CN114088080A - 一种基于多传感器数据融合的定位装置及方法 - Google Patents

Abstract

本发明提供一种基于多传感器数据融合的定位装置及方法。所述装置包括：中央处理单元，以及与中央处理单元联接的GPS传感器、北斗传感器、惯导传感器和GIS地图，GPS传感器和北斗传感器分别用于输出基于GPS卫星信号和北斗卫星信号解算出的位置信息，惯导传感器用于输出基于陀螺仪和加速度计的测量数据解算出的惯性参考坐标系中的位置信息，GIS地图用于通过地图匹配得到地理位置信息。本发明通过对多种传感器的输出数据进行融合，取长补短，实现了有信号遮挡的复杂环境下的定位，解决了现有基于卫星定位技术的RTK设备存在的在城市中的高大建筑物、立交桥、地铁、树林等复杂环境中经常受到干扰，很难精准定位等问题。

Description

一种基于多传感器数据融合的定位装置及方法

技术领域

本发明属于定位技术领域，具体涉及一种基于多传感器数据融合的定位装置及方法。

背景技术

随着卫星定位技术的发展，GPS、北斗等卫星定位设备的定位精度越来越高，其应用也越来越广泛。比如，燃气管道日常巡检、应急抢修、管网改造及施工配合等管网运维管理越来越多地需要利用卫星进行精准定位，定位精度在厘米级以内。然而，在卫星信号接收受限的复杂环境中，作为主要信息源的全球卫星导航系统往往会由于建筑物等干扰而受到严重的遮挡、非视距、多路径效应影响，从而导致定位精度降低、难以保证管线准确、连续、稳定定位。

现有燃气管道日常运维管理所用的精准定位设备是基于卫星定位技术的RTK(Real-time kinematic，实时差分定位)设备，接收机只有接收到四颗或者四颗以上的卫星才可以实现单点定位。但在一些复杂环境中，在人口密集的城市，卫星信号被高层建筑、大桥、树林、电塔等遮挡或多次折射，接收不到足够且正确的卫星信号来进行解算，从而导致卫星定位设备无法准确定位到当前位置信息。

发明内容

为了解决现有技术中存在的上述问题，本发明提供一种基于多传感器数据融合的定位装置及方法。

为了实现上述目的，本发明采用以下技术方案。

第一方面，本发明提供一种基于多传感器数据融合的定位装置，包括：中央处理单元，以及与中央处理单元联接的GPS传感器、北斗传感器、惯导传感器和GIS地图，GPS传感器和北斗传感器分别用于输出基于GPS卫星信号和北斗卫星信号解算出的位置信息，惯导传感器用于输出基于陀螺仪和加速度计的测量数据解算出的惯性参考坐标系中的位置信息，GIS地图用于通过地图匹配得到地理位置信息，中央处理单元主要用于通过对各种传感器输出信号进行数据融合得到位置信息。

进一步地，所述装置利用扩展卡尔曼滤波器对多传感器数据进行组合滤波，从而实现多传感器数据融合，所述扩展卡尔曼滤波器由多级子滤波器和一级主滤波器组成，每个子滤波器分别对两种传感器观测数据进行滤波，主滤波器对多级子滤波器的输出进行加权求均值，各子滤波器对应的加权系数与各子滤波器的信息量正相关，所述信息量与状态方程中过程噪声的协方差成反比。

更进一步地，所述装置利用GPS传感器或北斗传感器仅存的两颗或者三颗可见卫星的伪距和伪距率参与组合滤波，对惯导传感器输出的位置信息进行校正，实现信号遮挡情况下的定位。

进一步地，所述装置通过剔除不可见卫星提高抗欺骗性干扰能力，方法如下：

利用存储的历书提供卫星的位置和惯导传感器所提供的位置，计算出每颗卫星的仰角，根据所述仰角判断当前卫星是否在水平面以上；若不在，则认为不是实际的可见星，不予捕获。

进一步地，所述装置采用GPS、北斗双系统差分算法解算位置信息。

进一步地，所述装置通过在GPS传感器和北斗传感器的射频前端设置扼流圈天线或烽火轮技术天线，提高抗多路径干扰能力。

第二方面，本发明提供一种利用所述装置进行定位的方法，包括以下步骤：

中央处理单元实时获取GPS传感器的输出数据；

中央处理单元实时获取北斗传感器的输出数据；

中央处理单元实时获取惯导传感器的输出数据；

中央处理单元实时获取GIS地图的输出数据，并通过地图匹配得到地理位置信息；

中央处理单元对各传感器的输出数据进行融合，得到所述装置的位置信息。

进一步地，所述方法利用扩展卡尔曼滤波器对多传感器数据进行组合滤波，从而实现多传感器数据融合，所述扩展卡尔曼滤波器由多级子滤波器和一级主滤波器组成，每个子滤波器分别对两种传感器观测数据进行滤波，主滤波器对多级子滤波器的输出进行加权求均值，各子滤波器对应的加权系数与各子滤波器的信息量正相关，所述信息量与状态方程中过程噪声的协方差成反比。

进一步地，所述方法利用GPS传感器或北斗传感器仅存的两颗或者三颗可见卫星的伪距和伪距率参与组合滤波，对惯导传感器输出的位置信息进行校正，实现信号遮挡情况下的定位。

进一步地，所述方法通过剔除不可见卫星提高抗欺骗性干扰能力，方法如下：

利用存储的历书提供卫星的位置和惯导传感器所提供的位置，计算出每颗卫星的仰角，根据所述仰角判断当前卫星是否在水平面以上；若不在，则认为不是实际的可见星，不予捕获。

进一步地，所述方法采用GPS、北斗双系统差分算法解算位置信息。

与现有技术相比，本发明具有以下有益效果。

本发明通过设置与中央处理单元联接的GPS传感器、北斗传感器、惯导传感器和GIS地图，对多种传感器的输出数据进行融合，取长补短，实现了有信号遮挡的复杂环境下的定位，解决了现有基于卫星定位技术的RTK设备存在的在城市中的高大建筑物、立交桥、地铁、树林等复杂环境中经常受到干扰，很难精准定位等问题。

附图说明

图1为本发明实施例一种基于多传感器数据融合的定位装置的方框图。

图2为现有基于卡尔曼滤波器进行多传感器数据融合的结构示意图。

图3为本发明基于组合滤波的扩展卡尔曼滤波器的示意图。

图4为本发明实施例一种应用所述装置进行定位的方法的流程图。

图1中：1-中央处理单元，2-GPS传感器，3-北斗传感器，4-惯导传感器，5-GIS地图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明白，以下结合附图及具体实施方式对本发明作进一步说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例一种基于多传感器数据融合的定位装置的方框图，包括：中央处理单元1，以及与中央处理单元1联接的GPS传感器2、北斗传感器3、惯导传感器4和GIS地图5，GPS传感器2和北斗传感器3分别用于输出基于GPS卫星信号和北斗卫星信号解算出的位置信息，惯导传感器4用于输出基于陀螺仪和加速度计的测量数据解算出的惯性参考坐标系中的位置信息，GIS地图5用于通过地图匹配得到地理位置信息，中央处理单元1主要用于通过对各种传感器输出信号进行数据融合得到位置信息。

本实施例中，所述装置主要由中央处理单元1以及与中央处理单元1联接的GPS传感器2、北斗传感器3、惯导传感器4和GIS地图5组成，如图1所示。下面分别对每一部分进行介绍。

GPS传感器2，即GPS接收机。GPS是美国第二代卫星导航系统。GPS的空间部分使用24颗高度约2万千米的卫星，24颗卫星分布在6个轨道面上，每轨道面4颗，轨道倾角为55度。卫星的分布使得在全球任何地方、任何时间都可观测到4颗以上的卫星。GPS基于空间几何的三点定位原理解算位置信息，为了消除时差引起的定位误差，需要一颗卫星用作时钟同步，故至少需要4颗卫星实现精确定位。

北斗传感器3，即北斗接收机。中国北斗卫星导航系统是中国自行研制的全球卫星导航系统，也是继美国GPS、俄罗斯GLONASS之后的第三个成熟的卫星导航系统。北斗与GPS的定位原理基本相同。北斗卫星导航系统同样由空间段、地面段和用户段三部分组成，可在全球范围内全天候、全天时为各类用户提供高精度、高可靠定位、导航、授时服务，并且具备短报文通信能力，已经初步具备区域导航、定位和授时能力，定位精度为分米、厘米级别，测速精度0.2米/秒，授时精度10纳秒。

惯导传感器4，主要由加速度计和陀螺仪组成。惯性导航是指利用加速度计等惯性元件测量运载体本身的加速度，经过积分和运算得到速度和位置，从而达到对运载体导航定位的目的。组成惯性导航系统的设备都安装在运载体内，工作时不依赖外界信息，也不向外界辐射能量，不易受到干扰，是一种自主式导航系统。因此惯性导航系统具有隐蔽性好、抗干扰、不受气象条件限制的优点，可用于在卫星信号遮挡严重GPS和北斗无法完成定位的情形。但惯导的定位误差易随时间累计而增大，因此需要经常进行校正。由于本实施例设置了多个传感器，因此可利用其它传感器对惯导的定位误差进行校正，例如可利用GPS的伪距信号对其进行校正，以提高惯导定位精度。

GIS地图5，用于通过地图匹配得到地理位置信息。GIS(Geographic InformationScience，地理信息科学)是在计算机硬、软件系统支持下，对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。GIS地图5是GIS技术系统的一种典型应用。不同于GPS等硬件传感器，GIS地图5是一个软件，如常用的百度地图、高德地图等，中央处理单元1通过软件接口获取地图数据。GIS地图5中的地理位置信息是事先测量好后存入地图文件的，而且经常更新，不受外界各种干扰信号的影响，更不依赖卫星信号，因此当出现信号遮挡时可作为GPS传感器2或北斗传感器3的一种有力补充。

中央处理单元1，是所述装置的控制与数据处理中心，用于通过输出控制信号协调各模块的工作，并完成大量的数据处理任务，比如传感器数据采集与处理、多传感器数据融合等。

本实施例设置了4种传感器，每种传感器都有其非常突出的优点，如GPS传感器2和北斗传感器3在卫星信号正常情况下可获得非常高的定位精度；惯导传感器4和GIS地图5具有隐蔽性好、抗干扰能力强、不受气象条件限制的优点。本实施例通过对多种传感器数据进行融合，可扬长避短，解决现有定位系统在复杂环境下定位精度不能保证的问题。

数据融合的方法很多，常用的有：加权平均法，贝叶斯估计，D-S证据理论，卡尔曼滤波。加权平均法是最简单的一种方法，能在最大程度上保证系统的实时性，但是无法保证输出信息的精度，且无法充分的利用所有传感器信息，挖掘出更多的信息。贝叶斯估计是在加权平均法的基础上，采用概率估计的思想对固定的加权系数进行替换。其要求苛刻，需要设定特定的环境，取得准确的先验估计，否则容易导致计算负荷变大，算法无法保证实时性工程要求。D-S证据理论法是贝叶斯估计算法的一种改进，针对系统环境已知确定和先验概率已知的缺陷进行了改进，增强了实用性。卡尔曼滤波是在信息融合算法中被广泛应用的一种算法，能合理并充分地处理多种差异很大的传感器的信息，通过被测系统的模型以及量测得到的信息完成对被测量的最优估计。本实施例对具体的数据融合方法不作限定，后面将给出一种利用扩展卡尔曼滤波法实现数据融合的实施例。

作为一可选实施例，所述装置利用组合卡尔曼滤波器对多传感器数据进行融合，所述组合卡尔曼滤波器由采用扩展卡尔曼滤波器结构的多级子滤波器和一级主滤波器组成，每个子滤波器分别对两种传感器观测数据进行滤波，主滤波器对多级子滤波器的输出进行加权求均值，各子滤波器对应的加权系数与各子滤波器的信息量正相关，所述信息量与状态方程中过程噪声的协方差成反比。

本实施例给出了多传感器数据融合的一种技术方案。本实施例采用卡尔曼滤波法对多传感器数据进行融合。为了便于理解技术方案，下面先对卡尔曼滤波器原理简单介绍一下。

卡尔曼滤波是1960年由Kalman首次提出的，其原理是借助与被观测信号相关的观测量，利用算法估计所求信号。本质上，卡尔曼滤波处理的目标是随机信号，将系统的观测量当作滤波算法的输入量，将所需的信号估计值当作滤波算法的输出量，这两个量之间通过时间更新与观测更新算法紧密关联，利用了观测噪声和系统噪声的统计特性，根据系统的状态方程和观测方程估计得到所需的信号。标准的卡尔曼滤波器是一种线性滤波器，不适合非线性系统。扩展卡尔曼滤波是标准卡尔曼滤波在非线性情形下的一种扩展形式，它的基本思想是利用泰勒级数展开将非线性系统线性化，然后采用卡尔曼滤波框架对信号进行滤波。本实施例采用扩展卡尔曼滤波器。

现有基于卡尔曼滤波进行多传感器融合的结构如图2所示，对多个传感器输出的多种观测值同时进行卡尔曼滤波，与对单个观测值进行卡尔曼滤波相比，状态变量由原来的单个状态变量变成了由多个状态变量组成的向量，通信量和计算量剧增，不适合实时滤波；而且这种结构的滤波器缺少鲁棒性和容错性，一旦某个传感器发生故障，将导致整个系统无法正常工作。为此，本实施例提出一种组合卡尔曼滤波器，其结构如图3所示。组合卡尔曼滤波器包括两部分：前面的一部分是并联的多级子滤波器，每个子滤波器是一个扩展卡尔曼滤波器，对任意两种传感器观测数据进行滤波，比如惯导传感器4和GPS传感器2，惯导传感器4和北斗传感器3；后面的一部分是一级主滤波器，对多级子滤波器的输出进行加权求均值，基于信息分配原理确定各子滤波器对应的加权系数，具体地说就是加权系数与各子滤波器的信息量正相关，所述信息量与状态方程中过程噪声的协方差成反比。本实施例采用组合卡尔曼滤波器，由于每个子滤波器同时进行卡尔曼滤波的观测量数量只有两个，可以明显减小通信量和计算量，提高容错能力和鲁棒性；而且在主滤波器中基于信息分配原理对各子滤波器的输出进行加权求均值，提高了滤波精度。

作为一可选实施例，所述装置利用GPS传感器2或北斗传感器3仅存的两颗或者三颗可见卫星的伪距和伪距率参与组合滤波，对惯导传感器4输出的位置信息进行校正，实现信号遮挡情况下的定位。

本实施例给出了信号遮挡情况下的实现定位的一种技术方案。当可见星数小于4颗时，GPS或北斗接收机不能正常定位。这种情况下，采用GNSS/INS深耦合技术，利用仅存的两颗或者三颗可见卫星的伪距和伪距率参与组合滤波，对INS(惯导)定位结果进行校正。

作为一可选实施例，所述装置通过剔除不可见卫星提高抗欺骗性干扰能力，方法如下：

利用存储的历书提供卫星的位置和惯导传感器4所提供的位置，计算出每颗卫星的仰角，根据所述仰角判断当前卫星是否在水平面以上；若不在，则认为不是实际的可见星，不予捕获。

本实施例给出了通过剔除不可见卫星提高抗干扰能力的一种技术方案。判断不可见卫星的方法是，根据历书提供的卫星位置和惯导传感器4输出的位置信息，计算卫星的仰角的余弦值，从而得到仰角；然后根据所述仰角的大小判断当前卫星是否在水平面以上，如果判定结果是不在水平面以上，那么这颗星就是不可见星。不捕获不可见星就相当于剔除了不可见星，也就剔除了一部分欺骗式干扰信号，且避免了后续通道信息计算判断，减少了整个算法的计算量。

作为一可选实施例，所述装置采用GPS、北斗双系统差分算法解算位置信息。

本实施例给出了一种采用GPS、北斗双系统提高定位精度的技术方案。由于本实施例同时设置了GPS传感器2和北斗传感器3，因此，可采用GPS、北斗双系统差分算法解算位置信息。当北斗系统与GPS系统组合进行解算，可见卫星数将迅速增加，众多的可观测卫星将有助于提高模糊度解算的成功率和可靠性，并同时提高定位解算的精度。由于GPS和北斗系统都是采用CDMA的卫星识别方式，所以二者观测方程相同，因此参考星的选择只需在各自系统内部进行，即双系统相对于单系统只是增加了卫星数，观测方程进行叠加即可，在数据处理中二者观测值采用相同的权比。

作为一可选实施例，所述装置通过在GPS传感器2和北斗传感器3的射频前端设置扼流圈天线或烽火轮技术天线，提高抗多路径干扰能力。

本实施例给出了提高抗多路径干扰能力的一种技术方案。本实施例通过在GPS和北斗接收机的射频前端设置扼流圈天线或烽火轮技术天线，消除多路径干扰。这是一种硬件抗干扰措施，属于比较成熟的现有技术，不再展开详细说明。

图4为本发明实施例一种应用所述装置进行定位的方法的流程图，所述方法包括以下步骤：

步骤101，中央处理单元1实时获取GPS传感器2的输出数据；

步骤102，中央处理单元1实时获取北斗传感器3的输出数据；

步骤103，中央处理单元1实时获取惯导传感器4的输出数据；

步骤104，中央处理单元1实时获取GIS地图5的输出数据，并通过地图匹配得到地理位置信息；

步骤105，中央处理单元1对各传感器的输出数据进行融合，得到所述装置的位置信息。

本实施例的方法，与图1所示系统实施例的技术方案相比，其实现原理和技术效果类似，此处不再赘述。后面的实施例也是如此，均不再展开说明。

作为一可选实施例，所述方法利用扩展卡尔曼滤波器对多传感器数据进行组合滤波，从而实现多传感器数据融合，所述扩展卡尔曼滤波器由多级子滤波器和一级主滤波器组成，每个子滤波器分别对两种传感器观测数据进行滤波，主滤波器对多级子滤波器的输出进行加权求均值，各子滤波器对应的加权系数与各子滤波器的信息量正相关，所述信息量与状态方程中过程噪声的协方差成反比。

作为一可选实施例，所述方法利用GPS传感器2或北斗传感器3仅存的两颗或者三颗可见卫星的伪距和伪距率参与组合滤波，对惯导传感器4输出的位置信息进行校正，实现信号遮挡情况下的定位。

作为一可选实施例，所述方法通过剔除不可见卫星提高抗欺骗性干扰能力，方法如下：

利用存储的历书提供卫星的位置和惯导传感器4所提供的位置，计算出每颗卫星的仰角，根据所述仰角判断当前卫星是否在水平面以上；若不在，则认为不是实际的可见星，不予捕获。

作为一可选实施例，所述方法采用GPS、北斗双系统差分算法解算位置信息。

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，可轻易想到的变化或替换，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以权利要求的保护范围为准。

Claims (10)

1.一种基于多传感器数据融合的定位装置，其特征在于，包括：中央处理单元，以及与中央处理单元联接的GPS传感器、北斗传感器、惯导传感器和GIS地图，GPS传感器和北斗传感器分别用于输出基于GPS卫星信号和北斗卫星信号解算出的位置信息，惯导传感器用于输出基于陀螺仪和加速度计的测量数据解算出的惯性参考坐标系中的位置信息，GIS地图用于通过地图匹配得到地理位置信息，中央处理单元主要用于通过对各种传感器输出信号进行数据融合得到位置信息。

2.根据权利要求1所述的基于多传感器数据融合的定位装置，其特征在于，所述装置利用扩展卡尔曼滤波器对多传感器数据进行组合滤波，从而实现多传感器数据融合，所述扩展卡尔曼滤波器由多级子滤波器和一级主滤波器组成，每个子滤波器分别对两种传感器观测数据进行滤波，主滤波器对多级子滤波器的输出进行加权求均值，各子滤波器对应的加权系数与各子滤波器的信息量正相关，所述信息量与状态方程中过程噪声的协方差成反比。

3.根据权利要求1所述的基于多传感器数据融合的定位装置，其特征在于，所述装置利用GPS传感器或北斗传感器仅存的两颗或者三颗可见卫星的伪距和伪距率参与组合滤波，对惯导传感器输出的位置信息进行校正，实现信号遮挡情况下的定位。

4.根据权利要求1所述的基于多传感器数据融合的定位装置，其特征在于，所述装置通过剔除不可见卫星提高抗欺骗性干扰能力，方法如下：

利用存储的历书提供卫星的位置和惯导传感器所提供的位置，计算出每颗卫星的仰角，根据所述仰角判断当前卫星是否在水平面以上；若不在，则认为不是实际的可见星，不予捕获。

5.根据权利要求1所述的基于多传感器数据融合的定位装置，其特征在于，所述装置采用GPS、北斗双系统差分算法解算位置信息。

6.根据权利要求1所述的基于多传感器数据融合的定位装置，其特征在于，所述装置通过在GPS传感器和北斗传感器的射频前端设置扼流圈天线或烽火轮技术天线，提高抗多路径干扰能力。

7.一种利用所述装置进行定位的方法，包括以下步骤：

中央处理单元实时获取GPS传感器的输出数据；

中央处理单元实时获取北斗传感器的输出数据；

中央处理单元实时获取惯导传感器的输出数据；

中央处理单元实时获取GIS地图的输出数据，并通过地图匹配得到地理位置信息；

中央处理单元对各传感器的输出数据进行融合，得到所述装置的位置信息。

8.根据权利要求7所述的方法，其特征在于，所述方法利用扩展卡尔曼滤波器对多传感器数据进行组合滤波，从而实现多传感器数据融合，所述扩展卡尔曼滤波器由多级子滤波器和一级主滤波器组成，每个子滤波器分别对两种传感器观测数据进行滤波，主滤波器对多级子滤波器的输出进行加权求均值，各子滤波器对应的加权系数与各子滤波器的信息量正相关，所述信息量与状态方程中过程噪声的协方差成反比。

9.根据权利要求7所述的方法，其特征在于，所述方法利用GPS传感器或北斗传感器仅存的两颗或者三颗可见卫星的伪距和伪距率参与组合滤波，对惯导传感器输出的位置信息进行校正，实现信号遮挡情况下的定位。

10.根据权利要求7所述的方法，其特征在于，所述方法通过剔除不可见卫星提高抗欺骗性干扰能力，方法如下：

利用存储的历书提供卫星的位置和惯导传感器所提供的位置，计算出每颗卫星的仰角，根据所述仰角判断当前卫星是否在水平面以上；若不在，则认为不是实际的可见星，不予捕获。

Images