NOTE / 2021/12/4

[SINS] 高精度捷联惯导初始对准

SLAM技术笔记SLAMVIO传感器融合

最近了解了一些高精捷联惯导的知识,在此做一些总结。 因为自己刚接触这个领域,可能会有不少差错,欢迎指正。

高精陀螺可以敏感到地球自转速度[ ∼15∘/h\sim15^\circ / h ],而加计可以测量地球重力。因此,在静止条件下,高精IMU不需要外部辅助,就可以完全确定自身姿态,实现初始对准。

静基座粗对准

当地当导航系[ENU系]下,地球的重力为

gn=[00−g]\bf{g}^n = \left[ \begin{matrix} 0\\ 0 \\ -g\end{matrix}\right] \\

地球自转角速度为:

ωien=[0ωiecosLωiesinL]\bf{\omega}^n_{ie} = \left[ \begin{matrix} 0 \\ \omega_{ie} cos L\\ \omega_{ie} sinL \end{matrix}\right] \\

式中, ωie\omega_{ie} 为地球自转角速率,约为 15.041067∘/h15.041067 ^\circ/h 。 LL 为地理纬度。

下面列出惯导角速度测量关系和比力方程:

Cbnωibb=ωibn=ωien+ωenn+ωnbnvn˙=Cbnfsfb−2(ωien+ωenn)×vn+gn\mathbf{C}^n_b {\omega}^b_{ib} = \omega^n_{ib} = \omega^n_{ie} + \omega^n_{en}+\omega^n_{nb} \\ \dot{\mathbf v^n} =\mathbf C^n_b \mathbf{f}^b_{sf} - 2(\omega^n_{ie} + \omega^n_{en})\times \mathbf {v}^n + \mathbf{g}^n \\

静基座条件下,加速度、速度近似为0, ωien+ωenn\omega^n_{ie} + \omega^n_{en} 非常小,做了若干近似后,可得:

C∼bnω∼ibb=ωienC∼bnf∼sfb=−gn\overset{\sim}{\mathbf C}^n_b \overset{\sim}{\omega}^b_{ib}= \omega^n_{ie} \\ \overset{\sim}{\mathbf C}^n_b \overset{\sim}{\mathbf{f}}^b_{sf} = -\mathbf{g}^n \\

联立这两个方程,可以解得姿态矩阵:

C^bn=[−(f~sfb×ω~ibb)T/∣f~sfb×ω~ibb∣(f~sfb×ω~ibb×f~sfb)T/∣f~sfb×ω~ibb×f~sfb∣(f~sfb)T/∣f~sfb∣]\hat{\mathbf{C}}^n_b = \left[\begin{matrix} -(\tilde{f}^b_{sf} \times \tilde{\omega}^b_{ib})^T/|\tilde{f}^b_{sf} \times \tilde{\omega}^b_{ib}| \\ (\tilde{f}^b_{sf} \times \tilde{\omega}^b_{ib} \times \tilde{f}^b_{sf} )^T / |\tilde{f}^b_{sf} \times \tilde{\omega}^b_{ib} \times \tilde{f}^b_{sf}| \\ (\tilde{f}^b_{sf} )^T/ |\tilde{f}^b_{sf}| \end{matrix}\right] \\

可以看出,姿态矩阵实际上并不存在地理位置项。

实验测试

严恭敏老师开源了一套高精度组合惯导算法。他的网站上提供了一些高精度惯导数据,我们就用上面的一组数据进行试验。

一组光纤惯组SPANISA跑车测试-高精度捷联惯导算法

这组数据是用的是novatel 100C光纤惯组采集,开始和结尾的时候各有一段静止的数据,并且这组数据还提供了IE后解算结果,可以作为我们真值,来看一下静态对准的精度。

开始位置

yaw [degree]

pitch [degree]

roll [degree]

IE解算真值

116.4122

1.1547

-0.6703

静基座粗对准

116.9759

1.2903

-0.5747

误差

0.5637

0.1355

0.0955

结束位置

yaw [degree]

pitch [degree]

roll [degree]

IE解算真值

-66.1869

1.2109

-0.0910

静基座粗对准

-67.5176

1.3439

-0.0046

误差

-1.3307

0.1330

0.0864

可以看到roll,pitch的静态对追的精度还是非常高的,yaw角度相对较低一些。

关于静基座的对准误差主要受那些因素影响,可以参考[1],这里把结论直接贴出来。

文章配图

源码请见

https://github.com/ydsf16/TinyGrapeKit/tree/master/app/SINS