论文部分内容阅读
随着自动驾驶、机器人和无人机等技术的兴起，城市等复杂GNSS(Global Navigation Satellite System)环境下的高精度定位定姿需求不断增长。GNSS/INS(Inertial Navigation System)组合导航能够提供连续、可靠和完备的高精度导航参数，是应用最广的组合导航技术之一。然而，在GNSS复杂环境下，基于低成本MEMS-IMU(Micro-Electro-Mechanical-Systems Inertial Measurement Unit)的GNSS/INS组合导航在GNSS信号中断期间导航误差将迅速积累，这无疑降低了系统的可用性。基于相机的视觉导航具有精度高、自主无源等优点，视觉/INS组合可极大降低INS导航误差。但是，视觉/INS组合无法提供全球框架下的导航信息且误差会随距离累积。因此，将GNSS、INS和视觉进行深度信息融合可实现优势互补，获得更优的导航性能。同时，多系统GNSS的快速部署将显著改善GNSS在复杂环境下的定位精度、可用性等。然而，目前相关研究均基于GPS(Global Positioning System)RTK(Real-Time Kinematic)解算的位置与视觉/INS进行融合，无法利用视觉/INS信息辅助GPSRTK解算，而在复杂GNSS环境下单独的GPSRTK定位可用性非常低，这严重阻碍了组合系统性能的提升及其应用。
针对GNSS复杂环境下的低成本高精度定位定姿需求以及当前相关研究的不足，本文开展了单频多系统GNSS(GPS、BDS和GLONASS)RTK/INS/视觉紧组合技术研究，提出了RTK/INS紧组合抗差算法以及INS相对位置约束辅助模糊度固定的新算法模型，构建了多系统RTK/INS/视觉紧组合滤波模型，并通过多组车载实测数据对紧组合算法在复杂GNSS环境下的模糊度固定、定位、测速和定姿等方面的性能进行了全面评估与分析。本文的主要研究工作和贡献如下：
1.为了增强单频RTK在复杂动态环境下的高精度定位性能，提出了一套单频多系统GNSSRTK/INS紧组合算法模型。首先，建立了多系统RTK定位的数学模型；然后，阐述了附加模糊度参数和独立解算模糊度参数的两种RTK/INS紧组合数学模型和INS辅助模糊度固定方法；同时，针对GNSS观测粗差问题，提出了基于滤波新息的两步抗差RTK/INS紧组合算法模型；最后，通过两组车载测试数据对RTK/INS紧组合算法的性能进行了全面评估与分析。结果表明，在开阔天空环境下进行短基线定位时，单频多系统GNSSRTK在模糊度固定和定位精度方面具有显著优势，其中单频多系统GNSSRTK/INS在35°或40°的截止高度角下的单历元模糊度固定率超过99%，而且水平和高程动态定位精度均为厘米级；在城市等复杂环境下进行短基线定位时，GNSS粗差观测值会降低模糊度固定率与可靠性，本文提出的基于滤波新息的两步抗差紧组合算法有效提高了紧组合的模糊度固定率，同时单频多系统GNSSRTK/INS紧组合能显著改善GNSSRTK在复杂环境下的定位精度和可用性，在模糊度固定和定位性能方面甚至优于双频多系统GNSSRTK，这充分体现了单频多系统GNSS与低成本MEMS惯导进行紧组合的巨大优势。
2.针对传统惯导绝对位置约束辅助模糊度固定方法在系统有偏状态下无法正确固定模糊度的难题，创新性地提出了惯导相对位置约束辅助模糊度固定的新算法模型。首先，根据IMU预积分理论给出了INS相对位置增量的计算公式，并指出INS相对位置增量只需通过IMU观测值以及载体初始速度和姿态即可确定，而不需要求解中间状态的绝对导航参数；然后，给出了INS相对位置测量值辅助模糊度固定的原理公式，并指出该方法的本质为将动态定位转化为准静态定位；同时，为了使得该方法能有效用于模糊度固定，提出了一种INS相对位置增量辅助周跳探测的方法，该周跳探测方法在组合系统位置状态有偏差时仍能有效探测周跳；最后，通过实测车载数据对所提出的算法的有效性和性能进行了验证和评估。实验结果表明，INS相对位置增量辅助周跳探测方法可以有效探测1周的小周跳(数据间隔为1s)；在RTK/INS紧组合绝对位置有偏的情况下INS仍能提供高精度的相对位置测量值，因此INS相对位置增量仍能用于辅助模糊度固定；对于开阔环境下采集的单频GPS+BDS数据，新算法模型能获得与传统INS绝对位置约束辅助的模糊度解算模型相当的模糊度固定性能。
3.为了解决基于低成本MEMS-IMU的GNSS/INS组合导航在GNSS信号中断期间导航误差快速漂移的问题，研究了基于已知特征点和基于多状态约束的两种视觉/INS紧组合滤波模型。对多状态约束的视觉/INS紧组合滤波模型与最小二乘估计的等价性进行了证明，指出了量测方程两边同时左乘特征点坐标对应的系数矩阵的零空间矩阵的合理性。最后，阐述了将视觉/INS与RTK/INS紧组合滤波模型统一为RTK/INS/视觉紧组合滤波模型的方法，且设计了仿真实验对两种视觉/INS紧组合滤波模型进行了验证和分析。结果表明，基于已知特征点的视觉/INS紧组合算法可以获得无误差漂移的位姿估计结果，且航向精度相对于GNSS/INS组合导航得到明显提高；基于多状态约束的视觉/INS紧组合算法能极大地减小INS的位置和航向漂移，这将有效弥补GNSS/INS组合导航在航向可观性弱的条件下航向角快速发散的缺陷。
4.自主设计和搭建了含有GNSS、IMU和单目相机的硬件验证平台，完成了传感器之间的时间和空间同步，在此基础上开展了GNSS复杂环境下的实测车载测试，并对单频多系统GNSSRTK/INS紧组合与RTK/INS/视觉紧组合在定位、测速和定姿等方面的性能进行了评估和对比分析。实验结果表明，多系统GNSS和视觉均显著地提高了单GPSRTK/INS紧组合在复杂GNSS环境下的厘米级定位可用性。在测速方面，RTK/INS/视觉紧组合的速度误差没有漂移，可以提供高精度速度信息。在定姿方面，RTK/INS/视觉紧组合可以完全维持横滚角、俯仰角的精度并且有效地降低航向角的误差漂移速度进而提高其估计精度。由此可见，单频多模GNSSRTK/INS/视觉紧组合技术可作为GNSS复杂环境下的低成本高精度定位、测速和定姿的一种有效解决方案。
综上所述，本文对单频多模GNSSRTK/INS/视觉紧组合技术进行了深入研究，构建了完整的RTK/INS/视觉紧组合滤波模型，并通过多组实测车载实验对提出的算法模型进行了全面验证和分析。本文的研究成果将有效促进复杂GNSS环境下的低成本高精度定位定姿技术的研究、产业应用和发展。
针对GNSS复杂环境下的低成本高精度定位定姿需求以及当前相关研究的不足，本文开展了单频多系统GNSS(GPS、BDS和GLONASS)RTK/INS/视觉紧组合技术研究，提出了RTK/INS紧组合抗差算法以及INS相对位置约束辅助模糊度固定的新算法模型，构建了多系统RTK/INS/视觉紧组合滤波模型，并通过多组车载实测数据对紧组合算法在复杂GNSS环境下的模糊度固定、定位、测速和定姿等方面的性能进行了全面评估与分析。本文的主要研究工作和贡献如下：
1.为了增强单频RTK在复杂动态环境下的高精度定位性能，提出了一套单频多系统GNSSRTK/INS紧组合算法模型。首先，建立了多系统RTK定位的数学模型；然后，阐述了附加模糊度参数和独立解算模糊度参数的两种RTK/INS紧组合数学模型和INS辅助模糊度固定方法；同时，针对GNSS观测粗差问题，提出了基于滤波新息的两步抗差RTK/INS紧组合算法模型；最后，通过两组车载测试数据对RTK/INS紧组合算法的性能进行了全面评估与分析。结果表明，在开阔天空环境下进行短基线定位时，单频多系统GNSSRTK在模糊度固定和定位精度方面具有显著优势，其中单频多系统GNSSRTK/INS在35°或40°的截止高度角下的单历元模糊度固定率超过99%，而且水平和高程动态定位精度均为厘米级；在城市等复杂环境下进行短基线定位时，GNSS粗差观测值会降低模糊度固定率与可靠性，本文提出的基于滤波新息的两步抗差紧组合算法有效提高了紧组合的模糊度固定率，同时单频多系统GNSSRTK/INS紧组合能显著改善GNSSRTK在复杂环境下的定位精度和可用性，在模糊度固定和定位性能方面甚至优于双频多系统GNSSRTK，这充分体现了单频多系统GNSS与低成本MEMS惯导进行紧组合的巨大优势。
2.针对传统惯导绝对位置约束辅助模糊度固定方法在系统有偏状态下无法正确固定模糊度的难题，创新性地提出了惯导相对位置约束辅助模糊度固定的新算法模型。首先，根据IMU预积分理论给出了INS相对位置增量的计算公式，并指出INS相对位置增量只需通过IMU观测值以及载体初始速度和姿态即可确定，而不需要求解中间状态的绝对导航参数；然后，给出了INS相对位置测量值辅助模糊度固定的原理公式，并指出该方法的本质为将动态定位转化为准静态定位；同时，为了使得该方法能有效用于模糊度固定，提出了一种INS相对位置增量辅助周跳探测的方法，该周跳探测方法在组合系统位置状态有偏差时仍能有效探测周跳；最后，通过实测车载数据对所提出的算法的有效性和性能进行了验证和评估。实验结果表明，INS相对位置增量辅助周跳探测方法可以有效探测1周的小周跳(数据间隔为1s)；在RTK/INS紧组合绝对位置有偏的情况下INS仍能提供高精度的相对位置测量值，因此INS相对位置增量仍能用于辅助模糊度固定；对于开阔环境下采集的单频GPS+BDS数据，新算法模型能获得与传统INS绝对位置约束辅助的模糊度解算模型相当的模糊度固定性能。
3.为了解决基于低成本MEMS-IMU的GNSS/INS组合导航在GNSS信号中断期间导航误差快速漂移的问题，研究了基于已知特征点和基于多状态约束的两种视觉/INS紧组合滤波模型。对多状态约束的视觉/INS紧组合滤波模型与最小二乘估计的等价性进行了证明，指出了量测方程两边同时左乘特征点坐标对应的系数矩阵的零空间矩阵的合理性。最后，阐述了将视觉/INS与RTK/INS紧组合滤波模型统一为RTK/INS/视觉紧组合滤波模型的方法，且设计了仿真实验对两种视觉/INS紧组合滤波模型进行了验证和分析。结果表明，基于已知特征点的视觉/INS紧组合算法可以获得无误差漂移的位姿估计结果，且航向精度相对于GNSS/INS组合导航得到明显提高；基于多状态约束的视觉/INS紧组合算法能极大地减小INS的位置和航向漂移，这将有效弥补GNSS/INS组合导航在航向可观性弱的条件下航向角快速发散的缺陷。
4.自主设计和搭建了含有GNSS、IMU和单目相机的硬件验证平台，完成了传感器之间的时间和空间同步，在此基础上开展了GNSS复杂环境下的实测车载测试，并对单频多系统GNSSRTK/INS紧组合与RTK/INS/视觉紧组合在定位、测速和定姿等方面的性能进行了评估和对比分析。实验结果表明，多系统GNSS和视觉均显著地提高了单GPSRTK/INS紧组合在复杂GNSS环境下的厘米级定位可用性。在测速方面，RTK/INS/视觉紧组合的速度误差没有漂移，可以提供高精度速度信息。在定姿方面，RTK/INS/视觉紧组合可以完全维持横滚角、俯仰角的精度并且有效地降低航向角的误差漂移速度进而提高其估计精度。由此可见，单频多模GNSSRTK/INS/视觉紧组合技术可作为GNSS复杂环境下的低成本高精度定位、测速和定姿的一种有效解决方案。
综上所述，本文对单频多模GNSSRTK/INS/视觉紧组合技术进行了深入研究，构建了完整的RTK/INS/视觉紧组合滤波模型，并通过多组实测车载实验对提出的算法模型进行了全面验证和分析。本文的研究成果将有效促进复杂GNSS环境下的低成本高精度定位定姿技术的研究、产业应用和发展。