共查询到10条相似文献,搜索用时 343 毫秒
1.
2.
3.
4.
5.
6.
在车载全球卫星导航系统(global navigation satellite system,GNSS)/微机械系统(micro-electro mechanical system,MEMS)惯性测量单元(inertial measurement unit,IMU)组合导航滤波解算时,通常使用MEMS厂商标定的加速度计和陀螺仪的随机模型参数(简称为标称参数)。这些标称参数由传感器厂商在静止状态或通过实验室转台设备来测定,是否适用于运动状态下的组合导航滤波解算并获得最优的定位精度,需要进一步研究和评估。本文提出了一种运动状态下MEMS IMU随机误差的Allan方差分析方法,将不同精度等级的IMU安装在同一车载平台上同步采集观测数据,用高精度IMU观测数据提取车辆运动信息,然后从低精度MEMS IMU观测数据中剔除车辆运动信息得到类似静止的观测数据,进行Allan方差分析,获得运动状态下的MEMS随机模型参数,并将其应用于GNSS/惯性导航系统(inertial navigation system,INS)组合导航解算。试验结果表明,采用运动状态下标定的随机模型参数,组合导航的定位精度优... 相似文献
7.
目前,GNSS和IMU(惯性测量单元)传感器融合领域的快速发展,给高精度RTK定位带来了新的机遇。传统倾斜补偿的解决方案大多是使用磁力计和INS(惯性导航系统),对电磁干扰十分敏感并且需要现场校准,倾斜补偿的角度范围通常限制在15°以内。为了克服上述的缺点,徕卡GS18 GPS倾斜机使用基于工业级别微电子机械传感器MEMS的IMU来补偿测杆倾斜情况的位置改正。本文通过试验检验了徕卡GS18仪器在大角度倾斜和不同复杂环境下的定位精度,结果表明GS18倾斜机能较好实现倾斜补偿,在有信号遮挡等场景下仍能获得厘米级定位精度。 相似文献
8.
本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。 相似文献
9.
针对超宽带(UWB)在室内定位过程中受非视距环境影响易出现粗差以及微机电系统(MEMS)惯性测量单元(IMU)定位误差随时间快速发散的问题,该文提出了采用自适应卡尔曼滤波的UWB/MEMS IMU组合的室内定位方法,并通过自主完好性监测算法对UWB测距异常值进行剔除,将零速修正算法加入到组合定位系统中,抑制在UWB数据中断情况下MEMS IMU误差的发散。实验结果表明,在UWB存在中断的复杂室内环境下,UWB/MEMS IMU组合定位的平面定位精度在0.2 m以内,自主完好性监测与零速修正能有效地提高组合定位系统的精度与稳定性。 相似文献
10.
无线传感器网络技术环境应用进展 总被引:10,自引:0,他引:10
过去10年来,无线传感器网络迅速发展成一门应用技术。它是遥感技术的扩展。文章介绍近年无线传感器网络技术在环境应用中的进展。主要包括无线传感器网络技术在全球变化和生态研究、土壤环境、空气质量、水环境及水文、精准农业等领域的监测以及在目标跟踪方面的进展。总结无线传感器网络技术发展过程中的主要挑战,并对其未来环境应用中的重点发展方向进行了展望。 相似文献