【多传感器融合定位1】惯导模型、内参标定、allan方差

最新推荐文章于 2024-08-10 11:37:38 发布

SzyuSxxm

最新推荐文章于 2024-08-10 11:37:38 发布

阅读量4.1k

点赞数 7

分类专栏：多传感器融合定位文章标签：自动驾驶算法定位人工智能

本文链接：https://blog.csdn.net/suzy419/article/details/117933467

版权

从今天开始，更一个系列，主要是记录这段时间用多传感器做组合定位的学习过程，其中包括惯导、GPS、轮速、lidar等传感器进行定位的方法，以及利用惯导做组合定位的方法，希望大家一起交流。如有问题，请大佬指正。

接下里是第一篇，惯导相关内容。

1.惯导简介

（1）原理

以下部分摘录深蓝课程：

机械陀螺

机械陀螺具有定轴性和进动性
1. 定轴性：高速运动的陀螺，陀螺的自传轴在惯性空间中指向保持稳定不变，指向固定的方向，同时反抗任何改变转轴的力量。
2. 进动性：当转子高速旋转时，若外力矩作用于外环轴，陀螺仪将绕内环轴转动；若外力矩作用于内环轴，陀螺仪将绕外环轴转动。其转动角速度方向与外力矩作用方向互相垂直。

激光陀螺&光纤陀螺

利用光的干涉效应，从棱镜中发射的两束光，如果陀螺相对于惯性空间没有运动，那么两光光程相等，如果有角速度，光程不相等时，会产生干涉。

光纤陀螺和激光陀螺同样利用sagnac效应，但是是利用光纤传输光信号。

MEMS陀螺

科里奥利力（Coriolis force，简称为科氏力），是对旋转体系（比如自传的地球，旋转的圆盘等）中进行直线运动的质点由于惯性相对于旋转体系产生的直线运动的偏移的一种描述。MEMS中的器件会做直线运动，当载体存在旋转时，会产生科氏力，从而可以计算角速度。

加速度计

当运载体相对惯性空间做加速度运动时，仪表壳体也随之做相对运动，质量块保持惯性，朝着与加速度方向相反的方向产生位移（拉伸或压缩弹簧）。当位移量达到一定值时，弹簧给出的力使质量块以同一加速度相对惯性空间做加速运动，加速度的大小与方向影响质量块相对位移的方向及拉伸量。

（2）误差组成

imu的误差分为随机误差和常值误差，随机误差具有随机性，常值误差常称为内参的误差，其包括常值bias和安装误差。

随机误差

分为陀螺议的随机误差和加速度计的随机误差，以下分别介绍：

量化噪声
1. 量化产生的噪声，数字传感器都会存在的噪声。由于AD采集是将连续的信号转换成离散的信号，所以存在误差，当采集的步长越长，量化噪声越大。
角度随机游走
1. 陀螺仪相关的随机游走误差
2. 由于角速度输出含有白噪声，白噪声积分后是一阶马尔可夫过程，也就是角度随机游走。
3. 单位为deg/√h，或deg/s/√hz ,后者是前者60倍
速度随机游走
1. 加速度计相关的随机游走误差
2. 单位为m/s/√h 或者ug/√hz，g=9.8m/s^2
3. 是加速度积分得到速度的过程中的一阶马尔可夫过程，也就是速度随机游走
角速率随机游走
1. 由于角加速度具有白噪声误差，积分后也会变成一阶马尔可夫过程，形成角速度随机游走。
加速度随机游走
1. 加速度计输出测量加速度的随机游走误差
零偏不稳定性
1. Bias，不是一个固定参数，在一个范围内随机漂移。其随时间变化缓慢，利用一个该来区间描述它落在这个区间的可能性，时间越长区间越大。
2. 陀螺议单位为deg/h，deg/s。加速度及单位为ug
3. 计算陀螺零偏不稳定性的方法是采集一段数据，去除趋势项，再计算均方差。那么显然采样时间越长，意味着平滑的数据长度长，得到的零偏稳定性数值也就越好。因此在评估精度时，采样时间也是要考量的参数之一。
  - 如果两个陀螺，指标相同，但是采样时间不同，采样时间越小的陀螺，稳定性越好
速率斜坡
1. 误差的趋势，趋势性误差
2. 随机误差，是指你无法用确定性模型去拟合并消除它，最多只能用概率模型去描述它，这样得到的预测结果也是概率性质的。
3. 趋势性误差，是可以直接拟合消除的，在陀螺里产生这种误差最常见的原因是温度引起零位变化，可以通过温补来消除
零偏重复性
1. 多次启动时，零偏不相等，因此会有一个重复性误差。在实际使用中，需要每次上电都重新估计一次。

常值误差

1. 常值bias，常称作零偏

2. 刻度系数误差

3.安装误差

误差模型

2. 标定

（1）allan方差

原理不过多展开，allan方差标定的是随机误差，标定一个数值大概知道陀螺的性能，给后续卡尔曼滤波作为一个参考，说大概，是因为卡尔曼滤波参数是需要根据经验值调教的。所以不用太拘泥与精确获取。组合导航的Kalman滤波噪声参数设置，主要有用的是角度随机游走系数（用于设置Q阵）和零偏不稳定性系数（用于设置一阶马氏过程的方差）。