CN114111767A - 基于多信息融合对线路设计线型进行优化的方法 - Google Patents

基于多信息融合对线路设计线型进行优化的方法 Download PDF

Info

Publication number
CN114111767A
CN114111767A CN202111262645.9A CN202111262645A CN114111767A CN 114111767 A CN114111767 A CN 114111767A CN 202111262645 A CN202111262645 A CN 202111262645A CN 114111767 A CN114111767 A CN 114111767A
Authority
CN
China
Prior art keywords
navigation system
rfid
inertial navigation
error
odometer
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
CN202111262645.9A
Other languages
English (en)
Other versions
CN114111767B (zh
Inventor
庄广琛
郭玉胜
裴新凯
王海军
王大元
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.)
Beijing Automation Control Equipment Institute BACEI
Original Assignee
Beijing Automation Control Equipment Institute BACEI
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 Beijing Automation Control Equipment Institute BACEI filed Critical Beijing Automation Control Equipment Institute BACEI
Priority to CN202111262645.9A priority Critical patent/CN114111767B/zh
Publication of CN114111767A publication Critical patent/CN114111767A/zh
Application granted granted Critical
Publication of CN114111767B publication Critical patent/CN114111767B/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
    • G01C21/10—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
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

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)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供了一种基于多信息融合对线路设计线型进行优化的方法，该基于多信息融合对线路设计线型进行优化的方法包括：选取惯性导航系统、里程计、卫星和RFID传感器构成的组合导航系统状态构成系统状态向量；根据系统状态向量计算获取组合导航系统的概率分布函数；对概率分布函数进行高斯分布变换，根据高斯分布变换后的概率分布函数获取测量与观测差值函数；采用因子图算法对测量与观测差值函数进行表达；对测量与观测差值函数求导以获取对组合导航系统状态的融合结果；基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化。应用本发明的技术方案，以解决现有技术中惯性轨道检测系统的测量精度低的技术问题。

Description

基于多信息融合对线路设计线型进行优化的方法
技术领域
本发明涉及惯性导航技术领域，尤其涉及一种基于多信息融合对线路设计线型进行优化的方法。
背景技术
传统轨道检测系统一般采用全站仪+里程计的测量方式，站点间的轨道参数通过拟合获取，无法准确反映轨道真实的平顺性。加入惯导系统后，通过高频输出的惯导姿态信息，可以得到密集的轨道特征，从而提高轨道平顺性计算的准确性。但由于惯导系统的漂移特性，长时间连续工作后，系统精度下降严重，制约了惯性轨道检测系统的测量效率。
发明内容
本发明提供了一种基于多信息融合对线路设计线型进行优化的方法，能够解决现有技术中惯性轨道检测系统的测量精度低的技术问题。
本发明提供了一种基于多信息融合对线路设计线型进行优化的方法，基于多信息融合对线路设计线型进行优化的方法包括：选取惯性导航系统、里程计、卫星和RFID传感器构成的组合导航系统状态构成系统状态向量；根据系统状态向量计算获取组合导航系统的概率分布函数；对概率分布函数进行高斯分布变换，根据高斯分布变换后的概率分布函数获取测量与观测差值函数；采用因子图算法对测量与观测差值函数进行表达；对测量与观测差值函数求导以获取对组合导航系统状态的融合结果；基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化。
进一步地，基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化具体包括：当设计线型信息为直线且在卫星处于有效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure BDA0003325968700000021
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽、陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ对线路设计线型进行优化；当设计线型信息为直线且在卫星处于无效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的俯仰角误差θ、惯性导航系统的横滚角误差γ、惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化；当设计线型信息为缓和曲线且在卫星处于有效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure BDA0003325968700000022
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽以及陀螺漂移ε对线路设计线型进行优化；当设计线型信息为缓和曲线且在卫星处于无效状态时，根据惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化；当设计线型信息为圆曲线且在卫星处于有效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure BDA0003325968700000023
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽、陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ对线路设计线型进行优化；当设计线型信息为圆曲线且在卫星处于无效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的俯仰角误差θ、惯性导航系统的横滚角误差γ、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化。
进一步地，组合导航系统状态的系统状态向量为
Figure BDA0003325968700000031
其中，
Figure BDA0003325968700000032
为惯性导航系统的姿态，θ为俯仰角误差，γ为横滚角误差，ψ为航向角误差，v为惯性导航系统在导航坐标系下的速度，v＝[ve vn vu]T，ve为惯性导航系统在导航坐标系下的东向速度，vn为惯性导航系统在导航坐标系下的北向速度，vu为惯性导航系统在导航坐标系下的天向速度，p＝[Lλ h]T，p为惯性导航系统的位置，L为惯性导航系统的纬度，λ为惯性导航系统的经度，h为惯性导航系统的高度，ε＝[εx εy εz]T，ε为陀螺漂移，εx为沿x方向的陀螺漂移，εy为沿y方向的陀螺漂移，εz为沿z方向的陀螺漂移，▽＝[▽x ▽y ▽z]T，▽为加速度计零位，▽x为沿x方向的加速度计零位，▽y为沿y方向的加速度计零位，▽z为沿z方向的加速度计零位，pRFID＝[LRFID λRFID hRFID]T，pRFID为RFID传感器的位置误差，LRFID为RFID传感器沿纬度方向的位置误差，λRFID为RFID传感器沿经度方向的位置误差，hRFID为RFID传感器沿高度方向的位置误差，δK为里程计的刻度系数误差，αθ为里程计与惯性导航系统之间的沿俯仰方向的安装误差，αψ为里程计与惯性导航系统之间的沿航向的安装误差。
进一步地，组合导航系统的概率分布函数为
Figure BDA0003325968700000033
其中，p(Vk|Zk)测量为Zk条件下Xk的概率分布函数，Zk为初始时刻到tk时刻为止获得的里程计输出的里程、GPS的位置以及RFID传感器输出的位置测量信息，Vk为初始时刻到当前时刻tk为止系统导航状态的集合，Vj为初始时刻到当前时刻tj为止系统导航状态的集合，
Figure BDA0003325968700000046
为i-1时刻的惯性导航系统IMU的位置信息，zj为tj时刻的里程计输出的里程、GPS的位置以及RFID传感器输出的位置测量信息，xi为ti时刻的系统导航状态，xi-1为ti-1时刻的系统导航状态，ci为ti时刻的组合导航系统误差状态，ci-1为ti-1时刻的组合导航系统误差状态，p(V0)为先验概率，
Figure BDA0003325968700000041
为
Figure BDA0003325968700000042
条件下xi的概率分布函数，p(zj|Vj)为一次观测zj所对应的系统状态，p(ci|ci-1)为ci-1条件下ci的概率分布函数。
进一步地，初始时刻到当前时刻tk为止系统导航状态的集合Vk可根据
Figure BDA0003325968700000043
来获取，其中，Xk表示k时刻的系统导航状态，系统导航状态包括惯导系统导航信息和RFID定位信息，Ck表示k时刻的组合导航系统误差状态。
进一步地，高斯分布变换后的概率分布函数为
Figure BDA0003325968700000044
其中，zi为ti时刻的里程计输出的里程，h(·)为量测函数，h(Vk)为初始时刻到当前时刻tk为止系统导航状态的集合Vk的量测函数。进一步地，初始时刻到当前时刻tk为止系统导航状态的集合Vk的量测函数h(Vk)为系统观测矩阵，h(Vk)＝[-[v×] I3 O3×9 -I3 M]，其中[v×]表示速度矢量v的构成的反对称阵
Figure BDA0003325968700000045
vx为组合导航系统沿x方向的速度，vy为组合导航系统沿y方向的速度，vz为组合导航系统沿z方向的速度，I3表示单位阵，O3×9表示零矩阵，M是由系统里程计测量值组成的矩阵，
Figure BDA0003325968700000051
Figure BDA0003325968700000052
为惯性导航系统与导航系之间的安装关系矩阵，
Figure BDA0003325968700000053
为里程计在载体坐标系下沿x方向输出的里程，
Figure BDA0003325968700000054
为里程计在载体坐标系下沿y方向输出的里程，
Figure BDA0003325968700000055
为里程计在载体坐标系下沿z方向输出的里程。
进一步地，测量与观测差值函数J(Vk)为
Figure BDA0003325968700000056
zi为ti时刻的里程计输出的里程、GPS的位置以及RFID传感器输出的位置测量信息，R为观测噪声协方差矩阵。
进一步地，采用因子图算法对测量与观测差值函数进行表达具体包括：当因子图中的边为惯导分量时，采用xi-Fxi-1作为测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为GPS分量时，采用zi,GPS-hGPS(xi)作为测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为里程计分量时，采用
Figure BDA0003325968700000057
作为测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为RFID分量时，采用zi,RFID-hRFID(xi)作为测量与观测差值函数中的zi-h(Vk)T；其中，F为惯导系统导航递推方程，zi,GPS表示ti时刻GPS的位置,hGPS表示GPS分量观测矩阵，
Figure BDA0003325968700000058
表示由载体坐标系转换为导航坐标系的姿态矩阵，zi,ODO表示ti时刻的里程计位置，hODO表示里程计分量观测矩阵，zi,RFID表示ti时刻的RFID位置，hRFID表示RFID分量观测矩阵。
进一步地，惯导系统导航递推方程F为
Figure BDA0003325968700000059
F1为惯性及RFID相关状态转移矩阵，具体表达形式为
Figure BDA00033259687000000510
其中，FINS为惯导系统标准状态转移矩阵。
应用本发明的技术方案，提供了一种基于多信息融合对线路设计线型进行优化的方法，该方法综合利用测量过程中能够获取的各类信息，基于惯性导航系统、里程计、卫星和RFID传感器所获取的信息，并对各类信息进行多信息融合，根据系统状态向量计算获取组合导航系统的概率分布函数，采用因子图算法对测量与观测差值函数进行表达，对测量与观测差值函数求导以获取对组合导航系统状态的融合结果，基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化，此种方式能够实现抑制惯导系统误差、消除里程累计误差的能力，提高长时间连续工作情况下的测量精度。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施例，并与文字描述一起来阐释本发明的原理。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示出了根据本发明的具体实施例提供的基于多信息融合对线路设计线型进行优化的方法的流程框图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作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。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
如图1所示，根据本发明的具体实施例提供了一种基于多信息融合对线路设计线型进行优化的方法，该基于多信息融合对线路设计线型进行优化的方法包括：选取惯性导航系统、里程计、卫星和RFID传感器构成的组合导航系统状态构成系统状态向量；根据系统状态向量计算获取组合导航系统的概率分布函数；对概率分布函数进行高斯分布变换，根据高斯分布变换后的概率分布函数获取测量与观测差值函数；采用因子图算法对测量与观测差值函数进行表达；对测量与观测差值函数求导以获取对组合导航系统状态的融合结果；基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化。
应用此种配置方式，提供了一种基于多信息融合对线路设计线型进行优化的方法，该方法综合利用测量过程中能够获取的各类信息，基于惯性导航系统、里程计、卫星和RFID传感器所获取的信息，并对各类信息进行多信息融合，根据系统状态向量计算获取组合导航系统的概率分布函数，采用因子图算法对测量与观测差值函数进行表达，对测量与观测差值函数求导以获取对组合导航系统状态的融合结果，基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化，此种方式能够实现抑制惯导系统误差、消除里程累计误差的能力，提高长时间连续工作情况下的测量精度。
在本发明中，车辆在行驶过程中，会经常行驶进隧道、山区等环境，导致卫星信号不能一直保持有效，RFID位置传感器可以在铁路沿线按照一定间隔要求布设，定位周期也不确定，因此采用具有即插即用能力的因子图算法：当卫星有效时，通过惯性/卫星/里程计/RFID达到毫米级的定位精度,并对RFID位置误差进行修正；当卫星失效时，依靠惯性/里程计保持短时间的高精度自主导航，防止定位误差过快增长；当RFID有效时，利用惯性/里程计/RFID实现轨检系统位置误差修正；当卫星恢复有效时，能够利用前后卫星有效段的信息，对中间卫星失效期间惯性/里程计组合的位置精度进行优化，使得整体测量轨迹连续有效。
基于此，为了实现对轨道线型的优化，首先需要选取组合导航系统状态构成19维系统状态向量。组合导航系统状态的系统状态向量为
Figure BDA0003325968700000091
其中，
Figure BDA0003325968700000092
为惯性导航系统的姿态，θ为俯仰角误差，γ为横滚角误差，ψ为航向角误差，v为惯性导航系统在导航坐标系下的速度，v＝[ve vn vu]T，ve为惯性导航系统在导航坐标系下的东向速度，vn为惯性导航系统在导航坐标系下的北向速度，vu为惯性导航系统在导航坐标系下的天向速度，p＝[L λ h]T，p为惯性导航系统的位置，L为惯性导航系统的纬度，λ为惯性导航系统的经度，h为惯性导航系统的高度，ε＝[εx εy εz]T，ε为陀螺漂移，εx为沿x方向的陀螺漂移，εy为沿y方向的陀螺漂移，εz为沿z方向的陀螺漂移，▽＝[▽x ▽y▽z]T，▽为加速度计零位，▽x为沿x方向的加速度计零位，▽y为沿y方向的加速度计零位，▽z为沿z方向的加速度计零位，pRFID＝[LRFID λRFID hRFID]T，pRFID为RFID传感器的位置误差，LRFID为RFID传感器沿纬度方向的位置误差，λRFID为RFID传感器沿经度方向的位置误差，hRFID为RFID传感器沿高度方向的位置误差，δK为里程计的刻度系数误差，αθ为里程计与惯性导航系统之间的沿俯仰方向的安装误差，αψ为里程计与惯性导航系统之间的沿航向的安装误差。
在获取了系统状态向量之后，当假设各组变量的概率分布独立不相关时，则可以将联合概率密度函数进行因式分解，根据定义，当一个具有多变量的全局函数可以表示多个局部函数的乘积形式时，可以将多项式表示为因子图的形式。因此，将系统状态向量中的变量进行分组：
Figure BDA0003325968700000093
其中，Xk表示k时刻的系统导航状态，系统导航状态包括惯导系统导航信息和RFID定位信息，Ck表示k时刻的组合导航系统误差状态。
对系统状态向量中的变量进行分组之后，根据系统状态向量计算获取组合导航系统的概率分布函数。组合导航系统的概率分布函数(Probability DistributionFunction，PDF)为
Figure BDA0003325968700000101
其中，p(Vk|Zk)测量为Zk条件下Xk的概率分布函数，Zk为初始时刻到tk时刻为止获得的里程计输出的里程、GPS的位置以及RFID传感器输出的位置测量信息，Vk为初始时刻到当前时刻tk为止系统导航状态的集合，Vj为初始时刻到当前时刻tj为止系统导航状态的集合，
Figure BDA0003325968700000102
为i-1时刻的惯性导航系统IMU的位置信息，zj为tj时刻的里程计输出的里程、GPS的位置以及RFID传感器输出的位置测量信息，xi为ti时刻的系统导航状态，xi-1为ti-1时刻的系统导航状态，ci为ti时刻的组合导航系统误差状态，ci-1为ti-1时刻的组合导航系统误差状态，p(V0)为先验概率，
Figure BDA0003325968700000103
为
Figure BDA0003325968700000104
条件下xi的概率分布函数，p(zj|Vj)为一次观测zj所对应的系统状态，p(ci|ci-1)为ci-1条件下ci的概率分布函数。
进一步地，考虑概率分布函数中的各组变量独立不相关，并符合高斯分布，因此，对概率分布函数进行高斯分布变换，高斯分布变换后的概率分布函数为
Figure BDA0003325968700000105
其中，zi为ti时刻的里程计输出的里程，h(·)为量测函数，h(Vk)为初始时刻到当前时刻tk为止系统导航状态的集合Vk的量测函数。初始时刻到当前时刻tk为止系统导航状态的集合Vk的量测函数h(Vk)为系统观测矩阵，h(Vk)＝[-[v×] I3O3×9 -I3 M]，其中[v×]表示速度矢量v的构成的反对称阵
Figure BDA0003325968700000111
vx为组合导航系统沿x方向的速度，vy为组合导航系统沿y方向的速度，vz为组合导航系统沿z方向的速度，I3表示单位阵，O3×9表示零矩阵。M是由系统里程计测量值组成的矩阵，具体形式为
Figure BDA0003325968700000112
Figure BDA0003325968700000113
为惯性导航系统与导航系之间的安装关系矩阵，
Figure BDA0003325968700000114
为里程计在载体坐标系下沿x方向输出的里程，
Figure BDA0003325968700000115
为里程计在载体坐标系下沿y方向输出的里程，
Figure BDA0003325968700000116
为里程计在载体坐标系下沿z方向输出的里程。
在获取了高斯分布变换后的概率分布函数之后，根据高斯分布变换后的所述概率分布函数获取测量与观测差值函数。测量与观测差值函数J(Vk)为
Figure BDA0003325968700000117
zi为ti时刻的里程计输出的里程、GPS的位置以及RFID传感器输出的位置测量信息，R为观测噪声协方差矩阵。由此，可将求取概率的最大值可以转化为求取测量与观测差值函数的最小值。
进一步地，在获取了测量与观测差值函数之后，采用因子图算法对所述测量与观测差值函数进行表达。具体地，在本发明中，初始时刻到当前时刻tk为止系统导航状态的集合Vk中的各个分量根据数据达到时刻，组成因子图中的各个节点，测量与观测差值函数J(Vk)中的分量则组成了因子图中的边，这样就将问题由求取系统最优融合定位结果的问题转换为了求取测量与观测差值函数J(Vk)最小值的问题。
在本发明中，采用因子图算法对测量与观测差值函数进行表达具体包括：当因子图中的边为惯导分量时，采用xi-Fxi-1作为测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为GPS分量时，采用zi,GPS-hGPS(xi)作为测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为里程计分量时，采用
Figure BDA0003325968700000121
作为测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为RFID分量时，采用zi,RFID-hRFID(xi)作为测量与观测差值函数中的zi-h(Vk)T；其中，F为惯导系统导航递推方程，惯导系统导航递推方程F为
Figure BDA0003325968700000122
F1为惯性及RFID相关状态转移矩阵，具体表达形式为
Figure BDA0003325968700000123
其中，FINS为惯导系统标准状态转移矩阵。zi,GPS表示ti时刻GPS的位置,hGPS表示GPS分量观测矩阵，
Figure BDA0003325968700000124
表示由载体坐标系转换为导航坐标系的姿态矩阵，zi,ODO表示ti时刻的里程计位置，hODO表示里程计分量观测矩阵，zi,RFID表示ti时刻的RFID位置，hRFID表示RFID分量观测矩阵。
进一步地，在采用因子图算法对所述测量与观测差值函数进行表达之后，对测量与观测差值函数求导以获取对组合导航系统状态的融合结果。具体地，
Figure BDA0003325968700000125
由此可以得到对系统状态Vk的融合结果。
在得到对系统状态Vk的融合结果之后，基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化。在本发明中，基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化具体包括：当设计线型信息为直线且在卫星处于有效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure BDA0003325968700000126
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽、陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ对线路设计线型进行优化；当设计线型信息为直线且在卫星处于无效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的俯仰角误差θ、惯性导航系统的横滚角误差γ、惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化；当设计线型信息为缓和曲线且在卫星处于有效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure BDA0003325968700000131
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽以及陀螺漂移ε对线路设计线型进行优化；当设计线型信息为缓和曲线且在卫星处于无效状态时，根据惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化；当设计线型信息为圆曲线且在卫星处于有效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure BDA0003325968700000132
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽、陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ对线路设计线型进行优化；当设计线型信息为圆曲线且在卫星处于无效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的俯仰角误差θ、惯性导航系统的横滚角误差γ、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化。
作为本发明的一个具体实施例，利用设计线型信息，对当前所处路线的类型进行判断，并根据判断结果和参考信息有效性，对不同类型的状态进行估计，如表1所示。根据表1规定的修正内容，当系统工作状态符合某一条件时，将不进行估计和修正的变量状态设置为“固定”，即不参与估计更新运算，反之则设置为“非固定”，对状态量估计值进行更新。例如，当设计线型为直线时，当卫星处于有效状态时，将惯性导航系统的姿态
Figure BDA0003325968700000141
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽、陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ设置为“非固定”，参与估计更新运算，并利用估计的变量对线路设计线型进行优化；当卫星处于无效状态时，将俯仰角误差θ、惯性导航系统的横滚角误差γ、惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽设置为“非固定”，将航向角误差ψ、陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ设置为“固定”，不参与估计更新运算，根据估计的变量以及组合导航系统获取的测量值对线路设计线型进行优化。
为了对本发明有进一步地了解，下面结合图1对本发明所提供的基于多信息融合对线路设计线型进行优化的方法进行详细说明。
如图1所示，根据本发明的具体实施例提供了一种基于多信息融合对线路设计线型进行优化的方法，该方法具体包括如下步骤。
选取惯性导航系统、里程计、卫星和RFID传感器构成的组合导航系统状态构成系统状态向量。组合导航系统状态的系统状态向量为
Figure BDA0003325968700000142
其中，
Figure BDA0003325968700000143
为惯性导航系统的姿态，θ为俯仰角误差，γ为横滚角误差，ψ为航向角误差，v为惯性导航系统在导航坐标系下的速度，v＝[ve vn vu]T，ve为惯性导航系统在导航坐标系下的东向速度，vn为惯性导航系统在导航坐标系下的北向速度，vu为惯性导航系统在导航坐标系下的天向速度，p＝[L λ h]T，p为惯性导航系统的位置，L为惯性导航系统的纬度，λ为惯性导航系统的经度，h为惯性导航系统的高度，ε＝[εx εy εz]T，ε为陀螺漂移，εx为沿x方向的陀螺漂移，εy为沿y方向的陀螺漂移，εz为沿z方向的陀螺漂移，▽＝[▽x ▽y▽z]T，▽为加速度计零位，▽x为沿x方向的加速度计零位，▽y为沿y方向的加速度计零位，▽z为沿z方向的加速度计零位，pRFID＝[LRFID λRFID hRFID]T，pRFID为RFID传感器的位置误差，LRFID为RFID传感器沿纬度方向的位置误差，λRFID为RFID传感器沿经度方向的位置误差，hRFID为RFID传感器沿高度方向的位置误差，δK为里程计的刻度系数误差，αθ为里程计与惯性导航系统之间的沿俯仰方向的安装误差，αψ为里程计与惯性导航系统之间的沿航向的安装误差。
根据所述系统状态向量计算获取组合导航系统的概率分布函数。组合导航系统的概率分布函数(Probability Distribution Function，PDF)为
Figure BDA0003325968700000151
对所述概率分布函数进行高斯分布变换，根据高斯分布变换后的所述概率分布函数获取测量与观测差值函数；高斯分布变换后的概率分布函数为
Figure BDA0003325968700000152
其中，zi为ti时刻的里程计输出的里程，h(·)为量测函数，h(Vk)为初始时刻到当前时刻tk为止系统导航状态的集合Vk的量测函数。初始时刻到当前时刻tk为止系统导航状态的集合Vk的量测函数h(Vk)为系统观测矩阵，h(Vk)＝[-[v×] I3O3×9 -I3 M]，其中[v×]表示速度矢量v的构成的反对称阵
Figure BDA0003325968700000161
vx为组合导航系统沿x方向的速度，vy为组合导航系统沿y方向的速度，vz为组合导航系统沿z方向的速度，I3表示单位阵，O3×9表示零矩阵。M是由系统里程计测量值组成的矩阵，具体形式为
Figure BDA0003325968700000162
Figure BDA0003325968700000163
为惯性导航系统与导航系之间的安装关系矩阵，
Figure BDA0003325968700000164
为里程计在载体坐标系下沿x方向输出的里程，
Figure BDA0003325968700000165
为里程计在载体坐标系下沿y方向输出的里程，
Figure BDA0003325968700000166
为里程计在载体坐标系下沿z方向输出的里程。
采用因子图算法对所述测量与观测差值函数进行表达。在本实施例中，采用因子图算法对测量与观测差值函数进行表达具体包括：当因子图中的边为惯导分量时，采用xi-Fxi-1作为测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为GPS分量时，采用zi,GPS-hGPS(xi)作为测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为里程计分量时，采用
Figure BDA0003325968700000167
作为测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为RFID分量时，采用zi,RFID-hRFID(xi)作为测量与观测差值函数中的zi-h(Vk)T；其中，F为惯导系统导航递推方程，惯导系统导航递推方程F为
Figure BDA0003325968700000168
F1为惯性及RFID相关状态转移矩阵，具体表达形式为
Figure BDA0003325968700000169
其中FINS为惯导系统标准状态转移矩阵。zi,GPS表示ti时刻GPS的位置,hGPS表示GPS分量观测矩阵，
Figure BDA00033259687000001610
表示由载体坐标系转换为导航坐标系的姿态矩阵，zi,ODO表示ti时刻的里程计位置，hODO表示里程计分量观测矩阵，zi,RFID表示ti时刻的RFID位置，hRFID表示RFID分量观测矩阵。
对测量与观测差值函数求导以获取对组合导航系统状态的融合结果。具体地，
Figure BDA0003325968700000171
由此可以得到对系统状态Vk的融合结果。
基于所述组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化。在本实施例中，基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化具体包括：当设计线型信息为直线且在卫星处于有效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure BDA0003325968700000172
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽、陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ对线路设计线型进行优化；当设计线型信息为直线且在卫星处于无效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的俯仰角误差θ、惯性导航系统的横滚角误差γ、惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化；当设计线型信息为缓和曲线且在卫星处于有效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure BDA0003325968700000173
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽以及陀螺漂移ε对线路设计线型进行优化；当设计线型信息为缓和曲线且在卫星处于无效状态时，根据惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化；当设计线型信息为圆曲线且在卫星处于有效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure BDA0003325968700000174
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽、陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ对线路设计线型进行优化；当设计线型信息为圆曲线且在卫星处于无效状态时，根据组合导航系统状态的融合结果所获取的惯性导航系统的俯仰角误差θ、惯性导航系统的横滚角误差γ、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化。
综上所述，本发明提供了一种基于多信息融合对线路设计线型进行优化的方法，该方法综合利用测量过程中能够获取的各类信息，基于惯性导航系统、里程计、卫星和RFID传感器所获取的信息，并对各类信息进行多信息融合，根据系统状态向量计算获取组合导航系统的概率分布函数，采用因子图算法对测量与观测差值函数进行表达，对测量与观测差值函数求导以获取对组合导航系统状态的融合结果，基于组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化，此种方式能够实现抑制惯导系统误差、消除里程累计误差的能力，提高长时间连续工作情况下的测量精度。
为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。
此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本发明保护范围的限制。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于多信息融合对线路设计线型进行优化的方法，其特征在于，所述基于多信息融合对线路设计线型进行优化的方法包括：
选取惯性导航系统、里程计、卫星和RFID传感器构成的组合导航系统状态构成系统状态向量；
根据所述系统状态向量计算获取组合导航系统的概率分布函数；
对所述概率分布函数进行高斯分布变换，根据高斯分布变换后的所述概率分布函数获取测量与观测差值函数；
采用因子图算法对所述测量与观测差值函数进行表达；
对所述测量与观测差值函数求导以获取对组合导航系统状态的融合结果；
基于所述组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化。
2.根据权利要求1所述的基于多信息融合对线路设计线型进行优化的方法，其特征在于，基于所述组合导航系统状态的融合结果和设计线型信息对线路设计线型进行优化具体包括：当设计线型信息为直线且在卫星处于有效状态时，根据所述组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure FDA0003325968690000011
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位▽、陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ对线路设计线型进行优化；当设计线型信息为直线且在卫星处于无效状态时，根据所述组合导航系统状态的融合结果所获取的惯性导航系统的俯仰角误差θ、惯性导航系统的横滚角误差γ、惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位
Figure FDA0003325968690000021
对线路设计线型进行优化；当设计线型信息为缓和曲线且在卫星处于有效状态时，根据所述组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure FDA0003325968690000022
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位
Figure FDA0003325968690000023
以及陀螺漂移ε对线路设计线型进行优化；当设计线型信息为缓和曲线且在卫星处于无效状态时，根据惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位
Figure FDA0003325968690000024
对线路设计线型进行优化；当设计线型信息为圆曲线且在卫星处于有效状态时，根据所述组合导航系统状态的融合结果所获取的惯性导航系统的姿态
Figure FDA0003325968690000025
惯性导航系统在导航坐标系下的速度v、惯性导航系统的位置p、RFID传感器的位置误差pRFID、加速度计零位
Figure FDA0003325968690000026
陀螺漂移ε、里程计的刻度系数误差δK、里程计与惯导系统之间的沿俯仰方向的安装误差αθ以及里程计与惯导系统之间的沿航向方向的安装误差αψ对线路设计线型进行优化；当设计线型信息为圆曲线且在卫星处于无效状态时，根据所述组合导航系统状态的融合结果所获取的惯性导航系统的俯仰角误差θ、惯性导航系统的横滚角误差γ、惯性导航系统的位置p、RFID传感器的位置误差pRFID和加速度计零位▽对线路设计线型进行优化。
3.根据权利要求1或2所述的基于多信息融合对线路设计线型进行优化的方法，其特征在于，所述组合导航系统状态的系统状态向量为
Figure FDA0003325968690000027
其中，
Figure FDA0003325968690000028
Figure FDA0003325968690000029
为惯性导航系统的姿态，θ为俯仰角误差，γ为横滚角误差，ψ为航向角误差，v为惯性导航系统在导航坐标系下的速度，v＝[ve vn vu]T，ve为惯性导航系统在导航坐标系下的东向速度，vn为惯性导航系统在导航坐标系下的北向速度，vu为惯性导航系统在导航坐标系下的天向速度，p＝[L λ h]T，p为惯性导航系统的位置，L为惯性导航系统的纬度，λ为惯性导航系统的经度，h为惯性导航系统的高度，ε＝[εx εy εz]T，ε为陀螺漂移，εx为沿x方向的陀螺漂移，εy为沿y方向的陀螺漂移，εz为沿z方向的陀螺漂移，
Figure FDA0003325968690000031
Figure FDA0003325968690000032
为加速度计零位，
Figure FDA0003325968690000033
为沿x方向的加速度计零位，
Figure FDA0003325968690000034
为沿y方向的加速度计零位，
Figure FDA0003325968690000035
为沿z方向的加速度计零位，pRFID＝[LRFID λRFID hRFID]T，pRFID为RFID传感器的位置误差，LRFID为RFID传感器沿纬度方向的位置误差，λRFID为RFID传感器沿经度方向的位置误差，hRFID为RFID传感器沿高度方向的位置误差，δK为里程计的刻度系数误差，αθ为里程计与惯性导航系统之间的沿俯仰方向的安装误差，αψ为里程计与惯性导航系统之间的沿航向的安装误差。
4.根据权利要求3所述的基于多信息融合对线路设计线型进行优化的方法，其特征在于，所述组合导航系统的概率分布函数为
Figure FDA0003325968690000036
其中，p(Vk|Zk)测量为Zk条件下Xk的概率分布函数，Zk为初始时刻到tk时刻为止获得的里程计输出的里程、GPS的位置以及RFID传感器输出的位置测量信息，Vk为初始时刻到当前时刻tk为止系统导航状态的集合，Vj为初始时刻到当前时刻tj为止系统导航状态的集合，
Figure FDA0003325968690000037
为i-1时刻的惯性导航系统IMU的位置信息，zj为tj时刻的里程计输出的里程、GPS的位置以及RFID传感器输出的位置测量信息，xi为ti时刻的系统导航状态，xi-1为ti-1时刻的系统导航状态，ci为ti时刻的组合导航系统误差状态，ci-1为ti-1时刻的组合导航系统误差状态，p(V0)为先验概率，
Figure FDA0003325968690000038
为
Figure FDA0003325968690000039
条件下xi的概率分布函数，p(zj|Vj)为一次观测zj所对应的系统状态，p(ci|ci-1)为ci-1条件下ci的概率分布函数。
5.根据权利要求4所述的基于多信息融合对线路设计线型进行优化的方法，其特征在于，初始时刻到当前时刻tk为止系统导航状态的集合Vk可根据
Figure FDA0003325968690000041
来获取，其中，Xk表示k时刻的系统导航状态，所述系统导航状态包括惯导系统导航信息和RFID定位信息，Ck表示k时刻的组合导航系统误差状态。
6.根据权利要求4所述的基于多信息融合对线路设计线型进行优化的方法，其特征在于，所述高斯分布变换后的所述概率分布函数为
Figure FDA0003325968690000042
其中，zi为ti时刻的里程计输出的里程，h(·)为量测函数，h(Vk)为初始时刻到当前时刻tk为止系统导航状态的集合Vk的量测函数。
7.根据权利要求6所述的基于多信息融合对线路设计线型进行优化的方法，其特征在于，初始时刻到当前时刻tk为止系统导航状态的集合Vk的量测函数h(Vk)为系统观测矩阵，h(Vk)＝[-[v×]I3 O3×9 -I3 M]，其中[v×]表示速度矢量v构成的反对称阵
Figure FDA0003325968690000043
vx为组合导航系统沿x方向的速度，vy为组合导航系统沿y方向的速度，vz为组合导航系统沿z方向的速度，I3表示单位阵，O3×9表示零矩阵，M是由系统里程计测量值组成的矩阵，
Figure FDA0003325968690000044
Figure FDA0003325968690000045
为惯性导航系统与导航系之间的安装关系矩阵，
Figure FDA0003325968690000046
为里程计在载体坐标系下沿x方向输出的里程，
Figure FDA0003325968690000047
为里程计在载体坐标系下沿y方向输出的里程，
Figure FDA0003325968690000048
为里程计在载体坐标系下沿z方向输出的里程。
8.根据权利要求6所述的基于多信息融合对线路设计线型进行优化的方法，其特征在于，所述测量与观测差值函数J(Vk)为
Figure FDA0003325968690000051
zi为ti时刻的里程计输出的里程、GPS的位置以及RFID传感器输出的位置测量信息，R为观测噪声协方差矩阵。
9.根据权利要求8所述的基于多信息融合对线路设计线型进行优化的方法，其特征在于，采用因子图算法对所述测量与观测差值函数进行表达具体包括：当因子图中的边为惯导分量时，采用xi-Fxi-1作为所述测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为GPS分量时，采用zi,GPS-hGPS(xi)作为所述测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为里程计分量时，采用
Figure FDA0003325968690000052
作为所述测量与观测差值函数中的zi-h(Vk)T；当因子图中的边为RFID分量时，采用zi,RFID-hRFID(xi)作为所述测量与观测差值函数中的zi-h(Vk)T；其中，F为惯导系统导航递推方程，zi,GPS表示ti时刻GPS的位置,hGPS表示GPS分量观测矩阵，
Figure FDA0003325968690000053
表示由载体坐标系转换为导航坐标系的姿态矩阵，zi,ODO表示ti时刻的里程计位置，hODO表示里程计分量观测矩阵，zi,RFID表示ti时刻的RFID位置，hRFID表示RFID分量观测矩阵。
10.根据权利要求9所述的基于多信息融合对线路设计线型进行优化的方法，其特征在于，所述惯导系统导航递推方程F为
Figure FDA0003325968690000054
F1为惯性及RFID相关状态转移矩阵，
Figure FDA0003325968690000055
其中，FINS为惯导系统标准状态转移矩阵。
CN202111262645.9A 2021-10-28 2021-10-28 基于多信息融合对线路设计线型进行优化的方法 Active CN114111767B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111262645.9A CN114111767B (zh) 2021-10-28 2021-10-28 基于多信息融合对线路设计线型进行优化的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111262645.9A CN114111767B (zh) 2021-10-28 2021-10-28 基于多信息融合对线路设计线型进行优化的方法

Publications (2)

Publication Number Publication Date
CN114111767A true CN114111767A (zh) 2022-03-01
CN114111767B CN114111767B (zh) 2023-11-03

Family

ID=80377359

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111262645.9A Active CN114111767B (zh) 2021-10-28 2021-10-28 基于多信息融合对线路设计线型进行优化的方法

Country Status (1)

Country Link
CN (1) CN114111767B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115096307A (zh) * 2022-04-28 2022-09-23 河海大学 一种匹配导航系统概率函数自主分裂与融合滤波方法
CN116971228A (zh) * 2023-07-31 2023-10-31 中国铁路设计集团有限公司 一种动力牵引的北斗-惯导轨道几何状态快速检测方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008249639A (ja) * 2007-03-30 2008-10-16 Mitsubishi Electric Corp 自己位置標定装置、自己位置標定方法および自己位置標定プログラム
US20130110762A1 (en) * 2011-10-31 2013-05-02 National Central University Method of Location Estimation and Tracking Using Distributed Message Passing of Heterogeneous Observation Data Accompanied with Low-Complexity Data-Fusion Scheme
CN103343498A (zh) * 2013-07-24 2013-10-09 武汉大学 一种基于ins/gnss的轨道不平顺检测系统及方法
WO2015126499A2 (en) * 2013-12-02 2015-08-27 Andrew Irish Systems and methods for gnss snr probabilistic localization and 3-d mapping
CN105857340A (zh) * 2016-04-01 2016-08-17 郑君伟 基于组合导航的轨道检测系统及方法
CN106126834A (zh) * 2016-06-28 2016-11-16 西安交通大学 一种基于惯导角度量测的轨道平面最佳线形确定算法
CN106595656A (zh) * 2016-12-29 2017-04-26 辽宁工程技术大学 一种基于车载pos的公路线形特征识别与参数计算方法
US20180231385A1 (en) * 2016-10-25 2018-08-16 Massachusetts Institute Of Technology Inertial Odometry With Retroactive Sensor Calibration
CN109823362A (zh) * 2019-01-04 2019-05-31 四川拓绘科技有限公司 一种轨道平顺性检测分析方法
CN111337020A (zh) * 2020-03-06 2020-06-26 兰州交通大学 引入抗差估计的因子图融合定位方法
GB202016444D0 (en) * 2020-10-16 2020-12-02 Slamcore Ltd Visual-inertial localisation in an existing map
CN112925000A (zh) * 2021-01-25 2021-06-08 东南大学 基于可见光通信和惯性导航的隧道环境下车辆定位方法
CN113340295A (zh) * 2021-06-16 2021-09-03 广东工业大学 一种多个测距传感器的无人艇近岸实时定位与建图方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008249639A (ja) * 2007-03-30 2008-10-16 Mitsubishi Electric Corp 自己位置標定装置、自己位置標定方法および自己位置標定プログラム
US20130110762A1 (en) * 2011-10-31 2013-05-02 National Central University Method of Location Estimation and Tracking Using Distributed Message Passing of Heterogeneous Observation Data Accompanied with Low-Complexity Data-Fusion Scheme
CN103343498A (zh) * 2013-07-24 2013-10-09 武汉大学 一种基于ins/gnss的轨道不平顺检测系统及方法
WO2015126499A2 (en) * 2013-12-02 2015-08-27 Andrew Irish Systems and methods for gnss snr probabilistic localization and 3-d mapping
CN105857340A (zh) * 2016-04-01 2016-08-17 郑君伟 基于组合导航的轨道检测系统及方法
CN106126834A (zh) * 2016-06-28 2016-11-16 西安交通大学 一种基于惯导角度量测的轨道平面最佳线形确定算法
US20180231385A1 (en) * 2016-10-25 2018-08-16 Massachusetts Institute Of Technology Inertial Odometry With Retroactive Sensor Calibration
CN106595656A (zh) * 2016-12-29 2017-04-26 辽宁工程技术大学 一种基于车载pos的公路线形特征识别与参数计算方法
CN109823362A (zh) * 2019-01-04 2019-05-31 四川拓绘科技有限公司 一种轨道平顺性检测分析方法
CN111337020A (zh) * 2020-03-06 2020-06-26 兰州交通大学 引入抗差估计的因子图融合定位方法
GB202016444D0 (en) * 2020-10-16 2020-12-02 Slamcore Ltd Visual-inertial localisation in an existing map
CN112925000A (zh) * 2021-01-25 2021-06-08 东南大学 基于可见光通信和惯性导航的隧道环境下车辆定位方法
CN113340295A (zh) * 2021-06-16 2021-09-03 广东工业大学 一种多个测距传感器的无人艇近岸实时定位与建图方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔建华;王忠勇;张传宗;张园园;: "基于因子图和联合消息传递的无线网络协作定位算法", 计算机应用, no. 05, pages 1306 - 1310 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115096307A (zh) * 2022-04-28 2022-09-23 河海大学 一种匹配导航系统概率函数自主分裂与融合滤波方法
CN115096307B (zh) * 2022-04-28 2024-05-14 河海大学 一种匹配导航系统概率函数自主分裂与融合滤波方法
CN116971228A (zh) * 2023-07-31 2023-10-31 中国铁路设计集团有限公司 一种动力牵引的北斗-惯导轨道几何状态快速检测方法
CN116971228B (zh) * 2023-07-31 2024-03-26 中国铁路设计集团有限公司 一种动力牵引的北斗-惯导轨道几何状态快速检测方法

Also Published As

Publication number Publication date
CN114111767B (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
CN109556632B (zh) 一种基于卡尔曼滤波的ins/gnss/偏振/地磁组合导航对准方法
CN110196443B (zh) 一种飞行器的容错组合导航方法及系统
CN108413887B (zh) 光纤光栅辅助分布式pos的机翼形变测量方法、装置和平台
Kim et al. High-speed train navigation system based on multi-sensor data fusion and map matching algorithm
CN109556631B (zh) 一种基于最小二乘的ins/gnss/偏振/地磁组合导航系统对准方法
CN109945860A (zh) 一种基于卫星紧组合的ins和dr惯性导航方法与系统
CN109870173A (zh) 一种基于校验点的海底管道惯性导航系统的轨迹修正方法
US20200064136A1 (en) Inertial navigation system
CN114111767A (zh) 基于多信息融合对线路设计线型进行优化的方法
CN111780786A (zh) 一种三轴tmr传感器在线校准方法
CN114076610B (zh) Gnss/mems车载组合导航系统的误差标定、导航方法及其装置
US20210247206A1 (en) Method for calibrating magnetometers of an object
JP2009085882A (ja) 方位検出装置
CN110395297B (zh) 列车定位方法
CN113916222B (zh) 基于卡尔曼滤波估计方差约束的组合导航方法
CN112461262A (zh) 一种校正三轴磁强计误差的装置和方法
CN111707292B (zh) 一种自适应滤波的快速传递对准方法
Wang et al. Land vehicle navigation using odometry/INS/vision integrated system
CN107764268B (zh) 一种机载分布式pos传递对准的方法和装置
CN116972834A (zh) 多传感器融合定位方法、装置、系统及存储介质
CN111141285A (zh) 一种航空重力测量装置
CN112683265B (zh) 一种基于快速iss集员滤波的mimu/gps组合导航方法
CN114111768B (zh) 一种基于偏角异常补偿的轨道线型拟合方法
CN113484542A (zh) 一种用于三维测速仪的单点快速标定方法
JPH0949737A (ja) 航法信号出力方法

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