论文部分内容阅读
摘要：GPS在车辆上最基本的用途就是车辆定位与导航。另外，由于可以连续、实时、高精度地提供三维位置、三维速度，因此，GPS作为一种特殊的位置、速度传感器将越来越多地应用于车辆研究的各个方面。导航技术是快速正确引导载体到达目的地的一种技术，它对提高汽车运行嫂率 节约能源有重要意义。本文该套系统通过对GPS / IMU 组合系统导航，对空间激光数据模型提取点线面特征值，结合CCD 相机数据进行立体重建和可视化，实现了实时、主动、完整地获取和处理三维空间数据信息。
关键词：惯性；车载；导航系统；GPS / IMU 组合导航
全球定位系统GPS是目前世界上应用范围最广、最实用的授时、测距、导航定位系统。随着电子技术的发展，GPS被引入了汽车导航系统。由于导航技术应用于汽车工业领域，目前一些最新的导航技术，诸如GPS导航技术、惯性导航技术和组合导航技术在汽车领域中也得以应用。导航技术与其它信息处理系统配合，可以有效地改善这一状况；同时，还可以向驾驶员提供除了交通信息之外的其它信息，如查询资源功能。具体地说，驾驶员不仅可以从电子地图上了解到自己的位置以及由智能交通系统的信息处理中心根据目前交通状况确定并下载的最佳行驶路线，同时还可以通过无线网络从信息处理中心庞大的数据库中查询所需要的一切信息。可见，导航技术对汽车智能化具有极其重要的意义。
一、惯性导航技术
惯性导航技术是一种基于随性传感器，即加速度传感器和角速率传感器技术和控制论的导航技术，其基本原理是利用加速度传感器感应载体的运动加速度，经一次积分得到运动速率，再进行一次积分即得到运动距离；同时还要利用角速率传感器感应载体运动的角速率，经一次积分后即得到运动角度。而惯性导航系统则是运用惯性技术和控制技术的一种精密仪器系统，它可以实时和精确地输出载体的位置、运动速度、航向和姿态信息，由于其高度的自主性，被广泛应用于军事和航空航天工业，惯性导航技术的关键技术之一是惯性传感器技术，其中又以角速率传感器最为重要。早期使用的角速率传感器为陀螺仪，它是利用陀螺仪的定轴性进动性和力矩特性对角速率进行感应的。陀螺仪的精度将决定整个惯性导航系统的精度.高精度的陀螺仪有液浮式、静电式等，并且要装在结构复杂的平台上，故价格昂贵，应用场合受到了限制。因此又出现了固态角速率传感器，包括激光陀螺、光纤陀螺和微机械陀螺等，这种传感器虽然精度相对较低，但体积小，可直接安装在载体上.即构成捷联式惯性导航系统。捷联式惯性导航系统的价格较低、结构简单、体积小、应用场合广泛，是目前惯性导航技术的发展方向。对于汽车导航中应用的航位推算系统.可以利用汽车本身的速度传感器得到的速度信息作为位置推算的基础.而仅有速度是不足以对汽车的位置进行推算的，必须还要有航向信息，因此还需要一只角速率传感器。通常使用的是固态惯性传感器，如光纤陀螺和微机械陀螺，因为其价格较低，而且精度能够满足汽车导航的需要。
二、GPS用于车辆组合导航
目前，对于车载GPS定位导航主要集中在多传感器组合导航算法和硬件开发的研究上。
1、GPS-DR组合导航系统。将GPS与自主式的航位推算系统（DR）有机的结合起来，通过组合2种导航系统的优点，互相取长补短，克服了GPS信号中断和屏蔽以及DR不能长时间使用的问题，能够获得较好的车辆定位精度和可靠性。关于GPS-DR组合导航算法的研究大部分都是基于自适应联合或扩展卡尔曼滤波算法及其改进算法。该滤波方法不用计算繁琐的Jacobian矩阵，也避免了引入线性化误差，因此，精度较高。开展了不少关于GPS-DR组合导航的“级联”卡尔曼滤波算法和硬件耦合方式的研究。
2、地图匹配组合导航系统。对于GPS-DR组合方案，当车辆行驶在道路密集的市区时，无法利用电子地圖匹配技术对GPS定位信息和航位推算系统的定位信息作进一步校正。这时如果GPS-DR导航系统再辅以数字地图匹配（map-matching，MM）技术构成GPS-DR-MM组合导航系统，则可以实时地对组合导航系统的输出信息进行地图匹配。该系统在精度和可靠性等方面较GPS-DR系统有较好的改善。航空航天大学在国内较早地设计了车载GPS-DRMM组合导航系统的联合卡尔曼滤波器。[1] 研究了MM算法中的一种“确认策略”，该技术基于载波相位GPS所获取车辆轨迹的高精度参考值，可以提高对预定轨迹的跟踪精度。
3、捷联惯性导航系统组合导航。捷联惯性导航系统（GPS-SINS）由陀螺仪和加速度计分别安装在相互垂直的方向构成，该装置直接安装在载体上。GPS-SINS组合导航系统综合了GPS与SINS的优点，同时，克服了它们各自的缺点，从而构成了一种优良的组合导航方式，并已成为现今导航系统的一个主要发展方向，该组合导航系统主要应用在军车上，软件方面，提出了一种基于神经元状态融合的GPS-SINS车载组合导航系统信息融合模型[1]；硬件方面，研制了一种已经进入车载试验阶段的激光陀螺SINSGPS组合导航系统，该系统定位精度高于一般机械陀螺的SINS-GPS组合导航系统，但成本也较高。在丢失GPS信号情况下采用神经网络辅助提高SINS-GPS系统的导航精度。
三、GPS / IMU 组合导航系统可视化
1、系统设计组成结构
完整的车载三维数据获取与处理系统由定位定姿模块和影像采集模块两部分组成，其中用于定位定姿态的传感器有DGPS、VECTOR、IMU 等，用于扫描或摄影成像的影像传感器有扫描式激光测距仪、线阵CCD 和面阵CCD相机等。这两部分和车载升降台、车载计算机及经过改装的汽车运载平台组成整个系统。系统通过集成DGPS、IMU，获取系统时间、车载平台位置与姿态，1台VECTOR 获取车前进的航向角，为系统提供定位定向定时信息。利用2DLS获取地物目标几何数据，采用线阵和面阵CCD 相机获取地物目标的图像数据，采用Ka lman 滤波融合GPS、IMU 数据，空间检校技术确定传感器间相对方位、空间配准，并建立多传感器系统的时间同步配准。系统设计如图。 系统的工作原理是：车辆以一定速度沿道理前进，GPS及IMU 同时观测并记录传感器的位置和姿态数据，面阵CCD 和线阵CCD 分别获取建筑物立面影像信息及道路路面，激光扫描仪也同时将道路两侧建筑物表面的点云记录下来，所有传感器都受控于计算机系统，并通过同步控制系统触发脉冲来实现数据同步采集。
（1）DGPS系统。DGPS系统确定平台的移动位置，由一台车载GPS和在一实验楼10层顶架设一台基站接收机组成。系统采用NovAtelDL-4型双频高精度、高数据刷新率GPS。GPS数据通过串口输出到计算机进行存储处理。
（2）惯性测量单元。惯性测量单元为系统提供平台位置和姿态。系统动态测量、定位和导航IMU 选用低价位、高性能的测量元件惯性传感器YH-7000 惯性测量单元（IMU）& 垂直陀螺仪（VG），可得出所需的角度和运动参数。惯性测量单元由一组三轴100、200或300deg的固连加速度计（带宽> 100Hz），和一组三轴100、200 或300 deg /s的光纤陀螺FOG s100H z）组成，通过滤波，16位A /D转换，起始误差和轴向偏差的补偿，经过约140Hz，38400波特率的串口输出一组惯性测量的数据。陀螺仪采用根据光的干涉来测量角度旋转的FOG传感器。
（3）激光扫描仪。三维城市模型的构建需要真三维的空间数据和真实影像数据，采用基于地面的激光扫描系统获取城市三维重建和局部区域空间信息。系统采用了SICK 公司生产的SICK LMS291 二维激光扫描仪。将扫描仪装载到移动测量车的升降平台上，当测量车沿着某一方向运行时，扫描仪实时获取道路两侧的相应物体的二维位置信息。
（4）面阵线阵CCD相机。面阵CCD 相机获取建筑物立面纹理信息。采用从超亿数码定做2 台600 万像素面阵CCD 数码相机NED7500D。数据接口采用PC I22标准采集卡；电子快门在1s-1/125s范围内可软件设定；文件格式为48 b it TIFF文件，RGB 数据输出，有利于后期图像处理。利用实时差分GPS控制面阵CCD 曝光过程，将差分动态GPS获取的定时位置信息输入到计算机中，实现设计好曝光点，当车载系统移动到该位置时，根据GPS 获得的位置和数据，实现定点曝光。线阵相机获取道路路面交通标注等信息。
2、数据获取与处理
（1）时间、空间配准和GPS /IMU组合系统导航由于各传感器数据采集频率不同和启动时间不一致，需要对GPS、IMU、LS、CCD 进行时间同步处理。一方面通过控制系统和计算机使各传感器在启动的时间上一致；另一方面对各传感器所采集的采样频率不同的目标观测数据进行内差、外推匹配，如将小粒度的观测时间点的数据分布融合到大粒度的观测时间点的数据里。由于传感器在车内升降平台的安装位置不同、以及各自的物理特性有差异，造成各自的描述空间不同，必须进行空间配准，将这些传感器的数据信息映射到一个共同的参考描述空间中，采用空间检校技术确定传感器间相对方位，再融合处理采集的各种数据。集成DGPS和IMU，采用Ka lman滤波融合GPS、IMU 数据，获取平台位置与姿态。组合导航定位系统将IMU 的陀螺和加速度计的输出及GPS 测量数据送至车载计算机，进行处理。系统以GPS 时间作为时间基准，采用卡尔曼（Kalman）滤波融合GPS和IMU 数据对GPS和IMU 数据，推算出各传感器的最佳平台位置和姿态估计，从而确定整个系统精确的运动路线及姿态变化。
（2）激光数据获取处理。激光扫描仪是在垂直于车辆行驶方向做二维扫描，以汽车行驶方向作为运动维，构成三维扫描系统，所获取的数据由全离散的矢量距离点构成的点云，每一像素包含的是一个距离值和角度值。扫描仪所获得的原始测量数据主要包括：每条扫描线的序号（每扫描256条线重复一次）；在某一时刻所得到的扫描仪中心点到物体表面的距离值；根据最大和最小扫描角度以及每条线的扫描点的个数计算得出的任意一个扫描点的扫描角度；扫描仪按照自身时间计数器精度下的扫描点的时间。其中，所获取的两种数据可以用来计算扫描线相对于扫描仪自身的坐标值，两种数据则为不同传感器数据融合、进行三维转换提供数据。在经过时间同步、空间配准和GPS / IMU 组合系统导航处理获取平台位置与姿态等后，对去噪后的传感器数据进行融合处理，激光扫描仪的数据结合GPS输出数据确定任意扫描线在车行方向上的值，进行三维转换，重建三维目标。
（3）特征提取、三維立体建模与场景可视化。通过激光扫描仪获取的是海量的散三维点云数据，具有含有较多噪音和不连续性的特点，需要对点云图数据进行特征选取。通过点数据进行分割、特征点线面分割，提取事物的几何特征，挖掘出物体的三维几何框架。特征点线面提取的过程，也就是对点云数据分行分割的过程。在这些基础上，通过特征点探测、用Hough变换、线性回归、分段线性拟合等、借助于Z图像等方法，综合全面分割出点线面等特征。在根据距离图象提取出特征点线面后，用线阵、面阵数码相机得到的影像数据来补充点云数据细节的识别，进行纹理映射，利用色彩变化和图像边界进行影像数据分割，然后整合深度数据和图像数据以进行细节提取。从而建立空间三维模型，进行三维可视化，建立三维立体场景。
四、EMC定义及磁罗盘原理
地理坐标系（n系）：原点在载体重心，Xn轴指北，Yn轴指东，Zn轴沿地垂线指向地，XnYnZn构成右手坐标系。载体坐标系（b系）：原点在载体重心，Xb轴指向载体纵轴方向，Yb轴指向载体右侧，Zb轴沿载体垂直向下，XbYbZb构成右手坐标系。载体坐标系相对地理坐标系的方位为载体的姿态，Φ、θ、ψ分别表示载体的横滚角、俯仰角与航向角。磁罗盘由加速度计与磁强计组成，通过加速度计的测量信息可以得到载体的横滚角和俯仰角 θ，进一步与磁场信息相结合即可计算得到磁航向角。
电子磁罗盘（EMC）是一种结构简单，成本低的磁航向仪，经过磁差和罗差补偿后，EMC误差可近似用一阶马尔可夫过程来描述。
车载三维数据获取与处理系统使用GPS、IMU等组合导航技术确定车载传感器的位置和姿态，结合GPS 时间基准，利用时间同步控制器实现多传感器时间同步，根据传感器特性，利用空间检测技术确定传感器之间的相对空间关系，实现空间配准，在此基础上，进行多传感器特别是激光扫描仪点云数据CCD 数码相机影像数据之间的融合，提取道路和两侧街景等目标的特征信息，进行三维立体重建和可视化。
参考文献：
[1]谭雁英，周旗，张波.型无人机航位推算定位算法研究与误差分析[J] .火力与指挥控制，2013，32（5）：8-11.
[2]罗小明，彭征明.空间力量信息支援能力量化分析[J].火力与指挥控制，2013，31（5）：13-17.
[3]李荣冰，刘建业.基于MEMS技术的微型惯性导航系统的发展现状[J].中国惯性技术学报，2014，12（6）.
[4]秦永元，张洪钺，汪叔华，张洪钺，汪叔华.卡尔曼滤波与组合导航原理[M].西安：西北工业大学出版社，2013：25.
关键词：惯性；车载；导航系统；GPS / IMU 组合导航
全球定位系统GPS是目前世界上应用范围最广、最实用的授时、测距、导航定位系统。随着电子技术的发展，GPS被引入了汽车导航系统。由于导航技术应用于汽车工业领域，目前一些最新的导航技术，诸如GPS导航技术、惯性导航技术和组合导航技术在汽车领域中也得以应用。导航技术与其它信息处理系统配合，可以有效地改善这一状况；同时，还可以向驾驶员提供除了交通信息之外的其它信息，如查询资源功能。具体地说，驾驶员不仅可以从电子地图上了解到自己的位置以及由智能交通系统的信息处理中心根据目前交通状况确定并下载的最佳行驶路线，同时还可以通过无线网络从信息处理中心庞大的数据库中查询所需要的一切信息。可见，导航技术对汽车智能化具有极其重要的意义。
一、惯性导航技术
惯性导航技术是一种基于随性传感器，即加速度传感器和角速率传感器技术和控制论的导航技术，其基本原理是利用加速度传感器感应载体的运动加速度，经一次积分得到运动速率，再进行一次积分即得到运动距离；同时还要利用角速率传感器感应载体运动的角速率，经一次积分后即得到运动角度。而惯性导航系统则是运用惯性技术和控制技术的一种精密仪器系统，它可以实时和精确地输出载体的位置、运动速度、航向和姿态信息，由于其高度的自主性，被广泛应用于军事和航空航天工业，惯性导航技术的关键技术之一是惯性传感器技术，其中又以角速率传感器最为重要。早期使用的角速率传感器为陀螺仪，它是利用陀螺仪的定轴性进动性和力矩特性对角速率进行感应的。陀螺仪的精度将决定整个惯性导航系统的精度.高精度的陀螺仪有液浮式、静电式等，并且要装在结构复杂的平台上，故价格昂贵，应用场合受到了限制。因此又出现了固态角速率传感器，包括激光陀螺、光纤陀螺和微机械陀螺等，这种传感器虽然精度相对较低，但体积小，可直接安装在载体上.即构成捷联式惯性导航系统。捷联式惯性导航系统的价格较低、结构简单、体积小、应用场合广泛，是目前惯性导航技术的发展方向。对于汽车导航中应用的航位推算系统.可以利用汽车本身的速度传感器得到的速度信息作为位置推算的基础.而仅有速度是不足以对汽车的位置进行推算的，必须还要有航向信息，因此还需要一只角速率传感器。通常使用的是固态惯性传感器，如光纤陀螺和微机械陀螺，因为其价格较低，而且精度能够满足汽车导航的需要。
二、GPS用于车辆组合导航
目前，对于车载GPS定位导航主要集中在多传感器组合导航算法和硬件开发的研究上。
1、GPS-DR组合导航系统。将GPS与自主式的航位推算系统（DR）有机的结合起来，通过组合2种导航系统的优点，互相取长补短，克服了GPS信号中断和屏蔽以及DR不能长时间使用的问题，能够获得较好的车辆定位精度和可靠性。关于GPS-DR组合导航算法的研究大部分都是基于自适应联合或扩展卡尔曼滤波算法及其改进算法。该滤波方法不用计算繁琐的Jacobian矩阵，也避免了引入线性化误差，因此，精度较高。开展了不少关于GPS-DR组合导航的“级联”卡尔曼滤波算法和硬件耦合方式的研究。
2、地图匹配组合导航系统。对于GPS-DR组合方案，当车辆行驶在道路密集的市区时，无法利用电子地圖匹配技术对GPS定位信息和航位推算系统的定位信息作进一步校正。这时如果GPS-DR导航系统再辅以数字地图匹配（map-matching，MM）技术构成GPS-DR-MM组合导航系统，则可以实时地对组合导航系统的输出信息进行地图匹配。该系统在精度和可靠性等方面较GPS-DR系统有较好的改善。航空航天大学在国内较早地设计了车载GPS-DRMM组合导航系统的联合卡尔曼滤波器。[1] 研究了MM算法中的一种“确认策略”，该技术基于载波相位GPS所获取车辆轨迹的高精度参考值，可以提高对预定轨迹的跟踪精度。
3、捷联惯性导航系统组合导航。捷联惯性导航系统（GPS-SINS）由陀螺仪和加速度计分别安装在相互垂直的方向构成，该装置直接安装在载体上。GPS-SINS组合导航系统综合了GPS与SINS的优点，同时，克服了它们各自的缺点，从而构成了一种优良的组合导航方式，并已成为现今导航系统的一个主要发展方向，该组合导航系统主要应用在军车上，软件方面，提出了一种基于神经元状态融合的GPS-SINS车载组合导航系统信息融合模型[1]；硬件方面，研制了一种已经进入车载试验阶段的激光陀螺SINSGPS组合导航系统，该系统定位精度高于一般机械陀螺的SINS-GPS组合导航系统，但成本也较高。在丢失GPS信号情况下采用神经网络辅助提高SINS-GPS系统的导航精度。
三、GPS / IMU 组合导航系统可视化
1、系统设计组成结构
完整的车载三维数据获取与处理系统由定位定姿模块和影像采集模块两部分组成，其中用于定位定姿态的传感器有DGPS、VECTOR、IMU 等，用于扫描或摄影成像的影像传感器有扫描式激光测距仪、线阵CCD 和面阵CCD相机等。这两部分和车载升降台、车载计算机及经过改装的汽车运载平台组成整个系统。系统通过集成DGPS、IMU，获取系统时间、车载平台位置与姿态，1台VECTOR 获取车前进的航向角，为系统提供定位定向定时信息。利用2DLS获取地物目标几何数据，采用线阵和面阵CCD 相机获取地物目标的图像数据，采用Ka lman 滤波融合GPS、IMU 数据，空间检校技术确定传感器间相对方位、空间配准，并建立多传感器系统的时间同步配准。系统设计如图。 系统的工作原理是：车辆以一定速度沿道理前进，GPS及IMU 同时观测并记录传感器的位置和姿态数据，面阵CCD 和线阵CCD 分别获取建筑物立面影像信息及道路路面，激光扫描仪也同时将道路两侧建筑物表面的点云记录下来，所有传感器都受控于计算机系统，并通过同步控制系统触发脉冲来实现数据同步采集。
（1）DGPS系统。DGPS系统确定平台的移动位置，由一台车载GPS和在一实验楼10层顶架设一台基站接收机组成。系统采用NovAtelDL-4型双频高精度、高数据刷新率GPS。GPS数据通过串口输出到计算机进行存储处理。
（2）惯性测量单元。惯性测量单元为系统提供平台位置和姿态。系统动态测量、定位和导航IMU 选用低价位、高性能的测量元件惯性传感器YH-7000 惯性测量单元（IMU）& 垂直陀螺仪（VG），可得出所需的角度和运动参数。惯性测量单元由一组三轴100、200或300deg的固连加速度计（带宽> 100Hz），和一组三轴100、200 或300 deg /s的光纤陀螺FOG s100H z）组成，通过滤波，16位A /D转换，起始误差和轴向偏差的补偿，经过约140Hz，38400波特率的串口输出一组惯性测量的数据。陀螺仪采用根据光的干涉来测量角度旋转的FOG传感器。
（3）激光扫描仪。三维城市模型的构建需要真三维的空间数据和真实影像数据，采用基于地面的激光扫描系统获取城市三维重建和局部区域空间信息。系统采用了SICK 公司生产的SICK LMS291 二维激光扫描仪。将扫描仪装载到移动测量车的升降平台上，当测量车沿着某一方向运行时，扫描仪实时获取道路两侧的相应物体的二维位置信息。
（4）面阵线阵CCD相机。面阵CCD 相机获取建筑物立面纹理信息。采用从超亿数码定做2 台600 万像素面阵CCD 数码相机NED7500D。数据接口采用PC I22标准采集卡；电子快门在1s-1/125s范围内可软件设定；文件格式为48 b it TIFF文件，RGB 数据输出，有利于后期图像处理。利用实时差分GPS控制面阵CCD 曝光过程，将差分动态GPS获取的定时位置信息输入到计算机中，实现设计好曝光点，当车载系统移动到该位置时，根据GPS 获得的位置和数据，实现定点曝光。线阵相机获取道路路面交通标注等信息。
2、数据获取与处理
（1）时间、空间配准和GPS /IMU组合系统导航由于各传感器数据采集频率不同和启动时间不一致，需要对GPS、IMU、LS、CCD 进行时间同步处理。一方面通过控制系统和计算机使各传感器在启动的时间上一致；另一方面对各传感器所采集的采样频率不同的目标观测数据进行内差、外推匹配，如将小粒度的观测时间点的数据分布融合到大粒度的观测时间点的数据里。由于传感器在车内升降平台的安装位置不同、以及各自的物理特性有差异，造成各自的描述空间不同，必须进行空间配准，将这些传感器的数据信息映射到一个共同的参考描述空间中，采用空间检校技术确定传感器间相对方位，再融合处理采集的各种数据。集成DGPS和IMU，采用Ka lman滤波融合GPS、IMU 数据，获取平台位置与姿态。组合导航定位系统将IMU 的陀螺和加速度计的输出及GPS 测量数据送至车载计算机，进行处理。系统以GPS 时间作为时间基准，采用卡尔曼（Kalman）滤波融合GPS和IMU 数据对GPS和IMU 数据，推算出各传感器的最佳平台位置和姿态估计，从而确定整个系统精确的运动路线及姿态变化。
（2）激光数据获取处理。激光扫描仪是在垂直于车辆行驶方向做二维扫描，以汽车行驶方向作为运动维，构成三维扫描系统，所获取的数据由全离散的矢量距离点构成的点云，每一像素包含的是一个距离值和角度值。扫描仪所获得的原始测量数据主要包括：每条扫描线的序号（每扫描256条线重复一次）；在某一时刻所得到的扫描仪中心点到物体表面的距离值；根据最大和最小扫描角度以及每条线的扫描点的个数计算得出的任意一个扫描点的扫描角度；扫描仪按照自身时间计数器精度下的扫描点的时间。其中，所获取的两种数据可以用来计算扫描线相对于扫描仪自身的坐标值，两种数据则为不同传感器数据融合、进行三维转换提供数据。在经过时间同步、空间配准和GPS / IMU 组合系统导航处理获取平台位置与姿态等后，对去噪后的传感器数据进行融合处理，激光扫描仪的数据结合GPS输出数据确定任意扫描线在车行方向上的值，进行三维转换，重建三维目标。
（3）特征提取、三維立体建模与场景可视化。通过激光扫描仪获取的是海量的散三维点云数据，具有含有较多噪音和不连续性的特点，需要对点云图数据进行特征选取。通过点数据进行分割、特征点线面分割，提取事物的几何特征，挖掘出物体的三维几何框架。特征点线面提取的过程，也就是对点云数据分行分割的过程。在这些基础上，通过特征点探测、用Hough变换、线性回归、分段线性拟合等、借助于Z图像等方法，综合全面分割出点线面等特征。在根据距离图象提取出特征点线面后，用线阵、面阵数码相机得到的影像数据来补充点云数据细节的识别，进行纹理映射，利用色彩变化和图像边界进行影像数据分割，然后整合深度数据和图像数据以进行细节提取。从而建立空间三维模型，进行三维可视化，建立三维立体场景。
四、EMC定义及磁罗盘原理
地理坐标系（n系）：原点在载体重心，Xn轴指北，Yn轴指东，Zn轴沿地垂线指向地，XnYnZn构成右手坐标系。载体坐标系（b系）：原点在载体重心，Xb轴指向载体纵轴方向，Yb轴指向载体右侧，Zb轴沿载体垂直向下，XbYbZb构成右手坐标系。载体坐标系相对地理坐标系的方位为载体的姿态，Φ、θ、ψ分别表示载体的横滚角、俯仰角与航向角。磁罗盘由加速度计与磁强计组成，通过加速度计的测量信息可以得到载体的横滚角和俯仰角 θ，进一步与磁场信息相结合即可计算得到磁航向角。
电子磁罗盘（EMC）是一种结构简单，成本低的磁航向仪，经过磁差和罗差补偿后，EMC误差可近似用一阶马尔可夫过程来描述。
车载三维数据获取与处理系统使用GPS、IMU等组合导航技术确定车载传感器的位置和姿态，结合GPS 时间基准，利用时间同步控制器实现多传感器时间同步，根据传感器特性，利用空间检测技术确定传感器之间的相对空间关系，实现空间配准，在此基础上，进行多传感器特别是激光扫描仪点云数据CCD 数码相机影像数据之间的融合，提取道路和两侧街景等目标的特征信息，进行三维立体重建和可视化。
参考文献：
[1]谭雁英，周旗，张波.型无人机航位推算定位算法研究与误差分析[J] .火力与指挥控制，2013，32（5）：8-11.
[2]罗小明，彭征明.空间力量信息支援能力量化分析[J].火力与指挥控制，2013，31（5）：13-17.
[3]李荣冰，刘建业.基于MEMS技术的微型惯性导航系统的发展现状[J].中国惯性技术学报，2014，12（6）.
[4]秦永元，张洪钺，汪叔华，张洪钺，汪叔华.卡尔曼滤波与组合导航原理[M].西安：西北工业大学出版社，2013：25.