[发明专利]一种附有GNSS速度矢量辅助的车载姿态估计方法

说明书

本发明公开了一种附有GNSS速度矢量辅助的车载姿态估计方法，属于导航领域。该方法首先利用陀螺仪与加速度计检验GNSS速度，通过滑动递推窗口补偿运动加速度，在第一级滤波中融合陀螺仪与加速度计数据；然后利用GNSS速度检验磁力计模型中的磁场干扰，在第二级滤波中融合磁力计数据；最后建立GNSS速度观测矢量对方程，建立滚转/滚转‑偏航约束方程，完成第三级滤波。设计了级联式间接卡尔曼滤波器结构，对于不同传感器同步和异步均适用，每一级更新都使得下一级的量测模型线性化更加精准。所用的测量传感器间交叉检验，有益于误差补偿与修正。在整个过程中本发明实现了GNSS速度矢量信息价值的最大化。

技术领域

本发明属于导航领域，具体涉及附有GNSS速度矢量辅助的MARG多传感器级联式车载姿态估计方法。

背景技术

近几十年来，随着自动驾驶技术需求的快速增长，获取准确可靠的车辆姿态(俯仰、滚转和偏航)变得非常重要。典型应用场景包括车辆导航和智能感知、移动卫星通信、车辆编队、车辆横向/稳定性控制系统等。随着微机电(Micro-Electro-Mechanical System,MEMS)技术的发展，MEMS陀螺仪与加速度计已被广泛应用于估计载体的姿态信息。然而，由于存在陀螺漂移与数值积分误差，往往需要其他的低成本传感器进行辅助，以抑制偏航累积误差。与惯性传感器集成在一起的最为常用的一种传感器是磁力计。这种集成设备也被称为MARG(magnetic,angular rate and gravity,MARG)传感器阵列。总体而言，使用MARG传感器进行车辆姿态估计仍然具有挑战性，特别是对于一些未知的应用场景，其间通常伴随内部或外部未建模的误差源，如运动加速度和磁场干扰。作为重要的补充，全球卫星导航系统(Global Navigation Satellite System,GNSS)速度能够给MARG姿态估计带来众多好处。然而，在GNSS和MARG传感器数据融合过程中仍存在一些关键问题：(1)传统GNSS辅助惯性传感器测姿主要通过构造多维惯导误差状态的卡尔曼滤波器同时估计载体位置、速度与姿态参数(PVA)，但该架构姿态信息可观性差，PVA环路误差耦合严重。(2)低成本传感器观测数据质量不高，平台计算资源受限，需建立高效、鲁棒的数据融合测姿架构；(3)目前GNSS速度信息在姿态估计中的使用过于简单，未能实现其价值的最大化。比如，采用一阶GNSS速度差分计算补偿加速度计观测与参考矢量对的外部加速度干扰项，其无法适应具有高阶动力学特性的载体测姿场景。又如将GNSS速度矢量所导出的欧拉角直接融合MARG的方式使得部分误差内在统计特性对姿态求解的影响缺失。而在GNSS弱信号场景下所输出的速度信息未经系统级的交叉检验反而极易导致MARG姿态解不稳定甚至发散。(4)当发生磁场干扰、载体机动、GNSS多路效应等复杂境况时，如何保障姿态估计融合算法的适应性与鲁棒性。

发明内容

针对上述问题，本发明提出一种附有GNSS速度矢量辅助的MARG多传感器级联式车载姿态估计方法。

本发明方法首先利用陀螺仪与加速度计检验GNSS速度，通过滑动递推窗口补偿运动加速度，在第一级滤波中融合陀螺仪与加速度计数据；然后利用GNSS速度检验磁力计模型中的磁场干扰，在第二级滤波中融合磁力计数据；最后建立GNSS速度观测矢量对方程，建立滚转/滚转-偏航约束方程，完成第三级滤波。设计了级联式间接卡尔曼滤波器结构，对于不同传感器同步和异步均适用，每一级更新都使得下一级的量测模型线性化更加精准。所用的测量传感器间交叉检验，有益于误差补偿与修正。在整个过程中本发明实现了GNSS速度矢量信息价值的最大化，主要表现在以下四个方面：(1)使用GNSS速度的滑动时间窗口提取运动加速度时变特征，从而精准补偿MARG系统模型中的外部加速度干扰项；(2)将车辆载体系与GNSS坐标系关联，形成GNSS速度观测矢量对，以实现与MARG多矢量对匹配测姿模型的统一；(3)利用GNSS速度矢量构造关联参数以实现磁场干扰的实时可靠检测；(4)GNSS速度矢量对模型用于车载姿态估计过程中的陀螺漂移与加速度计零偏误差的同步估计。

本发明的技术方案为：一种附有GNSS速度矢量辅助的车载姿态估计方法，包括以下步骤：