一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法技术

本发明专利技术涉及测绘技术领域，公开了一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法。通过本发明专利技术创造，可以利用卡尔曼滤波器的算法原理，对设计的多维未知状态量进行预测和修正之间的多次相互循环，使得多维未知状态量不断地趋近于真实值，进而基于多维未知状态量，可以高效且准确地得到从XYZ坐标系到NED坐标系的最新3维姿态角以及最新旋转矩阵，最后通过几何变换把GNSS接收机的天线相位中心的坐标映射到对中杆末端位置的坐标，从而完成倾斜测量，使得可以完全把测量工作人员从水泡对中整平的任务解放出来，提升作业效率。另外还可不需要做任何的出厂校准，在作业过程总可以自校准，大幅度地提高了作业效率和准确率，减少了不必要的生产流程。

A Tilt Measurement Method Based on GNSS Receiver and IMU Sensor for Integrated Surveying and Mapping Machine

【技术实现步骤摘要】
一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法
本专利技术属于测绘
，具体涉及一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法。
技术介绍
传统测绘一体机需要测绘人员利用对中杆的气泡使一体机保持水平，一体机的天线相位中心经纬度即为对中杆底端测量点的经纬度，测量点的高度则是一体机的天线相位中心高度减去已知的杆子底部到一体机天线相位中心距离即可。但为保证精度，这种方法需要测绘人员维持对中的时间约半分钟左右，难度较大且影响测绘效率。另外在某些情况下，比如在建筑物墙边，由于GNSS(GlobalNavigationSatelliteSystem，全球导航卫星系统，它是泛指所有的卫星导航系统，包括全球的、区域的和增强的，如美国的GPS、俄罗斯的Glonass、欧洲的Galileo、中国的北斗卫星导航系统，以及相关的增强系统，如美国的广域增强系统、欧洲的欧洲静地导航重叠系统和日本的多功能运输卫星增强系统等)接收机的体积限制，无法达到让对中杆垂直的要求，对于作业效率是一个损失。虽然最新的测绘一体机加入了倾斜测量的功能，测绘人员可以在倾斜最大约20度的范围内保持几秒钟后计算出杆底位置，但是要实现倾斜测量，需要有实时的一体机的倾角和方位角，需要角度测量系统。现有的做法是使用倾角传感器和磁强传感器组成的角度测量系统来分别直接测量姿态角和方位角。但这种做法存在如下几点不足：(1)倾角传感器只在静止时输出的角度精度才可用，如果由于风等外力因素使杆子有晃动，则输出的倾角精度有损失；(2)在磁环境碰到突然的变化，例如附近有汽车经过时，方位角会有较大的误差，并可能有较大的跳动；(3)在用户未知磁环境好坏的情况下，进行磁标定之后，可能会造成标定结果带有较大误差，直接降低后边使用时的精度；(4)为控制成本，传感器一般采用低成本的器件，低成本器件的可靠性难以百分百保证。因此现有技术中的倾斜测量方法存在输出的倾角精度低以及方位角有较大误差的问题。虽然也有一些厂家(如上海华测公司)要求把IMU(Inertialmeasurementunit，惯性测量单元，是测量物体三轴姿态角或角速率以及加速度的装置，一般包含有三个单轴的加速度计和三个单轴的陀螺，其中，加速度计检测物体在载体坐标系统中独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中角速度和加速度，并以此解算出物体的姿态)传感器安装在天线相位中心之下，并且要求出厂做标定，但是这些方案对于成本特别低廉的IMU传感器并不是很实用，而且上海华测公司的方案需要标定在生产过程中的安装角误差，但对于作业中带来的安装角(如对中杆弯曲)的影响却完全没有办法校准。
技术实现思路
为了解决现有测绘一体机因带磁角度测量系统而引起的作业效率低和倾斜测量误差大等问题，本专利技术目的在于提供一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法。本专利技术所采用的技术方案为：一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法，所述测绘一体机包括对中杆、GNSS接收机、IMU传感器和微处理器，其中，所述GNSS接收机布置在所述对中杆的顶端，所述IMU传感器布置在所述对中杆上且包括有3轴加速度计和3轴陀螺仪，所述微处理器也布置在所述对中杆上且分别通信连接所述GNSS接收机和所述IMU传感器；所述测绘一体机的倾斜测量方法,包括由所述GNSS接收机无线接收GNSS数据，由所述IMU传感器采集获取IMU数据，以及由所述微处理器按照如下步骤得到所述对中杆的底端位置坐标：S101.建立卡尔曼滤波器的动态模型及观测模型：式中，xk为未知状态量x的k时刻状态值，xk-1为未知状态量x的k-1时刻状态值，yk为已知观测量y的k时刻观测值，F为转移矩阵，H为观测矩阵，wk-1为服从高斯分布的过程噪声，vk为服从高斯分布的观测噪声，k为正整数，所述未知状态量x包含有针对所述IMU传感器的如下9维变量：NED坐标系下的经度误差dφ、纬度误差dλ、高程误差dh、N方向速度偏差dvn、E方向速度偏差dve、D方向速度偏差dvd、横滚角偏差dρr、俯仰角偏差dρp和航向角偏差dρq，所述已知观测量y包含有针对所述IMU传感器的如下6维观测量：NED坐标系下的经度观测误差Δφ、纬度观测误差Δλ、高程观测误差Δh、N方向速度观测偏差Δvn、E方向速度观测偏差Δve和D方向速度观测偏差Δvd；S102.在进入倾斜测量模式后，获取所述未知状态量x的初始化状态值x0，并使变量k初始化为1；S103.在经过单位时间Δτ后，同步读取k时刻的GNSS数据和IMU数据；S104.根据读取的GNSS数据获取所述GNSS接收机的k时刻天线相位中心坐标：NED坐标系下的经度纬度和高程根据读取的IMU数据获取所述IMU传感器的k时刻原始3维姿态角：横滚角俯仰角和航向角根据读取的GNSS数据和IMU数据获取所述已知观测量y的k时刻观测值yk；S105.利用卡尔曼滤波器的所述动态模型及观测模型，对所述未知状态量x进行预测及修正，得到所述未知状态量x的k时刻状态值xk；S106.应用所述k时刻状态值xk中的k时刻横滚角偏差(dρr)k、k时刻俯仰角偏差(dρp)k和k时刻航向角偏差(dρq)k分别一一对应地对所述IMU传感器的k时刻原始3维姿态角进行校正，得到所述IMU传感器的且从XYZ坐标系到NED坐标系的k时刻校准3维姿态角：横滚角(ρr)k、俯仰角(ρp)k和航向角(ρq)k，其中，所述XYZ坐标系为所述IMU传感器的三轴坐标系；S107.根据所述k时刻校准3维姿态角获取从XYZ坐标系到NED坐标系的k时刻旋转矩阵S108.按照如下公式获取所述对中杆的k时刻底端位置坐标：式中，(φO)k为NED坐标系下的经度，(λO)k为NED坐标系下的纬度，(hO)k为NED坐标系下的高程，L为所述对中杆的长度；S109.使变量k自加1，然后重新执行步骤S103～S109，直到变量k的值不小于20。具体的，针对所述步骤S101中的转移矩阵F，根据如下的第一位置误差状态方程、第一速度偏差状态方程和第一姿态偏差状态方程换算得到：(1)第一位置误差状态方程：(2)第一速度偏差状态方程：(3)第一姿态偏差状态方程：在前述(1)～(3)方程中，(dφ)k、(dλ)k、(dh)k、(dvn)k、(dve)k、(dvd)k、(dρr)k、(dρp)k和(dρq)k分别为xk中的元素，(dφ)k-1、(dλ)k-1、(dh)k-1、(dvn)k-1、(dve)k-1、(dvd)k-1、(dρr)k-1、(dρp)k-1和(dρq)k-1分别为xk-1中的元素；在前述(1)～(3)方程中，R为地球半径，ε为地球偏心率，为从初始化时刻的GNSS数据中获取的天线相位中心纬度，为从初始化时刻的GNSS数据中获取的天线相位中心高程，(fn)k-1为从k-1时刻的IMU数据中获取的加速度向量在N轴方向上的投影，(fe)k-1为从k-1时刻的IMU数据中获取的加速度向量在E轴方向上的投影，(fd)k-1为从k-1时刻的IMU数据中获取的加速度向量在D轴方向上的投影。优化的，在所述步骤S101中，所述未知状态量x还包含有针对所述IM本文档来自技高网...

【技术保护点】
1.一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法，其特征在于：所述测绘一体机包括对中杆(1)、GNSS接收机(2)、IMU传感器(3)和微处理器4，其中，所述GNSS接收机(2)布置在所述对中杆(1)的顶端，所述IMU传感器(3)布置在所述对中杆(1)上且包括有3轴加速度计和3轴陀螺仪，所述微处理器4也布置在所述对中杆(1)上且分别通信连接所述GNSS接收机(2)和所述IMU传感器(3)；所述测绘一体机的倾斜测量方法,包括由所述GNSS接收机(2)无线接收GNSS数据，由所述IMU传感器(3)采集获取IMU数据，以及由所述微处理器4按照如下步骤得到所述对中杆(1)的底端位置坐标：S101.建立卡尔曼滤波器的动态模型及观测模型：

【技术特征摘要】
1.一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法，其特征在于：所述测绘一体机包括对中杆(1)、GNSS接收机(2)、IMU传感器(3)和微处理器4，其中，所述GNSS接收机(2)布置在所述对中杆(1)的顶端，所述IMU传感器(3)布置在所述对中杆(1)上且包括有3轴加速度计和3轴陀螺仪，所述微处理器4也布置在所述对中杆(1)上且分别通信连接所述GNSS接收机(2)和所述IMU传感器(3)；所述测绘一体机的倾斜测量方法,包括由所述GNSS接收机(2)无线接收GNSS数据，由所述IMU传感器(3)采集获取IMU数据，以及由所述微处理器4按照如下步骤得到所述对中杆(1)的底端位置坐标：S101.建立卡尔曼滤波器的动态模型及观测模型：式中，xk为未知状态量x的k时刻状态值，xk-1为未知状态量x的k-1时刻状态值，yk为已知观测量y的k时刻观测值，F为转移矩阵，H为观测矩阵，wk-1为服从高斯分布的过程噪声，vk为服从高斯分布的观测噪声，k为正整数，所述未知状态量x包含有针对所述IMU传感器(3)的如下9维变量：NED坐标系下的经度误差dφ、纬度误差dλ、高程误差dh、N方向速度偏差dvn、E方向速度偏差dve、D方向速度偏差dvd、横滚角偏差dρr、俯仰角偏差dρp和航向角偏差dρq，所述已知观测量y包含有针对所述IMU传感器(3)的如下6维观测量：NED坐标系下的经度观测误差Δφ、纬度观测误差Δλ、高程观测误差Δh、N方向速度观测偏差Δvn、E方向速度观测偏差Δve和D方向速度观测偏差Δvd；S102.在进入倾斜测量模式后，获取所述未知状态量x的初始化状态值x0，并使变量k初始化为1；S103.在经过单位时间Δτ后，同步读取k时刻的GNSS数据和IMU数据；S104.根据读取的GNSS数据获取所述GNSS接收机(2)的k时刻天线相位中心坐标：NED坐标系下的经度纬度和高程根据读取的IMU数据获取所述IMU传感器(3)的k时刻原始3维姿态角：横滚角俯仰角和航向角根据读取的GNSS数据和IMU数据获取所述已知观测量y的k时刻观测值yk；S105.利用卡尔曼滤波器的所述动态模型及观测模型，对所述未知状态量x进行预测及修正，得到所述未知状态量x的k时刻状态值xk；S106.应用所述k时刻状态值xk中的k时刻横滚角偏差(dρr)k、k时刻俯仰角偏差(dρp)k和k时刻航向角偏差(dρq)k分别一一对应地对所述IMU传感器(3)的k时刻原始3维姿态角进行校正，得到所述IMU传感器(3)的且从XYZ坐标系到NED坐标系的k时刻校准3维姿态角：横滚角(ρr)k、俯仰角(ρp)k和航向角(ρq)k，其中，所述XYZ坐标系为所述IMU传感器(3)的三轴坐标系；S107.根据所述k时刻校准3维姿态角获取从XYZ坐标系到NED坐标系的k时刻旋转矩阵S108.按照如下公式获取所述对中杆(1)的k时刻底端位置坐标：式中，(φO)k为NED坐标系下的经度，(λO)k为NED坐标系下的纬度，(hO)k为NED坐标系下的高程，L为所述对中杆(1)的长度；S109.使变量k自加1，然后重新执行步骤S103～S109，直到变量k的值不小于20。2.如权利要求1所述的一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法，其特征在于，针对所述步骤S101中的转移矩阵F，根据如下的第一位置误差状态方程、第一速度偏差状态方程和第一姿态偏差状态方程换算得到：(1)第一位置误差状态方程：(2)第一速度偏差状态方程：(3)第一姿态偏差状态方程：在前述(1)～(3)方程中，(dφ)k、(dλ)k、(dh)k、(dvn)k、(dve)k、(dvd)k、(dρr)k、(dρp)k和(dρq)k分别为xk中的元素，(dφ)k-1、(dλ)k-1、(dh)k-1、(dvn)k-1、(dve)k-1、(dvd)k-1、(dρr)k-1、(dρp)k-1和(dρq)k-1分别为xk-1中的元素；在前述(1)～(3)方程中，R为地球半径，ε为地球偏心率，为从初始化时刻的GNSS数据中获取的天线相位中心纬度，为从初始化时刻的GNSS数据中获取的天线相位中心高程，(fn)k-1为从k-1时刻的IMU数据中获取的加速度向量在N轴方向上的投影，(fe)k-1为从k-1时刻的IMU数据中获取的加速度向量在E轴方向上的投影，(fd)k-1为从k-1时刻的IMU数据中获取的加速度向量在D轴方向上的投影。3.如权利要求1所述的一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法，其特征在于，在所述步骤S101中，所述未知状态量x还包含有针对所述IMU传感器(3)的如下6维变量：3轴加速度计的X轴方向零偏dax、3轴加速度计的Y轴方向零偏day、3轴加速度计的Z轴方向零偏daz、3轴陀螺仪的X轴方向零偏dgx、3轴陀螺仪的Y轴方向零偏dgy和3轴陀螺仪的Z轴方向零偏dgz，并在所述步骤S102中将它们的对应初始化状态值分别初始化为0。4.如权利要求3所述的一种基于GNSS接收机和IMU传感器的测绘一体机的倾斜测量方法，其特征在于，针对所述步骤S101中的转移矩阵F，根据如下的第二位置误差状态方程、第二速度偏差状态方程、第二姿态偏差状态方程、加速度计零偏的一阶马尔科夫模型和陀螺仪零偏的一阶马尔科夫模型换算得到：(4)第二位置误差状态方程：(5)第二速度偏差状态方程：(6)第二姿态偏差状态方程：(7)加速度计零偏的一阶马尔科夫模型：(8)陀螺仪零偏的一阶马尔科夫模型：在前述(4)～(8)方程及模型中，(dφ)k、(dλ)k、(dh)k、(dvn)k、(dve)k、(dvd)k、(dρr)k、(dρp)k、(dρq)k、(dax)k、(day)k、(daz)k、(dgx)k、(dgy)k和(dgz)k分别为xk中的元素，(dφ)k-1、(dλ)k-1、(dh)k-1、(dvn)k-1、(dve)k-1、(d...

【专利技术属性】
技术研发人员：刘俊杰，李强，
申请(专利权)人：菲曼北京科技有限公司，美国费曼科技股份公司，
类型：发明
国别省市：北京,11