对中杆误差的确定方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供了一种对中杆误差的确定方法、装置、设备及存储介质，该方法包括：在对中杆杆尖与地面接触点保持接触的情况下，获取对中杆不同姿态下的多组实时特征数据，其中，多组实时特征数据包括多组对中杆第一实时特征数据、以及多组对中杆第二实时特征数据；根据多组第一特征数据以及多组第二特征数据，采用预设融合滤波算法计算得到多组对中杆姿态信息；根据多组对中杆姿态信息和多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差；本申请实施例能够解决现有技术确定出的对中杆三维矢量误差精度较差的问题。的问题。的问题。

【技术实现步骤摘要】
对中杆误差的确定方法、装置、设备及存储介质


[0001]本申请属于测量
，尤其涉及一种对中杆误差的确定方法、装置、设备及存储介质。

技术介绍

[0002]在施工放样、地形图测绘及摄影测量布设像控点等工程测量
，广泛采用卫星导航(Global Navigation Satellite System，GNSS)实时动态差分(Real Time Kinematic，RTK)测量技术。GNSS RTK接收机测量的是放置在对中杆顶端的天线相位中心的位置，实际作业中必须要求对中杆严格垂直于水平面，才能将接收机天线相位中心点的坐标，精确转换到待测点上。这就要求工程测量人员必须时刻观察对中杆水平气泡，在测量时保持气泡居中，才能保证测量精度。传统RTK测量，作业效率受到限制，容易由于人为操作因素引入测量误差，同时作业场景有限，对类似墙角点、管线等场景，很难保持对中杆垂直地面进行测量。
[0003]为解决上述问题，倾斜测量技术应运而生。倾斜测量的本质是通过引入其他传感器，获得接收机实时高精度姿态信息，从而可以在对中杆倾斜状态下，将RTK接收机天线相位中心坐标精确转换到待测点上。倾斜测量技术最初以磁力计+加速度计方案为主，由于磁力计容易受到干扰且校准过程繁琐，所以逐步被仅利用惯性测量单元(Inertial Measurement Unit，IMU)的方案所取代。
[0004]对中杆三维矢量误差是基于IMU的倾斜测量方案的一个重要误差源，只有准确确定出对中杆三维矢量误差才能保证倾斜测量的精度，但是现有技术确定出的对中杆三维矢量误差由于建模和质量控制不完善可能导致精度较差。

技术实现思路

[0005]本申请实施例提供一种对中杆误差的确定方法、装置、设备及存储介质，能够解决现有技术确定出的对中杆三维矢量误差精度较差的问题。
[0006]第一方面，本申请实施例提供一种对中杆误差的确定方法，该方法包括：
[0007]在对中杆杆尖与地面接触点保持接触的情况下，获取对中杆不同姿态下的多组实时特征数据，其中，多组实时特征数据包括惯性传感器测量得到的多组对中杆第一实时特征数据、以及全球导航卫星系统接收机测量得到的多组对中杆第二实时特征数据；其中，惯性传感器、全球导航卫星系统、以及对中杆固定连接，多组实时特征数据分别对应多个时刻；
[0008]根据多组第一特征数据以及多组第二特征数据，采用预设融合滤波算法计算得到多组对中杆姿态信息；
[0009]根据多组对中杆姿态信息和多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差；
[0010]预设卡尔曼滤波算法的状态向量包括对中杆三维矢量误差以及对中杆杆尖与地
面接触点的三维坐标。
[0011]进一步地，在一种实施例中，第一实时特征数据包括：对中杆上的惯性传感器安装点的角速度和加速度；
[0012]第二实时特征数据包括：接收机的天线相位中心的速度和位置坐标；
[0013]根据多组第一特征数据以及多组第二特征数据，采用预设融合滤波算法计算得到多组对中杆姿态信息，包括：
[0014]根据对中杆上的惯性传感器安装点的角速度和加速度，以及接收机的天线相位中心的速度和位置坐标，采用预设融合滤波算法计算得到多组对中杆姿态信息。
[0015]进一步地，在一种实施例中，根据多组对中杆姿态信息和多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差，包括：
[0016]根据对中杆姿态信息以及接收机的天线相位中心的位置坐标，采用预设卡尔曼滤波算法构建并计算方程组得到对中杆三维矢量误差。
[0017]进一步地，在一种实施例中，方程组通过如下算式构建：
[0018][0019]其中，b表示惯性传感器的三轴正交坐标系，e表示地心地固坐标系，I为三维单位矩阵，为i时刻对中杆姿态信息，为预设对中杆三维矢量，为对中杆杆尖与地面接触点的三维坐标，δl
b
为对中杆三维矢量误差，表征接收机的天线相位中心的位置坐标的测量噪声，为i时刻在地心地固坐标系下的接收机的天线相位中心的位置坐标。
[0020]进一步地，在一种实施例中，该方法还包括：
[0021]根据多组第一特征数据以及多组第二特征数据，采用预设融合滤波算法计算得到对中杆的失准角对应的误差协方差矩阵对角线元素；
[0022]根据多组对中杆姿态信息和多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差，包括：
[0023]当失准角对应的误差协方差矩阵对角线元素不大于预设失准角参数门限时，根据多组对中杆姿态信息和多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差。
[0024]进一步地，在一种实施例中，该方法还包括：
[0025]根据多组对中杆姿态信息和多组第二实时特征数据，采用卡尔曼滤波算法计算对中杆的状态向量，以及对中杆三维矢量误差对应的误差协方差矩阵对角线元素；
[0026]根据多组对中杆姿态信息和多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差，包括：
[0027]当对中杆三维矢量误差对应的误差协方差矩阵对角线元素不大于预设对中杆误差参数门限、且当前时刻的状态向量与上一时刻状态向量的差值的模值小于预设状态向量门限时，以当前时刻的状态向量中的对中杆三维矢量误差作为输出量。
[0028]进一步地，在一种实施例中，该方法还包括：
[0029]根据多组第一特征数据以及多组第二特征数据，采用预设融合滤波算法计算得到
表征多组第二对中杆实时特征数据是否存在异常的滤波新息统计参数；
[0030]根据多组对中杆姿态信息和多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差，包括：
[0031]当滤波新息统计参数不大于预设滤波新息统计参数门限时，根据多组对中杆姿态信息和多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差。
[0032]第二方面，本申请实施例提供一种对中杆误差的确定装置，该装置包括：
[0033]获取模块，用于在对中杆杆尖与地面接触点保持接触的情况下，获取对中杆不同姿态下的多组实时特征数据，其中，多组实时特征数据包括惯性传感器测量得到的多组对中杆第一实时特征数据、以及全球导航卫星系统接收机测量得到的多组对中杆第二实时特征数据；其中，惯性传感器、全球导航卫星系统、以及对中杆固定连接，多组实时特征数据分别对应多个时刻；
[0034]计算模块，用于根据多组第一特征数据以及多组第二特征数据，采用预设融合滤波算法计算得到多组对中杆姿态信息；
[0035]计算模块，用于根据多组对中杆姿态信息和多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差；
[0036]预设卡尔曼滤波算法的状态向量包括对中杆三维矢量误差以及对中杆杆尖与地面接触点的三维坐标。
[0037]进一步地，在一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对中杆误差的确定方法，其特征在于，包括：在对中杆杆尖与地面接触点保持接触的情况下，获取对中杆不同姿态下的多组实时特征数据，其中，所述多组实时特征数据包括惯性传感器测量得到的多组对中杆第一实时特征数据、以及全球导航卫星系统接收机测量得到的多组对中杆第二实时特征数据；其中，所述惯性传感器、所述全球导航卫星系统、以及所述对中杆固定连接，所述多组实时特征数据分别对应多个时刻；根据所述多组第一特征数据以及所述多组第二特征数据，采用预设融合滤波算法计算得到多组对中杆姿态信息；根据所述多组对中杆姿态信息和所述多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差；所述预设卡尔曼滤波算法的状态向量被设置为包括所述对中杆三维矢量误差以及对中杆杆尖与地面接触点的三维坐标。2.如权利要求1所述的对中杆误差的确定方法，其特征在于，所述第一实时特征数据包括：所述对中杆上的惯性传感器安装点的角速度和加速度；所述第二实时特征数据包括：所述接收机的天线相位中心的速度和位置坐标；所述根据所述多组第一特征数据以及所述多组第二特征数据，采用预设融合滤波算法计算得到多组对中杆姿态信息，包括：根据所述对中杆上的惯性传感器安装点的角速度和加速度，以及所述接收机的天线相位中心的速度和位置坐标，采用预设融合滤波算法计算得到多组对中杆姿态信息。3.如权利要求2所述的对中杆误差的确定方法，其特征在于，所述根据所述多组对中杆姿态信息和所述多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差，包括：根据所述对中杆姿态信息以及所述接收机的天线相位中心的位置坐标，采用预设卡尔曼滤波算法构建并计算方程组得到对中杆三维矢量误差。4.如权利要求3所述的对中杆误差的确定方法，其特征在于，所述方程组通过如下算式构建：其中，b表示所述惯性传感器的三轴正交坐标系，e表示地心地固坐标系，为i时刻对中杆姿态信息，为预设对中杆三维矢量，为所述对中杆杆尖与地面接触点的三维坐标，δl
b
为所述对中杆三维矢量误差，表征所述接收机的天线相位中心的位置坐标的测量噪声，为i时刻在所述地心地固坐标系下的所述接收机的天线相位中心的位置坐标。5.如权利要求1所述的对中杆误差的确定方法，其特征在于，所述方法还包括：根据所述多组第一特征数据以及所述多组第二特征数据，采用预设融合滤波算法计算得到对中杆的失准角对应的误差协方差矩阵对角线元素；所述根据所述多组对中杆姿态信息和所述多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差，包括：
当所述失准角对应的误差协方差矩阵对角线元素不大于预设失准角参数门限时，根据所述多组对中杆姿态信息和所述多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差。6.如权利要求1所述的对中杆误差的确定方法，其特征在于，所述方法还包括：根据所述多组对中杆姿态信息和所述多组第二实时特征数据，采用卡尔曼滤波算法计算对中杆的所述状态向量，以及对中杆三维矢量误差对应的误差协方差矩阵对角线元素；所述根据所述多组对中杆姿态信息和所述多组第二实时特征数据，采用预设卡尔曼滤波算法计算得到对中杆三维矢量误差，包括：当对中杆三维矢量误差对应的误差协方差矩阵对角线元素不大于预设对中杆误差参数门限、且当前时刻的所述状态向量与上一时刻所述状态向量的差值的模值小于预设状态向量门限时，以当前时刻的所述状态向量中的对中杆三维矢量误差作为输出量。7.如权利要求1所述的对中杆误差的确定方法，...

【专利技术属性】
技术研发人员：刘洋，邢菊红，赵洪松，王勇松，丁学文，邱模波，
申请(专利权)人：千寻位置网络有限公司，
类型：发明
国别省市：