一种分布式云RTK定位方法及系统与流程

本发明具体涉及一种分布式云RTK定位方法及系统。

背景技术：

RTK(Real Time Kinematic)技术是一种基于载波相位差份的实时动态定位技术，它是建立在实时处理两个测站载波相位观测量的基础上，提供指定坐标系中的3维定位结果，实时定位精度可以达到厘米级，并具有实时性好、速度快等优点。RTK的基本原理为，参考站与流动站同时接收卫星信号，参考站将观测数据(主要为载波相位、伪距)和参考站标准坐标位置通过数据链(调制解调器、电台或通信网络)传输给流动站，流动站利用软件通过差分计算，降低流动站的观测误差，测算出流动站与参考站之间的相对坐标，根据参考站的标准坐标，实现精密定位，定位精度可达厘米级。RTK技术广泛应用于室外高精度定位导航相关的行业，例如，测绘，驾考，智能控制，无人驾驶，无人机，遥感等。

RTK技术的核心在于考虑到参考站和流动站之间观测数据值具备相同的电离层误差、对流层误差和其它形式的公共误差，利用差分的方式消除公共误差，得到参考站与流动站之间载波相位的整周模糊度与实时相位差，进而实现高精度定位。然而，RTK技术对于参考站与流动站之间的距离有一定的限制。通常而言，参考站和流动站之间的距离不能超过20km，称之为短基线RTK。如果参考站与流动站之间的距离超过20km，则参考站和流动站具备的电离层和对流层误差的相关性会大大降低，从而使得实时定位精度大幅度降低。对于参考站与流动站之间的距离超过20km以上的RTK技术称之为长基线RTK。目前解决长基线RTK精密定位的关键技术为网络RTK技术。网络RTK技术的原理示意图如图1所示。首先，存在一个网络RTK数据中心，其利用多个参考站(CORS站)的观测数据生成不同位置下的虚拟参考站(VRS—Virtual Reference Station)并计算得到虚拟参考站的虚拟观测值，进而建立一个虚拟参考站和虚拟观测值的列表，并且通过收集所有RTK参考站的数据，实时更新虚拟参考站的虚拟参考值。其次，流动站通过粗定位(伪距单点定位)获取10米以内精度的定位结果，将其结果送给网络RTK数据中心，RTK数据中心根据其定位结果计算出对应的虚拟参考站的位置和观测值，并将相应的虚拟参考站的虚拟观测值传送给流动站。最后，流动站利用虚拟参考站的虚拟观测值与本站观测数据做差分，再利用常规的快速模糊度解算算法获取流动站与虚拟参考站的整周模糊度与实时相位差，进一步得到厘米级的定位结果。

然而，网络RTK存在一定的局限性。首先，需要建立一个RTK数据中心，数据中心与所有RTK参考站的位置需要考虑。RTK数据中心与参考站以及流动站之间能够确保实时通信，并且对通信速率有一定的要求。而在一些偏远地区，暂时没有移动通信网络或者当通信速率达不到RTK观测数据传输速率要求时，网络RTK技术就不能使用。其次，由于网络RTK技术主要针对长基线RTK存在问题提出的解决方案，因此，网络RTK技术无法通过短距离电台的方式实现，只能通过有线网络、无线蜂窝网络或者无线局域网的形式将参考站的观测信息通过internet网络汇总到网络RTK数据中心，观测数据存在一定的传输延迟和处理延迟，对于动态环境下的高精度定位有一定的局限性。最后，RTK数据中心需要维持庞大的虚拟参考站数据更新和流动站数据交互。并且，网络RTK技术算法的复杂度和虚拟参考观测值是随着流动站的数量的增加而增大，进而给数据中心服务器处理和通信网络传输带来极大的负担和压力。近年来，高精度卫星定位导航系统的应用从传统的测绘领域，延伸到了驾考，智能控制，无人驾驶，无人机，遥感等领域，从而导致高精度卫星导航终端(流动站)的数量在不断增加。不断增加的高精度卫星定位导航应用和定位终端使得网络RTK技术的弊端越来越明显。

技术实现要素：

本发明的目的之一在于提供一种定位精度高、能够实现以点及面的大规模定位解算、大规模应用时数据处理压力小的分布式云RTK定位方法。

本发明的目的之二在于提供一种应用所述分布式云RTK定位方法进行定位的系统。

本发明提供的这种分布式云RTK定位方法，包括如下步骤：

S1.选取固定参考站，设置固定参考站自身的高精度标准坐标位置；

S2.步骤S1选取的固定参考站实时观测并获取RTK技术所需的观测数据；

S3.固定参考站将步骤S1得到的高精度标准坐标位置发送给集中控制中心；

S4.集中控制中心分配固定参考站所属的云定位解算中心；

S5.固定参考站将步骤S2获取的观测数据和步骤S1获取的标准坐标位置发送给云定位解算中心；

S6.流动站对自身进行粗定位，并将得到的粗定位结果发送给集中控制中心；

S7.集中控制中心根据流动站发送的粗定位结果分配流动站所属的云定位解算中心；

S8.流动站获取RTK定位所需的观测数据，并将获取的观测数据发送所属的云定位解算中心；

S9.云定位解算中心根据流动站发送的观测数据解算得到流动站的粗定位结果；

S10.云定位解算中心根据步骤S9得到的流动站的粗定位结果，在候选参考站中选取流动站所匹配的基准参考站，并利用选取的基准参考站的观测数据和流动站的观测数据进行连续串行定位解算，得到流动站的精密定位结果并发送流动站。

所述的分布式云RTK定位方法还包括如下步骤：

S11.云定位解算中心将流动站粗定位结果发送集中控制中心，集中控制中心根据流动站的粗定位信息，判断流动站是否已经越过其当前所属的云定位解算中心的服务区域：若已经越过，则更新流动站所属的云定位解算中心，并将更新信息发送流动站更新前和更新后的云定位解算中心且命令相应的云定位解算中心更新相应的数据信息。

步骤S10所述的候选参考站包括固定参考站和虚拟即时参考站。

所述的分布式云RTK定位方法还包括如下步骤：

S12.云定位解算中心计算流动站的伪距残差和载波相位残差；

S13.云定位解算中心根据步骤S7得到的流动站的伪距残差和载波相位残差，判断所述流动站是否能够成为虚拟即时参考站：若能，则云定位解算中心将所述流动站升级为虚拟即时参考站，并作为其他流动站的候选参考站。

S14.当云定位解算中心连续M次对流动站的整周模糊度解算不成功，则云定位解算中心取消该流动站的虚拟即时参考站功能。

步骤S12所述的计算流动站的伪距残差和载波相位残差，具体为采用如下算式进行计算：

式中

其中，Δρ^c为伪距残差，Δρ^f为载波相位残差，第i颗卫星的每t个频点上的伪距观测值和载波相位观测值所对应的单点粗定位结果和精密定位结果分别为和站点的精确位置为(X^f,Y^f,Z^f)，第i颗卫星的位置为(Xⁱ,Yⁱ,Zⁱ)。

步骤S13所述的判断所述流动站是否能够成为虚拟即时参考站，具体为采用如下规则进行判断：

若流动站连续N次整周模糊度解算成功，并且每次解算的伪距残差值不大于2米，且载波相位残差值不大于2厘米，则流动站模式能够成为虚拟即时参考站；所述的N的取值越大，则定位精度越高。

所述的虚拟即时参考站所对应的N值越大，则虚拟即时参考站的等级越高。

所述的流动站所配对的虚拟即时参考站为等级比流动站的定位精度要求高的虚拟即时参考站。

所述的观测数据包括载波相位和伪距。

步骤S1所述的固定参考站的选取，具体为在已知精确位置的地点设置固定参考站，或者在任意位置设置固定参考站，并通过定位算法获取固定参考站的精确位置；且所述的固定参考站能够兼容现有的网络RTK技术中的CORS站。

所述的通过定位算法获取固定参考站的精确位置，具体为通过PPP精密单点定位算法长时间获取固定参考站的精确位置。

步骤S4所述的集中控制中心分配固定参考站所属的云定位解算中心，具体为集中控制中心将固定参考站分配给距离固定参考站距离最近的云定位解算中心。

步骤S7所述的集中控制中心分配流动站所属的云定位解算中心，具体为集中控制中心将流动站分配给距离流动站距离最近的云定位解算中心。

步骤S10所述的云定位解算中心选取候选参考站作为基准参考站，为采用如下规则进行选取：

流动站所配对的参考站h_j为式中argmin()为取最大值所在的索引，γ＝{h＝1,...,3,ΔD_j,h＜SD}；其中第h个参考站的精密位置为伪距残差和载波相位残差为和第j个流动站的粗定位位置为SD的取值与短基线RTK的精度的有关，SD取值越大则RTK定位精度越小。

本发明还提供了一种应用所述分布式云RTK定位方法进行定位的系统，包括一个集中控制中心、若干个云定位解算中心、若干个固定参考站、若干个流动站以及集中控制中心、云定位解算中心、固定参考站和流动站之间进行数据交互的链路；所述集中控制中心用于分配固定参考站所属的云定位解算中心、分配流动站所属的云定位解算中心以及对所述系统进行综合管理；所述云定位解算中心用于进行流动站的粗定位、选取流动站的基准参考站并对流动站进行精确定位、判断流动站能够成为虚拟即时参考站并为虚拟即时参考站划分等级；流动站为需要进行精确定位的流动站；固定参考站用于获取自身所在位置的精确位置，获取自身的观测数据并发送云定位解算中心，还用于与流动站进行匹配和辅助定位流动站的位置；所述流动站所对应的基准参考站包括固定参考站和虚拟即时参考站，所述虚拟即时参考站由流动站转换而来。

本发明提供的分布式云RTK定位方法及系统，所有流动站将观测数据发送到云端，云端通过本发明提供的连续串行定位解算方法为每一个流动站实现高精度位置定位，并将定位的位置信息回传给流动站。本发明设计一种虚拟即时参考站技术，通过对流动站多次定位解算结果判决该流动站是否能成为虚拟即时参考站，并利用其观测数据为其他流动站做差分定位解算服务，从而利用连续串行定位解算方法，实现以点及面的大规模定位解算能力。本发明提供的是一种基于云RTK技术，不需要进行大规模的集中式的CORS站网络建设，使用本发明提供云RTK技术的终端越多，网络的鲁棒性越强，有效地解决了网络RTK技术存在的关键问题，非常有利于高精度定位导航的大规模应用。

附图说明

图1为现有的网络RTK技术的原理示意图。

图2为本发明的分布式云RTK系统的工作示意图。

图3为本发明的定位方法流程图。

具体实施方式

如图2所示为发明的分布式云RTK系统的工作示意图：本发明提供的这种分布式云RTK系统，包括一个集中控制中心、若干个云定位解算中心、若干个固定参考站、若干个流动站以及集中控制中心、云定位解算中心、固定参考站和流动站之间进行数据交互的链路；所述集中控制中心用于分配固定参考站所属的云定位解算中心、分配流动站所属的云定位解算中心以及对所述系统进行综合管理；所述云定位解算中心用于进行流动站的粗定位、选取流动站的基准参考站并对流动站进行精确定位、判断流动站能够成为虚拟即时参考站并为虚拟即时参考站划分等级；流动站为需要进行精确定位的流动站；固定参考站用于获取自身所在位置的精确位置，获取自身的观测数据并发送云定位解算中心，还用于与流动站进行匹配和辅助定位流动站的位置；所述流动站所对应的基准参考站包括固定参考站和虚拟即时参考站，所述虚拟即时参考站由流动站转换而来。

如图3所示为本发明提供的这种分布式云RTK定位方法，包括如下步骤：

S1.选取固定参考站，设置固定参考站自身的高精度标准坐标位置，具体为在已知精确位置的地点设置固定参考站，或者在任意位置设置固定参考站，并通过PPP精密单点定位算法长时间获取固定参考站的精确位置；且所述的固定参考站能够兼容现有的网络RTK技术中的CORS站；

S2.步骤S1选取的固定参考站实时观测并获取RTK技术所需的观测数据(主要包括载波相位和伪距)；

S3.固定参考站将步骤S1得到的高精度标准坐标位置发送给集中控制中心；

S4.集中控制中心分配固定参考站所属的云定位解算中心；一种可选的方法为集中控制中心将固定参考站分配给距离固定参考站距离最近的云定位解算中心；

S5.固定参考站将步骤S2获取的观测数据(主要包括载波相位和伪距)和步骤S1获取的标准坐标位置发送给云定位解算中心；

S6.流动站对自身进行粗定位，并将得到的粗定位结果发送给集中控制中心；

S7.集中控制中心根据流动站发送的粗定位结果分配流动站所属的云定位解算中心；一种可选的实施方式为集中控制中心将流动站分配给距离流动站距离最近的云定位解算中心；

S8.流动站获取RTK定位所需的观测数据(主要包括载波相位和伪距)，并将获取的观测数据发送所属的云定位解算中心；

S9.云定位解算中心根据流动站发送的观测数据(主要包括载波相位和伪距)解算得到流动站的粗定位结果；

S10.云定位解算中心根据步骤S9得到的流动站的粗定位结果，在候选参考站(包括固定参考站和虚拟即时参考站)中选取流动站所匹配的基准参考站，为采用如下规则进行选取：

流动站所配对的参考站h_j为式中argmin()为取最大值所在的索引，γ＝{h＝1,...,3,ΔD_j,h＜SD}；其中第h个参考站的精密位置为伪距残差和载波相位残差为和第j个流动站的粗定位位置为SD的取值决定了短基线RTK的精度，SD取值过大会使得RTK定位精度下降甚至得不到解算结果；SD取值过小会导致可能不存在与当前流动站配对的参考站；一种可选的方式是，首先将SD设置为5km，若发现有参考站，则配对，若没有发现可以配对的参考站，再将SD增加5km，直到发现有配对的参考站为止，其中SD最多累加到20km；

在选取了基准参考站后，利用选取的基准参考站的观测数据和流动站的观测数据进行连续串行定位解算，得到流动站的精密定位结果并发送流动站；

S11.云定位解算中心将流动站粗定位结果发送集中控制中心，集中控制中心根据流动站的粗定位信息，判断流动站是否已经越过其当前所属的云定位解算中心的服务区域：若已经越过，则更新流动站所属的云定位解算中心，并将更新信息发送流动站更新前和更新后的云定位解算中心且命令相应的云定位解算中心更新相应的数据信息；

S12.云定位解算中心计算流动站的伪距残差和载波相位残差，具体为采用如下算式进行计算：

式中

其中，Δρ^c为伪距残差，Δρ^f为载波相位残差，第i颗卫星的每t个频点上的伪距观测值和载波相位观测值所对应的单点粗定位结果和精密定位结果分别为和站点的精确位置为(X^f,Y^f,Z^f)，第i颗卫星的位置为(Xⁱ,Yⁱ,Zⁱ)；

S13.云定位解算中心根据步骤S7得到的流动站的伪距残差和载波相位残差，判断所述流动站是否能够成为虚拟即时参考站：若能，则云定位解算中心将所述流动站升级为虚拟即时参考站，并作为其他流动站的候选参考站；

所述的判断所述流动站是否能够成为虚拟即时参考站，具体为采用如下规则进行判断：

若流动站连续N次整周模糊度解算成功，并且每次解算的伪距残差值不大于2米，且载波相位残差值不大于2厘米，则流动站模式能够成为虚拟即时参考站；所述的N的取值越大，则定位精度越高，虚拟即时参考站的等级也越高，且高等级的虚拟即时参考站可以为低等级需求的流动站服务，而低等级的虚拟即时参考站不能为高等级需求的流动站服务；N可取任意整数值；N取值过小，容易造成即时参考站的虚警误判，进而导致错误累积，使得改即时参考站所配对的流动站都产生定位错误，对整个RTK网络造成错误的蔓延式扩散；N取值过大，容易造成极少数流动站能成为虚拟即时参考站，使得该云RTK网络中可以使用的虚拟即时参考站过少；因此，N的取值根据不同的场景有不同的选择方式；例如，在无人机，无人驾驶环境下，需要亚米级定位精度环境下，N取值可以为100-200左右，假设1秒的更新频率，则流动站成为虚拟即时参考站需要经过2-3分钟的判决时间；在测绘环境下，需要厘米级定位精度，N的取值可以为1000-3000左右，假设1秒的更新频率，则流动站成为虚拟即时参考站需要经过20-60分钟左右的判决时间；

S14.当云定位解算中心连续M次对流动站的整周模糊度解算不成功，则云定位解算中心取消该流动站的虚拟即时参考站功能。