适用于弱GNSS信号条件的POS数据纠偏方法与流程

本发明属于位置和姿态测量系统(Position and Orientation System，简称：POS)数据处理技术领域，具体涉及一种适用于弱GNSS信号条件下的POS数据纠偏方法。

背景技术：

POS集GNSS(Global Navigation Satellite System，全球卫星导航系统)技术和惯性导航(Inertial Navigation System)技术于一体，将GNSS技术的长期高精度性能特性与惯性导航技术的短期高精度相结合的组合导航定位系统，能很好地弥补两种技术的缺陷，形成性能互补。

然而，城市中高楼林立，GNSS信号受到严重遮挡，无法提供具有稳定精度的定位信息，组合导航解算无法提供高精度的姿态、位置和速度等信息的精度也会受到影响。因此，在弱GNSS信号条件下，需要一种技术，能够降低对GNSS定位结果的依赖，保持POS系统能够连续输出可靠的姿态、位置和速度等信息。

技术实现要素：

为了解决上述的技术问题，本发明提供一种适用于弱GNSS信号条件下的高精度POS数据纠偏方法。

本发明采用的技术方案提供一种适用于弱GNSS信号条件的POS数据纠偏方法，引入第三方测量信息，对POS数据处理结果进行误差纠正，包括获取外部纠正信息过程和应用外部纠正信息过程；所述第三方测量信息为影像或者激光数据；

所述获取外部纠正信息过程包括以下步骤，

第一步，准备数据，包括GNSS数据、IMU数据以及影像或者激光数据；

第二步，执行GNSS/IMU数据融合和反向平滑，获得GNSS/IMU融合平滑相应的POS结果信息；

第三步，偏心量和偏心角赋值，第一次赋初始值，迭代解算时根据前一次执行第五步测得的偏差值进行修正；

第四步，将第二步获得的POS结果结合第三步的偏心量和偏心角应用于影像或者激光数据的直接地理参考，获得初始的影像或激光数据的线元素和角元素信息；

第五步，利用影像或激光数据进行已知控制点量测，计算得到量测坐标与已知坐标间的偏差；

第六步，根据第五步的偏差值判断偏心量和偏心角的精度是否满足要求，如果不满足要求，返回第三步，否则进入第七步；

第七步，输出影像或激光数据相对于POS系统的偏心量和偏心角；

所述应用外部纠正信息过程包括以下步骤，

第一步，准备数据，包括GNSS数据、IMU数据以及影像或者激光数据；

第二步，进行GNSS事后差分解算，获得的GNSS解算结果包括位置、速度和协方差；

第三步，利用IMU数据进行捷联惯导初始对准以及姿态解算，获得惯导解算结果；

第四步，利用第二步的GNSS解算结果、第三步的惯导解算结果和纠正反馈参数进行卡尔曼滤波解算，获得融合平滑后的POS结果；所述纠正反馈参数第一次为空，迭代时为上一次执行第六步得到的量测坐标与已知坐标间的偏差序列；

第五步，将第四步获得的POS结果结合获取外部纠正信息过程所得偏心量和偏心角应用于影像或者激光数据的直接地理参考，获得影像或激光数据的线元素和角元素信息；

第六步，利用影像或激光数据进行已知控制点量测，计算得到量测坐标与已知坐标间的偏差；

第七步，根据第六步的偏差值判断POS结果的精度是否满足要求，如果不满足要求，返回第四步；如果满足要求，进入第八步；

第八步，输出符合精度要求的POS结果信息。

而且，获取外部纠正信息过程第三步中对偏心量和偏心角赋值时，第一次赋初始值的实现方式为，将相机或激光与IMU安装的相对关系相应设计值作为初始值。

而且，获取外部纠正信息过程中，偏心量和偏心角的精度根据偏差值的大小判断，偏差值的阈值根据工程精度要求预设。

而且，应用外部纠正信息过程中，POS结果的精度根据偏差值的大小判断，偏差值的阈值根据工程精度要求预设。

本发明提供的一种高精度POS数据处理和纠偏技术，适用于弱GNSS信号条件下，GNSS定位结果长期不可靠，POS导航解算结果精度较差，通过引入第三方纠偏改正信息，提高POS导航结果的精度满足工程应用的需求，解决了弱GNSS信号下POS高精度定位的难题。

附图说明

图1是本发明实施例的POS/任务载荷偏心量、偏心角标校算法流程图。

图2是本发明实施例的基于外部纠正信息输入的GNSS/IMU组合设计图。

具体实施方式

以下结合附图和实施例对本发明技术方案进行具体描述。

在弱GNSS信号条件下，引入第三方(如：CCD影像、激光等)测量信息，对POS数据处理结果进行误差纠正，从而减弱GNSS长期定位误差较大对组合导航结果精度的影响，实现高精度姿态、位置和速度等信息的输出。

POS系统主要组成部分有GNSS接收机和IMU设备。其中GNSS接收机接收定位数据，IMU提供设备瞬间的速度、加速度和方向信息，然后通过采用卡尔曼滤波技术实现数据的融合。POS系统充分发挥GNSS和INS各自的优点，可用于获取运动物体的空间位置和姿态信息，可与车载移动测图系统、框幅式航摄仪、数码航空相机、机载激光扫描仪、机载雷达成像系统以及多/高光谱扫描仪等集成使用。车载条件下，GNSS受到信号干扰、遮挡情况相比航空条件要复杂的多，车载弱GNSS信号情况是本发明主要讨论的应用场景。

实施例的具体实现包括以下四个部分：

1)GNSS/IMU数据融合

GNSS/IMU组合方式中，原始GNSS测量信息(包括伪距，多普勒信息和载波相位信息)先通过GNSS卡尔曼滤波器进行位置和速度解算，然后再将解算的位置和速度信息传递到IMU卡尔曼滤波器中。需要注意的是，GNSS卡尔曼滤波估计的协方差阵也要一起传递到IMU卡尔曼滤波器中，这一信息作为观测噪声信息被利用。

具体实施时，可参见文献[1]严恭敏.捷联惯导算法及车载组合导航系统研究[D].西北工业大学,2004.为便于实施参考，介绍实现过程如下：

a)系统状态方程的建立

(1)导航信息误差模型

系统采用线性卡尔曼滤波器，此时取惯性仪表的安装误差，刻度系数误差和随机误差等作为状态,建立位置、速度和姿态误差方程。

(2)陀螺漂移误差模型

陀螺白噪声的积分为角度随机游走，将陀螺的零偏和比例因子建模成一阶高斯马尔科夫过程。

(3)加速度计误差模型

加速度计白噪声的积分为速度随机游走，将加速度计的零偏和比例因子建模成一阶高斯马尔科夫过程。

b)系统的量测方程

GNSS/IMU松组合方式中系统的量测信息为位置和速度，参考文献[1]得到卡尔曼滤波的系统量测方程。

惯导算法设计完成后，基于大量实测数据，针对组合导航性能优化卡尔曼滤波器参数，实现滤波的稳定可靠。

2)反向平滑

具体实施时，可参见文献[2]苗岳旺.SINS/GPS组合导航数据处理方法研究[D].解放军信息工程大学,2013.

事后数据集成处理与实时GNSS/IMU组合算法相比，有以下优势：

a)可以利用全体数据，而不只是被估计点之前的数据；

b)不再受到计算资源和时间的限制；

c)可以有人工干预。

充分利用上述优势能够进一步显著提高数据后处理的精度和可靠性。

实施例采用RTS(Rauch-Tung-Striebel)算法，它是一种固定时间间隔平滑算法，能够综合利用所有时段的量测信息对状态量进行最大似然估计。GNSS/IMU紧组合系统在后处理过程中采用RTS平滑算法可以提高导航定位精度，特别是GNSS信号失锁的情况。高精度定位定姿(POS)事后集成软件可采用RTS平滑方法将GNSS数据和IMU数据进行集成处理，从而得到高精度任务载荷的位置姿态信息。

RTS平滑过程可以分成两步，第一步的就是卡尔曼滤波器的作用，但是每次系统的状态量都是变化的，状态量及其方差协方差阵要保存下来。如果是卡尔曼滤波器进行时间更新，那么状态量与转移矩阵也要保存下来，如果卡尔曼滤波器进行量测更新，则不需要保存量测信息，因为RTS平滑中用不到此信息。

第二步，利用第一步保存的数据，进行反向平滑算法，即通过最大似然方法估计新系统的状态量。

卡尔曼滤波器中首先利用惯导数据得到状态信息的预测值，当有GNSS数据更新时，卡尔曼滤波器进行量测更新计算得到改正的状态信息。如果GNSS更新率太低，就会导致卡尔曼滤波的预测值误差逐渐发散，所以卡尔曼滤波方法存在不连续性。RTS平滑可以通过加权的方法尽量保持其连续性，并保证结果的平滑性。

3)获取外部纠正信息

车载移动测图系统搭载CCD(电荷耦合器件)相机或者激光设备，POS组合解算的结果为GNSS中心的位置、姿态和速度信息，经过偏心量、偏心角转换为载荷的摄影中心。实际应用中，需根据预先标校的偏心量、偏心角，将POS结果转换为载荷摄影中心的结果，实施例中流程如图1所示。

第一步，准备数据，包括GNSS数据、IMU数据以及影像或者激光数据；

第二步，执行前文1)GNSS/IMU数据融合和2)反向平滑的内容，获得GNSS/IMU融合平滑的位置、姿态、速度等POS结果信息；

第三步，偏心量和偏心角赋值(第一次赋初始值，根据相机或激光与IMU安装的相对关系，可获得偏心量和偏心角，一般设计有安装工装，可将设计值作为初始值；迭代解算时根据前一次执行第五步测得的偏差值进行修正，偏差值是由于偏心量和偏心角存在误差引起的，原理同后方交会，因此可以进行相应修正)；

第四步，将第二步获得的POS结果结合第三步的偏心量和偏心角应用于影像或者激光数据的直接地理参考，获得初始的影像或激光数据的线元素和角元素信息；

地理参考为现有技术，本发明不予赘述；

第五步，利用影像或激光数据进行已知控制点量测，计算得到量测坐标与已知坐标间的偏差，获得需要的偏差值；

具体实施时，立体像对进行前方交会测量是摄影测量经常用到的，已是成熟技术，本发明不予赘述；激光进行地理参考后，每一个点都有坐标，可直接获取，量测坐标与已知坐标作差就得到偏差值；

第六步，根据第五步的偏差值判断偏心量和偏心角的精度是否满足要求，如果不满足要求，返回第三步，重复第三步至第五步；否则进入第七步；

具体实施时，偏心量和偏心角的精度是根据偏差值的大小判断的；偏差值的阈值可由工程精度要求预设，当然前提是需配套同精度等级POS设备，例如工程精度要求为0.5米，若第五步测量的偏差值小于0.5米，则认为偏心量和偏心角已经满足要求；

第七步，输出影像或激光数据相对于POS系统的偏心量和偏心角。

车载移动测图中，GNSS的相位中心、IMU的几何中心和相机/激光的投影中心不重合，需要建立检校场，用于系统误差的校正。在检校场中，选取跑车路线两侧的若干控制点，确保可通过CCD/激光进行控制点量测，与GNSS/IMU系统获取的含有偏心角以及线元素分量偏移值的各观测量进行多次迭代运算，求出偏心角、偏心量值。这样就可以利用解算所得参数对跑车采集的其他工程进行校正，以获得更高精度的外方位元素。

对于GNSS信号较差的车载工程，GNSS/IMU组合解算结果误差较大，不能满足测图要求，后期可在工程GNSS信号较差的路段每隔一段距离布设控制点。通过影像/激光对控制点进行测量，测图点坐标与已知控制点坐标之间存在差异，它们之间的差值考虑偏心量和偏心角后，可用于POS结果的纠偏改正。

其他航摄、机载等情况下标校偏心量、偏心角，获取纠正信息的情况相同。

4)应用外部纠正信息过程

通过影像/激光第三方载荷设备量测已知控制点，获得测图结果与已知控制点之间的差值，考虑偏心量和偏心角的影响后，直接应用于对定位结果的修正。

实施例中，基于纠偏改正信息的GNSS/IMU组合流程见图2。

第一步，准备数据，包括GNSS数据、IMU数据以及影像或者激光数据；

第二步，进行GNSS事后差分解算，获得位置、速度、协方差等信息，获得GNSS解算结果；具体实现为现有技术，本发明不予赘述；

第三步，利用IMU数据进行捷联惯导初始对准以及姿态解算，获得惯导解算结果；具体实现为现有技术，本发明不予赘述；

第四步，利用第二步的GNSS解算结果、第三步的惯导解算结果和纠正反馈参数(第一次为空，迭代时为上一次执行第六步得到的量测坐标与已知坐标间的偏差序列)进行GNSS/IMU/纠正参数卡尔曼滤波解算，获得融合平滑后的位置、姿态、速度等POS结果信息；

具体实施时，当前迭代可由纠偏反馈参数(上一次执行第六步所得偏差序列)修正对应时刻的GNSS解算结果，根据纠偏值的大小调整位置量测误差方差阵信息，后续可参照1)GNSS/IMU数据融合部分；

偏差序列为量测点与已知控制点的坐标偏差，其大小一定程度上反映纠偏参数的精度，例如一条偏差记录对应时刻的滤波位置方差可设置为偏差值除以2，结果小于0.05时取0.05，单位为m。

第五步，将第四步获得的POS结果结合3)获取外部纠正信息过程所得的偏心量和偏心角应用于影像或者激光数据的直接地理参考，获得影像或激光数据的线元素和角元素信息；

第六步，利用影像或激光数据进行已知控制点量测，计算得到量测坐标与已知坐标间的偏差；

具体实施时，立体像对进行前方交会测量是摄影测量经常用到的，已是成熟技术，本发明不予赘述；激光进行地理参考后，每一个点都有坐标，可直接获取，量测坐标与已知坐标作差就得到偏差值；

用于纠偏的已知控制点为多个，且参与测量的影像或激光具有时间信息，因此可获得偏差序列。

第七步，根据第六步的偏差值判断POS结果的精度是否满足要求，如果不满足要求，返回第四步，重复第四步至第六步；如果满足要求，进入第八步；

具体实施时，POS结果的精度是由偏差值的大小判断的；偏差值的阈值是由工程精度要求决定的，当然前提是需配套同精度等级POS设备；例如工程精度要求为0.5米，若第五步测量的偏差值小于0.5米，则认为POS结果的精度已经满足要求；

第八步，输出符合精度要求的位置、姿态等POS结果信息。

由图2可知，本发明的技术方案中，除了GNSS解算和惯导解算的信息进入卡尔曼滤波外，还加入影像或激光测量控制点获取的纠偏改正参数，适当调整修正点的位置量测误差方差阵，实现三类传感器数据的融合。

利用新生成的导航结果进行影像/激光地理参考，通过量测参与和未参与纠偏的控制点作为检核，判断纠偏效果是否满足工程应用需求。若测量误差变小，尚未达到要求，重复第四步至第六步到满足要求为止。

以上内容是结合实施例对本发明所做的进一步详细说明，不能认定本发明的具体实施只限于这些说明。本领域的技术人员应该理解，在不脱离由所附权利要求书限定的情况下，可以在细节上进行各种修改，都应当视为属于本发明的保护范围。