本文介绍了在双天线可用时，如何在卡尔曼滤波基础上实现GNSS/INS紧耦合的多传感器融合策略。通过更新R矩阵、H矩阵和Z量测，考虑姿态信息，并利用双天线数据得到的航向角信息，实现了对车辆姿态、速度和位置的精确估计。同时，文中提到了静止状态下的ZARU（Zero angular rate update）策略，用于在静止时校准陀螺仪零偏。
这里展示双天线可用时，如何在原卡尔曼滤波上做变形，也就是我们常说的多传感器融合策略。
参考代码在这里：
TightlyCoupledINSGNSS/TC_KF_Epoch.m at master · benzenemo/TightlyCoupledINSGNSSgithub.com
卡尔曼滤波中，以INS为核心。INS的机械编排顺序为 １． 根据陀螺仪增量更新姿态；
２． 根据姿态，转换加速度应力到导航坐标系；
３． 新速度等于前一时刻速度和加速度乘以时间；
４． 位置等于前一时刻位置加速度乘以时间；
ECEF下机械编排
INS，作为一种航位推算方法，需要准确的前一时刻位置，速度，姿态，和自身陀螺仪加速度计零偏信息。卡尔曼滤波中把这五个量设为估计值。
最低0.47元/天 解锁文章
扫一扫
879
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
