CN111121744A - 基于传感单元的定位方法及装置、定位系统及移动终端 - Google Patents

基于传感单元的定位方法及装置、定位系统及移动终端 Download PDF

Info

Publication number
CN111121744A
CN111121744A CN201811284395.7A CN201811284395A CN111121744A CN 111121744 A CN111121744 A CN 111121744A CN 201811284395 A CN201811284395 A CN 201811284395A CN 111121744 A CN111121744 A CN 111121744A
Authority
CN
China
Prior art keywords
data
sensing unit
user
positioning
position change
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.)
Pending
Application number
CN201811284395.7A
Other languages
English (en)
Inventor
王勇松
邱模波
邢菊红
徐坤
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.)
Qianxun Spatial Intelligence Inc
Qianxun Position Network Co Ltd
Original Assignee
Qianxun Spatial Intelligence Inc
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 Qianxun Spatial Intelligence Inc filed Critical Qianxun Spatial Intelligence Inc
Priority to CN201811284395.7A priority Critical patent/CN111121744A/zh
Publication of CN111121744A publication Critical patent/CN111121744A/zh
Pending legal-status Critical Current

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
    • G01C21/165—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

本发明适用于卫星定位技术领域，提供了一种基于传感单元的定位方法及装置、定位系统及移动终端，所述定位方法包括：采集数据，所述数据包括观测数据；基于所述观测数据初始化传感单元；通过初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。本发明中，基于观测数据及传感单元采集的图像信息等获取用户位置变化数据及传感单元的位置信息，将获取的用户位置变化数据及传感单元的位置信息进行卡尔曼滤波处理得到定位结果，可提高定位精度的。

Description

基于传感单元的定位方法及装置、定位系统及移动终端
技术领域
本发明属于卫星定位技术领域，尤其涉及一种基于传感单元的定位方法及装置、定位系统及移动终端。
背景技术
GNSS定位作为一种定位导航手段，已经和人们的生活密不可分，而LBS(基于位置的服务)更是极大的改变了人们的生活方式。随着使用范围的扩大以及使用频度的提高，人们对GNSS定位的精度也提出了更高的要求。GNSS定位主要通过伪距、载波多普勒、载波相位等观测量进行数学计算得到用户位置，而伪距和载波相位测量值会受到电离层、对流层的影响，另外星历和卫星钟差也存在误差，这些因素的存在会影响定位精度。
现有技术中，可通过差分修正来消除电离层误差、对流层误差、卫星星历误差等传输路径误差及系统误差，但当这些误差源不再是主要误差源时，差分修正对精度的提升将不再明显。例如在城市楼宇等环境下，多径信号的存在会大大的影响伪距测量量的精度，进而影响定位精度。
发明内容
本发明实施例提供了一种基于传感单元的定位方法及装置、定位系统及移动终端，旨在解决现有技术的由于环境因素影响测量精度导致影响定位精度的问题。
一种基于传感单元的定位方法，包括：
采集数据，所述数据包括观测数据；
基于所述观测数据初始化传感单元；
通过初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
优选地，所述数据包括观测数据、惯导数据及图像数据，采集数据包括：
采集观测数据；
采集惯导数据；
采集图像数据。
优选地，基于所述观测数据初始化传感单元包括：
基于所述观测数据及惯导数据进行卡尔曼滤波组合处理，估计用户的位置数据；
基于所述用户位置数据及所述观测数据初始化所述传感单元。
优选地，基于所述观测数据及惯导数据进行卡尔曼滤波组合处理，估计用户的位置数据包括：
基于所述图像数据获得所述用户的位置变化信息；
基于所述位置变化信息对所述观测数据进行去噪处理，得到处理的观测数据；
基于所述惯导数据及所述处理的观测数据进行卡尔曼滤波组合处理，估计用户的位置数据。
优选地，通过初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息具体为：
基于初始化后的传感单元连续采集的图像信息及用户的位置数据进行计算，得到用户位置变化数据及所述传感单元的位置信息。
优选地，基于初始化后的传感单元连续采集的图像信息及用户的位置数据进行计算，得到用户位置变化数据及所述传感单元的位置信息包括：
通过所述传感单元连续采集图像信息；
监测在采样间隔之间所述传感单元是否发生位置变化；
当监测未发生位置变化时，计算用户位置变化数据及所述传感单元的位置信息。
优选地，监测在采样间隔之间所述传感单元是否发送位移之后还包括：
当监测发生位置变化时，重新初始化所述传感单元。
本发明还提供一种基于传感单元的定位装置，包括：
采集单元，用于采集数据，所述数据包括观测数据；
初始化单元，用于基于所述观测数据初始化传感单元；
计算单元，用于获取初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
定位单元，用于基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
本发明还提供一种定位系统，该定位系统包括一种基于传感单元的定位装置，其中所述定位装置包括：
采集单元，用于采集数据，所述数据包括观测数据；
初始化单元，用于基于所述观测数据初始化传感单元；
计算单元，用于获取初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
定位单元，用于基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
本发明还提供一种移动终端，所述移动终端包括一种基于传感单元的定位装置，所述定位装置包括：
采集单元，用于采集数据，所述数据包括观测数据；
初始化单元，用于基于所述观测数据初始化传感单元；
计算单元，用于获取初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
定位单元，用于基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
本发明还提供一种存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行如下步骤：
采集数据，所述数据包括观测数据；
基于所述观测数据初始化传感单元；
通过初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
本发明还提供一种定位终端，包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
采集数据，所述数据包括观测数据；
基于所述观测数据初始化传感单元；
通过初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
本发明实施例中，基于观测数据及传感单元采集的图像信息等获取用户位置变化数据及传感单元的位置信息，将获取的用户位置变化数据及传感单元的位置信息进行卡尔曼滤波处理得到定位结果，可提高定位精度的。
附图说明
图1为本发明第一实施例提供的一种基于传感单元的定位方法的流程图；
图2为本发明第一实施例提供的一种基于传感单元的定位方法的步骤S2的具体流程图；
图3为本发明第一实施例提供的一种基于传感单元的定位方法的步骤S21具体流程图；
图4为本发明第一实施例提供的一种基于传感单元的定位方法的步骤S3具体流程图；
图5为本发明第二实施例提供的一种基于传感单元的定位装置的结构图；
图6为本发明第三实施例提供的一种移动终端的部分结构图；
图7为本发明第四实施例提供的一种定位终端的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例中，一种基于传感单元的定位方法，包括：采集数据，所述数据包括观测数据；基于所述观测数据初始化传感单元；获取通过初始化后的传感单元计算用户位置变化数据及所述传感单元的位置信息；将所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一：
图1示出了本发明第一实施例提供的一种基于传感单元的定位方法的流程图，该方法包括：
步骤S1，采集数据；
具体地，首先需要采集数据，该数据可包括：观测数据(例如GNSS原始观测数据等)、惯导数据及图像数据，其中，所述观测数据通过GNSS设备采集，所述惯导数据可通过惯导系统采集，该惯导系统可包括惯性测量单元(IMU)及惯性捷联解算单元(INS)，惯性测量单元包括加速度计及陀螺仪，其中，加速度计用于测量载体的三轴加速度，陀螺仪用于测量载体的三轴旋转角速率，所述惯性捷联解算单元主要利用测量的三轴加速度及角速率积分得到用户所处的经纬度信息、姿态信息，所述姿态信息可包括：航向角、横滚角以及俯仰角等。
在本实施例的一个优选方案中，该惯导系统需要初始化处理，其初始化是直接使用GNSS设备采集的状态数据(位置数据及速度)来进行初始化，而航向角可以使用GNSS设备运动时的航向角进行初始化，横滚角及俯仰角在车载等领域认为很小，可使用零值进行初始化。初始化后，捷联测量单元就可以正常工作，输出惯导数据。需要说明的是，本发明需要使用惯导系统、传感单元及GNSS设备来辅助实现，进一步地，该传感单元可优选为视觉单元，例如摄像机、照相机等。
进一步地，该惯性捷联解算单元的初始化过程包括：姿态更新，速度更新及位置更新，姿态更新可通过陀螺仪的测量值实时估计用户的姿态，从而得到载体坐标系到导航坐标系的转换关系，采用公式：
Figure BDA0001847879230000061
来进行更新；
速度更新可通过对导航坐标系下的加速度进行计分得到速度数据，采用公式
Figure BDA0001847879230000062
来进行更新；
位置更新可通过对导航坐标系下的速度进行计分得到位置信息，采用公式
Figure BDA0001847879230000063
来进行更新。
步骤S2，基于观测数据初始化传感单元；
具体地，该传感单元进行初始化时，需要基于观测数据来进行初始化，以实现基础一致，提高数据采集的准确性，该传感单元可包括摄像头、图像采集器及存储设备等。
步骤S3，获取通过初始化后的传感单元计算用户位置变化数据及传感单元的位置信息；
具体地，当传感单元初始化后，开始连续采集图像信息，根据采集的图像信息来计算用户位置变化数据及传感单元的位置信息，其中，该用户位置变化数据包括用户位置随时间的变化信息及姿态随时间变化的信息。
步骤S4，基于用户位置变化数据及位置信息进行卡尔曼滤波处理，得到定位结果；
具体地，将用户位置变化数据及传感单元的位置信息输入卡尔曼融合滤波器进行运算，得到定位结果。
在本实施例中，基于观测数据及传感单元采集的图像信息等获取用户位置变化数据及传感单元的位置信息，将获取的用户位置变化数据及传感单元的位置信息进行卡尔曼滤波处理得到定位结果，可提高定位精度。
在本实施例的一个优选方案中，如图2所示，为本发明第一实施例提供的一种基于传感单元的定位方法的步骤S2的具体流程图，该步骤S2具体包括：
步骤S21，基于观测数据及惯导数据进行卡尔曼滤波组合处理，估计用户的位置数据；
具体地，基于观测数据及惯导数据进行卡尔曼滤波组合处理，估计用户的位置数据，该位置数据可包括：用户当前所处的经纬度、姿态信息，还可包括传感器零偏、载波相位模糊度、用户方位角、横滚角及俯仰角、速度等参数。
步骤S22，基于用户位置数据及观测数据初始化传感单元；
具体地，基于用户位置数据及观测数据来初始化传感单元，具体的初始化过程如下：
首先进行GNSS定位，获得观测数据，然后与惯导系统输出的惯导数据进行紧组合滤波(卡尔曼组合滤波处理)，估计得到用户的位置数据，然后基于位置数据及观测数据来进行初始化操作。
在本实施例的一个优选方案中，如图3所示，为本发明第一实施例提供的一种基于传感单元的定位方法的步骤S21具体流程图，该步骤S21具体包括：
步骤S211，基于图像数据获得用户的位置变化信息；
具体地，根据前述传感单元初始化前采集的图像数据来获取用户(即用户终端)当前的位置变化信息，该位置变化信息即用户位置随时间变化以及姿态随时间变化；
步骤S212，基于位置变化信息对观测数据进行去噪处理，得到处理的观测数据；
具体地，基于前述位置变化信息结合用户当前所处的位置对观测数据中的伪距质量进行控制，剔除较差的观测量，得到处理的观测数据；
步骤S213，基于惯导数据及处理的观测数据进行卡尔曼滤波组合处理，估计用户的位置数据；
具体地，将惯导数据及前述经过处理的观测数据采用扩展卡尔曼滤波器进行紧组合滤波处理，估计用户的位置数据。
进一步地，扩展卡尔曼滤波器通过观测方程将观测量与带估计状态量联系起来，该观测方程为：xk＝Hkxk；
该扩展卡尔曼滤波器对应的模型包括预测部分及更新部分，预测部分根据状态的动力学方程以及上一时刻的状态对当前的状态进行预测，同时对状态的协方差进行预测，对应模型如下：
Figure BDA0001847879230000081
Figure BDA0001847879230000082
对于更新部分，对应的模型如下所示，第一个公式展示了卡尔曼增益的计算，第二个公式展示了状态更新，第三个公式展示了状态协方差的更新，更新的本质就是观测量与预测量之间的加权平均处理，加权系数由卡尔曼增益决定。
Figure BDA0001847879230000083
Figure BDA0001847879230000084
Figure BDA0001847879230000085
在本实施例的一个优选方案中，该步骤S3具体为：
基于初始化后的传感单元连续采集的图像信息及用户的位置数据进行计算，得到用户位置变化数据及传感单元的位置信息；
具体地，当初始化传感单元后，可以利用传感单元采集图像信息，可通过传感单元连续采集图像信息，然后基于采集的图像信息及用户的位置数据进行计算，得到用户位置变化数据及传感单元的位置信息；
在本实施例的一个优选方案中，如图4所示，为本发明第一实施例提供的一种基于传感单元的定位方法的步骤S3具体流程图，该步骤S3具体包括：
步骤S31，获取通过传感单元连续采集图像信息；
具体地，预先设置时间间隔，控制传感单元连续采集图像信息，获得该传感单元采集的图像信息；
步骤S32，监测在采样间隔之间传感单元是否发生位置变化；
具体地，实时监测传感单元在采集图像信息的过程中是否发送位置变化，该位置变化可包括发生位移和/或选择，如果发生位移和/或选择即可认为该传感单元出现位置变化。即在连续采集图像信息的过程中该传感单元不可移动或者转到，以保证在采集图像信息的过程中处于相同的基础。以提高图像信息采集的可靠性，有利于提高定位精度。当监测无发生未知变化时，转到步骤S33，当传感单元发生位置变化时，需要重新初始化该传感单元，于是转到步骤S2进行重新初始化操作。
步骤S33，计算用户位置变化数据及传感单元的位置信息；
具体地，基于采集的图像信息进行连续计算，计算得到用户位置变化数据及该传感单元的位置信息，此时计算所得的传感单元的位置信息可包括传感单元的绝对位置及对应的姿态数据，然后继续获取传感单元采集的图像信息继续计算。
在本实施例的一个优选方案中，该步骤S4具体的实现原理如下：
具体地，用户位置变化数据一方面可用来对GNSS观测数据中的伪距、载波观测数据进行质量控制，另一方面可作为融合卡尔曼滤波器的观测量，该用户位置变化数据(用户位置与姿态相对变化)本质上是用户与卫星之间的相对位置发生变化导致的，由于伪距与载波观测数据容易受到噪声及多径信号的影响，此时使用传感单元计算的位置与姿态相对变化来对伪距进行质量控制，可提出误差较大的观测数据，此时假设传感单元的位置变化为：(Δx，Δy，Δz)，根据下述公式：Δρi＝hi.(Δx，Δy，Δz)T得到由用户位置变化导致的伪距变化，其中，hi为卫星i的相对余弦向量；
由于伪距变化量包括位置的变化量、卫星的动态变化及本地接收机时钟的变化量，该伪距变化量的表达公式如下：
Figure BDA0001847879230000101
在计算伪距变化量时需要将卫星的动态变化量及本地接收机时钟的变化量进行扣除，当获得传感单元采集的图像信息计算的位置变化数据时就可以对卫星的观测数据进行质量控制，根据公式：
Figure BDA0001847879230000102
若计算所得的位置变化数据与观测数据中得到的伪距变化量之间的差值大于量控制阀值时，可认为该卫星的观测数据的质量较差，需要从融合滤波器中进行剔除，其中，
Figure BDA0001847879230000103
为卫星i在k时刻的伪距测量值，
Figure BDA0001847879230000104
为卫星i由于卫星动态引起的伪距变化，可基于卫星的速度及加速度等计算得到；Δρclk为本地接收机时钟引起的距离变化，δth为质量控制阀值；
在本实施例中，基于观测数据及传感单元采集的图像信息等获取用户位置变化数据及传感单元的位置信息，将获取的用户位置变化数据及传感单元的位置信息进行卡尔曼滤波处理得到定位结果，可提高定位精度。
其次，综合观测数据及惯导数据通过扩展卡尔曼滤波器来进行紧组合融合定位，可减少对环境依赖，提高定位可靠性。
实施例二：
基于上述实施例一，如图5所示，为本发明第二实施例提供的一种基于传感单元的定位装置的结构图，该定位装置包括：采集单元1、与采集单元1连接的初始化单元2、与初始化单元2连接的计算单元3、与计算单元3连接的定位单元4，其中：
采集单元1，用于采集数据；
具体地，首先需要采集数据，该数据可包括：观测数据(例如GNSS原始观测数据等)、惯导数据及图像数据，其中，所述观测数据通过GNSS设备采集，所述惯导数据可通过惯导系统采集，该惯导系统可包括惯性测量单元(IMU)及惯性捷联解算单元(INS)，惯性测量单元包括加速度计及陀螺仪，其中，加速度计用于测量载体的三轴加速度，陀螺仪用于测量载体的三轴旋转角速率，所述惯性捷联解算单元主要利用测量的三轴加速度及角速率积分得到用户所处的经纬度信息、姿态信息，所述姿态信息可包括：航向角、横滚角以及俯仰角等。
在本实施例的一个优选方案中，该惯导系统需要初始化处理，其初始化是直接使用GNSS设备采集的状态数据(位置数据及速度)来进行初始化，而航向角可以使用GNSS设备运动时的航向角进行初始化，横滚角及俯仰角在车载等领域认为很小，可使用零值进行初始化。初始化后，捷联测量单元就可以正常工作，输出惯导数据。需要说明的是，本发明需要使用惯导系统、传感单元及GNSS设备来辅助实现。
进一步地，该惯性捷联解算单元的初始化过程包括：姿态更新，速度更新及位置更新，姿态更新可通过陀螺仪的测量值实时估计用户的姿态，从而得到载体坐标系到导航坐标系的转换关系，采用公式：
Figure BDA0001847879230000111
来进行更新；
速度更新可通过对导航坐标系下的加速度进行计分得到速度数据，采用公式
Figure BDA0001847879230000112
来进行更新；
位置更新可通过对导航坐标系下的速度进行计分得到位置信息，采用公式
Figure BDA0001847879230000121
来进行更新。
初始化单元2，用于基于观测数据初始化传感单元；
具体地，该传感单元进行初始化时，需要基于观测数据来进行初始化，以实现基础一致，提高数据采集的准确性，该传感单元可包括摄像头、图像采集器及存储设备等。
计算单元3，用于获取通过初始化后的传感单元计算用户位置变化数据及传感单元的位置信息；
具体地，当传感单元初始化后，开始连续采集图像信息，根据采集的图像信息来计算用户位置变化数据及传感单元的位置信息，其中，该用户位置变化数据包括用户位置随时间的变化信息及姿态随时间变化的信息；
定位单元4，用于基于用户位置变化数据及位置信息进行卡尔曼滤波处理，得到定位结果；
具体地，将用户位置变化数据及传感单元的位置信息输入卡尔曼融合滤波器进行运算，得到定位结果。
在本实施例中，基于观测数据及传感单元采集的图像信息等获取用户位置变化数据及传感单元的位置信息，将获取的用户位置变化数据及传感单元的位置信息进行卡尔曼滤波处理得到定位结果，可提高定位精度。
在本实施例的一个优选方案中，该初始化单元2具体包括：滤波子单元、与滤波子单元连接的初始化子单元，其中：
滤波子单元，用于基于观测数据及惯导数据进行卡尔曼滤波组合处理，估计用户的位置数据；
具体地，基于观测数据及惯导数据进行卡尔曼滤波组合处理，估计用户的位置数据，该位置数据可包括：用户当前所处的经纬度、姿态信息，还可包括传感器零偏、载波相位模糊度、用户方位角、横滚角及俯仰角、速度等参数。
初始化子单元，用于基于用户位置数据及观测数据初始化传感单元；
具体地，基于用户位置数据及观测数据来初始化传感单元，具体的初始化过程如下：
首先进行GNSS定位，获得观测数据，然后与惯导系统输出的惯导数据进行紧组合滤波(卡尔曼组合滤波处理)，估计得到用户的位置数据，然后基于位置数据及观测数据来进行初始化操作。
在本实施例的一个优选方案中，该滤波子单元具体用于：
基于图像数据获得用户的位置变化信息；
具体地，根据前述传感单元初始化前采集的图像数据来获取用户(即用户终端)当前的位置变化信息，该位置变化信息即用户位置随时间变化以及姿态随时间变化；
基于位置变化信息对观测数据进行去噪处理，得到处理的观测数据；
具体地，基于前述位置变化信息结合用户当前所处的位置对观测数据中的伪距质量进行控制，剔除较差的观测量，得到处理的观测数据；
基于惯导数据及处理的观测数据进行卡尔曼滤波组合处理，估计用户的位置数据；
具体地，将惯导数据及前述经过处理的观测数据采用扩展卡尔曼滤波器进行紧组合滤波处理，估计用户的位置数据。
进一步地，扩展卡尔曼滤波器通过观测方程将观测量与带估计状态量联系起来，该观测方程为：xk＝Hkxk；
该扩展卡尔曼滤波器对应的模型包括预测部分及更新部分，预测部分根据状态的动力学方程以及上一时刻的状态对当前的状态进行预测，同时对状态的协方差进行预测，对应模型如下：
Figure BDA0001847879230000131
Figure BDA0001847879230000141
对于更新部分，对应的模型如下所示，第一个公式展示了卡尔曼增益的计算，第二个公式展示了状态更新，第三个公式展示了状态协方差的更新，更新的本质就是观测量与预测量之间的加权平均处理，加权系数由卡尔曼增益决定。
Figure BDA0001847879230000142
Figure BDA0001847879230000143
Figure BDA0001847879230000144
在本实施例的一个优选方案中，该计算单元3具体用于：
基于初始化后的传感单元连续采集的图像信息及用户的位置数据进行计算，得到用户位置变化数据及传感单元的位置信息；
具体地，当初始化传感单元后，可以利用传感单元采集图像信息，可通过传感单元连续采集图像信息，然后基于采集的图像信息及用户的位置数据进行计算，得到用户位置变化数据及传感单元的位置信息；
在本实施例的一个优选方案中，该计算单元3可包括：获取子单元、与获取单元连接的监测子单元、与监测子单元连接的计算子单元，其中：
获取子单元，用于获取通过传感单元连续采集图像信息；
具体地，预先设置时间间隔，控制传感单元连续采集图像信息，获得该传感单元采集的图像信息；
监测子单元，用于监测在采样间隔之间传感单元是否发生位置变化；
具体地，实时监测传感单元在采集图像信息的过程中是否发送位置变化，该位置变化可包括发生位移和/或选择，如果发生位移和/或选择即可认为该传感单元出现位置变化。即在连续采集图像信息的过程中该传感单元不可移动或者转到，以保证在采集图像信息的过程中处于相同的基础。以提高图像信息采集的可靠性，有利于提高定位精度，在确定无位置变化时，反馈给处理子单元，否则反馈给初始化单元2；
计算子单元，用于计算用户位置变化数据及传感单元的位置信息；
具体地，基于采集的图像信息进行连续计算，计算得到用户位置变化数据及该传感单元的位置信息，此时计算所得的传感单元的位置信息可包括传感单元的绝对位置及对应的姿态数据，然后继续获取传感单元采集的图像信息继续计算。
进一步地，该计算单元3还用于对观测数据及定位结果、惯导数据等进行处理。
在本实施例的一个优选方案中，该定位单元4具体用于：
具体地，用户位置变化数据一方面可用来对GNSS观测数据中的伪距、载波观测数据进行质量控制，另一方面可作为融合卡尔曼滤波器的观测量，该用户位置变化数据(用户位置与姿态相对变化)本质上是用户与卫星之间的相对位置发生变化导致的，由于伪距与载波观测数据容易受到噪声及多径信号的影响，此时使用传感单元计算的位置与姿态相对变化来对伪距进行质量控制，可提出误差较大的观测数据，此时假设传感单元的位置变化为：((Δx，Δy，Δz))，根据下述公式：Δρi＝hi.(Δx，Δy，Δz)T得到由用户位置变化导致的伪距变化，其中，hi为卫星i的相对余弦向量；
由于伪距变化量包括位置的变化量、卫星的动态变化及本地接收机时钟的变化量，该伪距变化量的表达公式如下：
Figure BDA0001847879230000151
在计算伪距变化量时需要将卫星的动态变化量及本地接收机时钟的变化量进行扣除，当获得传感单元采集的图像信息计算的位置变化数据时就可以对卫星的观测数据进行质量控制，根据公式：
Figure BDA0001847879230000152
若计算所得的位置变化数据与观测数据中得到的伪距变化量之间的差值大于量控制阀值时，可认为该卫星的观测数据的质量较差，需要从融合滤波器中进行剔除，其中，
Figure BDA0001847879230000161
为卫星i在k时刻的伪距测量值，
Figure BDA0001847879230000162
为卫星i由于卫星动态引起的伪距变化，可基于卫星的速度及加速度等计算得到；Δρclk为本地接收机时钟引起的距离变化，δth为质量控制阀值；
在本实施例中，基于观测数据及传感单元采集的图像信息等获取用户位置变化数据及传感单元的位置信息，将获取的用户位置变化数据及传感单元的位置信息进行卡尔曼滤波处理得到定位结果，可提高定位精度。
其次，综合观测数据及惯导数据通过扩展卡尔曼滤波器来进行紧组合融合定位，可减少对环境依赖，提高定位可靠性。
在本发明中，还提供一种定位系统，该定位系统包括如上述实施例二描述的基于传感单元的定位装置，该定位装置的具体结构、工作原理及所带来的技术效果与上述实施例二的描述基本一致，此处不再赘述。
实施例三：
基于上述实施例二，本发明还提供一种移动终端，如图6所示，为本发明第三实施例提供的一种移动终端的部分结构图，该移动终端除了具有现有技术中的功能模块之外，还包括视定位装置60，还包括传感单元61、惯导系统62、GNSS设备63等，还可包括通信单元(图中未示)，所述定位装置60如上述实施例二所述的基于传感单元的定位装置60。其中，所述传感单元61、惯导系统62、GNSS设备63及通信单元分别与所述定位装置60连接。
该定位装置60的具体结构、工作原理及所带来的技术效果与上述实施例二的描述基本一致，此处不再赘述。
优选地，所述移动终端为手机终端。
实施例四：
图7示出了本发明第四实施例提供的一种定位终端的结构图，该定位终端包括：存储器(memory)71、处理器(processor)72、通信接口(Communications Interface)73和总线74，该处理器72、存储器71、通信接口73通过总线74完成相互之间的交互通信。
存储器71，用于存储各种数据；
具体地，存储器71用于存储各种数据，例如通信过程中的数据、接收的数据等，此处对此不作限制，该存储器还包括有多个计算机程序。
通信接口73，用于该定位终端的通信设备之间的信息传输；
处理器72，用于调用存储器71中的各种计算机程序，以执行上述实施例一所提供的一种基于传感单元的定位方法，例如：
采集数据，所述数据包括观测数据；
基于所述观测数据初始化传感单元；
通过初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
本实施例中，基于观测数据及传感单元采集的图像信息等获取用户位置变化数据及传感单元的位置信息，将获取的用户位置变化数据及传感单元的位置信息进行卡尔曼滤波处理得到定位结果，可提高定位精度。
本发明还提供一种存储器，该存储器存储有多个计算机程序，该多个计算机程序被处理器调用执行上述实施例一所述的一种基于传感单元的定位方法。
本发明中，基于观测数据及传感单元采集的图像信息等获取用户位置变化数据及传感单元的位置信息，将获取的用户位置变化数据及传感单元的位置信息进行卡尔曼滤波处理得到定位结果，可提高定位精度。
其次，综合观测数据及惯导数据通过扩展卡尔曼滤波器来进行紧组合融合定位，可减少对环境依赖，提高定位可靠性。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (12)

1.一种基于传感单元的定位方法，其特征在于，包括：
采集数据，所述数据包括观测数据；
基于所述观测数据初始化传感单元；
通过初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
2.根据权利要求1所述的定位方法，其特征在于，所述数据包括观测数据、惯导数据及图像数据，采集数据包括：
采集观测数据；
采集惯导数据；
采集图像数据。
3.根据权利要求2所述的定位方法，其特征在于，基于所述观测数据初始化传感单元包括：
基于所述观测数据及惯导数据进行卡尔曼滤波组合处理，估计用户的位置数据；
基于所述用户位置数据及所述观测数据初始化所述传感单元。
4.根据权利要求3所述的定位方法，其特征在于，基于所述观测数据及惯导数据进行卡尔曼滤波组合处理，估计用户的位置数据包括：
基于所述图像数据获得所述用户的位置变化信息；
基于所述位置变化信息对所述观测数据进行去噪处理，得到处理的观测数据；
基于所述惯导数据及所述处理的观测数据进行卡尔曼滤波组合处理，估计用户的位置数据。
5.根据权利要求4所述的定位方法，其特征在于，通过初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息具体为：
基于初始化后的传感单元连续采集的图像信息及用户的位置数据进行计算，得到用户位置变化数据及所述传感单元的位置信息。
6.根据权利要求5所述的定位方法，其特征在于，基于初始化后的传感单元连续采集的图像信息及用户的位置数据进行计算，得到用户位置变化数据及所述传感单元的位置信息包括：
通过所述传感单元连续采集图像信息；
监测在采样间隔之间所述传感单元是否发生位置变化；
当监测未发生位置变化时，计算用户位置变化数据及所述传感单元的位置信息。
7.根据权利要求6所述的定位方法，其特征在于，监测在采样间隔之间所述传感单元是否发送位移之后还包括：
当监测发生位置变化时，重新初始化所述传感单元。
8.一种基于传感单元的定位装置，其特征在于，包括：
采集单元，用于采集数据，所述数据包括观测数据；
初始化单元，用于基于所述观测数据初始化传感单元；
计算单元，用于获取初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
定位单元，用于基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
9.一种定位系统，其特征在于，包括如权利要求8所述的基于传感单元的定位装置。
10.一种移动终端，其特征在于，包括如权利要求8所述的基于传感单元的定位装置。
11.一种存储器，所述存储器存储有计算机程序，其特征在于，所述计算机程序被处理器执行如下步骤：
采集数据，所述数据包括观测数据；
基于所述观测数据初始化传感单元；
通过初始化后的传感单元采集的图像信息计算用户位置变化数据及所述传感单元的位置信息；
基于所述用户位置变化数据及所述位置信息进行卡尔曼滤波处理，得到定位结果。
12.一种定位终端，包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的基于传感单元的定位方法的步骤。
CN201811284395.7A 2018-10-30 2018-10-30 基于传感单元的定位方法及装置、定位系统及移动终端 Pending CN111121744A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811284395.7A CN111121744A (zh) 2018-10-30 2018-10-30 基于传感单元的定位方法及装置、定位系统及移动终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811284395.7A CN111121744A (zh) 2018-10-30 2018-10-30 基于传感单元的定位方法及装置、定位系统及移动终端

Publications (1)

Publication Number Publication Date
CN111121744A true CN111121744A (zh) 2020-05-08

Family

ID=70485181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811284395.7A Pending CN111121744A (zh) 2018-10-30 2018-10-30 基于传感单元的定位方法及装置、定位系统及移动终端

Country Status (1)

Country Link
CN (1) CN111121744A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130063611A1 (en) * 2011-09-09 2013-03-14 Matthew Nicholas Papakipos Initializing Camera Subsystem for Face Detection Based on Sensor Inputs
CN103112015A (zh) * 2013-01-29 2013-05-22 山东电力集团公司电力科学研究院 一种适用于工业机器人的操作物位置姿态识别方法
CN103229073A (zh) * 2010-11-10 2013-07-31 三星电子株式会社 用于计算图像的位置信息的方法和设备
CN104729506A (zh) * 2015-03-27 2015-06-24 北京航空航天大学 一种视觉信息辅助的无人机自主导航定位方法
CN106647814A (zh) * 2016-12-01 2017-05-10 华中科技大学 一种基于二维码地标识别的无人机视觉辅助定位与飞控系统及方法
CN107024216A (zh) * 2017-03-14 2017-08-08 重庆邮电大学 引入全景地图的智能车辆融合定位系统及方法
CN108267135A (zh) * 2017-12-25 2018-07-10 中铁第四勘察设计院集团有限公司 用于轨道自动测量车的精确定位方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103229073A (zh) * 2010-11-10 2013-07-31 三星电子株式会社 用于计算图像的位置信息的方法和设备
US20130063611A1 (en) * 2011-09-09 2013-03-14 Matthew Nicholas Papakipos Initializing Camera Subsystem for Face Detection Based on Sensor Inputs
CN103112015A (zh) * 2013-01-29 2013-05-22 山东电力集团公司电力科学研究院 一种适用于工业机器人的操作物位置姿态识别方法
CN104729506A (zh) * 2015-03-27 2015-06-24 北京航空航天大学 一种视觉信息辅助的无人机自主导航定位方法
CN106647814A (zh) * 2016-12-01 2017-05-10 华中科技大学 一种基于二维码地标识别的无人机视觉辅助定位与飞控系统及方法
CN107024216A (zh) * 2017-03-14 2017-08-08 重庆邮电大学 引入全景地图的智能车辆融合定位系统及方法
CN108267135A (zh) * 2017-12-25 2018-07-10 中铁第四勘察设计院集团有限公司 用于轨道自动测量车的精确定位方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
I.M.ZENDJEBIL等: "Hybrid Localization System for Mobile Outdoor Augmented Reality Applications", 《2008 FIRST WORKSHOPS ON IMAGE PROCESSING THEORY, TOOLS AND APPLICATIONS》 *

Similar Documents

Publication Publication Date Title
CA3003298C (en) Gnss and inertial navigation system utilizing relative yaw as an observable for an ins filter
CN111263900B (zh) 用于组合传感器数据的方法和系统
US8773303B2 (en) Position tracking device and method
EP3201633B1 (en) Methods and systems for vertical trajectory determination and automatic jump detection
JP5270184B2 (ja) 衛星航法／推測航法統合測位装置
JP6083279B2 (ja) 移動状況情報算出方法及び移動状況情報算出装置
CN107490378B (zh) 一种基于mpu6050与智能手机的室内定位与导航的方法
AU2002315595A1 (en) An inertial/GPS navigation system
WO2002099453A2 (en) An inertial/gps navigation system
JP2009236532A (ja) 測位方法、プログラム及び測位装置
CN111522034B (zh) 基于惯性导航的定位方法、设备及装置
CN114545472B (zh) 一种gnss/ins组合系统的导航方法和装置
CN110986941A (zh) 一种手机安装角的估计方法
EP3227634B1 (en) Method and system for estimating relative angle between headings
CN113566850B (zh) 惯性测量单元的安装角度标定方法、装置和计算机设备
US10895626B2 (en) Device state estimation with body-fixed assumption
CN111148966B (zh) 一种用磁传感器确定航向的方法和设备
CN111121744A (zh) 基于传感单元的定位方法及装置、定位系统及移动终端
CA3085171A1 (en) System and method for imu motion detection utilizing standard deviation
Kuusniemi et al. Evaluation of Bayesian approaches for multi-sensor multi-network seamless positioning
CN110579212B (zh) 室内定位方法及装置
Dai et al. Application of robust kalman filtering to integrated navigation based on inertial navigation system and dead reckoning
Yang et al. Development of a deeply-coupled GPS/INS integration algorithm using quaternions
CN117346786A (zh) 用于全局优化算法的数据处理方法及gnss接收机
CN116046020A (zh) 零偏值确定方法及装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 200438 9 / F, 10 / F, 11 / F, 12 / F, 38 Lane 1688, Guoquan North Road, Yangpu District, Shanghai

Applicant after: QIANXUN SPATIAL INTELLIGENCE Inc.

Address before: Room j165, 1st floor, building 64, 1436 Jungong Road, Yangpu District, Shanghai, 200433

Applicant before: QIANXUN SPATIAL INTELLIGENCE Inc.

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200508