CN111076721A - 一种快速收敛的惯性测量单元安装姿态估计方法 - Google Patents
一种快速收敛的惯性测量单元安装姿态估计方法 Download PDFInfo
- Publication number
- CN111076721A CN111076721A CN202010062352.5A CN202010062352A CN111076721A CN 111076721 A CN111076721 A CN 111076721A CN 202010062352 A CN202010062352 A CN 202010062352A CN 111076721 A CN111076721 A CN 111076721A
- Authority
- CN
- China
- Prior art keywords
- kalman filter
- measurement unit
- matrix
- installation attitude
- inertial measurement
- 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
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
- G01C21/10—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
- 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
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
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
本发明公开了一种快速收敛的惯性测量单元安装姿态估计方法,涉及惯性导航/卫星导航组合导航技术领域。本发明将车载的低成本消费级惯性测量单元的安装姿态角分解为一个大角度的先验安装姿态角和一个小角度的失准角,采用粒子滤波器估计大角度的先验安装姿态角,同时采用卡尔曼滤波器估计小角度的失准角。通过本发明的实施,能够完成对惯性测量单元安装姿态角的高精度估计,且具有较快的收敛时间;解决了当前已有方法中限制安装姿态角为小角度或收敛时间较长等问题;将本发明应用于所述组合导航系统可以显著提升其导航精度,具有较大的实用价值和可观的经济效益。
Description
技术领域
本发明属于惯性导航/卫星导航组合导航技术领域,具体涉及一种快速收敛的惯性测量单元安装姿态估计方法。
背景技术
对于采用低成本消费级惯性测量单元的车载惯性导航/卫星导航组合导航系统,在卫星导航信号较弱或中断时,导航解算的误差会迅速增大。采用车辆非完整约束(车辆在正常行驶时侧向和垂直方向速度分量为0)对系统进行辅助,可以在卫星导航信号较弱或中断时实时校正导航解算的误差,从而有效解决该场景下导航解算误差迅速增大的问题。惯性测量单元相对于车辆的安装姿态信息是正确应用车辆非完整约束的必要条件,但在实际应用中,通常无法精确测定该安装姿态角,而必须采用一些估计的方法来获取该安装姿态角的值。现有文献中提到的方法大多都存在局限性,例如,VINANDE等人的论文中提出了一种采用加速度计数据对惯性测量单元的安装姿态进行估计的方法,但该方法应用于低成本消费级惯性测量单元时,具有较大误差,且收敛时间较慢(几分钟);又如,WU等人的论文中也提出过一种基于卡尔曼滤波器对惯性测量单元的安装姿态进行估计的方法,但该方法限制安装姿态角为小角度,在实际应用中,这样的要求可能无法满足。
因此,本领域的技术人员致力于开发一种快速收敛的惯性测量单元安装姿态估计方法,以达到提高惯性测量单元安装姿态角估计精度的目的。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是如何解决车载低成本消费级惯性测量单元无法精确估计安装姿态角且收敛时间较长的问题。
为实现上述目的,本发明公开了一种快速收敛的惯性测量单元安装姿态估计方法,涉及惯性导航卫星导航组合导航技术领域,包括以下步骤:
符号约定:ψβα表示β坐标系到α坐标系的欧拉角(姿态角),表示β坐标系到α坐标系的旋转矩阵;i表示惯性坐标系,e表示地心地固坐标系,b表示惯性测量单元坐标系(原点位于惯性测量单元中心,坐标轴与惯性测量单元的三个敏感轴重合),b0表示先验惯性测量单元坐标系(与惯性测量单元坐标系相差一个小角度欧拉角的坐标系),v表示车体坐标系(原点位于车辆后轮中心,x轴指向车辆正前方,y轴指向车辆正右方,z轴指向车辆正下方),a表示GNSS天线坐标系(原点位于所述GNSS天线相位中心);表示量x的估计值,表示量x的测量值。
步骤一、设定粒子数N以及终止阈值N0;
步骤三、置循环变量k←1,所述循环变量代表组合导航卡尔曼滤波器的迭代时刻;
步骤七、根据下面公式更新每个粒子的权重:
并归一化:
wj←Awj,j=1,2,…,N;
其中
步骤八、根据下面公式计算有效粒子数:
如果有效粒子数小于N0则转步骤九,否则置k←k+1,然后转步骤五;
计算对应的旋转矩阵:
最后计算v坐标系相对于b坐标系的旋转矩阵估计值:
计算v系相对于b系的欧拉角:
这个姿态角即为所述惯性测量单元的所述安装姿态角估计值。
进一步地,所述步骤四中所述组合导航卡尔曼滤波器,其结构与迭代过程还包括:根据状态转移矩阵、观测矩阵、状态转移噪声矩阵、观测噪声矩阵,按标准卡尔曼滤波流程进行迭代:
预测:
误差协方差矩阵的传播:
P-[k]=Φ[k-1]P[k-1]Φ[k-1]T+Q;
卡尔曼增益矩阵:
K[k]=P-[k]H[k]T(H[k]P-[k]H[k]T+R[k])-1;
所述状态向量修正:
所述误差协方差矩阵的修正:
P[k]=(I-K[k]H[k])P-[k]。
进一步地,所述步骤四中所述组合导航卡尔曼滤波器,其结构与迭代过程还包括:取b坐标系原点的位置、速度、姿态误差(均相对于地心地固坐标系),陀螺仪和加速度计的零偏,失准角a系到b系的杆臂以及v系到b系的杆臂(均投影到v系)组成24维所述状态向量:
进一步地,所述步骤四中所述组合导航卡尔曼滤波器,其结构与迭代过程还包括:取所述GNSS天线相位中心的位置、速度以及二维零向量n=[0,0]T组成8维观测向量:
进一步地,所述步骤四中所述组合导航卡尔曼滤波器,其结构与迭代过程还包括:所述状态向量x的后3个分量,其状态转移模型为:
迭代时间间隔为τ,所述卡尔曼滤波器的所述状态转移矩阵为:
其中,
进一步地,所述步骤四中所述组合导航卡尔曼滤波器,其结构与迭代过程还包括:
所述GNSS天线相位中心位置的观测模型为:
所述GNSS天线相位中心速度的所述观测模型为:
二维零向量n的所述观测模型为:
所述卡尔曼滤波器的所述观测矩阵为:
其中,
下标k表示式中各测量值和估计值取k时刻的值。
其中,Δx表示量x的初始不确定度。
进一步地,所述步骤四中所述组合导航卡尔曼滤波器,其结构与迭代过程还包括:设Srg,Sra,Sbgd,Sbad分别为陀螺仪随机噪声PSD、加速度计随机噪声PSD,陀螺仪零偏变化PSD、加速度计零偏变化PSD,所述状态转移噪声矩阵为:
设GNSS设备在k时刻输出的位置和速度精度分别为σr[k],σv[k],运动约束虚拟观测噪声标准差为ε,观测噪声协方差矩阵为:
其中kr和kv是两个大于1的经验参数。
与现有技术相比,通过本发明的实施,达到了以下明显的技术效果:
1、本发明能精确估计车载低成本消费级惯性测量单元的安装姿态角,且能快速收敛,姿态角误差小于2.5度,收敛时间小于一分钟。
2、本发明无需限制惯性测量单元的安装姿态,惯性测量单元以任意姿态安装在车体上均可用此方法精确估计出安装姿态角,为车辆非完整约束辅助的应用提供了充分保证。
3、本发明对于提升低成本消费级车载惯性导航/卫星导航组合导航系统的精度具有重要价值。
附图说明
图1是本发明的一个较佳实施例的流程图;
图2是本发明的一个较佳实施例中惯性测量单元的安装示意图;
图3是本发明的一个较佳实施例中迭代至k=43时的粒子群权重分布图。
其中:1-GNSS天线,2-惯性测量单元,3-车辆。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。为保证所附图像的清晰和简洁,部分装置未在附图中画出,但并不影响相关领域普通技术人员对本发明的理解。
实施例1:
如图2所示,GNSS天线1和惯性测量单元2安装于车辆3的顶部水平处,GNSS天线1用于接收GNSS导航信号,惯性测量单元2用于对角速度和加速度进行测量,导航和测量数据发送到处理器进行处理。
如图1所示,本实施例提供了一种快速收敛的惯性测量单元安装姿态估计方法,流程图包括以下步骤:
步骤一、设定粒子数N=72以及终止阈值N0=60。
步骤三、置循环变量k←1,该循环变量代表组合导航卡尔曼滤波器的迭代时刻。
步骤七、根据下面公式更新每个粒子的权重:
并归一化:
wj←Awj,j=1,2,…,72;
其中
步骤八、根据下面公式计算有效粒子数:
如果有效粒子数小于N0则转步骤九,否则置k←k+1,然后转步骤五。
步骤九、如图3所示,本实施例在43秒收敛时各粒子的权重。权重最大的粒子的序号为jm=54。
计算对应的旋转矩阵:
最后计算v坐标系相对于b坐标系的旋转矩阵估计值,结果为:
计算v系相对于b系的欧拉角:
这个姿态角即为惯性测量单元的安装姿态角估计值。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (9)
1.一种快速收敛的惯性测量单元安装姿态估计方法,其特征在于,包括以下步骤:
步骤一、设定粒子数N以及终止阈值N0;
步骤三、置循环变量k←1,所述循环变量代表组合导航卡尔曼滤波器的迭代时刻;
步骤七、根据下面公式更新每个粒子的权重:
并归一化:
wj←Awj,j=1,2,…,N;
其中
步骤八、根据下面公式计算有效粒子数:
如果有效粒子数小于N0则转步骤九,否则置k←k+1,然后转步骤五;
计算对应的旋转矩阵:
最后计算v坐标系相对于b坐标系的旋转矩阵估计值:
计算v系相对于b系的欧拉角:
这个姿态角即为所述惯性测量单元的所述安装姿态角估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010062352.5A CN111076721B (zh) | 2020-01-19 | 2020-01-19 | 一种快速收敛的惯性测量单元安装姿态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010062352.5A CN111076721B (zh) | 2020-01-19 | 2020-01-19 | 一种快速收敛的惯性测量单元安装姿态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111076721A true CN111076721A (zh) | 2020-04-28 |
CN111076721B CN111076721B (zh) | 2023-03-28 |
Family
ID=70323869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010062352.5A Active CN111076721B (zh) | 2020-01-19 | 2020-01-19 | 一种快速收敛的惯性测量单元安装姿态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111076721B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111678514A (zh) * | 2020-06-09 | 2020-09-18 | 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 |
CN114526734A (zh) * | 2022-03-01 | 2022-05-24 | 长沙金维信息技术有限公司 | 用于车载组合导航的安装角补偿方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975585A (zh) * | 2010-09-08 | 2011-02-16 | 北京航空航天大学 | 一种基于mrupf的捷联惯导系统大方位失准角初始对准方法 |
US20150350849A1 (en) * | 2014-05-31 | 2015-12-03 | Apple Inc. | Location Determination Using Dual Statistical Filters |
CN106840211A (zh) * | 2017-03-24 | 2017-06-13 | 东南大学 | 一种基于kf和stupf组合滤波的sins大方位失准角初始对准方法 |
CN106932802A (zh) * | 2017-03-17 | 2017-07-07 | 安科智慧城市技术(中国)有限公司 | 一种基于扩展卡尔曼粒子滤波的导航方法及系统 |
CN108981696A (zh) * | 2018-08-01 | 2018-12-11 | 西北工业大学 | 一种sins任意失准角无奇异快速传递对准方法 |
CN110561424A (zh) * | 2019-07-28 | 2019-12-13 | 华南理工大学 | 基于多传感器混合滤波器的在线机器人运动学校准方法 |
-
2020
- 2020-01-19 CN CN202010062352.5A patent/CN111076721B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975585A (zh) * | 2010-09-08 | 2011-02-16 | 北京航空航天大学 | 一种基于mrupf的捷联惯导系统大方位失准角初始对准方法 |
US20150350849A1 (en) * | 2014-05-31 | 2015-12-03 | Apple Inc. | Location Determination Using Dual Statistical Filters |
CN106932802A (zh) * | 2017-03-17 | 2017-07-07 | 安科智慧城市技术(中国)有限公司 | 一种基于扩展卡尔曼粒子滤波的导航方法及系统 |
CN106840211A (zh) * | 2017-03-24 | 2017-06-13 | 东南大学 | 一种基于kf和stupf组合滤波的sins大方位失准角初始对准方法 |
CN108981696A (zh) * | 2018-08-01 | 2018-12-11 | 西北工业大学 | 一种sins任意失准角无奇异快速传递对准方法 |
CN110561424A (zh) * | 2019-07-28 | 2019-12-13 | 华南理工大学 | 基于多传感器混合滤波器的在线机器人运动学校准方法 |
Non-Patent Citations (1)
Title |
---|
王贇贇: "基于组合导航的汽车姿态数据采集系统设计" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111678514A (zh) * | 2020-06-09 | 2020-09-18 | 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 |
CN114526734A (zh) * | 2022-03-01 | 2022-05-24 | 长沙金维信息技术有限公司 | 用于车载组合导航的安装角补偿方法 |
CN114526734B (zh) * | 2022-03-01 | 2022-11-29 | 长沙金维信息技术有限公司 | 用于车载组合导航的安装角补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111076721B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN102435763B (zh) | 一种基于星敏感器的航天器姿态角速度测量方法 | |
CN111076721B (zh) | 一种快速收敛的惯性测量单元安装姿态估计方法 | |
CN110006427B (zh) | 一种低动态高振动环境下的bds/ins紧组合导航方法 | |
CN110174121A (zh) | 一种基于地磁场自适应修正的航姿系统姿态解算方法 | |
EP4220086A1 (en) | Combined navigation system initialization method and apparatus, medium, and electronic device | |
US20200226768A1 (en) | Method for determining a protection radius of a vision-based navigation system | |
CN111141313B (zh) | 一种提高机载局部相对姿态匹配传递对准精度的方法 | |
CN111238467A (zh) | 一种仿生偏振光辅助的无人作战飞行器自主导航方法 | |
EP1508776A1 (en) | Autonomous velocity estimation and navigation | |
CN109211231A (zh) | 一种基于牛顿迭代法的炮弹姿态估计方法 | |
CN108225375A (zh) | 一种基于中值滤波的抗外速度野值的优化粗对准方法 | |
CN109506674B (zh) | 一种加速度的校正方法及装置 | |
CN113008272B (zh) | 一种用于微小卫星的mems陀螺在轨常值漂移标定方法和系统 | |
Kim et al. | Rigid Body Inertia Estimation Using Extended Kalman and Savitzky‐Golay Filters | |
CN108871319A (zh) | 一种基于地球重力场与地磁场序贯修正的姿态解算方法 | |
CN110375773B (zh) | Mems惯导系统姿态初始化方法 | |
CN111982126A (zh) | 一种全源BeiDou/SINS弹性状态观测器模型设计方法 | |
CN114858166B (zh) | 基于最大相关熵卡尔曼滤波器的imu姿态解算方法 | |
CN107747944B (zh) | 基于融合权重矩阵的机载分布式pos传递对准方法和装置 | |
CN114608588A (zh) | 基于脉冲到达时间差的差分x射线脉冲星导航方法 | |
Yang et al. | The solution of drone attitudes on Lie groups | |
Corbetta et al. | Attitude estimation of a motorcycle via Unscented Kalman Filter | |
Li et al. | Exploring the Potential of Deep Learning Aided Kalman Filter for GNSS/INS Integration: A Study on 2D Simulation Datasets | |
CN108507571A (zh) | 一种高速运动学下imu姿态捕捉方法及系统 |
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 |