参数自主学习的车辆运动约束新模型及其惯性推算误差抑制分析

摘要

准确、连续、可靠的位置信息是车载导航应用的基础条件,在不增加额外传感器的前提下,集成GNSS与MEMS及车载CAN总线传感器,并融入车辆运动约束信息,是最为简单有效且低成本的车载多源导航方案。在车辆运动约束中,合理配置相关参数是约束条件能否充分发挥作用的关键,本文重点针对车辆非完整性约束,采用多元回归和深度学习方法,构建了参数自主学习的车辆运动约束模型。同时,提出了在观测域直接学习侧向/垂向速度参数的新思路,相比原有方差域调参方法具有更好的约束效果。实测分析表明,相比于方差域调整参数的传统方法,在观测域进行参数自主学习的新模型具有显著的精度提升,采用多元回归模型的惯性推算误差在水平位置上减小了69.6%~81.2%,而利用深度学习则减小了60.0%~77.3%,同时,水平相对定位精度分别改善了75.2%和65.0%,新模型能够有效提升GNSS失效时车载定位精度维持能力。