惯性导航仿真数据（二）

本文对惯性导航真值生成工具Aceinna生成的数据进行分析。

一、轨迹生成

1. 初始点的选择
   在配置文件中，填写经纬度，然后使用经纬度转换WGS84莫卡拖坐标，得到米制单位：

def lla2ecef(lla):
    '''
    [Lat Lon Alt] position to xyz position
    Args:
        lla: [Lat, Lon, Alt], [rad, rad, meter], numpy array of size (3,)
    return:
        WGS-84 position, [x, y, z], [m, m, m], numpy array of size (3,)
    '''
    sl = math.sin(lla[0])
    cl = math.cos(lla[0])
    sl_sqr = sl * sl

    r = Re / math.sqrt(1.0 - E_SQR*sl_sqr)
    rho = (r + lla[2]) * cl
    x = rho * math.cos(lla[1])
    y = rho * math.sin(lla[1])
    z = (r*(1.0-E_SQR) + lla[2]) * sl
    return np.array([x, y, z])

以上代码中：

x = rho * math.cos(lla[1])
y = rho * math.sin(lla[1])

说明x=y的条件是$cos(lla[1])==sin(lla[1])$这显然是有问题的。
根据实验结果，该函数有些问题。相关参考如下：

• 在线转换
• 使用proj4库函数转换：

from pyproj import Proj, transform
print(transform(Proj(init='epsg:4326'), Proj(init='epsg:3857'), 0.0, 0.0))  # longitude first, latitude second.
# output (meters east of 0, meters north of 0): (-14314.651244750548, 6711665.883938471)

二、使用仿真数据积分

分为两步：

• 生成数据：代码
• 使用积分计算：代码

1. 使用没有误差加速度与角速度积分结果：（代码）
   从图2可以看出，获得的积分结果与真实一致。
2. 使用包含有噪声的结果（mid-accuracy）
   可以看出测量的加速度有噪声，估计出来的轨迹远端重合度低于无噪声情况。
3. 使用包含有噪声的结果（low-accuracy）
   在该例中，我们使用了加速度的噪声：$bias=[1.0e-1,1.0e-1,1.0e-1]$