自動駕駛技術已經(jīng)為人類生活提供諸多便利,如降低交通事故發(fā)生率,提高出行效率,減少園區(qū)作業(yè)中的人工成本等。其中,定位技術是自動駕駛技術中非常重要的一環(huán),其關系到車輛位姿的正確判定,是路徑規(guī)劃、車輛控制等過程的重要基礎和前提,因此保證定位的精度和穩(wěn)定性是至關重要的。目前自動駕駛車輛定位主要依靠的是全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS,Global Navigation Satellite System）和慣性導航系統(tǒng)（INS,Inertial Navigation System）,二者融合可以實現(xiàn)多數(shù)情況下對自動駕駛汽車可靠定位,但是仍然存在兩個重要問題:1)GNSS信號由于數(shù)據(jù)處理、數(shù)據(jù)傳輸會引入時延;2)GNSS信號處于遮擋區(qū)域時無法輸出位置信息,而僅靠慣性導航會產(chǎn)生較大誤差。本文構建了GNSS/INS組合導航算法,利用延時估計和補償算法解決了其中存在的延時問題,同時構建了視覺-慣性里程計解決GNSS信號的遮擋問題。具體展開了以下研究:首先,本文根據(jù)慣性導航的基本原理完成了慣性導航算法推導及解算,該算法是構建GNSS/INS組合導航系統(tǒng)的重要基礎。同時,推導了用于慣性傳感器與視覺融合的IMU（I... 

【文章來源】：上海交通大學上海市211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：108 頁

【學位級別】：碩士

【部分圖文】：

描述了橫滾角、俯仰角和航向角的定義，藍色的箭頭表示角度為正時的

GNSS/INS組合導航定位第37頁差分基準站Fig.3-1Differentialreferencestation圖3-1是在實驗過程中架設的RTK地基差分系統(tǒng)，該系統(tǒng)主要包括GNSS接收機、發(fā)射電臺、發(fā)射支架、接收電臺四個部分組成。GNSS接收機采用的是美國天寶公司生產(chǎn)的BD982板卡，可以支持多個衛(wèi)星導航定位系統(tǒng)，支持多種頻率，接口也很豐富，該接收機需要充當基準站的角色，因此要事先接上位機將其配置為基準站模式。發(fā)射電臺與基準站連接，用于發(fā)送基準站傳出的修正信息，發(fā)射功率選擇的越大，覆蓋的范圍就會越廣，其頻道設置要與接收電臺相同。發(fā)射天線負責信號的發(fā)送，其架設應該選擇在空曠的高地，空曠的高地可以使減少信號阻隔。接收電臺裝載到自動駕駛汽車上，與車輛上的GNSS接收機相連，用于接收無線電信號。這種差分系統(tǒng)為電臺差分，通過電臺收發(fā)信號，還可以采用網(wǎng)絡差分的形式，工作原理與電臺差分一致，信號由電臺傳輸變?yōu)榫W(wǎng)絡傳輸，可以加大信號的傳輸范圍。3.3慣性導航誤差模型GNSS與INS融合的目的實際上是利用GNSS的信息對INS進行誤差校正，這一過程要對INS的誤差有一個合理估計，并將估計的誤差反饋，因此對INS的誤差正確建模十分重要。根據(jù)圖2-1描述的慣性算法流程，需要估計的誤差主要包括姿態(tài)誤差、速度誤差和位置誤差，除此以外，還要對加速度計和陀螺儀零偏做出估算。

上海交通大學碩士學位論文第42頁kk1k1k1kkkkxxQyHxR（3-14）其中1=,tkkeFHH，t為采樣時間間隔，Q為過程噪聲協(xié)方差矩陣，R是測量噪聲協(xié)方差矩陣。在離散化之后，第k步的狀態(tài)值就可以由第k-1步狀態(tài)值估計得到�？柭鼮V波算法框圖Fig.3-2Kalmanfilteralgorithmblockdiagram如圖3-2，卡爾曼濾波的核心算法步驟由以下幾步構成：（1）根據(jù)上一步的狀態(tài)值和誤差協(xié)方差矩陣預測本步的狀態(tài)值和誤差協(xié)方差矩陣。|111kkkkxx（3-15）|11111TkkkkkkPPQ（3-16）（2）計算卡爾曼增益，卡爾曼增益決定了估計值和測量值之間的權重分配關系，是很重要的環(huán)節(jié)。1|1|1TTkkkkkkkkkKPHHPHR（3-17）

【參考文獻】：
期刊論文
[1]基于穩(wěn)健特征點的立體視覺測程法[J]. 閔海根,趙祥模,徐志剛,張立成,王潤民.  上海交通大學學報. 2017(07)
[2]無人車自主定位和障礙物感知的視覺主導多傳感器融合方法（英文）[J]. Jian-ru XUE,Di WANG,Shao-yi DU,Di-xiao CUI,Yong HUANG,Nan-ning ZHENG.  Frontiers of Information Technology & Electronic Engineering. 2017(01)
[3]高動態(tài)GPS/INS組合導航中時間延遲軟硬件補償算法研究[J]. 杜瑾,李杰,羅丹瑤,鄒坤,楊雁宇.  傳感技術學報. 2016(12)
[4]GPS/INS緊耦合系統(tǒng)提高GPS失鎖后解算精度的方法[J]. 洪海斌,郭杭,滕長勝,徐運廣.  測繪科學. 2015(01)
[5]Cubature卡爾曼濾波與Unscented卡爾曼濾波估計精度比較[J]. 孫楓,唐李軍.  控制與決策. 2013(02)
[6]基于ANFIS神經(jīng)網(wǎng)絡的GPS/INS組合導航信息融合[J]. 劉卓凡,楊凱,王加詳,劉玉廣.  計算機測量與控制. 2012(08)
[7]MEMS慣性器件誤差系數(shù)的Allan方差分析方法[J]. 趙思浩,陸明泉,馮振明.  中國科學:物理學 力學 天文學. 2010(05)
[8]一種單目視覺測距方法的研究[J]. 王小坤,賈慶軒,譚勝.  科技信息(學術研究). 2008(34)
[9]北斗衛(wèi)星定位算法研究[J]. 廉保旺,趙楠,王永生.  西北工業(yè)大學學報. 2007(01)

博士論文
[1]GNSS兼容與互操作總體技術研究[D]. 劉衛(wèi).上海交通大學 2011

碩士論文
[1]基于高精細地圖的GPS導航方法研究[D]. 賀勇.上海交通大學 2015
[2]載波相位差分動態(tài)定位的方法研究[D]. 王成.長安大學 2010



本文編號：3612102