牟文杰, 叶凌云
(浙江大学 生物医学工程与仪器科学学院,浙江 杭州 310027)
基于多传感器融合的车载航位推算系统
牟文杰, 叶凌云
(浙江大学 生物医学工程与仪器科学学院,浙江 杭州 310027)
针对传统车载航位推算(DR)系统单独导航时导航误差随时间迅速累积的问题,提出一种基于多传感器信息融合的低成本车载DR系统。以无迹卡尔曼滤波器(UKF)作为数据融合算法,综合利用里程计、陀螺、加速度计、磁力计和气压计等多种传感器的信息,抑制DR系统的累积误差,以低成本、低精度的传感器实现高精度导航。通过实际的长达12 min的道路导航试验,结果表明:导航误差小于总航程的1 %,与传统DR系统相比有较大的精度提升。
航位推算; 多传感器; 无迹卡尔曼滤波; 车载导航
为降低车载DR系统导航误差随时间增长的速度,本文提出一种基于多传感器信息融合的3D车载DR系统,以无迹卡尔曼滤波器(unscented Kalman filter,UKF)作为数据融合算法,综合利用里程计、陀螺、加速度计、磁力计和气压计等多种传感器的信息,抑制车载DR系统导航误差的累积,以低成本、低精度的传感器实现高精度导航。
本文提出的DR系统由里程计、单轴陀螺、双轴加速度计、三轴磁力计和气压计等传感器组成,如图1所示。双轴加速度计水平安装,分别感知x轴和y轴方向的加速度,用于计算车辆的水平姿态,包括俯仰角和横滚角。陀螺敏感轴与z轴平行,用于计算航向角。三轴磁力计分别沿x,y,z轴安装,感知地磁场方向,结合水平姿态角,同样可求得航向角。由陀螺积分得到的航向角短期精度高,但误差随时间不断累积,而磁力计计算得到的航向角误差随时间相对稳定,融合两者的信息以得到短期和长期高精度的航向角。里程计安装在车辆轮胎上,输出的脉冲信息可计算车辆的前向速度(即沿y轴方向的速度)。利用3D姿态信息(水平姿态和航向角信息),将里程计测得的前向速度投影到东北天导航坐标系中,得到3D速度信息(东向、北向和天向速度),然后积分得到3D位置信息(纬度、经度和高度)。气压计测得大气气压值可推算出高度,进而修正高度误差。
图1 车载DR系统的传感器安装示意图
由于车载DR系统为非线性系统,采用UKF作为数据融合算法,原理如图2所示。UKF由状态方程和量程方程描述[7,8]
(1)
式中xk为系统状态量,uk为控制输入量,zk为观测量,wk和ηk分别为系统噪声和观测噪声。
下面详细推导了UKF的离散状态方程和量测方程。
图2 多传感器数据融合算法的原理框图
2.1 离散状态方程
由表4可知,2012~2016年间该院患者住院费用总结构变动度为12.36%,年均结构变动度为3.09%。将该时间范围内的住院费用相关数据分为4个区间后进行统计分析可发现,其中2015~2016年的费用结构变动度为9.23%,较其他年份剧烈且明显高于年均结构变动度。
于是,UKF的离散状态方程(DR系统的非线性运动模型)建立如下
(2)
(3)
2.2 量测方程
当DR系统单独导航时,利用磁力计计算得到的航向角和气压计计算得到的高度作为观测量,量测方程建立如下
(4)
(5)
(6)
UKF算法的更新过程在文献[6,7]中已有详细描述,这里就不再重复描述。
为验证本文提出的车载DR系统的导航性能,进行了实际道路导航实验。路线为绕杭州黄龙体育中心周围一圈,历时760 s,总里程约为4 km。实验中采用的传感器均为低成本、低精度的传感器。实验中,采集各传感器的数据,并在Matlab中进行仿真后处理。由GPS提供DR系统初始位置,并以GPS轨迹作为参考,分别利用本文提出的基于多传感器信息融合的DR算法和文献[5]提出的DR算法(以下称作传统DR)进行导航,结果如图3所示。
图3 导航轨迹图
图3中的实线为本文提出的DR系统的导航轨迹,可以看出与GPS轨迹(虚线)基本重合;点划线为传统DR导航轨迹,可以看出导航轨迹随时间不断偏离真实轨迹。位置误差如图4所示,本文提出的DR系统在整个导航过程中位置误差随时间缓慢漂移,最大误差约为30 m,小于总航程的1 %;而传统DR的位置误差随时间迅速累积,最大误差达到200 m。同时,高度方向由于有气压计的修正,本文提出的DR的高度误差约为传统DR的50 %。
图4 DR系统的位置误差
进一步分析DR系统的航向角误差,如图5所示。可以看出:传统DR的航向角误差随时间呈线性增长,经过760 s后,航向角误差达到30°;本文提出的DR输出的航向角由于有磁力计的修正,与GPS估算出的航向角之间的误差保持在5°之内,且误差不随时间累积。
图5 DR系统的航向角误差
综上所述,本文提出的DR系统相对于传统DR系统,主要优势在于综合利用多种传感器的信息,能有效抑制累积误差,使3D速度误差、3D姿态误差和高度误差不随时间积累,位置误差随时间的积累缓慢,从而维持较长时间的高精度导航。
针对车载DR系统单独导航时导航误差迅速累积的问题,提出了一种基于多传感器信息融合的车载DR系统。以UKF作为数据融合算法,综合利用里程计、陀螺、加速度计、磁力计和气压计等多种传感器的信息,有效抑制了DR系统的累积误差。实验结果表明:位置误差小于总航程的1 %,与传统DR系统相比,导航误差随时间积累速度慢,能保持更长时间的高精度导航。本文提出的3D车载DR系统成本低、实现容易,能够作为GPS失效期间有效的导航方式。
[1] 沈雪松,刘建业,孙永荣,等.基于多传感器信息融合城市车辆导航定位[J].传感器与微系统,2006,25(1):85-88.
[2] 金亮良,何文涛,徐建华,等.一种低成本GPS/DR组合导航系统设计[J].计算机工程,2012,38(18):228-230.
[3] 常 青,郑平方.车载GPS/DR组合导航系统数据融合算法研究[J].通信学报,2000,21(2):42-48.
[4] Baird W H.An introduction to inertial navigation[J].American Journal of Physics,2009,77(9):844-847.
[5] Noureldin A,Karamat T B,Georgy J.Fundamentals of inertial navigation,satellite-based positioning and their integration[M].Berlin:Springer,2013.
[6] Julier Simon J,Uhlmann Jeffrey K.Unscented filtering and nonli-near estimation[J].Proceedings of the IEEE,2004,92(3):401-422.
[7] Wan E A,Van der Merwe R.The unscented Kalman filter for nonlinear estimation[C]∥Adaptive Systems for Signal Proce-ssing,Communications,and Control Symposium,(AS-SPCC),IEEE,2000:153-158.
Vehicular DR system based on multi-sensor fusion
MOU Wen-jie, YE Ling-yun
(College of Biomedical Engineering & Instrument Science,Zhejiang University,Hangzhou 310027,China)
Aiming at problem that navigation errors of traditional vehicular dead reckoning (DR) are accumulated rapidly with time,a low-cost vehicular DR system based on multi-sensor fusion is proposed.Use unscented Kalman filter(UKF) as data fusion algorithm,information from multiple sensors,including odometer,gyroscope,accelerometer,magnetometer and barometer,are fused to restrain accumulated errors of DR system,realize high-precise navigation using low cost,low precision sensor.Through real road navigation experiment for 12 min,result shows that navigation error is less than 1 % of the total distance,the precision is hight improved compared with traditional DR system.
dead reckoning (DR); multi-sensor; UKF; vehicular navigation
10.13873/J.1000—9787(2015)01—0094—03
2014—05—15
V 249.32
A
1000—9787(2015)01—0094—03
牟文杰(1989-),男,浙江绍兴人,硕士研究生,主要从事GPS/DR组合导航算法研究。