【技术实现步骤摘要】
本专利技术涉及多种导航传感器融合领域，包括vo—视觉传感器，ins惯导系统及gps导航系统，具体为一种松耦合emd降噪的vo/ins/gps的组合导航定位方法。
技术介绍
1、在汽车自动驾驶导航时，gps可能因汽车所处的环境问题在卫星采集部分失效，ins惯导系统存在漂移等问题，由于集成系统和gps具有互补的特性，解决独立导航系统和gps问题的最佳解决方案之一就是将它们相互集成。由于在gps拒绝的环境中gps信号被阻塞，这些方法的性能都较差。为了解决这个问题并创建一个精确的独立导航系统，目前大多数研究人员都使用视觉测量(vo)导航系统。vo可以通过提取和跟踪连续图像中的特定特征，即兴趣点来估计位置。vo方法可以根据相应的特征类型分为不同组，加速段试验(fast)，快速增强的功能(surf)，中心环绕极端值(censure),比例不变特征变换(sift)，定向快速和旋转简(orb)，跟踪思路，相机。
2、虽然vo导航系统与其他框架相比具有一些优势，但它存在序列图像之间的特征匹配不一致、低纹理(low-texture)环境中缺乏关键信息等严重问题。尽管如此，大多数学者已经采取了一些措施来将vo系统与其他测程仪集成，如ins、雷达和激光器等。近年来，随着技术的发展与革新，出现了针对解决不同复杂场景的多种传感器，同时传感器之间的融合定位，相互弥补误差的方法也得到了较为广泛的研究，其中以视觉传感器(vo)与惯导系统(ins)的结合更是最近几年的新兴发展趋势，利用不同传感器的不同测量方法，得到不同的观测信息，然后进行融合结算，以达
技术实现思路
1、本专利技术为解决目前在gps拒绝环境下的导航定位问题，提供了一种松耦合emd降噪的vo/ins/gps的组合导航定位方法，此外使用基于emd经验模态分解的去噪方法—emd-ciit和emd-hurst方法在数据融合前对惯性传感器的测量结果进行去噪，以提高惯性传感器测量的信噪比。
2、本专利技术是采用如下技术方案实现的：一种松耦合emd降噪的vo/ins/gps的组合导航定位方法，采用视觉传感器vo、全球定位系统传感器gps和惯性导航系统ins组合导航；所述定位方法通过卡尔曼增益滤波算法ekf实现vo/ins/gps的融合，包括如下步骤：
3、(1)利用ins数据构建imu相关状态向量；
4、(2)通过对视觉数据的预处理得到与特征相关的状态向量；
5、(3)增大imu相关状态向量和特征相关状态向量，提供增广后的系统状态向量；
6、(4)根据是否有gps或视觉数据，建立ins系统的测量矢量、增广矩阵状态向量与测量向量常数矩阵；
7、(5)通过以下方法预测增广矩阵状态向量和增广协方差矩阵：
8、
9、
10、式中φsys(tk)和lsys(tk)分别为离散时间输出矩阵和离散时间输入矩阵，dsys(t)表示由降噪加速度计和陀螺仪测量值组成的ins系统的测量矢量，psys(t)为增广协方差矩阵，而且-和+分别表示先验和后验估计，q(tk)为imu中系统噪声矢量的功率谱密度；
11、(6)计算卡尔曼增益矩阵如下：
12、
13、式中hsys为测量向量常数矩阵，表示增广矩阵状态向量与所述ins系统的测量矢量之间的关系，r为测量噪声的协方差矩阵；
14、(7)更新可用于测量的增广矩阵状态向量和增广协方差矩阵：
15、
16、
17、式中zsys(t)为去噪的vo/ins/gps的测量模型
18、zsys(t)＝[zg(t),zc(t)]t (6)
19、式中zg(t)为gps子系统的测量值，它是一个1*6矢量，包含车辆在坐标系中的位置和速度，zc(t)为视觉传感器提供的归一化像素坐标；
20、(8)返回第(1)步。
21、本专利技术提出的集成方法能够缓解在gps拒绝的环境中对gps信号访问有限的问题，并提高导航定位精度。为此目的，所提出的框架的测量模型由gps和vo系统的两个测量源提供。换句话说，ekf更新是通过在没有任何gps信号的环境中的vo测量进行的。此外，当本专利技术提出的系统被放置在能够显著访问gps的环境中时，就可以通过gps和vo来更新系统的状态向量。在这种情况下，解决了ekf更新的采样率较低的问题，并提供了具有大量测量值的更新阶段。
22、进一步的，步骤(1)中ins数据需要进行预处理，包括如下方法：①将加速度计和陀螺仪的惯性传感器输出信号作为原始信号，对原始信号进行emd经验模态分解操作，得到分解原始信号后的本征模式函数集imfs；
23、②对原始信号的imfs自适应选择emd-ciit和emd-hurst方法进行去噪处理；
24、③得到去噪后的原始信号，并用于求解导航所需的机械化方程。
25、为了提高通常受到高频噪声污染的惯性测量值的信噪比，在数据融合前应用了基于清晰迭代间隔阈值(emd ciit)版本和emd hurst指数版本的emd。本专利技术通过以上提出的集成方法能够缓解在gps拒绝的环境中有限访问gps信号的问题。
26、本专利技术公开了一种基于emd降噪的融合定位算法来在不同的情况下对测量的信息进行解算，以达到应对导航场景复杂性的目的。然后通过扩展卡尔曼滤波(ekf)算法利用解算得到的特征向量，经过降噪优化后的ins数据集以及gnss的采集数据进行多元融合，最终输出结果，达到在gps拒绝环境下提升导航精度的目的。
本文档来自技高网...【技术保护点】
1.一种松耦合EMD降噪的VO/INS/GPS的组合导航定位方法，采用视觉传感器VO、全球定位系统传感器GPS和惯性导航系统INS组合导航；其特征在于，所述定位方法通过卡尔曼增益滤波算法EKF实现VO/INS/GPS的融合，包括如下步骤：(1)利用INS数据构建IMU相关状态向量；
2.如权利要求1所述的松耦合EMD降噪的VO/INS/GPS的组合导航定位方法，其特征在于，步骤(1)中INS数据需要进行预处理，包括如下方法：①将加速度计和陀螺仪的惯性传感器输出信号作为原始信号，对原始信号进行EMD经验模态分解操作，得到分解原始信号后的本征模式函数集IMFs；
3.如权利要求2所述的松耦合EMD降噪的VO/INS/GPS的组合导航定位方法，其特征在于，其中EMD-Ciit方法过程如下：
4.如权利要求2所述的松耦合EMD降噪的VO/INS/GPS的组合导航定位方法，其特征在于，EMD-Hurst方法如下：当原始信号到达EMD的区块时，计算其IMF并将其发送到下一个区块以估计IMF的赫斯特值；赫斯特值在0～0.5之间是反持续行为的特征，该值越接近0
5.如权利要求4所述的松耦合EMD降噪的VO/INS/GPS的组合导航定位方法，其特征在于，EMD-Hurst方法中，预定义的阈值为0.5。
...【技术特征摘要】
1.一种松耦合emd降噪的vo/ins/gps的组合导航定位方法，采用视觉传感器vo、全球定位系统传感器gps和惯性导航系统ins组合导航；其特征在于，所述定位方法通过卡尔曼增益滤波算法ekf实现vo/ins/gps的融合，包括如下步骤：(1)利用ins数据构建imu相关状态向量；
2.如权利要求1所述的松耦合emd降噪的vo/ins/gps的组合导航定位方法，其特征在于，步骤(1)中ins数据需要进行预处理，包括如下方法：①将加速度计和陀螺仪的惯性传感器输出信号作为原始信号，对原始信号进行emd经验模态分解操作，得到分解原始信号后的本征模式函数集imfs；
3.如权利要求2所述的松耦合emd降噪的vo...
【专利技术属性】
技术研发人员：李灯熬，刘萍，赵菊敏，闵鹏飞，
申请(专利权)人：太原理工大学，
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。