CN103454650A - 一种视觉辅助卫星完好性监测方法 - Google Patents
一种视觉辅助卫星完好性监测方法 Download PDFInfo
- Publication number
- CN103454650A CN103454650A CN2013103644970A CN201310364497A CN103454650A CN 103454650 A CN103454650 A CN 103454650A CN 2013103644970 A CN2013103644970 A CN 2013103644970A CN 201310364497 A CN201310364497 A CN 201310364497A CN 103454650 A CN103454650 A CN 103454650A
- Authority
- CN
- China
- Prior art keywords
- vision
- error
- satellite
- terrestrial reference
- pseudorange
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种视觉辅助卫星完好性监测方法,包括步骤一:通过对视觉采集的图像进行处理,采用高精度的视觉导航模型获得导航观测量,并对视觉导航观测量的误差进行估计。步骤二:采用进近阶段高空相对较好的卫星信号对视觉观测量进行标定,抑制视觉观测量误差。步骤三:将被标定后的视觉伪距信息与卫星观测信息进行组合,对RAIM可用性进行判断。步骤四:对存在故障星的情况进行故障识别,从而确定并排除故障卫星。步骤五:采用排除过故障卫星后的卫星数据与视觉观测量进行融合,获得最终的组合定位结果。本发明通过利用视觉传感器提供的观测量作为辅助,丰富导航观测量,从而提高卫星完好性检测性能,提高导航定位结果的可靠性。
Description
技术领域
本发明属于卫星导航领域,具体地说,是指一种视觉辅助卫星完好性监测方法。
背景技术
接收机自主完好性监测(RAIM)是卫星导航中的一项关键技术,它通过对接收到的卫星信号的完好性进行判断,在发生故障时及时报警。因此,RAIM对保证卫星导航定位结果的可靠性具有重要作用。
当前,RAIM技术已被广泛应用于空管导航中,其采用冗余观测信息来检测卫星故障。通常,在较好的飞行环境下,可见卫星数量充足且信号质量较好,此时,RAIM技术可以得到可信的完好性告警,可靠保障飞行安全。然而,在复杂进近着陆等恶劣环境下,例如被山群环绕的中国林芝机场,脆弱的卫星信号容易因遮挡或干扰而出现遮蔽角度较大或卫星信号丢失的现象,这将导致可见卫星几何分布较差或导航信息冗余度不足,降低RAIM算法的性能。随着复杂机场、复杂低空等的不断开辟,复杂进近着陆环境下的RAIM技术将成为未来研究的重要课题。
在复杂进近着陆环境下,由于卫星信号本身质量下降,传统仅基于卫星导航信号的RAIM算法性能将无法满足导航性能需求。因此,一个很自然的想法是利用其他传感器提供的导航信息来辅助提高RAIM。目前,传感器辅助RAIM采用的辅助传感器包括气压高度表,惯导,以及其他卫星系统,该类方法采用其他传感器观测量来增加导航信息冗余度,实现完好性增强。气压高度表辅助RAIM方法往往采用气压高度表提供的垂向距离分量,将卫星几何定位方程与测高方程进行组合,丰富导航参数信息,从而提高完好性监测效果。然而,气压高度表测高的准确性受气流影响很大,而气压强剧变在复杂进近着陆环境,尤其是高原机场,很是常见,此时的气压高度表测量值很可能因精度较差而无法辅助RAIM。惯导辅助RAIM方法通常利用惯导提供的速度与姿态信息,在Kalman滤波的框架下建立惯导/卫导组合观测方程,获得动态条件下的RAIM增强算法。但是,惯导系统的误差会随时间漂移,其很可能污染RAIM结果。Stanford大学研究者采用GLONASS卫星系统与GPS卫星系统进行结合,在模式识别中经典的RANSAC算法的基础上,提出了GNSS下的RANCO算法提高了故障检测尤其是多故障检测的性能。但是,在复杂进近着陆环境下,由于信号遮挡或干扰造成较大的遮蔽角,因此很难获得如此多的可见卫星。
考虑到现有方法存在不足之处,因此有必要研究引入其他传感器来辅助RAIM。本发明提出了一种新的视觉辅助完好性监测方法来提高复杂进近着陆环境下的RAIM性能。考虑到视觉系统具有信息量大、无源性、体积小以及易装载等优点,极具潜力辅助提高RAIM性能。
然而,视觉辅助RAIM是一项非常具有挑战性的工作。用于辅助RAIM的视觉导航观测量必需是准确可靠的。然而,尽管现有的视觉信息提取技术表现得很好,但是由于背景干扰或平台抖动等不确定因素,视觉观测量将不可避免地存在误差。考虑到视觉系统本质上是测角系统,视觉误差有可能随着视线长度的增加而被放大到导航误差中。例如,视觉检测误差在图像上可能只有几个像素,但映射到三维空间中可能是几十米甚至更大的导航误差。
发明内容
本发明为了解决原有卫星完好性检测算法的用于复杂环境时,冗余信息降低而导致算法性能不足的问题,提出了一种视觉辅助卫星完好性监测方法。本方法通过利用视觉传感器提供导航冗余信息,以实现卫星完好性监测性能的提高。
本发明的一种视觉辅助卫星完好性监测方法,具体包括以下步骤:
步骤一:通过对视觉采集的图像进行处理,采用高精度的视觉导航模型获得导航观测量,并对视觉导航观测量的误差进行估计。
步骤二:采用进近阶段高空相对较好的卫星信号对视觉观测量进行标定,从而进一步抑制视觉观测量误差。
步骤三:将被标定后的视觉伪距信息与卫星观测信息进行组合,对RAIM可用性进行判断。若不可用时,输出不可用告警,结束。否者,采用视觉辅助RAIM方法中,获得检测统计量。当检测统计量大于门限值时,认为存在故障,并进行报警,执行步骤四。否则,执行步骤五。
步骤四:对存在故障星的情况进行故障识别,从而确定并排除故障卫星,转至步骤三。
步骤五:采用排除过故障卫星后的卫星数据与视觉观测量进行融合,获得最终的组合定位结果。
本发明通过利用视觉传感器提供的观测量作为辅助,丰富导航观测量,从而提高卫星完好性检测性能,提高导航定位结果的可靠性。
为了提高视觉导航观测量的准确性,本发明提出了一个两步误差抑制方法,即误差形成抑制和误差标定。首先,为了抑制视觉导航误差的形成,本发明采用一种具有高精度的视觉导航模型获得视觉导航信息。随后,本发明利用高质量的卫星信号来对视觉导航误差进行标定,从而进一步减小视觉的误差。然而,通过以上误差抑制方法不可能完全去除视觉误差,尤其是随机误差。因此,为了有效利用视觉辅助RAIM,并抑制视觉系统误差对视觉/卫星融合的负面影响,本发明提出了一种基于鲁棒估计的加权奇偶空间法用于视觉辅助RAIM,最终实现视觉辅助完好性性能的提高。
目前,针对视觉辅助卫星完好性监测的问题,还鲜有探讨。本发明首次对该问题进行研究并提出了一种视觉辅助RAIM来提高卫星完好性监测性能。与本发明类似的工作为视觉导航,然而,该工作主要考虑的是卫星不可用时的场景。尽管视觉辅助卫星在视觉/卫星组合定位方面有一些研究,但对利用视觉辅助卫星完好性监测问题的关注相对较少。
附图说明
图1表示本发明提供的视觉辅助卫星完好性监测流程图;
图2表示实施例中的仿真场景示意图;
图3表示实施例得到的视觉伪距误差特性曲线;
图4表示实施例得到的视觉辅助RAIM的故障检测率曲线;
图5表示实施例得到的视觉定位误差分布;
图6表示实施例得到的卫导定位误差分布;
图7表示实施例得到的视觉/卫导组合定位误差分布;
图8表示实施例得到的视觉信息的引入对几何分布的改善。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明的一种视觉辅助卫星完好性监测方法,方法流程图如图1所示,具体包括以下步骤:
步骤一:通过对视觉采集的图像进行处理,采用高精度的视觉导航模型获得导航观测量,并对视觉导航观测量的误差进行估计。
通过采用特征点检测匹配算法获取地标在计算机视觉设备提取的视觉图像中的二维坐标其中下标i为第i个地标点的序号,上角标I代表图像平面直角坐标系(因为地标最后会在图像中显示,本发明获得的是它在图像中的位置)。与此同时,计算获得地标齐次矢量其中f为相机焦距。
将所有的地标在视觉图像中的二维坐标值和地标先验参数代入到高精度视觉模型中计算视觉伪距,其中视觉模型场景示意图如图2所示,图中以三个地标进行示意,其中为相机c在地心地固坐标系(ECEF坐标系)下的坐标,为第i个地标在ECEF坐标系下的坐标,mi是第i个地标的视觉伪距,dij是第i个地标和第j个地标的距离,θij为第i个地标和第j个地标相对于相机的视线夹角。
采用最小二乘法,通过求解如下二次方程求解视觉伪距:
其中cij是地标i与地标j的视线夹角的余弦值,可由地标齐次矢量求得,即:其中〈·〉表示内积,||·||为范数。
两个地标视线夹角的余弦值cij的误差可求得如下
其中约束条件(8)保证地标i和对标j均在图像内。
上述方程可记为Tδm=δc+δd通过求解上述方程,可通过最小二乘法求得视觉伪距误差由于在给定地标估计位置时,误差项δd是确定值,因此视觉伪距误差的互相关矩阵(E[·]为均值算子),从而获得视觉伪距误差估计。
步骤二:采用进近阶段高空相对较好的卫星信号对视觉观测量进行标定,从而进一步抑制视觉观测量误差。
以卫星接收天线获得的卫星数据作为输入,通过采用进近阶段收星状况较好条件下的卫星信号作为基准,纠正视觉系统的固定偏差。
a)采用传统RAIM算法对卫星信号数据进行验证,对卫星信号质量进行判断,如果RAIM可用且卫星完好时,则进行视觉误差标定,进入步骤b),否则,说明卫星信号出现完好性问题,因此,需要视觉辅助进行完好性检测,转到步骤三。
b)根据完好的卫星信号计算接收机准确的位置,利用地标先验信息计算接收机与地标之间的距离,从而获得准确的视觉伪距及余弦值,并与利用式(1)、式(2)中的视觉伪距矢量m和余弦值cij作差得到视觉伪距误差δm和余弦值误差δcij,将这些参数带入到式(9)中。以为未知参数求解方程(9),即可求得距离平方偏差然后用纠正步骤一中地标距离平方参数
由图3所示,左图和右图分别为视觉伪距误差均值和标准差在ECEF坐标系三个方向的分量,单位为米;其横坐标为视觉作用距离,单位为百米。由左图可以看出,通过步骤一和步骤二后,视觉伪距误差的均值接近于0,从而验证误差抑制方法有效地去除了视觉伪距固定偏差。同时,由右图可以看出,尽管视觉伪距误差的方差受误差放大效应的影响,随着视线距离的增加而增大,但是增大趋势区域平缓,从而验证误差抑制方法的对误差放大效应的抑制作用。实验证明,通过本文发明误差抑制方法,能够获得相对精确的视觉伪距观测量。
步骤三:将被标定后的视觉伪距与卫星观测信息进行组合,对RAIM可用性进行判断。若不可用时,输出不可用告警,结束。否者,采用视觉辅助RAIM方法,获得检测统计量。当检测统计量大于门限值时,认为存在故障,并进行报警,执行步骤四。否则,执行步骤五。
具体为:
a)建立卫星非线性观测方程:
b)通过对(10)线性化,可获得Ns颗卫星线性观测模型方程:
Z=Hx+ε+bj (11)
其中Z是Ns×1伪距残差矢量,H是Ns×4观测矩阵,x是状态误差矢量,包括三维位置[Δx,Δy,Δz],和接收机钟差ΔCb,ε是不确定独立高斯分布,方差矩阵为 为观测伪距方差。但卫星故障模型bj=bej,其中j是故障卫星,ej是的第j个标准基底矢量,b为故障大小。
c)对权重矩阵进行奇异值分解,得到:
d)将被标定后的视觉伪距与卫星观测信息进行组合,即将(1)-(2)和(11)-(12)进行组合,可获得加权视觉/卫星组合扩展方程:
e)采用加权最小二乘估计用户位置信息:
其中鲁棒估计加权矩阵有:
f)计算残差矢量:
g)通过计算HPL值进行可用性判断:
其中:Slopei为第i颗卫星的特征斜率,DT为该航路对应的RAIM阈值。若HPL大于门限时,即判断为不可用时,输出不可用报警,结束,否者,转至h)
h)利用残差矢量计算检测统计量,获得基于鲁棒估计的加权RAIM的检测统计量:
i)通过给定虚警率pFA,由下公式计算RAIM阈值:
j)将检测统计量DS与RAIM阈值DT进行比较,如果DS≥DT,即视觉辅助RAIM告警,检测到故障,转至步骤四,进行故障检测。否则,说明无卫星故障,不进行告警,转至步骤五。
步骤四:对存在故障星的情况进行故障识别,从而确定并排除故障卫星。
对步骤三中,检测到的故障,通过采用极大似然法进行故障识别与排除,故障排除后,返回步骤三,继续进行故障检测,直到不再出现故障卫星。
由图4卫星故障检测曲线可以看出,本发明提出的视觉辅助RAIM方法相比于传统RAIM方法获得更高的故障检测率和更小的最小可检测偏差。视觉辅助RAIM方法的最小可检测偏差为8.8σn,比不含鲁棒估计的视觉RAIM的15.8σn小44.3%,同时,比传统RAIM方法的26.1σn好66.3%。同时,不含鲁棒估计的视觉RAIM含有1%的虚警,而加入鲁棒估计之后,视觉辅助RAIM的虚警减少为0。同时,由于视觉观测的加入,观测信息冗余度增加爱,RAIM的可用性也得到了提高,从而提高了RAIM的可用性。由此可见,应用本发明提供的视觉辅助RAIM方法可以提高复杂进近着陆环境下的RAIM性能。
步骤五:采用排除过故障卫星后的卫星数据与视觉观测量进行融合,获得最终的组合定位结果。
通过完好性检测后,排除故障卫星对定位结果的影响,并由式(14)估计得到的用户位置信息作为最终的组合定位结果。图5-7给出了视觉、卫导、视觉/卫导组合三种方式定位误差在ECEF坐标系三个方向上的分布直方图。由于受误差放大效应的影响,视觉定位结果误差较大,ECEF坐标下三维标准差为[32.9 17.9 41.1]T。卫星由于存在伪距误差,受几何分布的影响,也存在较大的误差,ECEF坐标下三维标准差为[25.9 45.6 19.9]T。视觉/卫导组合定位结果误差最小,ECEF坐标下三维标准差为[12.0 7.5 8.9]T。如图8所示,视觉与卫导定位的GDOP值较大,几何分布较差,将视觉信息与卫导信息进行组合后,GDOP值减小,这是因为视觉的引入增加了信息冗余,从而提高了几何分布。
本实例表明,通过采用本发明提出的视觉辅助卫星完好性监测方法,能够有效地排除故障卫星,并提高最终导航定位结果的精度和可靠性。
Claims (1)
1.一种视觉辅助卫星完好性监测方法,具体包括以下步骤:
步骤一:对视觉采集的图像进行处理,采用高精度的视觉导航模型获得导航观测量,对视觉导航观测量的误差进行估计;
将所有的地标在视觉图像中的二维坐标值和地标先验参数代入到高精度视觉模型中计算视觉伪距;
采用最小二乘法,通过求解如下二次方程求解视觉伪距:
两个地标视线夹角的余弦值cij的误差为:
(7)
其中约束条件(8)保证地标i和对标j均在图像内;
上述方程可记为Tδm=δc+δd通过求解上述方程,可通过最小二乘法求得视觉伪距误差δm=(TTT)-1TT(δc+δd);由于在给定地标估计位置时,误差项δd是确定值,因此视觉伪距误差的互相关矩阵E[·]为均值算子,从而获得视觉伪距误差估计;
步骤二:采用进近阶段高空相对较好的卫星信号对视觉观测量进行标定,进一步抑制视觉观测量误差;
具体为:
a)采用RAIM算法对卫星信号数据进行验证,对卫星信号质量进行判断,如果RAIM可用且卫星完好时,则进行视觉误差标定,进入步骤b),否则,说明卫星信号出现完好性问题,因此,需要视觉辅助进行完好性检测,转到步骤三;
b)根据完好的卫星信号计算接收机准确的位置,利用地标先验信息计算接收机与地标之间的距离,从而获得准确的视觉伪距及余弦值,并与利用式(1)、式(2)中的视觉伪距矢量m和余弦值cij作差得到视觉伪距误差δm和余弦值误差δcij,将上述参数带入到式(9)中;以为未知参数求解方程(9),得到距离平方偏差然后用纠正步骤一中地标距离平方参数
c)在进近着陆阶段,采用纠正后的地标距离平方参数代入(3)中,通过求解式(1)、式(2)来获得标定后的视觉伪距;
步骤三:将被标定后的视觉伪距与卫星观测信息进行组合,对RAIM可用性进行判断;若不可用时,输出不可用告警,结束;否者,采用视觉辅助RAIM方法,获得检测统计量;当检测统计量大于门限值时,认为存在故障,并进行报警,执行步骤四;否则,执行步骤五;
具体为:
a)建立卫星非线性观测方程:
b)通过对(10)线性化,获得Ns颗卫星线性观测模型方程:
Z=Hx+ε+bj (11)
其中Z是Ns×1伪距残差矢量,H是Ns×4观测矩阵,x是状态误差矢量,包括三维位置[Δx,Δy,Δz],和接收机钟差ΔCb,ε是不确定独立高斯分布,方差矩阵为为观测伪距方差;卫星故障模型bj=bej,其中j是故障卫星,ej是的第j个标准基底矢量,b为故障大小;
c)对权重矩阵进行奇异值分解,得到:
d)将被标定后的视觉伪距与卫星观测信息进行组合,即将(1)-(2)和(11)-(12)进行组合,获得加权视觉/卫星组合扩展方程:
e)采用加权最小二乘估计用户位置信息:
f)计算残差矢量:
g)通过计算HPL值进行可用性判断:
其中:Slopei为第i颗卫星的特征斜率,DT为该航路对应的RAIM阈值;若HPL大于门限时,即判断为不可用时,输出不可用报警,结束,否者,转至h)
h)利用残差矢量计算检测统计量,获得基于鲁棒估计的加权RAIM的检测统计量:
i)通过给定虚警率pFA,由下公式计算RAIM阈值:
j)将检测统计量DS与RAIM阈值DT进行比较,如果DS≥DT,即视觉辅助RAIM告警,检测到故障,转至步骤四,进行故障检测;否则,说明无卫星故障,不进行告警,转至步骤五;
步骤四:对存在故障星的情况进行故障识别,从而确定并排除故障卫星;
对步骤三中,检测到的故障,通过采用极大似然法进行故障识别与排除,故障排除后,返回步骤三,继续进行故障检测,直到不再出现故障卫星;
步骤五:采用排除过故障卫星后的卫星数据与视觉观测量进行融合,获得最终的组合定位结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310364497.0A CN103454650B (zh) | 2013-08-20 | 2013-08-20 | 一种视觉辅助卫星完好性监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310364497.0A CN103454650B (zh) | 2013-08-20 | 2013-08-20 | 一种视觉辅助卫星完好性监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103454650A true CN103454650A (zh) | 2013-12-18 |
CN103454650B CN103454650B (zh) | 2015-06-24 |
Family
ID=49737222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310364497.0A Active CN103454650B (zh) | 2013-08-20 | 2013-08-20 | 一种视觉辅助卫星完好性监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103454650B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048675B (zh) * | 2014-06-26 | 2017-01-11 | 东南大学 | 一种基于高斯过程回归的组合导航系统故障诊断方法 |
CN106371114A (zh) * | 2015-07-23 | 2017-02-01 | 现代自动车株式会社 | 用于车辆的定位设备和方法 |
CN108196270A (zh) * | 2017-12-31 | 2018-06-22 | 南京理工大学 | 一种双基线欺骗干扰检测算法的性能分析方法 |
CN109031356A (zh) * | 2018-08-22 | 2018-12-18 | 北京理工大学 | 特征斜率加权的最小二乘残差接收机自主完好性监测方法 |
CN111060133A (zh) * | 2019-12-04 | 2020-04-24 | 南京航空航天大学 | 一种用于城市复杂环境的组合导航完好性监测方法 |
CN111123304A (zh) * | 2019-11-28 | 2020-05-08 | 北京航空航天大学 | 一种视觉导航完好性监测计算方法 |
CN111965668A (zh) * | 2020-07-14 | 2020-11-20 | 南京航空航天大学 | 一种面向卫星多故障的raim方法 |
CN112639225A (zh) * | 2019-03-01 | 2021-04-09 | 日立建机株式会社 | 作业机械 |
CN113466897A (zh) * | 2021-07-06 | 2021-10-01 | 阎镜予 | 一种伪卫星接收机的定位解算方法、系统及其相关组件 |
WO2023185215A1 (zh) * | 2022-04-02 | 2023-10-05 | 北京三快在线科技有限公司 | 数据校准 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806903A (zh) * | 2010-04-01 | 2010-08-18 | 北京航空航天大学 | 一种用于卫星导航系统的接收机自主完好性监测方法 |
CN101866009A (zh) * | 2010-06-10 | 2010-10-20 | 北京航空航天大学 | 一种适用于卫导系统缺星情况下的完好性监测方法 |
KR101040053B1 (ko) * | 2010-12-24 | 2011-06-10 | 한국해양연구원 | 의사거리 측정잡음 감시기반 위성전파항법시스템 위성시계 고장검출 및 고장위성 식별 방법 |
CN102096075A (zh) * | 2010-12-23 | 2011-06-15 | 中国航天科工信息技术研究院 | 基于Galileo系统完好性概念的多模用户完好性评估方法 |
CN102103210A (zh) * | 2009-12-17 | 2011-06-22 | 中国石油大学(北京) | 一种卫星导航系统性能评估系统 |
US20130009817A1 (en) * | 2011-07-06 | 2013-01-10 | Honeywell International Inc. | Satellite navigation system fault detection based on biased measurements |
CN102901971A (zh) * | 2012-09-27 | 2013-01-30 | 电子科技大学 | 基于奇偶矢量法的双星故障识别方法 |
CN102981167A (zh) * | 2012-11-12 | 2013-03-20 | 哈尔滨工程大学 | 一种gps/北斗系统双模测时完好性监测方法 |
-
2013
- 2013-08-20 CN CN201310364497.0A patent/CN103454650B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103210A (zh) * | 2009-12-17 | 2011-06-22 | 中国石油大学(北京) | 一种卫星导航系统性能评估系统 |
CN101806903A (zh) * | 2010-04-01 | 2010-08-18 | 北京航空航天大学 | 一种用于卫星导航系统的接收机自主完好性监测方法 |
CN101866009A (zh) * | 2010-06-10 | 2010-10-20 | 北京航空航天大学 | 一种适用于卫导系统缺星情况下的完好性监测方法 |
CN102096075A (zh) * | 2010-12-23 | 2011-06-15 | 中国航天科工信息技术研究院 | 基于Galileo系统完好性概念的多模用户完好性评估方法 |
KR101040053B1 (ko) * | 2010-12-24 | 2011-06-10 | 한국해양연구원 | 의사거리 측정잡음 감시기반 위성전파항법시스템 위성시계 고장검출 및 고장위성 식별 방법 |
US20130009817A1 (en) * | 2011-07-06 | 2013-01-10 | Honeywell International Inc. | Satellite navigation system fault detection based on biased measurements |
CN102901971A (zh) * | 2012-09-27 | 2013-01-30 | 电子科技大学 | 基于奇偶矢量法的双星故障识别方法 |
CN102981167A (zh) * | 2012-11-12 | 2013-03-20 | 哈尔滨工程大学 | 一种gps/北斗系统双模测时完好性监测方法 |
Non-Patent Citations (2)
Title |
---|
刘海颖等: "基于ERAIM的惯性辅助卫星导航系统完好性检测", 《中国惯性技术学报》 * |
陈小平等: "接收机自主完好性监测算法研究", 《电子科技大学学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048675B (zh) * | 2014-06-26 | 2017-01-11 | 东南大学 | 一种基于高斯过程回归的组合导航系统故障诊断方法 |
CN106371114A (zh) * | 2015-07-23 | 2017-02-01 | 现代自动车株式会社 | 用于车辆的定位设备和方法 |
CN108196270A (zh) * | 2017-12-31 | 2018-06-22 | 南京理工大学 | 一种双基线欺骗干扰检测算法的性能分析方法 |
CN109031356A (zh) * | 2018-08-22 | 2018-12-18 | 北京理工大学 | 特征斜率加权的最小二乘残差接收机自主完好性监测方法 |
CN112639225A (zh) * | 2019-03-01 | 2021-04-09 | 日立建机株式会社 | 作业机械 |
CN112639225B (zh) * | 2019-03-01 | 2022-09-13 | 日立建机株式会社 | 作业机械 |
CN111123304B (zh) * | 2019-11-28 | 2021-12-24 | 北京航空航天大学 | 一种视觉导航完好性监测计算方法 |
CN111123304A (zh) * | 2019-11-28 | 2020-05-08 | 北京航空航天大学 | 一种视觉导航完好性监测计算方法 |
CN111060133A (zh) * | 2019-12-04 | 2020-04-24 | 南京航空航天大学 | 一种用于城市复杂环境的组合导航完好性监测方法 |
CN111965668A (zh) * | 2020-07-14 | 2020-11-20 | 南京航空航天大学 | 一种面向卫星多故障的raim方法 |
CN111965668B (zh) * | 2020-07-14 | 2023-10-24 | 南京航空航天大学 | 一种面向卫星多故障的raim方法 |
CN113466897A (zh) * | 2021-07-06 | 2021-10-01 | 阎镜予 | 一种伪卫星接收机的定位解算方法、系统及其相关组件 |
CN113466897B (zh) * | 2021-07-06 | 2024-05-17 | 上海方位角数据科技有限公司 | 一种伪卫星接收机的定位解算方法、系统及其相关组件 |
WO2023185215A1 (zh) * | 2022-04-02 | 2023-10-05 | 北京三快在线科技有限公司 | 数据校准 |
Also Published As
Publication number | Publication date |
---|---|
CN103454650B (zh) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103454650B (zh) | 一种视觉辅助卫星完好性监测方法 | |
CN104729506B (zh) | 一种视觉信息辅助的无人机自主导航定位方法 | |
EP2706379B1 (en) | Method and system for providing integrity for hybrid attitude and true heading | |
US20200124421A1 (en) | Method and apparatus for estimating position | |
US20110282580A1 (en) | Method of image based navigation for precision guidance and landing | |
CN101395443B (zh) | 混合定位方法和设备 | |
US20160040992A1 (en) | Positioning apparatus and global navigation satellite system, method of detecting satellite signals | |
US20120127030A1 (en) | Tight optical integration (toi) of images with gps range measurements | |
Jiang et al. | An effective integrity monitoring scheme for GNSS/INS/vision integration based on error state EKF model | |
CN114545454A (zh) | 一种面向自动驾驶的融合导航系统完好性监测方法 | |
Al Hage et al. | Localization integrity for intelligent vehicles through fault detection and position error characterization | |
US10782418B1 (en) | Calculation method for visual navigation integrity monitoring | |
Dumble et al. | Airborne vision-aided navigation using road intersection features | |
US8941537B2 (en) | Methods for identifying whether or not a satellite has a line of sight | |
EP4024087A2 (en) | Gnss signal spoofing detection via bearing and/or range sensor observations | |
US11662472B2 (en) | Integrity monitoring of odometry measurements within a navigation system | |
US20230341563A1 (en) | System and method for computing positioning protection levels | |
US20220244407A1 (en) | Method for Generating a Three-Dimensional Environment Model Using GNSS Measurements | |
Gu et al. | SLAM with 3dimensional-GNSS | |
Al Hage et al. | Bounding localization errors with Student distribution for road vehicles | |
RU2389042C2 (ru) | Способ определения защитного предела вокруг местоположения движущегося тела, вычисленного по спутниковым сигналам | |
CN112106005A (zh) | 一种无人机的飞行控制方法、设备、无人机及存储介质 | |
Molina et al. | Integrity Aspects of Hybrid EGNOS-based Navigation on Support of Search-And-Rescue Missions with UAVs | |
Liu et al. | 3D LiDAR Aided GNSS NLOS Correction with Direction of Arrival Estimation Using Doppler Measurements | |
US11668839B2 (en) | Terrain database assisted GNSS spoofing determination using radar observations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |