CN115683094A - 一种复杂环境下车载双天线紧耦合定位方法及系统 - Google Patents

一种复杂环境下车载双天线紧耦合定位方法及系统 Download PDF

Info

Publication number
CN115683094A
CN115683094A CN202210263164.8A CN202210263164A CN115683094A CN 115683094 A CN115683094 A CN 115683094A CN 202210263164 A CN202210263164 A CN 202210263164A CN 115683094 A CN115683094 A CN 115683094A
Authority
CN
China
Prior art keywords
observation
ins
ppp
antenna
rtk
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.)
Pending
Application number
CN202210263164.8A
Other languages
English (en)
Inventor
柴大帅
宁一鹏
桑文刚
邢建平
杨涛
王胜利
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.)
Shandong Jianzhu University
Original Assignee
Shandong Jianzhu University
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 Shandong Jianzhu University filed Critical Shandong Jianzhu University
Priority to CN202210263164.8A priority Critical patent/CN115683094A/zh
Publication of CN115683094A publication Critical patent/CN115683094A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明属于联合导航技术领域，提供了一种复杂环境下车载双天线紧耦合定位方法及系统，基于PPP‑RTK、PL和INS多源异构数据，构建PPP‑RTK/PL/INS紧耦合一体化模型，提高复杂场景下导航参数估计的可靠性；基于抗差自适应滤波的多源数据紧耦合滤波模型设计，提高复杂场景下模型抵抗粗差的能力，从而获得可靠的导航参数；基于INS推导先验信息辅助的顾及GNSS卫星和伪卫星星座特性的模糊度固定方案设计，提高复杂场景下导航参数的收敛速度。

Description

一种复杂环境下车载双天线紧耦合定位方法及系统
技术领域
本发明属于联合导航技术领域，尤其涉及一种复杂环境下车载双天线紧耦合定位方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着全球导航卫星系统(Global Navigation Satellite System,GNSS) 的发展，PPP-RTK技术(精密单点定位-载波相位差分实时动态定位)由于其能够克服PPP的收敛速度慢的缺点，同时能够扩展RTK的服务范围以及有效解决大容量并发用户问题，该技术在移动测绘、智能驾驶、无人机等新一代信息技术中发挥着重要作用，是当前学术界和工业界研究热点。虽然当前学者已对 PPP-RTK技术进行广泛研究，取得了不错结果。但是在城市存在高大建筑物、高架桥、城市环岛、林荫道路和隧道等GNSS信号拒址环境下，卫星信号衰减甚至完全不可视，导致PPP-RTK技术无法获得连续、可靠的位置信息。惯性导航系统(InertialNavigation System,INS)是一种完全自主的导航系统，不受外界环境的干扰，具有短时高精度的特点，但是具有误差随时间累积的缺点。
将PPP-RTK和INS进行融合可以相互补足，发挥各自系统的优点，在复杂的城市环境下获得连续可靠的导航参数信息。INS信息的引入，能够加快PPP-RTK 技术模糊度参数的收敛，同时当GNSS卫星数目较少时或者完全无法接收卫星信号时，仍然能够获得可靠的参数信息。PPP-RTK/INS组合模型能够有效估计惯性传感器的零偏，抑制INS的发散。但是当卫星信号长时间缺失时，仅仅依靠INS，无法获得长时间的导航参数。
基于伪卫星(Pseudolite,PL)的定位技术，由于基站安装灵活，受外界干扰小，定位精度高，已经在卫星信号衰减的室内外场景得到了广泛的应用，但是单纯利用伪卫星进行定位，伪卫星信号易受多路径等误差的干扰影响定位性能，同时由于伪卫星距离用户较近，观测模型会受到非线性误差的影响。
因此目前观测模型的建立采用单一传感器或两个传感器融合，无法为用户在复杂环境下提供可靠的、连续的高精度导航参数信息，同时观测模型的抵抗粗差的能力弱。
发明内容
为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种复杂环境下车载双天线PPP-RTK/PL/INS紧耦合定位方法及系统，其以IMU(惯性测量单元)为桥梁，建立以IMU为中心的PPP-RTK/PL/INS紧耦合整体模型，三个异构数据共用一个滤波器模型，增强了观测模型的强度，克服了各自单一传感器以及两两传感器融合的缺点。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种复杂环境下车载双天线紧耦合定位方法，包括如下步骤：
基于PPP-RTK、PL和INS多源异构数据，构建PPP-RTK/PL/INS紧耦合一体化观测模型；
对PPP-RTK/PL/INS组合导航一体化观测方程进行模糊度解算，得到PL模糊度参数和GNSS卫星模糊度参数，基于固定的PL模糊度参数和GNSS模糊度参数得到固定解导航参数信息；
利用GNSS主天线和GNSS辅天线观测值构建双差观测模型，根据双差观测模型和INS预测信息建立双天线紧耦合约束模型；
对载体运动状态进行识别，基于载体的运动状态构建载体运动学约束模型；
基于固定解导航参数信息，使用联邦滤波对PPP-RTK/PL/INS紧耦合模型、双天线基线约束紧耦合模型以及运动学约束模型进行联邦滤波融合，得到最终导航参数信息。
本发明的第二个方面提供一种复杂环境下车载双天线紧耦合定位系统，包括：
紧耦合一体化观测模型构建模块，被配置为：基于PPP-RTK、PL和INS多源异构数据，构建PPP-RTK/PL/INS紧耦合一体化观测模型；
模糊度解算模块，被配置为：对PPP-RTK/PL/INS组合导航一体化观测方程进行模糊度解算，得到PL模糊度参数和GNSS卫星模糊度参数，基于固定的PL 模糊度参数和GNSS模糊度参数得到固定解导航参数信息；
双天线紧耦合约束模型构建模块，被配置为：利用GNSS主天线和GNSS辅天线观测值构建双差观测模型，根据双差观测模型和INS预测信息建立双天线紧耦合约束模型；
载体运动学约束模型构建模块，被配置为：对载体运动状态进行识别，基于载体的运动状态构建载体运动学约束模型；
联邦滤波融合模块，被配置为：基于固定解导航参数信息，使用联邦滤波对 PPP-RTK/PL/INS紧耦合模型、双天线基线约束紧耦合模型以及运动学约束模型进行联邦滤波融合，得到最终导航参数信息。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种复杂环境下车载双天线紧耦合定位方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，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如上述所述的一种复杂环境下车载双天线紧耦合定位方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明利用PPP-RTK、PL和INS多传感器融合，构造一体化模型，有效克服GNSS卫星受到遮挡导致定位不可靠或者无法得到定位结果，以及克服PL易受到远近效应以及多路径影响和INS积分运算导致误差累积的缺点。同时GNSS 双天线姿态信息的约束，有效改善了航向角信息可观测度低的缺点，提高复杂环境下航向角估计精度。基于多运动学模型约束，改善遮蔽场景下组合导航性能，提高参数估计精度。为了充分发挥多约束模型的性能，提高滤波算法的效率，利用多状态约束构建联邦滤波模型。将GNSS、PL和INS多传感器进行融合，拓展了组合导航系统的应用领域，推动了新一代信息技术的发展。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例一的设备安装图；
图2是本发明实施例一的整体方法流程图；
图3是本发明实施例一的GNSS/PL模糊度解算策略流程图；
图4是本发明实施例一的双天线紧耦合滤波流程图；
图5是本发明实施例一的运动学约束模型流程图；
图6是本发明实施例一的多状态约束联邦滤波流程。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
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发明的示例性实施方式。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。
术语解释
PPP：(precise point positioning，精密单点定位)，精密单点定位指的是利用全球若干地面跟踪站的GPS观测数据计算出的精密卫星轨道和卫星钟差, 对单台GPS接收机所采集的相位和伪距观测值进行定位解算。
RTK：(Real-time kinematic，实时动态差分法)，是一种利用GNSS载波相位观测值进行实时动态相对定位的技术。位于基准站的GNSS接收机通过数据通信链实时地把载波相位观测值以及已知的站坐标等信息播发给移动站GNSS接收机。移动站GNSS接收机通过对所接收到的信号以及采集的数据进行实时处理，得到移动站坐标。
PL：(Pseudo-Satellite或Pseudolite，伪卫星)，是布设于地面上发射某种定位信号的发射器，通常都是发射类似于GPS的信号。也正因为这个原因，通常所说的伪卫星都是针对GPS所设计的伪卫星。当然，也有极少数伪卫星其信号是模拟Galileo或者GLONASS系统的，甚至某些特殊用途的伪卫星采用的是自定义的定位信号格式。
INS：(Inertial Navigation System,惯性导航系统)，是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统。其工作环境不仅包括空中、地面，还可以在水下。惯导的基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。
实施例一
基于伪卫星的定位，可以作为PPP-RTK/INS组合技术的很好补充。由于伪卫星具有布站灵活、信号强的优点，能够改善PPP-RTK定位的卫星几何结构，一定程度弥补了PPP-RTK可用性的问题。同时伪卫星距离用户近，用户接收机运动时，伪卫星到用户的几何结构变化快，加快了模糊度和位置参数的收敛，能够辅助缩短PPP-RTK初始化参数收敛时间。
同时PPP-RTK能够为伪卫星提供相对高精度的初始位置，降低伪卫星距离用户近而导致的模型非线性误差问题。相比于GNSS卫星信号，伪卫星信号的多普勒精度更高，将PL和INS融合能够加速陀螺零偏的收敛。同时在卫星信号长期缺失的场景下，PL与INS的组合能够有效抑制INS导航参数的发散。同时INS 又能够提供高精度的参数信息，辅助伪卫星的定位。同时现有的多传感器融合方法大都是基于两两传感器融合的组合方式，虽然也有对GNSS/PL/INS多传感器融合算法的研究，但是鲜有给出具体的组合模型。
本发明结合最新PPP-RTK研究热点，面向城市复杂场景，展开 PPP-RTK/PL/INS紧耦合模型的研究，本研究的多系统融合以IMU为桥梁，建立以IMU为中心的PPP-RTK/PL/INS紧耦合整体模型，三个异构数据共用一个滤波器模型，增强了观测模型的强度，克服了各自单一传感器以及两两传感器融合的缺点，为用户在城市复杂环境下提供更加可靠、连续的高精度导航参数信息。同时为了提高低精度传感器姿态参数的估计精度，构建了双天线紧耦合约束模型，增加外界姿态信息约束，提高导航参数估计精度。同时基于抗差估计算法，提高观测模型抵抗粗差的能力。
本发明实现的前提是将GNSS双天线、PL天线和惯性传感器安装在载体上。
如图1所示，设备安装如图1所示，定义车体前进方向为y轴，车体横向为 x轴，车体天向为z轴，该坐标系为载体坐标系；所述GNSS双天线包括GNSS主天线和GNSS辅天线，所述GNSS主天线和GNSS辅天线间隔布置，基线布置方向为车体前进方向y轴；所述惯性传感器安置在GNSS主天线和GNSS辅天线之间，同时伪卫星天线安置在GNSS主天线和惯性传感器之间，并靠近惯性传感器；事先标定好惯性传感器和双GNSS天线和伪卫星天线之间的杆臂。
如图2所示，本实施例提供了一种复杂环境下车辆多运动学模型约束双天线融合定位方法，包括如下步骤：
S101:基于PPP-RTK、PL和INS多源异构数据，构建PPP-RTK/PL/INS紧耦合一体化模型；
S102:对PPP-RTK/PL/INS组合导航一体化观测方程的模糊度进行解算；将 INS预测的位置信息作为约束条件，搜索固定PL模糊度参数，将固定的PL模糊度作为约束条件，辅助解算GNSS模糊度，对GNSS卫星模糊度进行解算，基于固定的PL模糊度和GNSS卫星模糊度得到PPP-RTK/PL/INS组合系统固定解导航参数信息；
S103:利用GNSS主天线和GNSS辅天线观测值构建双差观测模型；根据双差观测模型和INS预测信息建立双天线紧耦合约束模型；
S104:对载体运动状态进行识别，基于载体的运动状态构建载体运动学约束模型；
S105:基于PPP-RTK/PL/INS组合系统固定解导航参数信息，使用联邦滤波对PPP-RTK/PL/INS紧耦合模型、双天线基线约束紧耦合模型以及运动学约束模型进行联邦滤波融合，得到最终导航参数信息。
其中，S101中，基于PPP-RTK、PL和INS多源异构数据，构建PPP-RTK/PL/INS 紧耦合一体化模型包括：
S201：利用GNSS主天线实时采集的伪距、载波和多普勒观测值，构建非差非组合PPP模型；通过区域参考站网络播发的实时状态空间改正信息，修正基于伪距和载波观测值的非差非组合PPP-RTK观测方程；
S202：利用PL观测的实时伪距观测值和载波相位观测值，建立非差非组合 PL观测方程；经过未校准硬件延迟小数部分(Fractional cycle bias,FCB) 和天线相位中心改正，得到修正后的PL观测方程。
S203：对INS进行初始对准；初始对准后利用比力和角速度观测信息进行捷联解算，将解算的位置和速度信息代入PPP-RTK观测方程和PL观测方程中；对观测方程进行线性化处理，得到PPP-RTK/PL/INS紧耦合一体化观测模型。
S201中，根据GNSS主天线接收到的实时伪距、载波和多普勒观测值，建立基于伪距、载波和多普勒观测值的非差非组合PPP观测模型，所述基于伪距、载波和多普勒观测值的非差非组合PPP观测模型的表达式为：
Figure RE-GDA0003954989030000091
Figure RE-GDA0003954989030000092
Figure RE-GDA0003954989030000093
式中，s表示卫星号，i表示接收机号，Q表示卫星系统；P、
Figure RE-GDA0003954989030000094
和D表示伪距观测值、载波相位观测值和多普勒观测值；
Figure RE-GDA0003954989030000095
表示卫地距变化率；dts表示卫星钟差，
Figure RE-GDA0003954989030000096
和
Figure RE-GDA0003954989030000097
分别为接收机钟差和卫星钟差的变化率；ZWDi为测站的天顶湿延迟和湿延迟变化率；
Figure RE-GDA0003954989030000098
为与湿投影函数；
Figure RE-GDA0003954989030000099
表示对流层延迟变化率；
Figure RE-GDA00039549890300000910
和
Figure RE-GDA00039549890300000911
分别表示斜电离层延迟和斜电离层延迟变化率；γ是频率相关的电离层延迟放大因子；
Figure RE-GDA00039549890300000912
和ds分别是接收机端和卫星端的未校正伪距硬件延迟；
Figure RE-GDA00039549890300000913
和bs分别为接收机和卫星端未校正相位硬件延迟；N表示模糊度；
Figure RE-GDA00039549890300000914
和
Figure RE-GDA00039549890300000915
分别表示伪距、载波相位和多普勒观测噪声以及其它未模型的误差。
通过区域参考站网络播发的实时状态空间改正信息，修正基于伪距和载波观测值的非差非组合PPP观测方程的表达式为：
Figure RE-GDA00039549890300000916
Figure RE-GDA00039549890300000917
式中，
Figure RE-GDA00039549890300000918
为PPP-RTK中心播发的伪距观测修正量，
Figure RE-GDA00039549890300000919
为PPP-RTK中心播发的载波观测修正量。
上式(3)、(4)和(5)即为建立的非差非组合PPP-RTK观测方程。通过非差非组合PPP-RTK观测方程，该模型的待估参数为三个位置参数、三个速度参数、接收机钟差、对流层湿延迟以及模糊度参数。
S202中，所述利用修正后的观测值建立PL观测方程为：
Figure RE-GDA0003954989030000101
Figure RE-GDA0003954989030000102
式中，PL表示伪卫星，其它符号含义同式(1)和(2)。
S203中，联立GNSS卫星的PPP-RTK观测方程式(3)、(4)和(5)，以及 PL观测方程式(6)和(7)，构建PPP-RTK/PL一体化模型，将联合观测方程式在IMU中心位置处进行线性化处理。
根据式(6)和式(7)，得到三个位置参数、接收机钟差、对流层湿延迟以及模糊度参数。
此时需要考虑GNSS主天线中心到IMU中心的杆臂lg，以及PL天线中心到 IMU中心杆臂lP的影响。考虑到杆臂lg和lP改正的PPP-RTK和PL观测模型为：
Figure RE-GDA0003954989030000103
式中，e、n和b分别表示地心地固坐标系、导航坐标系和载体坐标系；
Figure RE-GDA0003954989030000104
Figure RE-GDA0003954989030000105
和
Figure RE-GDA0003954989030000106
分别表示INS预测的IMU中心在e系下的位置、GNSS卫星在e系下的位置和伪卫星在e下的位置；
Figure RE-GDA0003954989030000107
和
Figure RE-GDA0003954989030000108
分别表示INS预测的IMU中心在e系下的速度和卫星在e系下的速度；lg和lP分别表示GNSS天线中心和PL天线中心到IMU 中心的杆臂；ΔP1、ΔL1和
Figure RE-GDA0003954989030000109
分别表示伪距、载波相位和多普勒观测方程的剩余误差；
Figure RE-GDA00039549890300001010
表示n到e的方向余弦矩阵；
Figure RE-GDA00039549890300001011
表示b到n的方向余弦矩阵；
Figure RE-GDA00039549890300001012
表示导航坐标系相对于惯性坐标系的旋转角速度在导航坐标系下的投影。
对PPP-RTK/PL/INS组合观测方程进行扰动处理后，可得PPP-RTK/PL/INS 紧耦合观测方程的系数矩阵HTC为：
Figure RE-GDA0003954989030000111
其中，
Figure RE-GDA0003954989030000112
H2＝BgC1，
Figure RE-GDA0003954989030000113
Figure RE-GDA0003954989030000114
H7＝BPC1。
式中，
Figure RE-GDA0003954989030000115
表示GNSS卫星观测方程的系数矩阵；
Figure RE-GDA0003954989030000116
表示伪卫星观测方程的系数矩阵； C1表示地理坐标系下位置改正数转换到空间直角坐标系下位置改正数的方向余弦矩阵。
由式(8)和(9)构建了GNSS PPP-RTK/PL/INS紧耦合观测模型，未知数X 包含导航参数和INS参数：
Figure RE-GDA0003954989030000117
式中，φn表示失准角，δbg和δba分别表示陀螺零偏和加速度零偏误差。
S102中，由于PL到用户的距离较近，PL到用户的几何结构变化快，有利于模糊度参数的收敛。而GNSS距离用户较远，信号传播过程中受到外界影响更大，模糊度参数收敛较慢。本实施例提出首先固定PL的模糊度参数，然后将其作为约束条件固定GNSS卫星模糊度，其实施流程可由图3表示。
首先利用GNSS主天线的观测数据以及PL的观测数据，建立PPP-RTK/PL/INS 紧耦合观测方程式(8)。
INS预测的参数信息具有短时高精度的特性，将其作为约束条件辅助观测方程式(8)导航参数的解算。INS预测信息构造的约束方程为：
Figure RE-GDA0003954989030000121
利用扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)对式(8)和式 (11)组成的观测方程进行滤波解算。根据PL模糊度参数浮点解和相应的方差 -协方差矩阵，利用LAMBDA算法搜索固定PL的模糊度参数
Figure RE-GDA0003954989030000122
当PL的模糊度参数被固定后，即可将其代入观测方程，作为约束条件解算GNSS卫星的模糊度参数：
Figure RE-GDA0003954989030000123
由于伪卫星的模糊度参数已经被解算，此时的PPP-RTK/PL/INS紧耦合模型未知数参数变为:
Figure RE-GDA0003954989030000124
式(12)的系数矩阵变为:
Figure RE-GDA0003954989030000125
利用式(12)和(13)进行滤波解算，根据GNSS卫星模糊度参数浮点解和相应的方差-协方差矩阵，利用LAMBDA算法搜索固定GNSS卫星的模糊度参数
Figure RE-GDA0003954989030000126
将固定的PL模糊度和GNSS模糊度作为约束条件，对PPP-RTK/PL/INS 观测方程进行导航参数解算，得到模糊度固定解导航参数XGPI和相应的方差矩阵∑GPI。
S103中，为了提高姿态参数，尤其是航向参数估计的精度，本发明使用GNSS 双天线建立紧耦合约束模型，其实施流程如图4所示。
所述利用GNSS主天线和GNSS辅天线观测值构建双差观测模型包括：
设A1为主天线，A2为辅天线，可视卫星为p和q，则站间单差观测方程可以表示为：
Figure RE-GDA0003954989030000131
式中，
Figure RE-GDA0003954989030000132
表示载波相位观测值，
Figure RE-GDA0003954989030000133
表示可视卫星p到辅天线之间的几何距离-卫地距，
Figure RE-GDA0003954989030000134
表示可视卫星p到主天线之间的几何距离-卫地距，
Figure RE-GDA0003954989030000135
表示模糊度参数，
Figure RE-GDA0003954989030000136
表示接收机钟差，I表示电离层延迟参数，T表示对流层延迟参数；
Figure RE-GDA0003954989030000137
表示站间单差载波相位观测噪声，Δ表示单差算子；
Figure RE-GDA0003954989030000138
表示载波相位观测值噪声。
根据式(14)可得双差观测方程，并在基线初值
Figure RE-GDA0003954989030000139
处展开整理后为：
Figure RE-GDA00039549890300001310
对式(15)进行解算搜索固定模糊度后，可以得到基线方程为：
Figure RE-GDA00039549890300001311
为了将GNSS双天线的基线方程作为约束条件辅助PPP-RTK/PL/INS紧耦合导航参数的解算，需考虑GNSS天线中心和IMU中心不一致问题。由传感器的安装方式可得，在载体坐标系下GNSS天线中心到IMU中心的杆臂向量为 lg＝[0 by 0]T。
假设惯性传感器到GNSS主天线A1的杆臂为
Figure RE-GDA00039549890300001312
惯性传感器到GNSS辅天线A2的杆臂为
Figure RE-GDA00039549890300001313
顾及杆臂的影响，天线A1和A2在地心地固坐标系下的坐标可以表示为：
Figure RE-GDA00039549890300001314
式中，
Figure RE-GDA0003954989030000141
和
Figure RE-GDA0003954989030000142
分别表示天线A1和A2在地心地固系下的真实坐标，
Figure RE-GDA0003954989030000143
表示惯性传感器在地心地固坐标系下的真实坐标，
Figure RE-GDA0003954989030000144
表示载体系到地心地固坐标系的方向余弦矩阵。
天线A1和A2的位置量测值可以表示为：
Figure RE-GDA0003954989030000145
式中，
Figure RE-GDA0003954989030000146
和
Figure RE-GDA0003954989030000147
表示GNSS天线A1和A2位置的测量值，εr1和εr2表示相应的测量误差。
将式(17)与式(18)求差可以表示为：
Figure RE-GDA0003954989030000148
将计算的方向余弦矩阵
Figure RE-GDA0003954989030000149
与真实的方向余弦矩阵
Figure RE-GDA00039549890300001410
之间的关系代入式(19) 可得：
Figure RE-GDA00039549890300001411
Figure RE-GDA00039549890300001412
式(21)减去式(20)可得基线误差方程为：
Figure RE-GDA00039549890300001413
式中，
Figure RE-GDA00039549890300001414
Figure RE-GDA00039549890300001415
通过INS推算得到，
Figure RE-GDA00039549890300001416
为通过GNSS双天线计算得到。
由于天线A1和A2距离较近，双差之后残余的大气误差可以忽略不计，联合式(16)和(22)可以得到双天线约束方程为：
Figure RE-GDA00039549890300001417
式(23)即为构建的双天线GNSS基线约束紧耦合模型。对式(23)进行紧耦合滤波解算，可以得到双天线GNSS/INS紧耦合导航参数XGGI和相应的方差矩阵∑GGI。
S104中，对载体运动状态进行识别，基于载体的运动状态构建运动学约束模型包括：
根据车辆运动状态构建的模型能够很好地辅助导航参数的估计，其实施流程如图5所示。
利用惯性传感器三轴加速度信息、三轴角速度信息以及载体速度信息对载体运动状态进行识别；当载体被识别为静止运动时，使用零速更新和零角速度更新模型作为约束模型；当载体被判断为静止时，使用非完整约束算法作为约束模型。
根据惯性传感器输出的加速度和角速度信息以及PPP-RTK计算的速度信息，能够识别车辆静止和沿直线行驶运动。
根据滑动窗口内三轴陀螺仪和加速度计信息判断载体是否处于静止状态，判断公式为：
Figure RE-GDA0003954989030000151
式中，ω和f表示角速度和加速度；
Figure RE-GDA0003954989030000152
和
Figure RE-GDA0003954989030000153
表示相应窗口角速度和加速度的平均值。
当判断载体为静止状态时，使用零速更新和零角速率更新算法：
Figure RE-GDA0003954989030000154
Figure RE-GDA0003954989030000155
分别对式(25)和式(26)进行滤波更新解算，可以得到导航参数XZUPT和XZARU和相应的方差矩阵∑ZUPT和∑ZARU。
当载体被判断为沿直线运动时，基于侧向和天向速度为零假设的非完整约束算法能够发挥作用，提高导航参数的精度，而当载体处于转弯运动时非完整约束算法约束性能降低。
首先基于角速度信息和车辆速度信息判断载体是否处于直线运动：
Figure RE-GDA0003954989030000161
Figure RE-GDA0003954989030000162
式中，
Figure RE-GDA0003954989030000163
表示航向角变化；t为采样间隔，T为窗口时长；δ为阈值。
当车辆运动被判断为沿直线运动时，构造非完整约束的辅助方程，改善导航参数估计精度：
Figure RE-GDA0003954989030000164
对式(29)进行非完整约束滤波更新解算，可以得到导航参数XNHC和相应的方差矩阵∑NHC。
S105中，本发明存在多种约束模型，而随着场景的不同，各种约束的质量有所不同。在观测环境较好的场景下，双天线姿态约束性能较好，而在遮挡严重场景下，双天线姿态性能下降；在车辆沿直线行驶时，非完整性约束能发挥较好性能；在车辆静止时，零速修正和零角速率更新能发挥较好约束性能。
为了充分利用多种约束信息，以及提高计算效率，本发明使用联邦滤波对多种约束信息进行融合，其实施流程如图6所示。
将PPP-RTK/PL一体化模型、基线约束模型、载体运动学约束模型构建为子滤波系统，分别对各个子系统进行滤波更新解算，得到各个子系统的导航参数 XGPI、XGGI、XZUPT、XZARU和XNHC以及相应方差矩阵∑GPI、∑GGI、∑ZUPT、∑ZARU和∑NHC，然后将各个子滤波系统的导航参数和方差信息进行融合得到：
Figure RE-GDA0003954989030000171
式中，∑表示滤波方差；i和k分别表示子滤波器和历元。
在对各个子滤波系统进行信息融合时，通过信息分配系数对每个子滤波器进行调节：
Figure RE-GDA0003954989030000172
式中，Q表示过程噪声方差；βi表示分配系数，∑βi＝1。
分配系数通过新息确定：
Figure RE-GDA0003954989030000173
式中，
Figure RE-GDA0003954989030000174
表示新息；W＝HΣk,k-1HT+R，R表示观测噪声矩阵。
为了更好地抵抗粗差较大子系统对参数估计的影响，利用抗差权函数对分配系数进行调整，
Figure RE-GDA0003954989030000175
式中，c1和c2为常量，c1＝0.85～1.0，c2＝8～10；ΔVk为：
Figure RE-GDA0003954989030000176
为了保证分配因子守恒，对调整的分配因子进行归一化处理。
Figure RE-GDA0003954989030000181
实施例二
本实施例公开了一种复杂环境下车载双天线紧耦合定位系统，包括：
紧耦合一体化观测模型构建模块，被配置为：基于PPP-RTK、PL和INS多源异构数据，构建PPP-RTK/PL/INS紧耦合一体化观测模型；
模糊度解算模块，被配置为：对PPP-RTK/PL/INS组合导航一体化观测方程进行模糊度解算，得到PL模糊度参数和GNSS卫星模糊度参数，基于固定的PL 模糊度和GNSS卫星模糊度参数得到固定解导航参数信息；
双天线紧耦合约束模型构建模块，被配置为：利用GNSS主天线和GNSS辅天线观测值构建双差观测模型，根据双差观测模型和INS预测信息建立双天线紧耦合约束模型；
载体运动学约束模型构建模块，被配置为：对载体运动状态进行识别，基于载体的运动状态构建载体运动学约束模型；
联邦滤波融合模块，被配置为：基于PPP-RTK/PL/INS组合系统固定解导航参数信息，使用联邦滤波对PPP-RTK/PL/INS紧耦合模型、双天线基线约束紧耦合模型以及运动学约束模型进行联邦滤波融合，得到最终导航参数信息。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种复杂环境下车载双天线紧耦合定位方法中的步骤。
实施例四
本实施例提供了一种计算机设备，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如上述所述的一种复杂环境下车载双天线紧耦合定位方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory， ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
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)

1.一种复杂环境下车载双天线紧耦合定位方法，其特征在于，包括如下步骤：
基于PPP-RTK、PL和INS多源异构数据，构建PPP-RTK/PL/INS紧耦合一体化观测模型；
对PPP-RTK/PL/INS组合导航一体化观测方程进行模糊度解算，得到固定的PL模糊度参数和GNSS卫星模糊度参数，基于固定的PL模糊度参数和GNSS卫星模糊度参数得到PPP-RTK/PL/INS组合系统固定解导航参数信息；
利用GNSS主天线和GNSS辅天线观测值构建双差观测模型，根据双差观测模型和INS预测信息建立双天线紧耦合约束模型；
对载体运动状态进行识别，基于载体的运动状态构建载体运动学约束模型；
基于PPP-RTK/PL/INS组合系统固定解导航参数信息，使用联邦滤波对PPP-RTK/PL/INS紧耦合模型、双天线基线约束紧耦合模型以及运动学约束模型进行联邦滤波融合，得到最终导航参数信息。
2.如权利要求1所述的一种复杂环境下车载双天线紧耦合定位方法，其特征在于，所述基于PPP-RTK、PL和INS多源异构数据，构建PPP-RTK/PL/INS紧耦合一体化观测模型包括：
获取GNSS观测数据构建PPP-RTK观测方程；
获取PL观测的伪距观测值和载波相位观测值，建立PL观测方程；
对INS进行初始对准，初始对准后利用比力和角速度观测信息进行捷联解算，将解算的位置和速度信息代入PPP-RTK观测方程和PL观测方程中，对观测方程进行线性化处理，得到PPP-RTK/PL/INS紧耦合一体化观测模型。
3.如权利要求1所述的一种复杂环境下车载双天线紧耦合定位方法，其特征在于，所述对PPP-RTK/PL/INS组合导航一体化观测方程进行模糊度解算，包括：
将GNSS双天线的基线方程和INS预测的位置信息作为约束条件，搜索固定PL的模糊度参数，将固定的PL模糊度作为约束条件，辅助解算得到GNSS卫星模糊度；基于固定的PL模糊度和GNSS卫星模糊度得到PPP-RTK/PL/INS组合系统固定解导航参数信息。
4.如权利要求3所述的一种复杂环境下车载双天线紧耦合定位方法，其特征在于，所述GNSS双天线的基线方程的构建过程为：
根据站间单差观测方程的表达式得到双差观测方程，并在基线初值处展开，进行解算搜索固定模糊度后，得到GNSS双天线的基线方程。
5.如权利要求4所述的一种复杂环境下车载双天线紧耦合定位方法，其特征在于，所述站间单差观测方程的表达式为：
Figure FDA0003551519190000021
式中，
Figure FDA0003551519190000022
表示载波相位观测值，
Figure FDA0003551519190000023
表示可视卫星p到辅天线之间的几何距离-卫地距，
Figure FDA0003551519190000024
表示可视卫星p到主天线之间的几何距离-卫地距，
Figure FDA0003551519190000025
表示模糊度参数，
Figure FDA0003551519190000026
表示接收机钟差，I表示电离层延迟参数，T表示对流层延迟参数；
Figure FDA0003551519190000027
表示站间单差载波相位观测噪声，Δ表示单差算子；
Figure FDA0003551519190000028
表示载波相位观测值噪声。
6.如权利要求1所述的一种复杂环境下车载双天线紧耦合定位方法，其特征在于，对载体运动状态进行识别，基于载体的运动状态构建运动学约束模型包括：
利用惯性传感器三轴加速度信息、三轴角速度信息以及载体速度信息对载体运动状态进行识别；当载体被识别为静止运动时，使用零速更新和零角速度更新模型作为约束模型；当载体被判断为静止时，使用非完整约束算法作为约束模型。
7.如权利要求1所述的一种复杂环境下车载双天线紧耦合定位方法，其特征在于，所述联邦滤波融合的过程为：
将PPP-RTK/PL一体化模型、基线约束模型、载体运动学约束模型构建为子滤波系统，分别对各个子系统进行滤波更新解算，得到各个子系统的导航参数以及相应方差矩阵，将各个子滤波系统的导航参数和方差信息矩阵进行融合，融合时通过信息分配系数对每个子滤波器进行调节。
8.一种复杂环境下车载双天线紧耦合定位系统，其特征在于，包括：
紧耦合一体化观测模型构建模块，被配置为：基于PPP-RTK、PL和INS多源异构数据，构建PPP-RTK/PL/INS紧耦合一体化观测模型；
模糊度解算模块，被配置为：对PPP-RTK/PL/INS组合导航一体化观测方程进行模糊度解算，得到固定的PL模糊度参数和GNSS卫星模糊度参数，基于固定的PL模糊度参数和GNSS卫星模糊度参数得到PPP-RTK/PL/INS组合系统固定解导航参数信息；
双天线紧耦合约束模型构建模块，被配置为：利用GNSS主天线和GNSS辅天线观测值构建双差观测模型，根据双差观测模型和INS预测信息建立双天线紧耦合约束模型；
载体运动学约束模型构建模块，被配置为：对载体运动状态进行识别，基于载体的运动状态构建载体运动学约束模型；
联邦滤波融合模块，被配置为：基于PPP-RTK/PL/INS组合系统固定解导航参数信息，使用联邦滤波对PPP-RTK/PL/INS紧耦合模型、双天线基线约束紧耦合模型以及运动学约束模型进行联邦滤波融合，得到最终导航参数信息。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种复杂环境下车载双天线紧耦合定位方法中的步骤。
10.一种计算机设备，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1-7中任一项所述的一种复杂环境下车载双天线紧耦合定位方法中的步骤。
CN202210263164.8A 2022-03-17 2022-03-17 一种复杂环境下车载双天线紧耦合定位方法及系统 Pending CN115683094A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210263164.8A CN115683094A (zh) 2022-03-17 2022-03-17 一种复杂环境下车载双天线紧耦合定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210263164.8A CN115683094A (zh) 2022-03-17 2022-03-17 一种复杂环境下车载双天线紧耦合定位方法及系统

Publications (1)

Publication Number Publication Date
CN115683094A true CN115683094A (zh) 2023-02-03

Family

ID=85060364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210263164.8A Pending CN115683094A (zh) 2022-03-17 2022-03-17 一种复杂环境下车载双天线紧耦合定位方法及系统

Country Status (1)

Country Link
CN (1) CN115683094A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116047519A (zh) * 2023-03-30 2023-05-02 山东建筑大学 一种基于合成孔径雷达干涉测量技术的选点方法
CN116381760A (zh) * 2023-06-05 2023-07-04 之江实验室 Gnss rtk/ins紧耦合定位方法、装置及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116047519A (zh) * 2023-03-30 2023-05-02 山东建筑大学 一种基于合成孔径雷达干涉测量技术的选点方法
CN116381760A (zh) * 2023-06-05 2023-07-04 之江实验室 Gnss rtk/ins紧耦合定位方法、装置及介质
CN116381760B (zh) * 2023-06-05 2023-08-15 之江实验室 Gnss rtk/ins紧耦合定位方法、装置及介质

Similar Documents

Publication Publication Date Title
Wen et al. Towards robust GNSS positioning and real-time kinematic using factor graph optimization
CN107710017B (zh) 用于在实时运动模式和相对定位模式之间切换的卫星导航接收器及方法
CN101382431B (zh) 定位系统及其方法
CN110988951A (zh) 多源数据融合实时导航定位方法及系统
Li et al. GIL: A tightly coupled GNSS PPP/INS/LiDAR method for precise vehicle navigation
Gao et al. Odometer, low-cost inertial sensors, and four-GNSS data to enhance PPP and attitude determination
CN115683094A (zh) 一种复杂环境下车载双天线紧耦合定位方法及系统
CN113631883B (zh) 车辆定位装置
Dorn et al. Inertially-aided RTK based on tightly-coupled integration using low-cost GNSS receivers
US20230314626A1 (en) Method for determining a state parameter of a receiver and an apparatus for performing such a method
CN115327588A (zh) 一种基于网络rtk的无人自动化作业特种车高精度定位方法
Zhang et al. Integration of INS and un-differenced GPS measurements for precise position and attitude determination
CN114966792A (zh) Gnss rtk与ins紧组合定位导航方法、装置和系统
US6704650B1 (en) Technique for accurate distance and velocity calculations using the global positioning system (GPS)
Du et al. Integration of PPP GPS and low cost IMU
CN115220078A (zh) 基于载波相位差分的gnss高精度定位方法及导航方法
Chi et al. Enabling robust and accurate navigation for UAVs using real-time GNSS precise point positioning and IMU integration
Wen et al. 3D LiDAR aided GNSS real-time kinematic positioning
Li et al. A high-precision vehicle navigation system based on tightly coupled PPP-RTK/INS/odometer integration
Hu et al. Performance evaluation of stereo vision aided loosely coupled GNSS/SINS integration for land vehicle navigation in different urban environments
CN111551974B (zh) 一种基于ppp-rtk的动平台编队相对定位方法
Elsheikh et al. Multisensor precise positioning for automated and connected vehicles
CN110109163B (zh) 一种附有高程约束的精密单点定位方法
CN115326067A (zh) 基于低轨导航增强的ppp-ins组合导航定位方法及系统
Elisson et al. Low cost relative GNSS positioning with IMU integration

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