RTKLIB专题学习(六)---单点定位应用(二)

RTKLIB专题学习(六)—单点定位应用(二)
上一篇RTKLIB专题学习(六)—单点定位应用(一)我们使用最小二乘以及抗差最小二乘对单点定位进行定位效果分析,发现在存在粗差情况下,抗差最小二乘可以获得更加可靠、准确的结果

那么,今天这篇博文,我们来看一下,将卡尔曼滤波应用到单点定位中,会是怎样的结果

首先为了便于理解,先放上卡尔曼滤波的基本流程:
在这里插入图片描述
在这里插入图片描述
也要说一下卡尔曼滤波在单点定位中相对于最小二乘的优点:
在这里插入图片描述
我们直接用实测站的单点定位来分析最小二乘和卡尔曼滤波的定位效果:
WLS(加权最小二乘)
在这里插入图片描述
卡尔曼滤波(KF)
在这里插入图片描述
两者定位误差曲线对比:
在这里插入图片描述
两者定位点分布对比:
KF
在这里插入图片描述
LS
在这里插入图片描述

两者定位精度对比:
在这里插入图片描述
从上面结果可以看出,在单点定位中引入卡尔曼滤波确实能够有效提升精度啦!

  • 2
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 10
    评论
大地测量计算工具集 【软件功能】 该软件共包含近20项常用大地测量专业计算功能,部分项目功能含多个功能子项。 1)不同坐标形式转换 大地坐标与空间直角坐标的互换;空间直角坐标与正交椭球面坐标的互换;空间直角坐标与站心切平面坐标系的互换;大地坐标、空间直角坐标与球坐标的互换;高斯投影正反算与邻带换算;通用墨卡托投影正反算等。 2)不同坐标系转换 布尔莎模型七参数的求解(最小乘法、抗差最小乘法);不同坐标系转换;仿射变换参数求解;仿射变换计算。 3)参考椭球基本常数计算 由椭球基本几何常数计算其他几何常数,计算第一、第辅助函数;计算卯酉圈、子午圈曲率半径;计算任意曲率半径和平均曲率半径;由椭球基本定义参数(4个)计算其他所有几何常数和物理常数。 4)参考框架变换 同一框架不同历元之间的变换;转换参数历元处不同框架间站速变换;转换参数历元处不同框架之间的坐标变换;历元速度坐标综合变换等。 5)大地问题解算 大地问题正反算,支持贝塞尔方法、高斯平均引数方法和韦森特方法。 6)距离归算 地面斜距归算至参考椭球面;椭球面边长投影至高斯平面;由两点位置计算各类大地方位角和各类边长。 工程控制网长度变形评估,支持标准3度带、任意投影、抵偿面投影、抵偿面任意投影等变形评估类型;支持测区四至信息加载;可以计算最大变形量,并进行限差审核。 7)控制网平差计算 水准网平差,支持最小乘、粗差探测、自由网平差和拟稳平差; 三角高程网平差,支持最小乘、粗差探测; GPS网平差,支持GAMIT和TGO基线解算结果转换;支持最小乘、粗差探测、自由网平差和拟稳平差。 8)IGS观测数据与精密星历下载 支持精密星历、精密钟差、导航星历和原始观测文件的下载、解压和格式转换;支持多天多站下载模式;支持多线程下载;支持站点列表文件导入; 9)GNSS观测数据质量检查 支持GPS和GLONASS观测文件和星历;支持高度角设定;支持摘要生成;含有HOR图、IOD、ION、MP1、MP2、SN1、SN2图形的生成,支持按卫星编号绘图。 10)RTK定位结果精度分析 可应用单点多历元各类XYZ坐标类型的点位精度分析,支持外部精度分析和内部精度评估;支持坐标转换;支持三维精度、平面精度的计算;支持数据剔除原则设定。 11)GNSS水准高程拟合 支持移动曲面法(含平面、次曲面、加权平均法);支持整体拟合法(平面、次曲面、三次曲面);支持EGM96和EGM2008;支持按不同地区不同点位分布情况进行算法优选与评估;支持似大地水准面模型文件的转换与生成;支持离散点批量水准拟合插值计算。 12)时间标示法变换 历书时、儒略日、GPS时、年积日等之间的转换;GNSS观测文件与星历文件名称计算。 13)图幅编号计算 由点位计算所在图幅号;由图幅号计算图幅范围;支持传统图幅编号和标准图幅编号;地形图图幅编码计算,由点位获得国标图幅编号和地形图幅编号,由图幅范围计算地形图幅集合。 14)…… 拟加入的功能: (1)水平网概算与平差。 (2)精密单点定位计算。 (3)GPS网型测前精度评估。 (4)GNSS星历预报。 (5)…… 【使用方法】 软件无广告、无注册码、无病毒、无任何功能限制,所有用户手中的软件和作者自己使用的软件是一样的。
RTKLIB是一款开源的GNSS(全球导航卫星系统)软件包,它提供了一系列用于实时或后处理GNSS数据的功能和算法。卡尔曼滤波是RTKLIB中一个重要的功能,用于提高GNSS定位的精度和稳定性。 卡尔曼滤波是一种递归的估计算法,通过利用系统的状态方程和测量方程,对系统的状态进行预测和更新。在RTKLIB中,卡尔曼滤波主要用于解决GNSS定位中的模糊度问题。 在GNSS测量中,接收机接收到的信号是由卫星发射的信号经过大气层等环境的影响后到达接收机的。这些影响会导致接收机接收到的信号在相位上存在不确定性,也就是所谓的模糊度。模糊度的存在会降低定位的精度和稳定性。 卡尔曼滤波通过利用历史观测数据和先验信息,对模糊度进行预测和更新,从而减小模糊度的影响。具体操作上,RTKLIB会根据接收机观测到的信号相位和伪距数据,通过卡尔曼滤波算法估计出系统的状态,包括位置、速度以及模糊度等。然后使用估计的系统状态进行定位计算,得到更加精确和稳定的位置解。 需要注意的是,卡尔曼滤波需要准确的初始状态和观测数据,同时也对系统的数学模型要求较高。因此,在使用RTKLIB的卡尔曼滤波功能时,需要注意选择合适的测量模型和参数设置,以获得最佳的定位结果。 总之,RTKLIB的卡尔曼滤波功能是解决GNSS模糊度问题的关键步骤,通过优化模糊度估计,提高了GNSS定位的精度和稳定性。这一功能在实时或后处理的GNSS定位应用中发挥着重要作用。
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

十八与她

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值