技术特征：
1.一种基于ckf算法的gps/bds和sins融合的无人配送车导航定位方法，收集无人配送车上的gps/bds接收机和惯性测量单元中的数据，将惯性测量单元搜集到的数据用sins解算出位置、速度、姿态角、姿态转移矩阵等信息以及gps/bds输出的位置、速度信息同时输入到ckf滤波器中；具体实施步骤如下：步骤1：收集无人配送车上的gps/bds接收机和惯性测量单元中的数据，将imu搜集到的数据用sins解算出位置、速度、姿态的信息；真实地理位置l,λ,h，真实的速度记作sins解算出来的位置信息l
s
,λ
s
,h
s
,速度信息v
es
,v
ns
,v
us
，姿态角φ
es
,φ
ns
,φ
us
；gps/bds测量出的位置信息l
gb
,λ
gb
,h
gb
，速度信息v
egb
、v
ngb
、v
ugb
；步骤2：建立sins和gps/dbs紧组合的系统状态误差方程；步骤3：建立sins和gps/bds量测方程；步骤4：将步骤2和步骤3所构建的状态误差方程和量测方程带入ckf算法，得出系统状态的最优估计值；步骤5：设置阈值判断gps/bds有无数据信号；当有信号时将测量出的定位结果对sins解算中存在的累计误差进行矫正，当gps/bds没有信号时，则用sins解算出来的定位结果对gps/bds进行补偿修正；取e＝|z
k-x
k|k-1
|，其鉴别范围为：其中z
k
为实际观测值，x
k|k-1
为状态预测值，th为误差阈值，将e与所设阈值进行比较；步骤6：对ckf算法得出sins与gps/bds输出的信息进行滤波、融合，得到导航参数的最优估计并修正速度信息，位置信息以及捷联姿态矩阵，以得到精确的导航信息。2.根据权利要求1所述的一种基于ckf算法的gps/bds和sins融合的无人配送车导航定位方法，其特征在于：步骤2所述的建立sins和gps/dbs紧组合的系统状态误差方程，其具体操作方式如下：步骤2.1：建立sins的状态误差方程；记：姿态角误差为：φ＝[φ
u φ
e φ
n
]
t
；速度误差为：位置误差为：δp＝[δl δλ δh]
t
；b
gx
、b
gy
、b
gz
为三轴陀螺的常值误差；b
ax
、b
ay
、b
az
三轴加速度的随机误差；w
gx
、w
gy
、w
gz
为载体坐标系下陀螺的噪声；w
ax
、w
ay
、w
az
为载体坐标系下加速度计的噪声；设：sins的状态方程为：x
s
(t)＝f
s
(t)x
s
(t)+g
s
(t)w
s
(t)；状态量取为：w
s
(t)＝[w
gx
,w
gy
,w
gz
,w
ax
,w
ay
,w
az
]
t
；则：非线性误差模型如下：
其中，ε
b
＝[b
gx b
gy b
gz
]为b系下三轴陀螺的常值误差，为b系下三轴陀螺的随机误差为零均值白噪声过程，
▽
b
为b系下三轴加速度常值误差，为n系下三轴加速度的随机误差为零均值白噪声过程，f
b
为加速度计的实际输出，分别为解算出的旋转角速度、地球旋转角速度和解算出的数学平台相对于地球的旋转角速度；r
n
、r
e
分别为当地子午圈、卯酉圈曲率半径；步骤2.2：建立gps/bds状态误差方程；其状态误差方程可表示为：x
gb
(t)＝f
gb
(t)x
gb
(t)+g
gb
(t)w
gb
(t)；式中，δt
gps
、δt
bds
、δt
ru
分别为gps钟差、北斗钟差、等效距离误差；w
tu
、w
tru
为白噪声；步骤2.3：组合步骤2.1和步骤2.2得到的sins和gps/bds的状态误差方程，得到最终的系统状态误差方程：即，3.根据权利要求1所述的一种基于ckf算法的gps/bds和sins融合的无人配送车导航定位方法，其特征在于：步骤3所述的建立sins和gps/bds量测方程，其具体操作方式如下：首先分别得到sins和gps/bds所对应的第i个卫星的伪距、伪距率的量测方程，然后进行组合得到最终的量测方程；步骤3.1：建立sins和gps/bds伪距量测方程：设：sins输出的位置信息为(x
s
,y
s
,z
s
),gps/bds的位置坐标为：(x
gb
,y
gb
,z
gb
)；第i颗卫星的位置为(x
i
,y
i
,z
i
)，通过伪距量测方程和泰勒展开式分析得出：sins解算位置位于第i个卫星的伪距通式为ρ
si
＝r
i
+e
i1
δx+e
i2
δy+e
i3
δz；同理，gps/bds的伪距通式为ρ
gb
＝r
i-δt
bds-δt
gps-v
ρ
；其中v
ρ
为量测噪声；由上述两式可以得到最终的伪距量测方程：z
ρs
(t)＝h
ρs
(t)x(t)+v
ρs
(t)；步骤3.2：建立sins和gps/bds伪距率量测方程：伪距率指的是，sins和gps/bds分别结算出来的位置与真实位置(x,y,z)与第i颗卫星之间距离的变化率，其公式分别为：
则：伪距率量测方程为：步骤3.3：建立sins和gps/bds伪距、伪距率组合量测方程：将步骤3.1和3.2中的伪距量测方程和伪距率量测方程组合起来得到整体的量测方程；即，z
ρ
(t)＝h
ρ
(t)x(t)+v
ρ
(t)。4.根据权利要求1所述的一种基于ckf算法的gps/bds和sins融合的无人配送车导航定位方法，其特征在于：步骤4所述的将步骤2和步骤3所构建的状态误差方程和量测方程带入ckf算法，得出系统状态的最优估计值，其具体操作方式如下：将步骤2.3和步骤3.3所构建的状态误差方程和量测方程带入ckf算法，得出系统状态的最优估计值；ckf滤波器中的系统状态误差方程和量测方程：式中x
k
为17维状态向量,且各分量独立,服从高斯分布；z
k
为5维观测向量；ω
k-1
和v
k
分别为过程噪声和量测噪声，均值为0。5.根据权利要求1所述的一种基于ckf算法的gps/bds和sins融合的无人配送车导航定位方法，其特征在于：步骤5所述的设置阈值(th)判断gps/bds有无数据信号,其具体实现方法为：对得出的sins解算出来的位置信息l
s
,λ
s
,h
s
,速度信息v
es
,v
ns
,v
us
，姿态φ
es
,φ
ns
,φ
us
对其矫正后为：当gps/bds没有信号时，将sins矫正过的位置、速度信息对gps/bds的状态值进行修正；当gps/bds接收机有信号时，将测量出的位置信息l
gb
,λ
gb
,h
gb
,速度信息v
egb
、v
ngb
、v
ugb
对其矫正后为：将矫正后的信息对sins进行修正，消除累计误差。
技术总结
本发明公开了一种基于CKF算法的GPS/BDS和SINS融合的无人配送车导航定位方法，先收集无人配送车上的GPS/BDS接收机和惯性测量单元中的数据，将IMU搜集到的数据用SINS解算出位置、速度、姿态的信息；再建立SINS和GPS/DBS紧组合的系统误差状态方程；然后建立SINS和GPS/BDS量测方程；将构建的系统状态误差方程和SINS和GPS/BDS量测方程带入CKF算法，得出系统状态的最优估计值；设置阈值判断GPS/BDS有无数据信号，当有信号时将测量出的定位结果对SINS解算中存在的累计误差进行矫正，当没有信号时，则用SINS解算出来的定位结果对GPS/BDS进行补偿修正；最后对CKF算法得出SINS与GPS/BDS输出的信息进行滤波、融合，得到导航参数的最优估计并修正速度信息，位置信息以及捷联姿态矩阵，以得到精确的导航信息。以得到精确的导航信息。以得到精确的导航信息。
技术研发人员：张青春 周玲 吴峥 王刚 孟凡东 文张源 张洪源
受保护的技术使用者：淮阴工学院
技术研发日：2022.03.31
技术公布日：2022/6/28