CN109631892B - 一种imu数据中断的组合导航数据处理方法 - Google Patents

一种imu数据中断的组合导航数据处理方法 Download PDF

Info

Publication number
CN109631892B
CN109631892B CN201910058469.3A CN201910058469A CN109631892B CN 109631892 B CN109631892 B CN 109631892B CN 201910058469 A CN201910058469 A CN 201910058469A CN 109631892 B CN109631892 B CN 109631892B
Authority
CN
China
Prior art keywords
data
imu
interruption
repair
error
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.)
Active
Application number
CN201910058469.3A
Other languages
English (en)
Other versions
CN109631892A (zh
Inventor
张全
牛小骥
常乐
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201910058469.3A priority Critical patent/CN109631892B/zh
Publication of CN109631892A publication Critical patent/CN109631892A/zh
Application granted granted Critical
Publication of CN109631892B publication Critical patent/CN109631892B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种IMU数据中断的组合导航数据处理方法，本发明考虑IMU数据修复误差的前提下对中断数据进行修复和相应的参数调整。本发明首先是将大量实测样本数据人为产生短时间中断，将中断数据与实际数据进行对比，获取修复数据误差序列，通过统计分析方法得到数据修复误差特性，确定参数调整方案；然后对新采集的实测数据进行中断判断，确定是否执行数据修复和参数调整；最后是利用IMU数据进行INS导航解算，若存在中断则利用参数调整通过Kalman滤波时间更新过程自动更新状态协方差阵。本发明可广泛应用于组合导航数据融合时的IMU数据短时间中断的修复工作，最大限度降低数据修复误差对组合导航精度的影响。

Description

一种IMU数据中断的组合导航数据处理方法
技术领域
本发明属于组合导航技术领域，具体涉及一种为IMU数据中断现象时组合导航数据处理方法。
背景技术
多信息组合导航是当前导航技术的发展趋势，基于全球卫星导航系统(GlobalNavigation Satellite System，GNSS)和惯性导航系统(Inertial Navigation System，INS)的组合是目前最具有应用价值的组合模式之一。然而，由于惯性传感器(IMU)固有的硬件设计问题以及外部环境影响，尤其是低端器件容易受到工作环境(如温度)影响，导致传感器输出数据可能会存在中断现象(即由于数据丢失造成的不连续表现)或者出现异常/错误的IMU数据(其可等效于IMU数据丢失)，上述现象均可描述为IMU数据中断问题。惯性导航解算是利用前一时刻导航信息和当前时刻IMU数据经机械编排方程递推而获得导航结果的一种航位推算过程，如果IMU数据存在中断问题，则其会影响INS推算结果，进而影响GNSS/INS组合导航系统的导航精度和连续性。
GNSS/INS组合导航算法设计时需要考虑IMU数据中断问题，避免数据中断引起导航解算异常甚至导致导航解算终止，保证组合导航解算的可靠性和导航精度。目前，GNSS/INS组合导航系统中IMU数据中断的解决方法主要两种：一是中断数据修复方法，二是导航解算重启方法。中断数据修复方法是通过假设IMU数据随时间的变化关系，利用内插或外推手段进行数据修复，但是其基于动态假设的数据修复精度有限，而且并未考虑修复后的数据精度对导航结果的影响。导航解算重启方法是检测出数据中断时终止导航解算，待数据连续性恢复后则重新执行初始对准过程完成导航初始化(可保留前期估计的IMU误差参数)，该方法虽然简单直接，但是其过于绝对地舍弃了数据中断前的导航信息，对于短时间数据中断(如不超过一秒)而言，重新导航初始化方法并非最佳选择。
综上所述，IMU数据中断是GNSS/INS组合导航设计过程需要考虑的一个重要问题之一，合理地解决IMU数据中断是保障GNSS/INS组合导航系统可靠性和导航精度的重要环节。
发明内容
本发明针对上述现象，重点解决短时间(如<1s)IMU数据中断问题，提供了一种基于性能参数调整的IMU数据中断处理方法，此方法相对于传统的修复方法，可以有效地体现IMU数据修复误差对组合导航精度的影响，本发明不仅适用于GNSS/INS组合导航系统，也适用于其他以INS导航解算为基础的多源信息融合导航系统。
本发明所采用的技术方案是：一种IMU数据中断的组合导航数据处理方法，其特征在于，包括以下步骤：
步骤1：针对应用场景采集若干组IMU动态数据，作为IMU数据修复的样本数据，数据要求覆盖应用场景的不同动态特性；并将样本数据人为且随机进行短时间IMU数据中断处理，产生具有数据中断现象的异常IMU数据；
步骤2：通过中断期间IMU数据随时间变化的假设关系进行IMU数据修复；
步骤3：将修复后的IMU数据与没有人为进行中断处理的IMU动态样本数据作差，得到修复数据的实际误差值，获得中断时刻IMU修复数据的误差序列；
步骤4：对上述误差序列进行统计分析；
步骤5：基于统计分析结果进行误差特性识别，确定IMU参数调整方案；
若误差序列的平均值m＝0，则将IMU数据修复误差建模成白噪声，调整IMU的白噪声参数；
若误差序列的平均值m≠0，则将IMU数据修复误差建模成一阶高斯马尔科夫过程，调整IMU误差的零偏误差参数和白噪声参数；
步骤6：读取实际采集的IMU数据，判断数据是否存在中断；
若数据采集丢数且中断时间在1秒以内，则采用步骤2的原理进行数据修复和步骤5的原理进行IMU参数调整；
若数据采集丢数且中断时间超过1秒，则终止导航，进入重新初始化；
步骤7：基于修复后的IMU数据进行INS导航解算，获得位置、速度、姿态信息，同时调整后的IMU参数用于Kalman滤波的时间更新过程中的状态协方差矩阵计算；
步骤8：继续读取实际采集的IMU数据，依次执行步骤6和步骤7，进入后续IMU数据的INS导航解算处理和Kalman滤波时间更新过程，若接收到辅助信息，则进行Kalman滤波量测更新过程；
若中断期间接收到GNSS数据，则执行INS导航结果与GNSS信息进行组合导航解算。
本发明考虑了IMU修复数据误差对导航结果的影响，采用误差统计分析的方法确定IMU修复数据误差特性进行确定IMU参数调整策略，保证最终导航结果的可靠性。常规的IMU数据修复方法并未考虑数据修复误差的影响，这样会导致数据修复区间内的状态估计精度与导航解算结果不符合；而如果采用直接导航重启方法则无法提供数据丢失区间内的导航结果。
附图说明
图1为本发明实施例的流程示意图；
图2为本发明实施例中基于统计分析方法的IMU数据修复方案流程图；
图3为本发明实施例中IMU数据中断示意图；
图4为本发明实施例中INS导航解算流程图；
图5为本发明实施例中Kalman滤波器设计框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请见图1、图2，本发明提供的一种IMU数据中断的组合导航数据处理方法，包括以下步骤：
步骤1：针对应用场景(如车载)采集若干IMU动态样本数据，作为IMU数据修复的样本数据，数据要求覆盖应用场景的不同动态特性；并将样本数据人为且随机进行短时间IMU数据中断处理，产生具有数据中断现象的异常IMU数据；IMU数据中断现象如图3所示，数据中断区间为IMU数据丢失的区间，在该区间内没有IMU数据，如不进行数据修复，则无法完成连续的导航解算；
步骤2：通过中断期间IMU数据随时间变化的假设关系进行IMU数据修复；
本实施例仅以线性假设为例进行说明，但内插方法不限于线性假设。基于线性假设的IMU数据修复公式如下：
Figure BDA0001953348000000041
其中，ti和
Figure BDA0001953348000000042
分别为中断期间对应的适合和基于线性假设修复得到的IMU数据，tk-1和
Figure BDA0001953348000000043
分别为中断前最后时刻及其对应的实际IMU数据；tk和
Figure BDA0001953348000000044
分别为中断后第一时刻及其对应的实际IMU数据；
步骤3：将修复后的IMU数据与没有人为进行中断处理的IMU动态样本数据作差，得到修复数据的实际误差值，获得中断时刻IMU修复数据的误差序列；
本实施例将修复后的IMU数据
Figure BDA0001953348000000045
与实际IMU数据
Figure BDA0001953348000000046
作差，得到修复数据的实际误差值Δwi，即有
Figure BDA0001953348000000047
基于上式对基于大量样本数据人为产生的中断时刻IMU数据均做此处理，即可获得中断时刻IMU修复数据的误差序列Δw。
步骤4：对上述误差序列进行统计分析，基于误差序列图观察其变化趋势；
本实施例以方差分析方法为例，通过获取误差序列的平均值m(反映系统性误差)和标准差s(反映随机性偏差)来表现IMU修复误差的特性，但统计分析方法不限于方差分析。基于方差分析的计算公式为：
Figure BDA0001953348000000048
Figure BDA0001953348000000049
其中，s为IMU数据修复误差序列的标准差，m为IMU数据修复误差序列的平均值，Δwi为IMU数据修复误差序列，下标i表示第i时刻，N为IMU数据修复误差序列的长度。
步骤5：基于统计分析结果进行误差特性识别，确定IMU参数调整方案；
若误差序列的平均值m＝0，则将IMU数据修复误差建模成白噪声，调整IMU的白噪声参数；
若误差序列的平均值m≠0，则将IMU数据修复误差建模成一阶高斯马尔科夫过程，调整IMU误差的零偏误差参数和白噪声参数；
基于上述步骤即可确定IMU数据修复误差特性及其误差水平，同时确定IMU参数调整方案，参数调整只在IMU数据中断过程中使用，待数据恢复正常采集时重新使用原有IMU参数。该方案将应用于后续实际数据处理过程。
步骤6：读取实际采集的IMU数据，判断数据是否存在中断；
本实施例仅以相邻时刻IMU时间差Δt作为判断量为例，数据中断识别的方案不限于基于相邻时间差。此实施例选取数据采集设定的时间间隔T作为判断依据，其具体过程如公式：
Figure BDA0001953348000000051
若数据采集丢数且中断时间在1秒以内，则采用步骤2的原理进行数据修复和步骤5的原理进行IMU参数调整；
若数据采集丢数且中断时间超过1秒，则终止导航，进入重新初始化；
步骤7：基于修复后的IMU数据进行INS导航解算，获得位置、速度、姿态信息；
请见图4，为捷联惯性系统(INS)导航解算流程图，基于角速度信息和比力信息进行积分运算分别获得位置、速度和姿态。其中，角速度积分过程中通过补偿多种旋转角速度获得导航坐标系下的角速度信息，进而进行一次积分获得姿态；比力积分过程首先需要利用姿态信息将其旋转至导航坐标系下，然后进行加速度补偿后进行一次积分获得速度，二次积分获得位置。
调整后的IMU参数用于Kalman滤波的时间更新过程中的状态协方差矩阵计算，其计算公式为：
Figure BDA0001953348000000052
其中，
Figure BDA0001953348000000053
为tk时刻协方差矩阵，
Figure BDA0001953348000000054
为tk-1时刻误差协方差矩阵，Qk-1为经过离散后的系统噪声协方差阵。Φk-1为tk-1时刻至tk时刻的状态转移矩阵。IMU性能参数调整可以影响系统噪声方差阵Q，通过上式进而影响状态协方差阵P，即可反映出数据中断修复后的数据误差对导航精度的影响水平。
步骤8：继续读取实际采集的IMU数据，依次执行步骤6和步骤7，进入后续IMU数据的INS导航解算处理和Kalman滤波时间更新过程，若接收到辅助信息，则进行Kalman滤波量测更新过程；
本实施例的完整的Kalman滤波过程如图5所示，Kalman滤波分为两步：第一步为时间更新，即完成状态及其协方差矩阵的一步预测；第二步为量测更新，即通过解算的滤波增益矩阵完成量测信息对状态及其协方差矩阵的估计。
基于统计分析后的IMU性能参数调整系统噪声方差阵Q，进行Kalman滤波时间更新过程，从而自动调整Kalman时间更新中的状态方差阵P，以反映出修复数据精度对导航结果的影响；待IMU数据恢复正常时，IMU参数自动更新为原有设定参数。
若中断期间接收到GNSS数据，则执行INS导航结果与GNSS信息进行组合导航解算。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (5)

1.一种IMU数据中断的组合导航数据处理方法，其特征在于，包括以下步骤：
步骤1：针对应用场景采集若干组IMU动态数据，作为IMU数据修复的样本数据，数据要求覆盖应用场景的不同动态特性；并将样本数据人为且随机进行短时间IMU数据中断处理，产生具有数据中断现象的异常IMU数据；
步骤2：通过中断期间IMU数据随时间变化的假设关系进行IMU数据修复；
其中，基于线性假设的IMU数据修复公式为：
Figure FDA0002375040170000011
其中，ti和
Figure FDA0002375040170000012
分别为中断期间对应的适合和基于线性假设修复得到的IMU数据，tk-1和
Figure FDA0002375040170000013
分别为中断前最后时刻及其对应的实际IMU数据；tk和
Figure FDA0002375040170000014
分别为中断后第一时刻及其对应的实际IMU数据；
步骤3：将修复后的IMU数据与没有人为进行中断处理的IMU动态样本数据作差，得到修复数据的实际误差值，获得中断时刻IMU修复数据的误差序列；
步骤4：对上述误差序列进行统计分析；
步骤5：基于统计分析结果进行误差特性识别，确定IMU参数调整方案；
若误差序列的平均值m＝0，则将IMU数据修复误差建模成白噪声，调整IMU的白噪声参数；
若误差序列的平均值m≠0，则将IMU数据修复误差建模成一阶高斯马尔科夫过程，调整IMU误差的零偏误差参数和白噪声参数；
步骤6：读取实际采集的IMU数据，判断数据是否存在中断；
若数据采集丢数且中断时间在1秒以内，则采用步骤2进行数据修复和步骤5进行IMU参数调整；
若数据采集丢数且中断时间超过1秒，则终止导航，进入重新初始化；
步骤7：基于修复后的IMU数据进行INS导航解算，获得位置、速度、姿态信息，同时调整后的IMU参数用于Kalman滤波的时间更新过程中的状态协方差矩阵计算；
步骤8：继续读取实际采集的IMU数据，依次执行步骤6和步骤7，进入后续IMU数据的INS导航解算处理和Kalman滤波时间更新过程，若接收到辅助信息，则进行Kalman滤波量测更新过程；
若中断期间接收到GNSS数据，则执行INS导航结果与GNSS信息进行组合导航解算。
2.根据权利要求1所述的IMU数据中断的组合导航数据处理方法，其特征在于：步骤4中，通过获取误差序列的平均值m和标准差s来表现IMU修复误差的特性，
Figure FDA0002375040170000021
Figure FDA0002375040170000022
其中，s为IMU数据修复误差序列的标准差，m为IMU数据修复误差序列的平均值，Δwi为IMU数据修复误差序列，下标i表示第i时刻，N为IMU数据修复误差序列的长度。
3.根据权利要求1所述的IMU数据中断的组合导航数据处理方法，其特征在于：步骤6中，以相邻时刻IMU时间差Δt作为判断量，选取数据采集设定的时间间隔T作为判断依据，其具体过程如公式：
Figure FDA0002375040170000023
4.根据权利要求1所述的IMU数据中断的组合导航数据处理方法，其特征在于：步骤8中，基于统计分析后的IMU性能参数调整系统噪声方差阵Q，进行Kalman滤波时间更新过程，从而自动调整Kalman时间更新中的状态方差阵P，以反映出修复数据精度对导航结果的影响；待IMU数据恢复正常时，IMU参数自动更新为原有设定参数。
5.根据权利要求4所述的IMU数据中断的组合导航数据处理方法，其特征在于：调整后的IMU参数用于Kalman滤波的时间更新过程中的状态协方差矩阵计算，其计算公式为：
Figure FDA0002375040170000024
其中，
Figure FDA0002375040170000031
为tk时刻协方差矩阵，
Figure FDA0002375040170000032
为tk-1时刻误差协方差矩阵，Qk-1为经过离散后的系统噪声协方差阵；Φk-1为tk-1时刻至tk时刻的状态转移矩阵。
CN201910058469.3A 2019-01-22 2019-01-22 一种imu数据中断的组合导航数据处理方法 Active CN109631892B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910058469.3A CN109631892B (zh) 2019-01-22 2019-01-22 一种imu数据中断的组合导航数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910058469.3A CN109631892B (zh) 2019-01-22 2019-01-22 一种imu数据中断的组合导航数据处理方法

Publications (2)

Publication Number Publication Date
CN109631892A CN109631892A (zh) 2019-04-16
CN109631892B true CN109631892B (zh) 2020-04-10

Family

ID=66062934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910058469.3A Active CN109631892B (zh) 2019-01-22 2019-01-22 一种imu数据中断的组合导航数据处理方法

Country Status (1)

Country Link
CN (1) CN109631892B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112146653A (zh) * 2020-08-03 2020-12-29 河北汉光重工有限责任公司 一种提高组合导航解算频率的方法
CN112269201B (zh) * 2020-10-23 2024-04-16 北京云恒科技研究院有限公司 一种gnss/ins紧耦合时间分散滤波方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067656A (zh) * 2007-05-25 2007-11-07 北京航空航天大学 一种位置姿态系统的硬件时间同步方法
CN101105401A (zh) * 2007-08-06 2008-01-16 北京航空航天大学 一种sdins/gps组合导航系统时间同步及同步数据提取方法
CN103471588A (zh) * 2013-09-06 2013-12-25 北京航天控制仪器研究所 一种基于误差补偿的惯性测量装置异步通讯同步方法
CN104570009A (zh) * 2015-01-27 2015-04-29 武汉大学 分布式gnss实时数据处理方法及系统
CN108535755A (zh) * 2018-01-17 2018-09-14 南昌大学 基于mems的gnss/imu车载实时组合导航方法
CN108709552A (zh) * 2018-04-13 2018-10-26 哈尔滨工业大学 一种基于mems的imu和gps紧组合导航方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6946978B2 (en) * 2002-04-25 2005-09-20 Donnelly Corporation Imaging system for vehicle
FR2949852B1 (fr) * 2009-09-07 2011-12-16 Sagem Defense Securite Procede et systeme de determination de limites de protection avec extrapolation integre sur un horizon temporel donne

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067656A (zh) * 2007-05-25 2007-11-07 北京航空航天大学 一种位置姿态系统的硬件时间同步方法
CN101105401A (zh) * 2007-08-06 2008-01-16 北京航空航天大学 一种sdins/gps组合导航系统时间同步及同步数据提取方法
CN103471588A (zh) * 2013-09-06 2013-12-25 北京航天控制仪器研究所 一种基于误差补偿的惯性测量装置异步通讯同步方法
CN104570009A (zh) * 2015-01-27 2015-04-29 武汉大学 分布式gnss实时数据处理方法及系统
CN108535755A (zh) * 2018-01-17 2018-09-14 南昌大学 基于mems的gnss/imu车载实时组合导航方法
CN108709552A (zh) * 2018-04-13 2018-10-26 哈尔滨工业大学 一种基于mems的imu和gps紧组合导航方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GNSS/INS紧组合算法实时性改进与嵌入式验证;章红平等;《东南大学学报（自然科学版）》;20160731;第46卷(第4期);全文 *
基于MIMU/GPS的双核微系统的设计与应用;于希宁等;《计算机测量与控制》;20111231;第19卷(第5期);全文 *

Also Published As

Publication number Publication date
CN109631892A (zh) 2019-04-16

Similar Documents

Publication Publication Date Title
CN111947671B (zh) 用于定位的方法、装置、计算设备和计算机可读存储介质
CN109631892B (zh) 一种imu数据中断的组合导航数据处理方法
CN112432644B (zh) 基于鲁棒自适应无迹卡尔曼滤波的无人艇组合导航方法
KR101106048B1 (ko) 센서오차의 작동 중 자동교정 방법과 이를 이용한 관성항법장치
CN111060133A (zh) 一种用于城市复杂环境的组合导航完好性监测方法
CN111026081B (zh) 一种误差计算方法、装置、设备及存储介质
CN112798021A (zh) 基于激光多普勒测速仪的惯导系统行进间初始对准方法
CN110637209B (zh) 估计机动车的姿势的方法、设备和具有指令的计算机可读存储介质
CN114136315A (zh) 一种基于单目视觉辅助惯性组合导航方法及系统
CN112946681A (zh) 融合组合导航信息的激光雷达定位方法
CN115752471A (zh) 一种传感器数据的处理方法、设备及计算机可读存储介质
CN114061596A (zh) 自动驾驶定位方法、系统、测试方法、设备及存储介质
CN114252077B (zh) 基于联邦滤波器的双gps/sins的组合导航方法及系统
CN114935345A (zh) 一种基于模式识别的车载惯导安装角误差补偿方法
US11209457B2 (en) Abnormality detection device, abnormality detection method, and non-transitory tangible computer readable medium
CN112330727A (zh) 图像匹配方法、装置、计算机设备及存储介质
CN106153046B (zh) 一种基于自适应Kalman滤波的陀螺随机噪声AR建模方法
CN107228672B (zh) 一种适用于姿态机动工况下的星敏和陀螺数据融合方法
CN114001730B (zh) 融合定位方法、装置、计算机设备和存储介质
CN115060275A (zh) 一种多惯导设备导航信息择优方法
CN111090281B (zh) 基于改进粒子滤波算法估算机器人方位的方法和装置
CN112346479A (zh) 一种基于集中式卡尔曼滤波的无人航行器状态估计方法
CN113435386B (zh) 一种视觉车位无损滤波方法、装置及存储介质
CN115507836B (zh) 用于确定机器人位置的方法以及机器人
CN111007863B (zh) 一种机器人航向角的测量方法、装置及存储介质

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