CN113063429A - 一种自适应车载组合导航定位方法 - Google Patents

一种自适应车载组合导航定位方法 Download PDF

Info

Publication number
CN113063429A
CN113063429A CN202110292284.6A CN202110292284A CN113063429A CN 113063429 A CN113063429 A CN 113063429A CN 202110292284 A CN202110292284 A CN 202110292284A CN 113063429 A CN113063429 A CN 113063429A
Authority
CN
China
Prior art keywords
information
error
time
speed
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
Application number
CN202110292284.6A
Other languages
English (en)
Other versions
CN113063429B (zh
Inventor
高同跃
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.)
Suzhou Huami Navigation Technology Co ltd
Original Assignee
Suzhou Huami Navigation Technology Co ltd
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 Suzhou Huami Navigation Technology Co ltd filed Critical Suzhou Huami Navigation Technology Co ltd
Priority to CN202110292284.6A priority Critical patent/CN113063429B/zh
Publication of CN113063429A publication Critical patent/CN113063429A/zh
Application granted granted Critical
Publication of CN113063429B publication Critical patent/CN113063429B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • 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
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

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

本发明公开了一种自适应车载组合导航定位方法，该方法将卫星定位系统和捷联惯导系统进行多传感器信息融合，在标准组合导航系统的基础上，根据卫星定位质量等因素构建调节因子，对系统观测噪声阵进行实时自适应调节，即构造自适应的GPS/INS卡尔曼滤波算法，从而可以在任何复杂环境下，能够获得高精度车辆的位置、速度、姿态、加速度和角速度等信息，本发明专利实时性高，鲁棒性好。

Description

一种自适应车载组合导航定位方法
技术领域
本发明涉及汽车导航技术领域，具体为一种自适应车载组合导航定位方法。
背景技术
卫星导航是当前应用最广泛的定位技术，定位和测速精度较高，且长时间工作稳定性好。但是，在许多复杂环境下(高架下、隧道、车库)，卫星定位常常存在多路径效应干扰、卫星信号被遮挡或失锁的问题，甚至不能定位或定位误差大等问题，从而无法工作。
捷联惯导系统，简称惯导，是一种完全自主导航系统，他可以连续提供载体的位置、速度、姿态、加速度和角速度等信息，短时间内稳定性好，使用方便，成本低廉。
基于上述分析，采用卡尔曼滤波技术可以把卫星定位和惯导定位进行信息融合，获得各种环境下的车辆位置信息、速度信息等，从而可以实现高性能的导航定位，但是，大量研究表明，低成本组合导航系统中，卫星接收机会受到建筑物、云层以及电磁的干扰，导致量测噪声经常发生变化，所以，必须利用实时测量信息对组合导航系统进行实时纠正，但是，常用自适应组合导航滤波算法往往利用新息进行结算，计算量大，很难保证实时性。
发明内容
本发明的目的在于提供了一种自适应车载组合导航定位方法，通过自适应组合导航算法将惯性导航测量数据和卫星导航测量数据进行自适应数据融合修正，计算量小，可以实时获得车辆定位信息。
为实现上述目的，本发明提供如下技术方案：一种自适应车载组合导航定位方法，提供一车载导航系统，所述车载导航系统包括，
卫星导航接收模块，用于接收GPS卫星发射信号并对所述GPS卫星发射信号进行处理生成GPS导航数据；
捷联惯性导航模块，包含若干MEMS传感器，所述捷联惯性导航模块用于获取MEMS传感器的测量信息并进行处理生成惯性导航数据；
所述组合导航定位方法包括，
步骤S1、获取所述卫星导航接收模块的GPS导航数据和所述捷联惯性导航模块的惯性导航数据并依据所述GPS导航数据和所述惯性导航数据设定初始测量误差；
步骤S2、构建卡尔曼滤波算法，依据所述初始测量误差设定所述卡尔曼滤波算法的状态变量和量测变量，并依据所述初始测量误差计算出系统噪声方差和量测噪声方差；
步骤S3、构建自适应调节因子，所述自适应调节因子包括精度调节因子和方向调节因子，所述精度调节因子根据GPS导航数据进行构建，所述方向调节因子根据GPS导航数据和所述惯性导航数据进行构建；并依据所述量测噪声方差和所述自适应调节因子构建量测噪声协方差；
步骤S4、进行所述卡尔曼滤波算法的时间更新解算并将量测噪声协方差代入至卡尔曼滤波算法的时间更新解算过程中计算出状态变量的最优估计值；
步骤S5、所述车载导航系统依据计算出的状态变量的所述最优估计值对惯性导航数据进行修正计算，并输出优化定位信息。
优选的，所述GPS导航数据包括车辆位置信息一、速度信息一、方向信息一、加速度信息一和角速度信息一，所述惯性导航数据包括车辆位置信息二、速度信息二、方向信息二、加速度信息二和角速度信息二，所述优化定位信息包括估计车辆位置信息、估计速度信息、估计方向信息、估计加速度信息和估计角速度信息。
优选的，所述车辆位置信息一包括经度信息一、纬度信息一和高度信息一，所述速度信息一包括经度速度一、纬度速度一和高度速度一，所述方向信息一包括第一俯仰值、第一横滚值和第一航向值，所述加速度信息一包括X轴加速度一、Y轴加速度一和Z轴加速度一，所述角速度信息一包括X轴角速度一、Y轴角速度一和Z轴角速度一；
所述车辆位置信息二包括经度信息二、纬度信息二和高度信息二，所述速度信息二包括经度速度二、纬度速度二和第二高度速度，所述方向信息二包括第二俯仰值、第二横滚值和第二航向值，所述加速度信息二包括X轴加速度二、Y轴加速度二和Z轴加速度二，所述角速度信息二包括X轴角速度二、Y轴角速度二和Z轴角速度二。
优选的，所述步骤S2中的状态变量设定为
Figure BDA0002982750680000031
所述步骤S2中的量测变量设定为
Figure BDA0002982750680000032
其中，δLδλδh为位置误差，δvEδvNδvU为速度误差，δφEδφNδφU为方向误差，εxεyεz为加速度误差，ΔxΔyΔz为加速度误差，
Figure BDA0002982750680000033
为经度位置误差，
Figure BDA0002982750680000034
为纬度位置误差，
Figure BDA0002982750680000035
为高度位置误差，
Figure BDA0002982750680000041
为经度速度误差，
Figure BDA0002982750680000042
为纬度速度误差，
Figure BDA0002982750680000043
为高度速度误差。
优选的，在所述步骤S2中，系统噪声方差为：
Figure BDA0002982750680000044
其中，
Figure BDA0002982750680000045
为位置系统噪声方差，
Figure BDA0002982750680000046
为速度系统噪声方差，
Figure BDA0002982750680000047
为姿态系统噪声方差，
Figure BDA0002982750680000048
为陀螺仪漂移系统噪声方差，
Figure BDA0002982750680000049
为加速度计漂移系统噪声方差。
量测噪声方差为：
Figure BDA00029827506800000410
其中，RL、Rλ和Rh分别是经度、纬度、高度的测量噪声方差，RE、RN、RU分别是东向速度、北向速度、天向速度的测量噪声方差
优选的，在所述步骤S3中，精度调节因子根据当前GPS导航数据中的位置定位误差进行构建，所述精度调节因子为：
Figure BDA00029827506800000411
Figure BDA00029827506800000412
Figure BDA00029827506800000413
其中，elat-k为当前GPS导航数据纬度误差，elon-k为当前GPS导航数据经度误差，epk为GPS导航数据经纬度误差的均方根误差；epmin为从零时刻到达时刻k时间段内所有epk的最小值，λep和μep为比例系数，Gpk为精度调节因子。
在所述步骤S3中，根据GPS导航数据中的方向信息一和惯性导航数据中的方向信息二构建方向调节因子，所述方向调节因子为：
Figure BDA0002982750680000051
ehk＝|headinggps-headingins|
其中，headinggps为当前卫星定位提供方向，headingins为当前惯性导航提供方向，ehk为时刻k的两者方向误差的绝对值；ehΔ为方向误差的第一阈值，取值为5度，μhp为比例系数，取值100，Ghk为方向调节因子。
优选的，在所述步骤S3中，自适应调节因子为：
Figure BDA0002982750680000052
在所述步骤S3中，量测噪声协方差为：
Figure BDA0002982750680000053
其中，Gek为自适应调节因子，Rk为系统量测噪声方差，Bk为量测噪声协方差。
优选的，在所述步骤S2中构建卡尔曼滤波算法包括建立离散化的卡尔曼滤波方程：
Xk＝Φk,k-1Xk-1+Γk-1Wk-1
Zk＝HkXk+Vk
其中，k为车载导航系统滤波解算的时刻，Xk为k时刻的状态变量，Zk为k时刻的测量变量，Φk,k-1为k－1到k时刻的状态转移矩阵；Wk-1为k－1时刻的系统噪声；Γk-1为系统噪声矩阵，Hk为k时刻的量测矩阵；Vk为k时刻的量测噪声。
优选的，Φ状态转移矩阵为15＊15矩阵，其中，非零元素如下，其中，第一数字为行，第二个数字为列：
Figure BDA0002982750680000061
Figure BDA0002982750680000062
Figure BDA0002982750680000063
Figure BDA0002982750680000064
Figure BDA0002982750680000065
Φ(3,6)＝1
Figure BDA0002982750680000066
Figure BDA0002982750680000067
Figure BDA0002982750680000068
Figure BDA0002982750680000069
Figure BDA00029827506800000610
Φ(4,8)＝-fU
Φ(4,9)＝fN
Figure BDA00029827506800000611
Figure BDA00029827506800000612
Figure BDA0002982750680000071
Figure BDA0002982750680000072
Figure BDA0002982750680000073
Figure BDA0002982750680000074
Figure BDA0002982750680000075
Figure BDA0002982750680000076
Φ(5,7)＝fU
Φ(5,9)＝-fE
Figure BDA0002982750680000077
Figure BDA0002982750680000078
Figure BDA0002982750680000079
Φ(6,1)＝-2VEωiesinL
Figure BDA00029827506800000710
Figure BDA00029827506800000711
Figure BDA00029827506800000712
Φ(6,8)＝-fN
Φ(6,9)＝fE
Figure BDA00029827506800000713
Figure BDA00029827506800000714
Figure BDA00029827506800000715
Figure BDA00029827506800000716
Figure BDA0002982750680000081
Figure BDA0002982750680000082
Figure BDA0002982750680000083
Figure BDA0002982750680000084
Figure BDA0002982750680000085
Figure BDA0002982750680000086
Φ(8,1)＝ωiesinL
Figure BDA0002982750680000087
Figure BDA0002982750680000088
Figure BDA0002982750680000089
Figure BDA00029827506800000810
Figure BDA00029827506800000811
Figure BDA00029827506800000812
Figure BDA00029827506800000813
Figure BDA00029827506800000814
Figure BDA00029827506800000815
Figure BDA00029827506800000816
Figure BDA00029827506800000817
Figure BDA00029827506800000818
Figure BDA00029827506800000819
Figure BDA0002982750680000091
Figure BDA0002982750680000092
其中，RN和RM分别代表卯酉面、子午面地球半径；VE、VN和VU分别代表东向速度、北向速度、天向速度，L和h分别是经度和高度，ωie为地球自转角度，
Figure BDA0002982750680000093
为载体坐标系到机体坐标系的转换矩阵，fE、fN和fU分别是加速度计在东向、北向和天向测量的比力信息。
其中，H量测转移矩阵为6＊15矩阵，其中，非零元素如下，其中，第一数字为行，第二个数字为列：
Φ(1,1)＝1
Φ(2,2)＝1
Φ(3,3)＝1
Φ(4,4)＝1
Φ(5,5)＝1
Φ(6,6)＝1
优选的，在步骤S4中，进行卡尔曼滤波算法的时间更新解算的过程如下：
Figure BDA0002982750680000094
Figure BDA0002982750680000095
其中，
Figure BDA0002982750680000096
为k－1时刻卡尔曼滤波估计值，Φk/k-1为k－1到k时刻的状态转移矩阵，
Figure BDA0002982750680000097
是对k时刻的一步预测估计值，Γk-1为系统噪声矩阵，Pk-1为k－1时刻的均方误差矩阵，Pk/k-1为一步预测均方误差矩阵，通过上述时间更新解算，可以把k－1时刻的估计值推算出k时刻估计值；
在步骤S4中，将量测噪声协方差代入至卡尔曼滤波算法的时间更新解算过程中并计算出状态变量的最优估计值的过程如下：
Figure BDA0002982750680000101
Figure BDA0002982750680000102
Figure BDA0002982750680000103
其中，Bk为量测噪声协方差，Hk为k时刻的量测矩阵，Pk/k-1为一步预测均方误差矩阵，Kk为k时刻的滤波增益矩阵，Pk为k时刻的均方误差矩阵，Zk为K时刻的量测向量，
Figure BDA0002982750680000104
为k时刻的估计值，
Figure BDA0002982750680000105
为k时刻的最优值。
与现有技术相比，本发明的有益效果是：
本发明根据GPS导航数据构建精度调节因子，并根据GPS导航数据和所述惯性导航数据的运算关系构建方向调节因子；并依据量测噪声方差和自适应调节因子构建量测噪声协方差；有效的解决了各种复杂环境下卫星定位噪声变化导致的传统组合导航滤波算法精度下降的情况；通过自适应调节因子的建立，可以在量测噪声增大时，减少滤波增益，降低量测信号对组合导航的作用，在量测噪声减少时候，加大滤波增益，增大测量信号对组合导航的作用，通过这种自适应的调节，有效的解决了由时变噪声导致的传统卡尔曼滤波精度下降的问题，在高楼林立、车库、隧道等任何环境下提高了组合导航系统输出的定位、速度、姿态、加速度和角速度等信息精度。
附图说明
图1为自适应卡尔曼滤波算法流程图；
图2为GPS/INS自适应组合导航系统架构图；
图3为本发明与新息自适应组合导航方法的位置误差对比图；
图4为本发明与新息自适应组合导航方法的速度误差对比图。
具体实施方式
本发明目的为了解决现有组合导航方法的不足，采用一种自适应的卡尔曼滤波算法实现高精度的车辆位置、速度、姿态、加速度和角速度等信息，该方法可以明显改善各种复杂环境造成环境噪声改变引起的卡尔曼滤波算法发散的情况，提高组合导航的鲁棒性和精度。
本发明专利的自适应组合导航方法包括以下步骤：
步骤一：确定组合导航系统的状态变量和观测变量。以经纬度误差、速度误差、姿态误差、陀螺仪误差以及加速度误差作为状态变量，利用卫星定位和惯导定位的位置和速度差值作为观测变量。
状态变量为
Figure BDA0002982750680000118
量测变量为
Figure BDA0002982750680000111
其中，δLδλ
Figure BDA0002982750680000119
为位置误差，δvEδvNδvU为速度误差，δφEδφNδφU为姿态误差，εxεyεz为陀螺仪常值漂移，ΔxΔyΔz为加速度偏置。
Figure BDA0002982750680000112
为经度位置误差，
Figure BDA0002982750680000113
为纬度位置误差，
Figure BDA0002982750680000114
为高度位置误差，
Figure BDA0002982750680000115
为经度速度误差，
Figure BDA0002982750680000116
为纬度速度误差，
Figure BDA0002982750680000117
为高度速度误差。
步骤二：建立离散化的卡尔曼滤波方程：
Xk＝Φk,k-1Xk-1+Γk-1Wk-1
Zk＝HkXk+Vk
其中，k为组合导航系统滤波解算的时刻，Xk为k时刻的状态变量，Zk为k时刻的测量变量，Φk,k-1为k－1到k时刻的状态转移矩阵；Wk-1为k－1时刻的系统噪声；Γk-1为系统噪声矩阵，Hk为k时刻的量测矩阵；Vk为k时刻的量测噪声。
其中，Φ状态转移矩阵为15＊15矩阵，其中，非零元素如下，其中，第一数字为行，第二个数字为列：
Figure BDA0002982750680000121
Figure BDA0002982750680000122
Figure BDA0002982750680000123
Figure BDA0002982750680000124
Figure BDA0002982750680000125
Φ(3,6)＝1
Figure BDA0002982750680000126
Figure BDA0002982750680000127
Figure BDA0002982750680000128
Figure BDA0002982750680000129
Figure BDA00029827506800001210
Φ(4,8)＝-fU
Φ(4,9)＝fN
Figure BDA00029827506800001211
Figure BDA00029827506800001212
Figure BDA00029827506800001213
Figure BDA0002982750680000131
Figure BDA0002982750680000132
Figure BDA0002982750680000133
Figure BDA0002982750680000134
Figure BDA0002982750680000135
Φ(5,7)＝fU
Φ(5,9)＝-fE
Figure BDA0002982750680000136
Figure BDA0002982750680000137
Figure BDA0002982750680000138
Φ(6,1)＝-2VEωiesinL
Figure BDA0002982750680000139
Figure BDA00029827506800001310
Figure BDA00029827506800001311
Φ(6,8)＝-fN
Φ(6,9)＝fE
Figure BDA00029827506800001312
Figure BDA00029827506800001313
Figure BDA00029827506800001314
Figure BDA00029827506800001315
Figure BDA00029827506800001316
Figure BDA0002982750680000141
Figure BDA0002982750680000142
Figure BDA0002982750680000143
Figure BDA0002982750680000144
Figure BDA0002982750680000145
Φ(8,1)＝ωiesinL
Figure BDA0002982750680000146
Figure BDA0002982750680000147
Figure BDA0002982750680000148
Figure BDA0002982750680000149
Figure BDA00029827506800001410
Figure BDA00029827506800001411
Figure BDA00029827506800001412
Figure BDA00029827506800001413
Figure BDA00029827506800001414
Figure BDA00029827506800001415
Figure BDA00029827506800001416
Figure BDA00029827506800001417
Figure BDA00029827506800001418
Figure BDA00029827506800001419
Figure BDA0002982750680000151
其中，RN和RM分别代表卯酉面、子午面地球半径；VE、VN和VU分别代表东向速度、北向速度、天向速度，L和h分别是经度和高度，ωie为地球自转角度，
Figure BDA0002982750680000152
为载体坐标系到机体坐标系的转换矩阵，fE、fN和fU分别是加速度计在东向、北向和天向测量的比力信息。
其中，H量测转移矩阵为6＊15矩阵，其中，非零元素如下，其中，第一数字为行，第二个数字为列：
Φ(1,1)＝1
Φ(2,2)＝1
Φ(3,3)＝1
Φ(4,4)＝1
Φ(5,5)＝1
Φ(6,6)＝1
步骤三：确定组合导航系统的系统噪声方差和量测噪声方差。通过六轴传感器的数据采样和分析确定系统噪声方差，通过卫星导航的位置和速度误差分析确定量测噪声方差。
系统噪声方差为：
Figure BDA0002982750680000153
Figure BDA0002982750680000154
Figure BDA0002982750680000155
Figure BDA0002982750680000156
Figure BDA0002982750680000161
Figure BDA0002982750680000162
其中，
Figure BDA0002982750680000163
为位置系统噪声方差，
Figure BDA0002982750680000164
为速度系统噪声方差，
Figure BDA0002982750680000165
为姿态系统噪声方差，
Figure BDA0002982750680000166
为陀螺仪漂移系统噪声方差，
Figure BDA0002982750680000167
为加速度计漂移系统噪声方差。
量测噪声方差：
Figure BDA00029827506800001612
其中，RL、Rλ和Rh分别是经度、纬度、高度的测量噪声方差，RE、RN、RU分别是东向速度、北向速度、天向速度的测量噪声方差。
步骤四：进行离散卡尔曼滤波的时间更新解算。
Figure BDA0002982750680000168
Figure BDA0002982750680000169
其中，
Figure BDA00029827506800001610
为k－1时刻卡尔曼滤波估计值，Φk/k-1为k－1到k时刻的状态转移矩阵，
Figure BDA00029827506800001611
是对k时刻的一步预测估计值，Γk-1为系统噪声矩阵，Pk-1为k－1时刻的均方误差矩阵，Pk/k-1为一步预测均方误差矩阵。通过上述时间更新解算，可以把k－1时刻的估计值推算出k时刻估计值。
步骤五：根据卫星定位和惯导定位的信息构建自适应调节因子。
(1)根据定位标准差信息GPGST协议获得卫星定位当前的精度指标，构建精度调节因子：
Figure BDA0002982750680000171
λep＝3,μep＝200
Figure BDA0002982750680000172
Figure BDA0002982750680000173
其中，elat-k为当前纬度误差，elon-k为当前经度误差，epk为经纬度误差的均方根误差；epmin为从零时刻到达时刻k时间段内所有epk的最小值，λp和μp为比例系数，Gpk为精度调节因子。
通过精度调节因子Gpk，可以根据卫星定位的实时测量误差调节卡尔曼滤波算法里面量测噪声。当卫星定位误差小于等于3倍的最小定位误差阈值，认为当前卫星定位精度较高，Gpk为1；当卫星定位误差大于3倍的最小定位误差阈值，Gpk将会随着卫星定位误差的增加而增加。总之，通过上述自适应调节实现自适应组合导航。
(2)结合卫星定位当前的精度指标，根据卫星导航和惯性导航的方向误差，构建方向调节因子：
Figure BDA0002982750680000174
μp＝100，ehΔ＝5
Figure BDA0002982750680000175
其中，
Figure BDA0002982750680000176
为当前卫星定位提供方向，
Figure BDA0002982750680000177
为当前惯性导航提供方向，
Figure BDA0002982750680000178
为时刻k的两者方向误差的绝对值；ehΔ为方向误差的阈值，取值为5度，μp为比例系数，取值100，
Figure BDA0002982750680000185
为方向调节因子。
通过方向调节因子
Figure BDA0002982750680000186
可以根据卫星定位的实时测量误差调节卡尔曼滤波算法里面量测噪声。因为惯导的方法不会受到环境影响，短时间内精度极高，而卫星定位在复杂环境下容易产生较大的方向误差，所以，当卫星定位和惯导的方向误差小于等于5度，认为当前卫星方向精度较高，
Figure BDA0002982750680000187
为1；当卫星定位误差大于5度，
Figure BDA0002982750680000188
将会随着卫星定位和惯导方向误差的增加而增加。总之，通过上述自适应调节实现自适应组合导航。
(3)基于精度调节因子和方向调节因子，构建调节因子以及噪声协方差：
Figure BDA0002982750680000189
Figure BDA0002982750680000181
其中，Gek为调节因子，Rk为系统噪声方差，Bk为具有自适应调节功能的量测噪声协方差。
通过具有自适应调节功能的量测噪声，可以把卫星定位收到环境影响的因素考虑进去，然后实现自适应组合导航。
步骤五：把具有自适应调节功能的量测噪声协方差Bk带入卡尔曼离散滤波算法的量测更新过程中，具体如下：
Figure BDA0002982750680000182
Figure BDA0002982750680000183
Figure BDA0002982750680000184
其中，Bk为具有自适应调节功能的量测噪声协方差，Hk为k时刻的量测矩阵，Pk/k-1为一步预测均方误差矩阵，Kk为k时刻的滤波增益矩阵，Pk为k时刻的均方误差矩阵，Zk为K时刻的量测向量，
Figure BDA0002982750680000191
为k时刻的估计值，
Figure BDA0002982750680000192
为k时刻的最优值。
步骤六：把自适应组合导航的最优值
Figure BDA0002982750680000193
中的各种误差对惯导进行修正，从而获得最优的位置、速度、姿态、加速度和角速度等信息，例如：
Figure BDA0002982750680000194
Figure BDA0002982750680000195
Figure BDA0002982750680000196
Figure BDA0002982750680000197
Figure BDA0002982750680000198
其中，Pbest为最优位置，Lins、λins、
Figure BDA0002982750680000199
为惯导推导的经度、纬度和高度，δL、δλ和
Figure BDA00029827506800001910
为自适应组合导航获得的位置误差；Vbest为最优速度，Veins、Vnins和Vuins为惯导推导的速度，δvE、δvN和δvU是自适应组合导航获得的速度误差；φbest为最优姿态，φpins、φrins和φyins是惯导推导的俯仰、横滚和航向，δφp、δφr和δφy是自适应组合导航获得的姿态误差；Abest为最优加速度，Axins、Ayins和Ayins是惯导推导的X轴、Y轴和Z轴加速度，Δx、Δy和Δz是自适应组合导航获得的加速度误差；Gbest为最优角速度，Gxins、Gyins和Gyins是惯导推导的的X轴、Y轴和Z的角速度，εx、εy和εz是自适应组合导航获得的角速度误差。
依据上述步骤，本实施仿真结果如图2和图3所示。图中，星点虚线为就新息的自适应组合导航的误差结果，圆点虚线为本发明专利的组合导航的误差结果。从图2和图3可以看出：
在530秒之前，在空旷环境下工作，卫星定位精度较高，组合导航系统主要依靠卫星导航定位，本发明和新息自适应组合导航的位置误差和速度误差都比较小，基本一致。
在530秒之后，进入复杂定位环境下，本发明专利的位置误差和速度误差都比新息自适应组合导航的位置误差和速度误差小很多，经过统计分析，本发明专利位置误差比新息自适应组合导航的位置误差减少了82.4％，本发明专利速度误差比新息自适应组合导航的速度误差减少了81.5％，所以，本发明专利根据卫星定位和惯导定位构建的调节因子，实现了自适应组合导航方法，该方面能够保持较高精度和良好滤波的稳定性。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种自适应车载组合导航定位方法，其特征在于，提供一车载导航系统，所述车载导航系统包括，
卫星导航接收模块，用于接收GPS卫星发射信号并对所述GPS卫星发射信号进行处理生成GPS导航数据；
捷联惯性导航模块，包含若干MEMS传感器，所述捷联惯性导航模块用于获取MEMS传感器的测量信息并进行处理生成惯性导航数据；
所述组合导航定位方法包括，
步骤S1、获取所述卫星导航接收模块的GPS导航数据和所述捷联惯性导航模块的惯性导航数据并依据所述GPS导航数据和所述惯性导航数据设定初始测量误差；
步骤S2、构建卡尔曼滤波算法，依据所述初始测量误差设定所述卡尔曼滤波算法的状态变量和量测变量，并依据所述初始测量误差计算出系统噪声方差和量测噪声方差；
步骤S3、构建自适应调节因子，所述自适应调节因子包括精度调节因子和方向调节因子，所述精度调节因子根据GPS导航数据进行构建，所述方向调节因子根据GPS导航数据和所述惯性导航数据进行构建；并依据所述量测噪声方差和所述自适应调节因子构建量测噪声协方差；
步骤S4、进行所述卡尔曼滤波算法的时间更新解算并将量测噪声协方差代入至卡尔曼滤波算法的时间更新解算过程中计算出状态变量的最优估计值；
步骤S5、所述车载导航系统依据计算出的状态变量的所述最优估计值对惯性导航数据进行修正计算，并输出优化定位信息。
2.根据权利要求1所述的一种自适应车载组合导航定位方法，其特征在于，所述GPS导航数据包括车辆位置信息一、速度信息一、方向信息一、加速度信息一和角速度信息一，所述惯性导航数据包括车辆位置信息二、速度信息二、方向信息二、加速度信息二和角速度信息二，所述优化定位信息包括估计车辆位置信息、估计速度信息、估计方向信息、估计加速度信息和估计角速度信息。
3.根据权利要求2所述的一种自适应车载组合导航定位方法，其特征在于，所述车辆位置信息一包括经度信息一、纬度信息一和高度信息一，所述速度信息一包括经度速度一、纬度速度一和高度速度一，所述方向信息一包括第一俯仰值、第一横滚值和第一航向值，所述加速度信息一包括X轴加速度一、Y轴加速度一和Z轴加速度一，所述角速度信息一包括X轴角速度一、Y轴角速度一和Z轴角速度一；
所述车辆位置信息二包括经度信息二、纬度信息二和高度信息二，所述速度信息二包括经度速度二、纬度速度二和第二高度速度，所述方向信息二包括第二俯仰值、第二横滚值和第二航向值，所述加速度信息二包括X轴加速度二、Y轴加速度二和Z轴加速度二，所述角速度信息二包括X轴角速度二、Y轴角速度二和Z轴角速度二。
4.根据权利要求3所述的一种自适应车载组合导航定位方法，其特征在于，所述步骤S2中的状态变量设定为
X＝[δL δλ δhδvE δvN δvU δφp δφr δφyεx εy εzΔx Δy Δz]
所述步骤S2中的量测变量设定为
Figure FDA0002982750670000021
其中，δL δλ δh为位置误差，δvE δvN δvU为速度误差，δφE δφN δφU为方向误差，εx εyεz为加速度误差，ΔxΔyΔz为加速度误差，
Figure FDA0002982750670000022
为经度位置误差，
Figure FDA0002982750670000023
为纬度位置误差，
Figure FDA0002982750670000024
为高度位置误差，
Figure FDA0002982750670000025
为经度速度误差，
Figure FDA0002982750670000026
为纬度速度误差，
Figure FDA0002982750670000027
为高度速度误差。
5.根据权利要求4所述的一种自适应车载组合导航定位方法，其特征在于，在所述步骤S2中，系统噪声方差为：
Figure FDA0002982750670000031
其中，
Figure FDA0002982750670000032
为位置系统噪声方差，
Figure FDA0002982750670000033
为速度系统噪声方差，
Figure FDA0002982750670000034
为姿态系统噪声方差，
Figure FDA0002982750670000035
为陀螺仪漂移系统噪声方差，
Figure FDA0002982750670000036
为加速度计漂移系统噪声方差。
量测噪声方差为：
R＝{RL Rλ RhRE RN RU}
其中，RL、Rλ和Rh分别是经度、纬度、高度的测量噪声方差，RE、RN、RU分别是东向速度、北向速度、天向速度的测量噪声方差。
6.根据权利要求5所述的一种自适应车载组合导航定位方法，其特征在于，在所述步骤S3中，精度调节因子根据当前GPS导航数据中的位置定位误差进行构建，所述精度调节因子为：
Figure FDA0002982750670000037
Figure FDA0002982750670000038
Figure FDA0002982750670000039
其中，elat-k为当前GPS导航数据纬度误差，elon-k为当前GPS导航数据经度误差，epk为GPS导航数据经纬度误差的均方根误差；epmin为从零时刻到达时刻k时间段内所有epk的最小值，λep和μep均为比例系数，λep取值范围为2-10，μep取值范围为100-500，Gpk为精度调节因子。
在所述步骤S3中，根据GPS导航数据中的方向信息一和惯性导航数据中的方向信息二构建方向调节因子，所述方向调节因子为：
Figure FDA0002982750670000041
ehk＝|headinggps-headingins|
其中，headinggps为当前卫星定位提供方向，headingins为当前惯性导航提供方向，ehk为时刻k的两者方向误差的绝对值；ehΔ为方向误差的第一阈值，取值为范围为2-10度，μhp为比例系数，取值范围为20-300，Ghk为方向调节因子。
7.根据权利要求6所述的一种自适应车载组合导航定位方法，其特征在于，在所述步骤S3中，自适应调节因子为：
Gek＝Gpk*Ghk*Rk
在所述步骤S3中，量测噪声协方差为：
Figure FDA0002982750670000042
其中，Gek为自适应调节因子，Rk为系统量测噪声方差，Bk为量测噪声协方差。
8.根据权利要求7所述的一种自适应车载组合导航定位方法，其特征在于，在所述步骤S2中构建卡尔曼滤波算法包括建立离散化的卡尔曼滤波方程：
Xk＝Φk，k-1Xk-1+Γk-1Wk-1
Zk＝HkXk+Vk
其中，k为车载导航系统滤波解算的时刻，Xk为k时刻的状态变量，Zk为k时刻的测量变量，Φk，k-1为k-1到k时刻的状态转移矩阵；Wk-1为k-1时刻的系统噪声；Γk-1为系统噪声矩阵，Hk为k时刻的量测矩阵；Vk为k时刻的量测噪声。
9.根据权利要求8所述的一种自适应车载组合导航定位方法，其特征在于，Φ状态转移矩阵为15*15矩阵，其中，非零元素如下，其中，第一数字为行，第二个数字为列：
Figure FDA0002982750670000051
Figure FDA0002982750670000052
Figure FDA0002982750670000053
Figure FDA0002982750670000054
Figure FDA0002982750670000055
Φ(3，6)＝1
Figure FDA0002982750670000056
Figure FDA0002982750670000057
Figure FDA0002982750670000058
Figure FDA0002982750670000059
Figure FDA00029827506700000510
Φ(4，8)＝-fU
Φ(4，9)＝fN
Figure FDA00029827506700000511
Figure FDA00029827506700000512
Figure FDA0002982750670000061
Figure FDA0002982750670000062
Figure FDA0002982750670000063
Figure FDA0002982750670000064
Figure FDA0002982750670000065
Figure FDA0002982750670000066
Φ(5，7)＝fU
Φ(5，9)＝-fE
Figure FDA0002982750670000067
Figure FDA0002982750670000068
Figure FDA0002982750670000069
Φ(6，1)＝-2VEωiesinL
Figure FDA00029827506700000610
Figure FDA00029827506700000611
Figure FDA00029827506700000612
Φ(6，8)＝-fN
Φ(6，9)＝fE
Figure FDA00029827506700000613
Figure FDA00029827506700000614
Figure FDA00029827506700000615
Figure FDA00029827506700000616
Figure FDA0002982750670000071
Figure FDA0002982750670000072
Figure FDA0002982750670000073
Figure FDA0002982750670000074
Figure FDA0002982750670000075
Figure FDA0002982750670000076
Φ(8，1)＝ωiesinL
Figure FDA0002982750670000077
Figure FDA0002982750670000078
Figure FDA0002982750670000079
Figure FDA00029827506700000710
Figure FDA00029827506700000711
Figure FDA00029827506700000712
Figure FDA00029827506700000713
Figure FDA00029827506700000714
Figure FDA00029827506700000715
Figure FDA00029827506700000716
Figure FDA00029827506700000717
Figure FDA00029827506700000718
Figure FDA00029827506700000719
Figure FDA0002982750670000081
Figure FDA0002982750670000082
其中，RN和RM分别代表卯酉面、子午面地球半径；VE、VN和VU分别代表东向速度、北向速度、天向速度，L和h分别是经度和高度，ωie为地球自转角度，
Figure FDA0002982750670000083
为载体坐标系到机体坐标系的转换矩阵，fE、fN和fU分别是加速度计在东向、北向和天向测量的比力信息。
其中，H量测转移矩阵为6*15矩阵，其中，非零元素如下，其中，第一数字为行，第二个数字为列：
Φ(1，1)＝1
Φ(2，2)＝1
Φ(3，3)＝1
Φ(4，4)＝1
Φ(5，5)＝1
Φ(6，6)＝1
10.根据权利要求9所述的一种自适应车载组合导航定位方法，其特征在于，在步骤S4中，进行卡尔曼滤波算法的时间更新解算的过程如下：
Figure FDA0002982750670000084
Figure FDA0002982750670000085
其中，
Figure FDA0002982750670000086
为k-1时刻卡尔曼滤波估计值，Φk/k-1为k-1到k时刻的状态转移矩阵，
Figure FDA0002982750670000087
是对k时刻的一步预测估计值，Γk-1为系统噪声矩阵，Pk-1为k-1时刻的均方误差矩阵，Pk/k-1为一步预测均方误差矩阵，通过上述时间更新解算，可以把k-1时刻的估计值推算出k时刻估计值；
在步骤S4中，将量测噪声协方差代入至卡尔曼滤波算法的时间更新解算过程中并计算出状态变量的最优估计值的过程如下：
Figure FDA0002982750670000091
Figure FDA0002982750670000092
Figure FDA0002982750670000093
其中，Bk为量测噪声协方差，Hk为k时刻的量测矩阵，Pk/k-1为一步预测均方误差矩阵，Kk为k时刻的滤波增益矩阵，Pk为k时刻的均方误差矩阵，Zk为K时刻的量测向量，
Figure FDA0002982750670000094
为k时刻的估计值，
Figure FDA0002982750670000095
为k时刻的最优值。
CN202110292284.6A 2021-03-18 2021-03-18 一种自适应车载组合导航定位方法 Active CN113063429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110292284.6A CN113063429B (zh) 2021-03-18 2021-03-18 一种自适应车载组合导航定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110292284.6A CN113063429B (zh) 2021-03-18 2021-03-18 一种自适应车载组合导航定位方法

Publications (2)

Publication Number Publication Date
CN113063429A true CN113063429A (zh) 2021-07-02
CN113063429B CN113063429B (zh) 2023-10-24

Family

ID=76562063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110292284.6A Active CN113063429B (zh) 2021-03-18 2021-03-18 一种自适应车载组合导航定位方法

Country Status (1)

Country Link
CN (1) CN113063429B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113804202A (zh) * 2021-11-19 2021-12-17 智道网联科技(北京)有限公司 组合导航方法、电子设备及存储介质
CN114001730A (zh) * 2021-09-24 2022-02-01 深圳元戎启行科技有限公司 融合定位方法、装置、计算机设备和存储介质
CN114413892A (zh) * 2022-01-19 2022-04-29 东南大学 一种新型果园机器人组合导航方法
CN114440881A (zh) * 2022-01-29 2022-05-06 海南大学 一种融合多源传感器信息的无人车定位方法
CN116165690A (zh) * 2023-04-21 2023-05-26 山西省娄烦县皇姑山矿业有限责任公司 一种基于gnss/ins的双自适应因子组合导航定位方法
CN117647251A (zh) * 2024-01-30 2024-03-05 山东科技大学 基于观测噪声协方差矩阵的抗差自适应组合导航方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941273A (zh) * 2014-03-31 2014-07-23 广东电网公司电力科学研究院 机载惯性/卫星组合导航系统的自适应滤波方法与滤波器
CN107621264A (zh) * 2017-09-30 2018-01-23 华南理工大学 车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法
CN107884800A (zh) * 2016-09-30 2018-04-06 华为技术有限公司 观测时滞系统的组合导航数据解算方法、装置及导航设备
CN109916407A (zh) * 2019-02-03 2019-06-21 河南科技大学 基于自适应卡尔曼滤波器的室内移动机器人组合定位方法
CN110579740A (zh) * 2019-09-17 2019-12-17 大连海事大学 一种基于自适应联邦卡尔曼滤波的无人船组合导航方法
CN111780755A (zh) * 2020-06-30 2020-10-16 南京理工大学 一种基于因子图和可观测度分析的多源融合导航方法
CN111896008A (zh) * 2020-08-20 2020-11-06 哈尔滨工程大学 一种改进的鲁棒无迹卡尔曼滤波组合导航方法
CN111928846A (zh) * 2020-07-31 2020-11-13 南京理工大学 一种基于联邦滤波的多源融合即插即用组合导航方法
CN112284414A (zh) * 2020-10-10 2021-01-29 东南大学 一种基于多渐消因子自适应动机座旋转调制精对准方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941273A (zh) * 2014-03-31 2014-07-23 广东电网公司电力科学研究院 机载惯性/卫星组合导航系统的自适应滤波方法与滤波器
CN107884800A (zh) * 2016-09-30 2018-04-06 华为技术有限公司 观测时滞系统的组合导航数据解算方法、装置及导航设备
CN107621264A (zh) * 2017-09-30 2018-01-23 华南理工大学 车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法
CN109916407A (zh) * 2019-02-03 2019-06-21 河南科技大学 基于自适应卡尔曼滤波器的室内移动机器人组合定位方法
CN110579740A (zh) * 2019-09-17 2019-12-17 大连海事大学 一种基于自适应联邦卡尔曼滤波的无人船组合导航方法
CN111780755A (zh) * 2020-06-30 2020-10-16 南京理工大学 一种基于因子图和可观测度分析的多源融合导航方法
CN111928846A (zh) * 2020-07-31 2020-11-13 南京理工大学 一种基于联邦滤波的多源融合即插即用组合导航方法
CN111896008A (zh) * 2020-08-20 2020-11-06 哈尔滨工程大学 一种改进的鲁棒无迹卡尔曼滤波组合导航方法
CN112284414A (zh) * 2020-10-10 2021-01-29 东南大学 一种基于多渐消因子自适应动机座旋转调制精对准方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
白渊杰: "航天多源组合导航系统融合技术分析与研究", 中国航天电子技术研究院科学技术委员会2020年学术年会论文集, pages 1 - 10 *
石威: "优化抗差自适应滤波器在深组合导航中的应用", 《导航与控制》, vol. 14, no. 5, pages 11 - 30 *
苏鑫: "用于组合测姿的Kalman渐消因子自适应估计算法", 《系统仿真学报》, vol. 24, no. 8, pages 1669 - 1673 *
高同跃: "超小型无人直升机飞控系统及自主滞空飞行的研究", 工程科技Ⅱ辑-航空航天科学与工程, pages 1 - 121 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114001730A (zh) * 2021-09-24 2022-02-01 深圳元戎启行科技有限公司 融合定位方法、装置、计算机设备和存储介质
CN114001730B (zh) * 2021-09-24 2024-03-08 深圳元戎启行科技有限公司 融合定位方法、装置、计算机设备和存储介质
CN113804202A (zh) * 2021-11-19 2021-12-17 智道网联科技(北京)有限公司 组合导航方法、电子设备及存储介质
CN113804202B (zh) * 2021-11-19 2022-02-22 智道网联科技(北京)有限公司 组合导航方法、电子设备及存储介质
CN114413892A (zh) * 2022-01-19 2022-04-29 东南大学 一种新型果园机器人组合导航方法
CN114413892B (zh) * 2022-01-19 2024-01-02 东南大学 一种新型果园机器人组合导航方法
CN114440881A (zh) * 2022-01-29 2022-05-06 海南大学 一种融合多源传感器信息的无人车定位方法
CN114440881B (zh) * 2022-01-29 2023-05-30 海南大学 一种融合多源传感器信息的无人车定位方法
CN116165690A (zh) * 2023-04-21 2023-05-26 山西省娄烦县皇姑山矿业有限责任公司 一种基于gnss/ins的双自适应因子组合导航定位方法
CN116165690B (zh) * 2023-04-21 2023-07-07 山西省娄烦县皇姑山矿业有限责任公司 一种基于gnss/ins的双自适应因子组合导航定位方法
CN117647251A (zh) * 2024-01-30 2024-03-05 山东科技大学 基于观测噪声协方差矩阵的抗差自适应组合导航方法

Also Published As

Publication number Publication date
CN113063429B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
CN113063429B (zh) 一种自适应车载组合导航定位方法
CN110501024B (zh) 一种车载ins/激光雷达组合导航系统的量测误差补偿方法
CN111024064B (zh) 一种改进Sage-Husa自适应滤波的SINS/DVL组合导航方法
CN110398257B (zh) Gps辅助的sins系统快速动基座初始对准方法
CN100516775C (zh) 一种捷联惯性导航系统初始姿态确定方法
CN110779521A (zh) 一种多源融合的高精度定位方法与装置
CN101788296B (zh) 一种sins/cns深组合导航系统及其实现方法
CN101949703B (zh) 一种捷联惯性/卫星组合导航滤波方法
CN112505737B (zh) 一种gnss/ins组合导航方法
CN110954102B (zh) 用于机器人定位的磁力计辅助惯性导航系统及方法
CN109945859B (zh) 一种自适应h∞滤波的运动学约束捷联惯性导航方法
CN110221332A (zh) 一种车载gnss/ins组合导航的动态杆臂误差估计和补偿方法
CN111121766B (zh) 一种基于星光矢量的天文与惯性组合导航方法
CN101187567A (zh) 基于多普勒的光纤陀螺捷联惯导系统初始姿态确定方法
CN109443349A (zh) 一种姿态航向测量系统及其融合方法、存储介质
CN105928515B (zh) 一种无人机导航系统
CN106403952A (zh) 一种动中通低成本组合姿态测量方法
Xue et al. In-motion alignment algorithm for vehicle carried SINS based on odometer aiding
CN104215262A (zh) 一种惯性导航系统惯性传感器误差在线动态辨识方法
CN109612460A (zh) 一种基于静止修正的垂线偏差测量方法
CN105910623B (zh) 利用磁强计辅助gnss/mins紧组合系统进行航向校正的方法
CN114964222A (zh) 一种车载imu姿态初始化方法、安装角估计方法及装置
CN108151765B (zh) 一种在线实时估计补偿磁强计误差的定位测姿方法
CN113008229B (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
CN114935345A (zh) 一种基于模式识别的车载惯导安装角误差补偿方法

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