CN108957495A - Gnss与mimu组合导航方法 - Google Patents

Gnss与mimu组合导航方法 Download PDF

Info

Publication number
CN108957495A
CN108957495A CN201810415245.9A CN201810415245A CN108957495A CN 108957495 A CN108957495 A CN 108957495A CN 201810415245 A CN201810415245 A CN 201810415245A CN 108957495 A CN108957495 A CN 108957495A
Authority
CN
China
Prior art keywords
data
value
mean
speed
kalman
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
Application number
CN201810415245.9A
Other languages
English (en)
Other versions
CN108957495B (zh
Inventor
史小雨
李成钢
肖乐杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HI-TARGET SURVEYING INSTRUMENT Co Ltd
Original Assignee
HI-TARGET SURVEYING INSTRUMENT Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HI-TARGET SURVEYING INSTRUMENT Co Ltd filed Critical HI-TARGET SURVEYING INSTRUMENT Co Ltd
Priority to CN201810415245.9A priority Critical patent/CN108957495B/zh
Publication of CN108957495A publication Critical patent/CN108957495A/zh
Application granted granted Critical
Publication of CN108957495B publication Critical patent/CN108957495B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/40—Correcting position, velocity or attitude
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本申请涉及一种GNSS与MIMU组合导航方法、系统、计算机设备和存储介质。方法包括：获取卫星导航系统的速度数据以及位置数据，和惯性导航系统的速度数据以及位置数据；根据卫星导航系统与惯性导航系统间速度数据的误差值以及位置数据的误差值，构建卡尔曼滤波方程组；若量测值大于预设第一限值时，根据预设的遗忘因子调整卡尔曼滤波方程组中的均方误差预测方程并计算均方误差预测值，获取增益系数；根据增益系数获取卡尔曼滤波方程组的卡尔曼滤波结果，从而修正第二速度数据、第二位置数据以及惯性导航系统的姿态数据。采用本方法能够减少惯性导航系统中惯性器件的量测数据的偏差对导航结果的影响，提高组合导航在振动条件下解算的导航结果的精确性。

Description

GNSS与MIMU组合导航方法
技术领域
本申请涉及导航技术领域，特别是涉及一种GNSS与MIMU组合导航方法、装置、计算机设备和存储介质。
背景技术
随着GNSS(Global Navigation Satellite System，全球卫星导航系统)的不断完善以及微型惯性测量单元(Miniature Inertial Measurement Unit，MIMU)的不断发展，市面上逐渐出现GNSS和MIMU惯性导航系统的组合导航系统，并且逐渐应用至无人机领域中。
目前，GNSS与MIMU组合导航使用的融合算法一般为扩展卡尔曼滤波算法。但是扩展卡尔曼滤波在经过长时间收敛以后，卡尔曼滤波对过去时刻的状态量依赖逐渐增强，新的观测量对状态量的估计修正作用逐渐减少。若GNSS与MIMU组合导航应用于无人机中时，无人机中的电机振动、桨叶振动和气流振动等糅合振动导致惯性导航系统中惯性器件的量测数据产生偏差，且无人机中的电机振动、桨叶振动和气流振动等糅合振动相对而言没有规律，原有振动状态对当前振动状态影响小，使用扩展卡尔曼滤波算法难以保证组合导航在振动条件下导航的精确性。
发明内容
基于此，有必要针对若GNSS与MIMU组合导航应用与无人机上时，使用扩展卡尔曼滤波算法计算输出的状态估计的精确度较低，难以保证组合导航在振动条件下解算的精确性的技术问题，提供一种GNSS与MIMU组合导航方法、装置、计算机设备和存储介质。
一种GNSS与MIMU组合导航方法，包括：
获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；
根据所述第一速度数据以及所述第二速度数据获取第一误差值，并根据所述第一位置数据以及所述第二位置数据获取第二误差值，将所述第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建所述卡尔曼滤波方程组，其中，所述卡尔曼滤波方程组包括均方误差预测方程；
若所述量测值大于预设第一限值时，根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值，并根据所述均方误差预测值获取增益系数；
根据所述增益系数获取所述卡尔曼滤波方程组的卡尔曼滤波结果，其中，所述卡尔曼滤波结果包括位置校准量、速度校准量以及姿态校准量；
根据所述载体位置校准量、所述速度校准量以及所述姿态校准量修正所述第二速度数据、所述第二位置数据以及所述姿态数据。
在其中一个实施例中，所述根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值的步骤，包括以下步骤：
根据获取均方误差预测值；
其中，Pk+1/k表示k+1时刻的均方误差预测方程；Gk表示k时刻的系统噪声分配矩阵；表示k时刻的系统噪声分配矩阵的转置；Φk+1/k表示雅克比状态转移矩阵；表示雅克比状态转移矩阵的转置；Rk+1表示k+1时刻下的量测噪声值，Qk表示k时刻的系统噪声矩阵，s表示所述遗忘因子。
在其中一个实施例中，所述卡尔曼滤波方程组还包括卡尔曼增益系数方程；
所述根据所述均方误差预测值获取增益系数的步骤，还包括以下步骤：
若所述量测值与量测噪声值的比大于预设第二限值时，根据预设的调节因子调整所述卡尔曼增益系数方程并计算所述卡尔曼增益系数。
在其中一个实施例中，所述若所述量测值与量测噪声值的比大于预设第二限值时，根据预设的调节因子调整所述卡尔曼增益系数方程并计算所述卡尔曼增益系数的步骤，包括以下步骤：
根据计算所述卡尔曼增益系数；
其中，Pk+1/k表示k+1时刻下均方误差预测预测值；Rk+1表示k+1时刻的量测噪声值；αi表示遗忘因子；Hk+1表示k+1时刻的量测转移矩阵；表示k+1时刻的量测转移矩阵的转置。
在其中一个实施例中，所述获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据的步骤，包括以下步骤：
获取所述卫星导航系统的卫星观测数据；
根据所述卫星观测数据获取所述第一位置数据以及所述第一速度数据；
获取所述惯性导航系统输出的加速度数据、角速度数据以及磁力数据；
根据所述加速度数据、所述角速度数据以及所述磁力数据获取所述第二位置数据、所述第二速度数据以及所述姿态数据。
在其中一个实施例中，所述根据所述加速度数据、所述角速度数据以及所述磁力数据获取所述第二位置数据、所述第二速度数据以及所述姿态数据的步骤之前，还包括以下步骤：
获取所述卫星导航系统的秒脉冲信号，并根据所述秒脉冲信号对所述加速度数据、所述角速度数据以及所述磁力数据添加时间戳；
根据所述时间戳同步所述卫星观测数据、所述加速度数据、所述角速度数据以及所述磁力数据。
在其中一个实施例中，所述卡尔曼滤波结果还包括加速度计零偏、陀螺仪零偏以及刻度误差系数；
所述根据所述载体位置校准量、所述速度校准量以及所述姿态校准量修正所述第二速度数据、所述第二位置数据以及所述姿态数据的步骤之后，还包括以下步骤：
根据所述加速度计零偏、所述陀螺仪零偏以及所述刻度误差系数修正惯性导航系统输出的加速度数据、角速度数据以及磁力数据。
一种GNSS与MIMU组合导航装置，包括：
位置速度数据获取模块，用于获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；
卡尔曼滤波方程组构建模块，用于根据所述第一速度数据以及所述第二速度数据获取第一误差值，并根据所述第一位置数据以及所述第二位置数据获取第二误差值，将所述第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建所述卡尔曼滤波方程组，其中，所述卡尔曼滤波方程组包括均方误差预测方程；
增益系数获取模块，用于若所述量测值大于预设第一限值时，根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值，并根据所述均方误差预测值获取增益系数；
滤波结果获取模块，用于根据所述增益系数获取所述卡尔曼滤波方程组的卡尔曼滤波结果，其中，所述卡尔曼滤波结果包括载体位置校准量、速度校准量以及姿态校准量；
数据校准模块，用于根据所述载体位置校准量、所述速度校准量以及所述姿态校准量修正所述第二速度数据、所述第二位置数据以及所述姿态数据。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；
根据所述第一速度数据以及所述第二速度数据获取第一误差值，并根据所述第一位置数据以及所述第二位置数据获取第二误差值，将所述第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建所述卡尔曼滤波方程组，其中，所述卡尔曼滤波方程组包括均方误差预测方程；
若所述量测值大于预设第一限值时，根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值，并根据所述均方误差预测值获取增益系数；
根据所述增益系数获取所述卡尔曼滤波方程组的卡尔曼滤波结果，其中，所述卡尔曼滤波结果包括位置校准量、速度校准量以及姿态校准量；
根据所述载体位置校准量、所述速度校准量以及所述姿态校准量修正所述第二速度数据、所述第二位置数据以及所述姿态数据。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；
根据所述第一速度数据以及所述第二速度数据获取第一误差值，并根据所述第一位置数据以及所述第二位置数据获取第二误差值，将所述第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建所述卡尔曼滤波方程组，其中，所述卡尔曼滤波方程组包括均方误差预测方程；
若所述量测值大于预设第一限值时，根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值，并根据所述均方误差预测值获取增益系数；
根据所述增益系数获取所述卡尔曼滤波方程组的卡尔曼滤波结果，其中，所述卡尔曼滤波结果包括位置校准量、速度校准量以及姿态校准量；
根据所述载体位置校准量、所述速度校准量以及所述姿态校准量修正所述第二速度数据、所述第二位置数据以及所述姿态数据。
上述GNSS与MIMU组合导航方法、装置、计算机设备和存储介质，通过将卫星导航系统的导航结果与惯性导航系统的导航结果间的误差作为量测值构建卡尔曼滤波方程，在量测值大于限值时根据遗忘因子调整均方误差预测方程并计算均方误差预测值，获得更加准确的均方误差预测值作为滤波状态估计量，从而调整卡尔曼滤波方程中的增益系数，减少卡尔曼滤波算法中上一次的状态估计的权值，增加当前状态量的权重，减少原有数据对当前状态的影响，最终获得卫星导航系统的导航结果与惯性导航系统的导航结果间的误差最优解，根据该误差最优解修正惯性导航系统的导航结果，减少惯性导航系统中惯性器件的量测数据的偏差对导航结果的影响，提高组合导航在振动条件下解算的导航结果的精确性。
附图说明
图1为本发明一个实施例中GNSS与MIMU组合导航方法的应用环境图；
图2为本发明一个实施例中GNSS与MIMU组合导航方法的流程图；
图3为本发明另一个实施例中GNSS与MIMU组合导航方法的流程图；
图4为本发明一个实施例中GNSS与MIMU组合导航方法装置的结构框图；
图5为本发明一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应若理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的GNSS与MIMU组合导航方法，可以应用于如图1所示的应用环境中。其中，GNSS板卡110通过网络与终端130通过网络进行通信；MIMU惯性导航系统120通过网络与终端130连接，GNSS板卡110获取卫星观测数据后计算输出位置数据以及速度数据至终端130，MIMU惯性导航系统120根据内部传感器数据输出惯性导航结果的位置数据以及速度数据至终端130，终端130根据接收的两种数据进行组合导航解算。其中，终端130可以但不限于是各种个人计算机、单片机以及ARM Linux处理器。
参见图2，图2为本发明一个实施例中GNSS与MIMU组合导航方法的流程图；本实施例中，GNSS与MIMU组合导航方法，包括以下步骤：
步骤S210：获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据。
本步骤中，卫星导航系统的第一速度数据以及第一位置数据可以是由GNSS接收机中测量获取的；惯性导航系统的第二速度数据以及第二位置数据可以是由MIMU传感器测量获取的，其中，MIMU传感器可以包括三轴加速度计、三轴陀螺仪以及磁力计；第一速度数据、第一位置数据、第二速度数据以及第二位置数据为同一时刻下的不同导航系统测量所得的数据。
步骤S220：根据第一速度数据以及第二速度数据获取第一误差值，并根据第一位置数据以及第二位置数据获取第二误差值，将第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建卡尔曼滤波方程组，其中，卡尔曼滤波方程组包括均方误差预测方程。
本步骤中，将卫星导航系统的速度和位置与惯性导航系统的速度与位置作比较，得到位置和速度的误差，将误差值作为卡尔曼滤波的测量值，构建卡尔曼滤波的方程。
步骤S230：若量测值大于预设第一限值时，根据预设遗的忘因子调整均方误差预测方程并计算均方误差预测值，并根据均方误差预测值获取增益系数。
步骤S240：根据增益系数获取卡尔曼滤波方程组的卡尔曼滤波结果，其中，卡尔曼滤波结果包括位置校准量、速度校准量以及姿态校准量。
步骤S250：根据载体位置校准量、速度校准量以及姿态校准量修正第二速度数据、第二位置数据以及姿态数据。
本步骤中，根据卡尔曼滤波结果中的载体位置校准量、速度校准量以及姿态校准量修正惯性导航系统输出的位置数据、速度数据以及姿态数据。
本实施例中，通过将卫星导航系统的导航结果与惯性导航系统的导航结果间的误差作为量测值构建卡尔曼滤波方程，在量测值大于限值时根据遗忘因子调整均方误差预测方程并计算均方误差预测值，获得更加准确的均方误差预测值作为滤波状态估计量，从而调整卡尔曼滤波方程中的增益系数，减少卡尔曼滤波算法中上一次的状态估计的权值，增加当前状态量的权重，减少原有数据对当前状态的影响，最终获得的卡尔曼滤波结果为卫星导航系统的导航结果与惯性导航系统的导航结果间的误差最优解，根据该误差最优解修正惯性导航系统的导航结果，减少惯性导航系统中惯性器件的量测数据的偏差对导航结果的影响，提高组合导航在振动条件下解算的导航结果的精确性。
在其中一个实施例中，根据预设遗忘因子调整均方误差预测方程并计算均方误差预测值的步骤，包括以下步骤：根据下述公式(1)获取均方误差预测值；
其中，Pk+1/k表示k+1时刻的均方误差预测方程；Gk表示k时刻的系统噪声分配矩阵；表示k时刻的系统噪声分配矩阵的转置；Φk+1/k表示雅克比状态转移矩阵；表示雅克比状态转移矩阵的转置；Rk+1表示k+1时刻下的量测噪声值，Qk表示k时刻的系统噪声矩阵，s表示所述遗忘因子。
本实施例中，若量测值大于第一限制时，可以根据遗忘因子s调整均方误差预测方程并计算均方误差预测值，获得更加准确的均方误差预测值作为滤波状态估计量。
进一步的，遗忘因子s的取值范围为s＞1，可选的取值在1.002至1.05之间。
考虑到卫星导航系统在卫星信号不稳定的情况下，导航结果往往会出现异常点、单点、浮点解等情况。因此，在其中一个实施例中，卡尔曼滤波方程组还包括卡尔曼增益系数方程；根据均方误差预测值获取增益系数的步骤，还包括以下步骤：若量测值与量测噪声值的比大于预设第二限值时，根据预设的调节因子调整卡尔曼增益系数方程并计算卡尔曼增益系数。
本实施例中，第二限值的取值是根据实际情况取值的；在量测值与量测噪声值的比值大于预设第二限值，利用调节因子调整卡尔曼增益系数方程，使得卡尔曼增益系数方程能够适应GNSS定位精度的变化，以保证组合导航解算的平顺性，改善GNSS在在卫星信号不稳定的情况下，导航结果往往会出现异常点、单点、浮点解等情况。
在其中一个实施例中，若量测值与量测噪声值的比大于预设第二限值时，根据预设的调节因子调整卡尔曼增益系数方程并计算卡尔曼增益系数的步骤，包括以下步骤：根据下述公式(2)计算卡尔曼增益系数；
其中，Pk+1/k表示k+1时刻下均方误差预测预测值；Rk+1表示k+1时刻的量测噪声值；αi表示遗忘因子；Hk+1表示k+1时刻的量测转移矩阵；表示k+1时刻的量测转移矩阵的转置。
本实施例中，通过调节因子αi调节量测噪声值，使得GNSS定位精度的变化，其中，调节因子αi的取值为i＝1,2,…,n，n表示量测向量的维数，Zi表示量测向量，Ri表示量测噪声值，T为第二限值。
在其中一个实施例中，获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据的步骤，包括以下步骤：获取卫星导航系统的卫星观测数据；根据卫星观测数据获取第一位置数据以及第一速度数据；获取惯性导航系统输出的加速度数据、角速度数据以及磁力数据；根据加速度数据、角速度数据以及磁力数据获取第二位置数据、第二速度数据以及姿态数据。
本实施例中，卫星观测数据与加速度数据、角速度数据以及磁力数据为同一时刻下获取的数据；通过对卫星导航系统的卫星观测数据进行PVT解算，获得载体的第一速度数据以及第一位置数据，并通过对惯性导航系统中传感器输出的加速度数据、角速度数据以及磁力数据进行捷联解算，获取载体的第二速度数据、第二位置数据以及姿态数据，快速获取不同导航系统下载体的速度数据以及位置数据。
在其中一个实施例中，根据加速度数据、角速度数据以及磁力数据获取第二位置数据、第二速度数据以及姿态数据的步骤之前，还包括以下步骤：获取卫星导航系统的秒脉冲信号，并根据秒脉冲信号对加速度数据、角速度数据以及磁力数据添加时间戳；根据时间戳同步卫星观测数据、加速度数据、角速度数据以及磁力数据。
本实施例中，秒脉冲信号可以使用卫星导航系统的定时信号PPS(PulsePerSecond)；根据秒脉冲信号为加速度数据、角速度数据以及磁力数据标记时间戳，根据时间戳实现数据间的时间同步，使得加速度数据、角速度数据、磁力数据与卫星导航系统的卫星观测数据实现时间同步，使卫星导航系统获得的位置数据以及速度数据和惯性导航系统的位置数据以及速度数据在时间上一一对准，提高组合导航解算的导航结果的精确性。
在其中一个实施例中，卡尔曼滤波结果还包括加速度计零偏、陀螺仪零偏以及刻度误差系数；根据载体位置校准量、速度校准量以及姿态校准量修正第二速度数据、第二位置数据以及姿态数据的步骤之后，还包括以下步骤：根据加速度计零偏、陀螺仪零偏以及刻度误差系数修正惯性导航系统输出的加速度数据、角速度数据以及磁力数据。
本实施例中，将卡尔曼滤波结果中的加速度计零偏、陀螺仪零偏以及刻度误差系数反馈至惯性导航系统中，以修正惯性导航系统中惯性器件MIMU传感器下一次输出的数据偏差，保证加速度信息以及角速度信息的准确性，从而提高惯性器件输出的数据的精度。
参见图3，图3为本发明另一个实施例中GNSS与MIMU组合导航方法的流程图；本实施例中，GNSS与MIMU组合导航方法，包括以下步骤：
步骤S310：获取卫星导航系统的卫星观测数据，根据卫星观测数据获取第一位置数据以及第一速度数据。
本步骤中，获得卫星导航系统的卫星观测数据后，可以对卫星观测数据进行PVT定位解算，获取第一位置数据以及第一速度数据。
步骤S320：获取惯性导航系统输出的加速度数据、角速度数据以及磁力数据。
步骤S330：获取卫星导航系统的秒脉冲信号，并根据秒脉冲信号对加速度数据、角速度数据以及磁力数据添加时间戳。
步骤S340：根据时间戳同步卫星观测数据、加速度数据、角速度数据以及磁力数据。
本步骤中，根据时间戳同步各个导航系统中获取得到的数据信息，使得卫星观测数据与加速度数据、角速度数据以及磁力数据在时间上一一对准。
步骤S350：根据加速度数据、角速度数据以及磁力数据获取第二位置数据、第二速度数据以及姿态数据。
本步骤中，对惯性导航系统输出的数据进行时间同步后，可以对同一时刻加速度数据、角速度数据以及磁力数据进行捷联解算获得第二位置数据以及第二速度数据。
步骤S360：根据第一速度数据以及第二速度数据获取第一误差值，并根据第一位置数据以及第二位置数据获取第二误差值，将第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建卡尔曼滤波方程组，其中，卡尔曼滤波方程组包括均方误差预测方程。
本步骤中，卡尔曼滤波的状态模型可以表示为：
式中，Xk+1表示k+1时刻的状态量；Xk表示k时刻的状态量；Φk+1/k表示雅克比状态转移矩阵；Gk表示k时刻的系统噪声分配矩阵；wk表示k时刻的系统噪声向量；vk表示k时刻的量测噪声向量；Hk表示k时刻的量测转移矩阵；Zk表示k时刻的量测向量。
根据上述卡尔曼滤波的状态模型不加推导的给出滤波解算公式可以表示为：
Xk+1/k＝Φk+1/kXk (4)
Xk+1＝Xk+Kk+1(Zk+1-Hk+1Xk+1/k) (7)
Pk+1＝(I-Kk+1Hk+1)Pk (8)
式中，Pk+1/k表示k+1时刻的均方误差预测方程；Kk+1表示k+1时刻的增益系数，Rk+1表示k+1时刻的量测噪声值，Qk表示k时刻的系统噪声矩阵。
步骤S370：若量测值大于预设第一限值时，根据公式(9)获取均方误差预测值，并根据均方误差预测值获取增益系数。
其中，Pk+1/k表示k+1时刻的均方误差预测方程；Gk表示k时刻的系统噪声分配矩阵；表示k时刻的系统噪声分配矩阵的转置；Φk+1/k表示雅克比状态转移矩阵；表示雅克比状态转移矩阵的转置；Rk+1表示k+1时刻下的量测噪声值，Qk表示k时刻的系统噪声矩阵，s表示所述遗忘因子。
本步骤中，若量测值大于预设第一限值时，均方误差预测方程的公式(5)调整为公式(9)，其中，遗忘因子s>1，所以根据式(9)知道均方误差预测值Pk+1/k扩大，进而增益矩阵Kk+1也进行了相应的扩大。由下述公式(10)说明遗忘滤波增强了当前量测Zk+1的权重，减少了上一次状态估计的权重，即减少了原有数据对当前状态的影响。
Xk+1＝Xk+Kk+1(Zk+1-Hk+1Xk+1/k) (10)
式中，Xk+1表示k+1时刻的状态量；Xk表示k时刻的状态量；Kk+1表示k+1时刻的增益系数；Zk+1表示k+1时刻的量测向量；Hk+1表示k+1时刻的量测转移矩阵。
步骤S380：根据增益系数获取卡尔曼滤波方程组的卡尔曼滤波结果，其中，卡尔曼滤波结果包括位置校准量、速度校准量以及姿态校准量。
步骤S390：根据载体位置校准量、速度校准量以及姿态校准量修正第二速度数据、第二位置数据以及姿态数据。
上述GNSS与MIMU组合导航方法，在量测值大于限值时根据遗忘因子调整均方误差预测方程并计算均方误差预测值，获得更加准确的均方误差预测值作为滤波状态估计量，从而调整卡尔曼滤波方程中的增益系数，减少卡尔曼滤波算法中上一次的状态估计的权值，增加当前状态量的权重，减少原有数据对当前状态的影响，从而减少惯性导航系统中惯性器件的量测数据的偏差对导航结果的影响，提高组合导航在振动条件下解算的导航结果的精确性。
应该理解的是，虽然图2至3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
根据上述GNSS与MIMU组合导航方法，本发明还提供一种GNSS与MIMU组合导航装置，以下就本发明的GNSS与MIMU组合导航装置的实施例进行详细说明。
参见图4，图4为本发明一个实施例中GNSS与MIMU组合导航装置的结构示意图。本实施例中，GNSS与MIMU组合导航装置包括：
位置速度数据获取模块410，用于获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；
卡尔曼滤波方程组构建模块420，用于根据第一速度数据以及第二速度数据获取第一误差值，并根据第一位置数据以及第二位置数据获取第二误差值，将第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建卡尔曼滤波方程组，其中，卡尔曼滤波方程组包括均方误差预测方程；
增益系数获取模块430，用于在量测值大于预设第一限值时，根据预设的遗忘因子调整均方误差预测方程并计算均方误差预测值，根据均方误差预测值获取增益系数；
滤波结果获取模块450，用于卡尔曼滤波结果获取模块，用于根据增益系数获取卡尔曼滤波方程组的卡尔曼滤波结果，其中，卡尔曼滤波结果包括载体位置校准量、速度校准量以及姿态校准量；
数据校准模块460，用于根据载体位置校准量、速度校准量以及姿态校准量修正第二速度数据、第二位置数据以及姿态数据。
在其中一个实施例中，增益系数获取模块430根据获取均方误差预测值；其中，Pk+1/k表示k+1时刻的均方误差预测方程；Gk表示k时刻的系统噪声分配矩阵；表示k时刻的系统噪声分配矩阵的转置；Φk+1/k表示雅克比状态转移矩阵；表示雅克比状态转移矩阵的转置；Rk+1表示k+1时刻下的量测噪声值，Qk表示k时刻的系统噪声矩阵，s表示所述遗忘因子。
在其中一个实施例中，卡尔曼滤波方程组还包括卡尔曼增益系数方程；增益系数获取模块430还用于在量测值与量测噪声值的比大于预设第二限值时，根据预设的调节因子调整卡尔曼增益系数方程并计算卡尔曼增益系数。
在其中一个实施例中，增益系数获取模块430用于根据计算卡尔曼增益系数；其中，Pk+1/k表示k+1时刻下均方误差预测预测值；Rk+1表示k+1时刻的量测噪声值；αi表示遗忘因子；Hk+1表示k+1时刻的量测转移矩阵；表示k+1时刻的量测转移矩阵的转置。
在其中一个实施例中，位置速度数据获取模块410获取卫星导航系统的卫星观测数据；根据卫星观测数据获取第一位置数据以及第一速度数据；获取惯性导航系统输出的加速度数据、角速度数据以及磁力数据；根据加速度数据、角速度数据以及磁力数据获取第二位置数据、第二速度数据以及姿态数据。
在其中一个实施例中，位置速度数据获取模块410还用于获取卫星导航系统的秒脉冲信号，并根据秒脉冲信号对加速度数据、角速度数据以及磁力数据添加时间戳；根据时间戳同步卫星观测数据、加速度数据、角速度数据以及磁力数据。
在其中一个实施例中，卡尔曼滤波结果还包括加速度计零偏、陀螺仪零偏以及刻度误差系数；数据校准模块460还用于根据加速度计零偏、陀螺仪零偏以及刻度误差系数修正惯性导航系统输出的加速度数据、角速度数据以及磁力数据。
关于GNSS与MIMU组合导航装置的具体限定可以参见上文中对于，GNSS与MIMU组合导航方法的限定，在此不再赘述。上述，GNSS与MIMU组合导航装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种GNSS与MIMU组合导航方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在其中一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；
根据第一速度数据以及第二速度数据获取第一误差值，并根据第一位置数据以及第二位置数据获取第二误差值，将第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建卡尔曼滤波方程组，其中，卡尔曼滤波方程组包括均方误差预测方程；
若量测值大于预设第一限值时，根据预设的遗忘因子调整均方误差预测方程并计算均方误差预测值，根据均方误差预测值获取增益系数；
根据增益系数获取卡尔曼滤波方程组的卡尔曼滤波结果，其中，卡尔曼滤波结果包括位置校准量、速度校准量以及姿态校准量；
根据载体位置校准量、速度校准量以及姿态校准量修正第二速度数据、第二位置数据以及姿态数据。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据获取均方误差预测值；其中，Pk+1/k表示k+1时刻的均方误差预测方程；Gk表示k时刻的系统噪声分配矩阵；表示k时刻的系统噪声分配矩阵的转置；Φk+1/k表示雅克比状态转移矩阵；表示雅克比状态转移矩阵的转置；Rk+1表示k+1时刻下的量测噪声值，Qk表示k时刻的系统噪声矩阵，s表示所述遗忘因子。
在其中一个实施例中，卡尔曼滤波方程组还包括卡尔曼增益系数方程；处理器执行计算机程序时还实现以下步骤：若量测值与量测噪声值的比大于预设第二限值时，根据预设的调节因子调整卡尔曼增益系数方程并计算卡尔曼增益系数。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据计算卡尔曼增益系数；其中，Pk+1/k表示k+1时刻下均方误差预测预测值；Rk+1表示k+1时刻的量测噪声值；αi表示遗忘因子；Hk+1表示k+1时刻的量测转移矩阵；表示k+1时刻的量测转移矩阵的转置。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取卫星导航系统的卫星观测数据；根据卫星观测数据获取第一位置数据以及第一速度数据；获取惯性导航系统输出的加速度数据、角速度数据以及磁力数据；根据加速度数据、角速度数据以及磁力数据获取第二位置数据、第二速度数据以及姿态数据。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取卫星导航系统的秒脉冲信号，并根据秒脉冲信号对加速度数据、角速度数据以及磁力数据添加时间戳；根据时间戳同步卫星观测数据、加速度数据、角速度数据以及磁力数据。
在其中一个实施例中，卡尔曼滤波结果还包括加速度计零偏、陀螺仪零偏以及刻度误差系数；处理器执行计算机程序时还实现以下步骤：根据载体位置校准量、速度校准量以及姿态校准量进行第二导航数据修正的步骤之后，还包括以下步骤：根据加速度计零偏、陀螺仪零偏以及刻度误差系数修正惯性导航系统输出的加速度数据、角速度数据以及磁力数据。
在其中一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；
根据第一速度数据以及第二速度数据获取第一误差值，并根据第一位置数据以及第二位置数据获取第二误差值，将第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建卡尔曼滤波方程组，其中，卡尔曼滤波方程组包括均方误差预测方程；
若量测值大于预设第一限值时，根据预设的遗忘因子调整均方误差预测方程并计算均方误差预测值，根据均方误差预测值获取增益系数；
根据增益系数获取卡尔曼滤波方程组的卡尔曼滤波结果，其中，卡尔曼滤波结果包括位置校准量、速度校准量以及姿态校准量；
根据载体位置校准量、速度校准量以及姿态校准量修正第二速度数据、第二位置数据以及姿态数据。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：：根据公式获取均方误差预测值；其中，Pk+1/k表示k+1时刻的均方误差预测方程；Gk表示k时刻的系统噪声分配矩阵；表示k时刻的系统噪声分配矩阵的转置；Φk+1/k表示雅克比状态转移矩阵；表示雅克比状态转移矩阵的转置；Rk+1表示k+1时刻下的量测噪声值，Qk表示k时刻的系统噪声矩阵，s表示所述遗忘因子。
在其中一个实施例中，卡尔曼滤波方程组还包括卡尔曼增益系数方程；计算机程序被处理器执行时还实现以下步骤：若量测值与量测噪声值的比大于预设第二限值时，根据预设的调节因子调整卡尔曼增益系数方程并计算卡尔曼增益系数。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据计算卡尔曼增益系数；其中，Pk+1/k表示k+1时刻下均方误差预测预测值；Rk+1表示k+1时刻的量测噪声值；αi表示遗忘因子；Hk+1表示k+1时刻的量测转移矩阵；表示k+1时刻的量测转移矩阵的转置。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取卫星导航系统的卫星观测数据；根据卫星观测数据获取第一位置数据以及第一速度数据；获取惯性导航系统输出的加速度数据、角速度数据以及磁力数据；根据加速度数据、角速度数据以及磁力数据获取第二位置数据以及第二速度数据。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取卫星导航系统的秒脉冲信号，并根据秒脉冲信号对加速度数据、角速度数据以及磁力数据添加时间戳；根据时间戳同步卫星观测数据、加速度数据、角速度数据以及磁力数据。
在其中一个实施例中，卡尔曼滤波结果还包括加速度计零偏、陀螺仪零偏以及刻度误差系数；计算机程序被处理器执行时还实现以下步骤：根据载体位置校准量、速度校准量以及姿态校准量进行第二导航数据修正的步骤之后，还包括以下步骤：根据加速度计零偏、陀螺仪零偏以及刻度误差系数修正惯性导航系统输出的加速度数据、角速度数据以及磁力数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应若认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应若指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种GNSS与MIMU组合导航方法，其特征在于，包括：
获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；
根据所述第一速度数据以及所述第二速度数据获取第一误差值，并根据所述第一位置数据以及所述第二位置数据获取第二误差值，将所述第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建所述卡尔曼滤波方程组，其中，所述卡尔曼滤波方程组包括均方误差预测方程；
若所述量测值大于预设第一限值时，根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值，并根据所述均方误差预测值获取增益系数；
根据所述增益系数获取所述卡尔曼滤波方程组的卡尔曼滤波结果，其中，所述卡尔曼滤波结果包括位置校准量、速度校准量以及姿态校准量；
根据所述载体位置校准量、所述速度校准量以及所述姿态校准量修正所述第二速度数据、所述第二位置数据以及所述姿态数据。
2.根据权利要求1所述的GNSS与MIMU组合导航方法，其特征在于，所述根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值的步骤，包括以下步骤：
根据获取均方误差预测值；
其中，Pk+1/k表示k+1时刻的均方误差预测方程；Gk表示k时刻的系统噪声分配矩阵；表示k时刻的系统噪声分配矩阵的转置；Φk+1/k表示雅克比状态转移矩阵；表示雅克比状态转移矩阵的转置；Rk+1表示k+1时刻下的量测噪声值，Qk表示k时刻的系统噪声矩阵，s表示所述遗忘因子。
3.根据权利要求1所述的GNSS与MIMU组合导航方法，其特征在于，所述卡尔曼滤波方程组还包括卡尔曼增益系数方程；
所述根据所述均方误差预测值获取增益系数的步骤，还包括以下步骤：
若所述量测值与量测噪声值的比大于预设第二限值时，根据预设的调节因子调整所述卡尔曼增益系数方程并计算所述卡尔曼增益系数。
4.根据权利要求3所述的GNSS与MIMU组合导航方法，其特征在于，所述若所述量测值与量测噪声值的比大于预设第二限值时，根据预设的调节因子调整所述卡尔曼增益系数方程并计算所述卡尔曼增益系数的步骤，包括以下步骤：
根据计算所述卡尔曼增益系数；
其中，Pk+1/k表示k+1时刻下均方误差预测预测值；Rk+1表示k+1时刻的量测噪声值；αi表示遗忘因子；Hk+1表示k+1时刻的量测转移矩阵；表示k+1时刻的量测转移矩阵的转置。
5.根据权利要求1所述的GNSS与MIMU组合导航方法，其特征在于，所述获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据的步骤，包括以下步骤：
获取所述卫星导航系统的卫星观测数据；
根据所述卫星观测数据获取所述第一位置数据以及所述第一速度数据；
获取所述惯性导航系统输出的加速度数据、角速度数据以及磁力数据；
根据所述加速度数据、所述角速度数据以及所述磁力数据获取所述第二位置数据、所述第二速度数据以及所述姿态数据。
6.根据权利要求5所述的GNSS与MIMU组合导航方法，其特征在于，所述根据所述加速度数据、所述角速度数据以及所述磁力数据获取所述第二位置数据、所述第二速度数据以及所述姿态数据的步骤之前，还包括以下步骤：
获取所述卫星导航系统的秒脉冲信号，并根据所述秒脉冲信号对所述加速度数据、所述角速度数据以及所述磁力数据添加时间戳；
根据所述时间戳同步所述卫星观测数据、所述加速度数据、所述角速度数据以及所述磁力数据。
7.根据权利要求5所述的GNSS与MIMU组合导航方法，其特征在于，所述卡尔曼滤波结果还包括加速度计零偏、陀螺仪零偏以及刻度误差系数；
所述根据所述载体位置校准量、所述速度校准量以及所述姿态校准量修正所述第二速度数据、所述第二位置数据以及所述姿态数据的步骤之后，还包括以下步骤：
根据所述加速度计零偏、所述陀螺仪零偏以及所述刻度误差系数修正惯性导航系统输出的加速度数据、角速度数据以及磁力数据。
8.一种GNSS与MIMU组合导航装置，其特征在于，包括：
位置速度数据获取模块，用于获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；
卡尔曼滤波方程组构建模块，用于根据所述第一速度数据以及所述第二速度数据获取第一误差值，并根据所述第一位置数据以及所述第二位置数据获取第二误差值，将所述第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建所述卡尔曼滤波方程组，其中，所述卡尔曼滤波方程组包括均方误差预测方程；
增益系数获取模块，用于若所述量测值大于预设第一限值时，根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值，并根据所述均方误差预测值获取增益系数；
滤波结果获取模块，用于根据所述增益系数获取所述卡尔曼滤波方程组的卡尔曼滤波结果，其中，所述卡尔曼滤波结果包括载体位置校准量、速度校准量以及姿态校准量；
数据校准模块，用于根据所述载体位置校准量、所述速度校准量以及所述姿态校准量修正所述第二速度数据、所述第二位置数据以及所述姿态数据。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述GNSS与MIMU组合导航方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述GNSS与MIMU组合导航方法的步骤。
CN201810415245.9A 2018-05-03 2018-05-03 Gnss与mimu组合导航方法、装置及计算机设备 Active CN108957495B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810415245.9A CN108957495B (zh) 2018-05-03 2018-05-03 Gnss与mimu组合导航方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810415245.9A CN108957495B (zh) 2018-05-03 2018-05-03 Gnss与mimu组合导航方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN108957495A true CN108957495A (zh) 2018-12-07
CN108957495B CN108957495B (zh) 2020-12-29

Family

ID=64498928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810415245.9A Active CN108957495B (zh) 2018-05-03 2018-05-03 Gnss与mimu组合导航方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN108957495B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110030999A (zh) * 2019-05-21 2019-07-19 杭州鸿泉物联网技术股份有限公司 一种基于惯性导航的定位方法、装置、系统和车辆
CN110487269A (zh) * 2019-08-20 2019-11-22 Oppo（重庆）智能科技有限公司 Gps/ins组合导航方法、装置、存储介质与电子设备
CN111007553A (zh) * 2019-11-20 2020-04-14 广东博智林机器人有限公司 被测对象的导航方法、装置、计算机设备和存储介质
CN111197994A (zh) * 2019-12-31 2020-05-26 深圳一清创新科技有限公司 位置数据修正方法、装置、计算机设备和存储介质
CN111736194A (zh) * 2020-07-06 2020-10-02 广州导远电子科技有限公司 组合惯性导航系统及导航数据处理方法
CN111982106A (zh) * 2020-08-28 2020-11-24 北京信息科技大学 导航方法、装置、存储介质及电子装置
CN112577512A (zh) * 2019-09-27 2021-03-30 北京初速度科技有限公司 一种基于轮速融合的状态量误差确定方法及车载终端
CN112577513A (zh) * 2019-09-27 2021-03-30 北京初速度科技有限公司 一种状态量误差确定方法及车载终端
CN112835076A (zh) * 2021-01-06 2021-05-25 星展测控科技股份有限公司 动中通系统、动中通系统的控制方法及存储介质
CN113009540A (zh) * 2021-03-18 2021-06-22 苏州华米导航科技有限公司 一种基于组合导航的驾驶行为监测系统及方法
CN113804202A (zh) * 2021-11-19 2021-12-17 智道网联科技(北京)有限公司 组合导航方法、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103217175A (zh) * 2013-04-10 2013-07-24 哈尔滨工程大学 一种自适应容积卡尔曼滤波方法
CN103389095A (zh) * 2013-07-24 2013-11-13 哈尔滨工程大学 一种用于捷联惯性/多普勒组合导航系统的自适应滤波方法
JP2015070471A (ja) * 2013-09-30 2015-04-13 株式会社Ｊｖｃケンウッド 適応フィルタ装置、適応処理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103217175A (zh) * 2013-04-10 2013-07-24 哈尔滨工程大学 一种自适应容积卡尔曼滤波方法
CN103389095A (zh) * 2013-07-24 2013-11-13 哈尔滨工程大学 一种用于捷联惯性/多普勒组合导航系统的自适应滤波方法
JP2015070471A (ja) * 2013-09-30 2015-04-13 株式会社Ｊｖｃケンウッド 適応フィルタ装置、適応処理方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
丛佃伟 著: "《GNSS高动态定位性能检定理论及关键技术研究》", 31 January 2007, 北京：测绘出版社 *
孙鸽: "航空制导炸弹的SINS/GPS组合导航系统研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
朱占龙: "惯性/地磁匹配组合导航相关技术研究", 《中国博士学位论文全文数据库 信息科技辑》 *
陈慧岩 等: "《无人驾驶汽车概论》", 31 July 2014, 北京：北京理工大学出版社 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110030999A (zh) * 2019-05-21 2019-07-19 杭州鸿泉物联网技术股份有限公司 一种基于惯性导航的定位方法、装置、系统和车辆
CN110487269A (zh) * 2019-08-20 2019-11-22 Oppo（重庆）智能科技有限公司 Gps/ins组合导航方法、装置、存储介质与电子设备
CN112577512A (zh) * 2019-09-27 2021-03-30 北京初速度科技有限公司 一种基于轮速融合的状态量误差确定方法及车载终端
CN112577513A (zh) * 2019-09-27 2021-03-30 北京初速度科技有限公司 一种状态量误差确定方法及车载终端
CN111007553A (zh) * 2019-11-20 2020-04-14 广东博智林机器人有限公司 被测对象的导航方法、装置、计算机设备和存储介质
CN111007553B (zh) * 2019-11-20 2022-01-04 广东博智林机器人有限公司 被测对象的导航方法、装置、计算机设备和存储介质
CN111197994A (zh) * 2019-12-31 2020-05-26 深圳一清创新科技有限公司 位置数据修正方法、装置、计算机设备和存储介质
CN111197994B (zh) * 2019-12-31 2021-12-07 深圳一清创新科技有限公司 位置数据修正方法、装置、计算机设备和存储介质
CN111736194A (zh) * 2020-07-06 2020-10-02 广州导远电子科技有限公司 组合惯性导航系统及导航数据处理方法
CN111982106A (zh) * 2020-08-28 2020-11-24 北京信息科技大学 导航方法、装置、存储介质及电子装置
CN112835076A (zh) * 2021-01-06 2021-05-25 星展测控科技股份有限公司 动中通系统、动中通系统的控制方法及存储介质
CN112835076B (zh) * 2021-01-06 2024-03-01 星展测控科技股份有限公司 动中通系统、动中通系统的控制方法及存储介质
CN113009540A (zh) * 2021-03-18 2021-06-22 苏州华米导航科技有限公司 一种基于组合导航的驾驶行为监测系统及方法
CN113804202A (zh) * 2021-11-19 2021-12-17 智道网联科技(北京)有限公司 组合导航方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN108957495B (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN108957495A (zh) Gnss与mimu组合导航方法
CN108507568B (zh) 补偿温度漂移误差的方法、装置和组合导航系统
CN110926464B (zh) 一种基于双模式的惯性导航方法及系统
CN109471146B (zh) 一种基于ls-svm的自适应容错gps/ins组合导航方法
CN111982106A (zh) 导航方法、装置、存储介质及电子装置
CN108279430A (zh) 数据同步定位的方法、装置、计算机设备及存储介质
CN110440827B (zh) 一种参数误差的标定方法、装置及存储介质
CN112146683B (zh) 惯性测量单元标定参数调整方法、装置及电子设备
CN109507706B (zh) 一种gps信号丢失的预测定位方法
CN112985391B (zh) 一种基于惯性和双目视觉的多无人机协同导航方法和装置
CN110873563B (zh) 一种云台姿态估计方法及装置
CN112762933B (zh) 基于神经网络模型的车辆定位方法及装置
US11150090B2 (en) Machine learning zero-rate level calibration
Maliňák et al. Pure-inertial AHRS with adaptive elimination of non-gravitational vehicle acceleration
CN111197994B (zh) 位置数据修正方法、装置、计算机设备和存储介质
CN112284421B (zh) 一种imu内参调整方法及相关装置
CN114019954B (zh) 航向安装角标定方法、装置、计算机设备和存储介质
CN115950450A (zh) 二维多普勒测速仪的标定方法、装置、计算机设备和介质
CN115031731A (zh) 一种基于相对安装位置关系的多惯导协同导航方法及装置
CN112229423B (zh) 一种复杂动态环境下星敏感器动态误差抑制方法
CN114323007A (zh) 一种载体运动状态估计方法及装置
CN109341684A (zh) 组合惯导设备
CN116774263B (zh) 面向组合导航系统的导航定位方法及装置
CN116105731B (zh) 稀疏测距条件下的导航方法、装置、计算机设备及介质
CN112762916B (zh) 磁罗盘参数标定方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant