CN109959374A - 一种行人惯性导航全时全程逆向平滑滤波方法 - Google Patents
一种行人惯性导航全时全程逆向平滑滤波方法 Download PDFInfo
- Publication number
- CN109959374A CN109959374A CN201810351682.9A CN201810351682A CN109959374A CN 109959374 A CN109959374 A CN 109959374A CN 201810351682 A CN201810351682 A CN 201810351682A CN 109959374 A CN109959374 A CN 109959374A
- Authority
- CN
- China
- Prior art keywords
- state
- speed
- reverse
- dimension
- strapdown
- 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
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
一种行人惯性导航全时全程逆向平滑滤波方法:在***进行初始对准之后,在运动状态时,利用加速度和角速度信息进行捷联解算,当进入下一个零速区间时,即脚部着地时,利用RTS平滑算法,对导航***状态误差进行最优估计,并修正***状态;然后利用逆向捷联解算,反向计算***的导航状态变量,计算到上一个零速静止区间,然后再利用卡尔曼滤波器将前向捷联解算的***状态信息与逆向捷联解算的***状态信息进行融合,获得精度更高的状态信息;最后,利用卡尔曼滤波得到的运动状态信息,对零速区间再次进行RTS平滑滤波,得到***状态信息的最优估计。
Description
技术领域
本发明属于行人惯性导航领域,特别是涉及一种利用行人运动的零速周期,全时刻、全程地对行人惯性导航***状态进行逆向平滑滤波的方法。
背景技术
随着惯性器件的飞速发展,由于自主性好,抗干扰能力强,惯性导航***已经被广泛应用于全球卫星导航***(GNSS)信号较弱或完全中断的环境中,例如密集的城市建筑群、室内场景和地下环境等。作为一种应用在纯惯导情况下的高精度定位算法,零速更新算法越来越多的出现在隧道、地下环境的车载导航和室内环境的人员定位中。通过利用载体周期性的静止状态和使用滤波器(如卡尔曼滤波器)估计速度误差,零速更新算法可以校正载体的移动速度,限制位置和姿态误差,甚至估计传感器输出的误差。在车载惯性导航和水下机器人领域,各种改进的ZUPT误差估计算法被提出,而在室内人员定位领域,ZUPT算法也是提升定位精度的关键,为了提升ZUPT算法的误差估计精度,各地的研究者提出了各种方法来提高零速时刻的检测精度和优化误差估计算法。
传统的零速更新算法,只能在载体周期性的零速状态下,利用3维速度误差的观测量,通过卡尔曼滤波器对***的9维、12维,甚至15维状态误差进行估计和修正。现在有的零速更新算法,主要存在两个问题:(1)只能在周期性的零速状态下对***状态误差进行估计,从而对***状态进行修正,无法实现全时刻、全轨迹的***状态的最优估计;(2)在误差估计部分,仅仅利用当前时刻的3维速度观测信息,估计精度难以满足高精度的应用需求。针对以上问题,本发明提供了一种行人惯性导航全时刻、全程的逆向平滑滤波方法。
发明内容
本发明的目的是提供一种可以全时刻全程进行平滑滤波的方法,提高行人惯性导航***的状态误差估计精度,同时也为其他惯性导航应用提供一种状态估计算法的优化思路。
本发明采用的技术方案是:一种行人惯性导航全时全程逆向平滑滤波方法,包括以下步骤:
步骤1,以当地地理坐标系为导航坐标系,建立***的误差传递模型,模型的15维状态变量包括:3维位置误差、3维速度误差、3维姿态误差、3维加速度计输出误差、3维陀螺仪输出误差。
步骤2,初始的静止区间,进行***初始对准,利用加速度计和陀螺仪传感器信息,计算载体的初始姿态角,包括俯仰角、滚转角和偏航角,确定初始四元数。
步骤3,进入运动区间,利用加速度和角速度信息进行捷联解算,计算***的3维位置、3维速度和3维姿态信息。
步骤4,进入下一个静止区间,利用RTS平滑算法,在***的零速状态下进行平滑滤波,对***的15维状态误差进行最佳估计,然后利用估计的误差信息对***的位置、速度、姿态、加速度零偏误差和陀螺仪漂移误差进行校正。
步骤5,从第二个静止区间的开始时刻,记作Tj,利用逆向导航算法,以Tj时刻的***状态作为初始状态,并利用步骤4中估计的传感器误差对运动区间的传感器输出进行修正,然后逆向解算***的状态信息。
步骤6,逆向解算到达上一个静止区间的最后时刻,记作Ti,此时已获得***运动区间的正向捷联解算状态和逆向捷联解算状态,利用卡尔曼滤波器,将两个方向解算的***状态信息进行融合,得到更加准确的***状态信息。
步骤7,从Tj时刻开始,再次进行RTS平滑滤波,此时利用的传感器输出为步骤4中的校正后的传感器输出,Tj时刻的***状态为步骤6中双向融合后的***状态信息。
上述步骤就是本发明从一个零速区间到另一个零速区间的逆向平滑滤波方法的一个完整周期,后续滤波重复上述周期即可。
与现有技术相比,本发明的有益效果是:
(1)本发明除了在零速条件下可以对***状态误差进行估计外,还可以在非零速条件下,对***的状态进行最优估计,提升***的全程导航精度。
(2)本发明在零速区间采用RTS平滑算法来对***状态误差进行估计,与传统的利用当前时刻的观测信息进行状态估计不同,本发明利用零速区间内所有的状态观测量,来对当前时刻的状态误差进行估计,极大地提升了估计精度。
附图说明
图1为本发明的整体时序图;
图2为本发明中捷联解算算法流程图;
图3为本发明中零速区间平滑滤波图;
图4为本发明中双向状态融合图;
图5为行人惯性导航行走轨迹图。
具体实施方式
下面结合附图对本发明的一种行人惯性导航全时全程逆向平滑滤波方法做出详细说明。
由于人体运动时,脚部的运动是周期性动静交替的,所以本发明的算法也呈周期性,第一个周期包括(1)初始对准;(2)正向捷联解算;(3)RTS平滑滤波;(4)逆向捷联解算;(5)运动区间状态最优估计;(6)二次RTS平滑滤波,共6个步骤。第二个周期,则省去初始对准的步骤。本发明的算法时序图如图1所示。
(一)***初始对准。行人惯性导航***,一般是将惯性测量单元固定在脚部,即捷联载体是脚,则载体坐标系是以脚的左-前-上三个方向构成,同时选择当地的地理坐标系为导航坐标系,即东-北-天。在导航开始之前,需要先进行初始对准,也就是计算出载体坐标系相对于导航坐标系的方向余弦矩阵。
本发明中的载体初始姿态角的计算是通过加速度的值计算得到的。其中,偏航角设为0,横滚角和俯仰角按以下公式计算:
其中,fx,fy,fz分别为载体坐标系中三个轴向的加速度。利用上式确定初始姿态之后,就可以得到初始四元数和初始方向余弦矩阵。
(二)正向捷联解算。利用加速度和陀螺仪信息,计算载体的姿态、速度和位置信息。正向捷联解算算法如图2所示。首先利用陀螺仪信息更新四元数,然后利用四元数计算姿态矩阵,利用姿态矩阵,将载体坐标系下的加速度转化到导航坐标系下,然后逐次积分,得到载体在导航坐标系下的速度和位置。
捷联解算的关键是求姿态矩阵,姿态矩阵是通过四元数更新得到的。描述载体系到导航系的姿态变化四元数为:
对上式两边同时求导数,写成矩阵的形式即得四元数微分方程,如下所示:
公式(4)中,[q0 q1 q2 q3]为四元数,[wx wy wz]为三轴角速率。通过求解四元数微分方程,便可以对四元数进行更新,从而实现目标姿态的更新。
(三)RTS平滑滤波。在检测到载体为零速状态时,在零速区间内,便可以进行RTS平滑滤波。现有的技术一般是进行各种形式的卡尔曼滤波,仅仅利用当前时刻的3维速度信息作为观测量,来估计整个***的状态误差,估计精度较差,本发明则是采用RTS平滑滤波算法,对于每个零速时刻,利用整个零速区间内的3维速度误差观测量,来对该时刻的***状态误差进行估计,估计精度要明显高于仅仅采用卡尔曼滤波的方法。
RTS平滑算法主要分为两个过程,前向的卡尔曼滤波过程和逆向的平滑过程,如图3所示。若要进行卡尔曼滤波,则需要先建立***的状态模型,本发明选择的是捷联惯性导航***的误差模型,其中,状态变量选择3维的位置误差、3维的速度误差、3维的姿态误差、3维的加速度计零偏误差和3维的陀螺仪随机漂移误差。位置误差传递模型、速度误差传递模型和姿态误差传递模型如下所示:
公式(5)中,p为位置矢量,v为速度矢量,ψ为姿态,fb为载体系下的加速度,[fn×]表示导航系下加速度的斜对称矩阵,表示从载体系到导航系的姿态转换矩阵。根据上述的位置、速度和姿态误差传递模型,建立***动态模型为:
其中,分别为东北天方向上的位置误差、速度误差、姿态误差、加速度计零偏误差和陀螺仪随机漂移误差;Φk,k-1是***从k-1时刻到k时刻的状态转移矩阵;Wk-1是k-1时刻的***噪声矩阵;Γk-1是k-1时刻的***噪声驱动矩阵;Zk是k时刻的状态观测向量;Hk是观测矩阵;Vk是观测噪声矩阵。另外,设***噪声矩阵Wk-1的协方差阵为Qk-1,观测噪声矩阵Vk的协方差阵为Rk-1。
按公式(6)建立***动态模型,然后执行前向卡尔曼滤波过程,具体流程如下式所示:
时间更新:
量测更新:
上述公式中,K为卡尔曼增益,P为协方差矩阵,I为单位矩阵。
前向卡尔曼滤波过程中,为了进行逆向平滑过程,需要存储前向过程中一步预测状态最优估计状态一步预测协方差矩阵Pf,k/k-1、预测协方差矩阵Pf,k和状态转移矩阵Φk,k-1。
逆向平滑过程,以前向卡尔曼滤波过程的最后一个时刻作为起点,按照以下公式对历史状态进行逆向平滑。设N为前向卡尔曼过程的最后时刻,
其中,k=N-1,N-2,…2,1,0,Ps,N=Pf,N,
通过RTS平滑过程,将会对零速区间内的每一时刻状态误差进行最优估计,然后利用估计的误差对***状态进行修正,得到零速区间内每一时刻的最优***状态。
(四)逆向捷联解算。应用RTS平滑滤波对零速区间进行最优估计后,静止区间内的状态估计较为精确,然后利用逆向捷联解算算法,逆向递推回去,以零速区间的起始时刻的状态为递推的初始状态,得到一组新的运动状态数据。
逆向捷联解算在形式上与正向的捷联解算相同,只需要在正向捷联解算的基础上,将陀螺输出、地球自转角速度和速度取反,然后按照正向捷联的形式计算即可。如果对于同一组惯性数据,在同一时刻下,不考虑其他的影响,逆向捷联解算的结果和正向捷联解算的结果基本相同,其中,位置和姿态相同,速度方向相反。
本发明中,在进行逆向捷联解算之前,先利用步骤(三)RTS平滑滤波中估计的传感器误差,包括加速度零偏误差和陀螺仪随机漂移误差,对正向捷联解算过程中记录的惯性数据进行修正,然后利用修正后的数据进行逆向解算,由此提高解算精度。
(五)运动区间状态最优估计。进行完上述步骤之后,可以得到正向捷联解算的***状态和逆向捷联解算的***状态,其中,正向捷联解算是在初始对准的基础上,进行解算的;逆向捷联解算是在利用RTS平滑算法对零速区间进行最优估计的基础上,进行解算的。下面,利用卡尔曼滤波算法,将两个方向解算的***状态进行融合,得到运动区间状态的最优估计。
首先建立9维的状态模型,以捷联惯性导航算法的误差传递模型为基础,选取的状态变量为X=[δPE δPN δPU δvE δvN δvU δα δβ δγ],分别为位置误差、速度误差和姿态误差。建立的误差模型如下所示:
其中,X=[δPE δPN δPU δvE δvN δvU δα δβ δγ],分别为东北天方向上的位置误差、速度误差和姿态误差;Φk,k-1是***从k-1时刻到k时刻的状态转移矩阵;Wk-1是k-1时刻的***噪声矩阵;Γk-1是k-1时刻的***噪声驱动矩阵;Zk是k时刻的状态观测向量;Hk是观测矩阵;Vk是观测噪声矩阵。另外,设***噪声矩阵Wk-1的协方差阵为Qk-1,观测噪声矩阵Vk的协方差阵为Rk-1
其中,状态转移矩阵的离散形式为:
观测矩阵为:
噪声驱动矩阵的离散形式为:
由于逆向捷联解算的速度与正向捷联解算的速度方向相反,所以将逆向捷联解算的速度取反,然后9个状态变量分别取差分,以9个状态的差分量为观测量,进行卡尔曼滤波,估计状态误差,然后利用状态误差的估计量修正当前时刻的状态,实现运动区间状态的最优估计,算法框图如图4所示。
(六)二次RTS平滑滤波。在步骤五进行完毕后,会对运动状态的最后一个时刻的状态信息重新估计,因此,可以利用最新的运动状态信息,对后面的零速区间进行二次的RTS平滑滤波,此次滤波的初始时刻状态,是由运动区间的最后时刻的状态解算得到。平滑滤波的具体算法步骤可参考步骤(三)。
上述的六个步骤,就是本发明算法的单周期操作,后续周期,重复上述步骤即可,唯一区别就是不用执行步骤(一)的初始对准。按照本发明上述的算法进行行人惯性导航定位实验,将惯性测量单元固定在脚部,在室内环境进行行走,解算的结果如图5所示,运动起始点与终点几乎重合,水平误差为0.19米,约为总行程的0.2%,定位精度要明显优于现有的行人惯性定位算法。
Claims (1)
1.一种行人惯性导航全时全程逆向平滑滤波方法,其特征在于:包括以下步骤:
步骤1,以当地地理坐标系为导航坐标系,建立***的误差传递模型,模型的15维状态变量包括:3维位置误差、3维速度误差、3维姿态误差、3维加速度计输出误差、3维陀螺仪输出误差。
步骤2,初始的静止区间,进行***初始对准,利用加速度计和陀螺仪传感器信息,计算载体的初始姿态角,包括俯仰角、滚转角和偏航角,确定初始四元数。
步骤3,进入运动区间,利用加速度和角速度信息进行捷联解算,计算***的3维位置、3维速度和3维姿态信息。
步骤4,进入下一个静止区间,利用RTS平滑算法,在***的零速状态下进行平滑滤波,对***的15维状态误差进行最佳估计,然后利用估计的误差信息对***的位置、速度、姿态、加速度输出和陀螺仪输出进行校正。
步骤5,从第二个静止区间的开始时刻,记作Tj,利用逆向导航算法,以Tj时刻的***状态作为初始状态,并利用步骤4中估计的传感器误差对运动区间的传感器输出进行修正,然后逆向解算***的状态信息。
步骤6,逆向解算到达上一个静止区间的最后时刻,记作Ti,此时已获得***运动区间的正向捷联解算状态和逆向捷联解算状态,利用卡尔曼滤波器,将两个方向解算的***状态信息进行融合,得到更加准确的***状态信息。
步骤7,从Tj时刻开始,再次进行RTS平滑滤波,此时利用的传感器输出为步骤4中的校正后的传感器输出,Tj时刻的***状态为步骤6中双向融合后的***状态信息。
上述步骤就是本发明从一个零速区间到另一个零速区间的逆向平滑滤波方法的一个完整周期,后续滤波重复上述周期即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810351682.9A CN109959374B (zh) | 2018-04-19 | 2018-04-19 | 一种行人惯性导航全时全程逆向平滑滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810351682.9A CN109959374B (zh) | 2018-04-19 | 2018-04-19 | 一种行人惯性导航全时全程逆向平滑滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109959374A true CN109959374A (zh) | 2019-07-02 |
CN109959374B CN109959374B (zh) | 2020-11-06 |
Family
ID=67023127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810351682.9A Expired - Fee Related CN109959374B (zh) | 2018-04-19 | 2018-04-19 | 一种行人惯性导航全时全程逆向平滑滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109959374B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110967007A (zh) * | 2019-11-21 | 2020-04-07 | 中国船舶重工集团公司第七0五研究所 | 一种适用于稳态航行可节省两轴捷联陀螺的惯导解算方法 |
CN111141281A (zh) * | 2020-01-03 | 2020-05-12 | 中国船舶重工集团公司第七0七研究所 | 一种sins/dvl组合导航数据后处理误差估计方法 |
CN112577484A (zh) * | 2019-09-29 | 2021-03-30 | 北京信息科技大学 | 一种小型气象探测设备应用的遥测装置 |
CN112747753A (zh) * | 2019-10-29 | 2021-05-04 | 北京初速度科技有限公司 | 一种车辆状态确定方法及车载终端中的处理器 |
CN115265588A (zh) * | 2022-07-15 | 2022-11-01 | 北京航空航天大学 | 陆用捷联惯导基于逆向导航的零速修正在线平滑方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364817A (zh) * | 2013-07-11 | 2013-10-23 | 北京航空航天大学 | 一种基于r-t-s平滑的pos***双捷联解算后处理方法 |
CN103471595A (zh) * | 2013-09-26 | 2013-12-25 | 东南大学 | 一种面向ins/wsn室内移动机器人紧组合导航的迭代扩展rts均值滤波方法 |
CN103644910A (zh) * | 2013-11-22 | 2014-03-19 | 哈尔滨工程大学 | 基于分段rts平滑算法的个人自主导航***定位方法 |
CN104613964A (zh) * | 2015-01-30 | 2015-05-13 | 中国科学院上海高等研究院 | 一种跟踪脚部运动特征的步行者定位方法及*** |
CN104931049A (zh) * | 2015-06-05 | 2015-09-23 | 北京信息科技大学 | 一种基于运动分类的行人自主定位方法 |
CN106017461A (zh) * | 2016-05-19 | 2016-10-12 | 北京理工大学 | 基于人体/环境约束的行人导航***三维空间定位方法 |
CN106482733A (zh) * | 2016-09-23 | 2017-03-08 | 南昌大学 | 行人导航中基于足底压力检测的零速修正方法 |
US20170227363A1 (en) * | 2015-01-08 | 2017-08-10 | Uti Limited Partnership | Method and apparatus for enhanced pedestrian navigation based on wlan and mems sensors |
-
2018
- 2018-04-19 CN CN201810351682.9A patent/CN109959374B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364817A (zh) * | 2013-07-11 | 2013-10-23 | 北京航空航天大学 | 一种基于r-t-s平滑的pos***双捷联解算后处理方法 |
CN103471595A (zh) * | 2013-09-26 | 2013-12-25 | 东南大学 | 一种面向ins/wsn室内移动机器人紧组合导航的迭代扩展rts均值滤波方法 |
CN103644910A (zh) * | 2013-11-22 | 2014-03-19 | 哈尔滨工程大学 | 基于分段rts平滑算法的个人自主导航***定位方法 |
US20170227363A1 (en) * | 2015-01-08 | 2017-08-10 | Uti Limited Partnership | Method and apparatus for enhanced pedestrian navigation based on wlan and mems sensors |
CN104613964A (zh) * | 2015-01-30 | 2015-05-13 | 中国科学院上海高等研究院 | 一种跟踪脚部运动特征的步行者定位方法及*** |
CN104931049A (zh) * | 2015-06-05 | 2015-09-23 | 北京信息科技大学 | 一种基于运动分类的行人自主定位方法 |
CN106017461A (zh) * | 2016-05-19 | 2016-10-12 | 北京理工大学 | 基于人体/环境约束的行人导航***三维空间定位方法 |
CN106482733A (zh) * | 2016-09-23 | 2017-03-08 | 南昌大学 | 行人导航中基于足底压力检测的零速修正方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112577484A (zh) * | 2019-09-29 | 2021-03-30 | 北京信息科技大学 | 一种小型气象探测设备应用的遥测装置 |
CN112747753A (zh) * | 2019-10-29 | 2021-05-04 | 北京初速度科技有限公司 | 一种车辆状态确定方法及车载终端中的处理器 |
CN110967007A (zh) * | 2019-11-21 | 2020-04-07 | 中国船舶重工集团公司第七0五研究所 | 一种适用于稳态航行可节省两轴捷联陀螺的惯导解算方法 |
CN110967007B (zh) * | 2019-11-21 | 2023-02-21 | 中国船舶重工集团公司第七0五研究所 | 一种适用于稳态航行可节省两轴捷联陀螺的惯导解算方法 |
CN111141281A (zh) * | 2020-01-03 | 2020-05-12 | 中国船舶重工集团公司第七0七研究所 | 一种sins/dvl组合导航数据后处理误差估计方法 |
CN115265588A (zh) * | 2022-07-15 | 2022-11-01 | 北京航空航天大学 | 陆用捷联惯导基于逆向导航的零速修正在线平滑方法 |
CN115265588B (zh) * | 2022-07-15 | 2024-04-09 | 北京航空航天大学 | 陆用捷联惯导基于逆向导航的零速修正在线平滑方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109959374B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109959374A (zh) | 一种行人惯性导航全时全程逆向平滑滤波方法 | |
CN108731670A (zh) | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 | |
CN101476894B (zh) | 车载sins/gps组合导航***性能增强方法 | |
CN106595652B (zh) | 车辆运动学约束辅助的回溯式行进间对准方法 | |
CN109974697A (zh) | 一种基于惯性***的高精度测绘方法 | |
CN104344837B (zh) | 一种基于速度观测的冗余惯导***加速度计***级标定方法 | |
CN102706366B (zh) | 一种基于地球自转角速率约束的sins初始对准方法 | |
CN106507913B (zh) | 用于管道测绘的组合定位方法 | |
CN105698822B (zh) | 基于反向姿态跟踪的自主式惯性导航行进间初始对准方法 | |
CN103727938B (zh) | 一种管道测绘用惯导里程计组合导航方法 | |
CN104977004B (zh) | 一种激光惯组与里程计组合导航方法及*** | |
CN101949703A (zh) | 一种捷联惯性/卫星组合导航滤波方法 | |
CN111207744B (zh) | 一种基于厚尾鲁棒滤波的管线地理位置信息测量方法 | |
CN109596144B (zh) | Gnss位置辅助sins行进间初始对准方法 | |
CN105091907B (zh) | Sins/dvl组合中dvl方位安装误差估计方法 | |
CN103777220A (zh) | 基于光纤陀螺、速度传感器和gps的实时精确位姿估计方法 | |
CN109186597B (zh) | 一种基于双mems-imu的室内轮式机器人的定位方法 | |
CN109870173A (zh) | 一种基于校验点的海底管道惯性导航***的轨迹修正方法 | |
CN111399023B (zh) | 基于李群非线性状态误差的惯性基组合导航滤波方法 | |
CN109945895B (zh) | 基于渐消平滑变结构滤波的惯性导航初始对准方法 | |
CN104977002A (zh) | 基于sins/双od的惯性组合导航***及其导航方法 | |
CN103674064B (zh) | 捷联惯性导航***的初始标定方法 | |
CN106840211A (zh) | 一种基于kf和stupf组合滤波的sins大方位失准角初始对准方法 | |
CN106500727A (zh) | 一种基于路径匹配的惯导***误差修正方法 | |
CN110395297A (zh) | 列车定位方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201106 Termination date: 20210419 |