4. GNSS/INS组合定位架构与数据流

无人矿卡的定位系统通常由GNSS接收机与惯性测量单元（IMU）共同构成。GNSS提供长期稳定的绝对位置，但在矿区陡坡、装卸点、破碎站遮挡和粉尘环境下容易失锁或多径；IMU输出高频加速度与角速度，短时精度高，却会随时间积分漂移。组合定位的核心任务，就是把两者放进同一个估计框架，让GNSS约束IMU的漂移，让IMU在GNSS中断期间维持连续、平滑的位姿输出。理解组合架构，关键是看清两件事：观测信息在哪一层进入滤波器，以及各传感器数据如何在同一时间基准上对齐。

一、松耦合与紧耦合：观测进入的层级不同

松耦合（Loosely Coupled）是最常见的工程实现。GNSS接收机先独立解算出位置、速度（必要时含航向），再把这份“定位结果”作为观测量送入卡尔曼滤波器，与IMU的机械编排结果做融合。它的优点是结构清晰、对接收机品牌不敏感、GNSS异常时可直接切断观测；缺点是接收机内部已经完成了卫星层面的解算，滤波器看不到卫星原始信息，当可见卫星少于4颗、接收机无法给出有效定位解时，松耦合就失去了GNSS观测，只能纯惯导递推。

紧耦合（Tightly Coupled）则把GNSS的原始观测——伪距、伪距率、载波相位（如支持RTK）——直接送入组合滤波器，由滤波器统一估计位置、速度、姿态以及接收机钟差等状态。这样即使只有2～3颗卫星，仍能提供有效约束；在矿区遮挡频繁、卫星数剧烈波动的场景下，紧耦合的连续性和抗差能力明显更好。代价是实现复杂度高，需要处理卫星观测模型、钟差状态和观测质量控制。

工程上还有一种更深层的深耦合，用INS信息辅助接收机载波环跟踪，属于接收机内部改造，矿卡量产中较少直接采用。对排障而言，先确认车辆用的是哪种模式，决定了后续看哪些日志、查哪些接口。

二、卡尔曼滤波融合框架：状态、预测与更新

无论松耦合还是紧耦合，融合主体都是一个误差状态卡尔曼滤波器。工程上通常不直接估计绝对位姿，而是估计“名义状态 + 误差状态”：名义状态由IMU机械编排递推，滤波器估计位置、速度、姿态、陀螺零偏、加计零偏等误差量，再把误差反馈修正名义状态。这样线性化更准确，数值也更稳定。

滤波循环分两步。预测步用IMU数据推进状态和协方差：

// 预测（以IMU采样周期 dt 递推，示意）
x = F * x;                 // 误差状态传播
P = F * P * F^T + Q;       // 协方差传播，Q 由IMU噪声参数决定
// 更新（GNSS观测到达时）
K = P * H^T * (H * P * H^T + R)^(-1);
x = x + K * (z - H * x);   // z 为观测残差
P = (I - K * H) * P;

其中Q来自IMU的零偏稳定性和随机游走参数，R来自GNSS观测精度。排障时经常遇到“定位跳变”或“缓慢拉偏”，本质往往是Q/R失配：R设得过小，滤波器过度相信GNSS，多径一出现位姿就跳；R设得过大，GNSS约束不足，航向慢慢漂。矿区实践中，可根据接收机报出的定位质量、卫星数和差分状态动态调整R，而不是全程用固定值。

三、传感器数据流向与时间同步

数据流的方向是：IMU以100～200Hz持续输出，进入机械编排和预测步；GNSS以1～10Hz输出观测，触发更新步；融合结果再以较高频率对外发布给规控模块。这条链路上最容易出问题的不是算法，而是时间。

时间同步通常分三层。第一层是硬同步：用GNSS的秒脉冲PPS对齐整秒，让接收机与组合导航主机的时间基准一致。第二层是时间戳对齐：IMU采样时刻与GNSS观测历元往往不重合，需要把IMU数据插值或把观测外推到同一历元，否则高速行驶时几毫秒偏差就会带来厘米级到分米级的位置误差。第三层是杆臂补偿：IMU安装位置与GNSS天线相位中心不重合，车辆转弯和俯仰时两者速度、位置不同，必须用杆臂向量做补偿，否则动态场景下会引入系统性偏差。

四、融合结果如何判读

组合导航输出一般包含位置、速度、姿态及各自的协方差（或标准差）。判读时不要只看位置数值，要看协方差是否收敛、新息残差是否在门限内、GNSS更新是否持续发生。一个可操作的检查顺序是：先确认PPS和时间戳正常，再看GNSS观测是否按预期频率进入更新，然后看新息残差是否平稳，最后看协方差是否随观测增加而下降。若协方差长期不降，说明观测没有真正参与融合；若残差频繁超限被剔除，说明观测质量或R参数需要复核。这套判读逻辑，比单纯盯着屏幕上的坐标数字更能定位问题根源。