CN110631574B - 一种惯性/里程计/rtk多信息融合方法 - Google Patents
一种惯性/里程计/rtk多信息融合方法 Download PDFInfo
- Publication number
- CN110631574B CN110631574B CN201810653755.XA CN201810653755A CN110631574B CN 110631574 B CN110631574 B CN 110631574B CN 201810653755 A CN201810653755 A CN 201810653755A CN 110631574 B CN110631574 B CN 110631574B
- Authority
- CN
- China
- Prior art keywords
- matrix
- state
- rts
- inertial
- 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.)
- Active
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
- 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
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
本发明公开一种惯性/里程计/RTK多信息融合方法,针对惯性/里程计组合航向可观性较差的问题,采用正、反向RTS平滑的方法将惯性/RTK数据处理结果进行加权融合,将融合得到的航向最优估计结果替代对应时刻的惯性/里程计组合导航Kalman滤波估计结果进行姿态修正,可以提高惯性/里程计组合导航的航向精度,从而提高组合导航***的位置、姿态测量精度。
Description
技术领域
本发明属于一种组合导航***信息融合方法,具体涉及一种针对惯性/里程计/卫星多信息融合方法。
背景技术
多信息融合的基本原理是指充分利用多个传感器资源,通过对各传感器信息的合理支配和使用,把多个传感器在空间和时间上的冗余或互补信息,依据某种准则进行融合,以获得比各组成子***更优越的性能。组合导航***多信息融合根据***的物理模型及传感器的噪声统计特性,将量测数据映射到状态空间,根据载体运动规律建立***状态方程和量测方程,通过某种估计算法获得***状态变量的最优估计。组合导航***多信息融合的关键问题是采用何种最优估计方法来融合各子导航***输出的不同类型的信息,以获得精度、可靠性和容错性等方面的综合优势。
随着我国铁路建设的不断发展,既有线路的改建、扩建以及新建项目越来越多,线路测绘在工程建设中起着决定性的作用,它直接影响到工程的质量、成本及工期。惯性导航***可以连续提供高精度的位置、速度、姿态等信息,但是惯导***误差随时间累积,对于长时间的工程测量需要借助里程计、卫星定位等辅助信息抑制惯导***的误差增长,因此基于惯性测量的多传感器信息融合技术在铁路测绘中有着重要的应用。
惯性/里程计组合导航以里程计的高精度速度信息抑制惯导***的误差累积,是现阶段一种常用测量方式。惯性/里程计组合可以对水平姿态进行实时修正,从而抑制水平陀螺漂移和加速度计零位的影响。但惯性/里程计组合航向角误差可观性较低,并且在铁路测绘中,航向变化较小,难以通过转弯机动的方式来提高航向角误差的可观测度,而线运动上的变速机动并不能有效提高惯性/里程计组合航向角误差的可观测度。因此,如何抑制天向陀螺漂移导致的航向误差累积是铁路测绘领域惯性/里程计组合导航***的一个主要技术难题。
RTK定位技术(Real-time kinematic,实时动态差分)利用载波相位观测量进行动态定位,能够实时提供测站点在指定坐标系中的三维定位结果,并达到厘米级定位精度。RTK是工程测量中一种常用的高精度定位技术。
本发明提出一种惯性/里程计/RTK多信息融合方法,在惯性/里程计组合导航方案的基础上引入RTK测量信息,采用双向导航、双向滤波的方法对惯性/RTK组合航向角误差进行精确估计,再通过数据融合的方法将惯性/RTK组合导航得到的航向角误差引入到惯性/里程计组合导航中,可以提高组合导航***航向角精度,从而提高位置以及姿态测量精度。
发明内容
本发明的目的是提供一种惯性/里程计/RTK多信息融合方法,它能够解决针对惯性/里程计组合航向角误差可观测度低,单纯的线运动难以提高航向角误差的可观测度,而在铁路测绘应用领域中难以通过转弯机动来提高航向角误差可观测度,导致位置、姿态测量精度受天向陀螺漂移影响严重的问题。
本发明是这样实现的,一种惯性/里程计/RTK多信息融合方法,它包括如下步骤:
步骤1:惯性/里程计组合导航;
步骤2:惯性/RTK数据处理;
步骤3:惯性/里程计/RTK多信息融合。
所述的步骤1包括
1)状态方程
惯性/里程组合导航Kalman滤波选取21维状态变量:
式中,δVN、δVU、δVE表示惯导***北向、天向、东向速度误差,φN、φU、φE:表示惯导***北向、天向、东向失准角,δL、δh、δλ表示惯导***纬度、高度、经度误差,表示x轴、y轴、z轴加速度计零位误差,εx、εy、εz表示x轴、y轴、z轴陀螺常值漂移,φay、φaz表示里程计与惯性测量单元之间残余方位和俯仰安装误差角,δKD为里程计刻度系数误差,Rx、Ry、Rz表示里程计与惯性测量单元之间的杆臂误差,对应的状态方程表示如下:
式中,w为***噪声,A为***状态矩阵,根据状态变量,参照捷联惯导***误差方程,可以得到***状态矩阵中各元素的值,
2)量测方程
Kalman滤波量测方程形式如下:
Z=HX+v
式中,Z表示Kalman滤波观测量,H表示***观测矩阵,v为***量测噪声,
惯性/里程组合导航Kalman滤波采用速度匹配模式,以惯性导航解算得到的速度和里程计测量的速度之差值作为Kalman滤波器的观测量,即观测量:
Z=VSINS-VOdo
式中,VSINS表示惯性导航解算得到的速度,VOdo表示里程计输出速度,
根据观测量可以得到量测矩阵H
3)滤波计算
根据组合导航***状态方程和量测方程,选择合适的初始状态估计值X0、初始估计均方误差阵P0、***噪声初始方差阵Q0以及量测噪声方差阵Rk,参照Kalman滤波计算公式,可以实现对各项误差的准确估计。
所述的步骤2包括
惯性/RTK数据处理采用双向滤波、双向平滑的方法以提高航向角误差估计精度,
1)正向滤波计算
正向组合导航Kalman滤波选取15维状态变量:
式中,XF表示正向Kalman滤波估计变量,
对应的状态方程表示如下:
式中,w为***噪声,A为***状态矩阵,根据状态变量,参照捷联惯导***误差方程,可以得到***状态矩阵中各元素的值,
Kalman滤波量测方程形式如下:
ZF=HXF+v
式中,ZF表示正向Kalman滤波观测量,H表示***观测矩阵,v为***量测噪声,
正向Kalman滤波采用速度匹配模式,以惯性导航解算得到的速度和RTK测量速度之差值作为Kalman滤波器的观测量,即观测量:
根据观测量可以得到对应的量测矩阵H
根据状态方程、量测方程,选取合适的滤波初值,参考Kalman滤波计算公式即可完成正向Kalman滤波计算,
2)反向RTS平滑
基于正向Kalman滤波的反向RTS平滑递推公式如下
式中,Ak为反向RTS平滑增益矩阵,Pk为正向Kalman滤波均方误差阵,Pk+1,k为正向Kalman滤波一步预测方差阵,为正向滤波离散化后状态矩阵,为正向滤波估计值,为正向滤波一步预测估计值,为反向RTS平滑状态估计值,为反向RTS平滑均方误差阵,
3)反向滤波计算
反向滤波状态变量以及量测变量与正向滤波计算相同,基于逆向惯性导航算法,通过逆向Kalman滤波计算公式得到逆向状态估计值,
4)正向RTS平滑
基于反向Kalman滤波计算的正向RTS平滑递推公式如下:
式中,Bk为正向RTS平滑增益矩阵,为反向Kalman滤波均方误差阵,为反向Kalman滤波一步预测方差阵,为反向滤波离散化后状态矩阵,为反向滤波估计值,为反向滤波一步预测估计值,为正向RTS平滑状态估计值,为正向RTS平滑均方误差阵,
5)平滑结果融合
将正、反向RTS平滑状态估计值进行加权融合,公式如下:
XC=(PFR+PBR)-1(PFRXFR+PBRXBR)
式中,XC为正、反向RTS平滑融合后的估计值,XFR为正向RTS平滑估计值、PFR为正向RTS平滑均方误差阵、XBR为反向RTS平滑估计值、PBR为反向RTS平滑均方误差阵。
所述的步骤3包括
1)数据对齐
根据惯性/里程计组合导航以及RTK测量结果中的时间戳,将惯性/里程计组合Kalman滤波估计结果以及惯性/RTK数据处理得到的估计结果进行时间上的对齐,
2)误差修正
将惯性/里程组合导航Kalman滤波计算得到的航向估计结果用对应时刻的惯性/RTK数据处理得到的结果替代,
X(5)=XC(5)
式中,X(5)为惯性/里程计组合得到的航向估计结果,XC(5)为惯性/RTK数据处理得到的航向估计结果,
利用替代后的结果对惯性/里程计组合导航得到的姿态进行修正,公式如下:
本发明的优点是,本发明提出的惯性/里程计/RTK多信息融合方法,采用双向滤波、双向平滑的方法对惯性/RTK组合航向角误差进行精确估计,将惯性/RTK组合得到的航向角误差引入到惯性/里程计组合导航中,提高惯性/里程计组合导航的航向精度,进而可以提高组合导航***的位置、姿态测量精度。
具体实施方式
下面结合具体实施例对本发明进行详细介绍:
本发明提出的一种惯性/里程计/RTK多信息融合方法,首先进行惯性/里程计组合导航Kalman滤波计算,利用里程计高精度测速信息抑制水平陀螺漂移和加速度计零位的影响,再通过惯性/里程计/RTK多信息融合抑制天向陀螺漂移的影响,提高航向测量精度。
具体的包括如下步骤:
步骤1:惯性/里程计组合导航
1)状态方程
惯性/里程组合导航Kalman滤波选取21维状态变量:
式中,δVN、δVU、δVE表示惯导***北向、天向、东向速度误差,φN、φU、φE:表示惯导***北向、天向、东向失准角,δL、δh、δλ表示惯导***纬度、高度、经度误差,表示x轴、y轴、z轴加速度计零位误差,εx、εy、εz表示x轴、y轴、z轴陀螺常值漂移,φay、φaz表示里程计与惯性测量单元之间残余方位和俯仰安装误差角,δKD为里程计刻度系数误差,Rx、Ry、Rz表示里程计与惯性测量单元之间的杆臂误差。
对应的状态方程表示如下:
式中,w为***噪声,A为***状态矩阵,根据状态变量,参照捷联惯导***误差方程,可以得到***状态矩阵中各元素的值。
2)量测方程
Kalman滤波量测方程形式如下:
Z=HX+v
式中,Z表示Kalman滤波观测量,H表示***观测矩阵,v为***量测噪声。
惯性/里程组合导航Kalman滤波采用速度匹配模式,以惯性导航解算得到的速度和里程计测量的速度之差值作为Kalman滤波器的观测量。即观测量:
Z=VSINS-VOdo
式中,VSINS表示惯性导航解算得到的速度,VOdo表示里程计输出速度。
根据观测量可以得到量测矩阵H
3)滤波计算
根据组合导航***状态方程和量测方程,选择合适的初始状态估计值X0、初始估计均方误差阵P0、***噪声初始方差阵Q0以及量测噪声方差阵Rk,参照Kalman滤波计算公式,可以实现对各项误差的准确估计。
步骤2:惯性/RTK数据处理
惯性/RTK数据处理采用双向滤波、双向平滑的方法以提高航向角误差估计精度。
1)正向滤波计算
正向组合导航Kalman滤波选取15维状态变量:
式中,XF表示正向Kalman滤波估计变量。
对应的状态方程表示如下:
式中,w为***噪声,A为***状态矩阵,根据状态变量,参照捷联惯导***误差方程,可以得到***状态矩阵中各元素的值。
Kalman滤波量测方程形式如下:
ZF=HXF+v
式中,ZF表示正向Kalman滤波观测量,H表示***观测矩阵,v为***量测噪声。
正向Kalman滤波采用速度匹配模式,以惯性导航解算得到的速度和RTK测量速度之差值作为Kalman滤波器的观测量。即观测量:
根据观测量可以得到对应的量测矩阵H
根据状态方程、量测方程,选取合适的滤波初值,参考Kalman滤波计算公式即可完成正向Kalman滤波计算。
2)反向RTS平滑
基于正向Kalman滤波的反向RTS平滑递推公式如下
式中,Ak为反向RTS平滑增益矩阵,Pk为正向Kalman滤波均方误差阵,Pk+1,k为正向Kalman滤波一步预测方差阵,为正向滤波离散化后状态矩阵,为正向滤波估计值,为正向滤波一步预测估计值,为反向RTS平滑状态估计值,为反向RTS平滑均方误差阵。
3)反向滤波计算
反向滤波状态变量以及量测变量与正向滤波计算相同,基于逆向惯性导航算法,通过逆向Kalman滤波计算公式得到逆向状态估计值。
4)正向RTS平滑
基于反向Kalman滤波计算的正向RTS平滑递推公式如下:
式中,Bk为正向RTS平滑增益矩阵,为反向Kalman滤波均方误差阵,为反向Kalman滤波一步预测方差阵,为反向滤波离散化后状态矩阵,为反向滤波估计值,为反向滤波一步预测估计值,为正向RTS平滑状态估计值,为正向RTS平滑均方误差阵。
5)平滑结果融合
将正、反向RTS平滑状态估计值进行加权融合,公式如下:
XC=(PFR+PBR)-1(PFRXFR+PBRXBR)
式中,XC为正、反向RTS平滑融合后的估计值,XFR为正向RTS平滑估计值、PFR为正向RTS平滑均方误差阵、XBR为反向RTS平滑估计值、PBR为反向RTS平滑均方误差阵。
步骤3:惯性/里程计/RTK多信息融合
1)数据对齐
根据惯性/里程计组合导航以及RTK测量结果中的时间戳,将惯性/里程计组合Kalman滤波估计结果以及惯性/RTK数据处理得到的估计结果进行时间上的对齐。
2)误差修正
将惯性/里程组合导航Kalman滤波计算得到的航向估计结果用对应时刻的惯性/RTK数据处理得到的结果替代。
X(5)=XC(5)
式中,X(5)为惯性/里程计组合得到的航向估计结果,XC(5)为惯性/RTK数据处理得到的航向估计结果。
利用替代后的结果对惯性/里程计组合导航得到的姿态进行修正,公式如下:
通过在惯性/里程计组合导航计算的同时引入对应时刻惯性/RTK数据处理得到的航向最优估计结果进行航向修正,可以提高惯性/里程计组合导航的航向精度,进而可以提高组合导航***的位置、姿态测量精度。
Claims (2)
1.一种惯性/里程计/RTK多信息融合方法,其特征在于:它包括如下步骤:
步骤1:惯性/里程计组合导航;
步骤2:惯性/RTK数据处理;
步骤3:惯性/里程计/RTK多信息融合;
所述的步骤1包括
1)状态方程
惯性/里程计 组合导航Kalman滤波选取21维状态变量:
式中,δVN、δVU、δVE表示惯导***北向、天向、东向速度误差,φN、φU、φE:表示惯导***北向、天向、东向失准角,δL、δh、δλ表示惯导***纬度、高度、经度误差,表示x轴、y轴、z轴加速度计零位误差,εx、εy、εz表示x轴、y轴、z轴陀螺常值漂移,φay、φaz表示里程计与惯性测量单元之间残余方位和俯仰安装误差角,δKD为里程计刻度系数误差,Rx、Ry、Rz表示里程计与惯性测量单元之间的杆臂误差,对应的状态方程表示如下:
式中,w为***噪声,A为***状态矩阵,根据状态变量,参照捷联惯导***误差方程,可以得到***状态矩阵中各元素的值,
2)量测方程
Kalman滤波量测方程形式如下:
Z=HX+v
式中,Z表示Kalman滤波观测量,H表示***观测矩阵,v为***量测噪声,
惯性/里程计 组合导航Kalman滤波采用速度匹配模式,以惯性导航解算得到的速度和里程计测量的速度之差值作为Kalman滤波器的观测量,即观测量:
Z=VSINS-VOdo
式中,VSINS表示惯性导航解算得到的速度,VOdo表示里程计输出速度,
根据观测量可以得到量测矩阵H
3)滤波计算
根据组合导航***状态方程和量测方程,选择合适的初始状态估计值X0、初始估计均方误差阵P0、***噪声初始方差阵Q0以及量测噪声方差阵Rk,参照Kalman滤波计算公式,可以实现对各项误差的准确估计;
所述的步骤2包括
惯性/RTK数据处理采用双向滤波、双向平滑的方法以提高航向角误差估计精度,
1)正向滤波计算
正向组合导航Kalman滤波选取15维状态变量:
式中,XF表示正向Kalman滤波估计变量,
对应的状态方程表示如下:
式中,w为***噪声,A为***状态矩阵,根据状态变量,参照捷联惯导***误差方程,可以得到***状态矩阵中各元素的值,
Kalman滤波量测方程形式如下:
ZF=HXF+v
式中,ZF表示正向Kalman滤波观测量,H表示***观测矩阵,v为***量测噪声,
正向Kalman滤波采用速度匹配模式,以惯性导航解算得到的速度和RTK测量速度之差值作为Kalman滤波器的观测量,即观测量:
根据观测量可以得到对应的量测矩阵H
根据状态方程、量测方程,选取合适的滤波初值,参考Kalman滤波计算公式即可完成正向Kalman滤波计算,
2)反向RTS平滑
基于正向Kalman滤波的反向RTS平滑递推公式如下
式中,Ak为反向RTS平滑增益矩阵,Pk为正向Kalman滤波均方误差阵,Pk+1,k为正向Kalman滤波一步预测方差阵,为正向滤波离散化后状态矩阵,为正向滤波估计值,为正向滤波一步预测估计值,为反向RTS平滑状态估计值,为反向RTS平滑均方误差阵,
3)反向滤波计算
反向滤波状态变量以及量测变量与正向滤波计算相同,基于逆向惯性导航算法,通过逆向Kalman滤波计算公式得到逆向状态估计值,
4)正向RTS平滑
基于反向Kalman滤波计算的正向RTS平滑递推公式如下:
式中,Bk为正向RTS平滑增益矩阵,为反向Kalman滤波均方误差阵,为反向Kalman滤波一步预测方差阵,为反向滤波离散化后状态矩阵,为反向滤波估计值,为反向滤波一步预测估计值,为正向RTS平滑状态估计值,为正向RTS平滑均方误差阵,
5)平滑结果融合
将正、反向RTS平滑状态估计值进行加权融合,公式如下:
XC=(PFR+PBR)-1(PFRXFR+PBRXBR)
式中,XC为正、反向RTS平滑融合后的估计值,XFR为正向RTS平滑估计值、PFR为正向RTS平滑均方误差阵、XBR为反向RTS平滑估计值、PBR为反向RTS平滑均方误差阵。
2.如权利要求1所述的一种惯性/里程计/RTK多信息融合方法,其特征在于:所述的步骤3包括
1)数据对齐
根据惯性/里程计组合导航以及RTK测量结果中的时间戳,将惯性/里程计组合Kalman滤波估计结果以及惯性/RTK数据处理得到的估计结果进行时间上的对齐,
2)误差修正
将惯性/里程计 组合导航Kalman滤波计算得到的航向估计结果用对应时刻的惯性/RTK数据处理得到的结果替代,
X(5)=XC(5)
式中,X(5)为惯性/里程计组合得到的航向估计结果,XC(5)为惯性/RTK数据处理得到的航向估计结果,
利用替代后的结果对惯性/里程计组合导航得到的姿态进行修正,公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810653755.XA CN110631574B (zh) | 2018-06-22 | 2018-06-22 | 一种惯性/里程计/rtk多信息融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810653755.XA CN110631574B (zh) | 2018-06-22 | 2018-06-22 | 一种惯性/里程计/rtk多信息融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110631574A CN110631574A (zh) | 2019-12-31 |
CN110631574B true CN110631574B (zh) | 2021-05-11 |
Family
ID=68967161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810653755.XA Active CN110631574B (zh) | 2018-06-22 | 2018-06-22 | 一种惯性/里程计/rtk多信息融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110631574B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111483455B (zh) * | 2020-05-15 | 2021-03-09 | 安徽鸠兹航空智能产业技术研究院有限公司 | 一种无人车的自主平滑转弯控制***及其控制方法 |
CN111854733B (zh) * | 2020-07-28 | 2022-06-21 | 广东博智林机器人有限公司 | 一种多源融合定位方法及*** |
CN114076610B (zh) * | 2020-08-12 | 2024-05-28 | 千寻位置网络(浙江)有限公司 | Gnss/mems车载组合导航***的误差标定、导航方法及其装置 |
CN112731483B (zh) * | 2020-12-14 | 2024-04-09 | 北京航空航天大学 | 一种自动驾驶组合导航***中rtk异常值的判断方法 |
CN112415558B (zh) * | 2021-01-25 | 2021-04-16 | 腾讯科技(深圳)有限公司 | 行进轨迹的处理方法及相关设备 |
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 |
CN113834483B (zh) * | 2021-11-23 | 2022-03-25 | 北京航空航天大学 | 一种基于可观测度的惯性/偏振/地磁容错导航方法 |
CN114964270B (zh) * | 2022-05-17 | 2024-04-26 | 驭势科技(北京)有限公司 | 融合定位方法、装置、车辆及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105300410A (zh) * | 2015-12-01 | 2016-02-03 | 中国矿业大学 | 采煤机惯性导航定位误差校准装置及方法 |
CN107402005A (zh) * | 2016-05-20 | 2017-11-28 | 北京自动化控制设备研究所 | 一种基于惯性/里程计/rfid的高精度组合导航方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7702459B2 (en) * | 2006-10-17 | 2010-04-20 | Alpine Electronics, Inc. | GPS accuracy adjustment to mitigate multipath problems for MEMS based integrated INS/GPS navigation systems |
-
2018
- 2018-06-22 CN CN201810653755.XA patent/CN110631574B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105300410A (zh) * | 2015-12-01 | 2016-02-03 | 中国矿业大学 | 采煤机惯性导航定位误差校准装置及方法 |
CN107402005A (zh) * | 2016-05-20 | 2017-11-28 | 北京自动化控制设备研究所 | 一种基于惯性/里程计/rfid的高精度组合导航方法 |
Non-Patent Citations (1)
Title |
---|
RTK差分技术在网约车计费***检测中的应用;康婷婷等;《测绘通报》;20171231(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110631574A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110631574B (zh) | 一种惯性/里程计/rtk多信息融合方法 | |
CN111156994B (zh) | 一种基于mems惯性组件的ins/dr&gnss松组合导航方法 | |
CN109974697B (zh) | 一种基于惯性***的高精度测绘方法 | |
CN108594283B (zh) | Gnss/mems惯性组合导航***的自由安装方法 | |
CN107655493B (zh) | 一种光纤陀螺sins六位置***级标定方法 | |
CN107270893A (zh) | 面向不动产测量的杆臂、时间不同步误差估计与补偿方法 | |
CN111238535B (zh) | 一种基于因子图的imu误差在线标定方法 | |
CN110361031B (zh) | 一种基于回溯理论的imu全参数误差快速标定方法 | |
CN108931244A (zh) | 基于列车运动约束的惯导误差抑制方法及*** | |
CN113203429B (zh) | 一种陀螺仪温度漂移误差的在线估计及补偿方法 | |
CN111722295B (zh) | 一种水下捷联式重力测量数据处理方法 | |
CN111220151B (zh) | 载体系下考虑温度模型的惯性和里程计组合导航方法 | |
CN113175933A (zh) | 一种基于高精度惯性预积分的因子图组合导航方法 | |
CN112050807A (zh) | 一种基于时间同步补偿的sins_gnss组合导航方法 | |
CN110631573B (zh) | 一种惯性/里程计/全站仪多信息融合方法 | |
CN109084755B (zh) | 一种基于重力视速度与参数辨识的加速度计零偏估计方法 | |
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 | |
CN111024128B (zh) | 一种机载光电吊舱光轴稳定状态传递对准方法 | |
CN112798014A (zh) | 一种基于重力场球谐模型补偿垂线偏差的惯导自对准方法 | |
CN117053802A (zh) | 一种基于旋转mems imu的车载导航***定位误差减小的方法 | |
CN108279025B (zh) | 一种基于重力信息的光纤陀螺罗经快速精对准方法 | |
CN114264304B (zh) | 复杂动态环境高精度水平姿态测量方法与*** | |
CN114184190A (zh) | 一种惯性/里程计组合导航***及方法 | |
CN109596139B (zh) | 基于mems的车载导航方法 | |
CN116380119A (zh) | 组合导航的校准方法、装置和*** |
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 |