北斗PPP-RTK快速精密定位與多源增強匯報內(nèi)容研究背景與意義星地一體增強PPP-RTK慣性/視覺增強PPP-RTK結(jié)論與展望12342研究背景與意義北斗三號全球衛(wèi)星導(dǎo)航系統(tǒng)已于2020年7月正式開通，為全球用戶提供全天候的時空信息服務(wù)北斗

GPSGalileoGLONASS自動駕駛、物聯(lián)網(wǎng)、移動機器人等對時空信息服務(wù)的準確性、時效性和可靠性提出了更高的要求4研究背景與意義RTK

&PPP

技術(shù)RTK技術(shù)通過差分技術(shù)實現(xiàn)模糊度的快速固定與瞬時厘米級定位① 密集的參考站網(wǎng)，作業(yè)不靈活，成本高且范圍受限NRTK可改善(一定程度)② 雙向通訊，用戶數(shù)量受限③ OSR改正數(shù)，對通信寬帶要求高PPP技術(shù)單站解算獲得靜態(tài)厘米級、動態(tài)分米級的定位精度① 數(shù)十分鐘的收斂時間② 精度與可靠性偏低PPP

AR可改善(一定程度)~10分鐘的首次固定時間6研究背景與意義PPP-RTK技術(shù)PPP-RTK集成了PPP與RTK技術(shù)的優(yōu)點，可實現(xiàn)高精度、實時、快速定位獨特優(yōu)勢：① 廣域、無縫、高精度定位② SSR改正數(shù)

廣播式播發(fā)，降低通訊負擔(dān)，私密性與安全性得到保障根據(jù)不同偏差特性分別建模，提升定位精度

獨立的完好性指標，分別監(jiān)測，彈性調(diào)整7GNSS信號遮擋多路徑效應(yīng)激光雷達高成本重復(fù)場景誤差積累視覺慣性導(dǎo)航重復(fù)/單一紋理動態(tài)環(huán)境誤差積累面向智能化載體日益復(fù)雜的應(yīng)用場景，連續(xù)、可靠

、無縫

的高精度位置服務(wù)已成為產(chǎn)業(yè)應(yīng)用的迫切需求，而單一傳感器難以滿足不同場景應(yīng)用需求，多源傳感器間的相互融合是當前的最佳解決方案，具有十分重要的研究意義與價值符合“更加泛在、更加融合、更加智能”的國家綜合PNT體系的建設(shè)方向8多源融合定位技術(shù)研究背景與意義匯報內(nèi)容研究背景與意義星地一體增強PPP-RTK慣性/視覺增強PPP-RTK結(jié)論與展望123498多頻多系統(tǒng)PPP-RTK系統(tǒng)構(gòu)建PPP-RTK高精度動態(tài)定位服務(wù)系統(tǒng)由服務(wù)端與用戶端兩部分組成星地一體化增強PPP-RTKUPD估計方法1sss1

G1

C 1

R1

E2

G2

C2

R2

EsmR R RdR R R Rd

D1

1

Dm

1

d

D1

RG

2

R

C

2

d

Dm

2

dR

E

n

D

n

R R R

n

G n

C n

R n

E n

D1

多系統(tǒng)實時UPD實時相位小數(shù)偏差估計原始觀測方程構(gòu)建1000-1012500EpochUPD

(Cycle)1000-1012500EpochNLWLGPS1000-101-202500EpochUPD

(Cycle)1000-101-202500EpochNLWLGalileo1000-20-101-202500EpochUPD(Cycle)1000-20-101-202500Epoch11NLWLBDS星地一體化增強PPP-RTKUPD估計方法1sss1

G1

C 1

R1

E2

G2

C2

R2

EsR R RdR R R Rd

D1

1

Dm

1

d

D1

RG

2

R

C

2

d

Dm

2

dR

E

n

Dm

n

R R R

n

G n

C n

R n

E n

D1

實時相位小數(shù)偏差估計原始觀測方程構(gòu)建星地一體化增強PPP-RTK12電離層改正數(shù)建模精度對流層改正數(shù)建模精度固定解提取的大氣延遲改正數(shù)精度可以達到厘米級

，滿足模糊度固定的需求11區(qū)域增強改正數(shù)提取與建模大氣增強改正數(shù)提取大氣增強改正數(shù)內(nèi)插支持內(nèi)插與格網(wǎng)兩種模式星地一體化增強PPP-RTK12PPP-RTK：實驗設(shè)計實驗路線 京承高速-北六環(huán)-G6高速-八達嶺奧萊-G7高速實驗數(shù)據(jù) GPSL1/L2/L5,GalileoE1/E5a/E5b/E5/E6,BDS

B1I/B2I/B3I實驗數(shù)據(jù) NovAtel

OEM729接收機+Trimble天線參考坐標 SBG慣導(dǎo)設(shè)備PPK/INS后處理結(jié)果UPD估計 所有基站（29個）大氣產(chǎn)品

北京市區(qū)10個基站（藍色三角形）北京市參考站網(wǎng)分布（左）北京實驗車輛行駛軌跡（中）實驗車裝備配置（右）實驗時間 3/18/2021

1:32~5:14

GPST 采樣率 1s星地一體化增強PPP-RTK13多頻多系統(tǒng)PPP-RTK性能分析星地一體化增強PPP-RTKENUPPP0.7251.001.46雙頻

PPP-RTK

0.035

0.048

0.099多頻

PPP-RTK 0.019 0.017 0.035雙頻多頻定位精度（單位：m）PPP-RTK得益于高精度大氣改正數(shù)增強，可以顯著縮短收斂時間，快速達到厘米級定位精度多頻數(shù)據(jù)能顯著提升PPP-RTK的固定率、定位精度以及可靠性。在可用觀測值較少的情況下，多頻的改善十分明顯匯報內(nèi)容研究背景與意義星地一體增強PPP-RTK慣性/視覺增強PPP-RTK結(jié)論與展望123416實際應(yīng)用需求使用GNSS單一傳感器的導(dǎo)航系統(tǒng)已經(jīng)逐漸不能滿足城市復(fù)雜環(huán)境中高可靠、高精度定位的需求充分利用多種傳感器(INS/Vision/LiDAR/UWB等)，完成對GNSS的增強多源融合導(dǎo)航增強城市峽谷 高架橋隧道入口林蔭道17PPP-RTK/INS緊耦合濾波算法sPPP

/

INSrsrn r

,w

P

L

εsms0

XPs

εLs

00

g00

I0

0

g

s

0

0

I

γγn r

,wmsIPPP

/

INSTCIg a t r

,wX

r

,n n

v,r,b,b,d,I

s

,Z ,Ns

~Q狀態(tài)融合r

,nPPPt r

,wPPPX

r,d,I

s

,Z ,N

s

~Qn

INSXINS

v,r,bg

,ba

~Q量測模型2i1

2

nTssI wITT wI

I

w

, w~N(0,

)

w

, w~N(0,2

)r

,n r1

,r2rn I

r

,w r,rrZ

Z大氣約束PPP-RTK/INS緊組合模型18狀態(tài)方程：融合了GNSS鐘差、電離層、對流層、模糊度參數(shù)、慣導(dǎo)零偏參數(shù)與導(dǎo)航參數(shù)量測方程：通過桿臂歸算，將GNSS觀測方程在慣導(dǎo)中心位置展開，構(gòu)成緊組合濾波量測模型多源融合導(dǎo)航增強車載實驗A定位序列（PPP-RTK固定率87.3% 95.3%）車載實驗B定位序列（PPP-RTK固定率69.7% 88.3%）連續(xù)性：慣導(dǎo)信息填補了GNSS信號短時中斷造成的定位結(jié)果缺失可靠性：慣導(dǎo)增強將重固定時間縮短到1~3

s，提升了PPP-RTK的固定率、定位精度與可用性車載實驗A19車載實驗B多源融合導(dǎo)航增強PPP-RTK/INS緊耦合濾波算法部分復(fù)雜環(huán)境 城市峽谷環(huán)境多源融合導(dǎo)航增強ENUENUPPP-RTK0.0210.0340.0951.4050.4342.003PPP-RTK/T-INS0.0180.0240.0460.0940.0590.091PPP-RTK/M-INS0.0210.0260.0550.4010.3980.50920PPP-RTK/MEMS結(jié)果開闊環(huán)境中，MEMS與T-INS（戰(zhàn)術(shù)級）都可以改善PPP-RTK的定位結(jié)果MEMS在GNSS頻繁中斷過程中發(fā)散更快定位精度：PPP-RTK/MEMS：開闊環(huán)境中 厘米級部分遮擋環(huán)境

分米~米級開闊環(huán)境與部分遮擋環(huán)境定位精度統(tǒng)計（單位：m）Period

I

(5:56:00~6:32:27) PeriodII

(6:32:27~6:41:00)19多源融合導(dǎo)航增強PPP-RTK/INS/vision緊組合濾波算法在GNSS長時間中斷情形下，慣性導(dǎo)航誤差迅速累積，定位結(jié)果逐漸發(fā)散城市峽谷 高架橋 隧道視覺信息可以有效構(gòu)建多個運動狀態(tài)之間的數(shù)據(jù)關(guān)聯(lián)，當GNSS出現(xiàn)中斷或者失鎖時，融合視覺信息能夠進一步抑制慣導(dǎo)誤差發(fā)散本質(zhì)思想：將同一個被連續(xù)多幀影像跟蹤到的靜止特征點的觀測量轉(zhuǎn)化為多張影像之間的幾何約束20多源融合導(dǎo)航增強PPP-RTK/INS/vision緊組合濾波算法在PPP-RTK/INS框架下，引入視覺原始觀測，提出了一種基于滑動窗口的PPP-RTK/INS/Vision緊組合算法IMU維持狀態(tài)更新，GNSS與相機觀測值進行量測更新INS機械編排獲得的位姿可用于輔助特征點的跟蹤與匹配基于多狀態(tài)約束的卡爾曼濾波（MSCKF）多源融合導(dǎo)航增強PPP-RTKGNSS嚴重遮擋環(huán)境中，MEMS-IMU的加入難以抑制定位結(jié)果的發(fā)散，進一步引入視覺觀測信息可以明顯提升定位精度，增強定位效果與戰(zhàn)術(shù)級慣導(dǎo)相當21PPP-RTK/MEMS-IMUPPP-RTK/Tactical-IMUPPP-RTK/MEMS/VisionPPP-RTK/INS/vision緊組合濾波算法PPP-RTK/INS/Vision緊組合濾波算法22多源融合導(dǎo)航增強GNSS嚴重遮擋環(huán)境中，PPP-RTK/MEMS