Тип работы:
Предмет:
Язык работы:


Коррекция данных о местоположении автомобиля по инерциальным измерениям

Работа №131279

Тип работы

Дипломные работы, ВКР

Предмет

программирование

Объем работы20
Год сдачи2016
Стоимость4280 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
7
Не подходит работа?

Узнай цену на написание


1. Введение 4
1.1. Обзор литературы
2. Постановка задачи 7
2.1. Устройство
2.2. Эксперимент
2.3. Постановка задачи
3. Построение корректировки GNSS сигнала 10
3.1. Кватернионы
3.2. Инерциальное продолжение траектории
4. Моделирование инерциального продолжения и расчет ошибки 15
Заключение 18
Список литературы 1

Технология GPS1, обеспечивающая позиционирование по радиосигналу от спутников, разрабатывалась в США с 1972 года, что позволило уже в 1991 году активно
использовать ее для войны в Персидском Заливе. На тот момент спутниковая навигация на основе GPS был доступна только военным, приемники весили 23 кг, а для
гражданского использования сигнал зашумлялся настолько, что итоговая погрешность измерения составляла 100 м. Но уже в 2000 году технология была полноценно
открыта для гражданского и коммерческого использования, обеспечивая точность
позиционирования до 2 м. Развитие технологий микроэлектроники спустя еще пару
лет позволило уменьшить размер приемников до величины наладонного компьютера, а в дальнейшем и встраивать приемник в большинство производимых телефонов.
Быстрым темпом развивались другие GNSS2, как Galileo в Европе, GLONASS3 в России и BeiDou в Китае. Разработка других навигационных систем была обусловлена
необходимостью уменьшить зависимость от GPS и увеличить точность позиционирования для собственных стран.
Аналогичный прогресс происходил и в сфере инерциальных датчиков, используемых встраиваемыми системами. Уменьшение техпроцесса позволило производить
акселерометры, гироскопы и магнитометры в виде маленького чипа со стороной 3 мм,
что существенно упростило их использование во многих системах, незначительно повышая стоимость конечного устройства.
Коммерческий спрос на качественные навигационные решения растет с каждым
годом, зачастую опережая развитие технологий. Наиболее распространенным применением GNSS и в прошлом, и на данный момент остается использование в целях автомобильной навигации. Однако ключевые недостатки GPS вряд ли будут разрешены
в ближайшее время. К числу таких относятся невозможность навигации в помещениях, существенное повышение ошибки позиционирования при перемещении среди
высотных зданий, а так же долгий старт в отсутствии AGPS. Зачастую система, способная принимать GNSS сигнал, также обладает датчиками инерциальной навигации,
что само собой приводит к постановке задачи об улучшении точности позиционирования при совместном использовании датчиков и GNSS приемника. К сожалению, большинство коммерческих решений по интеграции GNSS данных с данными от инерциальных датчиков (например, от одного из лидеров рынка U-blox) обладают существенным недостатком в необходимости подводить информацию о скорости транспортного средства для качественных конечных траекторий. Скорость подводится или по шине обмена данными с приемником, в основном используя данные CAN-шины как источник достоверной скорости, или через отдельный ШИМ канал со скоростью.
В первом случае ограничение обусловлено отсутствием CAN-скорости во многих а/м, а также необходимостью дополнительной разработки программного обеспечения со стороны host-устройства для передачи скорости автомобиля приемнику. Во втором случае возникает дополнительная сложность установки, что может быть критичным в случае массового использования устройств. При этом большинство устройств реализуют обработку и выдачу данных GPS без задержки, даже когда для конечного пользователя нет нужды в передачи данных в реальном времени, и задержки вплоть до 10 c являются допустимыми: например, для задач построения треков автомобиля, используемых как для охранно-поисковых целей, так и для контроля маршрута транспортного средства, если речь идет про грузоперевозки.
В данной работе мы построим алгоритм, позволяющий проводить коррекцию GNSS данных с помощью датчиков инерциальной навигации, а также этом алгоритм будет использоваться для построения инерциального продолжения траектории в случае полной потери сигнала от спутников

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В результате данной работы были построены средства для сбора данных и их дальнейшего использования в задачах инерциальной навигации. Было промоделировано инерциальное продолжение, которое сравнивалось GPS, а также рассчитана ошибка измерения и показано, что при большой ошибке в GPS показаниях суммарная ошибка может использоваться для коррекции GPS сигнала, исправляя положение точки.
В дальнейшим эти данные и модели будут использоваться для построения динамической коррекции GPS данных, что требует более тонких расчетов, связанных с оценкой положения и скорости автомобиля. Планируется исследовать устойчивость и эффективность процедур, предлагающих правку GPS, когда результаты коррекции будут отправляться конечному пользователю, а поэтому необходимо быть уверенным в корректности применяемой фильтрации, для чего необходимо строить модели ошибки GPS и инерциальной навигации, экспериментально показывая их соответствие получаемым данным.


[1] A. Cavallo A. Cirillo P. Cirillo G. De Maria P. Falco C. Natale S. Pirozzi. Experimental
Comparison of Sensor Fusion Algorithms for Attitude Estimation. –– 2014.
[2] Graf Basile. Quaternions And Dynamics. –– 2007. –– February. –– URL: http://arxiv.
org/abs/0811.2889.
[3] Hassana Maigary Georges Dong Wang, Xiao Zhu. GNSS/Low-Cost MEMS-INS
Integration Using Variational Bayesian Adaptive Cubature Kalman Smoother and
Ensemble Regularized ELM // Mathematical Problems in Engineering. –– 2015.
[4] J. L. Marins Xiaoping Yun E. R. Bachmann R. B. McGhee M. J. Zyda. An extended
Kalman filter for quaternion-based orientation estimation using MARG sensors //
Intelligent Robots and Systems, 2001. Proceedings. 2001 IEEE/RSJ International
Conference on. –– 2001.
[5] Jia Yan-Bin. Quaternions and Rotations. –– 2015. –– September. –– URL: http://
arxiv.org/abs/0811.2889.
[6] An efficient orientation filter for inertial and inertial/magnetic sensor arrays : Rep. /
University of Bristol ; Executor: Sebastian O.H. Madgwick.
[7] Oliver Walter Joerg Schmalenstroeer Andreas Engler Reinhold Haeb-Umbach.
Smartphone-based sensor fusion for improved vehicular navigation // Positioning
Navigation and Communication (WPNC), 2013 10th Workshop on. –– 2013.
[8] OlliW. IMU Data Fusing: Complementary, Kalman, and Mahony Filter. –– 2015. ––
Jan. –– URL: http://www.olliw.eu/2013/imu-data-fusing/.
[9] R. Mahony T. Hamel J. M. Pflimlin. Complementary filter design on the special
orthogonal group SO(3) // Proceedings of the 44th IEEE Conference on Decision and
Control. –– 2005.
[10] R. Mahony T. Hamel J. M. Pflimlin. Nonlinear Complementary Filters on the Special
Orthogonal Group // IEEE Transactions on Automatic Control. –– 2008.
[11] Ryu Jihan, Gerdes J. Christian. GNSS/Low-Cost MEMS-INS Integration Using
Variational Bayesian Adaptive Cubature Kalman Smoother and Ensemble Regularized
ELM // Integrating Inertial Sensors With Global Positioning System (GPS) for
Vehicle Dynamics Control. –– 2003.
[12] Sabatini A. M. Quaternion-based extended Kalman filter for determining orientation
by inertial and magnetic sensing // IEEE Transactions on Biomedical Engineering. ––
2006.
19[13] Sebastian O. H. Madgwick Andrew J. L. Harrison Ravi Vaidyanathan. Estimation
of IMU and MARG orientation using a gradient descent algorithm // 2011 IEEE
International Conference on Rehabilitation Robotics. –– 2011

Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ