GNSS-INS组合导航:KF-GINS(一)
因为毕业设计需求,最近一个月学习了开源程序KF-ginss。
这几篇文章介绍松组合导航是如何实现的,总体大概分为三部分、第一部分介绍常用的坐标系转换、大地测量学基础、角度转化,第二部分介绍组合导航、状态转移矩阵如何实现、怎样进行卡尔曼滤波更新、第三部分介绍捷联惯导部分。
Gi_engine_process.cpp文件
Cov_.resize(RANK, RANK);Qc_.resize(NOISERANK, NOISERANK);dx_.resize(RANK, 1);Cov_.setZero();Qc_.setZero();dx_.setZero();
1、设置协方差矩阵,系统噪声阵和系统误差状态矩阵大小
假设有离散线性系统,k 时刻的系统状态Xk受系统噪声序列wk−1 驱动;系统状态方程及量测方
程均为系统状态量的线性方程:
wk 与vk 是互不相关的零均值白噪声序列:
Qk为状态噪声方差阵,Rk为量测噪声方差阵、
auto imunoise = options_.imunoise;Qc_.block(ARW_ID, ARW_ID, 3, 3) = imunoise.gyr_arw.cwiseProduct(imunoise.gyr_arw).asDiagonal();Qc_.block(VRW_ID, VRW_ID, 3, 3) = imunoise.acc_vrw.cwiseProduct(imunoise.acc_vrw).asDiagonal();Qc_.block(BGSTD_ID, BGSTD_ID, 3, 3) =2 / imunoise.corr_time * imunoise.gyrbias_std.cwiseProduct(imunoise.gyrbias_std).asDiagonal();Qc_.block(BASTD_ID, BASTD_ID, 3, 3) =2 / imunoise.corr_time * imunoise.accbias_std.cwiseProduct(imunoise.accbias_std).asDiagonal();Qc_.block(SGSTD_ID, SGSTD_ID, 3, 3) =2 / imunoise.corr_time * imunoise.gyrscale_std.cwiseProduct(imunoise.gyrscale_std).asDiagonal();Qc_.block(SASTD_ID, SASTD_ID, 3, 3) =2 / imunoise.corr_time * imunoise.accscale_std.cwiseProduct(imunoise.accscale_std).asDiagonal();
2、初始化系统噪声阵:在噪声阵其实分为六个部分
陀螺和加速度计零偏及比例因子误差均建模为一阶高斯马尔可夫过程
initialize(options_.initstate, options_.initstate_std);
设置系统状态(位置、速度、姿态和IMU误差)初值和初始协方差,
pvacur_.pos = initstate.pos;pvacur_.vel = initstate.vel;pvacur_.att.euler = initstate.euler;pvacur_.att.cbn = Rotation::euler2matrix(pvacur_.att.euler);pvacur_.att.qbn = Rotation::euler2quaternion(pvacur_.att.euler);
初始化位置、速度、姿态
imuerror_ = initstate.imuerror;
3、初始化IMU误差(IMU时间、补偿零偏误差、补偿比力因子误差)
因为设计到一些细节,最近没有太多时间整理,后续会进行详细的补充。
4、确定H矩阵(通过扰动误差,确定H阵;由于e系和n系误差扰动不同,对应的H阵也会有相应的变化,此程序采用N系)
位置误差
temp.setZero();temp(0, 0) = -pvapre_.vel[2] / rmh;temp(0, 2) = pvapre_.vel[0] / rmh;temp(1, 0) = pvapre_.vel[1] * tan(pvapre_.pos[0]) / rnh;temp(1, 1) = -(pvapre_.vel[2] + pvapre_.vel[0] * tan(pvapre_.pos[0])) / rnh;temp(1, 2) = pvapre_.vel[1] / rnh;F.block(P_ID, P_ID, 3, 3) = temp;F.block(P_ID, V_ID, 3, 3) = Eigen::Matrix3d::Identity();
程序中:
速度误差
temp.setZero();temp(0, 0) = -2 * pvapre_.vel[1] * WGS84_WIE * cos(pvapre_.pos[0]) / rmh -pow(pvapre_.vel[1], 2) / rmh / rnh / pow(cos(pvapre_.pos[0]), 2);temp(0, 2) = pvapre_.vel[0] * pvapre_.vel[2] / rmh / rmh - pow(pvapre_.vel[1], 2) * tan(pvapre_.pos[0]) / rnh / rnh;temp(1, 0) = 2 * WGS84_WIE * (pvapre_.vel[0] * cos(pvapre_.pos[0]) - pvapre_.vel[2] * sin(pvapre_.pos[0])) / rmh +pvapre_.vel[0] * pvapre_.vel[1] / rmh / rnh / pow(cos(pvapre_.pos[0]), 2);temp(1, 2) = (pvapre_.vel[1] * pvapre_.vel[2] + pvapre_.vel[0] * pvapre_.vel[1] * tan(pvapre_.pos[0])) / rnh / rnh;temp(2, 0) = 2 * WGS84_WIE * pvapre_.vel[1] * sin(pvapre_.pos[0]) / rmh;temp(2, 2) = -pow(pvapre_.vel[1], 2) / rnh / rnh - pow(pvapre_.vel[0], 2) / rmh / rmh +2 * gravity / (sqrt(rmrn[0] * rmrn[1]) + pvapre_.pos[2]);F.block(V_ID, P_ID, 3, 3) = temp;temp.setZero();temp(0, 0) = pvapre_.vel[2] / rmh;temp(0, 1) = -2 * (WGS84_WIE * sin(pvapre_.pos[0]) + pvapre_.vel[1] * tan(pvapre_.pos[0]) / rnh);temp(0, 2) = pvapre_.vel[0] / rmh;temp(1, 0) = 2 * WGS84_WIE * sin(pvapre_.pos[0]) + pvapre_.vel[1] * tan(pvapre_.pos[0]) / rnh;temp(1, 1) = (pvapre_.vel[2] + pvapre_.vel[0] * tan(pvapre_.pos[0])) / rnh;temp(1, 2) = 2 * WGS84_WIE * cos(pvapre_.pos[0]) + pvapre_.vel[1] / rnh;temp(2, 0) = -2 * pvapre_.vel[0] / rmh;temp(2, 1) = -2 * (WGS84_WIE * cos(pvapre_.pos(0)) + pvapre_.vel[1] / rnh);F.block(V_ID, V_ID, 3, 3) = temp;F.block(V_ID, PHI_ID, 3, 3) = Rotation::skewSymmetric(pvapre_.att.cbn * accel);F.block(V_ID, BA_ID, 3, 3) = pvapre_.att.cbn;F.block(V_ID, SA_ID, 3, 3) = pvapre_.att.cbn * (accel.asDiagonal());
姿态误差
temp.setZero();temp(0, 0) = -WGS84_WIE * sin(pvapre_.pos[0]) / rmh;temp(0, 2) = pvapre_.vel[1] / rnh / rnh;temp(1, 2) = -pvapre_.vel[0] / rmh / rmh;temp(2, 0) = -WGS84_WIE * cos(pvapre_.pos[0]) / rmh - pvapre_.vel[1] / rmh / rnh / pow(cos(pvapre_.pos[0]), 2);temp(2, 2) = -pvapre_.vel[1] * tan(pvapre_.pos[0]) / rnh / rnh;F.block(PHI_ID, P_ID, 3, 3) = temp;temp.setZero();temp(0, 1) = 1 / rnh;temp(1, 0) = -1 / rmh;temp(2, 1) = -tan(pvapre_.pos[0]) / rnh;F.block(PHI_ID, V_ID, 3, 3) = temp;F.block(PHI_ID, PHI_ID, 3, 3) = -Rotation::skewSymmetric(wie_n + wen_n);F.block(PHI_ID, BG_ID, 3, 3) = -pvapre_.att.cbn;F.block(PHI_ID, SG_ID, 3, 3) = -pvapre_.att.cbn * (omega.asDiagonal());
F.block(BG_ID, BG_ID, 3, 3) = -1 / options_.imunoise.corr_time * Eigen::Matrix3d::Identity();F.block(BA_ID, BA_ID, 3, 3) = -1 / options_.imunoise.corr_time * Eigen::Matrix3d::Identity();F.block(SG_ID, SG_ID, 3, 3) = -1 / options_.imunoise.corr_time * Eigen::Matrix3d::Identity();F.block(SA_ID, SA_ID, 3, 3) = -1 / options_.imunoise.corr_time * Eigen::Matrix3d::Identity();
陀螺和加速度计零偏及比例因子误差均建模为一阶高斯马尔可夫过程
系统噪声驱动阵
G.block(V_ID, VRW_ID, 3, 3) = pvapre_.att.cbn;G.block(PHI_ID, ARW_ID, 3, 3) = pvapre_.att.cbn;G.block(BG_ID, BGSTD_ID, 3, 3) = Eigen::Matrix3d::Identity();G.block(BA_ID, BASTD_ID, 3, 3) = Eigen::Matrix3d::Identity();G.block(SG_ID, SGSTD_ID, 3, 3) = Eigen::Matrix3d::Identity();G.block(SA_ID, SASTD_ID, 3, 3) = Eigen::Matrix3d::Identity();
状态转移矩阵
Phi.setIdentity();Phi = Phi + F * imucur.dt;
计算系统传播噪声
Qd = G * Qc_ * G.transpose() * imucur.dt;Qd = (Phi * Qd * Phi.transpose() + Qd) / 2;
5、EKF预测协方差和系统误差状态
EKFPredict(Phi, Qd);
}
void GIEngineProcess::gnssUpdate(GNSS &gnssdata) {// IMU位置转到GNSS天线相位中心位置// convert IMU position to GNSS antenna phase center positionEigen::Vector3d antenna_pos;Eigen::Matrix3d Dr, Dr_inv;Dr_inv = Earth::DRi(pvacur_.pos);Dr = Earth::DR(pvacur_.pos);antenna_pos = pvacur_.pos + Dr_inv * pvacur_.att.cbn * options_.antlever;
关键技术:杆臂补偿
Eigen::MatrixXd dz;dz = Dr * (antenna_pos - gnssdata.blh);
确定新息,但是在紧张组合中新息将与惯导推算位置、电离层、对流层等有关,相比此时松组合更复杂
构造位置观测矩阵
Eigen::MatrixXd H_gnsspos;H_gnsspos.resize(3, Cov_.rows());H_gnsspos.setZero();H_gnsspos.block(0, P_ID, 3, 3) = Eigen::Matrix3d::Identity();H_gnsspos.block(0, PHI_ID, 3, 3) = Rotation::skewSymmetric(pvacur_.att.cbn * options_.antlever);
感谢武汉大学卫星导航定位技术研究中心多源智能导航实验室(i2Nav)牛小骥教授团队开源的KF-GINS软件平台
GNSS-INS组合导航:KF-GINS(一)相关推荐
- 关于GNSS/INS组合导航开源软件GINav
GINav 理论资料 参考<GNSS/INS组合导航软件开发> <组合导航从入门到精通>--1 绪论 <组合导航从入门到精通>--2 高精度GNSS定位模型 < ...
- GNSS/INS组合导航实习面试
GNSS/INS组合导航面试 美团无人机.云创智行.阿里达摩院.图森蔚来组合导航.来牟创新. 腾讯地图出行事业部.百度地图 持续更新 文章目录 GNSS/INS组合导航面试 1.GNSS方面的问题 模 ...
- GNSS/INS 组合导航(一):定位技术分类与介绍
一.文档学习连接 https://download.csdn.net/download/yongjinfeiba/10761520 一. 定位技术分类 1.1 基于相对测量的定位(航位推算) (1)轮 ...
- GNSS/INS组合导航(八):INS/GPS组合导航
INS/GPS组合导航 对比INS与GPS导航方法,二者都有其各自的优缺点. 惯性导航系统INS是一种全自主的导航系统,可以输出超过200Hz的高频信号,并且具有较高的短期测量精度.除了提供位置与速度 ...
- GNSS/INS组合导航笔记
文章目录 问题1:不可交换误差 问题2:划桨运动 问题3:关于卡尔曼滤波器效果判断(INS/GPS) 问题4:失准角理解 问题5:关于feedback反馈矫正 问题6:组合导航精度结果主要依赖于GNS ...
- GNSS/INS组合导航(七):卡尔曼滤波
Kalman滤波 导航系统的精度受到 惯性传感器初始化以及算法的误差影响.低成本MEMS传感器由于严重的随机误差,INS输出可能迅速漂移.因此低精度的IMU基本上不能作为导航独立传感器进行使用. 在之 ...
- GNSS/INS组合导航学习-GINAV(一)
从今天开始整理一下,最近半年学习的组合导航算法 目前开源程序 1.严老师PSINS工具箱 (MATLAB--卡尔曼滤波算法) 2.GINAV (MATLAB--卡尔曼滤波算法 ) 3.KF-GINS ...
- GNSS/INS组合导航(1)-- 姿态矩阵
对于开始接触惯性导航的人来说,姿态矩阵是必经之路.我在开始学习惯导的过程中,只是用姿态矩阵,但没具体去研究其对应欧拉角旋转方式,最近把自己绕晕了,所以推导完后记录一下自己对欧拉角与旋转矩阵理解,重点针 ...
- GNSS/INS组合导航(四):惯性导航系统
可以结合下面连接看: https://blog.csdn.net/hltt3838/category_10500565.html 惯性导航理论依据: 牛顿第一定律(在不受外力作用下,物体将保持静止或匀 ...
- GNSS/INS组合导航(三):GPS全球定位系统
全球定位系统(GPS)由美国国防部在20世纪70年代开发.GPS的定位基础是24颗卫星组成的网络.每颗卫星发送一个包含伪随机噪声(PRN)码与导航信息的无线电信号.接收机通过PRN码获得无线电信号的传 ...
最新文章
- 关于外挂新手最常见的30个问题
- Web性能测试需监控的IIS性能指标
- 嵌入式软件开发的特点、设计流程、嵌入式软件的结构
- 来来来,一起五句话搞定JavaScript作用域
- matlab绘制立体图
- Git工具 - 子模块
- HashCode和hashMap、hashTable
- java8 guava_Guavate:桥接Guava和Java8的微型库
- android如何与服务器交互?
- PayPal旗下Venmo:允许信用卡用户将现金返还转换为加密币
- 下降沿触发的jk触发器(带异步复位和置位功能)_边沿触发器 || D触发器 || JK触发器 || 逻辑功能转换 工作特性 || 重难点 || 数电...
- ajax 导致 css 延迟_在H5,小程序,uni-app中使用animate.css
- NOIP Day -151
- 射极跟随器实验报告数据处理_电压跟随器秘笈:运放构成电压跟随器的稳定性问题探讨...
- 深度学习入门之txt文本文件转换为npz文件
- 海鸣威《离开为了更好的回来》 MV首播感心动耳
- cocos 随机变色的拖尾
- 如何使docker容器不退出
- HyperLynx 仿真
- 02-leveldb入门