CN112683267B - 一种附有gnss速度矢量辅助的车载姿态估计方法 - Google Patents
一种附有gnss速度矢量辅助的车载姿态估计方法 Download PDFInfo
- Publication number
- CN112683267B CN112683267B CN202011373852.7A CN202011373852A CN112683267B CN 112683267 B CN112683267 B CN 112683267B CN 202011373852 A CN202011373852 A CN 202011373852A CN 112683267 B CN112683267 B CN 112683267B
- Authority
- CN
- China
- Prior art keywords
- representing
- gnss
- attitude
- accelerometer
- variance
- 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
Abstract
本发明公开了一种附有GNSS速度矢量辅助的车载姿态估计方法,属于导航领域。该方法首先利用陀螺仪与加速度计检验GNSS速度,通过滑动递推窗口补偿运动加速度,在第一级滤波中融合陀螺仪与加速度计数据;然后利用GNSS速度检验磁力计模型中的磁场干扰,在第二级滤波中融合磁力计数据;最后建立GNSS速度观测矢量对方程,建立滚转/滚转‑偏航约束方程,完成第三级滤波。设计了级联式间接卡尔曼滤波器结构,对于不同传感器同步和异步均适用,每一级更新都使得下一级的量测模型线性化更加精准。所用的测量传感器间交叉检验,有益于误差补偿与修正。在整个过程中本发明实现了GNSS速度矢量信息价值的最大化。
Description
技术领域
本发明属于导航领域,具体涉及附有GNSS速度矢量辅助的MARG多传感器级联式车载姿态估计方法。
背景技术
近几十年来,随着自动驾驶技术需求的快速增长,获取准确可靠的车辆姿态(俯仰、滚转和偏航)变得非常重要。典型应用场景包括车辆导航和智能感知、移动卫星通信、车辆编队、车辆横向/稳定性控制系统等。随着微机电(Micro-Electro-Mechanical System,MEMS)技术的发展,MEMS陀螺仪与加速度计已被广泛应用于估计载体的姿态信息。然而,由于存在陀螺漂移与数值积分误差,往往需要其他的低成本传感器进行辅助,以抑制偏航累积误差。与惯性传感器集成在一起的最为常用的一种传感器是磁力计。这种集成设备也被称为MARG(magnetic,angular rate and gravity,MARG)传感器阵列。总体而言,使用MARG传感器进行车辆姿态估计仍然具有挑战性,特别是对于一些未知的应用场景,其间通常伴随内部或外部未建模的误差源,如运动加速度和磁场干扰。作为重要的补充,全球卫星导航系统(Global Navigation Satellite System,GNSS)速度能够给MARG姿态估计带来众多好处。然而,在GNSS和MARG传感器数据融合过程中仍存在一些关键问题:(1)传统GNSS辅助惯性传感器测姿主要通过构造多维惯导误差状态的卡尔曼滤波器同时估计载体位置、速度与姿态参数(PVA),但该架构姿态信息可观性差,PVA环路误差耦合严重。(2)低成本传感器观测数据质量不高,平台计算资源受限,需建立高效、鲁棒的数据融合测姿架构;(3)目前GNSS速度信息在姿态估计中的使用过于简单,未能实现其价值的最大化。比如,采用一阶GNSS速度差分计算补偿加速度计观测与参考矢量对的外部加速度干扰项,其无法适应具有高阶动力学特性的载体测姿场景。又如将GNSS速度矢量所导出的欧拉角直接融合MARG的方式使得部分误差内在统计特性对姿态求解的影响缺失。而在GNSS弱信号场景下所输出的速度信息未经系统级的交叉检验反而极易导致MARG姿态解不稳定甚至发散。(4)当发生磁场干扰、载体机动、GNSS多路效应等复杂境况时,如何保障姿态估计融合算法的适应性与鲁棒性。
发明内容
针对上述问题,本发明提出一种附有GNSS速度矢量辅助的MARG多传感器级联式车载姿态估计方法。
本发明方法首先利用陀螺仪与加速度计检验GNSS速度,通过滑动递推窗口补偿运动加速度,在第一级滤波中融合陀螺仪与加速度计数据;然后利用GNSS速度检验磁力计模型中的磁场干扰,在第二级滤波中融合磁力计数据;最后建立GNSS速度观测矢量对方程,建立滚转/滚转-偏航约束方程,完成第三级滤波。设计了级联式间接卡尔曼滤波器结构,对于不同传感器同步和异步均适用,每一级更新都使得下一级的量测模型线性化更加精准。所用的测量传感器间交叉检验,有益于误差补偿与修正。在整个过程中本发明实现了GNSS速度矢量信息价值的最大化,主要表现在以下四个方面:(1)使用GNSS速度的滑动时间窗口提取运动加速度时变特征,从而精准补偿MARG系统模型中的外部加速度干扰项;(2)将车辆载体系与GNSS坐标系关联,形成GNSS速度观测矢量对,以实现与MARG多矢量对匹配测姿模型的统一;(3)利用GNSS速度矢量构造关联参数以实现磁场干扰的实时可靠检测;(4)GNSS速度矢量对模型用于车载姿态估计过程中的陀螺漂移与加速度计零偏误差的同步估计。
本发明的技术方案为:一种附有GNSS速度矢量辅助的车载姿态估计方法,包括以下步骤:
步骤1:利用陀螺仪数据进行姿态推算;
步骤2:利用加速度计和陀螺仪对GNSS速度进行检测:
步骤2-1:利用长度为l的滑动递推窗口对GNSS速度进行p阶多项式拟合,进一步对其求导,获得运动加速度拟合多项式;对GNSS速度得到的运动加速度与陀螺仪和加速度计计算的运动加速度进行比较,检验GNSS速度是否异常;
步骤2-2:利用GNSS速度进行俯仰角求解,将其与陀螺仪获得的俯仰角进行比较,检验GNSS速度是否异常;
步骤3:利用GNSS速度对运动加速度进行补偿,进行陀螺仪/加速度计一级滤波;
步骤4:利用GNSS速度检测与排除磁力计模型中的磁场干扰;
步骤5:进行二级滤波,融合磁力计数据;
步骤6:进行三级滤波,融合GNSS速度信息。具体步骤如下:
步骤6-1:计算三级滤波状态及其方差的一步预测:
步骤6-2:利用GNSS速度建立载体速度矢量对方程,进一步建立三级滤波量测方程;
步骤6-3:建立三级滤波滚转/滚转-偏航约束方程;
步骤6-4:基于贝叶斯理论进行最优估计,得到含滚转/偏航-滚转约束的三级滤波状态估计值,完成姿态估计。
本发明公开了一种附有GNSS速度矢量辅助的MARG多传感器级联式车载姿态估计方法。该方法首先利用陀螺仪与加速度计检验GNSS速度,通过滑动递推窗口补偿运动加速度,在第一级滤波中融合陀螺仪与加速度计数据;然后利用GNSS速度检验磁力计模型中的磁场干扰,在第二级滤波中融合磁力计数据;最后建立GNSS速度观测矢量对方程,建立滚转/滚转-偏航约束方程,完成第三级滤波。设计了级联式间接卡尔曼滤波器结构,对于不同传感器同步和异步均适用,每一级更新都使得下一级的量测模型线性化更加精准。所用的测量传感器间交叉检验,有益于误差补偿与修正。在整个过程中本发明实现了GNSS速度矢量信息价值的最大化,主要表现在以下四个方面:(1)使用GNSS速度的滑动时间窗口提取运动加速度时变特征,从而精准补偿MARG系统模型中的外部加速度干扰项;(2)将车辆载体系与GNSS坐标系关联,形成GNSS速度观测矢量对,以实现与MARG多矢量对匹配测姿模型的统一;(3)利用GNSS速度矢量构造关联参数以实现磁场干扰的实时可靠检测;(4)GNSS速度矢量对模型用于车载姿态估计过程中的陀螺漂移与加速度计零偏误差的同步估计。
附图说明
图1为级联卡尔曼滤波算法框图。
具体实施方式
下面结合附图,对本发明采用的一种附有GNSS速度矢量辅助的MARG多传感器级联式车载姿态估计方法进行详细说明:
步骤1:利用陀螺仪数据进行姿态预测:
建立陀螺仪输出模型:
zg=ω+bg+εg (1)
其中,zg表示陀螺输出,ω表示角速率,bg为陀螺漂移误差,εg为零均值高斯噪声;根据四元数微分方程进行姿态更新:
其中,qξ表示四元数的第2至第4个分量,对于3维向量qξ,有状态微分方程:
步骤2:利用加速度计和陀螺仪,对GNSS速度进行检测;
步骤2-1:利用长度为l的滑动递推窗口对GNSS速度进行p阶多项式拟合,然后对拟合的多项式进行求导,获得相应的运动加速度拟合多项式;对GNSS速度得到的运动加速度与陀螺仪和加速度计计算的运动加速度进行比较,检验GNSS速度是否异常;具体步骤如下:
给定滑动窗口长度l,则e系(WGS84坐标系)下的GNSS速度序列可表示为:
对GNSS速度得到的运动加速度与陀螺仪和加速度计计算的运动加速度进行比较,检验GNSS速度是否异常:
加速度计输出模型为:
对两种方法计算的运动加速度进行比较,以检验GNSS速度是否有效:
其中,κv为经验阈值,其值与GNSS精度和加速度计的零偏稳定性有关;|| ||表示取模运算;
步骤2-2:利用GNSS速度进行俯仰角求解,将其与陀螺计算的俯仰角进行比较,进一步检验GNSS速度是否异常;
两种方法计算俯仰角:
其中,θs表示利用GNSS速度计算的俯仰角,θa表示根据加速度计与陀螺仪计算的俯仰角, 分别表示GNSS速度在地向、北向和东向的分量;arctan表示反正切运算;arcsin表示反正弦运算;矩阵下标(1,3)表示取矩阵第1行第3列的元素;
检验GNSS速度是否有效:
其中,κθ为俯仰角阈值,||表示取绝对值;
步骤3:当GNSS速度可用的情况下,对运动加速度进行补偿,进行陀螺仪/加速度计一级滤波;
其中,转移矩阵B与系统噪声方差Q分别为:
利用加速度计建立量测模型:
其中, 表示k时刻的量测信息,Ha,k表示k时刻的加速度计量测模型矩阵,za,k表示k时刻的加速度计输出,表示利用陀螺估计的姿态四元数,表示k时刻的运动加速度估计,利用(12)获得。基于线性卡尔曼滤波进行状态估计,获得融合加速度计信息后的状态及方差将一级滤波的结果更新至姿态四元数并做归一化处理:
其中,表示一级滤波k时刻融合加速度计信息后的姿态误差,表示一级滤波k时刻融合加速度计信息后的状态估计量,表示取矢量的第1至第3个分量;表示k时刻利用陀螺估计的姿态四元数;表示一级滤波k时刻融合加速度计信息后的姿态四元数;用更新并对状态矢量中qξ置零;
步骤4:在GNSS速度可用的情况下,利用GNSS速度进行磁力计模型磁场干扰检测:对GNSS速度计算的偏航角和磁力计计算的偏航角进行比较,以此检测是否存在磁场干扰。
利用GNSS速度计算载体偏航角:
磁力计计算的偏航角记为γm,设定阈值κγ,通过比较两种方法计算的偏航角,检验是否存在磁场干扰;
步骤5:当检测结果为无磁场干扰时,进行二级滤波,融合磁力计数据;
进行二级滤波状态及其方差一步预测:
其中,表示k时刻融合加速度计信息后的状态估计,在步骤3中获得,其方差为Pa,k;表示k时刻融合磁力计信息后的状态一步预测,表示状态方差,Pa,k(1:3,1:3)表示取矩阵Pa,k第1至3行,1至3列的矩阵;
建立磁力计量测模型:
其中,zm表示磁力计输出,mn表示n系下的地磁参考矢量;εm为磁力计噪声,将模型记为
进行二级滤波观测修正:
其中,表示二级滤波k时刻融合磁力计信息后的姿态误差,表示二级滤波k时刻融合磁力计信息后的状态估计量,见(32);为矢量的第1至第3个分量;表示一级滤波k时刻融合加速度计信息后的姿态四元数,见(23);表示二级滤波k时刻融合磁力计信息后的姿态四元数。用更新并对状态矢量中qξ置零;
步骤6:当GNSS速度正常情况下,融合GNSS速度信息,进行三级滤波;具体步骤如下:
步骤6-1:对于三级滤波,计算状态及其方差的一步预测:
步骤6-2:利用GNSS速度建立三级滤波量测方程:
利用GNSS速度建立载体速度矢量对方程:
式(37)中,噪声ε1包含两类影响:一为车轮轨迹和车辆b系X轴的定义方向存在偏差;二为由路面引起车辆滑动或跳跃,导致在Y轴或Z轴存在速度;GNSS速度观测模型有:
根据误差传播定律确定εs的方差Rs:
其中,R1和R2分别表示噪声ε1和ε2的方差;利用GNSS速度建立三级滤波量测方程
步骤6-3:建立三级滤波滚转/偏航-滚转约束方程:
利用Z轴角速率输出zg(3)(t)检测载体是否存在转弯:
由于GNSS速度无法测量载体滚转角,在三级滤波中,GNSS速度不对二级滤波的姿态滚转角修正;据此可建立滚转约束方程:
其中,矩阵下标(2,3)表示取矩阵第2行第3列的元素;(3,3)表示取矩阵第3行第3列的元素。
其中,表示三级滤波中融合GNSS速度后的姿态四元数估计;表示与姿态真值间的误差四元数;表示三级滤波中融合GNSS速度后的状态矢量估计;向量下标(1),(2),(3),以及下文出现的(4)分别表示取向量的第1、第2、第3、第4个元素。
进一步整理,可将滚转约束方程改写成如下形式
其中,约束矩阵为
在车辆转弯时,GNSS速度方向与载体偏航角方向存在偏差;为抑制其对偏航角的影响,在转弯情况下建立偏航-滚转约束方程,约束矩阵为
步骤6-4:基于贝叶斯理论进行最优估计,得到含滚转/偏航-滚转约束的三级滤波状态估计值,完成姿态估计:
基于贝叶斯理论建立如下最优问题:
引入拉格朗日算子,
对其求一阶偏导数,有
Claims (5)
1.一种附有GNSS速度矢量辅助的车载姿态估计方法,包括以下步骤:
步骤1:利用陀螺仪数据进行姿态推算;
步骤2:利用加速度计和陀螺仪对GNSS速度进行检测:
步骤2-1:利用长度为l的滑动递推窗口对GNSS速度进行p阶多项式拟合,进一步对其求导,获得运动加速度拟合多项式;对GNSS速度得到的运动加速度与陀螺仪和加速度计计算的运动加速度进行比较,检验GNSS速度是否异常;
步骤2-2:利用GNSS速度进行俯仰角求解,将其与陀螺仪获得的俯仰角进行比较,检验GNSS速度是否异常;
步骤3:利用GNSS速度对运动加速度进行补偿,进行陀螺仪/加速度计一级滤波;
其中,转移矩阵B与系统噪声方差Q分别为:
利用加速度计建立量测模型:
其中, 表示k时刻的量测信息,Ha,k表示k时刻的加速度计量测模型矩阵,za,k表示k时刻的加速度计输出,表示利用陀螺估计的姿态四元数,表示k时刻的运动加速度估计;基于线性卡尔曼滤波进行状态估计,获得融合加速度计信息后的状态及方差Pa,k;将一级滤波的结果更新至姿态四元数并做归一化处理:
其中,表示一级滤波k时刻融合加速度计信息后的姿态误差,表示一级滤波k时刻融合加速度计信息后的状态估计量,表示取矢量的第1至第3个分量;表示k时刻利用陀螺估计的姿态四元数;表示一级滤波k时刻融合加速度计信息后的姿态四元数;用更新并对状态矢量中qξ置零;
步骤4:利用GNSS速度检测排除磁力计模型中的磁场干扰;
步骤5:进行二级滤波,融合磁力计数据;
进行二级滤波状态及其方差一步预测:
其中,表示k时刻融合加速度计信息后的状态估计,在步骤3中获得,其方差为Pa,k;表示k时刻融合磁力计信息后的状态一步预测,表示状态方差,Pa,k(1:3,1:3)表示取矩阵Pa,k第1至3行,1至3列的矩阵;
建立磁力计量测模型:
其中,zm表示磁力计输出,mn表示n系下的地磁参考矢量;εm为磁力计噪声,将模型记为
进行二级滤波观测修正:
其中,表示二级滤波k时刻融合磁力计信息后的姿态误差,表示二级滤波k时刻融合磁力计信息后的状态估计量,见(13);为矢量的第1至第3个分量;表示一级滤波k时刻融合加速度计信息后的姿态四元数,见(6);表示二级滤波k时刻融合磁力计信息后的姿态四元数;用更新并对状态矢量中qξ置零;
步骤6:进行三级滤波,融合GNSS速度信息;具体步骤如下:
步骤6-1:计算三级滤波状态及其方差的一步预测:
对于三级滤波,计算状态及其方差的一步预测:
步骤6-2:利用GNSS速度建立载体速度矢量对方程,进一步建立三级滤波量测方程;
利用GNSS速度建立载体速度矢量对方程:
式(37)中,噪声ε1包含两类影响:一为车轮轨迹和车辆b系X轴的定义方向存在偏差;二为由路面引起车辆滑动或跳跃,导致在Y轴或Z轴存在速度;GNSS速度观测模型有:
根据误差传播定律确定εs的方差Rs:
其中,R1和R2分别表示噪声ε1和ε2的方差;利用GNSS速度建立三级滤波量测方程
步骤6-3:建立三级滤波滚转/偏航-滚转约束方程:
利用Z轴角速率输出zg(3)(t)检测载体是否存在转弯:
由于GNSS速度无法测量载体滚转角,在三级滤波中,GNSS速度不对二级滤波的姿态滚转角修正;据此可建立滚转约束方程:
其中,矩阵下标(2,3)表示取矩阵第2行第3列的元素;(3,3)表示取矩阵第3行第3列的元素;
其中,表示三级滤波中融合GNSS速度后的姿态四元数估计;表示与姿态真值间的误差四元数;表示三级滤波中融合GNSS速度后的状态矢量估计;向量下标(1),(2),(3),以及下文出现的(4)分别表示取向量的第1、第2、第3、第4个元素;
将滚转约束方程改写成如下形式
其中,约束矩阵为
在车辆转弯时,GNSS速度方向与载体偏航角方向存在偏差;为抑制其对偏航角的影响,在转弯情况下建立偏航-滚转约束方程,约束矩阵为
步骤6-4:基于贝叶斯理论进行最优估计,得到含滚转/偏航-滚转约束的三级滤波状态估计值,完成姿态估计:
基于贝叶斯理论建立如下最优问题:
引入拉格朗日算子,
对其求一阶偏导数,有
3.如权利要求1所述的一种附有GNSS速度矢量辅助的车载姿态估计方法,其特征在于,所述步骤2-1的方法为:
利用长度为l的滑动递推窗口对GNSS速度进行p阶多项式拟合,然后对拟合的多项式进行求导,获得相应的运动加速度拟合多项式;对GNSS速度得到的运动加速度与陀螺仪和加速度计计算的运动加速度进行比较,检验GNSS速度是否异常;具体步骤如下:
给定滑动窗口长度l,则e系下的GNSS速度序列可表示为:
对GNSS速度得到的运动加速度与陀螺仪和加速度计计算的运动加速度进行比较,检验GNSS速度是否异常:
加速度计输出模型为:
对两种方法计算的运动加速度进行比较,以检验GNSS速度是否有效:
其中,κv为经验阈值,其值与GNSS精度和加速度计的零偏稳定性有关;|| ||表示取模运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011373852.7A CN112683267B (zh) | 2020-11-30 | 2020-11-30 | 一种附有gnss速度矢量辅助的车载姿态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011373852.7A CN112683267B (zh) | 2020-11-30 | 2020-11-30 | 一种附有gnss速度矢量辅助的车载姿态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112683267A CN112683267A (zh) | 2021-04-20 |
CN112683267B true CN112683267B (zh) | 2022-06-03 |
Family
ID=75446930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011373852.7A Active CN112683267B (zh) | 2020-11-30 | 2020-11-30 | 一种附有gnss速度矢量辅助的车载姿态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112683267B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113790720B (zh) * | 2021-08-16 | 2023-08-15 | 北京自动化控制设备研究所 | 一种基于递推最小二乘的抗扰动粗对准方法 |
CN114413933A (zh) * | 2022-01-17 | 2022-04-29 | 广东星舆科技有限公司 | 一种加速度计动态较准方法、系统及存储介质 |
CN114608570B (zh) * | 2022-02-25 | 2023-06-30 | 电子科技大学 | 一种多模式自切换的管线仪自适应精密定位方法 |
CN117390347A (zh) * | 2023-12-06 | 2024-01-12 | 无锡车联天下信息技术有限公司 | 一种基于运动估计漂移优化的汽车航向角解算方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1690067A1 (en) * | 2003-12-05 | 2006-08-16 | Honeywell International Inc. | System and method for using multiple aiding sensors in a deeply integrated navigation system |
CA2769085A1 (en) * | 2011-02-28 | 2012-08-28 | Research In Motion Limited | Portable electronic device adapted to compensate for gyroscope bias |
WO2014022664A2 (en) * | 2012-08-02 | 2014-02-06 | Memsic, Inc. | Method and apparatus for data fusion of a three axis magnetometer and three axis accelerometer |
WO2015057074A1 (en) * | 2013-10-18 | 2015-04-23 | Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno | Adjusted navigation |
CN109556632A (zh) * | 2018-11-26 | 2019-04-02 | 北方工业大学 | 一种基于卡尔曼滤波的ins/gnss/偏振/地磁组合导航对准方法 |
CN110017837A (zh) * | 2019-04-26 | 2019-07-16 | 沈阳航空航天大学 | 一种姿态抗磁干扰的组合导航方法 |
CN110470294A (zh) * | 2019-08-09 | 2019-11-19 | 西安电子科技大学 | 一种虚拟测量与卡尔曼滤波融合的载体姿态估计方法 |
CN110793515A (zh) * | 2018-08-02 | 2020-02-14 | 哈尔滨工业大学 | 一种基于单天线gps和imu的大机动条件下无人机姿态估计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109813308A (zh) * | 2019-03-07 | 2019-05-28 | 京东方科技集团股份有限公司 | 姿态估计方法、装置及计算机可读存储介质 |
CN111076722B (zh) * | 2019-11-18 | 2022-07-19 | 广州南方卫星导航仪器有限公司 | 基于自适应的四元数的姿态估计方法及装置 |
-
2020
- 2020-11-30 CN CN202011373852.7A patent/CN112683267B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1690067A1 (en) * | 2003-12-05 | 2006-08-16 | Honeywell International Inc. | System and method for using multiple aiding sensors in a deeply integrated navigation system |
CA2769085A1 (en) * | 2011-02-28 | 2012-08-28 | Research In Motion Limited | Portable electronic device adapted to compensate for gyroscope bias |
EP2520903A1 (en) * | 2011-02-28 | 2012-11-07 | Research In Motion Limited | Portable electronic device adapted to compensate for gyroscope bias |
WO2014022664A2 (en) * | 2012-08-02 | 2014-02-06 | Memsic, Inc. | Method and apparatus for data fusion of a three axis magnetometer and three axis accelerometer |
WO2015057074A1 (en) * | 2013-10-18 | 2015-04-23 | Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno | Adjusted navigation |
CN110793515A (zh) * | 2018-08-02 | 2020-02-14 | 哈尔滨工业大学 | 一种基于单天线gps和imu的大机动条件下无人机姿态估计方法 |
CN109556632A (zh) * | 2018-11-26 | 2019-04-02 | 北方工业大学 | 一种基于卡尔曼滤波的ins/gnss/偏振/地磁组合导航对准方法 |
CN110017837A (zh) * | 2019-04-26 | 2019-07-16 | 沈阳航空航天大学 | 一种姿态抗磁干扰的组合导航方法 |
CN110470294A (zh) * | 2019-08-09 | 2019-11-19 | 西安电子科技大学 | 一种虚拟测量与卡尔曼滤波融合的载体姿态估计方法 |
Non-Patent Citations (4)
Title |
---|
"Attitude estimation using MARG sensors for unmanned aerial vehicles";Tan, Lining等;《Journal of Computational Methods in Sciences and Engineering》;20181231;第18卷(第4期);905-916 * |
"Fast Complementary Filter for Attitude Estimation Using Low-Cost MARG Sensors";Wu, Jin等;《IEEE SENSORS JOURNAL》;20160915;第16卷(第18期);6997-7007 * |
"GPS/Doppler导航随机模型的移动窗口实时估计算法";周泽波等;《测绘学报》;20110430;第40卷(第2期);220-225 * |
"基于 MRPs/NPUPF 的地磁/加速度计测量的姿态估计新方法";郭庆等;《宇航学报》;20110228;第32卷(第2期);905-916 * |
Also Published As
Publication number | Publication date |
---|---|
CN112683267A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112683267B (zh) | 一种附有gnss速度矢量辅助的车载姿态估计方法 | |
CN111426318B (zh) | 基于四元数-扩展卡尔曼滤波的低成本ahrs航向角补偿方法 | |
CN108180925B (zh) | 一种里程计辅助车载动态对准方法 | |
CN111156994B (zh) | 一种基于mems惯性组件的ins/dr&gnss松组合导航方法 | |
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 | |
CN101726295B (zh) | 考虑加速度补偿和基于无迹卡尔曼滤波的惯性位姿跟踪方法 | |
CN112097763B (zh) | 一种基于mems imu/磁力计/dvl组合的水下运载体组合导航方法 | |
CN110702104B (zh) | 一种基于车辆零速检测的惯性导航误差修正方法 | |
CN108398128B (zh) | 一种姿态角的融合解算方法和装置 | |
CN110017837B (zh) | 一种姿态抗磁干扰的组合导航方法 | |
CN103727941B (zh) | 基于载体系速度匹配的容积卡尔曼非线性组合导航方法 | |
CN109596144B (zh) | Gnss位置辅助sins行进间初始对准方法 | |
CN103822633A (zh) | 一种基于二阶量测更新的低成本姿态估计方法 | |
CN112504275B (zh) | 一种基于级联卡尔曼滤波算法的水面舰船水平姿态测量方法 | |
CN110954102B (zh) | 用于机器人定位的磁力计辅助惯性导航系统及方法 | |
CN106052685A (zh) | 一种两级分离融合的姿态和航向估计方法 | |
CN112683269B (zh) | 一种附有运动加速度补偿的marg姿态计算方法 | |
CN109959374B (zh) | 一种行人惯性导航全时全程逆向平滑滤波方法 | |
Kong et al. | Performance improvement of visual-inertial navigation system by using polarized light compass | |
CN109387198B (zh) | 一种基于序贯检测的惯性/视觉里程计组合导航方法 | |
CN106595669B (zh) | 一种旋转体姿态解算方法 | |
CN108871319B (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 | |
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 | |
CN113008229A (zh) | 一种基于低成本车载传感器的分布式自主组合导航方法 | |
CN104101345A (zh) | 基于互补重构技术的多传感器姿态融合方法 |
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 |