GPS-漂移-使用 IMU-GPS 融合和不变滤波的海洋表面机器人定位-计算机科学-人工智能-机器人定位.pdfVIP

GPS-漂移：使用IMU-GPS融合和不变滤波的

海洋表面机器人定位

SuryaPratapSingh,TsimafeiLazouski,andMaaniGhaffari

摘要—本文介绍了一个扩展的DRIFT不变状态估计框架，态测量，但直接融合GPS进行位置和航向校正，特别

使GPS和IMU数据能够稳健地融合，实现精确的姿态和航向是在海洋环境中，仍然是一个活跃的研究领域。

估计。最初为在海洋自主水面船（ASV）上进行测试和使用而

在这项工作中，我们将DRIFT框架扩展到支持海

开发的方法也可应用于其他移动系统。在此基础上，我们利用不

洋表面车辆的GPS/IMU融合，并特别强调航向（偏航）

本变扩展卡尔曼滤波器（InEKF）开发了一个保持对称性的传感校正。我们提出了一种算法流程，将GPS更新整合到

器融合流水线，将来自GPS的全局位置更新直接整合到校正步

译骤中。至关重要的是，我们引入了一种新颖的航向校正机制，该InEKF校正步骤中，并引入了一种新颖的机制，利用

中机制结合了GPS的地速信息与IMU的方向，克服了在推算定GPS位置固定来解决偏航模糊问题。

1位中固有的横滚不可观测性。该系统部署并在一个定制的Blue我们的开源实现已在模拟的物理准确海洋环境

vRoboticsBlueBoat上进行了验证，但方法论重点在于融合外

8Gazebo，VirtualRobotX（VRX）中进行了验证，默

9部传感器和内部传感器以实现无漂移定位和可靠方向估计的算认WAMV船只配备有IMU和GPS[5]。实际验证是在

1法方法。本研究为在具有挑战性的或GPS信号降级条件下提供

2了一个开源解决方案，实现了精确的横滚观测和定位，并为未来一个定制的BlueRoboticsBlueBoat平台上进行的，该

0

.的实验和比较研究奠定了基础。平台配备了实时动态（RTK）、厘米级精度的双GPS设

7

0置以及VectornavVN-100IMU。总的来说，这项工作

5I.介绍在定位和精确方向计算方面取得了显著改进。

2

:精确的状态估计对于海洋表面车辆的可靠自主导本工作的主要贡献如下。

v

i航是基础。鲁棒的定位通常需要将来自惯性测量单元

x1)浮式水面车辆GPS/IMU传感器融合的DRIFT框

r（IMUs）的高频率惯性测量与来自全球定位系统（GPS）

a架扩展支持

的全局位置更新相结合[1],[2]。虽然GPS提供全局位

2)利用GPS地面航迹信息在不变滤波框架内开发新

置信息，但其低更新率、易受中断影响以及测量噪声

型航向修正机制

要求在GPS定位之间通过IMU积分进行航位推算。然

3)实现和验证算法在模拟和现场环境中的应用。

而，仅靠惯性的航位推算会导致位置和方向上的无界漂

4)开源的ROS2实现，可支持可重复的研究和实际

移。特别是，在纯惯性导航中由于缺乏关于重力轴旋转

部署：GPS-漂移Github

的外部参考，偏航（航向）本质上