CN112082547A - 组合导航系统优化方法、装置、电子设备及存储介质 - Google Patents
组合导航系统优化方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112082547A CN112082547A CN202010936370.1A CN202010936370A CN112082547A CN 112082547 A CN112082547 A CN 112082547A CN 202010936370 A CN202010936370 A CN 202010936370A CN 112082547 A CN112082547 A CN 112082547A
- Authority
- CN
- China
- Prior art keywords
- value
- values
- initial values
- navigation error
- navigation
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- 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
- G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
Abstract
本发明提供一种组合导航系统优化方法、装置、电子设备及存储介质。所述方法包括：给组合导航系统的系统参数设置多组初始值；每设置一组初始值，计算对应的导航误差值；根据多组初始值及对应的导航误差值，对系统参数进行第一次优化，得到系统参数的第一优化值，并计算对应的导航误差值；若第一优化值对应的导航误差值小于预设值，则确定系统参数为第一优化值；若第一优化值对应的导航误差值大于预设值，则根据多组初始值及对应的导航误差值，对系统参数进行第二次优化，得到系统参数的第二优化值，并确定系统参数为第二优化值，第二次优化与第一次优化不同。本发明实施例能够实现准确对系统参数的优化和校准，提高组合导航系统的定位准确性。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种组合导航系统优化方法、装置、设备及存储介质。
背景技术
近年来，随着移动互联网以及无人智能体求的快速发展，高精度可信定位导航需求日益迫切。在行业需求方面，高精度可信定位导航系统可用于精密移动测量，为测绘行业带来革命性的变化；在大众需求方面，以智能手机、无人机、自动驾驶汽车、移动机器人为代表的智能化载体，在进行自主移动时，高度依赖于精密的位置信息，自主导航系统是这些智能体准确感知环境和优化决策控制的核心支撑技术。
基于GNSS(Global Navigation Satellite System，全球卫星导航系统)/INS(Inertial Navigation System，惯性导航系统)的组合导航方案是目前主流的室外高精度定位导航算法。GNSS在开阔场景下定位精度高，但是容易受到城市环境的影响，导致定位精度锐减。INS是一种基于加速度计和陀螺仪两种惯性传感器的不借助于外力的自主导航系统，可以全天候、全时间、全空间地进行定位工作。但是，由于INS的导航结果经过积分产生，定位误差会随着时间而增大，长期精度差。通过卡尔曼滤波对GNSS和INS的预测结果进行融合，可以为用户提供一个包含位置、速度和姿态在内的完整的导航状态，并具有长期定位精度高，高更新率的优势，能够防止GNSS信号的干扰和丢失，并可以不断校正INS的误差。
然而，基于卡尔曼滤波的GNSS/INS组合导航系统收敛速度和定位精度受IMU(Inertial Measurement Unit，惯性量测单元)零偏影响。尽管使用高精度的转台设备可以对IMU零偏进行校准，但考虑到在使用过程中，IMU零偏等各种误差受工作环境影响，使用转台进行IMU标定存在使用不便、成本过高以及不能动态适应使用环境的问题。除此之外，IMU安装角也直接影响GNSS/INS组合导航结果，现有基于光学标定安装基准面的方法存在使用方法复杂、精度不高的问题。受使用条件和载体环境限制，IMU安装位置到载体中心之间的惯导杆臂参数一般难以准确测量，产生的杆臂误差同样影响组合导航系统性能。在基于卡尔曼滤波的组合导航系统中，过程噪声协方差矩阵和量测噪声矩阵等参数一般随环境动态变化，现有组合导航系统大多将该参数设置为预定固定值，导致组合导航系统不能自适应环境变化。
发明内容
有鉴于此，本发明的目的在于提出一种组合导航系统误差校准方法、装置、设备及存储介质，能够快速校准IMU零偏、安装角、惯导杆臂、过程噪声协方差、量测噪声方差，提高组合导航系统的定位准确性。
基于上述目的，本发明提供了一种组合导航系统优化方法，所述方法包括：
给所述组合导航系统的系统参数设置多组初始值；
每设置一组初始值，计算对应的导航误差值；
根据所述多组初始值及对应的导航误差值，对所述系统参数进行第一次优化，得到所述系统参数的第一优化值，并计算对应的导航误差值；
若所述第一优化值对应的导航误差值小于预设值，则确定所述系统参数为所述第一优化值；
若所述第一优化值对应的导航误差值大于预设值，则根据所述多组初始值及对应的导航误差值，对所述系统参数进行第二次优化，得到所述系统参数的第二优化值，并确定所述系统参数为所述第二优化值，第二次优化与所述第一次优化不同。
本发明还提供了一种组合导航系统优化装置，所述装置包括：
设置模块，用于给所述组合导航系统的系统参数设置多组初始值；
计算模块，用于每设置一组初始值，计算对应的导航误差值；
第一优化模块，用于根据所述多组初始值及对应的导航误差值，对所述系统参数进行第一次优化，得到所述系统参数的第一优化值，并计算对应的导航误差值；
确定模块，用于若所述第一优化值对应的导航误差值小于预设值，则确定所述系统参数为所述第一优化值；以及，
第二优化模块，用于若所述第一优化值对应的导航误差值大于预设值，则根据所述多组初始值及对应的导航误差值，对所述系统参数进行第二次优化，得到所述系统参数的第二优化值，并确定所述系统参数为所述第二优化值，第二次优化与所述第一次优化不同。
本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述组合导航系统优化方法。
本发明还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述组合导航系统优化方法。
从上面所述可以看出，本发明提供的组合导航系统优化方法、装置、设备及存储介质，能够给组合导航系统的系统参数设置多组初始值；每设置一组初始值，计算对应的导航误差值；根据所述多组初始值及对应的导航误差值，对所述系统参数进行第一次优化，得到所述系统参数的第一优化值，并计算对应的导航误差值；若所述第一优化值对应的导航误差值小于预设值，则确定所述系统参数为所述第一优化值；若所述第一优化值对应的导航误差值大于预设值，则根据所述多组初始值及对应的导航误差值，对所述系统参数进行第二次优化，得到所述系统参数的第二优化值，并确定所述系统参数为所述第二优化值，以通过两次不同的优化，实现准确对系统参数的优化和校准，提高组合导航系统的定位准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的组合导航系统优化方法的流程示意图；
图2为本发明实施例提供的组合导航系统优化装置的结构示意图；
图3本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
当前组合导航系统的导航性能受IMU的零偏、安装角、惯导杆臂、过程噪声协方差和量测噪声方差无法自适应标定影响。
在零偏的估计过程中，虽然卡尔曼滤波能够收敛出一个较为准确的零偏，但前提是初始零偏误差不大，零偏标准差设置合理，否则会导致零偏校准不准，影响组合导航定位结果。
在使用车载约束伪观测进行卡尔曼融合定位导航方面，现有INS/NHC组合导航系统在辅助对准时大都忽视了安装角及惯导杆臂效应,即认为惯导安装在载体中心，IMU所在的b系与车辆所在v系之间的误差为0。该假设显然与实际的导航场景不符，会在一定程度上降低组合导航系统的定位准确度。
另外，INS系统的过程噪声协方差和量测噪声方差会对组合导航系统的性能造成较大的影响。在传统组合导航方法中，噪声参数往往都是凭经验设定。人工标定的值往往不能衡量当前器件的真实水平。Allan方差估计噪声的方法需要长时间的仿真数据。且由于自身特性，过程噪声协方差矩阵会受到温度、气压等因素的影响，噪声参数的校准无法做到一劳永逸，需要对其进行实时在线估计。
IMU器件包括加速度计和陀螺仪，IMU的零偏包括加速度计的零偏和陀螺仪的零偏。IMU零偏是机械编排过程中最重要的一个参数，组合导航算法中，通常将其增广至卡尔曼滤波状态向量中以实现对其在线校准。零偏常被建模为一阶高斯—马尔可夫过程，其离散化模型为：
式(1)中，xk、xk+1为分别对应于离散时刻tk、tk+1的误差状态量；Δtk+1为离散时刻tk与tk+1之间的时间间隔；ωk为离散化驱动白噪声，其方差强度qk为：
由式(2)可得，零偏标准差σ影响方差强度的变化幅度大小，相关时间τ反映方差强度对上一时刻的记忆深度。对于高精度的IMU，相关时间τ应该设的足够长，零偏标准差σ应足够小以保证其稳定性。若零偏初始值标定误差过大，会导致卡尔曼滤波无法收敛到真值附近。卡尔曼滤波系统中，零偏与系统状态量(位置、姿态)的短时误差特性可化简为表1。
表1
由表1可看出，零偏标定误差或零偏建模不准确，都会对组合导航结果产生较大影响。
在捷联惯导系统中，IMU安装角为惯组坐标系与载体坐标系之间的安装偏差角，惯导杆臂为IMU到载体摇摆中心的距离。如果不考虑这两种误差效应,必然会影响组合导航系统的精度。考虑IMU安装角与惯导杆臂之后，载体坐标系下的速度与导航坐标系速度之间的转换关系为：
式中，vv为载体坐标系下的速度，
为惯组坐标系到载体坐标系的方向余弦矩阵，
为导航坐标系到载体坐标系方向余弦矩阵，vn为导航坐标系速度，ωn为导航坐标系下角速度，lb为惯导杆臂。
根据式(4)，载体坐标系下的速度可被重写为：
δvn、φ、δωb分别表示速度误差、失准角、角速度误差，对应为卡尔曼滤波中的速度误差、姿态误差、陀螺零偏误差状态量。
vv分别表示载体坐标系速度估计值和真实值。
载体车辆在正常行驶时，右向和天向速度为0，即
载体坐标系速度估计值
由式(3)计算得到，由此可以获得车载约束下的量测方程
量测矩阵
可得，车载约束参数误差源为IMU安装角的方向余弦矩阵
和惯导杆臂lb。
组合导航系统中一般包括两种类型的噪声参数，即过程噪声协方差Q和量测噪声矩阵R。在过程噪声协方差Q中，其具体形式为
零偏标准差σ、一阶高斯—马尔可夫相关时间τ可由IMU精度设定，故Q矩阵主要误差源为随机游走系数RWC。量测噪声矩阵R的具体形式为
RTK_VAR代表RTK浮点解方差，NHC_VAR代表车载约束方差。其对导航结果的影响体现在卡尔曼滤波系统协方差P矩阵及其增益系数K矩阵，最终影响定位结果：
Kk＝Pk/k-1Hk T(HkPk/k-1Hk T+Rk)-1 (6)
其中，P为系统协方差矩阵，Ф为状态转移矩阵，Q为过程噪声矩阵，K为增益系数矩阵，H为量测矩阵，R为量测噪声矩阵，X为系统状态估计值，Z为量测值。
从式(5)-(7)中可以看出IMU噪声积分产生的角度、速度随机游走系数直接影响了系统姿态与速度的估计值，进而会对组合导航系统的定位结果产生影响。
本发明提供了一种组合导航系统优化方法、装置、电子设备及存储介质，采用两步非线性优化IMU零偏、IMU安装角和惯导杆臂、过程噪声协方差和量测噪声方差等系统参数，实现组合导航系统的优化。
参见图1，是本发明提供的一种组合导航系统优化方法的流程示意图，所述方法包括：
101、给所述组合导航系统的系统参数设置多组初始值。
其中，系统参数包括IMU零偏、IMU安装角和惯导杆臂、过程噪声协方差和量测噪声方差。依次给IMU零偏、IMU安装角和惯导杆臂、过程噪声协方差和量测噪声方差设置多组初始值，以便分别对IMU零偏、IMU安装角和惯导杆臂、过程噪声协方差和量测噪声方差进行优化，实现组合导航系统的优化。
例如，在优化IMU零偏时，给IMU零偏设置多组初始值。由于IMU零偏为六元参数，因此需设置六组以上的初始值，为了降低计算量，优选设置七组初始值。
102、每设置一组初始值，计算对应的导航误差值。
在RTK信号佳的开阔路段，采集并存储最接近当前时刻N秒的IMU测量数据和RTK(Real-Time Kinematic，载波相位差分技术)定位数据，N优选为100秒，以便根据IMU测量数据和RTK定位数据，计算对应的导航误差值。
具体地，所述计算对应的导航误差值，包括：
采集RTK导航数据和IMU的测量数据；
对所述测量数据进行导航估计，得到导航估计数据；
根据所述导航估计数据和所述RTK导航数据，计算对应的导航误差值。
例如，每将IMU零偏设置为一组初始值时，采用组合导航系统对测量数据进行机械编排，得到导航估计数据，该导航估计数据包括位置、速度和姿态。根据导航估计数据和RTK导航数据，即可计算相应的误差值。为了保证零偏估计的准确性，零偏标准差σ应设足够小，相关时间τ尽可能设得足够长，并去除RTK之外的量测信息。
在IMU输出频率为100HZ，RTK信号频率为1HZ的情况下，每秒可以计算一次误差值，100秒可以计算100个误差值，本实施例将100个误差值之和作为最终的导航误差值。由于RTK的存在，每秒误差值均为小量且滤波一直处于收敛状态。
导航误差值的计算公式如下：
其中，δ为导航误差值，n为秒数，xi为第i秒的导航估计数据，yi为第i秒的RTK导航数据，h为x投影到位置的函数，Ω为当前RTK固定解定位方差，在RTK信号为固定解时，y可以当作位置真值。
103、根据所述多组初始值及对应的导航误差值，对所述系统参数进行第一次优化，得到所述系统参数的第一优化值，并计算对应的导航误差值。
其中，第一次优化可以采用构造梯度方法进行优化。具体地，步骤103中的所述根据所述多组初始值及对应的导航误差值，对所述系统参数进行第一次优化，得到所述系统参数的第一优化值，包括：
将n+1组初始值按照导航误差值升序进行排序，得到排序后的n+1组初始值X1、...、Xn+1，n≥6；
确定前n组初始值的质心点X0，并计算所述质心点X0对应的导航误差值；根据所述质心点X0、第一组初始值X1和第n+1组初始值Xn+1，确定反射点Xr，并计算所述反射点Xr对应的导航误差值；
若所述反射点Xr对应的导航误差值小于第二组初始值X2对应的导航误差值，且大于第一组初始值X1对应的导航误差值，则将所述反射点Xr替换为第n+1组初始值Xn+1，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤；
若所述反射点Xr对应的导航误差值小于第一组初始值X1对应的导航误差值，则根据所述质心点X0和所述反射点Xr，确定扩展点Xe，并计算所述扩展点Xe对应的导航误差值；在所述扩展点Xe对应的导航误差值小于所述反射点Xr对应的导航误差值时，将所述扩展点Xe替换为第n+1组初始值Xn+1，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤，否则将所述反射点Xr替换为第n+1组初始值Xn+1，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤；
若所述反射点Xr对应的导航误差值大于第二组初始值X2对应的导航误差值，则根据所述质心点X0和第n+1组初始值Xn+1，确定紧缩点Xc，并计算所述紧缩点Xc的导航误差值；在所述紧缩点Xc的导航误差值小于第n+1组初始值Xn+1对应的导航误差值时，将所述紧缩点Xc替换为第n+1组初始值Xn+1，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤，否则对第i组初始值Xi进行更新，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤，i＝2，3，...，n+1；
在每次返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤时，检测当前第一组初始值X1对应的导航误差值是否小于预设值；
若是，则将所述当前第一组初始值X1作为所述系统参数的第一优化值；
若否，则在返回次数达到预设次数时，将最后一次排序的第一组初始值X1作为所述系统参数的第一优化值。
其中，所述质心点X0的计算公式为
所述反射点Xr的计算公式为Xr＝X0+α(X0-Xn+1)，α为反射系数；
所述扩展点Xe的计算公式为Xe＝Xo+γ(Xr-X0)，γ为扩展系数；
所述紧缩点Xc的计算公式为Xc＝X0+ρ(Xn+1-X0)，ρ为紧缩系数；
所述第i组初始值Xi的更新公式为Xi＝Xi+σ(Xi-X1)，σ为收缩系数。
例如，在对IMU零偏进行第一次优化时，设置IMU零偏的七组初始值，进而对IMU零偏进行第一次优化：
201、将七组初始值排序，得到X1、X2、…、X7，X1对应的导航误差值最小，而X7对应的导航误差值最大。
202、计算前六组初始值的质心点
及对应的导航误差值。
203、计算反射点Xr＝X0+α(X0-X7)及对应的导航误差值，α＝1。
204、若反射点Xr对应的导航误差值小于第二组初始值X2对应的导航误差值，且大于第一组初始值X1对应的导航误差值，则X7＝Xr，并返回步骤201。
205、若反射点Xr对应的导航误差值小于第一组初始值X1对应的导航误差值，则在这一方向延伸，计算扩展点Xe＝Xo+γ(Xr-X0)及对应的导航误差值，γ＝2。若扩展点Xe对应的导航误差值小于反射点Xr对应的导航误差值，则X7＝Xe，并返回步骤201；否则X7＝Xr，并返回步骤201。
206、若反射点Xr对应的导航误差值大于第二组初始值X2对应的导航误差值，则计算紧缩点Xc＝Xo+ρ(X7-X0)及对应的导航误差值，ρ＝0.5。若紧缩点Xc的导航误差值小于第七组初始值X7对应的导航误差值，则X7＝Xc，并返回步骤201；否则Xi＝Xi+σ(Xi-X1)，i＝2，3，...，7，σ＝0.5，并返回步骤201。
207、在第一组初始值X1对应的导航误差值达到预设值，或者返回迭代次数达到预设次数时，停止优化，将当前第一组初始值X1作为第一优化值。
其中，在计算质心点、反射点、扩展点、紧缩点对应的导航误差值时，将系统参数分别设置为质心点、反射点、扩展点、紧缩点的值，并采用上述公式(8)进行计算获得，在此不再详细赘述。采用构造梯度方法，无需计算梯度，具有计算开销小的特点。在大多数情况下，该第一次优化方法可收敛到系统参数最优值附近。
104、若所述第一优化值对应的导航误差值小于预设值，则确定所述系统参数为所述第一优化值。
在第一优化值达到预设值时，确定第一优化值收敛至系统参数的最优值附加，可以将系统参数设置为第一优化值，实现组合导航系统的优化。
105、若所述第一优化值对应的导航误差值大于预设值，则根据所述多组初始值及对应的导航误差值，对所述系统参数进行第二次优化，得到所述系统参数的第二优化值，并确定所述系统参数为所述第二优化值，第二次优化与所述第一次优化不同。
在一些情况下，第一次优化依然会出现局部最优解或误差依然较大的情况，即第一优化值未达到预设值。针对需要更高定位精度和鲁棒性的应用，本发明对上述基于构造梯度方法得到的系统参数再次进行优化(即第二次优化)，进一步提高各种系统参数精度。
第二次优化在上述一次低计算开销优化得到的IMU零偏、IMU安装角/惯导杆臂、噪声矩阵参数基础上进行基于全局随机游走和局部随机游走操作的进一步优化。第二次优化算法中的全局随机游走是一个马尔可夫链，其下一个值仅取决于当前值和步长。新值的很大一部分由远场随机化产生，它们的位置离当前值足够远，具有重尾分布特性，能搜索更大的空间，可确保系统不会陷入局部最优。较差的参数会以概率P再进行一次局部随机游走，来搜索附近可能的更优参数，并由开关参数Pa(即随机游走概率)控制局部随机游走和全局随机游走的平衡组合。
具体地，所述根据所述多组初始值及对应的导航误差值，对所述系统参数进行第二次优化，得到所述系统参数的第二优化值，包括：
将n+1组初始值按照导航误差值升序进行排序，得到排序后的n+1组初始值X1、…、Xn+1，n≥6；
根据全局随机游走步长step和第一组初始值X1，确定第i组初始值Xi对应的第i组数值X′i，并计算第i组数值X′i对应的导航误差值，i＝2，3，...，n+1；
若所述第i组数值X′i对应的导航误差值小于第i组初始值Xi对应的导航误差值，则将所述第i组数值X′i替换为第i组初始值Xi；
根据局部随机游走概率，对所述系统参数进行局部随机游走，确定第i组初始值Xi对应的第i组新数值X″i，并计算第i组新数值X″i对应的导航误差值，i＝2，3，...，n+1；
若所述第i组新数值X″i对应的导航误差值小于第i组初始值Xi对应的导航误差值，则将所述第i组新数值X″i替换为第i组初始值Xi，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤；
在每次返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤时，检测当前第一组初始值X1对应的导航误差值是否小于预设值；
若是，则将所述当前第一组初始值X1作为所述系统参数的第二优化值；
若否，则在返回次数达到预设次数时，将最后一次排序的第一组初始值X1作为所述系统参数的第二优化值。
所述第i组数值X′i的计算公式为：
X′i＝Xi+Δi，Δi＝α×step×(Xi-X1)×g，g～N(0，1)；
其中，α为步长缩放因子，β为全局随机游走指数，N为正态分布，「为标准伽马函数；
所述局部随机游走概率的计算公式为：
其中，P为局部随机游走概率，Pa为开关参数，δi为第i组初始值Xi对应的导航误差值；
所述第i组新数值X″i的计算公式为：
X″i＝Xi+Δ’i，Δ′i＝(Xi-Xj)×r，r～U(0，1)；
其中，U为均匀分布，1≤j≤n。
例如，IMU零偏在第一次优化时未收敛至最优值附近，则对IMU零偏进行第二次优化：
301、将七组初始值排序，得到X1、X2、…、X7，X1对应的导航误差值最小，而X7对应的导航误差值最大。
302、计算第二组初始值至第七组初始值X2、…、X7全局随机游走产生的数值X′i＝Xi+Δi，Δi＝α×step×(Xi-X1)×g，g～N(0，1)，
u～N(0，σ2)，v～N(0，1)，
α＝0.01，β＝1.5。
303、计算第二组数值至第七组数值X′1、…、X′7对应的导航误差值，若第i组数值Xi′对应的导航误差值小于第i组初始值Xi对应的导航误差值，则Xi＝Xi′。
304、计算第二组初始值至第七组初始值X2、…、X7的局部随机游走概率
Pa＝0.25。
305、计算第二组初始值至第七组初始值X2、…、X7局部随机游走产生的新数值X″i＝Xi+Δ’i，Δ’i＝(Xi-Xj)×r，r～U(0，1)。
306、计算第二组数值至第七组数值X″1、…、X″7对应的导航误差值，若第i组数值X″i对应的导航误差值小于第i组初始值Xi对应的导航误差值，则Xi＝X″i，并返回步骤301。
307、在第一组初始值X1对应的导航误差值达到预设值，或者返回迭代次数达到预设次数时，停止优化，将当前第一组初始值X1作为第二优化值。
其中，在计算数值Xi′、新数值Xi″对应的导航误差值时，分别将系统参数设置为数值Xi′、新数值Xi″，并采用上述公式(8)进行计算获得，在此不再详细赘述。
例如，IMU零偏的一组初始值及对应的导航误差值如表2所示，经两次优化后，收敛态时IMU零偏的最优值及相应的导航误差值如表3所示。其中，bg.x、bg.y、bg.z分别为陀螺仪零偏的X-Y-Z三轴数据，ba.x、ba.y、ba.z分别为加速度计零偏的X-Y-Z三轴数据，δ为导航误差值。
表2
表3
由表2和表3可以看出，针对BMI设备，零偏的最优值为[0.089；0.069；0.14；0.073；-0.12；-0.036]，与高精度转台的标定结果[0.082937；0.056123；0.011437；0.064519；-0.12261；-0.056498]相比，整体趋势一致，但又有微小的不同。实验结果表明，对于同一组设备采集的同一组导航数据，转台标定零偏的惯导纯推10s误差为1.7米，本实施例优化的零偏所得到的导航误差为0.8米。由此可以说明本发明实施例所提出的IMU零偏校准方法可以更好的校准IMU零偏，从而提高GNSS/INS组合导航系统的精度。
需要说明的是，在估计IMU安装角与惯导杆臂时，开启车载约束量测，将车载约束方差设置为小值，用同样的方法即可进行IMU安装角和惯导杆臂的优化。
在估计噪声矩阵参数时，需确保IMU零偏及IMU安装角/惯导杆臂已优化完成，防止其对噪声参数的影响。
本发明实施例中每秒都会进行INS/GNSS组合，但安装航向角
与陀螺零偏Z轴在短时内不会对导航结果产生较大影响，因此该算法在对安装航向角
与陀螺零偏Z轴进行校准时，在卡尔曼滤波收敛后会适当降低IMU/RTK组合频率，减小系统对RTK的依赖，放大力学编排/车载约束的作用，从而更准确地校准陀螺零偏Z轴和安装航向角。
使用本发明校准的参数进行组合导航仿真验证。采用校准前的参数惯导纯推10s定位误差为1.7m，15s定位误差3.1m，30s定位误差9.7m。采用校准后的参数惯导纯推10s定位误差为0.6m，15s定位误差为1.0m，30s定位误差3.1m。可以看出，IMU安装角/惯导杆臂校准准确以后，其航位推算基本无偏差，反映了载体车辆在真实场景中的运动特性，充分说明了本发明所提出的组合导航系统误差校准方法的优越性。
本发明提供的组合导航系统优化方法，能够1)降低组合导航参数标定成本。充分分析考虑各个参数对导航性能的影响，确定了参数校准的先后顺序，且估计时不需要转台等硬件设备，只需要一段RTK提供的较为准确的定位数据即可估计，必要时可利用同一个单纯形对零偏和安装角等多个参数进行搜索，降低了标定难度，节省标定时间；2)在线估计，适应性强。实现线上估计，在路况较好的路段，采集一段IMU及RTK数据即可进行在线估计，参数估计不准时，可采取多段数据取加权平均，在保证参数适用于当前实际情况时，也有效避免了线下标定结果不适用的情况；3)提高组合导航精度。过程噪声协方差和量测噪声协方差可以由本发明来拟合出一个较为准确的结果，不需要用户学习传感器的相关知识来手动设定，一方面降低了使用要求，另一方面也减少了人为设定引入的误差，在某些情况下甚至优于系统标定结果。
需要说明的是，本发明实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
参见图2，为本发明实施例提供的组合导航系统优化装置，所述装置包括：
设置模块10，用于给所述组合导航系统的系统参数设置多组初始值；
计算模块20，用于每设置一组初始值，计算对应的导航误差值；
第一优化模块30，用于根据所述多组初始值及对应的导航误差值，对所述系统参数进行第一次优化，得到所述系统参数的第一优化值，并计算对应的导航误差值；
确定模块40，用于若所述第一优化值对应的导航误差值小于预设值，则确定所述系统参数为所述第一优化值；以及，
第二优化模块50，用于若所述第一优化值对应的导航误差值大于预设值，则根据所述多组初始值及对应的导航误差值，对所述系统参数进行第二次优化，得到所述系统参数的第二优化值，并确定所述系统参数为所述第二优化值，第二次优化与所述第一次优化不同。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
图3示出了本实施例所提供的一种具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
本发明实施例提供一种非暂态计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种组合导航系统优化方法中的步骤。
本实施例的非暂态计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种组合导航系统优化方法，其特征在于，包括：
给所述组合导航系统的系统参数设置多组初始值；
每设置一组初始值，计算对应的导航误差值；
根据所述多组初始值及对应的导航误差值，对所述系统参数进行第一次优化，得到所述系统参数的第一优化值，并计算对应的导航误差值；
若所述第一优化值对应的导航误差值小于预设值，则确定所述系统参数为所述第一优化值；
若所述第一优化值对应的导航误差值大于预设值，则根据所述多组初始值及对应的导航误差值，对所述系统参数进行第二次优化，得到所述系统参数的第二优化值，并确定所述系统参数为所述第二优化值，第二次优化与所述第一次优化不同。
2.根据权利要求1所述的组合导航系统优化方法，其特征在于，所述计算对应的导航误差值，包括：
采集RTK导航数据和IMU的测量数据；
对所述测量数据进行导航估计，得到导航估计数据；
根据所述导航估计数据和所述RTK导航数据，计算对应的导航误差值。
3.根据权利要求1所述的组合导航系统优化方法，其特征在于，所述根据所述多组初始值及对应的导航误差值，对所述系统参数进行第一次优化，得到所述系统参数的第一优化值，包括：
将n+1组初始值按照导航误差值升序进行排序，得到排序后的n+1组初始值X1、…、Xn+1，n≥6；
确定前n组初始值的质心点X0，并计算所述质心点X0对应的导航误差值；
根据所述质心点X0、第一组初始值X1和第n+1组初始值Xn+1，确定反射点Xr，并计算所述反射点Xr对应的导航误差值；
若所述反射点Xr对应的导航误差值小于第二组初始值X2对应的导航误差值，且大于第一组初始值X1对应的导航误差值，则将所述反射点Xr替换为第n+1组初始值Xn+1，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤；
若所述反射点Xr对应的导航误差值小于第一组初始值X1对应的导航误差值，则根据所述质心点X0和所述反射点Xr，确定扩展点Xe，并计算所述扩展点Xe对应的导航误差值；在所述扩展点Xe对应的导航误差值小于所述反射点Xr对应的导航误差值时，将所述扩展点Xe替换为第n+1组初始值Xn+1，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤，否则将所述反射点Xr替换为第n+1组初始值Xn+1，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤；
若所述反射点Xr对应的导航误差值大于第二组初始值X2对应的导航误差值，则根据所述质心点X0和第n+1组初始值Xn+1，确定紧缩点Xc，并计算所述紧缩点Xc的导航误差值；在所述紧缩点Xc的导航误差值小于第n+1组初始值Xn+1对应的导航误差值时，将所述紧缩点Xc替换为第n+1组初始值Xn+1，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤，否则对第i组初始值Xi进行更新，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤，i＝2，3，...，n+1；
在每次返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤时，检测当前第一组初始值X1对应的导航误差值是否小于预设值；
若是，则将所述当前第一组初始值X1作为所述系统参数的第一优化值；
若否，则在返回次数达到预设次数时，将最后一次排序的第一组初始值X1作为所述系统参数的第一优化值。
4.根据权利要求3所述的组合导航系统优化方法，其特征在于，所述质心点X0的计算公式为
所述反射点Xr的计算公式为Xr＝X0+α(X0-Xn+1)，α为反射系数；
所述扩展点Xe的计算公式为Xe＝X0+γ(Xr-X0)，γ为扩展系数；
所述紧缩点Xc的计算公式为Xc＝X0+ρ(Xn+1-X0)，ρ为紧缩系数；
所述第i组初始值Xi的更新公式为Xi＝Xi+σ(Xi-X1)，σ为收缩系数。
5.根据权利要求4所述的组合导航系统优化方法，其特征在于，所述根据所述多组初始值及对应的导航误差值，对所述系统参数进行第二次优化，得到所述系统参数的第二优化值，包括：
将n+1组初始值按照导航误差值升序进行排序，得到排序后的n+1组初始值X1、…、Xn+1，n≥6；
根据全局随机游走步长step和第一组初始值X1，确定第i组初始值Xi对应的第i组数值X′i，并计算第i组数值X′i对应的导航误差值，i＝2，3，...，n+1；
若所述第i组数值X′i对应的导航误差值小于第i组初始值Xi对应的导航误差值，则将所述第i组数值X′i替换为第i组初始值Xi；
根据局部随机游走概率，对所述系统参数进行局部随机游走，确定第i组初始值Xi对应的第i组新数值X″i，并计算第i组新数值X″i对应的导航误差值，i＝2，3，...，n+1；
若所述第i组新数值X″i对应的导航误差值小于第i组初始值Xi对应的导航误差值，则将所述第i组新数值X″i替换为第i组初始值Xi，并返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤；
在每次返回至所述将n+1组初始值按照导航误差值升序进行排序的步骤时，检测当前第一组初始值X1对应的导航误差值是否小于预设值；
若是，则将所述当前第一组初始值X1作为所述系统参数的第二优化值；
若否，则在返回次数达到预设次数时，将最后一次排序的第一组初始值X1作为所述系统参数的第二优化值。
6.根据权利要求5所述的组合导航系统优化方法，其特征在于，所述第i组数值X′i的计算公式为：
X′i＝Xi+Δi，Δi＝α×step×(Xi-X1)×g，g～N(0，1)；
其中，α为步长缩放因子，β为全局随机游走指数，N为正态分布，
为标准伽马函数；
所述局部随机游走概率的计算公式为：
其中，P为局部随机游走概率，Pa为开关参数，δi为第i组初始值Xi对应的导航误差值；
所述第i组新数值X″i的计算公式为：
X″i＝Xi+Δ′i，Δ′i＝(Xi-Xj)×r，r～U(0，1)；
其中，U为均匀分布，1≤j≤n。
7.根据权利要求6所述的组合导航系统优化方法，其特征在于，所述系统参数包括IMU零偏、IMU安装角和惯导杆臂、过程噪声协方差和量测噪声方差。
8.一种组合导航系统优化装置，其特征在于，所述装置包括：
设置模块，用于给所述组合导航系统的系统参数设置多组初始值；
计算模块，用于每设置一组初始值，计算对应的导航误差值；
第一优化模块，用于根据所述多组初始值及对应的导航误差值，对所述系统参数进行第一次优化，得到所述系统参数的第一优化值，并计算对应的导航误差值；
确定模块，用于若所述第一优化值对应的导航误差值小于预设值，则确定所述系统参数为所述第一优化值；以及，
第二优化模块，用于若所述第一优化值对应的导航误差值大于预设值，则根据所述多组初始值及对应的导航误差值，对所述系统参数进行第二次优化，得到所述系统参数的第二优化值，并确定所述系统参数为所述第二优化值，第二次优化与所述第一次优化不同。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至7任意一项所述的组合导航系统优化方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7任意一项所述的组合导航系统优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010936370.1A CN112082547B (zh) | 2020-09-08 | 2020-09-08 | 组合导航系统优化方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010936370.1A CN112082547B (zh) | 2020-09-08 | 2020-09-08 | 组合导航系统优化方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112082547A true CN112082547A (zh) | 2020-12-15 |
| CN112082547B CN112082547B (zh) | 2022-05-10 |
Family
ID=73732149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010936370.1A Active CN112082547B (zh) | 2020-09-08 | 2020-09-08 | 组合导航系统优化方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112082547B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112987054A (zh) * | 2021-02-24 | 2021-06-18 | 博雅工道（北京）机器人科技有限公司 | 标定sins/dvl组合导航系统误差的方法和装置 |
| CN113137976A (zh) * | 2021-02-25 | 2021-07-20 | 中国人民解放军海军潜艇学院 | 惯导系统定位性能评估方法、装置、设备和存储介质 |
| CN113932835A (zh) * | 2021-12-17 | 2022-01-14 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位杆臂的标定方法、装置及电子设备 |
| CN114252073A (zh) * | 2021-11-25 | 2022-03-29 | 江苏集萃智能制造技术研究所有限公司 | 一种机器人姿态数据融合方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140019046A1 (en) * | 2012-07-10 | 2014-01-16 | Honeywell International Inc. | Multiple truth reference system and method |
| CN105318873A (zh) * | 2014-07-31 | 2016-02-10 | 精工爱普生株式会社 | 位置计算方法以及位置计算装置 |
| US20180254958A1 (en) * | 2017-03-03 | 2018-09-06 | Nec Laboratories America, Inc. | Link prediction with spatial and temporal consistency in dynamic networks |
| CN109922478A (zh) * | 2019-01-14 | 2019-06-21 | 北京工商大学 | 一种基于改进布谷鸟算法的水质传感器网络优化部署方法 |
| CN109991640A (zh) * | 2017-12-29 | 2019-07-09 | 上海司南卫星导航技术股份有限公司 | 一种组合导航系统及其定位方法 |
| CN111141273A (zh) * | 2019-12-18 | 2020-05-12 | 无锡北微传感科技有限公司 | 基于多传感器融合的组合导航方法及系统 |
| CN111272174A (zh) * | 2020-02-27 | 2020-06-12 | 中国科学院计算技术研究所 | 一种组合导航方法和系统 |
-
2020
- 2020-09-08 CN CN202010936370.1A patent/CN112082547B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140019046A1 (en) * | 2012-07-10 | 2014-01-16 | Honeywell International Inc. | Multiple truth reference system and method |
| CN105318873A (zh) * | 2014-07-31 | 2016-02-10 | 精工爱普生株式会社 | 位置计算方法以及位置计算装置 |
| US20180254958A1 (en) * | 2017-03-03 | 2018-09-06 | Nec Laboratories America, Inc. | Link prediction with spatial and temporal consistency in dynamic networks |
| CN109991640A (zh) * | 2017-12-29 | 2019-07-09 | 上海司南卫星导航技术股份有限公司 | 一种组合导航系统及其定位方法 |
| CN109922478A (zh) * | 2019-01-14 | 2019-06-21 | 北京工商大学 | 一种基于改进布谷鸟算法的水质传感器网络优化部署方法 |
| CN111141273A (zh) * | 2019-12-18 | 2020-05-12 | 无锡北微传感科技有限公司 | 基于多传感器融合的组合导航方法及系统 |
| CN111272174A (zh) * | 2020-02-27 | 2020-06-12 | 中国科学院计算技术研究所 | 一种组合导航方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 唐海亮等: ""面向旋翼无人机的高精度组合导航模块设计与评估"", 《传感技术学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112987054A (zh) * | 2021-02-24 | 2021-06-18 | 博雅工道（北京）机器人科技有限公司 | 标定sins/dvl组合导航系统误差的方法和装置 |
| CN112987054B (zh) * | 2021-02-24 | 2023-03-03 | 博雅工道（北京）机器人科技有限公司 | 标定sins/dvl组合导航系统误差的方法和装置 |
| CN113137976A (zh) * | 2021-02-25 | 2021-07-20 | 中国人民解放军海军潜艇学院 | 惯导系统定位性能评估方法、装置、设备和存储介质 |
| CN113137976B (zh) * | 2021-02-25 | 2024-01-09 | 中国人民解放军海军潜艇学院 | 惯导系统定位性能评估方法、装置、设备和存储介质 |
| CN114252073A (zh) * | 2021-11-25 | 2022-03-29 | 江苏集萃智能制造技术研究所有限公司 | 一种机器人姿态数据融合方法 |
| CN114252073B (zh) * | 2021-11-25 | 2023-09-15 | 江苏集萃智能制造技术研究所有限公司 | 一种机器人姿态数据融合方法 |
| CN113932835A (zh) * | 2021-12-17 | 2022-01-14 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位杆臂的标定方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112082547B (zh) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112082547B (zh) | 组合导航系统优化方法、装置、电子设备及存储介质 | |
| CN111721289B (zh) | 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆 | |
| CN112577521B (zh) | 一种组合导航误差校准方法及电子设备 | |
| CN111102978A (zh) | 一种车辆运动状态确定的方法、装置及电子设备 | |
| CN114179825B (zh) | 多传感器融合获取量测值置信度方法及自动驾驶车辆 | |
| CN109507706B (zh) | 一种gps信号丢失的预测定位方法 | |
| CN114018274A (zh) | 车辆定位方法、装置及电子设备 | |
| CN105209856B (zh) | 动态校准磁传感器 | |
| CN109931952A (zh) | 未知纬度条件下捷联惯导直接解析式粗对准方法 | |
| 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 | |
| CN115164936A (zh) | 高精地图制作中用于点云拼接的全局位姿修正方法及设备 | |
| CN115485527A (zh) | 将测量值量化误差建模为状态的导航设备和方法 | |
| CN116678403A (zh) | 惯性测量装置的温度补偿方法、装置、设备及存储介质 | |
| CN115183716B (zh) | 一种基于智能导航机器人的土方测量方法及系统 | |
| CN114001730B (zh) | 融合定位方法、装置、计算机设备和存储介质 | |
| CN113252028B (zh) | 输水隧洞内机器人的定位方法、电子设备及存储介质 | |
| CN114019954B (zh) | 航向安装角标定方法、装置、计算机设备和存储介质 | |
| CN114964262A (zh) | 一种基于多源融合的机器人定位方法 | |
| KR101786281B1 (ko) | 자기 헤딩 계산을 위한 디바이스 및 방법 | |
| CN112985385A (zh) | 应用高精地图的定位定向系统与定位定向方法 | |
| CN111002991B (zh) | 一种车载导航信息处理的方法、装置及计算机存储介质 | |
| CN112589806B (zh) | 机器人位姿信息确定方法、装置、设备及存储介质 | |
| CN116182854B (zh) | 自适应鲁棒惯性/重力匹配组合导航方法、系统及终端 | |
| CN115343730B (zh) | Gnss天线外参确定方法、装置与计算机可读存储介质 | |
| CN110579212B (zh) | 室内定位方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |