logo móvil
Contáctanos

Método de navegación integrada GNSS/IMU/ODO basado en grafo de factores de ventana deslizante adaptativa

Autores: Ji, Xinchun; Long, Chenjun; Ju, Liuyin; Zhao, Hang; Wei, Dongyan

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Método de navegación integrada GNSS/IMU/ODO basado en grafo de factores de ventana deslizante adaptativa


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Fusión
Gnss
Imu
Odo
Navegación
Precisión

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 32

Citaciones: Sin citaciones


Descripción
Una de las tecnologías predominantes para la navegación multi-fuente en vehículos implica la fusión de GNSS/IMU/ODO a través de un grafo de factores. Para abordar problemas como las frecuencias de muestreo asincrónicas entre el IMU y el ODO, así como la disminución de la precisión durante la pérdida de la señal GNSS, proponemos un método de navegación integrada GNSS/IMU/ODO basado en un grafo de factores de ventana deslizante adaptativa. Las mediciones del ODO se utilizan como factores de observación para mitigar errores de interpolación de predicción asociados con los métodos tradicionales de pre-integración de ODO. Además, la estimación en línea y la compensación de desviaciones del ángulo de instalación y los factores de escala del ODO mejoran aún más su capacidad para limitar errores de posición durante la pérdida de la señal GNSS. Se propone un algoritmo de marginalización de múltiples estados y luego se utiliza para ajustar de forma adaptativa el tamaño de la ventana deslizante en función de la calidad de las observaciones GNSS, mejorando la precisión de la optimización de posición en la fusión multi-fuente mientras se prioriza la eficiencia computacional. Las pruebas realizadas en entornos urbanos típicos y regiones montañosas demuestran que nuestro método propuesto mejora significativamente la precisión de la navegación en fusión bajo condiciones GNSS complejas. En un entorno urbano complejo, nuestro método logra una mejora del 55.3% y 29.8% en la precisión de posición y velocidad y mejoras del 32.0% y 61.6% en la precisión de ángulo de inclinación y dirección, respectivamente. Estos resultados igualan la precisión de ventanas deslizantes largas, con una ganancia del 75.8% en eficiencia computacional. En regiones montañosas, nuestro método mejora la precisión de posición en las tres dimensiones en factores del 89.5%, 83.7% y 43.4%, la precisión de velocidad en las tres dimensiones en factores del 65.4%, 32.6% y 53.1%, y reduce los errores de actitud en alabeo, inclinación y guiñada en un 70.5%, 60.8% y 26.0%, respectivamente, demostrando una sólida aplicabilidad ingenieril a través de un equilibrio óptimo entre precisión y eficiencia.

Otros recursos que podrían interesarte

Temas Virtualpro