GNSS/IMU Integration für die präzise Bestimmung einer Flugtrajektorie

Größe: px

Ab Seite anzeigen:

Download "GNSS/IMU Integration für die präzise Bestimmung einer Flugtrajektorie"

Walter Roth
vor 6 Jahren
Abrufe

1 GNSS/IMU Integration für die präzise Bestimmung einer Flugtrajektorie Fabian Hinterberger Institut für Geodäsie und Geophysik, Tu Wien 18. Nov. 2011

2 1 Motivation

3 Motivation Gegenüberstellung Eigenschaften Satellitennavigation Trägheitsnavigation Positionsbestimmung absolut relativ Orientierungsbestimmung unzureichend genau Datenrate niedrig hoch Kurzzeitstabilität gering hoch Langzeitstabilität hoch gering Verfügbarkeit beschränkt unbegrenzt 2 Sehr unterschiedliche Eigenschaften Kombination beider Messsysteme

4 Motivation Integrierte bordautonome und bodengestützte Georeferenzierung für luftgestützte Multisensorsysteme mit cm-genauigkeit 3

5 Zielsetzung Transparente Entwicklung eines Kalmanfilters Verknüpfung auf Ergebnisebene (lose Kopplung) Geforderte Genauigkeit: Position: wenige cm Orientierung im Raum: wenige mgon Vergleich mit der Waypoint-Software Lösung Auswirkung systematischer Fehler der IMU 4

6 GNSS/IMU Integration Prinzip der losen Kopplung IMU Navigations Computer R b l Kalman Filter GNSS receiver GNSS Auswertung 5

7 GNSS/IMU Integration Instrumentierung 6

8 GNSS/IMU Integration Eigenschaften von GNSS Absolute Positionsbestimmung Niedrige Datenrate Orientierungsbestimmung unzureichend Benötigt min. 4 bzw. 5 Satelliten PR S R = ρ S S R + Δρ R,Ion S + Δρ R,Trop S + Δρ R,Rel S + Δρ R,Orb + c Δt R Δt S S + ε R Auswertungsstrategie Relative kinematische Bestimmung Zwei GNSS Empfänger notwendig Topcon Legacy E (5 Hz) Auswertungssoftware: Waypoint 7

Größen: r l, v l l, R b Navigationsgleichungen r e = D 1 v l v l = R b l f b R b l =

9 GNSS/IMU Integration 8 Eigenschaften einer IMU Relative Positionsbestimmung Hohe Datenrate Genaue Orientierungsbestimmung Gemessene Größen: f b b, Ω ib Gesuchte Größen: r l, v l l, R b Navigationsgleichungen r e = D 1 v l v l = R b l f b R b l = R l b (Ω b ib l 2Ω ie Ω b il ) l + Ω el v l + g l imar INAV-FJI-AIRSURV-001-Q Abtastrate: 1000 Hz

10 GNSS/IMU Integration Lösen der Navigationsgleichung 9

11 GNSS/IMU Integration Vergleich der beiden Lösungen 10

12 GNSS/IMU Integration Prinzip der losen Kopplung IMU Navigations Computer R b l Kalman Filter GNSS receiver GNSS Auswertung 11

13 GNSS/IMU Integration Grundlagen Kalmanfilterung Schätzung zeitlich veränderlicher Größen (Zustandsvektor) Dynamisches Modell: x k+1 = Θ k x k + Γ k w k Funktionales Modell: z k = H k x k + v k Nichtlineares Systemmodell extended Kalmanfilter Schätzung der Abweichung zu einer Referenz (IMU) 9 Zustandsgrößen δr e = F r r δr e + F r v δv l δv l = F v r δr e + F v v δv l + ε l f l + δg l ε l = F ε r δr e + F ε v δv l l ω il ε l 12 Messgröße: Differenz zwischen IMU- und GNSS-Trajektorie

14 GNSS/IMU Integration Konzept des Kalmanfilters Initialisierung Prädiktion x k+1 = Φ k x k P k+1 = Φ k P k Φ k T + Q k Update x k = x k + K k (z k H k x k ) P k = (I K k H k )P k 13

15 Ergebnis 9 Zustandsgrößen Differenz zwischen TU- und Waypoint-Lösung Position Orientierung 14

16 Erweiterung Systemmodell Vergleich zwischen Waypoint- und TU-Lösung Abweichungen im dm bzw. Zentigon-Bereich Ursache: nicht berücksichtigte systematische Fehler der IMU Residualer Bias Skalierungsfaktoren Ausrichtungsfehler der Achsen Erweiterung des Systemmodels um Sensorfehler 21 Zustandsgrößen Bias als Random Walk Skalierungsfaktor als Random Constant δr e = F r r δr e + F r v δv l 15 δv l = F v r δr e + F v v δv l + ε l f l + δg l + R b l δb f + R b l diag(f b )δκ f ε l = F ε r δr e + F ε v δv l ω l il ε l R b l δb ω + R b l diag(ω b )δκ ω

17 Ergebnis 21 Zustandsgrößen Differenz zwischen TU- und Waypoint-Lösung Position Orientierung 16

18 Erweiterung Systemmodell Vergleich zwischen Waypoint- und TU-Lösung Abweichungen im cm- bzw. Zentigon-Bereich Differenzen in der Position um Faktor 10 geringer Keine deutliche Verbesserung der Orientierung Mögliche Ursachen Unterschiedliche Modellierung der Fehler Genauigkeit der Waypointlösung 17

19 Zusammenfassung Zusammenfassung Verknüpfung der Systeme auf Basis einer losen Kopplung Getrennte Auswertung GNSS und IMU Verknüpfung der Ergebnisse mit Kalmanfilter Differenzen zu Waypoint im dm- bzw. Zentigon-Bereich Modellierung der Sensorfehler ist notwendig für cm-genauigkeit Bias als Random Walk Scalefactor als Random Constant Differenzen zu Waypoint im cm- bzw. Zentigon-Bereich Unterschiede zwischen Lösungen basieren wahrscheinlich auf unterschiedlicher Modellierung der Sensorfehler 18

20 Vielen Dank für ihre Aufmerksamkeit

Ähnliche Dokumente

Weitere Aspekte zur Kalibrierung von GNSS Systemen

Weitere Aspekte zur Kalibrierung von GNSS Systemen Gerhard Wübbena Martin Schmitz Geo++ Gesellschaft für satellitengestützte geodätische und navigatorische Technologien mbh D 30827 Garbsen, Germany http://www.geopp.de