Статья посвящена внедрению комплексированных навигационных систем GNSS/INS для автоматизированного геоконтроля строительных процессов в условиях плотной городской застройки, где эффект городского каньона , многолучевость и электромагнитные помехи резко снижают надежность спутникового позиционирования. Целью работы является разработка и экспериментальная проверка робастной методики комплексирования данных GNSS и инерциальных навигационных систем, обеспечивающей непрерывное и достаточное по точности координатное обеспечение для систем автоматизированного управления строительной техникой и цифровых двойников строительного производства. Материалы и методы включают натурные эксперименты на высотных стройплощадках с использованием мультисистемных двухчастотных GNSS-приемников (GPS, GLONASS, Galileo, BeiDou), интегрированных с MEMS-основанными IMU, установленных на 12 единицах техники (бульдозеры, грейдеры, экскаваторы, асфальтоукладчики); обработка более 4 ТБ сырых данных выполнялась в среде расширенного фильтра Калмана с реализацией слабосвязанной и жесткосвязанной схем интеграции и последующей верификацией по роботизированным тахеометрам, PPK-решениям и наземному лазерному сканированию. Показано, что применение гибридной GNSS/INS-системы снижает СКО плановых координат в условиях частичного перекрытия горизонта с 4,7–5,1 до 1,5–1,6 см, а в условиях глубокого каньона — с 18–21 до 3–3,5 см при росте доступности решения с ~42 до >94 %, обеспечивая соблюдение строительных допусков; проанализирован дрейф инерциальной подсистемы, установлено, что при потерях сигнала до 10–20 с ошибка не превышает 2–3 см, а время реинициализации фильтра составляет менее 1,5 с. Производственный анализ демонстрирует увеличение выработки техники на 40–52 %, снижение доли переделок до меньше 2 % и экономию топлива до 18–19 % за счет уменьшения числа проходов и повышения точности работ с первого раза . Обсуждаются перспективы интеграции предложенных алгоритмов с BIM-моделями, технологиями коллективной навигации и элементами искусственного интеллекта для предиктивной оценки качества навигационного поля и перехода к полноценным цифровым двойникам строительных процессов.
The article is devoted to the implementation of integrated GNSS/INS navigation systems for automated geocontrol of construction processes in dense urban environments, where the urban canyon effect, multipath interference, and electromagnetic disturbances significantly reduce the reliability of satellite positioning. The aim of the study is to develop and experimentally validate a robust methodology for integrating GNSS and inertial navigation system data to ensure continuous and sufficiently accurate coordinate support for automated construction machinery control systems and digital twins of construction production. The materials and methods include field experiments at high-rise construction sites using multisystem dual-frequency GNSS receivers (GPS, GLONASS, Galileo, BeiDou) integrated with MEMS-based IMUs installed on 12 units of construction machinery (bulldozers, graders, excavators, asphalt pavers); processing of more than 4 TB of raw data was carried out in an extended Kalman filter environment implementing both loosely and tightly coupled integration schemes, followed by verification using robotic total stations, PPK solutions, and terrestrial laser scanning. It is shown that the use of the hybrid GNSS/INS system reduces the RMS of horizontal coordinates under partial horizon obstruction from 4.7–5.1 to 1.5–1.6 cm, and under deep canyon conditions from 18–21 to 3–3.5 cm, while increasing solution availability from ~42 to >94 %, thus ensuring compliance with construction tolerances. The inertial subsystem drift was analyzed, revealing that with signal outages up to 10–20 s, the error does not exceed 2–3 cm, and the filter reinitialization time is less than 1.5 s. The production analysis demonstrates an increase in equipment productivity by 40–52 %, a reduction in rework share to less than 2 %, and fuel savings of up to 18–19 % due to fewer passes and higher first-pass accuracy. The prospects for integrating the proposed algorithms with BIM models, collaborative navigation technologies, and artificial intelligence elements for predictive assessment of the navigation field quality and transition to fully developed digital twins of construction processes are discussed.