VIP20

本课程属于：009-多传感器感知融合 自动驾驶 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

GNSS定位漂移诊断与融合定位优化

📚 共计 30 章节

漂移现象初探

什么是定位漂移？GPS/北斗信号飘移原因，城市峡谷、高架桥下、隧道等场景。

定位原理基础

GNSS三要素：卫星、接收机、时间；伪距测量与定位解算。

误差源分析 (上)

卫星端误差：星历误差、卫星钟差；信号传播误差：电离层、对流层。

误差源分析 (下)

接收机端误差：多径效应、接收机噪声、天线相位中心偏差。

接收机多径

多径效应深度解析

信号反射与衍射，城市峡谷“幽灵路径”，识别多径干扰。

环境因素影响

天气(电离层风暴)、电磁干扰(Wi-Fi/5G)、建筑物遮挡。

硬件选型与天线

有源vs无源天线，增益与极化，陶瓷天线vs贴片天线。

接收机芯片对比

u-blox、中科微、华大北斗，抗干扰能力与功耗。

NMEA协议解析

$GPGGA、$GPRMC、$GPGSV报文详解，提取位置信息。

原始观测值输出

载波相位、伪距、多普勒频移，RTKLIB与u-center工具。

观测值工具

定位模式选择

SPP、DGPS、RTK、PPP，模式对比与选型。

RTK原理与实现

基准站+流动站，差分改正数，厘米级定位条件。

惯性导航融合 (INS)

IMU(加速度计+陀螺仪)辅助GNSS，卡尔曼滤波入门。

传感器融合实战

GNSS+IMU+轮速计(车辆)，GNSS+IMU+磁力计(无人机)。

实战多传感器

地图匹配技术

将定位点“吸附”到路网，HMM(隐马尔可夫模型)算法简介。

软件滤波算法

均值、中值、卡尔曼、粒子滤波，适用场景对比。

卡尔曼滤波实战

状态向量设计(位置/速度/加速度)，预测更新，Python代码。

卡尔曼代码

异常值检测与剔除

速度/加速度/HDOP阈值，滑动窗口法。

轨迹平滑与插值

B样条曲线、三次样条插值，解决“跳变”问题。

数据后处理技巧

RTKLIB后处理、Google Earth可视化，分析漂移规律。

后处理可视化

常见问题1：静止漂移

温漂、多径导致位置飘忽，排查步骤与解决方案。

常见问题2：穿墙飞线

运动轨迹“穿墙”或“飞线”，修复与预防。

常见问题3：高楼信号丢失

高楼密集区信号频繁丢失，AGPS与星历预测。

常见问题4：启动定位慢

冷启动/热启动慢，A-GPS与星历下载。

常见问题5：时间戳不同步

多传感器时间不同步，PPS与时间同步机制。

测试与评估方法

静态、动态、重复性测试，RMS与CEP指标。

工具链搭建

u-center、RTKLIB、QGIS、MATLAB一站式环境。

行业案例1：共享单车

电子围栏，算法将漂移控制在1米内。

案例电子围栏

行业案例2：自动驾驶

高精定位，GNSS+IMU+LiDAR融合方案。

案例自动驾驶

多频多系统(GPS+北斗+Galileo)，L5抗干扰，SBAS。