共查询到20条相似文献，搜索用时 187 毫秒
1.
由于INS误差容易快速积累,所以在GPS/INS组合导航过程中依赖于GPS信号的稳定性,露天矿区GPS信号容易发生中断或遮挡,引起INS误差的快速增长,降低导航精度。在GPS/INS组合导航的基础上,提出了露天矿区里程计辅助的组合导航算法,修正了GPS信号中断过程中导航参数误差。介绍了里程计速度和位置的解算方法和传统的GPS/INS组合导航的动力学模型及观测模型,给出了里程计辅助GPS/INS组合导航算法的结构图,描述了里程计辅助的GPS/INS组合导航算法的详细过程,通过车载验证了算法的有效性。实验结果表明:GPS信号缺失的情况下,GPS/INS组合导航的误差快速积累,导航精度较低;通过引入里程计辅助组合导航,可以及时修正GPS信号中断阶段的导航参数误差,加入的里程计辅助的GPS/INS组合导航误差在NED三个方向的最大值分别为11.336 m、8.056 m和19.782 m,比无里程计辅助的误差(在NED三个方向的最大值分别为40.324m、38.776m和79.693m)有较大提高,数据解算满足导航要求。 相似文献
2.
车载LiDAR技术市政道路测量高程精度控制 总被引：4，自引：1，他引：3
针对我国首台自主知识产权车载LiDAR技术的高程精度问题,从系统的测量原理出发分析该系统高程精度的影响因素。其中,针对组合导航影响因素,通过试验对比组合导航加里程计对该系统精度的影响,并根据车载系统的特点给出组合导航安装里程计的方法;针对城市测绘环境问题,为车载系统用于道路测绘设计了特制控制点来提高精度的方案,并通过实例证明。提出的方法对车载LiDAR的市政道路高程精度进行了有效控制,可为该类系统在市政道路测绘等相关方面的应用提供参照。 相似文献
3.
《武汉大学学报(信息科学版)》2016,(9)
讨论了全球导航卫星系统(global navigation satellite system,GNSS)/里程计(odometer,ODO)/惯性导航系统(inertial navigation system,INS)组合定位定姿中误差校正与ODO/INS组合导航两个方面的问题。针对里程计刻度因子和安装误差角的校正,在不改变原GNSS/INS滤波器的基础上,设计了GNSS/INS与INS/ODO两级卡尔曼滤波器级联结构,将INS导航误差与里程计刻度因子误差、安装误差角分别列入两个滤波器的系统状态中,在GNSS连续观测和固定模糊度条件下,利用里程计和惯导里程增量之差作为INS/ODO卡尔曼滤波器的外部观测,对误差进行校正。另一方面,使用校正过的里程计和安装误差角,在GNSS失锁条件下对INS进行观测和修正。跑车实验结果表明,本文算法可以有效校正里程计刻度因子和定位定姿(positioning and orientaton system,POS)安装误差角,同时大幅提高GNSS失锁条件下的定位精度,配合平滑卡尔曼滤波器,可将城市移动测量两分钟GNSS失锁条件下的定位误差控制在0.5m以内。 相似文献
4.
神经网络辅助的GPS/INS组合导航故障检测算法 总被引：2，自引：0，他引：2
针对GPS/INS松组合导航系统观测信息无冗余,而且观测信息可能存在故障的情形,提出一种神经网络辅助的组合导航故障检测算法。该算法克服了基于模型的故障检测算法受模型误差影响的局限性;能够自动地对观测信息进行故障的检测、定位和剔除;能够基于故障检测后可靠的观测信息进一步调整动力学模型信息对导航解的贡献;能够在GPS失锁时,较好地进行导航预报。最后利用车载实测数据进行验证,结果表明该算法能够很好地从模型误差中分离出观测信息含有的故障信息,降低了故障检测算法存在的虚警率,避免故障信息对导航解的影响;且GPS失锁时,神经网络的预报输出在一定程度上能够进一步提高导航解的精度。 相似文献
5.
本文介绍了移动车载测图系统的组成,阐述了POSLV松组合、紧组合的组合策略以及框架体系。为评估POSLV系统的后处理定位精度,对引进的LandMark系统在国内BJBQL和ZZSM两个试验测区进行测试,在受GPS卫星信号失锁的影响下,POSLV数据后处理能否达到稳健的分米级、厘米级定位精度。试验结果表明,无GPS信号失锁时,POSLV数据后处理定位精度平面最大中误差达到5cm,高程最大中误差8cm;GPS失锁时间最长持续15min时,定位精度下降,平面中误差最大达到75cm,高程中误差最大达85cm。 相似文献
6.
里程计通常被用于辅助车载GNSS/INS组合导航系统,以解决当遇到高楼、密林、隧道等信号干扰和遮蔽严重情景时导致精度下降的问题,而里程计辅助需要获取准确的里程计杆臂和安装角。鉴于此,本文提出了一种基于预积分的IMU/ODO外参估计算法,使用由里程计观测和GNSS/INS组合导航解算得到的一段时间内的里程增量差异构建代价函数,通过非线性优化器进行标定参数求解。仿真与实际测试均表明了本文标定方法的有效性,里程计观测在经过标定外参补偿后,可为车载GNSS/INS组合导航系统提供厘米级的精度辅助。 相似文献
7.
设计了一套基于集中式卡尔曼滤波的实时动态定位（real-time kinematic,RTK）/惯性导航系统（inertial navigation system,INS）紧组合算法,通过实测车载数据对比分析了3颗可用卫星时的固定解和浮点解在位置漂移误差水平和模糊度恢复时间上的差异,验证了该算法在卫星较少情况下的良好性能。该算法在即使观测卫星不足4颗时使用固定解或浮点解进行滤波更新,提高了组合导航在复杂环境下的位置精度,并加快了模糊度恢复过程。实验结果表明,使用中等精度的惯导,在可见卫星数为3颗时,失锁30 s时的水平位置漂移误差为0.3 m;失锁60 s内,平均1~2 s就能可靠地恢复整周模糊度。在位置漂移误差与模糊度恢复方面,固定解和浮点解在GNSS信号短期部分失锁时的差异并不显著,但同时都明显优于信号完全失锁情形。 相似文献
8.
在SINS/GPS组合导航实际应用中GPS短时失效的情况难以避免,这会导致组合导航的效果下降。针对该问题,本文提出了基于偏最小二乘PLSR辅助高斯过程回归GPR的SINS/GPS组合导航的无味四元数估计器USQUE,以解决组合导航中的GPS短时失效问题。该方法以PLSR估计的位置误差作为输入,以GPS提供的位置信息作为输出对GPR进行训练。在组合导航系统出现GPS短时失效后,使用通过PLSR辅助粒子群算法优化超参数的GPR直接对辅助导航设备的位置进行预测,作为USQUE算法的量测量,从而使得USQUE算法可以正常进行量测更新。在实验中,使用车载MEMS/GPS数据,将PLSR-GPR-USQUE,PLSR-USQUE与隔离量测量的USQUE算法组合导航的效果进行比较。实验结果表明,在GPS短时失效的情况下,PLSR-GPR-USQUE具有良好的估计精度。 相似文献
9.
10.
11.
在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。 相似文献
12.
在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。 相似文献
13.
在 GNSS / INS车载组合导航系统中,GNSS信号易受遮挡或干扰而失锁,造成组合导航精度有所降低.针对这种情况,将虚拟卫星法应用于 GNSS / INS组合导航系统中.通过增加虚拟卫星,构造虚拟观测量,将实测观测量、虚拟观测量用于组合导航 Kalman滤波器解算.试验结果表明,此方法能够有效地提高系统的可观测性和导航精度. 相似文献
14.
针对车载GNSS/惯性导航系统(inertial navigation system,INS)组合导航系统在GNSS信号失锁时定位精度下降甚至发散的问题，提出了一种长短期记忆(long short-term memory,LSTM)神经网络辅助组合导航的算法来提高定位精度，实现可靠连续稳定的定位.通过移动集成平台进行实验，结果表明：当GNSS信号失锁30 s时，LSTM辅助组合导航系统在东(east,E)、北(north,N)方向的位置误差最大值分别降低了77.45%、17.39%，均方根误差(root mean square error,RMSE)分别降低了79.53%、42.36%；当GNSS信号失锁100 s时，LSTM辅助GNSS/INS在E、N、天顶(up,U)三个方向上的位置误差最大值分别降低了60.07%、98.30%、84.65%,RMSE分别降低了61.96%、97.98%、84.65%. LSTM辅助较大地提升了车载GNSS/INS组合导航系统的导航性能. 相似文献
15.
车辆GPS/DR组合导航系统研究 总被引：2，自引：0，他引：2
车辆导航系统常采用GPS/DR组合导航方式,很多该类组合导航系统采用联邦滤波器,分别对GPS信号和DR信号进行处理,再通过主滤波器融合两个子滤波器的计算结果。使用联邦滤波器有很多优点,特别是当GPS或DR其中任何一个子系统出现故障时联邦滤波器仍然可继续为用户提供导航服务。但是,联邦滤波器设计结构复杂,各种参数选取对滤波器的性能影响较大,选取不当反而引起导航精度的降低。设计一种GPS/DR滤波器,这种滤波器当GPS接收机在城市中受到遮挡引起失锁时仍能够为用户导航,并且该滤波器与联邦滤波器相比,结构简单,设计简易。通过在城市中进行车辆实测导航实验,验证了该滤波器能够满足导航精度要求,适用于城市中车辆导航应用。 相似文献
16.
17.
建立了GPS/INS紧组合定位模型,改正惯性器件误差及电离层折射误差,对不同组合观测量的误差影响进行了分析,构造不同观测值组合,提出了基于惯性信息辅助的GPS周跳自适应探测方法,分析了INS定位误差对周跳探测的影响,给出了周跳探测误报率及修复成功率评价指标,提出了一种周跳检测阈值自适应确定方法。利用实测组合导航试验数据验证本文的算法,文中模拟了不同的单历元多周跳及信号失锁条件,结果表明,在GPS信号完全失锁20 s内,该方法能准确检测和修复所有周跳,中断时间的延长降低了周跳修复的成功率;GPS信号部分失锁时,在模拟的90 s中断时段内仍能修复所有周跳;模拟了170历元的5 s间隔密集周跳,周跳探测成功率为100%,正确修复率为99.41%。 相似文献
18.
利用神经网络预测的GPS/SINS组合导航系统算法研究 总被引：2，自引：0，他引：2
提出了一种基于神经网络预测的GPS/SINS组合导航系统算法。GPS信号可用时,该算法分别将惯性传感器的输出以及卡尔曼滤波器的输出信息作为神经网络的输入及理想输出信息,并进行在线训练;当GPS信息失锁时,利用已经训练好的神经网络预测各导航参数误差,并校正SINS。地面静态实验与动态跑车实验结果证明了该方法的可行性与有效性。 相似文献
19.
车辆导航已成为交通领域一个研究热点。利用GPS导航系统可以获取良好的导航定位精度,但是GPS信号在城市大密度的建筑群中容易被遮挡,从而影响车辆导航过程。而DR系统虽能持续地提供服务,但是其精度随时间变差,从而无法取得良好效果。利用切比雪夫拟合方法,在GPS卫星信号失锁情况下,对DR数据进行拟合处理,并把处理结果与未失锁情况下的GPS导航数据进行比较,验证切比雪夫拟合效果。 相似文献
20.
视觉里程计能够在复杂环境下提供短时间的高精度导航定位,全球卫星导航系统（GNSS）具有全天候、全球性和误差不随时间积累的特性,但是在恶劣环境多路径效应下,GNSS定位精度会变差甚至不可用. 为了研究在复杂环境下视觉里程计辅助GNSS导航定位技术,首先介绍了视觉里程计的导航定位原理;然后在卡尔曼滤波器中将GNSS定位结果和视觉里程计定位结果进行了松组合处理;并利用视觉里程计定位结果和预测的视觉里程计误差实现了GNSS在恶劣环境下的导航定位. 基于KITTI数据集的模拟验证结果表明,设计的组合方案能够在恶劣环境下持续提供可靠的导航定位. 相似文献