基于双频GPS定位和陀螺仪姿态解算与霍尔传感器的多数据融合滤波定位算法研究.pdf

针对无人汽车在周围环境扰动情况下 GPS 定位精度的降低现象袁提供了一个可以通过 GPS 定位技术与陀螺仪和霍尔传感器等信息结合的定位技术遥该技术通过改变了传统的角度计算袁借助陀螺仪在短时的相对位置上精度高的优势袁并通过数据融合滤波袁使在其 GPS 信号不佳的情况下袁不通过任何的外界干预袁通过单片机控制袁仍可以保持极高的定位精度遥 对提出的算法进行实车实验袁实验结果表明院和传统的 GPS 定位相比袁多传感器数据融合的定位结果更加精准稳定遥关键词院GPS定位曰惯性导航曰融合滤波Abstract:Aiming at the serious decline of GPS positioning accuracy of unmanned vehicle in the environment interfer鄄ence scene,a positioning method based on GPS positioning,gyroscope and Hall sensor data fusion is proposed in thispaper.This method improves the traditional Angle measurement,makes use of the gyroscopes high relative measurementaccuracy in a short time,and adopts data fusion filtering,so that the GPS signal is not good,without any outside interven鄄tion,through the single chip microcomputer control,still can maintain a very high positioning accuracy.The experimental re鄄sults show that the multi-sensor data fusion is more accurate and stable than the traditional GPS positioning.Keywords:GPS positioning,inertial navigation,fusion filtering车载系统的姿态解算在无人驾驶领域中被频繁地使用袁莱昂哈德欧拉就使用了欧拉角来描绘刚体运动时在三维欧几里得空间的运动取向遥对于在三维空间里运动的一个参考系袁所有坐标系的方向袁都可以用三次欧拉角来表达袁即偏航角渊yaw冤尧俯仰角渊pitch冤尧滚动角渊roll冤遥由于陀螺仪存在零点漂移的特性袁传统的定位方法只能依靠短期的陀螺仪数据袁 即使角加速度计存在稳定的零点漂移袁 可以在每次上电时计算漂移量并在每次获取数据时减去漂移量袁 但是加速度计在长期来看累计误差却以指数级增长的趋势变化袁 因此会给定位系统带来大量的误差干扰遥 同时袁GPS 的随机误差也无法避免袁可将其分为两类院一类是随时间与空间的快速多样变化袁 及相关性极弱的随机性差错袁如接收机噪波尧用户尧卫星钟噪波尧多路径误差袁以及电离层尧大气层等附加延时的随机变动部分曰另一类则是随时间尧空间缓慢改变袁但相关性很强的随机偏移误差袁如对卫星空间定位的偏差袁卫星时钟对 GPS 时钟的偏离袁以及用户时钟对 GPS 时钟的偏离咱1暂遥针对环境干扰下 GPS 精度低的问题袁我们提出一种传感器数据融合的方法袁 将霍尔传感器解算出的位移和加速度计解算出的位移数据相融合袁再和 GPS 的定位数据进行对比袁在误差范围内时再进行互补滤波袁 这样很好地解决了定位精度差和数据不稳定的问题遥 我们通过智能车竞赛的越野车实地验证了这种算法的可行性遥员陀螺仪的姿态解算姿态解算的方法有很多袁 我们拿最常用的四元数解算欧拉角来举例遥引入四元数的定义院Q渊q0袁q1袁q2袁q3冤=q0+q1i+q2j+q3k通过绕一个定义在参考坐标系中的矢量的单次转动来实现一个坐标系到另一个坐标系的变换遥根据转换公式院1-2渊q22+q32冤2渊q1q2-q0q3冤 2渊q1q3+q0q2冤CbR=2渊q1q2+q0q3冤 1-2渊q12+q32冤2渊q2q3-q0q1冤2渊q1q3-q0q2冤 2渊q2q3+q0q1冤 1-2渊q12+q22冤使用龙格库塔法获得三个方向上的余弦矩阵院xbybzb杉删山山山山山山山山煽闪衫衫衫衫衫衫衫衫=q02+q12-q22-q322渊q1q2-q0q3冤 2渊q1q3+q0q2冤2渊q1q2+q0q3冤 q02-q12+q22-q322渊q2q3-q0q1冤2渊q1q3-q0q3冤 2渊q2q3+q0q1冤 q02-q12-q22+q32杉删山山山山山山山山山山山煽闪衫衫衫衫衫衫衫衫衫衫衫伊xnynzn杉删山山山山山山山山煽闪衫衫衫衫衫衫衫衫由方向矩阵可以求得各个方向的欧拉角院pitch=sin-1渊2渊q2q3-q0q1冤冤roll=tan-1渊-2渊q1q3-q0q3冤q02-q12-q22+q32冤yaw=tan-12渊q1q2-q0q3冤q02-q12-q22+q32圆数据融合算法圆.1 惯性导航与霍尔传感器的位移数据融合本融合算法的核心类似于卡尔曼滤波器袁 是一种最优估计算法袁在任何含有不确定信息的动态系统中袁对系统下一步的走向做出有根据的预测袁即使伴随着各种干扰袁该方法仍可以指出最真实发生的情况遥 因为每次获取新的观测值时可以实时更新预测值袁所以不需要存储大量的观测值袁节省大量的内存空间袁提高程序的运行速度遥首先袁我们需要建立模型的状态方程和观测方程院Xk=AXk-1+BUk+WkYk=CXk+Vk嗓Xk为当前状态的值袁即状态方程袁Uk为每次信号的输入袁Wk为过程噪声袁A 为状态转移矩阵袁B 为控制矩阵遥 Yk为观测方程袁Vk为观测噪声袁 例如本系统中的陀螺仪零点漂移尧GPS 接收机基于双频 GPS 定位和陀螺仪姿态解算与霍尔传感器的多数据融合滤波定位算法研究陈出新周雨辰王晨晨冯志超占琦菲张瞳渊绍兴文理学院袁浙江 绍兴 312000冤Research on Multi-data Fusion Filtering Localization Algorithm Basedon Dual-frequency GPS Positioning,Gyroscope Attitude Solution and Hall Sensor125基于双频 GPS 定位和陀螺仪姿态解算与霍尔传感器的多数据融合滤波定位算法研究噪声尧多路径误差尧卫星空间位置的误差遥使用上一时刻的最优结果预测这一时刻的预测值袁同时使用这一时刻观测值渊传感器测得的数据冤修正这一时刻预测值袁得到这一时刻的最优结果遥x夷原t=Fx夷原t原员+But-1根据上一时刻最优估计值协方差和过程噪声方差 Q 求得该时刻的预测值协方差与置信度 Kt院Pt-=FPt-1FT+QKt=Pt-HTHPt-HT+R根据该时刻的预测值尧观测值尧置信度推出这一时刻的最优估计值与其协方差院x夷原t=x夷原t+Kt渊Zt-Hx夷原t冤Pt=渊I-KtH冤Pt-圆.2 数据融合算法验证设定状态噪声 0.1袁测量噪声加上加速度计的漂移与霍尔传感器的偏差量袁列出观测阵院H=0 0 1蓘蓡将参数代入融合算法中袁得到结果如图 员尧图 圆 所示院图 1加速度与速度估计图 2融合后的位置估计该仿真为霍尔传感器与陀螺仪数据相融合后的结果袁 可以很明显得看出加速度计经过滤波后的效果很出色袁 解算出的速度值的噪声已经很小袁 经过融合后的位置已经非常逼近于实际位置袁说明融合滤波改善了两者的误差情况袁为后续 GPS 的融合提供了有力的支持遥圆.3 GPS 定位与融合后的相对坐标组合导航验证 IMU 与霍尔传感器数据融合的准确性后袁 加入 GPS的定位数据将两者进行组合校正遥由于 GPS 的数据分布是一种随机分布袁将其与 IMU 推算的位置信息融合效果不佳袁我们将GPS 的误差作为 IMU 的偏差阈值袁在 IMU 出现偏差时袁GPS 能实时地将估计点拉回来袁这样做增强了系统的抗干扰能力袁GPS校准 IMU 的误差袁同时 IMU 也可以校准 GPS 的误差袁大大提高了系统的定位能力遥 组合定位原理如图 猿 所示院图 3组合定位原理如图 源尧图 缘 所示袁当 IMU 解算的位置位于 GPS 定位信息的误差范围内时袁由于 GPS 的实时信号会飘忽不定袁所以系统完全相信 IMU 的解算袁 当 IMU 解算的位置位于 GPS 定位信息的误差范围之外时袁 两点连线与误差圆的交点被认为是估计的坐标点袁这种认定方法充分利用了 IMU 解算的可靠性袁大大排除了 GPS 漂移的干扰遥 这样 GPS 与 IMU 的数据进行互补袁最大限度地提升了定位精准度袁是目前无人小车定位的最优解遥图 4解算位置在误差范围内图 5解算位置在误差范围外猿实车试验实车试验中袁 我们采用北京科宇科技的 L 车模袁GPS 芯片采用华大北斗的 TAU1201 双频 GNSS 模块袁 搭载了华大北斗的 CYNOSURE III GNSS SoC 芯片袁该模块支持新一代北斗信号体制袁同时也支持所有的民用导航卫星系统袁为 GNSS 导航提供高精准度尧高灵敏度尧低功率损耗的应用方案遥 系统 MCU 采用英飞凌公司的 TC264 芯片袁陀螺仪使用 9 轴的ICM20602袁精度高尧漂移小袁可以很好地提供原始数据遥试验地点选在杭州拱墅区体育中心的操场袁车速 2.5 m/s袁要求小车先走直道袁然后右转走 S 弯再走直道袁如图 远 所示袁浅渊下转第 129 页冤图 6无人车行驶轨迹与 GPS 位置信息图126叶工业控制计算机曳圆园圆3 年第 猿6 卷第 8 期对于频域水印袁 由于提取的真实水印通常与嵌入到原始图像中的水印不完全相同袁 我们计算提取的水印和嵌入的水印之间的 PSNR 和 SSIM 度量袁 然后将提出的水印伪造者获得的度量值与被攻击目标水印获得的度量值进行比较遥 水印伪造者的目标是使其度量值尽可能接近目标水印的度量值遥 表 1 给出了水印伪造者和目标水印的平均 PSNR 和 SSIM 值遥 从这些结果可以看出袁频域水印比空域水印更难伪造遥表 1数字图像水印伪造技术在时域频域变换的平均 PSNR 和 SSIM猿数字图像水印伪造技术的优势和展望信息技术的飞速进步使得视听资料的编辑处理手段大大丰富并且高效袁 数字图像信息更易受到恶意处理或者在过程中受到恶意攻击袁 这一现状带给社会的负面效应是数字图像非法篡改现象日益严重遥 通过一些图像处理软件 渊美图秀秀尧Photo鄄Shop冤可以对图像进行快速高效的处理或更改袁处理效果显著甚至可以鱼目混珠尧瞒天过海袁具有较大的判断难度遥 数字图像常常作为视听资料供公安在侦察调查取证的过程中作为证据或者线索袁其真实性和可信度则有待考证遥面对公安刑侦领域对数字图像内容真实性的高度要求袁具有内容真实性鉴定作用的认证袁 数字水印无疑是极佳的解决方案袁 以往对数字图像水印的研究主要集中在提高对破坏嵌入水印攻击的鲁棒性袁但低估了伪造的风险袁伪造成功将对数字图像水印技术的保护作用产生颠覆效果遥为此袁公安机关尧技术企业尧学术专家三方可联合将风险转换为自身的武器袁 将传统数字图像加密技术作为矛袁对需要保密的信息资料进行加密曰数字图像水印伪造技术为盾袁 保证原图信息不泄露或在满足伪造技术使用的条件下袁破解获取不法分子的信息情报遥在警方和犯罪分子双方之间的对抗博弈中袁掌握对方信息传输尧加密的核心技术将成为博弈胜负的关键筹码遥 数字图像水印伪造技术在这方面颠覆了过去的传统的水印技术袁 旨在通过对抗神经网络训练出一个高度近似于水印加密的伪造技术袁而 GAN 本身蕴含野博弈冶思想袁 可以理解为它是利用生成器和判别器的不断博弈来提升图像拟合的效果咱10暂遥 随着训练样本大量投入它能够分析的特征也就越密集袁生成的伪造图像也越精确袁在公安工作中的反侦察尧反截获尧反破译中提供了技术支撑和风险提示遥数字图像水印伪造仍未达到足够的成熟度以得到公安领域的广泛应用袁 技术上仍有提升空间和缺陷袁 需要满足一定的条件袁 如足够的原图像和被嵌入水印的图像以提供该水印伪造器的高精度训练遥因此袁公安机关应当对原图像和加密后的图像进行信息保护袁避免不法分子通过信息伪造技术来破解加密遥源结束语本文揭示了利用最新的基于深度学习的图像生成技术伪造数字图像水印这一新的公开问题遥 以 U-Net 为主干袁构造了一个水印伪造器袁并通过对抗学习袁针对特定的目标水印对伪造器进行训练遥我们的定量和定性评估结果表明袁所提出的水印伪造器可以有效地在空间和频率域伪造数字水印遥 本文的研究揭示了利用深度学习技术伪造数字水印所带来的潜在风险袁 然而当代数字水印领域的研究人员和实践者严重低估了这一风险遥 今后我们将研究破解更先进的水印方法的可能性袁 并研究如何检测数字水印的伪造遥参考文献咱1暂郭保刚援数字水印技术在公安情报工作中的应用咱J暂援硅谷袁2011渊8冤院115咱2暂RUOWEI WANG,CHENGUO LIN,QIJUN ZHAO,et al.Wa鄄termark Faker:Towards Forgery of Digital Image Watermark鄄ingC/2021 IEEE International Conference onMultimediaand Expo(ICME),2021:1-6咱3暂封顺援深度学习在公安实战中应用前景的研究咱J暂援湖南警察学院学报袁2021袁33渊4冤院97-107咱4暂吴德阳袁张金羽袁容武艳袁等援数字图像水印技术综述咱J暂援高技术通讯袁2021袁31渊2冤院148-162咱5暂NIBRAASKHAN,RUJHAAN,GEORGEBOKTOR,etal.Steganography gan:Cracking steganography with cycle gen鄄erative adversarial networksJ援 arXiv:2006.04008,2020咱6暂VIDYASAGAR M POTDAR,SONG HAN,ELIZABETH CHANG.A survey of digital image watermarking techniquesC/3rdIEEE International Conference on Industrial Informatics,2005:709-716咱7暂PHILLIP ISOLA,JUN-YAN ZHU,TINGHUI ZHOU,et al.Im鄄age-to-imagetranslationwithconditionaladversarialnet鄄worksC/Proceedings of the IEEE Conference on ComputerVision and Pattern Recognition(CVPR),2017:1125-1134咱8暂TING-CHUN WANG,MING-YU LIU,JUN-YAN ZHU,et al.High-resolution image synthesis and semantic manipulationwith conditional gansC/Proceedings of the IEEE Conferenceon Computer Vision and Pattern Recognition(CVPR),2018:8798-8807咱9暂ALAIN HORE,DJEMEL ZIOU.Image quality metrics:PSNR vs.SSIMC/20th International Conference on Pattern Recognition.IEEE,2010:2366-2369咱10暂蒲秦援静阐述公安计算机信息安全主要风险及应对策略咱J暂援信息安全与数字化管理袁2019袁39咱收稿日期院圆园圆猿-01-03暂渊上接第 126 页冤色点为 GPS 定位信息袁 深色点为融合滤波后估计的位置信息袁可以明显看出融合后的位置信息偏差更小袁更加符合真实情况袁证明了本文的方法的有效性和稳定性遥源结束语本文使用传感器数据融合的方法袁 将霍尔传感器解算出的位移和加速度计解算出的位移数据相融合袁再和 GPS 的定位数据进行对比袁在误差范围内时再进行互补滤波袁在仿真实验中验证方法的可行性遥 在 GPS 精度下降尧定位轨迹不稳定的情况下袁利用本文提出的角度融合方法袁 使运动轨迹重新回到正确的路径上且定位的鲁棒性明显增强遥 该方法可应用在无人送货车或无人驾驶上袁 即使在周围环境复杂的道路上也能保证定位的可靠性咱2暂遥参考文献咱1暂郑贵省.GPS/DR 车载组合定位系统数据融合算法研究咱D暂.天津院天津大学袁2005咱2暂李蕊江袁尚俊娜.基于 GPS 测姿和陀螺仪的角度融合定位方法研究咱J暂.软件导刊袁2019袁18渊10冤院173-177咱收稿日期院圆园圆猿原园员原员苑暂129