【技术实现步骤摘要】
本申请涉及导航定位，特别是涉及基于gnss和imu组合的导航航向角测算方法、装置、终端及介质。
技术介绍
1、智能割草机器人在作业任务中，机器人所属坐标系下位置以及航向角度是供机器行进控制的两大关键信息。机器人航向角测量方法主要有磁阻传感器法、双天线全球导航卫星系统(global navigation satellite system，gnss)定位定向法、单天线gnss定位定向法和陀螺仪测航向法等。磁阻传感器受周围磁场环境影响大，精度和可靠性不高，在高压线等有磁场干扰的作业环境下容易受到影响；双天线gnss定位系统测航向，依赖两天线较大间距才能得到较高测量精度，且动态响应特性差，成本高；单天线gnss定位系统可输出航向角度信息，但是随机噪声大，且速度越低，噪声越大；陀螺仪测航向一方面需要航向角度初始化，另一方面随机漂移误差会出现累积发散现象。上述几种测量方法测得的航向角，均不能很好地满足智能割草机的精度要求。
技术实现思路
1、鉴于以上所述现有技术的缺点，本申请的目的在于提供基于gnss和imu组合的导航航向角测算方法、装置、终端及介质，用于解决现有技术中的导航角测量方法不能很好地满足智能割草机精度要求的问题。
2、为实现上述目的及其他相关目的，本申请的第一方面提供一种基于gnss和imu组合的导航航向角测算方法，包括：获取移动设备在当前时刻下的实时航向角度和实时前进速度以构建所述移动设备的运动模型；基于状态转移矩阵、速度增量矩阵及白噪音序列得到所述运动模型的状态空间
3、于本申请的第一方面的一些实施例中，构建所述移动设备的运动模型的方式包括：根据所述移动设备在当前时刻下的实时航向角度和实时前进速度，并基于航位推算法分别建立所述移动设备在二维平面坐标系下的运动方程。
4、于本申请的第一方面的一些实施例中，所述运动模型的状态空间方程可被表示为：
5、xk＝akxk-1+bk+uk；其中，xk＝[xck,yck,εψk]，表示k时刻的状态空间向量；xk-1表示(k-1)时刻的状态空间向量；ak表示k时刻的状态转移矩阵；bk表示k时刻对应的速度增量矩阵；uk是状态转移方程的白噪音序列。
6、于本申请的第一方面的一些实施例中，还包括基于状态转移方程的白噪音序列计算系统过程噪声协方差矩阵，以评价所述状态空间方程的误差。
7、于本申请的第一方面的一些实施例中，所述卡尔曼滤波器测量模型被表示为：
8、zgk＝hkxk+vk；其中，zgk为gnss导航定位结果；hk为卡尔曼滤波器在k时刻的测量矩阵；vk为gnss定位在水平面坐标系下的随机定位误差。
9、于本申请的第一方面的一些实施例中，所述最优导航航向角被表示为：
10、其中，为k时刻的最优导航航向角；为k时刻的imu运动学推算结果；kk为k时刻的卡尔曼增益值；zgk为gnss定位结果；hk为卡尔曼滤波器在k时刻的测量矩阵。
11、于本申请的第一方面的一些实施例中，所述imu运动学推算结果与上一时刻的状态转移矩阵及上一时刻的最优导航航向角正相关，被表示为：其中，为k时刻的imu运动学推算结果；ak-1为(k-1)时刻的状态转移矩阵；为(k-1)时刻的最优导航航向角；所述卡尔曼增益被表示为：其中，为k时刻系统过程噪音的预测值；hkt是卡尔曼滤波器在k时刻的测量矩阵的转置矩阵；rk为k时刻测量向量的噪声方差矩阵。
12、于本申请的第一方面的一些实施例中，所述gnss定位结果被表示为：zgk＝hkxk+vk；其中，zgk为gnss导航定位结果；hk为卡尔曼滤波器在k时刻的测量矩阵；vk为gnss定位在水平面坐标系下的随机定位误差。
13、为实现上述目的及其他相关目的，本申请的第二方面提供一种基于gnss和imu组合的导航航向角测算装置，包括：运动模型模块，用于获取移动设备在当前时刻下的实时航向角度和实时前进速度以构建所述移动设备的运动模型；状态空间方程模块，用于基于状态转移矩阵、速度增量矩阵及白噪音序列得到所述运动模型的状态空间方程；卡尔曼滤波器测量模型模块，用于根据所述运动模型的状态空间方程，并以gnss导航定位结果作为观测向量得到卡尔曼滤波器测量模型；最优导航航向角模块，用于根据所述卡尔曼滤波器测量模型、卡尔曼增益、gnss导航定位结果及imu运动学推算结果，得到当前时刻下的最优导航航向角。
14、为实现上述目的及其他相关目的，本申请的第三方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于gnss和imu组合的导航航向角测算方法。
15、为实现上述目的及其他相关目的，本申请的第四方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述基于gnss和imu组合的导航航向角测算方法。
16、如上所述，本申请的基于gnss和imu组合的导航航向角测算方法、装置、终端及介质，具有以下有益效果：专利技术提供的基于gnss和imu组合的导航航向角测算方法能够有效控制gnss大噪声影响，同时采用增量数据计算先验值也避免了imu随机漂移误差出现的累积发散现象。
本文档来自技高网...【技术保护点】
1.一种基于GNSS和IMU组合的导航航向角测算方法，其特征在于，包括：
2.根据权利要求1所述基于GNSS和IMU组合的导航航向角测算方法，其特征在于，构建所述移动设备的运动模型的方式包括：根据所述移动设备在当前时刻下的实时航向角度和实时前进速度，并基于航位推算法分别建立所述移动设备在二维平面坐标系下的运动方程。
3.根据权利要求1所述基于GNSS和IMU组合的导航航向角测算方法，其特征在于，所述运动模型的状态空间方程可被表示为：
4.根据权利要求1所述基于GNSS和IMU组合的导航航向角测算方法，其特征在于，还包括基于状态转移方程的白噪音序列计算系统过程噪声协方差矩阵，以评价所述状态空间方程的误差。
5.根据权利要求1所述基于GNSS和IMU组合的导航航向角测算方法，其特征在于，所述卡尔曼滤波器测量模型被表示为：
6.根据权利要求1所述基于GNSS和IMU组合的导航航向角测算方法，其特征在于，所述最优导航航向角被表示为：
7.根据权利要求6所述基于GNSS和IMU组合的导航航向角测算方法，其特征在于，包括
8.一种基于GNSS和IMU组合的导航航向角测算装置，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述基于GNSS和IMU组合的导航航向角测算方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
...【技术特征摘要】
1.一种基于gnss和imu组合的导航航向角测算方法，其特征在于，包括：
2.根据权利要求1所述基于gnss和imu组合的导航航向角测算方法，其特征在于，构建所述移动设备的运动模型的方式包括：根据所述移动设备在当前时刻下的实时航向角度和实时前进速度，并基于航位推算法分别建立所述移动设备在二维平面坐标系下的运动方程。
3.根据权利要求1所述基于gnss和imu组合的导航航向角测算方法，其特征在于，所述运动模型的状态空间方程可被表示为：
4.根据权利要求1所述基于gnss和imu组合的导航航向角测算方法，其特征在于，还包括基于状态转移方程的白噪音序列计算系统过程噪声协方差矩阵，以评价所述状态空间方程的误差。
5.根...
【专利技术属性】
技术研发人员：候保泽，
申请(专利权)人：深圳华芯信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。