排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
车载轮速里程计(ODO)辅助卫星/惯性(GNSS/INS)组合导航时需要先进行惯性传感器(IMU)与ODO的空间对齐,而传统GNSS辅助IMU/ODO参数在线标定时未考虑GNSS时延与ODO时延对标定的影响,这对于无法实现硬件时间同步而需要即插即用的车载导航应用而言,考虑不够全面。因此,提出了一种面向即插即用车载GNSS/INS/ODO系统的时空在线标定方法。该方法在传统GNSS辅助IMU/ODO参数估计模型的基础上,增广了GNSS与ODO的时延误差,分析了两种时延对IMU/ODO参数在线标定的影响,推导并构建了完整的GNSS与ODO观测模型,采用卡尔曼滤波器对GNSS时延、ODO时延以及IMU与ODO之间的参数进行估计。实际测试结果表明,该方法可以有效提高IMU/ODO在线标定的精度。 相似文献
2.
研究了利用线性卡尔曼滤波实现准静基座捷联惯导大失准角初始对准的问题。根据李群理论,如果系统模型具有仿射性,则其对应的线性误差模型是独立于状态估计值的,同时可以从该线性模型精确反推出李群上的非线性状态误差。分析指出,准静基座条件下捷联惯导姿态微分方程满足仿射性条件,其对应的姿态误差方程是独立于姿态估计值的。但是,如果将速度考虑进状态,则整体的状态模型不再满足仿射条件,无论是基于SO(3)+R3还是SE(3)姿态描述,所对应的状态误差方程都不能做到独立于状态估计值。基于上述分析,直接对SO(3)+R3状态描述下的速度误差方程进行改造,用重力矢量直接替换比力项,从而构造出独立于状态估计值的状态转移矩阵。仿真实验结果表明,利用所构造的线性状态空间模型,即使在大失准角条件下也能快速收敛到极限对准精度;车载晃动实验结果表明,利用所构造的线性状态空间模型,在大失准角条件下同样能够快速地跟上小失准角条件下的线性卡尔曼滤波对准结果。 相似文献
1