论文部分内容阅读
随着无人驾驶技术的快速发展,精准、安全的无人驾驶技术需要精确、稳定的车辆运动方向参数,车辆姿态角描述了车辆在三维空间中的运动方向,在自动导航控制中起到关键性作用。近年来,无人导航系统对车辆姿态角的要求越来越高,尤其是在复杂运行环境中传统的GPS(Global Positioning System,全球定位系统)姿态测量系统和惯性导航系统(Inertial Navigation System,INS)已经无法满足应用需求。此外,虽然GPS姿态测量系统具有精度高、成本低的特点,但存在易受遮挡环境影响、更新频率低等缺陷,惯性传感器虽然短时精度高,动态性能好,但存在累计漂移误差。针对以上问题,本文基于GPS姿态测量平台,研究了一种由微机电系统(Microelectro Mechanical Systems,MEMS)传感器辅助车辆姿态角测量方法,并针对复杂环境下车载测姿进行了误差消除算法研究,提高了复杂环境下车辆姿态角测量的精度和稳定性。首先,针对复杂环境车载测姿结果存在不稳定、误差大等问题,分析了复杂环境车载测姿存在的误差特性,提出了使用自适应抗差Kalman算法和MEMS辅助GPS姿态测量算法来消除误差。设计了基于GPS单差整周模糊度的自适应抗差卡尔曼滤波器来消除观测模型误差和运动随机误差。研究了基于MEMS的误差消除算法,利用MEMS测姿结果辅助浮点解固定,提高了复杂环境车辆姿态角测量可靠性和稳定性。其次,基于扩展卡尔曼滤波进行了GPS/MEMS组合测姿技术研究,首先建立了松组合测姿模型,选择MEMS测量姿态角误差和传感器误差构建状态方程,使用GPS测姿结果和加速度计测量值为测量方程,进行卡尔曼滤波更新,得到松组合姿态角。此外,推导了伪距双差和伪距率差分方程作为紧组合滤波器测量方程,使用MEMS和GPS噪声误差作为状态方程进行紧组合姿态角最优估计,提高了组合测姿系统的稳定性。最后,在硬件和软件上进行了算法实现工作,设计了硬件和软件系统架构,介绍了算法流程和程序设计方案。并且搭建了实验平台进行算法测试,分别进行了误差消除算法测试和组合测姿算法测试,测试结果表明在直线、转弯和遮挡环境中,本文研究的GPS/MEMS组合车载测姿技术有效地提高了车辆姿态角求解可靠性和稳定性。