自动驾驶--惯性导航原理

起源一实相印
惯性导航一样平常集成在GPS装备中，全是由供应商集成，那在这里有什么讨论的必-要呢，要知道在车辆行驶中，咋们能够拿到GPS的yawrate和speed信-号，而且车辆自身另有一套传感器获取yawrate和speed，又由于航迹推算是努力驾驶很主要的一部-分，因此领会惯性导航的工做理由，能很好地帮-助咋们做基于车身的航迹推算呢。
ー 1 ー
惯性导航
现在GNSS+IMU组成的组合导航体制是潮水的定位体制计划，惯性导航体制是惟一能够输入完整的六自-由度数据的装备.数据更新频率高.是定位信息的融会中心呢。
惯导中运用的焦点中盘算法主要包罗3种1. 惯性导航解算算法啊；2. 组合导航的卡尔曼滤波器的耦合呢。3. 环-境特色信息与惯性导航融会呢。
ー 2 ー
硬件及理由
惯性导航体制（INS）是使用惯性传感器（IMU）丈量载体的较量及角速率信息，结合给定的初始条件，与 GNSS等体制的信息融会，从而举行实时推算速率.职位.姿态等参数的自主式导航体制呢。详细来说惯性导航体制属于一种推算导航办法呢。即从一已知点的职位依照连续测得的运载体航向角和速率推算出其下一点的职位，因而可连续测出行-动体确现在职位呢。
惯性导航体制采用加速度计和陀螺仪传感器来丈量载体的行-动参数呢。这个内里三个垂直部署的陀螺仪用于丈量载体绕自身三个坐标轴的转动角速率，同时也敏感地自转的角速率呢。
加速度计基于牛顿第两定律，采用电容式.压阻式或者热对流理由，通过在加速历程中对质量块对应惯性力的丈量来获取加速度值呢。用来丈量行-动体坐标系上各轴的加速度呢。
惯导通过对陀螺仪丈量的角速率举行积分运算和坐标变换，盘算车体的姿态角（横滚.俯仰角）和方向角呢。依照姿态角能够盘算出重力加速度在各个坐标轴上的份量，加速度计丈量得的各轴加速度，减去重力加速度份量后积分，获得速率和职位呢。惯导盘算获得的状态，用于预料车辆现在的职位，再和卫星定位吸收机获得的职位（或者视察数据）举行对比呢。对比的误差包罗了惯导的推算误差和卫星吸收机的定位误差，通过数据融会算法举行加权后，用于纠正惯导的预料，让惯导的预料越发准确呢。
ー 3 ー
惯性导航解算算法
平时分以下几步
姿态更新对陀螺仪输入的角速率举行积分获得姿态增量，叠加到上次的姿态上啊；
坐标转换从IMU载体坐标系到职位.速率求解坐标系（惯性坐标系）啊；
速率更新必-要思考重力加速度的祛除，获得惯性系下的加速度，通过积分获得速率啊；
职位更新通过速率积分获得职位呢。
在惯性导航中，导航方程的每一次迭代都必-要使用上次的导航结局做为初始值，因而惯导的初始化是对比主要的部-分之一呢。姿态瞄准是指获得IMU的roll, pitch, yaw呢。roll, pitch的瞄准历程一样平常称为调平呢。使当车停止时，加速度计丈量的较量仅由重力致使，能够通过f=C*g来求解啊；关于十分高精度的IMU可通过罗经瞄准的办法，车停止时，通过丈量载体制中的地自转来一定载体的方向(yaw)呢。
ー 4 ー
组合导航的卡尔曼滤波器的耦合
运用Kalman滤波器的耦合，对IMU和GNSS即点云定位结局举行融会呢。可分为松耦合和松耦合两种办法呢。
松耦合滤波器采用职位.速率量测值和解算的职位速率之差做为组合导航滤波器输入，也即卡尔曼滤波器的量丈量呢。松耦合的数据包罗GNSS的导航参数.定位中的伪距.差异转变等呢。
以百度阿波罗运用的惯导体制为例，采用了松耦合的办法，而且运用了一位误差卡尔曼滤波器呢。惯性导航解算的结局用于Kalman滤波器的时刻更新，即预料啊；而GNSS.点云定位结局用于Kalman滤波器的量测更新呢。Kalman滤波会输入职位.速率.姿态的误差用来纠正惯导模块，IMU时期误差用来赔偿IMU本始数据呢。
ー 5 ー
环-境特色信息与惯性导航融会
现在经常使用的GNSS+IMU组合惯导计划在一些场景的定位精度稳固性仍不行以一切知足努力驾驶的乞求呢。比如，都市楼宇群.地底卸车库等GNSS长时刻信-号细小的场景下，依赖GNSS信-号更新精一定位稳固性不足，因而必须引入新的精一定位更新数据源，在组合惯导中引入并融会激光雷达/视觉传感定位等环-境信息举行融会定位变成一定趋向呢。
以百度阿波罗的多传感器融会定位体制处置计划为例，惯性导航体制处于定位模块的中心职位，模块将IMU.GNSS.Lidar等定位信息举行融会，通过惯性导航体制解算纠正后最终输入知足努力驾驶需要的6个自-由度的高精度位信赖息呢。