CN111678514B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111678514B CN111678514B CN202010520820.9A CN202010520820A CN111678514B CN 111678514 B CN111678514 B CN 111678514B CN 202010520820 A CN202010520820 A CN 202010520820A CN 111678514 B CN111678514 B CN 111678514B
- Authority
- CN
- China
- Prior art keywords
- error
- coordinate system
- carrier
- equation
- axis
- 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
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
- G01C21/18—Stabilised platforms, e.g. by gyroscope
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
本发明公开了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,属于导航技术领域。本发明所述方法将MEMS IMU安装在车轮中心,使其随着车辆行驶而旋转。基于旋转IMU的输出计算载体前行速度,并联合非完整性约束条件(NHC),形成载体三维速度观测量;利用改进的捷联惯性导航解算方程,基于旋转IMU的惯性输出,解算载体位置、速度与姿态信息。基于扩展型卡尔曼滤波,将载体三维速度作为观测量,实现对惯性系统误差的在线估计,并对载体位置、速度与姿态误差进行修正,进而提高车载自主导航精度。
Description
技术领域
本发明属于导航技术领域,具体涉及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。
背景技术
随着智能交通技术的迅猛发展,车辆导航系统(LVNS)成为研究热点,被广泛应用于多种应用场景,包括车队管理系统、碰撞规避制动及车辆跟踪系统等。卫星/惯性组合导航系统因其互补性,在车辆导航系统中广泛应用。但由于城市建筑、隧道、树木等易造成卫星信号遮挡,期间导航解算仅基于惯性导航系统完成,导致导航误差迅速累积并发散。这种情况在基于MEMS IMU(Micro ElectroMechanical System Inertial Measurement Unit,微机电系统惯性测量单元)的惯性系统中尤为显著。MEMS传感器所具有的高噪声水平和零偏不稳定性使其自主导航模式面临极大的挑战,位置误差在较短的时间内可累计至数千米。如何提高惯性系统自主导航精度,延长其自主导航时间是提高车载导航系统可靠性、鲁棒性和精度的关键。
在没有其他传感器辅助的情况下,车辆运动约束条件常用于限制惯性导航系统误差累积。在车辆静止状态下时可使用零速修正(ZUPT)与零角速度修正(ZARU)来抑制误差累积,但这将限制车辆的机动性。非完整性约束条件(NHC)指在车辆正常运行时,沿竖直方向和横向方向的速度分量近似为零。利用此先验条件,可以在一定程度上改善车辆在运动状态下的惯性导航误差累积。但此方法的主要缺陷在于:第一,观测量中缺少车辆前向行驶速度;第二,惯性系统误差可观测度与载体机动性高度相关,车辆正常行驶时机动性较弱,从而会降低部分惯性误差的估计精度。因此,NHC仅能在较短的时期内抑制导航误差。
发明内容
本发明的目的是克服现有技术基于惯性系统的车载自主导航方法研究的不足,提供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。将MEMS IMU安装在车轮中心,使其随着车辆行驶而旋转。基于旋转IMU的输出计算载体前行速度,并联合非完整性约束条件(NHC),形成载体三维速度观测量;利用改进的捷联惯性导航解算方程,基于旋转IMU的惯性输出,解算载体位置、速度与姿态信息。基于扩展型卡尔曼滤波,将载体三维速度作为观测量,实现对惯性系统误差的在线估计,并对载体位置、速度与姿态误差进行修正,进而提高车载自主导航精度。
本发明所提出的技术问题是这样解决的:
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,包括以下步骤:
步骤1.基于旋转IMU的虚拟里程计计算载体前行速度和车轮旋转角度;
将IMU安装在车轮中心,使IMU随着载体运动而旋转;o-xsyszs代表传感器坐标系,o-xbybzb代表载体坐标系;当载体运动时,o-xsyszs绕xs轴旋转;在传感器坐标系中,IMU实际输出的比力和角速率/>分别由式(1)和式(2)表示:
其中,为载体坐标系至传感器坐标系的转换矩阵,下标b表示载体坐标系,上标s表示传感器坐标系,φ=∫ωdt为车轮旋转角度,ω为车轮旋转角速度,t为时间;fb为载体坐标系下的比力,ab和gb分别为载体坐标系下载体加速度矢量和当地重力加速度矢量,γs为加速度计误差;/>为在载体坐标系下载体坐标系相对于惯性坐标系的旋转角速度,/>为在传感器坐标系下载体坐标系相对于传感器坐标系的旋转角速度,ds表示陀螺仪误差;
系统状态量xo和系统方程分别由式(9)和(10)表示:
经过线性化之后的系统观测模型由式(11)表示:
zo=Hoxo+v (11)
步骤2.建立载体自主导航误差方程
(1)姿态误差方程
捷联惯性导航中姿态更新方程为:
在小失准角的情况下,通过对式(14)进行扰动分析推导得出姿态误差方程:
其中,δrn为位置误差矢量, δλ和δh分别表示载体纬度误差、经度误差和高度误差;δvn为速度误差矢量,δvn=[δvE δvN δνU]T,δvE、δνN和δνU分别代表了东向、北向和天向的速度误差;db为载体坐标系下的陀螺仪误差矢量,db=[dx dy dz]T,dx、dy和dz分别表示xb轴、yb轴和zb轴的陀螺仪误差;Fεr,Fεv和Fεε分别代表姿态误差变化率与位置误差、速度误差和姿态误差的关系矩阵,可以表示为:
(2)速度误差方程
导航坐标系下速度更新方程表示为:
其中,为vn的一阶时间导数,vn为载体相对于导航坐标系的速度,/>为地球自转角速率/>的斜对称矩阵;/>为旋转角速度/>的斜对称矩阵,/>为导航坐标系下导航坐标系相对于地球坐标系的旋转角速度;gn为导航坐标系下的当地重力加速度矢量;
其中,为/>的一阶时间导数,γb为载体坐标系下的加速度计误差矢量,γb=[γx γy γz]T,γx、γy和γz表示xb轴、yb轴和zb轴的加速度计误差;Fvr、Fvv和Fvε分别代表速度误差变化率与位置误差、速度误差和姿态误差的关系矩阵,表示为:
其中,vE、vN和vU分别表示东向、北向和天向的载体的速度值,fE、fN和fU分别表示东向、北向和天向的载体的比力值,γ表示随载体维度和高度变化的当地重力加速度;
(3)位置误差方程
捷联惯性导航中位置更新方程:
通过对式(18)进行扰动分析得出位置误差方程:
(4)MEMS IMU传感器误差方程
MEMS加速度计和陀螺仪误差建模为一阶高斯马可夫随机过程,如式(20)所示:
加速度计和陀螺仪误差方程:
其中,为γb的一阶时间导数,/>为db的一阶时间导数,/>为/>的一阶时间导数,/>为γs的一阶时间导数,γs为加速度计误差,/>是/>的斜对称矩阵,/>为载体坐标系下传感器坐标系相对于载体坐标系的旋转角速度,αf为加速度计一阶高斯马尔可夫随机模型的相关系数,/>αfx、αfy、αfz分别为αf在xs轴、ys轴、zs轴方向的分量,wf为加速度计的高斯马尔可夫模型的驱动白噪声,wf=[wfx wfy wfz]T,wfx、wfy、wfz分别为wf在xs轴、ys轴、zs轴方向的分量;/>为ds的一阶时间导数,ds为陀螺仪误差,αω为陀螺仪一阶高斯马尔可夫随机模型的相关系数,/>αωx、αωy、αωz分别为αω在xs轴、ys轴、zs轴方向的分量,wω为陀螺仪的高斯马尔可夫模型的驱动白噪声,wω=[wωx wωy wωz]T,wωx、wωy、wωz分别为wω在xs轴、ys轴、zs轴方向的分量;
步骤3.载体运动约束条件下的自主导航模型建立
利用扩展型卡尔曼滤波计算出惯性系统的位置误差、速度误差、姿态误差以及加速度计和陀螺仪误差;
首先建立系统状态方程;根据车载惯性导航系统特性,选取位置误差、速度误差、姿态误差、加速度计和陀螺仪误差组成15维状态量,如式(23)所示:
x==[δrn δvn εn γb db]T (23)
根据式(15)、(17)、(19)、(21)和(22),系统状态方程由式(24)表示:
系统观测量方程为:
z=Hx+v (26)
基于系统状态方程(24)和系统观测量方程(26),利用扩展型卡尔曼滤波计算得到位置误差、速度误差和姿态误差,来修正惯性导航系统中的位置、速度和姿态状态量,即可提高载体自主导航的精度。
本发明的有益效果是:
(1)本发明利用安装在车轮IMU输出与车轮转动的关系,推导出载体前行速度,并结合载体本身运动特性,获取载体坐标系下的三维速度观测量,并用以约束惯性导航误差累积,有效解决了使用单个IMU导航时由于缺少外部观测量而导致导航误差迅速累积发散的问题。
(2)由于IMU随着车轮转动而旋转,本发明有效的提高了惯性系统中误差的可观测性,特别是方位角方向的陀螺仪误差,有效的抑制了方位角误差的累积,从而提高了导航的精度。
(3)本发明除了使用一个低成本的MEMS IMU以外,不使用额外的硬件和设备,方法可行,简单、经济,具有较强的工程应用潜力。
附图说明
图1为安装在车轮中心IMU旋转示意图;
图2为基于旋转IMU的虚拟里程计原理图;
图3为本发明所述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算法流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行进一步的说明。
安装在车轮中心IMU旋转示意图如图1所示,基于旋转IMU的虚拟里程计原理图如图2所示。
本实施例提供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,包括以下步骤:
步骤1.基于旋转IMU的虚拟里程计计算载体前行速度和车轮旋转角度;
将IMU安装在车轮中心,使IMU随着载体运动而旋转;o-xsyszs代表传感器坐标系,o-xbybzb代表载体坐标系,其中yb轴指向车辆前方,zb轴垂直yb轴指向上方,xb与其余两轴满足右手定则指向车辆右方;o-xsyszs坐标系与o-xbybzb坐标系初始时刻对齐,当载体运动时,o-xsyszs绕xs轴旋转,;在传感器坐标系中,IMU实际输出的比力和角速率/>分别由式(1)和式(2)表示:
其中,为载体坐标系至传感器坐标系的转换矩阵,下标b表示载体坐标系,上标s表示传感器坐标系,φ=∫ωdt为车轮旋转角度,ω为车轮旋转角速度,t为时间;fb为载体坐标系下的比力,ab和gb分别为载体坐标系下载体加速度矢量和当地重力加速度矢量,γs为加速度计误差;/>为在载体坐标系下载体坐标系相对于惯性坐标系的旋转角速度,/>为在传感器坐标系下载体坐标系相对于传感器坐标系的旋转角速度,ds表示陀螺仪误差;
由式(6)和(7)可以看出,车轮旋转将重力投影至传感器坐标系的ys轴和zs轴,投影量与车轮旋转角度分别成正弦和余弦的关系;由式(8)可以看出,xs轴的陀螺仪输出可以近似为车轮旋转角速率;因此载体沿yb轴速度和车轮旋转角度φ可以基于扩展型卡尔曼滤波,通过IMU输出来计算;
在将系统线性化之后,系统状态量xo和系统方程可分别由式(9)和(10)表示:
基于式(6),(7)和(8),经过线性化之后的系统观测模型可由式(11)表示:
zo=Hoxo+v (11)
步骤2.建立载体自主导航误差方程
安装在车轮的IMU随着载体运动而产生旋转,因此可看做单轴旋转调制惯性系统,其结算流程与传动捷联惯导系统的不同之处在于,单轴旋转系统中IMU输出是在传感器坐标系o-xsyszs,因此需要先将比力fs和旋转角速度转换至载体坐标系,具体转换方式如式(12)和(13)所示:
由式(12)和(13)可知,IMU旋转主要调制了加速度计和陀螺仪误差,但并未改变捷联惯性系统中姿态误差、速度误差和位置误差之间的关系,因此捷联惯性系统中姿态误差、速度误差以及位置误差方程仍然成立;
(1)姿态误差方程
捷联惯性导航中姿态更新方程为:
在小失准角的情况下,通过对式(14)进行扰动分析推导得出姿态误差方程:
其中,δrn为位置误差矢量, δλ和δh分别表示载体纬度误差、经度误差和高度误差;δvn为速度误差矢量,δvn=[δvE δvN δνU]T,δνE、δνN和δvU分别代表了东向、北向和天向的速度误差;db为载体坐标系下的陀螺仪误差矢量,db=[dx dy dz]T,dx、dy和dz分别表示xb轴、yb轴和zb轴的陀螺仪误差;Fεr,Fεv和Fεε分别代表姿态误差变化率与位置误差、速度误差和姿态误差的关系矩阵,可以表示为:
(2)速度误差方程
根据捷联惯性导航中的比力方程,导航坐标系下速度更新方程可表示为:
其中,为vn的一阶时间导数,vn为载体相对于导航坐标系的速度,/>为地球自转角速率/>的斜对称矩阵;/>为旋转角速度/>的斜对称矩阵,/>为导航坐标系下导航坐标系相对于地球坐标系的旋转角速度;gn为导航坐标系下的当地重力加速度矢量;
其中,为/>的一阶时间导数,γb为载体坐标系下的加速度计误差矢量,γb=[γx γy γz]T,γx、γy和γz表示xb轴、yb轴和zb轴的加速度计误差;Fvr、Fvv和Fvε分别代表速度误差变化率与位置误差、速度误差和姿态误差的关系矩阵,可以表示为:
其中,νE、vN和vU分别表示东向、北向和天向的载体的速度值,fE、fN和fU分别表示东向、北向和天向的载体的比力值,γ表示随载体维度和高度变化的当地重力加速度;
(3)位置误差方程
捷联惯性导航中位置更新方程:
位置误差方程可通过对式(18)进行扰动分析得出:
(4)MEMS IMU传感器误差方程
MEMS加速度计和陀螺仪误差通常可以建模为一阶高斯马可夫随机过程,如式(20)所示:
由于IMU旋转,载体坐标系下的加速度计和陀螺仪误差被调制,在此给出加速度计和陀螺仪误差方程:
其中,为γb的一阶时间导数,/>为db的一阶时间导数,/>为/>的一阶时间导数,为γs的一阶时间导数,γs为加速度计误差,/>是/>的斜对称矩阵,/>为载体坐标系下传感器坐标系相对于载体坐标系的旋转角速度,αf为加速度计一阶高斯马尔可夫随机模型的相关系数,/>αfx、αfy、αfz分别为αf在xs轴、ys轴、zs轴方向的分量,wf为加速度计的高斯马尔可夫模型的驱动白噪声,wf=[wfx wfy wfz]T,wfx、wfy、wfz分别为wf在xs轴、ys轴、zs轴方向的分量;/>为ds的一阶时间导数,ds为陀螺仪误差,αω为陀螺仪一阶高斯马尔可夫随机模型的相关系数,/>αωx、αωy、αωz分别为αω在xs轴、ys轴、zs轴方向的分量,wω为陀螺仪的高斯马尔可夫模型的驱动白噪声,wω=[wωx wωy wωz]T,wωx、wωy、wωz分别为wω在xs轴、ys轴、zs轴方向的分量;
步骤3.载体运动约束条件下的自主导航模型建立
载体在正常运动情形下,沿横向(xb轴)和垂直方向(zb轴)的速度近似为零,联合步骤1中计算的载体前向方向(yb轴)运动速度,则可以获得载体在载体坐标系o-xbybzb下的三维速度观测量。如图3所示,利用扩展型卡尔曼滤波,估计出惯性系统的位置误差、速度误差、姿态误差以及加速度计和陀螺仪误差,进行提高导航精度。
首先建立系统状态方程;根据车载惯性导航系统特性,选取位置误差、速度误差、姿态误差、加速度计和陀螺仪误差组成15维状态量,如式(23)所示:
x==[δrn δvn εn γb db]T (23)
根据式(15)、(17)、(19)、(21)和(22),系统状态方程可由式(24)表示:
根据式(23)和(25)可得系统观测量方程为:
z=Hx+v (26)
基于系统状态方程(24)和系统观测量方程(26),利用扩展型卡尔曼滤波计算得到位置误差、速度误差和姿态误差,来修正惯性导航系统中的位置、速度和姿态状态量,即可提高载体自主导航的精度。
Claims (1)
1.一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,其特征在于,包括以下步骤:
步骤1.基于旋转IMU的虚拟里程计计算载体前行速度和车轮旋转角度;
将IMU安装在车轮中心,使IMU随着载体运动而旋转;o-xsyszs代表传感器坐标系,o-xbybzb代表载体坐标系;当载体运动时,o-xsyszs绕xs轴旋转;在传感器坐标系中,IMU实际输出的比力和角速率/>分别由式(1)和式(2)表示:
其中,为载体坐标系至传感器坐标系的转换矩阵,下标b表示载体坐标系,上标s表示传感器坐标系,φ=∫ωdt为车轮旋转角度,ω为车轮旋转角速度,t为时间;fb为载体坐标系下的比力,ab和gb分别为载体坐标系下载体加速度矢量和当地重力加速度矢量,γs为加速度计误差;/>为在载体坐标系下载体坐标系相对于惯性坐标系的旋转角速度,/>为在传感器坐标系下载体坐标系相对于传感器坐标系的旋转角速度,ds表示陀螺仪误差;
系统状态量xo和系统方程分别由式(9)和(10)表示:
经过线性化之后的系统观测模型由式(11)表示:
zo=Hoxo+v (11)
步骤2.建立载体自主导航误差方程
(1)姿态误差方程
捷联惯性导航中姿态更新方程为:
在小失准角的情况下,通过对式(14)进行扰动分析推导得出姿态误差方程:
其中,δrn为位置误差矢量, δλ和δh分别表示载体纬度误差、经度误差和高度误差;δvn为速度误差矢量,δvn=[δvE δvN δvU]T,δvE、δvN和δvU分别代表了东向、北向和天向的速度误差;db为载体坐标系下的陀螺仪误差矢量,db=[dx dy dz]T,dx、dy和dz分别表示xb轴、yb轴和zb轴的陀螺仪误差;Fεr,Fεv和Fεε分别代表姿态误差变化率与位置误差、速度误差和姿态误差的关系矩阵,可以表示为:
(2)速度误差方程
导航坐标系下速度更新方程表示为:
其中,为vn的一阶时间导数,vn为载体相对于导航坐标系的速度,/>为地球自转角速率/>的斜对称矩阵;/>为旋转角速度/>的斜对称矩阵,/>为导航坐标系下导航坐标系相对于地球坐标系的旋转角速度;gn为导航坐标系下的当地重力加速度矢量;
其中,为/>的一阶时间导数,γb为载体坐标系下的加速度计误差矢量,γb=[γx γyγz]T,γx、γy和γz表示xb轴、yb轴和zb轴的加速度计误差;Fvr、Fvv和Fvε分别代表速度误差变化率与位置误差、速度误差和姿态误差的关系矩阵,表示为:
其中,νE、vN和vU分别表示东向、北向和天向的载体的速度值,fE、fN和fU分别表示东向、北向和天向的载体的比力值,γ表示随载体维度和高度变化的当地重力加速度;
(3)位置误差方程
捷联惯性导航中位置更新方程:
通过对式(18)进行扰动分析得出位置误差方程:
(4)MEMSIMU传感器误差方程
MEMS加速度计和陀螺仪误差建模为一阶高斯马可夫随机过程,如式(20)所示:
加速度计和陀螺仪误差方程:
其中,为γb的一阶时间导数,/>为db的一阶时间导数,/>为/>的一阶时间导数,/>为γs的一阶时间导数,γs为加速度计误差,/>是/>的斜对称矩阵,/>为载体坐标系下传感器坐标系相对于载体坐标系的旋转角速度,αf为加速度计一阶高斯马尔可夫随机模型的相关系数,/>αfx、αfy、αfz分别为αf在xs轴、ys轴、zs轴方向的分量,wf为加速度计的高斯马尔可夫模型的驱动白噪声,wf=[wfx yfy wfz]T,wfx、wfy、wfz分别为wf在xs轴、ys轴、zs轴方向的分量;/>为ds的一阶时间导数,ds为陀螺仪误差,αω为陀螺仪一阶高斯马尔可夫随机模型的相关系数,/>αωx、αωy、αωz分别为αω在xs轴、ys轴、zs轴方向的分量,wω为陀螺仪的高斯马尔可夫模型的驱动白噪声,wω=[wωx wωy wωz]T,wωx、wωy、wωz分别为wω在xs轴、ys轴、zs轴方向的分量;
步骤3.载体运动约束条件下的自主导航模型建立
利用扩展型卡尔曼滤波计算出惯性系统的位置误差、速度误差、姿态误差以及加速度计和陀螺仪误差;
首先建立系统状态方程;根据车载惯性导航系统特性,选取位置误差、速度误差、姿态误差、加速度计和陀螺仪误差组成15维状态量,如式(23)所示:
x=[δrn δvn εn γb db]T (23)
根据式(15)、(17)、(19)、(21)和(22),系统状态方程由式(24)表示:
系统观测量方程为:
z=Hx+v (26)
基于系统状态方程和系统观测量方程,利用扩展型卡尔曼滤波计算得到位置误差、速度误差和姿态误差,来修正惯性导航系统中的位置、速度和姿态状态量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010520820.9A CN111678514B (zh) | 2020-06-09 | 2020-06-09 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010520820.9A CN111678514B (zh) | 2020-06-09 | 2020-06-09 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111678514A CN111678514A (zh) | 2020-09-18 |
CN111678514B true CN111678514B (zh) | 2023-03-28 |
Family
ID=72454450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010520820.9A Active CN111678514B (zh) | 2020-06-09 | 2020-06-09 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111678514B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113503882B (zh) * | 2021-06-03 | 2023-09-12 | 北京自动化控制设备研究所 | 一种车载惯性/地磁组合导航方法及装置 |
CN114152269B (zh) * | 2021-11-09 | 2024-03-22 | 南京邮电大学 | 车轮安装惯性测量单元的安装参数现场标定方法 |
CN114234972B (zh) * | 2022-03-01 | 2022-05-24 | 长沙金维信息技术有限公司 | 用于惯性导航系统的惯性导航方法 |
CN117053803B (zh) * | 2023-10-10 | 2024-01-26 | 腾讯科技(深圳)有限公司 | 航向信息处理方法、装置、设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845343A (zh) * | 2018-07-03 | 2018-11-20 | 河北工业大学 | 一种基于视觉、gps与高精度地图融合的车辆定位方法 |
CN110887481A (zh) * | 2019-12-11 | 2020-03-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于mems惯性传感器的载体动态姿态估计方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6826478B2 (en) * | 2002-04-12 | 2004-11-30 | Ensco, Inc. | Inertial navigation system for mobile objects with constraints |
JP5614527B2 (ja) * | 2010-03-05 | 2014-10-29 | セイコーエプソン株式会社 | 姿勢情報算出装置、姿勢情報算出システム、姿勢情報算出方法及び姿勢情報算出プログラム |
CN103712620B (zh) * | 2013-11-27 | 2016-03-30 | 北京机械设备研究所 | 一种利用车体非完整性约束的惯性自主导航方法 |
CN104567888A (zh) * | 2014-12-25 | 2015-04-29 | 大连楼兰科技股份有限公司 | 基于速度在线修正的惯性导航车辆姿态测量方法 |
CN104977002A (zh) * | 2015-06-12 | 2015-10-14 | 同济大学 | 基于sins/双od的惯性组合导航系统及其导航方法 |
CN105737842A (zh) * | 2016-03-23 | 2016-07-06 | 南京航空航天大学 | 基于旋转调制和虚拟里程仪的车载自主导航方法 |
CN107289930B (zh) * | 2016-04-01 | 2020-09-11 | 南京理工大学 | 基于mems惯性测量单元的纯惯性车辆导航方法 |
CN106568449B (zh) * | 2016-09-06 | 2019-04-30 | 北京理工大学 | 一种基于mems的车辆模型辅助和约束的gnss/ins组合导航方法 |
US20180112985A1 (en) * | 2016-10-26 | 2018-04-26 | The Charles Stark Draper Laboratory, Inc. | Vision-Inertial Navigation with Variable Contrast Tracking Residual |
CN109631913A (zh) * | 2019-01-30 | 2019-04-16 | 西安电子科技大学 | 基于非线性预测强跟踪无迹卡尔曼滤波的x射线脉冲星导航定位方法及系统 |
CN109945859B (zh) * | 2019-04-01 | 2022-12-06 | 东南大学 | 一种自适应h∞滤波的运动学约束捷联惯性导航方法 |
CN110285804B (zh) * | 2019-06-26 | 2022-06-17 | 南京航空航天大学 | 基于相对运动模型约束的车辆协同导航方法 |
CN110780326A (zh) * | 2019-09-26 | 2020-02-11 | 上海瀚所信息技术有限公司 | 一种车载组合导航系统和定位方法 |
CN111076721B (zh) * | 2020-01-19 | 2023-03-28 | 浙江融芯导航科技有限公司 | 一种快速收敛的惯性测量单元安装姿态估计方法 |
-
2020
- 2020-06-09 CN CN202010520820.9A patent/CN111678514B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845343A (zh) * | 2018-07-03 | 2018-11-20 | 河北工业大学 | 一种基于视觉、gps与高精度地图融合的车辆定位方法 |
CN110887481A (zh) * | 2019-12-11 | 2020-03-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于mems惯性传感器的载体动态姿态估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111678514A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Wang et al. | Consistent ST-EKF for long distance land vehicle navigation based on SINS/OD integration | |
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 | |
CN104061899B (zh) | 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法 | |
Fu et al. | High-accuracy SINS/LDV integration for long-distance land navigation | |
CN101893445B (zh) | 摇摆状态下低精度捷联惯导系统快速初始对准方法 | |
US20100019963A1 (en) | Vehicular navigation and positioning system | |
CN103743414B (zh) | 一种里程计辅助车载捷联惯导系统行进间初始对准方法 | |
Collin | MEMS IMU carouseling for ground vehicles | |
CN103245359B (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 | |
JP7036080B2 (ja) | 慣性航法装置 | |
Wu | Versatile land navigation using inertial sensors and odometry: Self-calibration, in-motion alignment and positioning | |
CN104697526A (zh) | 用于农业机械的捷联惯导系统以及控制方法 | |
CN110285804B (zh) | 基于相对运动模型约束的车辆协同导航方法 | |
CN111380516B (zh) | 基于里程计测量信息的惯导/里程计车辆组合导航方法及系统 | |
CN101718560A (zh) | 基于单轴四位置转停方案的捷联系统误差抑制方法 | |
US10048074B1 (en) | Polar region operating attitude and heading reference system | |
Yu et al. | GPS/INS/Odometer/DR integrated navigation system aided with vehicular dynamic characteristics for autonomous vehicle application | |
CN105737842A (zh) | 基于旋转调制和虚拟里程仪的车载自主导航方法 | |
CN114964222A (zh) | 一种车载imu姿态初始化方法、安装角估计方法及装置 | |
CN115451949A (zh) | 一种基于车轮安装惯性测量单元的车辆定位方法 | |
Hwang et al. | Online misalignment estimation of strapdown navigation for land vehicle under dynamic condition | |
CN106646569A (zh) | 一种导航定位方法及设备 | |
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 | |
CN110567456B (zh) | 基于抗差卡尔曼滤波的bds/ins组合列车定位方法 |
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 |