪科學技術學報》

○ 摘要 |《測繪科學技術學報》2021年第2期摘要推薦

○ 摘要 |《測繪科學技術學報》2021年第4期摘要推薦

○ 摘要 |《測繪科學技術學報》2021年第5期摘要推薦

○ 摘要 |《測繪科學技術學報》2021年第6期摘要推薦

《地球信息科學學報》

○ 《地球信息科學學報》2022年第1期佳文推介

○ 龔健雅院士：全球位置信息疊加協議與位置服務網技術研究進展與展望

○ 佳文推介 | 大數據城市通勤交通模型的構建與模擬應用

○ 專刊徵稿：社會感知與地理大數據挖掘（徵稿中）

《測繪工程》

○ 摘要 |《測繪工程》2021年第5期摘要推薦

○ 摘要 |《測繪工程》2021年第4期摘要推薦

○ 摘要 |《測繪工程》2021年第6期摘要推薦

○ 佳文推介 | 單目視覺技術在室內定位中的應用研究

《中國空間科學技術》

○ 火衛二地形地貌探測綜述

○《中國空間科學技術》2022年第1期摘要

○《中國空間科學技術》2021年第6期摘要

○《中國空間科學技術》2021年第5期摘要推薦

《衛星應用》

《Journal of Geodesy and Geoinformation Science》

○《測繪學報（英文版）》專刊徵稿 | 地圖學與地球空間信息教育：理論與實踐

○ 《測繪學報（英文版）》專刊徵稿 | 用於三維地理信息的攝影測量和計算機視覺

○ Ting On CHAN et al. | 《測繪學報（英文版）》（JGGS）精選論文

○ Kexian WANG et al. | 《測繪學報（英文版）》（JGGS）精選論文

《Satellite Navigation》

○ 徐元博士：面向有色測量噪聲下UWB/INS組合行人導航的分布式卡爾曼濾波| SANA佳文速遞

○ 楊飛博士：GNSS天頂對流層精化模型的構建與分析| SANA佳文速遞

○ 姚錚教授：北鬥PPP服務信號調製復用方案設計與質量評估| SANA佳文速遞

○ 2022徵文| SatNav「普適定位、室內導航與基於位置服務」專題

《自然資源遙感》

○ 《自然資源遙感》入駐「智繪科服」融媒體平臺！

○ 《自然資源遙感》徵稿：「海岸帶空間資源及生態健康遙感監測」專欄

○ 摘要 |《自然資源遙感》2021年第3期摘要推薦

○ 摘要 |《自然資源遙感》2021年第4期摘要推薦

《Journal of Geovisualization and Spatial Analysis》

○《Journal of Geovisualization and Spatial Analysis》入駐「智繪科服」融媒體平臺！

○ JGSA國際期刊2021年第5卷第2期論文摘要

○ 高被引論文推薦 | Journal of Geovisualization and Spatial Analysis