用于GNSS天线杆臂和里程计杆臂的在线估计方法、设备及介质技术

本发明专利技术涉及一种用于GNSS天线杆臂和里程计杆臂的在线估计方法、设备及介质，该方法通过将GNSS天线杆臂误差和里程计杆臂误差拓展到Kalman滤波状态向量中，在导航结算时，实时估计杆臂向量，无需人工操作测量杆臂向量，避免非专业人员操作困难，同时减少了量测误差的产生，该方法即可同时估计GNSS天线杆臂和里程计杆臂，也可单独估计GNSS天线杆臂和里程计杆臂向量，实用性较好。实用性较好。实用性较好。

【技术实现步骤摘要】
用于GNSS天线杆臂和里程计杆臂的在线估计方法、设备及介质


[0001]本专利技术属于组合导航领域，具体涉及一种用于GNSS天线杆臂和里程计杆臂的在线估计方法、设备及介质。

技术介绍

[0002]GNSS/INS组合导航系统是经典的组合模式，其中GNSS连续定位精度高，但是容易受到环境因素的影响，INS通过递推方式导航定位，但是存在累计误差。因此，利用GNSS和INS进行优势互补，可实现高精度定位。但由于低成本的MEMS IMU较大的噪声，在隧道、林荫道等卫星信号遮蔽的路段，INS导航独立工作，使得误差快速发散。车载导航系统中，通过使用里程计(odometer，ODO)辅助INS导航，能抑制INS误差的发散，从而实现在复杂场景下连续的高精度定位。
[0003]然而，在GNSS/INS/ODO组合导航系统中，由于GNSS解算出来的位置坐标和惯导机械编排计算出位置坐标不重合，因此在对两者进行数据融合解算时需做杆臂效应补偿，提高组合导航定位精度。在里程计辅助惯导组合导航的过程中，由于与IMU的位置不重合，在转弯时将导致载车测量的速度与真实速度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于GNSS天线杆臂和里程计杆臂的在线估计方法，其特征在于，包括构建三个卡尔曼滤波模型，第一个模型包含GNSS杆臂误差和里程计杆臂误差，第二个模型仅包含GNSS杆臂误差，第三个模型仅包含里程计杆臂误差；获取GNSS、INS和ODO的数据；根据不同的需求选择对应的系统状态转移矩阵和观测矩阵；其中滤波模型的选择通过一个全局变量控制；利用卡尔曼滤波的预测和更新过程在线估计GNSS杆臂和里程计杆臂。2.根据权利要求1所述的一种用于GNSS天线杆臂和里程计杆臂的在线估计方法，其特征在于，卡尔曼滤波模型具体构建过程包括构建系统状态方程和观测方程式中，x
k
、x
k
‑1分别为k时刻、k
‑
1时刻系统的状态向量，Φ
k,k
‑1表示k
‑
1到k时刻的状态一步转移矩阵，Γ
k
‑1为噪声相关的矩阵，z
k
为k时刻的观测值，H
k
为k时刻的观测矩阵，w
k
‑1为系统噪声，v
k
为观测噪声；其中w
k
‑1和v
k
是白噪声，且互不相关；构建状态向量x
k
＝[x
0 lever
GNSST lever
ODOT
]
T
ꢀꢀꢀꢀꢀ
(2)其中，x0表示组合导航的位置误差、速度误差、姿态误差陀螺仪和加速度计的零偏误差，lever
GNSST
、lever
ODOT
分别表示GNSS天线杆臂误差和里程计杆臂误差。3.根据权利要求1所述的一种用于GNSS天线杆臂和里程计杆臂的在线估计方法，其特征在于，获取GNSS、INS和ODO的数据时，微处理器通过串口、串行外设接口、定时器分别连接GNSS接收机惯性导航单元和里程计，以获取GNSS、INS和ODO数据；GNSS数据包括位置、卫星信号强度和时间戳信息；INS数据包括角速度、加速度信息；ODO数据包括车辆的前向位置增量和速度信息。4.根据权利要求1所述的一种用于GNSS天线杆臂和里程计杆臂的在线估计方法，其特征在于，根据不同的需求选择对应的系统状态转移矩阵和观测矩阵。5.根据权利要求1所述的一种用于GNSS天线杆臂和里程计杆臂的在线估计方法，其特征在于，在线估计过程包括：预测过程和更新过程；在预测过程中，卡尔曼滤波算法使用车辆的动态模型来预测车辆的导航信息、GNSS杆臂向量和里程计杆臂向量等信息，并计算预测值的方差；在更新过程中，卡尔曼滤波算法使用GNSS、INS和ODO的数据来计算卡尔曼增益，利用卡尔曼增益修正预测值；卡尔曼增益的计算基于观测值的方差和预测值的方差之比，越准确的观测值对预测值的修正权重越大；更新过程后得到包含GNSS杆臂误差和里程计杆臂误差的状态向量，结合初始设定值或者前一历元的杆臂估计值计算得到当前历元的杆臂估计值。6.一种用于GNSS天线杆臂和里程计杆臂的在线估计系统，其特征在于，包括第一模块：被配置为用于构建三个卡尔曼滤波模型，第一个模型包含GNSS杆臂...

【专利技术属性】
技术研发人员：江金光，严培辉，
申请(专利权)人：武汉大学，
类型：发明
国别省市：