文摘

全球导航卫星系统的实时运动(GNSS-RTK)技术被广泛用于车辆导航,但在城市高楼街等复杂的环境,树木繁茂的街天桥和隧道,卫星信号很容易衰减,甚至不可用。连续的高精度导航带来巨大挑战。出于这个原因,紧密耦合(TC)集成算法对GPS(全球定位系统)/ BDS(北斗导航卫星系统)/ MEMS-INS(微机电体制惯性导航系统)/里程表(GCIO)提出了车辆导航在复杂的城市环境。改善和消除歧义的准确性(AR)的性能进行了分析研究。首先,INS定位误差是制约融合GPS / BDS (GC)和里程计;然后,预测位置信息用于援助GPS / BDS消除歧义。在GNSS-denied环境中,里程表/ INS集成仍持续进行导航。实时实验是在城市进行退化和否认环境来验证集成系统的性能。在高层的街道,GCIO模式的模糊性修复成功率是13.57%高于GC模式。在树木繁茂的街道环境中,成功率增加了特别值得注意的是,约55%。 The positioning accuracy analysis for open environment, high-rise street, wooded street, overpass, and tunnel is conducted. The experimental results show that in the above environment, the order of 0.1 m positioning accuracy can be achieved in the case of satellite outage for 1 minute, which can meet the positioning needs in most scenarios.

1。介绍

高精度的导航和定位信息是自动驾驶仪的关键部件技术(1,2]。在户外开放环境中,GPS / BDS / GLONASS [3,4)(全球导航卫星系统)和其他星座系统可以提供比卫星几何和信号可用性和更一致和准确的定位能力,基本上可以满足高精度位置信息的需求的车辆(5- - - - - -7]。然而,可见的数量/可用卫星在高层建筑中,三维交通,长距离隧道、地下停车场,和其他复杂的城市环境减少,甚至为定位卫星信号不可用,带来了巨大的挑战,汽车导航(8- - - - - -10]。GNSS / INS集成系统可以提供更好的性能比简单的GNSS在复杂环境中(9,11,12];然而,GNSS / INS集成的性能在很大程度上取决于质量的惯性测量单元(IMU)。定位精度将迅速降低而GNSS中断和堵塞如果只有低成本应用INS (13,14]。

为了获得更好的定位车辆的性能,它需要一些助理技术改善GNSS / INS导航系统的完整性和准确性,比如一个里程表(15,16]。有一些文献报道结合GNSS / INS /里程表。李等人。16]提出一种模糊神经网络(FNN)对土地车辆导航应用程序基于GNSS / INS /里程表,它可以提高位置,速度,和态度集成系统的准确性,特别是位置参数,长GPS中断。然而,城市的定位精度和准确度稳定交换,隧道和其他复杂的条件没有被分析和解释。公园等。17提出了一个基于GNSS / INS组合导航系统为车辆导航/里程计/气压计;当GNSS信号不可用20秒钟,平面定位精度是23.85米,高程定位精度为1.28 m。可以看出,定位精度相对较低。Aftatah et al。18)提出一个松散耦合的解决方案融合了GPS / INS /里程表数据。在这三个区域的70秒的GPS时间中断,0.3的顺序的定位精度是实现。然而,这种情况下仅能证明行为的准确性GPS信号干扰时在短时间内。此外,其他学者(19- - - - - -21)进行了研究GNSS / INS /里程表组合导航技术;结果表明,在GNSS解锁的情况下,它仍然可以在短时间内保持一定的准确性。然而,相关论文还有一些缺点和不足的分析和解释常见的树木繁茂的街道场景的定位精度,隧道,和其他城市复杂环境。

本文关注的问题高精度汽车定位在复杂的城市环境和执行基于GCIO紧组合算法的研究。positioning-related指标融合的GC和定位精度GCIO等城市环境的开放环境,高层街,树木繁茂的街,天桥和隧道进行了分析。最后,总结了本文的主要贡献,包括GCIO紧密耦合的融合算法和定位精度的分析紧密耦合的融合算法在复杂的城市环境。技术路线图如图1。


图1
技术路线图。

本文的其余部分组织如下。部分2简要回顾了紧密耦合GCIO集成模型,包括动态模型和测量模型。多传感器融合定位进行的实验部分3,定位精度的基于多传感器融合的复杂的城市环境进行了探讨和分析。节4,一些结论相关的工作进行了总结。

2。方法

概述GCIO TC集成的算法如图2(22]。紧密耦合算法的初始化后,补偿原始INS数据用于提供连续导航结果(位置,速度和态度)通过INS机械化。速度里程表的信息融合与INS正确的INS误差积分和减少误差积累。GNSS可用时,双差分(DD)伪距和载波相位观测从罗孚接收器和基地接收机用于KF(卡尔曼滤波)测量更新。然后,GCIO紧密耦合模型中的数据融合获得高精度的位置,速度,和态度的信息。当GNSS中断发生时,INS /里程表集成是用于获得连续的导航结果。


图2
算法框架的TC / INS / GPS / BDS里程表集成。
2.1。GPS / BDS RTK模型

DD技术可以消除的误差源在空间和时间高度相关,比如星历表错误(23]。范围信息仍多路径和接收机噪声后才可以达到厘米级精度整数模棱两可的载波相位测量正确解决了(24]。一般形式,DD代码和载波相位观测模型可以描述为22,25,26] 在哪里 符号是指一个double-differentiation。 和 表示的伪距和载波相位观测几何接收机和卫星之间的距离 , 对流层延迟, 电离层延迟, 代表了载波相位波长 伪距多路径误差和吗 表示载波相位多路径误差; 和 噪声伪距和载波相位噪声。

与GPS和GNSS-RTK BDS数据,方程来估计未知参数可以写成如下: 标” ”和“ ”分别代表了全球定位系统(GPS)和BDS; 几何矩阵包含satellite-geometry信息; 表示基线向量的增量; 是模棱两可的系数矩阵; 是观察到的DD -计算向量。

随着车辆和基站之间的距离、基线长度逐渐增加,和大气残留误差公式(1)和(2DGNSS)不能被消除。因此,动态相对定位的精度和可靠性不如短基线场景。动态定位精度的中/长基线的方法(27采用。

为了正确修复的概率特征,引入了模棱两可的成功率评估潜在的强度模型,引导的成功率通常是用作整数最小二乘成功率较低的边界(28]: 在哪里 是真正的模糊向量,然后呢 表示标准偏差的条件模棱两可。

2.2。里程表导航

里程表是一种设备,可以独立地测量车辆的距离和速度,它可以测量车辆前进方向的速度(16,29日]。假设车辆速度里程表的输出 ,直接点前面的车辆,也就是说,平行 车辆的轴坐标系统,车辆坐标系的三维速度矢量形式表示,车辆速度的表达式在导航坐标系

其中, 方向余弦矩阵从车辆导航坐标系的坐标系统,可以计算的惯性导航系统。

速度的积分可以在导航坐标系的位置信息,和位置的差分方程可以写成:

其中, , ,和 经度,纬度,分别和高度。 和 顶点的曲率半径和地球的主要垂直,车辆的位置,分别和 , ,和 速度分量在北,东,和地球的方向在导航坐标系,分别。

速度里程表的信息采集属于离散采样,和里程表的位置计算方法可以推导出基于差分方程。

其中, 表示里程表信息 时间, 代表了里程计信息 时间, 是里程表抽样时间间隔。

自从里程表没有零点误差,速度里程表的模型输出可以表示为

的公式, 误差校正系数, 是观察。

2.3。基于INS的基于“增大化现实”技术的策略

高精度载波相位定位技术依赖于高可靠性和精确的整数消除歧义。然而,在城市退化和否认环境中,特别是在移动状态,GNSS经常出现停机状态,这导致了消除歧义的错误。/ BDS / INS组合定位,因为INS可以提供连续的定位能力,歧义浮点解的精度提高,然后,模糊搜索空间约束和模棱两可的解决方案效率提高。模棱两可的解决方案获得复合系统方程(22,30.]。 在哪里 修正的位置错误, 是参数向量的 - - - - - -空间的模糊性, 是设计矩阵, INS系统的观测噪声,可以从先天获得方程矩阵的组合过滤。

2.4。紧密耦合的集成GPS / BDS / MEMS-INS /里程表
2.4.1。INS动态模型

在这个研究中,一个紧耦合的集成算法采用GPS / BDS / INS /里程表与EKF(扩展卡尔曼滤波);惯性动力学模型如下(31日]: 在哪里 , ,和 是误差向量的位置、速度和态度,分别 和 加速度计和陀螺的误差向量,分别 是具体的力矢量, 是地球旋转矢量, 是工艺。

INS误差模型与27个国家实现,其中包含9个导航错误状态中表达north-east-down (NED)导航框架(三个位置,三个速度,和三个方向),6个加速度计和6个陀螺传感器错误(包括三个偏见和三个规模因素对每个轴),三个重力不确定性误差,和三个杠杆臂错误(22,32]。给出了详细的错误状态如下:

惯性传感器误差模型的一阶高斯-马尔可夫(GM)过程,而浮动歧义被视为常数。额外添加大气误差状态长基线配置。

2.4.2。多传感器融合模型

TC卡尔曼滤波器系统模型考虑psi-angle错误,INS传感器错误,和里程表比例因子设计如下: 在哪里 是动态矩阵, 是噪声分布矩阵。的状态向量 可以写成 在哪里 的误差校准系数。

当GPS / BDS, INS和里程计可观测的数据到达同一时代,紧密耦合的GPS / BDS / INS /里程计测量模型将被用来更新算法。卡尔曼滤波器的测量模型在离散时间域表示为 在哪里 是设计矩阵, 是测量向量的值之间的差异INS-predicted测量,GNSS原始可见,和里程表数据: 下标“INS”和“GPS | BDS”代表了预测GPS | BDS测量使用INS-derived从GPS和可见的信息| BDS接收机,分别。 和 表示速度值计算在导航坐标系由INS和里程表。NED代表了东北大地坐标系统。的线性化形式INS-predicted DD观察可以写成 在哪里 和 是单位视距(LOS)向量从INS中心吗 th和 分别th卫星; 位置误差向量表达的吗eframe。

3所示。实验和讨论

为了验证本文的技术方法,车辆在上海进行了实验。实验设备是一个紧密结合GNSS / INS模块由自己开发,通过电缆连接到车辆的里程表。INS设备的性能指标如表所示1。该设备安装在车辆的树干,GPS / BDS天线安装在车的顶部,和实验数据是通过电缆传输到笔记本电脑。RTK支持国内GNSS核心站。系统集成是如图3。

表1
主要性能规范的INS传感器。

图3
试验车辆和设备的安装示意图。

为了验证定位精度,高精度光纤陀螺(雾)GNSS / INS组合系统由中国船舶重工集团公司第707号研究所作为精确的比较参考。MEMS INS的参数,雾雾INS和GNSS / INS如表所示1和2。

表2
主要性能规范的雾GNSS / INS组合系统。

实验旨在5场景:城市开放的环境,树木繁茂的街道,城市隧道、天桥和高层街。具体的测试路线如图4。在测试期间车辆的速度图所示5。


图4
实际的测试路线和车辆轨迹和原理图5的场景。

图5
在测试期间车辆的速度。

在实验的过程中,车辆速度控制在10 - 80 km / h,基本上涵盖了城市环境的行驶速度。如图所示的细节5。

从数据可以看出4和5,这个测试基本上经历了大多数城市驾驶环境,模拟车辆在正常行驶过程中速度。

3.1。分析卫星可见性和精度因子(计划)的价值

立交桥、高层和tree-sheltered街道和其他城市环境会影响车辆卫星接收器的卫星截止角和信号接收,从而导致减少可见卫星的数量和计划值。为了说明GPS / BDS的可用性在城市环境中,GPS / BDS卫星的数量和计划值6截止角从10°35°以及上述三个真实场景模拟和分析。此外,对于长距离隧道和其他环境,因为卫星在停机的状态,不再相关的性能分析。

从图可以看出6,在一个开放的城市环境,如开放环路,卫星的数量基本上可以维持在10点20°15°截止角,可满足导航卫星的数量和几何结构。截止角的增加,卫星数据逐渐下降到14日在35°截止角。在范围内,可用卫星的数量和几何将受到影响,并从表可以看到3位置(位置精度因子)值低于63.89%,在这个时候15°截止角。此外,VDOP几乎是2 - 3倍的准确性比的HDOP(水平精度因子)。可以看出,高度截止角上有更大的影响力VDOP(垂直精度因子)的卫星。与高度截止角的增加,夹住值逐渐降低,这也从侧面表明,大量的高层建筑的街道,tree-sheltered街道和立交桥会影响卫星的数量和几何。


图6
GPS / BDS卫星的数量在城市开放的环境。
表3
指夹住GPS + BDS 10°35°截止高度角。

图7显示的数量和计划GPS / BDS卫星高层街道、树木繁茂的街道,和立交桥。相比之下,图的开放环境6,卫星的数量减少和波动,从场景到场景变化很大。与三种情况相比,在高层,卫星的数量波动10至20;在树木繁茂的街上,卫星的数量波动5至15日,总数低于高层的街道环境。在城市立交桥环境中,卫星的数量将迅速下降,直到它落在0。


图7
的GPS / BDS卫星高层街道、树木繁茂的街道,和立交桥。

表4在上述环境中展示了卫星计划值。因为卫星在天桥下的数量是零,夹住无法计算。基于图的分析7和表4可以看出,上述环境对卫星的定位性能产生影响。从表可以看出3和4,夹住在高层街道环境相对较好,但仍比在开放的环境。然而,计划值在树木繁茂的街道是相对贫穷,甚至低于计划价值截止角为30°时,表明这种环境对导航精度有很大的影响。类比可以看出城市高架桥下路的定位精度也会相对较差。在复杂的立交桥下,甚至会有卫星定位的解锁状态。

表4
指夹住的GPS / BDS高层街,树木繁茂的街,天桥15°截止角。

一般来说,在城市环境中,只有依靠卫星定位系统可以满足导航的需求更多的环境。然而,即使不考虑环境,如地下车库,定位精度和可靠性将大大影响在上述城市卫星导航signal-degraded signal-denied环境。由于这个原因,有必要引入其他传感器支持当卫星故障定位需求。

3.2。基于“增大化现实”技术的性能分析

整数的正确解决歧义是实现高精度定位的重要环节,但在退化和否认环境、卫星信号很容易丢失,导致不准确的消除歧义。本文的基于“增大化现实”技术性能的解决方案状态基于“增大化现实”技术的过程和经验的成功率会比较和分析了城市开放的环境和复杂的环境中。溶液状态的AR过程包括“0”和“1”,即“0”表示未能解决歧义,“1”表示成功解决歧义。细节图所示8和表5。


图8
解决方案的基于“增大化现实”技术高层街和树木繁茂的街道。
表5
AR实验成功率的GPS / BDS / INS /里程表在开放环境中,高层建筑街道、树木繁茂的街道,和天桥在RTK模式。

解决方案状态可以用来表示正确解决整数模棱两可的概率。图8显示解决方案的GPS / BDS和GPS / BDS / INS /里程表组合在高楼街和树木繁茂的街。在大多数情况下的GPS / BDS,歧义是固定的,而在GPS / BDS / INS /里程表组合,不都是固定的。在树木繁茂的街,GPS / BDS歧义是比这更糟的高层,但在GPS / BDS / INS /里程表组合,只有少数的歧义是不固定的。可以看出,GPS / BDS / INS /里程表模棱两可的固定组合是很大帮助,尤其是在树木繁茂的街道。

实证的基于“增大化现实”技术的成功率不同场景的开放的环境,高层街道、树木繁茂的街道,和天桥也调查了。解决歧义将与参考模棱两可,确保固定模棱两可的正确性。实证成功率可以被定义为(7] 在哪里 正确的数量是固定的时代和 是时代的总数。

表5显示了不同场景的开放的环境的成功率,高层街道、树木繁茂的街道,和立交桥。GC是GPS / BDS和GCIO GPS / BDS / INS /里程表。因为卫星处于停机状态下天桥,成功率不是评估。在一个开放的环境中,歧义解决两种模型成功率为100%。在高层的街道,GCIO模式的模糊性修复成功率是13.57%高于GC模式。在树木繁茂的街道环境中,成功率增加了特别值得注意的是,约55%。再一次,它定量地表明GCIO模式有很大的优势在城市环境中导航。

3.3。定位性能的分析

摘要GC / GCIO组合的定位精度和态度在城市开放的环境,高层建筑街道、树木繁茂的街道、城市隧道进行了分析。细节如下。

3.3.1。城市开放的环境

在开放环境中,GPS / BDS卫星的数量很大,几何结构好,定位精度高。INS和里程表,融合后的定位精度进一步提高,态度和高频数据,如图9。


图9
造成不同的GC / GCIO组合在城市开放的环境。

图的左栏9显示两下的位置偏差的GC / GCIO组合。从上到下,有三个轴向定位错误:东部,北方,地球。MEMS INS的态度测量偏差显示在右列。从上到下,有三个方向:标题,音高,滚。表6显示了RMS(均方根)的两个组合,前三列是GC的定位RMS组合,最后六列的姿态测量RMS GCIO组合。后者场景以同样的方式表示。

图9和表6说明了车辆姿态测量精度在开放的环境。可以看出,RMS达到厘米级的GC模式。虽然定位精度在一定程度上改善GC和GCIO模式,改善效果不明显。此外,态度精度也很高,这再次证明了算法的精度高。这也表明,如果车辆驾驶在开放环境中,基于GPS / BDS / RTK定位模式模式可以获得更高的绝对定位精度。

表6
RMS姿态精度的GC / GCIO组合在城市开放的环境。
3.3.2。高层街

图10和表7显示定位结果的两种模式在高楼街。与开放的环境相比,可以看出,影响建筑两边的街道,GPS / BDS的定位精度明显下降和RMS平面定位基本上是0.3米,但在高程误差超过1米,在开放的环境比这大得多。基于GCIO组合方法,显著提高定位精度,误差幅度变得更小,平面定位的RMS是上升了不止一个数量级,约0.02米,高程误差增加了96.85%。与开放的环境相比,虽然精度降低的两倍,它还能基本上满足定位要求。


图10
造成不同的GC / GCIO组合在高楼街。
表7
RMS GC / GCIO组合的定位精度的高楼街。

此外,通过图的右列10可以看出,误差在水平的态度是关于0.35 - -0.5°和航向角的错误态度是大约0.074°。此外,音高和辊始终保持一个相对稳定的状态,和标题偏差千差万别。与开放的环境相比,可以看出,车辆的姿态精度也大大影响高层街道环境,尤其是航向角,几乎翻了一倍。

3.3.3。树木繁茂的街

由于存在大量的绿地在城市,街道上树冠严重堵塞,导致卫星信号的阻塞在树下。图11和表8显示构成测量偏差的GC和GCIO下城市树木繁茂的街道。


图11
定位不同的GC / GCIO组合在树木繁茂的街道。
表8
RMS的GC / GCIO组合的定位精度在城市的街道。

从图可以看出11定位偏差,更严重的是基于GC组合下的树木繁茂的街道。结合表8,可以看出飞机结构均方根约2米,海拔6.658米,表明茂密的树木产生严重影响卫星定位精度。另一方面,GCIO组合计算的定位精度明显提高到0.1,增长了近95%,特别是在高度方向上98%。但标题RMS超过一个数量级低于开放的环境和高楼街。

3.3.4。城市立交桥

图12和表9展示城市立交桥下的姿态测量偏差。的时间在GPS / BDS数据中断在图12是天桥下的车辆旅行时间。


图12
定位精度的GC / GCIO组合在城市立交桥。
表9
定位精度的RMS GC / GCIO组合在城市立交桥。

从图可以看出,在天桥下,GPS / BDS处于停机状态,不能产生有效的定位数据。然而,基于GCIO组合定位方法仍然可以达到0.2米的定位精度,具有很好的效果。这表明在天桥的环境下,基于GCIO组合方法可以解决定位的要求。此外,RMS的态度不仅小,而且稳定,这也进一步证实了GCIO的可用性。然而,由于天桥下的驾驶时间短,GCIO的优势只能在一定程度上解释道。的姿态测量偏差GNSS处于停机状态时很长一段时间,我们可以参考城市隧道环境。

3.3.5。城市隧道

上海大连路隧道隧道测试环境,这是一个南北隧道位于上海,中国。这是第三个水下公路隧道在黄浦江。大连路隧道长2526.88米,设计行车速度是40 km / h。在城市隧道环境中,GPS / BDS在停机的状态,所以它是不可能比较GC的定位精度。然后,提出自主研发模块的测量结果进行比较与雾GNSS / INS组合设备,和姿势测量分析了RMS在GPS / BDS停机的状态为10 - 120秒。如图所示的细节13和表10。


图13
GCIO组合的构成差异在城市隧道。
表10
GCIO组合姿态测量RMS的城市隧道。

在隧道环境中,我们依靠INS和里程表融合定位。从表可以看出10本文的技术方法可以实现分表定位精度在1分钟,比2米2分钟。然而,北方的均方根偏差方向明显高于东部的方向,这可能与北方向的误差的积累,当车辆旅行从南到北。此外,超过1分钟后,高程精度已成为贫穷和超过10米;仍有很多需要改进的地方。RMS的角度,尤其是航向角误差降低了三次从10秒到2分钟,但RMS仍然可以维持在0.144°。

4所示。结论

为了解决问题的高精度导航的车辆在退化和否认的城市环境中,一个紧耦合组合解决方案基于GPS / BDS / INS /里程表在本文提出。首先,结合GPS / BDS用于提高卫星的数量和计划值的准确性在闭塞环境的城市高层建筑。其次,里程表与INS融合使用,在GPS / INS误差传感器BDS中断环境约束,并融合数据用于辅助GPS / BDS基于“增大化现实”技术,以确保模棱两可的固定利率。最后,紧凑的组合算法实现多传感器融合,充分利用每个传感器的优点。

此外,根据实验中,我们可以总结得出的结论如下。

首先,城市开放的环境,是否基于GPS / BDS / BDS / INS /里程计定位方法,厘米可以实现实时定位精度,可以满足车辆导航的需要。其次,在城市高楼街、树木繁茂的街,天桥,和隧道环境,GPS / BDS的定位精度将受到影响;最严重的是隧道和树木繁茂的街;在天桥,因为开车时间短,影响低;高层街是最低的的影响,定位精度接近,在开放的环境。最后,在导航模式基于GPS / BDS / INS /里程表,不管什么样的场景,定位精度都得到很大的提高。除了长隧道环境在2分钟内,可以维持一个定位精度优于2米,其他场景基本上可以达到0.1米的定位精度。然而,由于本文的实验数据截获一个场景,样本的数量相对较小,所以仍有需要进一步实验验证的大量的数据。此外,在长期的GPS / BDS宕机的情况下,仍存在技术难题在高精度导航车辆。出于这个原因,有必要引入高精度地图,视觉、激光辅助数据,为进一步融合和传感器,以及车辆运动模型,如加速和减速和零速度限制,进一步提高定位精度和保留的GPS / BDS停机。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究是由中国国家杰出青年科学基金(批准号41904029)和中国国家自然科学基金(批准号41874029)。