openlayers根据坐标定位_车辆定位技术概述

1.IMU导航原理及误差

1.1.IMU定位原理

IMU 纯惯性元件位姿估计原理为首先将测量的角速度积分推算姿态,根据姿态信息将测量的加速度投影到导航坐标系,进而对投影后的加速度去除重力后进行积分推算位置。

a216361ef8fee34b7a7d2ba488947f52.png

图1 MEMS/IMU捷联式惯性导航系统(INS)的结构框图

1.2.IMU误差及处理技术

不同于航空航天领域所使用的激光陀螺、光纤陀螺等惯性元件,车用领域采用的低成本MEMS (Micro-electromechanical Systems)惯性传感器,其测量误差较大。如0.01m/s^2沿车辆侧向的加速度偏置误差,匀速直线行驶20秒即可产生2米偏差,而标准为3.75米车道,则定位结果已经偏离当前车道。同时在无姿态修正下0.01°/s的角速度偏差30秒即可产生10米的误差,如下图所示。

0ad9ab4cf16cad64da24c5b6bef21680.png

图2 无约束修正的纯积分误差影响

影响IMU惯性器件精度的误差主要可以分为确定性误差和随机误差,在误差影响中其中位置误差与角速度传感器积分时间三次方正相关、与加速度传感器积分时间平方成正相关,同时由于IMU所用航位推算算法为积分运算,需要位置、速度和姿态初值,这些初值直接影响到后面积分运算结果,所以需要考虑初始对准导致的误差。

A.确定性误差

确定性误差,又称为系统误差,是惯性器件主要的误差源,主要有零偏、刻度因数误差和交叉耦合项误差等,误差处理方法主要有两种:一类是在实际工艺中,主要靠改进惯性仪表设计工艺来提高惯性器件的精度;第二类通常为传感器标定技术的补偿修正,其中加速度计、陀螺组件测量误差会建模为:

a71ed33dcf9485df30bf95a68728cabb.png

B.随机误差

随机误差对惯性导航系统的精度有很大的影响,一般随机误差统计规律,通常采用滤波算法处理补偿或一阶马尔可夫过程对陀螺随机漂移误差和加速度计随机漂移误差进行建模,式中最后一项分别为陀螺仪和加速度计误差的高斯白噪声。

a71ed33dcf9485df30bf95a68728cabb.png

C.初始对准误差

8fea6294127fbb20f7f1eb001354e3e4.png

1.3.IMU总结

358651b5d87d20a3832d14bac53f5f13.png

2.GNSS定位及误差分析

2.1.GNSS定位原理

1c7cf32d391fa7f7364bbc9f9523d47f.png
bd6dbd944ccaa27fcb1a2df4e49eddeb.png
7c6a35bfbb3b06c0ce02390f766fb69e.png

图3 相对定位原理及分类

2.2.GNSS姿态测量原理

c2d51866f36c9830757515ace6c20388.png

2.3.GNSS误差及处理

d57fa7d593ab2f57a874e373b3ea950e.png

表1 NovAtel SPAN-CPT在GNSS中断下的精度

b3751de7c160d44b58b81537a21e465b.png
4d21943e82095962d9a97be802e24a38.png

2.4.GNSS概述

f09bc30620f8d508fb090330092b304f.png

3 .轮速定位及误差

3.1.轮速定位原理

a246f9ed515be185591d4a561c6f85c1.png

3.2.轮速定位误差

193f5ce78e6475638cf2a0fc31d62c0e.png

4.激光雷达定位

0fac204acb7c79aa372566d8e0b2d386.png

4.1.激光定位原理

0ead3f55ce34877c91cdae642c3c8228.png
0429714c46570756805468c9f1bfe330.png

图5 测距原理

通过测量点的扫描距离和垂直角及水平角,在激光雷达坐标系中可以得到其坐标:

aa8d849c14fbff1a8da1582ae951a1d6.png

通过车身坐标系与激光雷达坐标系的转换可以得到车身坐标系下得坐标:

b7cf393e8c419ac118f14795e1f99850.png

4.2.激光雷达误差处理

a0247e4541b70f03cd3a2c3299e7fdaf.png

5.视觉定位及误差处理

5.1.视觉定位原理

9162e945a47871fcae78b0f9ea760554.png

5.2.视觉定位误差来源

556d7ba4306c21641c696a6d860d0117.png

6.地图匹配算法

6.1.地图匹配原理

8e9d538ebfc2414fc56fea8471046191.png

6.2.地图匹配算法

5e1878f838815127cc5a963d3f132f8d.png

6.3.地图匹配概述

cb5e53010aa86e4a3332cebe2a7de30f.png

7.总结

984d7f3c1960dd52916a63015c2a2748.png

表2 定位传感器特性对比

ee0fecd175668bc2ebb44913b420f79a.png
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实现根据坐标进行地图标注可以通过 `ol.Feature` 和 `ol.source.Vector` 来实现。下面是一个简单的示例代码: ```javascript var iconFeature = new ol.Feature({ geometry: new ol.geom.Point(ol.proj.fromLonLat([116.3975, 39.9082])), name: '北京天安门广场' }); var iconStyle = new ol.style.Style({ image: new ol.style.Icon({ anchor: [0.5, 46], anchorXUnits: 'fraction', anchorYUnits: 'pixels', src: 'https://openlayers.org/en/latest/examples/data/icon.png' }) }); iconFeature.setStyle(iconStyle); var vectorSource = new ol.source.Vector({ features: [iconFeature] }); var vectorLayer = new ol.layer.Vector({ source: vectorSource }); var map = new ol.Map({ layers: [ new ol.layer.Tile({ source: new ol.source.OSM() }), vectorLayer ], target: 'map', view: new ol.View({ center: ol.proj.fromLonLat([116.3975, 39.9082]), zoom: 10 }) }); ``` 其中,`ol.Feature` 表示一个要素对象,可以包含几何信息和属性信息;`ol.source.Vector` 是数据源,可以包含多个要素对象;`ol.layer.Vector` 是图层对象,用于显示数据源中的要素对象。 在上面的示例代码中,创建了一个 `ol.Feature` 对象,并指定它的几何信息为 `ol.geom.Point` 类型,坐标为 `[116.3975, 39.9082]`,表示北京天安门广场的经纬度坐标。然后创建了一个 `ol.style.Icon` 类型的图标样式,并将其设置为 `ol.Feature` 对象的样式。接着将 `ol.Feature` 对象添加到 `ol.source.Vector` 数据源中,最后将 `ol.source.Vector` 添加到 `ol.layer.Vector` 图层中,并将图层添加到地图中即可。 需要注意的是,需要将经纬度坐标转换为地图坐标。在上面的示例代码中,使用了 `ol.proj.fromLonLat` 方法进行坐标转换。
评论
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
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