CN110285804B - 基于相对运动模型约束的车辆协同导航方法 - Google Patents

基于相对运动模型约束的车辆协同导航方法 Download PDF

Info

Publication number
CN110285804B
CN110285804B CN201910560229.3A CN201910560229A CN110285804B CN 110285804 B CN110285804 B CN 110285804B CN 201910560229 A CN201910560229 A CN 201910560229A CN 110285804 B CN110285804 B CN 110285804B
Authority
CN
China
Prior art keywords
vehicle
error
time
navigation system
inertial
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
CN201910560229.3A
Other languages
English (en)
Other versions
CN110285804A (zh
Inventor
陈明星
熊智
李文龙
李欣童
张玲
王融
曾庆化
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910560229.3A priority Critical patent/CN110285804B/zh
Publication of CN110285804A publication Critical patent/CN110285804A/zh
Application granted granted Critical
Publication of CN110285804B publication Critical patent/CN110285804B/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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G01C21/18—Stabilised platforms, e.g. by gyroscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Automation & Control Theory (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于相对运动模型约束的车辆协同导航方法，属于车辆协同导航技术领域。该方法首先在惯性导航系统误差方程的基础上构建协同导航系统的状态方程；然后利用多普勒频移效应来计算车载无线广播由于车辆相对运动引起的频率偏移，进而判断相对会车时间；在会车时建立车辆相对运动模型和以相对运动模型为基础的量测方程；最后对状态方程和量测方程离散化处理，在会车时进行量测更新，对系统状态量进行反馈校正，实现对协同导航系统的有效修正。本发明能够对在隧道等卫星导航失效环境下有效利用车辆相对运动约束信息,实现与惯性导航的有效融合，提高车辆导航系统的精度和可靠性，适用于工程应用。

Description

基于相对运动模型约束的车辆协同导航方法
技术领域
本发明涉及一种基于相对运动模型约束的车辆协同导航方法，属于车辆协同导航技术领域。
背景技术
在现有技术下，广泛应用于车辆的导航系统多采用惯性器件(IMU-加速度计和陀螺仪)/卫星组合导航系统实现，但车辆在隧道等存在遮挡的环境下行驶时，卫星信号由于受到遮蔽导致卫星导航系统不可用，惯性/卫星组合导航系统将难以提供准确的导航信息。因此，在卫星失效的情况下，需要尽可能搜集可用的导航信息。当沿同一道路相反方向行驶的车辆会车时，其相对运动存在一定规律，利用相对运动规律构成相对运动模型约束，具有实现简单，成本低等优点，可以为车载导航系统提供重要的辅助信息。
惯性导航系统的误差主要由惯性传感器(IMU-加速度计和陀螺仪)测量误差引起，惯性导航系统的误差会随时间累积。当两辆车在平整道路上相对行驶时，在会车的瞬间姿态角存在对应的约束关系，利用这种相对约束关系构建相对运动模型，可以对两辆车的惯性导航系统误差进行修正，减小惯性导航系统的累积误差。利用车载无线广播结合多普勒频移效应原理可以有效识别会车时刻。因此，研究基于相对运动模型约束的车辆协同导航方法，借助相对运动模型来估计出惯性导航系统的测量误差，从而提高车载导航系统精度，将具有突出的应用价值。
发明内容
本发明提出了一种基于相对运动模型约束的车辆协同导航方法，在车辆行驶过程中有效利用相邻车辆的相对运动信息，提高在卫星信号不可用情况下车载导航系统的精度。
本发明为解决其技术问题采用如下技术方案：
一种基于相对运动模型约束的车辆协同导航方法，包括如下步骤：
步骤1，在惯性导航系统误差方程的基础上，将车载惯性导航系统的三个姿态误差量、三个速度误差量、三个位置误差量作为协同导航系统的状态向量构建基于卡尔曼滤波器的协同导航系统状态方程；
步骤2，针对相对行驶并不断广播导航信息的两辆车辆，利用多普勒频移效应来判断相对会车时间；
步骤3，建立车辆相对行驶情况下会车时的运动模型，模型主要包括横滚角、俯仰角和航向角的相对关系；
步骤4，根据步骤3所建立的运动模型构建协同导航系统量测方程；
步骤5，对状态方程和量测方程离散化处理，在会车时进行量测更新，对系统状态量进行反馈校正。
步骤1所述协同导航系统的状态向量为：
Figure BDA0002108047690000021
其中，X为协同导航系统的状态向量，XA为协同导航系统中A车辆的状态向量，XB为协同导航系统中B车辆的状态向量，
Figure BDA0002108047690000022
为A车辆惯导系统的平台误差角，
Figure BDA0002108047690000023
分别为A车辆捷联惯导系统x、y、z的三轴数学平台误差角，δVA为A车辆的速度误差，
Figure BDA0002108047690000031
为A车辆东北天三轴的速度误差，δpA为A车辆的位置误差，δLA、δλA、δhA分别为A车辆经度、纬度、高度误差，
Figure BDA0002108047690000032
为A车辆陀螺仪的随机常数漂移，
Figure BDA0002108047690000033
分别为A车辆陀螺仪在载体系下x、y、z轴上的随机常数误差，
Figure BDA0002108047690000034
为A车辆陀螺仪的一阶马尔科夫过程漂移，
Figure BDA0002108047690000035
分别为A车辆陀螺仪在载体系下x、y、z轴上的一阶马尔可夫过程漂移，
Figure BDA0002108047690000036
为A车辆加速度计一阶马尔可夫漂移，
Figure BDA0002108047690000037
分别为A车辆加速度计在载体系下x、y、z轴上的一阶马尔可夫过程漂移，
Figure BDA0002108047690000038
为B车辆惯导系统的平台误差角，
Figure BDA0002108047690000039
分别为B车辆捷联惯导系统x、y、z的三轴数学平台误差角，δVB为B车辆的速度误差，
Figure BDA00021080476900000310
为B车辆东北天三轴的速度误差，δpB为B车辆的位置误差，δLB、δλB、δhB分别为B车辆经度、纬度、高度误差，
Figure BDA00021080476900000311
为B车辆陀螺仪的随机常数漂移，
Figure BDA00021080476900000312
分别为B车辆陀螺仪在载体系下x、y、z轴上的随机常数误差，
Figure BDA00021080476900000313
为B车辆陀螺仪的一阶马尔科夫过程漂移，
Figure BDA00021080476900000314
分别为B车辆陀螺仪在载体系下x、y、z轴上的一阶马尔可夫过程漂移，
Figure BDA00021080476900000315
为B车辆加速度计一阶马尔可夫过程漂移，
Figure BDA00021080476900000316
分别为B车辆加速度计在载体系下x、y、z轴上的一阶马尔可夫过程漂移；
步骤1所述协同导航系统的状态方程为：
Figure BDA0002108047690000041
Figure BDA0002108047690000042
Figure BDA0002108047690000043
Figure BDA0002108047690000044
Figure BDA0002108047690000045
Figure BDA0002108047690000046
Figure BDA0002108047690000047
Figure BDA0002108047690000048
Figure BDA0002108047690000049
Figure BDA00021080476900000410
Figure BDA00021080476900000411
Figure BDA00021080476900000412
Figure BDA00021080476900000413
Figure BDA00021080476900000414
Figure BDA00021080476900000415
Figure BDA00021080476900000416
其中，
Figure BDA00021080476900000417
为A车辆惯导系统的平台误差角
Figure BDA00021080476900000418
的微分，
Figure BDA00021080476900000419
为A车辆地理系相对于惯性系的角速率误差，
Figure BDA00021080476900000420
为A车辆地理系相对于惯性系的角速率，
Figure BDA00021080476900000421
表示A车辆从载体系到地理系的坐标变换矩阵，εA为A车辆惯导系统陀螺漂移误差，
Figure BDA00021080476900000422
为A车辆的速度误差δvA的微分，fA为A车辆地理系下加速度计的输出比力，
Figure BDA00021080476900000423
为A车辆地球系相对于惯性系的角速率误差，
Figure BDA00021080476900000424
为A车辆地理系相对于地球系的角速率误差，vA为A车辆的速度，
Figure BDA00021080476900000425
为A车辆地球系相对于惯性系的角速率，
Figure BDA00021080476900000426
为A车辆地理系相对于地球系的角速率，
Figure BDA00021080476900000427
Figure BDA00021080476900000428
分别为A车辆经度、纬度、高度误差的微分，LA、λA、hA分别为A车辆经度、纬度、高度，
Figure BDA00021080476900000429
为A车辆陀螺仪的随机常数漂移的微分，
Figure BDA00021080476900000430
为A车辆陀螺仪的一阶马尔科夫过程漂移的微分，
Figure BDA00021080476900000431
为A车辆加速度计的一阶马尔可夫过程漂移；
Figure BDA00021080476900000432
为B车辆惯导系统的平台误差角
Figure BDA00021080476900000433
的微分，
Figure BDA00021080476900000434
为B车辆地理系相对于惯性系的角速率误差，
Figure BDA00021080476900000435
为B车辆地理系相对于惯性系的角速率，
Figure BDA00021080476900000436
表示B车辆从载体系到地理系的坐标变换矩阵，εB为B车辆惯导系统陀螺漂移误差，
Figure BDA0002108047690000051
为B车辆的速度误差的微分，fB为B车辆地理系下加速度计的输出比力，
Figure BDA0002108047690000052
为B车辆地球系相对于惯性系的角速率误差，
Figure BDA0002108047690000053
为B车辆地理系相对于地球系的角速率误差，vB为B车辆的速度，
Figure BDA0002108047690000054
为B车辆地球系相对于惯性系的角速率，
Figure BDA0002108047690000055
为B车辆地理系相对于地球系的角速率，
Figure BDA0002108047690000056
分别为B车辆经度、纬度、高度误差的微分，LB、λB、hB分别为B车辆经度、纬度、高度，
Figure BDA0002108047690000057
为B车辆陀螺仪的随机常数漂移的微分，
Figure BDA0002108047690000058
为B车辆陀螺仪的一阶马尔科夫过程漂移的微分，
Figure BDA0002108047690000059
为B车辆加速度计的一阶马尔可夫过程漂移，δg为重力加速度误差，Rm为卯酉圈半径，Rn为子午圈半径，Tg和Ta分别为一阶马尔科夫过程的相关时间，wr和wa分别为相关的驱动白噪声。
步骤2所述多普勒频移计算公式为：
Figure BDA00021080476900000510
其中，ΔfAB为频率偏移，ft为车辆所播发广播信号的初始频率，fd为车辆接收广播信号计算出的信号频率，rAB为A、B两车的相对位置矢量，c为光速。
步骤3所述车辆相对行驶情况下会车时的运动模型为：
γA+γB＝0
θA+θB＝0
ψA-ψB＝π
其中，γA表示A车辆的横滚角，θA为车辆A的俯仰角，ψA为车辆A的航向角；γB表示B车辆的横滚角，θB为B车辆的俯仰角，ψB为B车辆的航向角。
步骤4所述协同导航系统量测方程为：
Figure BDA00021080476900000511
其中，Z(t)为量测向量；
Figure BDA00021080476900000512
表示A车辆惯导系统输出的横滚角，
Figure BDA00021080476900000513
为车辆A惯导系统输出的俯仰角，
Figure BDA00021080476900000514
为车辆A惯导系统输出的航向角；
Figure BDA00021080476900000515
表示B车辆惯导系统输出的横滚角，
Figure BDA00021080476900000516
为B车辆惯导系统输出的俯仰角，
Figure BDA00021080476900000517
为B车辆惯导系统输出的航向角；H(t)为量测系数矩阵；X(t)为系统状态向量；V(t)为量测噪声向量；015*3为所有元素均为0的15*3的矩阵；
Figure BDA0002108047690000061
分别为A、B车辆惯性导航平台误差角到姿态误差角的转换矩阵，表示为：
Figure BDA0002108047690000062
Figure BDA0002108047690000063
其中：θA为车辆A的俯仰角，ψA为车辆A的航向角；γB表示B车辆的横滚角，θB为B车辆的俯仰角，ψB为B车辆的航向角。
步骤5所述的具体过程为：
(501)将系统状态方程和量测方程离散化处理：
Xk＝Φk,k-1Xk-1+Γk,k-1Wk-1
Zk＝HkXk+Vk，
其中，Xk为tk时刻系统状态量,Xk-1为tk-1时刻系统状态量，Φk,k-1为tk-1时刻至tk时刻系统的状态转移矩阵，Γk,k-1为tk-1时刻至tk时刻系统的噪声驱动矩阵，Wk-1为tk-1时刻系统的噪声矩阵，Zk为tk时刻系统的量测向量,Hk为tk时刻的量测系数矩阵，Vk为tk时刻的姿态观测量的噪声矩阵；
(502)对离散化处理得到的公式加入控制项Uk-1，并采用闭环修正系统状态方程对惯导系统误差进行修正：
Figure BDA0002108047690000064
其中，Bk,k-1为tk-1时刻至tk时刻系统的控制项系数矩阵，
Figure BDA0002108047690000065
Figure BDA0002108047690000066
上述公式中，Fk为tk时刻系统矩阵的值，Gk为tk时刻系统噪声系数矩阵的值，T为离散时间，n为阶数；
(503)得到系统的线性化卡尔曼滤波器方程：
Figure BDA0002108047690000071
Figure BDA0002108047690000072
Pk,k-1＝Φk,k-1Pk-1Φk,k-1 T+Γk-1Qk-1Γk-1 T
Figure BDA0002108047690000073
Figure BDA0002108047690000074
其中，
Figure BDA0002108047690000075
为tk-1时刻至tk时刻一步预测状态量；
Figure BDA0002108047690000076
为tk-1时刻滤波状态估计量；
Figure BDA0002108047690000077
为tk时刻滤波状态估计量；Kk为tk时刻滤波增益矩阵，
Figure BDA0002108047690000078
为Kk的转置；Zk为tk时刻的量测向量；Pk,k-1为tk-1时刻至tk时刻一步预测协方差矩阵；Pk-1为tk-1时刻滤波状态估计协方差矩阵；Φk,k-1 T为Φk,k-1的转置矩阵；Γk-1为tk-1时刻系统噪声系数矩阵；Qk-1为tk-1时刻的系统观测噪声估计协方差阵；Γk-1 T为Γk-1的转置矩阵；
Figure BDA0002108047690000079
为Hk的转置矩阵；Rk为tk时刻的量测噪声估计协方差阵；Pk为tk时刻滤波状态估计协方差矩阵；I为单位矩阵；
(504)根据503)得到的线性化卡尔曼滤波器方程估计系统导航误差值，包括姿态、位置、速度误差，并用惯性导航系统推算的导航参数减去系统导航误差值，得到基于相对运动模型约束的车辆协同导航系统修正值。
本发明的有益效果如下：
1、本发明利用相对行驶的车辆在会车时的相对运动关系来修正车载惯性导航系统的误差，解决了车辆在存在遮挡的环境下卫星导航系统不可用时惯性导航系统发散的问题。
2、本发明通过将相对行驶的车辆的18维状态变量结合作为协同导航系统的状态量，建立36维状态量的卡尔曼滤波器状态方程和量测方程，以姿态角约束关系作为卡尔曼滤波器的观测量，实现对惯性导航系统误差的估计和修正，可以有效地提高组合导航系统的精度，适合工程应用。
附图说明
图1是本发明基于相对运动模型约束的车辆协同导航方法的架构图。
图2是本发明基于相对运动模型约束的车辆协同导航方法所设计相对行驶车辆的航迹图。
图3(a)是基于相对运动模型约束的车辆协同导航方法所估计出的横滚角误差曲线图；图3(b)是基于相对运动模型约束的车辆协同导航方法所估计出的俯仰角角误差曲线图；图3(c)是基于相对运动模型约束的车辆协同导航方法所估计出的航向角误差曲线图。
图4(a)代表基于相对运动模型约束的车辆协同导航方法所估计出的经度误差曲线图；图4(b)代表基于相对运动模型约束的车辆协同导航方法所估计出的纬度误差曲线图；图4(c)代表基于相对运动模型约束的车辆协同导航方法所估计出的高度误差曲线图。
图5(a)代表纯惯性方法所估计出的经度误差曲线图；图5(b)代表纯惯性方法所估计出的纬度误差曲线图；图5(c)代表纯惯性方法所估计出的高度误差曲线。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
如图1所示，本发明所述的基于相对运动模型约束的车辆协同导航方法的原理是：相对行驶的车辆通过建立协同卡尔曼滤波状态方程，利用陀螺仪和加速度计原始输出进行捷联惯导解算，通过车载无线广播的多普勒频移效应判断会车时刻，在会车时刻构建相对运动模型，利用相对运动模型获得协同姿态角量测方程，进行量测更新，实现对惯性导航系统误差的估计，提高车载导航系统精度。
本发明的具体实施方式如下：
1、建立基于相对运动模型约束的车辆协同导航方法的状态方程
首先定义坐标系：地理坐标系选取“东-北-天”为导航系(n)，载体坐标系(b)选取为“右-前-上”。车载协同导航系统的状态向量为：
Figure BDA0002108047690000091
其中，X为协同导航系统的状态向量，XA为协同导航系统中A车辆的状态向量，XB为协同导航系统中B车辆的状态向量，
Figure BDA0002108047690000092
为A车辆惯导系统的平台误差角，
Figure BDA0002108047690000093
分别为A车辆捷联惯导系统x、y、z的三轴数学平台误差角，δVA为A车辆的速度误差，
Figure BDA0002108047690000094
为A车辆东北天三轴的速度误差，δpA为A车辆的位置误差，δLA、δλA、δhA分别为A车辆经度、纬度、高度误差，
Figure BDA0002108047690000095
为A车辆陀螺仪的随机常数漂移，
Figure BDA0002108047690000096
分别为A车辆陀螺仪在载体系下x、y、z轴上的随机常数误差，
Figure BDA0002108047690000097
为A车辆陀螺仪的一阶马尔科夫过程漂移，
Figure BDA0002108047690000098
分别为A车辆陀螺仪在载体系下x、y、z轴上的一阶马尔可夫过程漂移，
Figure BDA0002108047690000099
为A车辆加速度计一阶马尔可夫过程漂移，
Figure BDA00021080476900000910
分别为A车辆加速度计在载体系下x、y、z轴上的一阶马尔可夫过程漂移，
Figure BDA00021080476900000911
为B车辆惯导系统的平台误差角，
Figure BDA00021080476900000912
分别为B车辆捷联惯导系统x、y、z的三轴数学平台误差角，δVB为B车辆的速度误差，
Figure BDA00021080476900000913
为B车辆东北天三轴的速度误差，δpB为B车辆的位置误差，δLB、δλB、δhB分别为B车辆经度、纬度、高度误差，
Figure BDA00021080476900000914
为B车辆陀螺仪的随机常数漂移，
Figure BDA00021080476900000915
分别为B车辆陀螺仪在载体系下x、y、z轴上的随机常数误差，
Figure BDA00021080476900000916
为B车辆陀螺仪的一阶马尔科夫过程漂移，
Figure BDA00021080476900000917
分别为B车辆陀螺仪在载体系下x、y、z轴上的一阶马尔可夫过程漂移，
Figure BDA0002108047690000101
为B车辆加速度计一阶马尔可夫过程漂移，
Figure BDA0002108047690000102
分别为B车辆加速度计在载体系下x、y、z轴上的一阶马尔可夫过程漂移。协同导航系统的状态方程为：
Figure BDA0002108047690000103
其中，
Figure BDA0002108047690000104
为A车辆惯导系统的平台误差角
Figure BDA0002108047690000105
的微分，
Figure BDA0002108047690000106
为A车辆地理系相对于惯性系的角速率误差，
Figure BDA0002108047690000107
为A车辆地理系相对于惯性系的角速率，
Figure BDA0002108047690000108
表示A车辆从载体系到地理系的坐标变换矩阵，εA为A车辆惯导系统陀螺漂移误差，
Figure BDA0002108047690000109
为A车辆的速度误差δvA的微分，fA为A车辆地理系下加速度计的输出比力，
Figure BDA00021080476900001010
为A车辆地球系相对于惯性系的角速率误差，
Figure BDA00021080476900001011
为A车辆地理系相对于地球系的角速率误差，vA为A车辆的速度，
Figure BDA00021080476900001012
为A车辆地球系相对于惯性系的角速率，
Figure BDA00021080476900001013
为A车辆地理系相对于地球系的角速率，
Figure BDA00021080476900001014
Figure BDA00021080476900001015
分别为A车辆经度、纬度、高度误差的微分，LA、λA、hA分别为A车辆经度、纬度、高度，
Figure BDA00021080476900001016
为A车辆陀螺仪的随机常数漂移的微分，
Figure BDA00021080476900001017
为A车辆陀螺仪的一阶马尔科夫过程漂移的微分，
Figure BDA00021080476900001018
为A车辆加速度计的一阶马尔可夫过程漂移；
Figure BDA0002108047690000111
为B车辆惯导系统的平台误差角
Figure BDA0002108047690000112
的微分，
Figure BDA0002108047690000113
为B车辆地理系相对于惯性系的角速率误差，
Figure BDA0002108047690000114
为B车辆地理系相对于惯性系的角速率，
Figure BDA0002108047690000115
表示B车辆从载体系到地理系的坐标变换矩阵，εB为B车辆惯导系统陀螺漂移误差，
Figure BDA0002108047690000116
为B车辆的速度误差的微分，fB为B车辆地理系下加速度计的输出比力，
Figure BDA0002108047690000117
为B车辆地球系相对于惯性系的角速率误差，
Figure BDA0002108047690000118
为B车辆地理系相对于地球系的角速率误差，vB为B车辆的速度，
Figure BDA0002108047690000119
为B车辆地球系相对于惯性系的角速率，
Figure BDA00021080476900001110
为B车辆地理系相对于地球系的角速率，
Figure BDA00021080476900001111
分别为B车辆经度、纬度、高度误差的微分，LB、λB、hB分别为B车辆经度、纬度、高度，
Figure BDA00021080476900001112
为B车辆陀螺仪的随机常数漂移的微分，
Figure BDA00021080476900001113
为B车辆陀螺仪的一阶马尔科夫过程漂移的微分，
Figure BDA00021080476900001114
为B车辆加速度计的一阶马尔可夫过程漂移，δg为重力加速度误差，Rm为卯酉圈半径，Rn为子午圈半径，Tg和Ta分别为一阶马尔科夫过程的相关时间，wr和wa分别为相关的驱动白噪声。
2、利用多普勒频移公式计算无线广播信号的频率偏移，并判断会车时刻。多普勒频移计算公式为：
Figure BDA00021080476900001115
其中，ft为车辆所播发广播信号的初始频率，fd为车辆接收广播信号计算出的信号频率，rAB为A、B两车的相对位置矢量，c为光速。
在两车A、B会车时，频率偏移ΔfAB存在由正到负的变换过程，因此的频率偏移ΔfAB的符号变换时刻即两车的会车时刻。
3、建立车辆相对行驶情况下会车时的运动模型，模型主要包括横滚角、俯仰角和航向角的相对关系，模型如下：
Figure BDA00021080476900001116
其中，γA表示A车辆的横滚角，θA为车辆A的俯仰角，ψA为车辆A的航向角；γB表示B车辆的横滚角，θB为B车辆的俯仰角，ψB为B车辆的航向角。
4.在式(4)的基础上建立会车时协同导航系统量测方程：
Figure BDA0002108047690000121
其中，Z(t)为量测向量；
Figure BDA0002108047690000122
表示A车辆惯导系统输出的横滚角，
Figure BDA0002108047690000123
为车辆A惯导系统输出的俯仰角，
Figure BDA0002108047690000124
为车辆A惯导系统输出的航向角；
Figure BDA0002108047690000125
表示B车辆惯导系统输出的横滚角，
Figure BDA0002108047690000126
为B车辆惯导系统输出的俯仰角，
Figure BDA0002108047690000127
为B车辆惯导系统输出的航向角；H(t)为量测系数矩阵；X(t)为系统状态向量；V(t)为量测噪声向量；015*3为所有元素均为0的15*3的矩阵，
Figure BDA0002108047690000128
分别为A、B车辆惯性导航平台误差角到姿态误差角的转换矩阵，可表示为：
Figure BDA0002108047690000129
其中：θA为车辆A的俯仰角，ψA为车辆A的航向角；γB表示B车辆的横滚角，θB为B车辆的俯仰角，ψB为B车辆的航向角。
5.车辆基于相对运动模型的卡尔曼滤波
(5.1)将滤波器状态方程和量测方程离散化处理：
Figure BDA00021080476900001210
其中，Xk为tk时刻系统状态量,Xk-1为tk-1时刻系统状态量，Φk,k-1为tk-1时刻至tk时刻系统的状态转移矩阵，Γk,k-1为tk-1时刻至tk时刻系统的噪声驱动矩阵，Wk-1为tk-1时刻系统的噪声矩阵，Zk为tk时刻系统的量测向量,Hk为tk时刻的量测系数矩阵，Vk为tk时刻的姿态观测量的噪声矩阵；
(5.2)在式(7)的基础上加入控制项Uk-1，并采用闭环修正系统状态方程对惯导系统误差进行修正：
Figure BDA0002108047690000131
其中，Bk,k-1为tk-1时刻至tk时刻系统的控制项系数矩阵，
Figure BDA0002108047690000132
Figure BDA0002108047690000133
上述公式中，Fk为tk时刻系统矩阵的值，Gk为tk时刻系统噪声系数矩阵的值，T为离散时间，n为阶数；
(5.3)得到系统的线性化卡尔曼滤波器方程：
Figure BDA0002108047690000134
其中，
Figure BDA0002108047690000135
为tk-1时刻至tk时刻一步预测状态量；
Figure BDA0002108047690000136
为tk-1时刻滤波状态估计量；
Figure BDA0002108047690000137
为tk时刻滤波状态估计量；Kk为tk时刻滤波增益矩阵，
Figure BDA0002108047690000138
为Kk的转置；Zk为tk时刻的量测向量；Pk,k-1为tk-1时刻至tk时刻一步预测协方差矩阵；Pk-1为tk-1时刻滤波状态估计协方差矩阵；Φk,k-1 T为Φk,k-1的转置矩阵；Γk-1为tk-1时刻系统噪声系数矩阵；Qk-1为tk-1时刻的系统观测噪声估计协方差阵；Γk-1 T为Γk-1的转置矩阵；
Figure BDA0002108047690000139
为Hk的转置矩阵；Rk为tk时刻的量测噪声估计协方差阵；Pk为tk时刻滤波状态估计协方差矩阵；I为单位矩阵；
(5.4)根据(5.3)得到的线性化卡尔曼滤波器方程估计系统导航误差值，包括姿态、位置、速度误差，并用惯性导航系统推算的导航参数减去系统导航误差值，得到基于相对运动模型约束的车辆协同导航系统修正值。
为了验证发明所提出的基于相对运动模型约束车辆协调导航方法的正确性和有效性，采用本发明方法建立模型，利用MATLAB仿真验证。设计两相对行驶车辆的航迹如图2所示。
图3是基于相对运动模型约束的车辆协同导航方法所估计出的姿态角误差与纯惯性导航系统姿态角误差对比，图3(a)、图3(b)、图3(c)分别是横滚角误差、俯仰角误差、航向角误差。
基于本发明所述的基于相对运动模型约束的车辆协同导航方法进行验证，本方法估计出的姿态角误差与纯惯性导航系统姿态角误差对比曲线如图3所示，可以看出在会车时刻，由于存在相对运动模型约束，姿态误差得到修正。
图4(a)、图4(b)、图4(c)分别代表本发明算法的经度、纬度、高度误差曲线，图5(a)、图5(b)、图5(c)分别代表纯惯性导航算法的经度、纬度、高度误差曲线。对比图4和图5的经度、纬度、高度误差曲线可以看出，采用本发明提出的基于相对运动模型约束的车辆协同导航方法，车载导航系统精度相较于纯惯性导航系统有明显提高，具有有益的工程应用价值。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.一种基于相对运动模型约束的车辆协同导航方法，其特征在于，包括如下步骤：
步骤1，在惯性导航系统误差方程的基础上，将车载惯性导航系统的三个姿态误差量、三个速度误差量、三个位置误差量作为协同导航系统的状态向量构建基于卡尔曼滤波器的协同导航系统状态方程；
步骤2，针对相对行驶并不断广播导航信息的两辆车辆，利用多普勒频移效应来判断相对会车时间；
步骤3，建立车辆相对行驶情况下会车时的运动模型为：
γA+γB＝0
θA+θB＝0
ψA-ψB＝π
其中，γA表示A车辆的横滚角，θA为车辆A的俯仰角，ψA为车辆A的航向角；γB表示B车辆的横滚角，θB为B车辆的俯仰角，ψB为B车辆的航向角；
步骤4，根据步骤3所建立的运动模型构建协同导航系统量测方程为：
Figure FDA0003596409180000011
其中，Z(t)为量测向量；
Figure FDA0003596409180000012
表示A车辆惯导系统输出的横滚角，
Figure FDA0003596409180000013
为车辆A惯导系统输出的俯仰角，
Figure FDA0003596409180000014
为车辆A惯导系统输出的航向角；
Figure FDA0003596409180000015
表示B车辆惯导系统输出的横滚角，
Figure FDA0003596409180000016
为B车辆惯导系统输出的俯仰角，
Figure FDA0003596409180000017
为B车辆惯导系统输出的航向角；H(t)为量测系数矩阵；X(t)为系统状态向量；V(t)为量测噪声向量；015*3为所有元素均为0的15*3的矩阵；
Figure FDA0003596409180000018
分别为A、B车辆惯性导航平台误差角到姿态误差角的转换矩阵，表示为：
Figure FDA0003596409180000019
Figure FDA0003596409180000021
其中：θA为车辆A的俯仰角，ψA为车辆A的航向角；γB表示B车辆的横滚角，θB为B车辆的俯仰角，ψB为B车辆的航向角；
步骤5，对状态方程和量测方程离散化处理，在会车时进行量测更新，对系统状态量进行反馈校正。
2.根据权利要求1所述基于相对运动模型约束的车辆协同导航方法，其特征在于，步骤1所述协同导航系统的状态向量为：
Figure FDA0003596409180000022
其中，X为协同导航系统的状态向量，XA为协同导航系统中A车辆的状态向量，XB为协同导航系统中B车辆的状态向量，
Figure FDA0003596409180000023
为A车辆惯导系统的平台误差角，
Figure FDA0003596409180000024
分别为A车辆捷联惯导系统x、y、z的三轴数学平台误差角，δVA为A车辆的速度误差，
Figure FDA0003596409180000025
为A车辆东北天三轴的速度误差，δpA为A车辆的位置误差，δLA、δλA、δhA分别为A车辆经度、纬度、高度误差，
Figure FDA0003596409180000026
为A车辆陀螺仪的随机常数漂移，
Figure FDA0003596409180000027
分别为A车辆陀螺仪在载体系下x、y、z轴上的随机常数误差，
Figure FDA0003596409180000028
为A车辆陀螺仪的一阶马尔科夫过程漂移，
Figure FDA0003596409180000029
分别为A车辆陀螺仪在载体系下x、y、z轴上的一阶马尔可夫过程漂移，
Figure FDA00035964091800000210
为A车辆加速度计一阶马尔可夫漂移，
Figure FDA00035964091800000211
分别为A车辆加速度计在载体系下x、y、z轴上的一阶马尔可夫过程漂移，
Figure FDA00035964091800000212
为B车辆惯导系统的平台误差角，
Figure FDA00035964091800000213
分别为B车辆捷联惯导系统x、y、z的三轴数学平台误差角，δVB为B车辆的速度误差，
Figure FDA00035964091800000214
为B车辆东北天三轴的速度误差，δpB为B车辆的位置误差，δLB、δλB、δhB分别为B车辆经度、纬度、高度误差，
Figure FDA00035964091800000215
为B车辆陀螺仪的随机常数漂移，
Figure FDA00035964091800000216
分别为B车辆陀螺仪在载体系下x、y、z轴上的随机常数误差，
Figure FDA0003596409180000031
为B车辆陀螺仪的一阶马尔科夫过程漂移，
Figure FDA0003596409180000032
分别为B车辆陀螺仪在载体系下x、y、z轴上的一阶马尔可夫过程漂移，
Figure FDA0003596409180000033
为B车辆加速度计一阶马尔可夫过程漂移，
Figure FDA0003596409180000034
分别为B车辆加速度计在载体系下x、y、z轴上的一阶马尔可夫过程漂移。
3.根据权利要求2所述基于相对运动模型约束的车辆协同导航方法，其特征在于，步骤1所述协同导航系统的状态方程为：
Figure FDA0003596409180000035
Figure FDA0003596409180000036
Figure FDA0003596409180000037
Figure FDA0003596409180000038
Figure FDA0003596409180000039
Figure FDA00035964091800000310
Figure FDA00035964091800000311
Figure FDA00035964091800000312
Figure FDA00035964091800000313
Figure FDA00035964091800000314
Figure FDA00035964091800000315
Figure FDA00035964091800000316
Figure FDA00035964091800000317
Figure FDA00035964091800000318
Figure FDA00035964091800000319
Figure FDA00035964091800000320
其中，
Figure FDA00035964091800000321
为A车辆惯导系统的平台误差角
Figure FDA00035964091800000322
的微分，
Figure FDA00035964091800000323
为A车辆地理系相对于惯性系的角速率误差，
Figure FDA00035964091800000324
为A车辆地理系相对于惯性系的角速率，
Figure FDA00035964091800000325
表示A车辆从载体系到地理系的坐标变换矩阵，εA为A车辆惯导系统陀螺漂移误差，
Figure FDA00035964091800000326
为A车辆的速度误差δvA的微分，fA为A车辆地理系下加速度计的输出比力，
Figure FDA00035964091800000327
为A车辆地球系相对于惯性系的角速率误差，
Figure FDA00035964091800000328
为A车辆地理系相对于地球系的角速率误差，vA为A车辆的速度，
Figure FDA00035964091800000329
为A车辆地球系相对于惯性系的角速率，
Figure FDA0003596409180000041
为A车辆地理系相对于地球系的角速率，
Figure FDA0003596409180000042
分别为A车辆经度、纬度、高度误差的微分，LA、λA、hA分别为A车辆经度、纬度、高度，
Figure FDA0003596409180000043
为A车辆陀螺仪的随机常数漂移的微分，
Figure FDA0003596409180000044
为A车辆陀螺仪的一阶马尔科夫过程漂移的微分，
Figure FDA0003596409180000045
为A车辆加速度计的一阶马尔可夫过程漂移；
Figure FDA0003596409180000046
为B车辆惯导系统的平台误差角
Figure FDA0003596409180000047
的微分，
Figure FDA0003596409180000048
为B车辆地理系相对于惯性系的角速率误差，
Figure FDA0003596409180000049
为B车辆地理系相对于惯性系的角速率，
Figure FDA00035964091800000410
表示B车辆从载体系到地理系的坐标变换矩阵，εB为B车辆惯导系统陀螺漂移误差，
Figure FDA00035964091800000411
为B车辆的速度误差的微分，fB为B车辆地理系下加速度计的输出比力，
Figure FDA00035964091800000412
为B车辆地球系相对于惯性系的角速率误差，
Figure FDA00035964091800000413
为B车辆地理系相对于地球系的角速率误差，vB为B车辆的速度，
Figure FDA00035964091800000414
为B车辆地球系相对于惯性系的角速率，
Figure FDA00035964091800000415
为B车辆地理系相对于地球系的角速率，
Figure FDA00035964091800000416
分别为B车辆经度、纬度、高度误差的微分，LB、λB、hB分别为B车辆经度、纬度、高度，
Figure FDA00035964091800000417
为B车辆陀螺仪的随机常数漂移的微分，
Figure FDA00035964091800000418
为B车辆陀螺仪的一阶马尔科夫过程漂移的微分，
Figure FDA00035964091800000419
为B车辆加速度计的一阶马尔可夫过程漂移，δg为重力加速度误差，Rm为卯酉圈半径，Rn为子午圈半径，Tg和Ta分别为一阶马尔科夫过程的相关时间，wr和wa分别为相关的驱动白噪声。
4.根据权利要求1所述基于相对运动模型约束的车辆协同导航方法，其特征在于，步骤2所述多普勒频移计算公式为：
Figure FDA00035964091800000420
其中，ΔfAB为频率偏移，ft为车辆所播发广播信号的初始频率，fd为车辆接收广播信号计算出的信号频率，rAB为A、B两车的相对位置矢量，c为光速。
5.根据权利要求1所述基于相对运动模型约束的车辆协同导航方法，其特征在于，步骤5所述的具体过程为：
(501)将系统状态方程和量测方程离散化处理：
Xk＝Φk，k-1Xk-1+Γk，k-1Wk-1
Zk＝HkXk+Vk，
其中，Xk为tk时刻系统状态量，Xk-1为tk-1时刻系统状态量，Φk，k-1为tk-1时刻至tk时刻系统的状态转移矩阵，Γk，k-1为tk-1时刻至tk时刻系统的噪声驱动矩阵，Wk-1为tk-1时刻系统的噪声矩阵，Zk为tk时刻系统的量测向量，Hk为tk时刻的量测系数矩阵，Vk为tk时刻的姿态观测量的噪声矩阵；
(502)对离散化处理得到的公式加入控制项Uk-1，并采用闭环修正系统状态方程对惯导系统误差进行修正：
Figure FDA0003596409180000051
其中，Bk，k-1为tk-1时刻至tk时刻系统的控制项系数矩阵，
Figure FDA0003596409180000052
Figure FDA0003596409180000053
上述公式中，Fk为tk时刻系统矩阵的值，Gk为tk时刻系统噪声系数矩阵的值，T为离散时间，n为阶数；
(503)得到系统的线性化卡尔曼滤波器方程：
Figure FDA0003596409180000054
Figure FDA0003596409180000055
Pk，k-1＝Φk，k-1Pk-1Φk，k-1 T+Γk-1Qk-1Γk-1 T
Figure FDA0003596409180000056
Figure FDA0003596409180000057
其中，
Figure FDA0003596409180000058
为tk-1时刻至tk时刻一步预测状态量；
Figure FDA0003596409180000059
为tk-1时刻滤波状态估计量；
Figure FDA00035964091800000510
为tk时刻滤波状态估计量；Kk为tk时刻滤波增益矩阵，
Figure FDA00035964091800000511
为Kk的转置；Zk为tk时刻的量测向量；Pk，k-1为tk-1时刻至tk时刻一步预测协方差矩阵；Pk-1为tk-1时刻滤波状态估计协方差矩阵；Φk，k-1 T为Φk，k-1的转置矩阵；Γk-1为tk-1时刻系统噪声系数矩阵；Qk-1为tk-1时刻的系统观测噪声估计协方差阵；Γk-1 T为Γk-1的转置矩阵；
Figure FDA00035964091800000512
为Hk的转置矩阵；Rk为tk时刻的量测噪声估计协方差阵；Pk为tk时刻滤波状态估计协方差矩阵；I为单位矩阵；
(504)根据503)得到的线性化卡尔曼滤波器方程估计系统导航误差值，包括姿态、位置、速度误差，并用惯性导航系统推算的导航参数减去系统导航误差值，得到基于相对运动模型约束的车辆协同导航系统修正值。
CN201910560229.3A 2019-06-26 2019-06-26 基于相对运动模型约束的车辆协同导航方法 Active CN110285804B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910560229.3A CN110285804B (zh) 2019-06-26 2019-06-26 基于相对运动模型约束的车辆协同导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910560229.3A CN110285804B (zh) 2019-06-26 2019-06-26 基于相对运动模型约束的车辆协同导航方法

Publications (2)

Publication Number Publication Date
CN110285804A CN110285804A (zh) 2019-09-27
CN110285804B true CN110285804B (zh) 2022-06-17

Family

ID=68005730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910560229.3A Active CN110285804B (zh) 2019-06-26 2019-06-26 基于相对运动模型约束的车辆协同导航方法

Country Status (1)

Country Link
CN (1) CN110285804B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111678514B (zh) * 2020-06-09 2023-03-28 电子科技大学 一种基于载体运动条件约束和单轴旋转调制的车载自主导航方法
CN111829555A (zh) * 2020-07-24 2020-10-27 中国人民解放军火箭军工程大学 一种基于运动约束的车载航姿系统误差补偿方法及系统
CN112378410B (zh) * 2020-12-03 2023-03-24 东风汽车集团有限公司 车辆行驶盲区校准方法、装置、设备及存储介质
CN113175931B (zh) * 2021-04-02 2022-08-16 上海机电工程研究所 基于约束卡尔曼滤波的集群组网协同导航方法及系统
CN113029139B (zh) * 2021-04-07 2023-07-28 中国电子科技集团公司第二十八研究所 基于运动检测的机场飞行区车辆差分北斗/sins组合导航方法
CN113465599B (zh) * 2021-06-04 2023-08-01 北京信息科技大学 定位定向方法、装置及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102519470A (zh) * 2011-12-09 2012-06-27 南京航空航天大学 多级嵌入式组合导航系统及导航方法
CN103759733A (zh) * 2013-10-29 2014-04-30 南昌大学 基于联邦滤波的ins/vkm/vdm车载导航系统
US8996311B1 (en) * 2013-12-06 2015-03-31 Novatel Inc. Navigation system with rapid GNSS and inertial initialization
CN104713555A (zh) * 2015-03-03 2015-06-17 南昌大学 应用全天域中性点辅助定向的车辆自主导航方法
CN106767797A (zh) * 2017-03-23 2017-05-31 南京航空航天大学 一种基于对偶四元数的惯性/gps组合导航方法
CN106932804A (zh) * 2017-03-17 2017-07-07 南京航空航天大学 天文辅助的惯性/北斗紧组合导航系统及其导航方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6697736B2 (en) * 2002-02-06 2004-02-24 American Gnc Corporation Positioning and navigation method and system thereof
US8583315B2 (en) * 2004-03-19 2013-11-12 Agjunction Llc Multi-antenna GNSS control system and method
US20110238308A1 (en) * 2010-03-26 2011-09-29 Isaac Thomas Miller Pedal navigation using leo signals and body-mounted sensors

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102519470A (zh) * 2011-12-09 2012-06-27 南京航空航天大学 多级嵌入式组合导航系统及导航方法
CN103759733A (zh) * 2013-10-29 2014-04-30 南昌大学 基于联邦滤波的ins/vkm/vdm车载导航系统
US8996311B1 (en) * 2013-12-06 2015-03-31 Novatel Inc. Navigation system with rapid GNSS and inertial initialization
CN104713555A (zh) * 2015-03-03 2015-06-17 南昌大学 应用全天域中性点辅助定向的车辆自主导航方法
CN106932804A (zh) * 2017-03-17 2017-07-07 南京航空航天大学 天文辅助的惯性/北斗紧组合导航系统及其导航方法
CN106767797A (zh) * 2017-03-23 2017-05-31 南京航空航天大学 一种基于对偶四元数的惯性/gps组合导航方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Sigma-point Kalman filtering for integrated GPS and inertial navigation;J.L. Crassidis;《IEEE Transactions on Aerospace and Electronic Systems》;20060619;第42卷(第2期);第750-756页 *
一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法;潘加亮等;《兵工学报》;20150608;第36卷(第3期);第484-491页 *
一种车辆模型辅助的MEMS-SINS导航方法;王美玲等;《中国惯性技术学报》;20170415(第02期);全文 *
车辆运动学约束辅助的惯性导航算法;付强文等;《中国惯性技术学报》;20121215;第20卷(第6期);第640-643页 *

Also Published As

Publication number Publication date
CN110285804A (zh) 2019-09-27

Similar Documents

Publication Publication Date Title
CN110285804B (zh) 基于相对运动模型约束的车辆协同导航方法
CN108731670B (zh) 基于量测模型优化的惯性/视觉里程计组合导航定位方法
Chiang et al. Assessment for INS/GNSS/odometer/barometer integration in loosely-coupled and tightly-coupled scheme in a GNSS-degraded environment
CN112629538B (zh) 基于融合互补滤波和卡尔曼滤波的舰船水平姿态测量方法
CN111156994B (zh) 一种基于mems惯性组件的ins/dr&gnss松组合导航方法
CN109000640B (zh) 基于离散灰色神经网络模型的车辆gnss/ins组合导航方法
US8510044B2 (en) Position sensing device and method
US20100019963A1 (en) Vehicular navigation and positioning system
US20120221244A1 (en) Method and apparatus for improved navigation of a moving platform
US20080294342A1 (en) Position Detecting Device And Position Detecting Method
CN103245359A (zh) 一种惯性导航系统中惯性传感器固定误差实时标定方法
CN111947681B (zh) 一种gnss与惯导组合导航位置输出的滤波校正方法
CN104215262A (zh) 一种惯性导航系统惯性传感器误差在线动态辨识方法
CN111678514B (zh) 一种基于载体运动条件约束和单轴旋转调制的车载自主导航方法
US8229661B2 (en) Hybrid inertial system with non-linear behaviour and associated method of hybridization by multi-hypothesis filtering
CN113074757B (zh) 车载惯导安装误差角的标定方法
CN113236363A (zh) 开采设备导航定位方法、系统、设备及可读存储介质
Bonnabel et al. Design and prototyping of a low-cost vehicle localization system with guaranteed convergence properties
CN111220151B (zh) 载体系下考虑温度模型的惯性和里程计组合导航方法
CN104634348B (zh) 组合导航中的姿态角计算方法
CN106646569A (zh) 一种导航定位方法及设备
CN110567456B (zh) 基于抗差卡尔曼滤波的bds/ins组合列车定位方法
CN112325878A (zh) 基于ukf与空中无人机节点辅助的地面载体组合导航方法
CN115031728A (zh) 基于ins与gps紧组合的无人机组合导航方法
Bonnabel et al. A simple nonlinear filter for low-cost ground vehicle localization system

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
CB03 Change of inventor or designer information

Inventor after: Chen Mingxing

Inventor after: Xiong Zhi

Inventor after: Li Wenlong

Inventor after: Li Xintong

Inventor after: Zhang Ling

Inventor after: Wang Rong

Inventor after: Zeng Qinghua

Inventor before: Chen Mingxing

Inventor before: Xiong Zhi

Inventor before: Li Wenlong

Inventor before: Li Xintong

Inventor before: Zhang Ling

Inventor before: Wang Rong

Inventor before: Zeng Qinghua

Inventor before: Tian Shiwei

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant