CN115900692A - 一种多传感器融合高精度隧道定位定姿方法 - Google Patents
一种多传感器融合高精度隧道定位定姿方法 Download PDFInfo
- Publication number
- CN115900692A CN115900692A CN202211026991.1A CN202211026991A CN115900692A CN 115900692 A CN115900692 A CN 115900692A CN 202211026991 A CN202211026991 A CN 202211026991A CN 115900692 A CN115900692 A CN 115900692A
- Authority
- CN
- China
- Prior art keywords
- error
- carrier
- inertial navigation
- navigation
- total station
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000004927 fusion Effects 0.000 title claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 10
- 238000012805 post-processing Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000005259 measurement Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000002441 reversible effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 7
- 230000008878 coupling Effects 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Navigation (AREA)
Abstract
本发明公开了一种多传感器融合高精度隧道定位定姿方法，采用全站仪跟踪棱镜替代GNSS提供的位置数据；且针对隧道内里程计、相机和三维激光传感器与IMU耦合性差，无法有效估计各自传感器误差的缺点，建立全站仪\惯导的组合导航模型，并使用扩展卡尔曼滤波，用双向滤波进行后处理，对全站仪\惯导最优估计；同时对多传感器融合修正，最终得到多传感器融合的高精度位姿信息。采用该定位定姿方法，得到连续的高精度定位定姿信息。
Description
技术领域
本发明属于隧道衬砌质量检测技术领域，具体涉及一种多传感器融合高精度隧道定位定姿方法。
背景技术
隧道衬砌质量检测车载定位***作为车载扫描***的重要组成部分，是车载扫描***获取高精度数据的前提与保证。单一传感器的适用范围较小，存在一些无法克服的缺点，无法适应所有情况，仅可提供部分的环境信息，导致感知的定位信息会存在不确定性以及偶发性的缺失和误差，难以满足车载定位***对高精度和高连续性的定位定姿需求。另外，单一传感器的定位***稳定性弱，传感器故障甚至可能导致整个定位采集***的失效。而惯性传感器、里程计、GNSS、全站仪等传感器存在固有缺陷。惯性传感器自主性强、动态性能好、导航信息全面且输出频率高，但其缺点是误差随时间不断累积，长期精度差；GNSS精度高、误差不随时间增大，缺点是导航信息不够全面、频带窄、信号容易受到干扰、在室内等环境下接收不到卫星信号而无法使用；里程计也具有自主性，但其误差会随距离不断增大。全站仪是一种集距离、角度测量、高差测量以及自动计算等功能为一体的测量工具，具有较高的测量精度，但跟踪测量的抗干扰能力较差，无法完全适应隧道较为复杂的电磁环境。所以工程上一般采用多种导航***同时对载体进行导航信息测量，再对所有测量信息作综合处理(包括检测、结合、相关和估计)，从而得到更为准确和可靠的导航结果。
目前使用最广泛的组合定位方法是基于INS/GNSS的组合导航，这种方法利用了卫星导航***和INS各自的优势进行互补，实现高频率的位置输出，提高了定位可靠性，降低了定位***成本并且获得了更加准确的定位结果。但是 INS/GNSS组合导航***中仍存在很多问题，其中最主要的问题就是其对GNSS 信号的依赖程度过大，当卫星信号受到干扰或遮挡时，整个定位***的精度会严重下降，进而影响整个车载扫描***的数据质量。
而隧道定位就是一个缺失卫星信号的典型场景。一般隧道环境采用靶球修正，但靶球摆放较为繁琐，一般采用大间距，而只有靶球附近的位姿误差得到有效修正。所以目前隧道内连续高精度定位定姿技术仍一个难题，尚无一种成熟可靠的技术来解决隧道内无法获得高精度连续位置信息的问题。
发明内容
本发明的目的是提供种一种多传感器融合高精度隧道定位定姿方法，在隧道环境下，建立全站仪\惯导的组合导航模型，得到连续的高精度定位定姿信息。
本发明采用以下技术方案：一种多传感器融合高精度隧道定位定姿方法，该方法包括如下步骤：
步骤s10、将秒脉冲信号PPS授时的GPS时间同步到各传感器和全站仪，多传感器之间进行无线通讯，并同时采集信息；
步骤s20、判断是否接收到卫星信号，其中：
若接收到卫星信号，通过导航卫星***的绝对坐标，将全站仪坐标系转为绝对坐标系；
若未接收到卫星信号，则通过隧道内的控制点作为标靶，将全站仪坐标系转为绝对坐标系；
步骤s30、全站仪跟踪到载体，与捷联惯导***的输出进行比对，对载体进行初始对准，得到载体的初始位姿；
步骤s40、以所述步骤s30中的载体的初始位姿为基准，对捷联惯导***采集的载体的数据进行解算，获取惯导传感器实时解算的载***姿信息；
步骤s50、全站仪/惯导组合导航解算，具体如下：
步骤s51、建立惯性/全站仪组合导航状态空间模型，考虑杆臂误差和时间不同步误差，如下：
其中：X为误差状态；
F为状态转移矩阵；
G为噪声转移矩阵；
为惯导输出速度误差；
为观测输出速度误差；
为惯导输出位置误差；
为观测输出位置误差；
H为观测转移矩阵；
V为观测噪声；
Wb为***噪声；
为陀螺仪角速度测量白噪声；
为加速度计比力测量白噪声；
δvn为速度误差；
δp为位置误差；
εb为陀螺仪零偏；
为加速度计零偏；
δlb为杆臂误差；
δt为；时间误差；
Vv为全站仪速度测量白噪声；
Vp为全站仪和位置测量白噪声；
b表示载体坐标系，n表示导航坐标系；
步骤s52、通过扩展卡尔曼滤波，对惯导/全站仪组合导航进行组合，建立正反向双向滤波模型，对所述步骤40中的惯导数据和全站仪进行后处理融合，对陀螺和加速度计的零偏、里程计的比例系数和安装失准角误差进行估计，得到组合后的高精度位姿信息；
步骤s60、多传感器辅助定位修正，具体如下：
由所述组合后的高精度位姿信息，估计惯导的误差项、修正失准角和里程计误差项，并输入正反向双向滤波模型，得到多传感器融合的高精度位姿信息。
进一步地，在所述步骤s40中，当载体在行驶过程中出现静置时，进行零速修正，如下：建立惯导解算姿态算法，将陀螺仪测得的角速度信息和上一时刻的载体姿态旋转矩阵输入，更新载体的姿态旋转矩阵；
其中：为姿态旋转矩阵的微分；
为姿态旋转矩阵，近似为常值；
为载体系下测得的载体相对于导航系的角速度；
为载体系下测得的载体相对于惯性系的角速度；
为载体系下测得的载体相对于地球系的角速度；
为地球坐标系相对于导航坐标系的角速度；
利用比力方程，得到载体的速度算法：
其中：为导航系下速度变化值；
为载体测得的比力；
gn为导航系下重力加速度；
设计捷联惯导***的误差方程为：
其中：
φ为失准角；
为地球坐标系相对于惯性系的角速度；
为速度误差的变化值；
εn为等效陀螺仪随机常值漂移，为常值；
为等效加速度计随机常值零偏，为常值；
使用Kalman滤波进行状态估计，建立捷联惯导***的模型，如下：
X＝[φE φN φU δvE δvN εN εU]T；
其中：
φE为捷联惯导东方向角度误差；
φN为捷联惯导北方向角度误差；
φU为捷联惯导天方向角度误差；
δvE为等效东向速度量测噪声；
δvN为等效北向速度量测噪声；
εN为陀螺仪北方向随机常值漂移；
εU为陀螺仪天方向随机常值漂移；
将捷联惯导***的模型中的状态方程和量测方程离散化，再通过卡尔曼滤波进行状态估计，得到失准角和捷联惯导的误差估计。
进一步地，在步骤51中，当能接收到卫星信号时，vn TOTAL和PTOTAL采用GNSS 数据输入，当在隧道环境下时，位置采用全站仪输入；
进一步地，在步骤s60中，具体过程如下：提取相机、三维激光扫描仪采集到的空间信息和位置信息，通过对比空间信息和位置信息对全线范围内的误差进行高精度的误差补偿，估计惯导的误差项和修正失准角。
本发明的有益效果是：1.对隧道内无法接收到卫星信号的缺点，加入全站仪跟踪棱镜替代卫星定位***提供的位置数据，以得到连续的位置信息，以保证在隧道内数据采集的连贯性。2.对隧道内里程计、相机和三维激光传感器与IMU 耦合性差，无法有效估计各自传感器误差的缺点，建立全站仪\惯导的组合导航模型，并使用扩展卡尔曼滤波，用双向滤波进行后处理，对全站仪\惯导最优估计。降低最终位置信息的误差。3.对相机、三维激光扫描仪采集到的空间信息和里程计的位置信息进行提取，估计惯导的误差项、修正失准角、里程计误差项，对全局误差进行修正，以得到多传感器融合的高精度位姿信息。4.多传感器之间的时间同步，保证同时启动工作，进行数据监测，数据传输，保证工作的一致性。
附图说明
图1是总体流程图；
图2是全站仪/惯导组合导航流程。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
在本发明中，惯性传感器自主性强使误差随时间不断累积；里程计输出是单维速度，其误差会随距离不断增大；相机也存在误差不断累积的问题。现有技术一般加入标靶修正，但标靶间距一般较长，只有靶球附近的位姿误差得到有效修正。全站仪是一种集距离、角度测量、高差测量以及自动计算等功能为一体的测量工具，具有较高的测量精度。其跟踪测量频率也较高。加入全站仪可以确保定位定姿的完整连续性。
但全站仪跟踪测量的抗干扰能力较差，无法完全适应隧道较为复杂的电磁环境。采用组合导航融合多传感器，建立扩展卡尔曼滤波器模型对所有测量信息作综合处理(检测、结合、相关和估计)，从而得到更为准确和可靠的导航结果。
本发明中的多传感器包括里程计、导航卫星***(GNSS)、相机、三维激光扫描仪、全站仪以及捷联惯导***。定位模块包括：时间同步模块、数据采集模块、解算模块、通讯模块、储存模块，控制模块于发出开始或结束采集的指令。
本发明一种多传感器融合高精度隧道定位定姿方法，捷联惯导***安装于载体上，随载体在隧道内行进，载体可选择可在隧道内行进的小车。
如图1所示，该方法包括如下步骤：
步骤s10、将秒脉冲信号PPS授时的GPS时间同步到各传感器和全站仪，多传感器之间进行无线通讯，并同时采集信息；包括惯性传感器数据、编码器采集的里程数据、卫星接收机接收到卫星定位信息、相机采集到的图像信息和全站仪采集的位置信息。其中，是通过无线通讯将PPS授时的时间同步到全站仪。全站仪固定在隧道内，与棱镜间无遮挡。
步骤s20、判断是否接收到卫星信号，其中：
若接收到卫星信号，通过导航卫星***的绝对坐标，将全站仪坐标系转为绝对坐标系；载体由隧道外出发，行进至隧道内，在隧道外时，能接收到卫星信号，在进入隧道后，即接收不到卫星信号。
若未接收到卫星信号，则通过隧道内的控制点作为标靶，将全站仪坐标系转为绝对坐标系；
步骤s30、全站仪跟踪到载体，与捷联惯导***的输出进行比对，对载体进行初始对准，得到载体的初始位姿，棱镜竖直设置于载体上；如下
步骤s31、粗对准：全站仪跟踪到载体上的棱镜后，确定载体所在位置；惯性传感器测量载体地球旋转角速度V1和地球重力加速度V2；它们在两个坐标下的投影坐标分别记为V1 r，V1 b和通过双矢量定姿求解载体坐标系b和地球坐标系r之间的方向余弦阵(姿态阵)，解算得到载体初始姿态旋转矩阵
经过粗对准，捷联惯导***获得了姿态矩阵的大致值，即粗略的地理导航系指向，但是与真实地理坐标系相比往往还存在一定的失准角误差，若直接进入后续的导航解算，导航误差容易发散，因此进一步的精对准，以减小失准角误差。
步骤s32、精对准：建立惯导解算姿态算法，将陀螺仪测得的角速度信息和所述步骤s31中的初始载体姿态旋转矩阵输入，更新载体的姿态旋转矩阵；
其中：为姿态旋转矩阵的微分；
为姿态旋转矩阵，近似为常值；
为载体系下测得的载体相对于导航系的角速度；
为载体系下测得的载体相对于惯性系的角速度；
为载体系下测得的载体相对于地球系的角速度；
为地球坐标系相对于导航坐标系的角速度；
利用比力方程，得到载体的速度算法：
其中：为导航系下速度变化值；
为载体测得的比力；
gn为导航系下重力加速度；
设计捷联惯导***的误差方程为：
其中：
φ为失准角；
为地球坐标系相对于惯性系的角速度；
为速度误差的变化值；
εn为等效陀螺仪随机常值漂移，为常值；
为等效加速度计随机常值零偏，为常值；
使用Kalman滤波进行状态估计，建立捷联惯导***的模型，如下：
X＝[φEφNφUδvEδvNεNεU]T；
其中：
φE为捷联惯导东方向角度误差；
φN为捷联惯导北方向角度误差；
φU为捷联惯导天方向角度误差；
δvE为等效东向速度量测噪声；
δvN为等效北向速度量测噪声；
εN为陀螺仪北方向随机常值漂移；
εU为陀螺仪天方向随机常值漂移；
将捷联惯导***的模型中的状态方程和量测方程离散化，再通过卡尔曼滤波进行状态估计，得失准角的最优估计，实现捷联惯导***的精对准，得到载体的初始位姿。
步骤s40、以步骤s30中的载体的初始位姿为基准，对捷联惯导***采集的载体的数据进行解算，获取惯导传感器解算的载***姿信息；载***姿信息包括姿态角、速度和位置。
姿态更新：采集惯性传感器采集的角速度与加速度数据，通过上一时刻的姿态对地球旋转角速度进行补偿，采用三子样的旋转矢量对圆锥误差进行修正，用四元数更新姿态方程，计算当前时刻的姿态角。
速度更新：通过前一时刻载体的速度、姿态对重力加速度进行补偿，再结合惯性传感器采集的角速度与加速度数据进行解算，得到当前时刻的速度值。
位置更新：通过前一时刻的位置与速度和地理参数，解算出当前时刻的位置值。
当载体在行驶过程中出现静置时，可进行零速修正。此时可将量测输入的速度看为零，估计其它传感器的误差，如下：
建立惯导解算姿态算法，将陀螺仪测得的角速度信息和上一时刻的载体姿态旋转矩阵输入，更新载体的姿态旋转矩阵；
其中：为姿态旋转矩阵的微分；
为姿态旋转矩阵，近似为常值；
为载体系下测得的载体相对于导航系的角速度；
为载体系下测得的载体相对于惯性系的角速度；
为载体系下测得的载体相对于地球系的角速度；
为地球坐标系相对于导航坐标系的角速度；
利用比力方程，得到载体的速度算法：
其中：为导航系下速度变化值；
为载体测得的比力；
gn为导航系下重力加速度；
设计捷联惯导***的误差方程为：
其中：
φ为失准角；
为地球坐标系相对于惯性系的角速度；
为速度误差的变化值；
εn为等效陀螺仪随机常值漂移，为常值；
为等效加速度计随机常值零偏，为常值；
使用Kalman滤波进行状态估计，建立捷联惯导***的模型，如下：
X＝[φEφNφUδvEδvNεNεU]T；
其中：
φE为捷联惯导东方向角度误差；
φN为捷联惯导北方向角度误差；
φU为捷联惯导天方向角度误差；
δvE为等效东向速度量测噪声；
δvN为等效北向速度量测噪声；
εN为陀螺仪北方向随机常值漂移；
εU为陀螺仪天方向随机常值漂移；
将捷联惯导***的模型中的状态方程和量测方程离散化，再通过卡尔曼滤波进行状态估计，得到失准角和捷联惯导的误差估计，将失准角和捷联惯导的误差估计作为反馈，用于修改捷联惯导的监测数据。
步骤s50、隧道内里程计、相机和三维激光传感器与捷联惯导IMU耦合性差，无法有效估计各自传感器的误差，影响对载体准确定位，将全站仪/惯导组合导航解算，捷联惯导在短时间具有高精度性，而全站仪的误差不随时间的增加而增大，故将全站仪与捷联惯导组合导航。如图2所示，具体如下：
步骤s51、建立惯性/全站仪组合导航状态空间模型，考虑杆臂误差和时间不同步误差，如下：
其中：X为误差状态，为姿态误差、速度误差、位置误差、陀螺零偏、加速度计零偏、杆臂误差和时间误差。
F为状态转移矩阵；
G为噪声转移矩阵；
为惯导输出速度误差；
为观测输出速度误差；
为惯导输出位置误差；
为观测输出位置误差；
H为观测转移矩阵；
V为观测噪声；
Wb为***噪声；
为陀螺仪角速度测量白噪声；
为加速度计比力测量白噪声；
δvn为速度误差；
δp为位置误差；
εb为陀螺仪零偏；
为加速度计零偏；
δlb为杆臂误差；
δt为；时间误差；
Vv为全站仪速度测量白噪声；
Vp为全站仪和位置测量白噪声；
b表示载体坐标系，n表示导航坐标系；
当能接收到卫星信号时，和PTOTAL采用GNSS数据输入，当在隧道环境下时，位置采用全站仪输入。
步骤s52、通过扩展卡尔曼滤波，对惯导/全站仪组合导航进行组合，建立正反向双向滤波模型，对所述步骤40中的惯导数据和全站仪进行后处理融合，对陀螺仪和加速度计的零偏、里程计的比例系数和安装失准角误差进行估计，并将各估计值作为反馈，用于修正融合后的数据，得到组合后的高精度位姿信息。
步骤s60、多传感器辅助定位修正，具体如下：
估计惯导的误差项、修正失准角和里程计误差项，输入正反向双向滤波模型，得到多传感器融合的高精度位姿信息。
具体为：惯导航位推算***通过加速度计数据和里程数据对载体行驶状态进行判断，判断载体是否为制动滑行状态、打滑状态或正常行驶状态，与全站仪测得的数据比对，估计里程计误差项，并将各估计值作为反馈，输入正反向双向滤波模型，用于修正融合后的数据。
多个相机均设置于载体上，且位于隧道同一截面的弧线上，用于采集隧道内壁图片，并传输；三维激光扫描仪用于扫描隧道内壁与其自身的位置关系；相机和三维激光扫描仪均通过通讯模块与时间同步模块相连接，时间同步后，贮存，解算出车载体的位置和姿态。
采用人工或者算法提取相机、三维激光扫描仪采集到的空间信息和位置信息，通过对比隧道内空间信息和位置信息，对全线范围内的误差进行高精度的误差补偿，估计惯导的误差项和修正失准角，输入正反向双向滤波模型，修正融合后的数据。
Claims (4)
1.一种多传感器融合高精度隧道定位定姿方法，其特征在于，该方法包括如下步骤：
步骤s10、将秒脉冲信号PPS授时的GPS时间同步到各传感器和全站仪，多传感器之间进行无线通讯，并同时采集信息；
步骤s20、判断是否接收到卫星信号，其中：
若接收到卫星信号，通过导航卫星***的绝对坐标，将全站仪坐标系转为绝对坐标系；
若未接收到卫星信号，则通过隧道内的控制点作为标靶，将全站仪坐标系转为绝对坐标系；
步骤s30、全站仪跟踪到载体，与捷联惯导***的输出进行比对，对载体进行初始对准，得到载体的初始位姿；
步骤s40、以所述步骤s30中的载体的初始位姿为基准，对捷联惯导***采集的载体的数据进行解算，获取惯导传感器实时解算的载***姿信息；
步骤s50、全站仪/惯导组合导航解算，具体如下：
步骤s51、建立惯性/全站仪组合导航状态空间模型，考虑杆臂误差和时间不同步误差，如下：
其中：X为误差状态；
F为状态转移矩阵；
G为噪声转移矩阵；
为惯导输出速度误差；
为观测输出速度误差；
为惯导输出位置误差；
为观测输出位置误差；
H为观测转移矩阵；
V为观测噪声；
Wb为***噪声；
为陀螺仪角速度测量白噪声；
为加速度计比力测量白噪声；
δvn为速度误差；
δp为位置误差；
εb为陀螺仪零偏；
为加速度计零偏；
δlb为杆臂误差；
δt为；时间误差；
Vv为全站仪速度测量白噪声；
Vp为全站仪和位置测量白噪声；
b表示载体坐标系，n表示导航坐标系；
步骤s52、通过扩展卡尔曼滤波，对惯导/全站仪组合导航进行组合，建立正反向双向滤波模型，对所述步骤40中的惯导数据和全站仪进行后处理融合，对陀螺和加速度计的零偏、里程计的比例系数和安装失准角误差进行估计，得到组合后的高精度位姿信息；
步骤s60、多传感器辅助定位修正，具体如下：
由所述组合后的高精度位姿信息，估计惯导的误差项、修正失准角和里程计误差项，并输入正反向双向滤波模型，得到多传感器融合的高精度位姿信息。
2.如权利要求1所述的一种多传感器融合高精度隧道定位定姿方法，其特征在于，在所述步骤s40中，当载体在行驶过程中出现静置时，进行零速修正，如下：建立惯导解算姿态算法，将陀螺仪测得的角速度信息和上一时刻的载体姿态旋转矩阵输入，更新载体的姿态旋转矩阵；
其中：为姿态旋转矩阵的微分；
为姿态旋转矩阵，近似为常值；
为载体系下测得的载体相对于导航系的角速度；
为载体系下测得的载体相对于惯性系的角速度；
为载体系下测得的载体相对于地球系的角速度；
为地球坐标系相对于导航坐标系的角速度；
利用比力方程，得到载体的速度算法：
其中：为导航系下速度变化值；
为载体测得的比力；
gn为导航系下重力加速度；
设计捷联惯导***的误差方程为：
其中：
φ为失准角；
为地球坐标系相对于惯性系的角速度；
为速度误差的变化值；
εn为等效陀螺仪随机常值漂移，为常值；
为等效加速度计随机常值零偏，为常值；
使用Kalman滤波进行状态估计，建立捷联惯导***的模型，如下：
X＝[φEφNφUδvEδvNεNεU]T；
其中：
φE为捷联惯导东方向角度误差；
φN为捷联惯导北方向角度误差；
φU为捷联惯导天方向角度误差；
δvE为等效东向速度量测噪声；
δvN为等效北向速度量测噪声；
εN为陀螺仪北方向随机常值漂移；
εU为陀螺仪天方向随机常值漂移；
将捷联惯导***的模型中的状态方程和量测方程离散化，再通过卡尔曼滤波进行状态估计，得到失准角和捷联惯导的误差估计。
3.如权利要求1所述的一种多传感器融合高精度隧道定位定姿方法，其特征在于，在所述步骤51中，当能接收到卫星信号时，和PTOTAL采用GNSS数据输入，当在隧道环境下时，位置采用全站仪输入；
4.如权利要求1所述的一种多传感器融合高精度隧道定位定姿方法，其特征在于，在所述步骤s60中，具体过程如下：提取相机、三维激光扫描仪采集到的空间信息和位置信息，通过对比空间信息和位置信息对全线范围内的误差进行高精度的误差补偿，估计惯导的误差项和修正失准角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211026991.1A CN115900692A (zh) | 2022-08-25 | 2022-08-25 | 一种多传感器融合高精度隧道定位定姿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211026991.1A CN115900692A (zh) | 2022-08-25 | 2022-08-25 | 一种多传感器融合高精度隧道定位定姿方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115900692A true CN115900692A (zh) | 2023-04-04 |
Family
ID=86488584
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211026991.1A Pending CN115900692A (zh) | 2022-08-25 | 2022-08-25 | 一种多传感器融合高精度隧道定位定姿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115900692A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101809407A (zh) * | 2007-09-24 | 2010-08-18 | 莱卡地球***公开股份有限公司 | 位置确定方法 |
| CN104613965A (zh) * | 2015-03-02 | 2015-05-13 | 大连理工大学 | 一种基于双向滤波平滑技术的步进式行人导航方法 |
| CN104713559A (zh) * | 2015-02-01 | 2015-06-17 | 西北工业大学 | 一种高精度sins模拟器的设计方法 |
| CN105806338A (zh) * | 2016-03-17 | 2016-07-27 | 孙红星 | 基于三向卡尔曼滤波平滑器的gnss/ins组合定位定向算法 |
| CN110220512A (zh) * | 2019-05-16 | 2019-09-10 | 武汉新瑞通达信息技术有限公司 | 一种全站仪组合惯性测量单元的动态定位*** |
| CN110631573A (zh) * | 2018-06-22 | 2019-12-31 | 北京自动化控制设备研究所 | 一种惯性/里程计/全站仪多信息融合方法 |
| CN110779521A (zh) * | 2019-11-12 | 2020-02-11 | 成都中科微信息技术研究院有限公司 | 一种多源融合的高精度定位方法与装置 |
| CN111721290A (zh) * | 2020-07-13 | 2020-09-29 | 南京理工大学 | 一种多源传感器信息融合定位切换方法 |
| CN112378399A (zh) * | 2020-07-16 | 2021-02-19 | 西安科技大学 | 基于捷联惯导和数字全站仪的煤矿巷道掘进机器人精确定位定向方法 |
| CN114046789A (zh) * | 2021-11-11 | 2022-02-15 | 扆贝贝 | 轨检小车导航imu协同测量的铁轨检测方法 |
-
2022
- 2022-08-25 CN CN202211026991.1A patent/CN115900692A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101809407A (zh) * | 2007-09-24 | 2010-08-18 | 莱卡地球***公开股份有限公司 | 位置确定方法 |
| CN104713559A (zh) * | 2015-02-01 | 2015-06-17 | 西北工业大学 | 一种高精度sins模拟器的设计方法 |
| CN104613965A (zh) * | 2015-03-02 | 2015-05-13 | 大连理工大学 | 一种基于双向滤波平滑技术的步进式行人导航方法 |
| CN105806338A (zh) * | 2016-03-17 | 2016-07-27 | 孙红星 | 基于三向卡尔曼滤波平滑器的gnss/ins组合定位定向算法 |
| CN110631573A (zh) * | 2018-06-22 | 2019-12-31 | 北京自动化控制设备研究所 | 一种惯性/里程计/全站仪多信息融合方法 |
| CN110220512A (zh) * | 2019-05-16 | 2019-09-10 | 武汉新瑞通达信息技术有限公司 | 一种全站仪组合惯性测量单元的动态定位*** |
| CN110779521A (zh) * | 2019-11-12 | 2020-02-11 | 成都中科微信息技术研究院有限公司 | 一种多源融合的高精度定位方法与装置 |
| CN111721290A (zh) * | 2020-07-13 | 2020-09-29 | 南京理工大学 | 一种多源传感器信息融合定位切换方法 |
| CN112378399A (zh) * | 2020-07-16 | 2021-02-19 | 西安科技大学 | 基于捷联惯导和数字全站仪的煤矿巷道掘进机器人精确定位定向方法 |
| CN114046789A (zh) * | 2021-11-11 | 2022-02-15 | 扆贝贝 | 轨检小车导航imu协同测量的铁轨检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘晨晨: "受限空间内光纤陀螺捷联惯导***的定位定向测量关键技术研究", 中国优秀硕士学位论文全文数据库基础科学辑, no. 2, pages 24 - 26 * |
| 毛金根: "煤矿巷道掘进机器人捷联惯导与数字全站仪组合定位***研究", 中国优秀硕士学位论文全文数据库信息科技辑, no. 2, pages 5 - 8 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9488480B2 (en) | Method and apparatus for improved navigation of a moving platform | |
| CN110764119B (zh) | 不依赖于卫星导航信息的卫星天线自主测控方法及*** | |
| US9784582B2 (en) | Method and apparatus for navigation with nonlinear models | |
| CN111156994B (zh) | 一种基于mems惯性组件的ins/dr&gnss松组合导航方法 | |
| US6768959B2 (en) | Apparatus and method for accurate pipeline surveying | |
| CN108594283B (zh) | Gnss/mems惯性组合导航***的自由安装方法 | |
| EP1510832A1 (en) | GPS/dead reckoning combination system and operating method thereof | |
| US6545638B2 (en) | Correcting a prior dead reckoning determined position measurement using GPS when GPS is later acquired | |
| KR101394546B1 (ko) | Ｇｐｓ와 ｉｍｕ의 데이터 융합에 의한 위치 정보 획득장치 및 그의 위치 정보 획득방법 | |
| JP2000506604A (ja) | 改良された車両ナビゲーションシステム及びその方法 | |
| US20170184403A1 (en) | Travel distance estimation device | |
| US20170074678A1 (en) | Positioning and orientation data analysis system and method thereof | |
| JP6802555B2 (ja) | 鉄道車両位置測定システム | |
| CN113218407B (zh) | 一种基于vio和卫星导航***融合的地图生成方法及装置 | |
| CN115388884A (zh) | 一种智能***姿估计器联合初始化方法 | |
| CN113063441B (zh) | 里程计累计推算误差的数据源纠正方法及装置 | |
| CN113419265B (zh) | 一种基于多传感器融合的定位方法、装置与电子设备 | |
| JPH0926328A (ja) | 位置標定装置 | |
| CN116576849A (zh) | 一种基于gmm辅助的车辆融合定位方法及*** | |
| CN116558512A (zh) | 一种基于因子图的gnss与车载传感器融合定位方法及*** | |
| CN115900692A (zh) | 一种多传感器融合高精度隧道定位定姿方法 | |
| CN114812554A (zh) | 基于滤波的多源融合机器人室内绝对定位方法 | |
| CN114545475A (zh) | 一种复杂环境下的多源组合导航定位方法 | |
| KR20220167817A (ko) | Imu 센서 융합형 위성항법신호 처리 장치 | |
| CN113031040A (zh) | 一种用于机场地服车辆的定位方法及*** |
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 |