Entwicklung von Verfahren zur Verbesserung der Ortung mit Global Navigation Satellite Systems (GNSS)

Transkript

1 Entwicklung von Verfahren zur Verbesserung der Ortung mit Global avigation Satellite Systems (GSS) BfG Kolloquium eue Entwicklungen in der Gewässervermessung 21. ovember 2012 Annette Scheider, Volker Schwieger Institut für Ingenieurgeodäsie, Universität Stuttgart

2 Motivation Ortung von Vermessungsschiffen erfolgt momentan mit GSS bzw. mit gekoppelten GSS-IS-Systemen Problem: Unterhalb von Brücken, in extremen Tallagen oder bei starkem Uferbewuchs und bebauung ist eine Ortung oft nur mit schlechter Qualität oder überhaupt nicht möglich. GSS: Abschattung, Mehrwegeeffekte IMU: Drifteffekte Fotos: BfG 2

3 Gliederung Projekt HydrOs Sensoren und hydrodynamische Modelle Bewegungsmodell und Sensorintegration Kalman-Filter Fazit 3

4 HydrOs Projekt HydrOs: Entwicklung von Echtzeit- und Post-processingverfahren zur Verbesserung der bisherigen Ortung mit Global avigation Satellite Systems (GSS) durch Kombination mit weiteren Sensoren sowie hydrologischen Daten Ziel: Konzeption, Entwicklung und prototyphafte Umsetzung eines integrierten hydrographischen Ortungssystems Laufzeit: April 2012 März

5 HydrOs Phase 1: Wissens- und Datenbasis erarbeiten konkretisierte Vorgehensweise Phase 2: Entwicklung des Systemkonzepts Systemkonzept mit Zusammenstellung und Bewertung möglicher Sensoren Phase 3: Entwicklung des Auswertemodells Auswertemodell Phase 4: Integration und Realisierung Prototyp (Hardware/Software) mit geprüftem Auswertemodell Phase 5: Projektdokumentation, -präsentation und Publikation Qualitätsgesicherte Dokumentation der Ergebnisse als Grundvoraussetzung für die operationelle Umsetzung 5

6 HydrOs Geeignetes Prädiktionsverfahren, um die Position in GSS- Ortungslücken zuverlässig bestimmen zu können Bewegungsmodell für Schiffe, das die Position in Lage und Höhe beschreibt (Erweitertes) Kalman-Filter oder anderer Filteransatz Einsatz zusätzlicher Sensoren auf dem Schiff sowie hydrologischer Modelle wird geprüft: Sensoren: Drehzahlmesser, Schubrichtungsanzeige, Barometer, Doppler-Log/ ADCP, Windmesser, Tachymeter, Laserscanner Modelle: Wasserspiegellage, Strömung Integritätsmerkmal: Qualität der Position wird angegeben 6

7 Sensoren u. hydrodynamische Modelle Steuerwinkelanzeige und Drehzahlmesser Schottel-Ruderpropeller: Antrieb und Steuerung kombiniert, um 360 drehbar Zug-Richtung und Geschwindigkeit werden aus Schiffssteuerung abgegriffen Fotos: BfG 7

8 Sensoren u. hydrodynamische Modelle Doppler Velocity Log (DVL) Aktivsonar Bestimmt relative Geschwindigkeit mittels Doppler-Effekt (Frequenzverschiebung) Geschwindigkeit über Grund Genauigkeit: ±0,5cm/s (Stdabw. bei 5m/s) ±0,2% ± 0,1cm/s Schiffsgeschwindigkeit relativ zum Wasser Genauigkeit: ±0,2% ± 0,1cm/s Quelle: Teledyne RD Instruments 8

9 Sensoren u. hydrodynamische Modelle Barometer Bestimmung der Höhe bzw. der Höhendifferenz mittels barometrischer Höhenformel p h h = p 0 ρ 0 g dp dh = 1 p 0 p g dp p 0 ρ 0 p Sensor Auflösung Genauigkeit Vaisala PTB330 0,01 hpa 0,15 hpa Quelle: Vaisala Paroscientific Series ,01% Windmessung: Einfluss des Luftwiderstands auf die Geschwindigkeit des Schiffs Quelle: Paroscientific 9

10 Sensoren u. hydrodynamische Modelle Geodätische Sensoren Tachymeter - Messung auf ein feststehendes Zielzeichen - Transformation ins erdfeste Koordinatensystem ψ α Foto: BfG Laserscanner - Erkennen von Sichthindernissen - Standpunktbestimmung durch SLAM-Algorithmen - zusätzlich: Aufnahme des Uferbereichs 10

11 Sensoren u. hydrodynamische Modelle Hydrodynamisches Modell der BfG Interpolation zwischen fest installierten Messstationen Modellierung von (in Abhängigkeit vom Abfluss): - Wasserspiegellage - Strömungsgeschwindigkeit (1D) Quelle: BfG 11

12 Bewegungsmodell Verschiedene vorhandene Modelle zur Modellierung der Schiffsbewegung in der Horizontalebene Lineare Modelle: - omoto-modell - Modell nach Davidson und Schiff Verschiedene nichtlineare Gleichungen Gekoppelte Modelle, die Gier- und Rollwinkel verwenden δ L u res u β B u Längsgeschwindigkeit v Quergeschwindigkeit β Driftwinkel δ Ruderwinkel ψ Heading u res resultierende Geschwindigkeit L Abstand zwischen Drehpunkt d. Schiffs und Bezugspunkt ψ D E nach [Zimmermann, 2000] 12

13 Bewegungsmodell Verschiedene vorhandene Modelle zur Modellierung der Schiffsbewegung in der Horizontalebene Lineare Modelle: - omoto-modell - Modell nach Davidson und Schiff Verschiedene nichtlineare Gleichungen Gekoppelte Modelle, die Gier- und Rollwinkel verwenden u Längsgeschwindigkeit v Quergeschwindigkeit β Driftwinkel δ Ruderwinkel ψ Heading u res resultierende Geschwindigkeit L Abstand zwischen Drehpunkt d. Schiffs und Bezugspunkt δ L v u res B u ψ D E nach [Zimmermann, 2000] 13

14 Bewegungsmodell Verschiedene vorhandene Modelle zur Modellierung der Schiffsbewegung in der Horizontalebene Lineare Modelle: - omoto-modell - Modell nach Davidson und Schiff L v u res β B u ψ D Verschiedene nichtlineare Gleichungen δ Gekoppelte Modelle, die Gier- und Rollwinkel verwenden E Es wird nur die Horizontalbewegung beschrieben Modelle beziehen sich auf Schiffe mit einem Ruder nach [Zimmermann, 2000] 14

15 Bewegungsmodell Vermessungsschiffe des Typs Visurgis Antrieb: Ein bzw. zwei Ruderpropeller Katamarane Visurgis Hildegard von Bingen Fotos: BfG 15

16 Bewegungsmodell Simulierte Trajektorie: GSS Messung Trajektorie σ = σ E = 0,01m D Simulierte GSS-Lücke

17 Bewegungsmodell Lineare Interpolation 200 Trajektorie E 17

18 Bewegungsmodell Lineare Interpolation Trajektorie Trajektorie E E 18

19 Bewegungsmodell Messung der Schiffsgeschwindigkeit Trajektorie σ = σ E = 0,01m u 0 = 1,5 m s, σ u = 0,02 m s v 0 = 0 m s, σ v = 0,02 m s U SSS = 0,5 m s, σ U SSS = 0,05 m s E 19

20 Bewegungsmodell Messung der Schiffs- und der Strömungsgeschwindigkeit Trajektorie σ = σ E = 0,01m u 0 = 1,5 m s, σ u = 0,02 m s v 0 = 0 m s, σ v = 0,02 m s U SSS = 0,5 m s, σ U SSS = 0,05 m s E 20

21 Bewegungsmodell Einfluss der Strömung (u 0 = 1,75 m s, v 0 = 0,02 m s ) Trajektorie mit Strömung Trajektorie mit Strömung U str = 0 m/s U str = 0.5 m/s U str = 1 m/s 0 U str = 2 m/s E U str = 0 m/s U str = 0.5 m/s U str = 1 m/s U str = 2 m/s E 21

22 Kalman-Filter Prädiktion und Korrektur eines Systemzustands System Prädiktion des Systemzustands Bewegungsmodell x k Kalman-Filter Optimale Schätzung des Systemzustands x k Messinstrument l k Beobachtete Messung 22

23 Kalman-Filter Prädiktion und Korrektur eines Systemzustands System Prädiktion des Systemzustands Bewegungsmodell x k Kalman-Filter Optimale Schätzung des Systemzustands x k Messinstrument l k Beobachtete Messung 23

24 24 Messgrößen: Zustandsgrößen: Kalman-Filter Adaptiertes geometrisches 3D-Modell nach [Fossen, 2011] Wasserspiegellage Luftdruck Windrichtung Windgeschwindigkeit Strömungsgeschwindigkeit Q Strömungsgeschwindigkeit L Hubgeschwindigkeit Quergeschwindigkeit Längsgeschwindigkeit Hub Heading Pitch Roll Höhe Rechtswert Hochwert = W p U v u w v u z D E l Wind Wind Str Str γ ψ θ ϕ Squat Hubgeschwindigkeit Quergeschwindigkeit Längsgeschwindigkeit Heading Pitch Roll Höhe Rechtswert Hochwert = S w v u D E x abs abs abs ψ θ ϕ

25 25 Messgrößen: Zustandsgrößen: Kalman-Filter Adaptiertes geometrisches 3D-Modell nach [Fossen, 2011] Wasserspiegellage Luftdruck Windrichtung Windgeschwindigkeit Strömungsgeschwindigkeit Q Strömungsgeschwindigkeit L Hubgeschwindigkeit Quergeschwindigkeit Längsgeschwindigkeit Hub Heading Pitch Roll Höhe Rechtswert Hochwert = W p U v u w v u z D E l Wind Wind Str Str γ ψ θ ϕ Squat Hubgeschwindigkeit Quergeschwindigkeit Längsgeschwindigkeit Heading Pitch Roll Höhe Rechtswert Hochwert = S w v u D E x abs abs abs ψ θ ϕ

26 Kalman-Filter Prädiktion / Kalman-Filter Trajektorie gefiltert prädiziert GSS σ = σ E = 0,01m u 0 = 1,5 m s, σ u = 0,02 m s U SSS = 0,5 m s, σ U SSS = 0,05 m s E 26

27 Kalman-Filter Prädiktion / Kalman-Filter: Standardabweichung Monte-Carlo-Simulation (n = ) theoretische Standardabweichung σ σ E σ D Standardabweichung der Messgrößen σ RRR, σ RRR,E σ RRR,D 0,01 m 0,01 m 0,02 m σ HP σ u 0,01 m s σ σ w 0,01 m s σ φ 0,01 σ θ 0,01 σ ψ 0,04 σ u,sss 0,05 m s

28 Kalman-Filter Prädiktion / Kalman-Filter: Standardabweichung Monte-Carlo-Simulation (n = ) theoretische Standardabweichung σ σ E σ D Standardabweichung der Messgrößen σ RRR, σ RRR,E σ RRR,D 0,01 m 0,01 m 0,02 m σ HP σ u 0,003 m s σ σ w 0,003 m s σ φ 0,01 σ θ 0,01 σ ψ 0, σ u,sss 0,01 m s

29 Fazit Integration zusätzlicher Sensoren, um die Positionsgenauigkeit zu verbessern redundante Beobachtungen Entwicklung eines dynamischen Bewegungsmodells unter Berücksichtigung möglichst aller Einflussgrößen Genauigkeitsanalyse um die vielversprechendste Konfiguration zu ermitteln Weiteres Vorgehen: Entwicklung der Systemarchitektur (Hardware- und Softwarekomponenten) eines Prototyps und Implementierung Datenerfassung nach Einbau der Sensoren und Evaluierung des Modells 29

30 Vielen Dank für Ihre Aufmerksamkeit! Kontakt: Annette Scheider, Volker Schwieger Institut für Ingenieurgeodäsie Universität Stuttgart Geschwister-Scholl-Str. 24D Stuttgart Telefon: / / Fax: