一组激光惯导-里程计-测速仪-卫导跑车数据

一组激光惯导-里程计-测速仪-卫导跑车数据

本数据集专为车载导航系统研究设计，包含高精度光纤陀螺惯导系统、轮式里程计、激光测速仪及卫星定位（GNSS）的同步实测数据，适用于多传感器融合算法开发、自主定位精度评估、动态环境导航验证等研究场景。所有数据已严格时间对齐，可直接用于滤波（优化）算法设计与性能分析（更详细数据描述及下载来源：https://www.educoder.net/dataset/336/detail?tabId=public）。

img1

分析：

采用前290s数据进行对准，再纯惯性导航约15000s（4小时），定位误差稍大接近6000m。采用INS/GNSS组合Kalman滤波估计惯性器件误差，大致修正IMU零偏后，再作初始对准和纯惯性导航，误差减小至2000m以下。

从INS/GNSS组合估计结果看，天向z轴加表零偏有些不太稳定，从300ug变化到30ug；y轴陀螺零偏较大，约-0.01°/h。

 

PSINS工具箱数据处理程序：

glvs; ts = 1/200;

load dataimu_200.mat; load GPSdata.mat; % https://www.educoder.net/dataset/336/detail?tabId=public

imu = imurfu([data(:,2:7), cnt2t(data(:,1),ts)],'frd'); % imuplot(imu);

od1 = [data(:,11)*ts,imu(:,end)]; % odplot(od1);

od2 = [data(:,12)*ts,imu(:,end)]; % odplot(od2);

gps = appendt(ddidx(GPSdata,[5,4,-6,1:3]),1,-1); pos0=gps(1,4:6)'; % gpsplot(gps);

clear data;

%%

[att,res] = aligni0fitp(datacut(imu,0,290,'(]'),pos0);

avp = inspure(datacut(imu,290,inf,'()'),[att;pos0]); % insplot(avp(1:30:end,:));

avpcmpplot(gps,avp);

%%

ins = insinit([att1;pos0], ts);

avperr = avperrset([60;300], 1, 100);

imuerr = imuerrset(0.03, 100, 0.001, 1);

Pmin = [avperrset([0.001,0.01],0.0001,0.001); gabias(0.0001, [1,3]); [0.001;0.001;0.001]; 0.00001].^2;

Rmin = vperrset(0.01, 0.1).^2;

[avpkf, xkpk, zkrk, sk] = sinsgps(datacut(imu,290,inf), gps, ins, avperr, imuerr, ...

                          [rep3(1);1;1], [0.01;1], vperrset(0.1,10), Pmin, Rmin, 'h');

%%

imu1 = imuadderr(imu,imuerrset(-[0;-0.01;0],-[-69;70;70]));

[att1,res1] = aligni0fitp(datacut(imu1,0,290,'(]'),pos0); % avpcmpplot(res.attkp,res1.attkp,'a');

avp1 = inspure(datacut(imu1,290,inf,'()'),[att1;pos0]);

avpcmpplot(gps,avp1);

 

数据处理结果图如下：

img2

初始对准结果

img3

纯惯性导航结果图

img4

纯惯性导航导航误差

img5

Kalman滤波估计

img6

纯惯性导航导航误差（器件误差修正后）

 

感谢科大王老师提供数据素材！

https://www.educoder.net/dataset/336/detail?tabId=public