一种基于多传感器融合的定位方法、装置与电子设备制造方法及图纸

本发明专利技术公开了一种基于多传感器融合定位方法、装置与电子设备，实现多场景下对移动目标的定位跟踪与管理，满足室内外定位无缝切换要求，应用对象为有较高精度定位与跟踪需求的行人或宠物牲畜等，兼顾物流车载等对象的定位功能。特别地，利用惯性系统不依赖外部设备辅助、响应迅速的特点，提高定位对象在信号阻挡环境下的短时短距离定位可靠性。该方法针对特定安装对象利用可用的运动学约束与状态约束，修正其惯导积分定位误差与航向角误差，并实时采集卫星定位信息与蜂窝基站定位信息，使系统设备实现长时间长距离定位。设备实现长时间长距离定位。设备实现长时间长距离定位。

【技术实现步骤摘要】
一种基于多传感器融合的定位方法、装置与电子设备


[0001]本专利技术涉及移动定位
，特别涉及一种基于多传感器融合的定位方法、装置与电子设备。

技术介绍

[0002]随着北斗产业建设日趋完善、新一代蜂窝移动网络技术不断演进，北斗位置增强服务正积极着眼于导航与通信的融合创新。当前，针对室外环境长时长距离目标跟踪与定位的应用，多利用移动蜂窝基站与卫星数据协同进行，处理的方法包括搭建AGPS协助服务、通过蜂窝基站共享卫星轨迹数据库、利用通信基站转发卫星信号、利用蜂窝网络建立卫星的广域增强系统等。
[0003]然而，单独使用卫星定位需要着重处理时间同步误差、电离层和对流层延时修正、多普勒频移等影响；而无线通信易受多径效应、NLOS(非视距传播)误差影响，导致此类通信定位方式在桥梁、隧道、树丛、工地、地下车库等区域应用受限，引起由信号阻挡导致的距离测量误差，进而影响定位精度。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题。为此，本专利技术提出一种基于多传感器融合的定位方法、装置与电子设备，结合约束条件、卫星定位数据以及移动蜂窝定位数据对惯性解算结果进行修正，能够解决在复杂地形情况下定位不准确的难题。
[0005]第一方面，本专利技术实施例提供了一种基于多传感器融合的定位方法，包括以下步骤：
[0006]获取姿态初始值，并对所述姿态初始值进行校准；
[0007]通过所述惯性运动传感器采集惯性导航数据，并基于所述惯性导航数据进行惯性解算；
[0008]通过所述惯性运动传感器的安装信息、所述卫星定位模组以及所述移动通信定位模块分别获取约束条件、卫星定位数据以及蜂窝基站定位数据；
[0009]构建卡尔曼滤波系统，基于所述惯性导航数据构建所述卡尔曼滤波系统的状态模型，结合所述约束条件、所述卫星定位数据以及所述蜂窝基站定位数据构建所述卡尔曼滤波系统的观测模型，对惯性解算结果进行修正，获取定位结果。
[0010]根据本专利技术的实施例，至少具有如下技术效果：
[0011]通过惯性导航数据构建状态模型，结合约束条件、卫星定位数据以及蜂窝基站定位数据构建观测模型，以前述状态模型和观测模型组成的卡尔曼滤波系统，能够降低观测数据中噪声和干扰的影响，提高定位精度；通过结合约束条件、卫星定位数据以及蜂窝基站定位数据共同对惯性解算结果进行修正，能够提高定位的精度和稳定性，适应更多的应用场景。
[0012]根据本专利技术的一些实施例，所述获取姿态初始值，并对所述姿态初始值进行校准，
包括步骤：通过前后两帧卫星定位数据获取航向角；进行初始校准和航向角赋值，获取所述姿态初始值；通过惯性导航数据对所述姿态初始值进行补偿。
[0013]根据本专利技术的一些实施例，利用高斯牛顿法或四元数法对所述姿态初始值进行补偿。
[0014]根据本专利技术的一些实施例，所述通过所述惯性运动传感器的安装信息获取所述约束条件，包括步骤：获取所述惯性运动传感器的安装对象和安装位置，若所述惯性运动传感器安装于动物双足，则构建零速约束条件和距离阈值约束条件，若所述惯性运动传感器安装于车载对象，则构建零速约束条件或运动学约束条件。
[0015]根据本专利技术的一些实施例，所述卫星定位数据包括时间戳、经度纬度高度以及相应的位置置信度，其中，所述位置置信度为卫星钟差和接收机钟差得到的定位标准差值。
[0016]根据本专利技术的一些实施例，在结合所述蜂窝基站定位数据构建所述观测模型之前，引入用于判断是否进行惯性解算结果修正的位置差阈值位置差阈值。
[0017]根据本专利技术的一些实施例，所述卡尔曼滤波系统为闭环卡尔曼滤波系统。
[0018]第二方面，本专利技术实施例提供了一种基于多传感器融合的定位装置，包括：
[0019]数据获取模块，用于获取惯性导航数据、卫星定位数据以及蜂窝基站定位数据；
[0020]主控模块，包括姿态值获取单元、惯性解算单元、修正单元以及定位结果获取单元；所述姿态值获取单元用于获取姿态初始值，并对所述姿态初始值进行校准；所述惯性解算单元用于基于所述惯性导航数据进行惯性解算；所述修正单元用于基于约束条件、所述卫星定位数据以及所述蜂窝基站定位数据对惯性解算结果进行修正；所述定位结果获取单元用于获取定位结果。
[0021]根据本专利技术的一些实施例，还包括：电源模块，用于向其他模块进行供电；通信模块，用于对接所述主控模块与远程服务端，搭建通信链路；人机交互模块，用于在本地或远程实时查看行进轨迹。
[0022]第三方面，本专利技术实施例提供了一种基于多传感器融合的定位电子设备，包括：
[0023]存储器，用于存储计算机程序；
[0024]处理器，用于执行所述计算机程序时实现前述提供的一种基于多传感器融合的定位方法。
[0025]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0026]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0027]图1为本专利技术实施例提供的一种基于多传感器融合的定位方法的流程示意图；
[0028]图2为本专利技术实施例提供的一种基于多传感器融合的定位方法的具体实施示意图；
[0029]图3为本专利技术实施例提供的一种基于多传感器融合的定位方法的定位终端信息传输示意图；
[0030]图4为本专利技术实施例提供的一种基于多传感器融合的定位装置结构示意图；
[0031]图5为本专利技术实施例提供的计算机设备的结构示意图。
具体实施方式
[0032]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行完整地描述,显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]非另有定义，本专利技术所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本专利技术中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本专利技术。
[0034]实施例1
[0035]参照图1与图2，本专利技术实施例提供一种基于多传感器融合的定位方法，包括以下步骤：
[0036]S110：获取姿态初始值，并对所述姿态初始值进行校准；
[0037]S120：通过所述惯性运动传感器采集惯性导航数据，并基于所述惯性导航数据进行惯性解算；
[0038]S130：通过所述惯性运动传感器的安装信息、所述卫星定位模组以及所述移动通信定位模块分别获取约束条件、卫星定位数据以及蜂窝基站定位数据；
[0039]S140：构建卡尔曼滤波系统，基于所述惯性导航数据构建所述卡尔曼滤波系统的状态模型，结合所述约束条件、所述卫星定位数据以及所述蜂窝基站定位数据构建所述卡尔曼滤波系统的观本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器融合的定位方法，所述传感器包括惯性运动传感器、卫星定位模组以及移动通信定位模块，其特征在于，包括以下步骤：获取姿态初始值，并对所述姿态初始值进行校准；通过所述惯性运动传感器采集惯性导航数据，并基于所述惯性导航数据进行惯性解算；通过所述惯性运动传感器的安装信息、所述卫星定位模组以及所述移动通信定位模块分别获取约束条件、卫星定位数据以及蜂窝基站定位数据；构建卡尔曼滤波系统，基于所述惯性导航数据构建所述卡尔曼滤波系统的状态模型，结合所述约束条件、所述卫星定位数据以及所述蜂窝基站定位数据构建所述卡尔曼滤波系统的观测模型，对惯性解算结果进行修正，获取定位结果。2.根据权利要求1所述的一种基于多传感器融合的定位方法，其特征在于，所述获取姿态初始值，并对所述姿态初始值进行校准，包括步骤：通过前后两帧卫星定位数据获取航向角；进行初始校准和航向角赋值，获取所述姿态初始值；通过惯性导航数据对所述姿态初始值进行补偿。3.跟据权利要求2所述的一种基于多传感器融合的定位方法，其特征在于：利用高斯牛顿法或四元数法对所述姿态初始值进行补偿。4.根据权利要求1所述的一种基于多传感器融合的定位方法，其特征在于，所述通过所述惯性运动传感器的安装信息获取所述约束条件，包括步骤：获取所述惯性运动传感器的安装对象和安装位置，若所述惯性运动传感器安装于人体双足，则构建零速约束条件和距离阈值约束条件，若所述惯性运动传感器安装于车载对象，则构建零速约束条件或运动学约束条件。5.根据权利要求1所述的一种基于多传...

【专利技术属性】
技术研发人员：甘雨，杨世忠，周路旸，
申请(专利权)人：湖南北斗微芯数据科技有限公司，
类型：发明
国别省市：