CN114910095B 对中杆误差的确定方法、装置、设备及存储介质 （千寻位置网络有限公司）

本申请实施例提供了一种对中杆误差的确取对中杆不同姿态下的多组实时特征数据，其采用预设融合滤波算法计算得到多组对中杆姿有技术确定出的对中杆三维矢量误差精度较差2在对中杆杆尖与地面接触点保持接触的情况下，获取对根据多组第一实时特征数据以及多组第二实时特征数据，采用根据所述多组对中杆姿态信息和所述多组第二实时特征数据，所述预设卡尔曼滤波算法的状态向量被设置为包括所述对中杆三维矢量误差以及对根据所述多组对中杆姿态信息和所述多组第二实时特征数据所述根据所述多组对中杆姿态信息和所述多组第二实时特征数据，采当对中杆三维矢量误差对应的误差协方差矩阵对角线元素不大于预设对中杆误差参所述根据所述多组第一实时特征数据以及多组第二实时特征数据，根据所述对中杆上的惯性传感器安装点的角速度和加速度，以及所述接根据所述对中杆姿态信息以及所述接收机的天线相位中心的位置3δlb为所述对中杆三维矢量误差，vf表征所述接收机的天线相位中心的位置坐标的测量噪根据所述多组第一实时特征数据以及所述多组第二实时特征数所述根据所述多组对中杆姿态信息和所述多组第二实时特征数据，采根据所述多组第一实时特征数据以及所述多组第二实时特征数所述根据所述多组对中杆姿态信息和所述多组第二实时特征数据，采获取模块，用于在对中杆杆尖与地面接触点保持接触的情况计算模块，用于根据所述多组第一实时特征数计算模块，用于根据所述多组对中杆姿态信息和所所述预设卡尔曼滤波算法的状态向量被设置为包括所述对中杆三维矢量误差以及对所述计算模块还用于：根据所述多组对中杆姿态信息和所述多组第二实时特征数据，当对中杆三维矢量误差对应的误差协方差矩阵对角线元素不大于预设对中杆误差参4根据所述对中杆上的惯性传感器安装点的角速度和加速度，以及所述接根据所述对中杆姿态信息以及所述接收机的天线相位中心的位置为i时刻在所述地心地固坐标系下的所述接收机的天线相位中心的位置坐根据所述多组第一实时特征数据以及所述多组第二实时特征数权利要求1至6中任一项所述的对中杆误差的确5卫星导航(GlobalNavigationSatelliteSystem，GNSS)实时动态差分(RealTime力计容易受到干扰且校准过程繁琐，所以逐步被仅利用惯性测量单元(Inertial[0004]对中杆三维矢量误差是基于IMU的倾斜测量方案的一个重要误差源，只有准确确[0010]预设卡尔曼滤波算法的状态向量包括对中杆三维矢量误差以及对中杆杆尖与地6[0027]当对中杆三维矢量误差对应的误差协方差矩阵对角线元素不大于预设对中杆误7表征多组第二对中杆实时特征数据是否存在异常的滤[0036]预设卡尔曼滤波算法的状态向量包括对中杆三维矢量误差以及对中杆杆尖与地刻在地心地固坐标系下的接收机的天线相位中心8中杆安装位置、对中杆形变等各种可能造成对中杆三维矢量发生改变的误差因素统一建[0056]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理9[0059]对于对中杆矢量的标校问题，现有技术对两个水平安装角和对中杆长度进行估对中杆三维矢量发生改变的误差因素统一建模，即直接对对中杆三维矢量误差进行估计，并且通过卡尔曼滤波算法以及融合滤波算法输出的表征惯导姿态误差的误差协方差矩阵[0069]预设卡尔曼滤波算法的状态向量x包括对中杆三维矢量误差以及对中杆杆尖与地置坐标的测量噪声，为i时刻在地心地固坐标系下的接收机的天线相位中心的位置坐标系下对中杆杆尖与地面接触点的三维坐标，C:为i时刻导航坐标系下对中杆理论姿态其中，为i时刻在导航坐标系下对中杆姿态[0087]算式3两边同时左乘坐标系转换矩阵用于将导航坐标系转换为地球坐标[0089]λ和L分别为惯性传感器安装gg对应的误差协方差进行。设失准角[pxPyPz]对应的误差协方差矩阵对角线元素为[pp:pv,Po],则判断姿态收敛的准则为：[0099]和分别代表预设失准角参数门限中的水平失准角水平失预设卡尔曼滤波算法计算得到对中杆三维矢得到表征多组第二对中杆实时特征数据是否存在异常的滤[0103]当滤波新息统计参数βk不大于预设滤波新息统计参数门限Tne时，根据多组对中根据χ2分布函数值可计算得到对应于α的临界值正常情况下mrTa的概率小于α是[0116]当对中杆三维矢量误差对应的误差协方差矩阵对角线元素不大于预设对中杆误波算法对对中杆三维矢量误差对应的误差协方差矩阵和状态估计量波[0118]设对中杆三维误差矢量对应的误差协方差矩阵对角线元素为[0124]即当前时刻的状态向量与上一时刻状态向量t-1的差值的模值小于预设状态[0127]图1描述了对中杆误差的确定方法，下面结合附图2和附图3描述本申请实施例提[0135]预设卡尔曼滤波算法的状态向量x包括对中杆三维矢量误差以及对中杆杆尖与地置坐标的测量噪声，为i时刻在地心地固坐标系下的接收机的天线相位中心的位置坐标系下对中杆杆尖与地面接触点的三维坐标，为i时刻导航坐标系下对中杆理论姿态其中，为i时刻在导航坐标系下对中杆姿态设RTK解误差为则惯导姿态误差无法精确得到，只能使用近似以尽量减小其对δlb估计的影响。[0153]算式3两边同时左乘坐标系转换矩阵用于将导航坐标系转换为地球坐标gg对应的误差协方差进行。设失准角[pxPypz]对应的误差协方差矩阵对角线元素为则判断姿态收敛的准则为[0165]和Trn分别代表预设失准角参数门限中的水平失准角p:…水平失预设卡尔曼滤波算法计算得到对中杆三维矢表征多组第二对中杆实时特征数据是否存在异常的滤[0169]当滤波新息统计参数βk不大于预设滤波新息统计参数门限Thr时，根据多组对中根据χ2分布函数值可计算得到对应于α的临界值Tir。正常情况下的概率小于α是[0182]当对中杆三维矢量误差对应的误差协方差矩阵对角线元素不大于预设对中杆误波算法对对中杆三维矢量误差对应的误差协方差矩阵和状态估计量波[0184]设对中杆三维误差矢量对应的误差协方差矩阵对角线元素为[0190]即当前时刻的状态向量与上一时刻状态向量i-1的差值的模值小于预设状态[0197]处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现图1所示[0200]总线310包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一他图形总线、增强工业标准架构(ExtendedIndustryStandardArchitecture，EISA)总高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个处理器执行时实现上述实施例中的任意一种对中杆误差[0203]需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处[0206]上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给由计算