组合导航相关技术（概念版）

重要说明：本文从网上资料整理而来，仅记录博主学习相关知识点的过程，侵删。

一、参考资料

b站视频：武汉大学研究生组合导航课程合集【2022年春】

资料下载：组合导航算法讲义

二、知识储备

1. 滤波器

滤波，是指从混合在一起的诸多信号中，提取出所需的信号的过程。滤波器必须知道待处理（待分离）信号的明显特征（如模型）。

信号中夹杂这噪声，需要通过滤波器进行过滤，分离出有用的信号。例如，滤波器估计信号s，需要预先知道信号s和噪声n的统计特性：

• 如果s为低频信号，而n为高频噪声，那么设计相应的低通滤波，可以过滤掉噪声n，分析出信号s；
• 必须知道信号s的特性。

2. 互补滤波

如上图所示，$S+n_1$ 表示惯导的信号和定位误差，$S+n_2$ 表示GPS的信号和定位误差。其中，$n_1$ 是一个逐渐积累的、缓慢增加的、无限发散的误差，$n_1$ 连续且可靠；$n_2$ 是一个随机的（上下左右乱跳）、稳定的（例如一直保持米级的误差）误差，不随时间发散，$n_2$ 不可靠，容易被物体遮挡。这两个误差有很强的互补性，可以通过互补滤波进行消除。

3. 惯性导航中的卡尔曼滤波思想

三、组合导航相关介绍

1. 组合导航的定义

1.1 广义定义

组合导航的广义定义，是指任何两种及以上导航定位手段的组合。主要包括：

• 交汇定位：GNSS、Loran；
• 推算导航：INS、里程推算；
• 匹配定位：地形、视觉、道路、地磁/重力匹配。

1.2 侠义定义

组合导航的侠义定义，是指至少含有一种推算导航手段。主要包括：

• GNSS/INS；
• GNSS/车载DR；
• 早期航海、航空；
• 生物/人类导航。

2. GNSS/INS组合导航分类

根据信息融合深度不同，GNSS和INS组合方式分为：松组合、紧组合和深组合。

2.1 松组合

INS惯性导航和GNSS导航，都有独立输出，都能独立定位。

2.2 紧组合

以惯性导航为主角，GNSS导航输出辅助信息，GNSS导航不能独立定位，当INS惯性导航崩溃，则整个导航系统崩溃。

2.3 深组合

2.4 松组合vs紧组合

	松组合	紧组合
复杂度	松	高
可靠性	高	低
计算负担	低	高
所需最小卫星数	大于4	小于4
粗差探测能力	弱	强

四、视觉惯性组合导航

1. 引言

随着无人机、无人车以及移动机器人的井喷式发展，导航技术成为了制约无人平台广泛应用的瓶颈技术之一。在应用需求的牵引下，视觉惯性组合导航技术，特别是视觉与微惯性传感器的组合，逐渐发展成为当前自主导航及机器人领域的研究热点。

2. 优点

1.　微惯性器件和视觉传感器具有体积小、成本低的优点，随着制造技术的不断进步，器件越来越小，且成本越来越低；
2.　不同于卫星和无线电导航，视觉和惯性导航均不依赖外部设施支撑，可以实现自主导航；
3.　惯性器件和视觉器件具有很好的互补性，惯性导航误差随时间累积，但是在短时间内可以很好地跟踪载体快速运动，保证短时间的导航精度；而视觉导航在低速运动中具有很高的估计精度，且引入了视觉闭环矫正，可以极大地抑制组合导航误差，两者的组合可以更好地估计导航参数。

3. 分类

视觉惯性组合导航算法，主要可以分为两大类：基于模型的视觉惯性组合导航技术和基于机器学习的视觉惯性组合导航技术。基于模型的视觉惯性组合导航技术通用结构示意图，如下图所示：

基于机器学习的视觉惯性组合导航技术通用结构示意图，如下图所示：

五、相关经验

KF-GINS

github仓库：An EKF-Based GNSS/INS Integrated Navigation System