论文部分内容阅读
智能驾驶产业的迅速发展,对车载高精度定位提出了越来越高的需求。GNSS和SINS组合导航系统集成了两类传感器各自的优势,目前已经被广泛应用于武器制导、太空探索、大地测量等领域。GNSS/SINS组合导航在开阔场景下可以满足大多数工程需要,但是城市复杂环境下仍然面临着诸多问题,已经成为该技术在智能驾驶等领域大范围推广的关键和难点。本文以此为研究背景,开展城市复杂环境下车载GNSS/SINS组合导航关键技术的研究,主要研究工作如下:1)从可见性、载噪比、LLI标志符等方面分析了城市环境下GNSS观测值的数据特点和数据质量,在此基础上精化GNSS观测值随机模型,并提出一种适用于动态定位的GNSS数据预处理策略。改进的GNSS数据预处理策略综合考虑了伪距、相位、多普勒观测值之间的一致性,结合LLI标志符、载噪比等信息,提升了伪距粗差和相位周跳的判别能力。城市环境下实测数据的解算结果表明,采用本文提出的预处理策略,E、N方向位置RMS为0.13和0.14m,相较于仅考虑高度角和使用MW与GF组合探测周跳的传统方法,新方法的定位精度在E、N方向上提升了53.7%和58.8%。2)模糊度固定是获得高精度定位结果的前提。本文基于GNSS动态数据的质量特点和数据处理经验,提出了一种多级级联质量控制的部分模糊度固定方法。该方法优化了部分模糊度固定方法中的模糊度子集选取策略,并在整数搜索前对单个模糊度和整数搜索后对每组模糊度子集的固定结果分别进行质量控制。两组车载数据的解算结果表明,采用改进后的部分模糊度固定方法,模糊度正确固定率分别达到了75.28%和69.0%,而使用全部模糊度固定策略,模糊度正确固定率仅有55.86%和46.98%。采用改进后的固定方法,ENU三个方向的位置误差RMS为6.99、9.89和3.94cm,与采用全部模糊度固定的方法相比,定位精度提升了33%、2%和36%。结果表明,改进后的方案可以有效提升动态场景下的模糊度固定性能。3)提出一种电离层信息增强的模糊度固定方法。该方法的核心思想是,当载体处于良好观测环境下时,通过相对定位技术可以快速固定模糊度,之后利用固定解反算电离层延迟,考虑到电离层的时空特性,使用线性模型对其建模预报。当GNSS信号的观测环境变差时,再利用电离层预报信息约束相对定位模型,实现快速模糊度固定。最终实现模糊度固定与电离层建模预报的迭代循环。使用全长92km的车载数据进行算例分析,采用本文提出的方法模糊度固定率可以达到88.92%,并且可以显著缩短GNSS信号中断后的重新固定时间。ENU三个方向位置误差的RMS为0.02、0.03和0.08m,而传统的无电离层组合方法的解算结果,其固定率仅有21.60%,ENU方向得位置误差RMS达到了0.75、0.71、1.90m,相较之下,新方法的定位精度提升了97.3%、95.8%和95.8%。4)结合实际车辆运动的特点,提出了一种宽松的车辆运动约束模型,使用IMU原始观测值对车辆运动状态进行识别,之后基于探测结果选择合适的车辆运动信息约束,同时构建了GNSS/SINS/车辆运动信息约束三者融合的紧组合方案。实测数据的处理结果表明,本文提出的车辆运动状态探测方法可以有效区分车辆的运动状态。模拟隧道场景的解算结果表明,采用本文的车辆运动信息约束方案,在GNSS信号完全中断的情况下可以显著抑制惯导误差发散,平面位置误差漂移与行驶距离的百分比由纯惯导递推的5.69%降低为0.56%。另外选取一段车辆在立交桥下行驶的严重遮挡环境数据进行算例分析,结果表明本文提出的GNSS/SINS/运动约束融合算法可以提供平面1.82m的定位结果,相较于传统的GNSS/SINS紧组合解算结果,平面方向的位置精度提升了81.6%。5)实现了一套GNSS/SINS组合算法软件平台,搭建了多传感器硬件采集平台。采用两组城市复杂环境的动态数据对软件算法进行了验证,结果表明算法运行正常,单独GNSS解算可保证90%以上的可用性,组合算法可以在城市场景下提供平面优于0.5m的定位结果,80%以上的平面位置结果优于0.2m,最大位置误差小于2m。在全程受树木、楼房遮挡的恶劣环境中,本文的算法仍能提供优于2m的平面定位结果,66%的定位结果平面精度优于1m。测速和测姿精度基本与商用软件精度水平一致。