申请/专利权人：太原理工大学

申请日：2023-11-07

公开（公告）日：2024-02-09

公开（公告）号：CN117537821A

主分类号：G01C21/20

分类号：G01C21/20;G01C21/16;G01S19/49;G01S19/48;G01S19/39

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明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VOINSGPS的组合导航定位方法。本发明提出的定位方法能够缓解在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，当本发明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。

主权项：1.一种松耦合EMD降噪的VOINSGPS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VOINSGPS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通过对视觉数据的预处理得到与特征相关的状态向量；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；4根据是否有GPS或视觉数据，建立INS系统测量矢量、增广矩阵状态向量与测量向量常数矩阵；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： 式中φsystk和Lsystk分别为离散时间输出矩阵和离散时间输入矩阵，dsyst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，Psyst为增广协方差矩阵，而且-和+分别表示先验和后验估计，Qtk为IMU中系统噪声矢量的功率谱密度；6计算卡尔曼增益矩阵如下： 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；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： 式中Zsyst为去噪的VOINSGPS的测量模型Zsyst＝[ZGt,ZCt]T6式中ZGt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，ZCt为视觉传感器提供的归一化像素坐标；8返回第1步。

全文数据：

权利要求：

百度查询： 太原理工大学 松耦合EMD降噪的VO/INS/GPS的组合导航定位方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD