接前篇
上一篇末尾讲到需要多少颗GNSS卫星才能确定整周模糊度，答案是多少颗都不行，因为每颗卫星的载波信号中的整周模糊度都是不同的，无法通过单纯的GNSS卫星数量增加来确认。这个时候我们需要来自观测站信息的辅助。 如果有方法能够便捷的获取当前接收信号中的误差值，就能够计算得到精准的整周模糊度，可以利用载波相位来获取自身的位置，静态精度可达2cm，动态精度也可以做到10cm以内。而目前常用的方法有RTK(OSR)类和PPP(SSR)类。6. RTK(OSR)的原理 上一篇讲过，实际的卫星信号中有大量的误差项，有卫星相关的误差和传播路径相关的误差，这些误差很多和地域是强相关的，如果在我们接收机附近，有另一个已知精准位置的接收机（基站），由于这个接收机的位置已知，就可以通过已知的位置和接受的信号，计算出这个误差之和有多少。当我们待求位置的接收机和已知位置的基站足够近，可以认为二者的误差是相同的，这样载波伪距误差项公式就表达为： 基站将误差项和通过信号告诉接收机，就可以求解上式，得到精准的载波定位结果。这种方法叫做差分GNSS，差分GNSS中技术也有很多代，目前应用最广泛的是RTK, Real-Time Kinematics，实时动态差分。而这种方法是对接收机观测的信号进行误差描述的，又被成为OSR，Observation Space Representation，观测空间表达。RTK原理示意从上图中可以看出RTK的一些特点，由于是对观测值进行描述，那么对于接收机和基站之间的基线距离有要求，通常距离不能超过50km，这样就需要非常多的基站数量。想覆盖中国大部分区域，需要2000+个观测基站。同时为了获取到接收机附近的观测误差，需要车辆将初始位置发送给服务商，然后再从服务商网络中获取到需要的纠偏数据，这就需要双向通讯。 RTK的好处也非常明显，因为是直接获取到误差的值，计算起来非常快捷，收敛速度较快，状态好时可以在几秒内收敛。7. PPP(SSR)的原理 另一种模式是用建立观测误差模型来描述卫星信号中的误差项，特别是电离层误差和大气层误差，由于这些误差模型的特性，使得通过少量的参数就可以获取到误差的值，这就使得所需要的参数的数据量和基站的数量大大减小，带来一系列的好处。 传输的数据量大幅减小，可以通过广播的形式播发所有的参数，不需要获取车辆位置，这就只需要单向通讯，从原理上对隐私的安全性更好； 由于单向通讯和数据量小，除了传统蜂窝网络外，还可以通过GEO通讯卫星进行播发，这样可以双链路通讯，从原理上对通讯的可靠性更好； 基站数量少，维护成本低。 这种定位方式，用户通过自己单接收机就可以获取精准位置，所以被称为PPP，Precise Point Positioning，精密单点定位，同时这种方法是对误差模型的状态进行描述，又被称为SSR，State Space Representation，状态空间表达。PPP原理示意图8. 定位服务概念提供定位服务的供应商就是定位服务商，目前国内有千寻位置，六分科技，中移智行等公司提供相应的服务，国外则有Trimble， Hexagon，Sapcorda等定位服务商公司。下图是一些概念的辨析。 而由于这些外部依赖的存在，车用的高精GNSS定位系统除了车端之外，还需要GNSS卫星和观测站，定位服务商和通讯服务商的网络。而车端也需要GNSS信号的接收机和对应的天线，LTE网络接收机和对应的天线，以及使用二者信息进行高精定位求解计算的算法集成方——Host Processor。 然而这种系统仍然还是不足的，相关概念我会在下一个新篇中介绍，请见《自动驾驶系统入门（2）IMU与惯导定位》------我是 @彼方说WindyWing，一个做过很多事情的自动驾驶工程师，热爱生活，兴趣广泛。欢迎关注我，带你了解更多有关自动驾驶，新能源汽车的事情。收藏的朋友，麻烦点个赞关注下呗。
}

GNSS技术（全球导航卫星系统）在现代定位和导航应用中发挥着重要作用。GNSS模块作为接收和处理GNSS信号的设备，在许多领域，如车辆管理、航空航海、农业和测绘等方面得到了广泛应用。那么，如果您想在您的项目中使用GNSS模块并实现高精度定位，下面是一些安装GNSS模块的基本步骤和注意事项。
步骤1：选择合适的GNSS模块
市场上有许多不同型号和品牌的GNSS模块可供选择。在选择GNSS模块时，您应该考虑以下几个方面：
定位精度：不同型号的GNSS模块具有不同的定位精度，通常包括单点定位、差分定位、RTK（实时运动定位）等。根据您的项目需求，选择具有合适定位精度的GNSS模块。
接口和通信：GNSS模块通常通过UART、USB、SPI等接口与主控设备通信。确保您选择的GNSS模块与您的主控设备兼容，并具有适合您项目的通信方式。
功耗和尺寸：GNSS模块的功耗和尺寸对于嵌入式应用尤其重要。选择功耗低、尺寸小的GNSS模块，以便方便嵌入到您的设备中。
步骤2：安装GNSS天线
GNSS天线是接收卫星信号的重要组成部分。安装GNSS天线时，您需要考虑以下几点：
安装位置：GNSS天线应该安装在开阔、无遮挡的地方，以便接收到尽可能多的卫星信号。避免将天线安装在被金属、混凝土等遮挡物附近，因为这可能会影响GNSS定位的精度。
安装高度：GNSS天线的安装高度也会影响定位精度。一般情况下，天线离地面越高，可以接收到的卫星信号越多返回搜狐，查看更多
责任编辑：}

随着汽车智能化的不断发展，智能驾驶以及其所需要的高精度定位技术也逐渐走进大众的视野。如果说高精度地图是为智能汽车的行驶绘制了无形轨道，那高精度定位技术则是前者的“最佳拍档“，支持汽车在轨道中安全行驶——高精度位置信息和地图进行匹配后实现导航功能，与整套感知系统进行时间同步，为智能驾驶提供了最基础的时空信息。▲图1. 多传感器融合在智能驾驶场景的使用高精度定位技术根据使用的硬件不同，可以分为三大类：卫星导航（GNSS）、惯性导航（INS/IMU）、环境特性匹配定位。● 卫星信号定位以GNSS系统为主，结合RTK实现厘米级定位。● 惯性导航定位不依赖任何外部信息，属于自主导航定位，依靠惯性传感器（IMU）获得加速度和角速度信息，并由此推算获得当前位置和方位。最早用于军工领域。在这里我们对惯导系统再做一个细分，主要分为平台式惯导系统和捷联式惯导系统两大类。捷联惯导系统（SINS）是在平台式惯导系统基础上发展而来的，它的结构简单，具有可靠性高、体积小、重量轻、造价低的优势，高速大容量的数字计算机技术和高精度陀螺仪技术的发展，因此捷联导航系统在低成本、短期中精度导航中呈现出逐渐取代平台式系统的趋势。● 环境特性匹配定位利用车载摄像头、激光雷达等传感器，感知周边环境，用观测到的特征和数据库里的特征地图进行匹配，得到车辆的位置和姿态。▲图2. 定位技术而完成智能驾驶的高精度定位，需要这三大类技术融合来实现，技术的大趋势是多元融合、异构冗余。对于任何一个物理量的观测，都采用多重传感器取长补短的方式。随着认知的逐步深入，自动辅助驾驶系统开发中，逐步认为卫星信号定位和惯性导航定位两者的结合（卫惯组合），由于两者信息的互补性，可以更好的发挥系统的优势。尤其是低成本的捷联惯导系统和卫星导航系统的组合，一直是国内外导航界研究的热点之一，有望成为未来主要的定位技术解决方案。卫惯组合优点如下：● 精度高GNSS和IMU单独定位达到厘米级，IMU可以对车辆轮速，方向盘转角，其他传感信息结合，进一步提升定位精度。● 适用场景多GNSS提供全天候，全天时，绝对位置准确的定位;汽车进入隧道道或地下车库等卫星信号丢失的领域，IMU会根据失效前感知到的道路信息对汽车航迹进行推演，使得车辆保持安全行驶。● 可靠性提高IMU可验证GNSS定位的自洽性，对于无法自洽的GNSS数据进行过滤和修正。卫惯组合有三种耦合方式：松耦合、紧耦合和深耦合。从命名方式上，目前大众普遍有个误解，认为这三种方式的耦合程度从低到高，定位精度也是从低到高，今天的文章就揭示一下这几个概念的内涵，从这几个问题开始讨论未来发展趋势。Part 1“X耦合”和“解耦”（1）标准耦合模型（松耦合模型）在这里，我们首先从标准耦合模型（SFM: Standard Fusion Model for GNSS/INS）开始，它是紧/深耦合的技术基础和前提。▲图3. 标准耦合（共性技术）SFM是经典卫/惯组合系统的数学模型，也是所有衍生分支算法的“共性基础”。其共性占比在整个卫/惯融合技术领域超过95%。随着后人在细分领域的技术分支开发，为了突出后来的新方法的创新度，标准耦合模型（松耦合）被“贬”称为：“松耦合模型”。◎ SFM优点主要在于：工程实现容易，组合系统的计算量小，可以满足对实时性要求较高的系统设计；两个系统仍然保持独立工作，即使某个系统出 现故障时，组合系统仍然可以继续工作，保证 测量的连续性。◎ SFM劣势：由于这种方法要求可见卫星数目不少于 4 颗，此时组合定位中的GNSS模块无法定位。▲图4. 标准耦合模型示意图在这里GNSS/RTK定位结果和IMU原始数据来实现融合 ，卫惯系统各自解算载体方位和运动情况信息（卫星输出位置与速度等、惯性输出位置速度姿态等），所得结果导入滤波器进行进一步结算，估算INS误差情况。▲图5. 标准耦合模型（经典融合：所有的融合方式都以此“共”基础）（2） 紧耦合说完“松耦合”，与之对应的就是“紧耦合”。紧耦合导航系统与标准耦合导航系统在功能上来说是基本一致的。与标准耦合（SFM）导航系统不同的是， GNSS 接收机输出的是伪距与多普勒频移这些原始采样数据。将 GNSS 接收采样得到的伪距与多普勒频移 由 INS 系统预测得到的伪距与多普勒频移的预测值相减即可得到伪距与多普勒频移的测量残余作为数据融 合滤波器的观测量，将观测量输入到数据融合滤波器之后，同标准耦合（SFM）系统一样可以得到INS计算误差以及传感器偏差以完成对INS系统的对准并获得位置与速度的最优估计值。紧耦合最典型的应用场景是在军事环境，尤其是遇到一定程度电子对抗环境，卫星数较少（＜4颗）的情况；无差分修正（无RTK）；同时是一个相对高动态环境：例如巡航速度200米/秒的飞行体（720公里/小时）。与松耦合技术相比，紧耦合的优势主要在于：◎
紧耦合在干扰环境中工作时能更好地保持对卫星的锁定，不过除了干扰一信号比以外，这一优势很难定量表示。◎
在可见卫星少于4 颗的情况下，也能在较短的时间内正常工作，同时定位精度会急剧下降。▲图6. 紧耦合模型（3）深耦合深耦合的应用是在高动态和射频干扰环境下，且无差分修正（无RTK）——此时无论是 GNSS/INS 标准耦合（SFM）系统还是 GNSS/INS 紧耦合系统都无法正常工作，比如：炮弹、导弹、火箭等非载人装备。在这里美国的喷气推进实验室（JPL）定义“高动态测试环境”是载体承受持续1s的高达70g/s加加速度。或者动态场景为载体承受持续0.5s的正向加加速度100g/s，间隔2s后，再承受持续0.5s的反向加加速度100g/s。一般只有弹道导弹的再入大气层阶段才可达到，对导航精度要求更高的巡航导弹的动态一般低于这两种测试场景。而实际在车辆的应用上，一般零百加速达到4秒左右的时候，加速度为0.7g；达到3.8秒时，加速度为0.74g。实际上深耦合技术是为了非载人飞行体弥补极限场景下的定位性能不足而产生的。深耦合导航系统相对于紧耦合导航系统增加了 INS 单元对 GNSS 接收机的辅助。利用 INS 单元结合星历信息可以对伪距与载波的多普勒频移进行估计，利用估计结果辅助接收机的捕获与跟踪环路。事实上，这种场景主要应用在军事导航上。远程精确制导发射任务要求快速飞越电离层，对动态范围要求高达40g甚至更高，高动态引起的卫星与载体之间的多普勒频移会给GNSS信号跟踪带来严重影响。在高动态条件下，高速率带来的±50~100kHz的多普勒频移，会导致普通接收机载波跟踪环路失锁，无法解调出导航电文；高动态带来的多普勒频率大范围内的抖动，要求加宽环路带宽，降低工作信噪比，其代价降低环路跟踪精度；会也使伪随机码产生动态时延，导致码环失锁。▲图7. 深耦合模型◎ 深耦合模型其优势在于：在高动态条件下，可提升跟踪环路的稳定性， 提高了接收机的动态性，进而提高了接收机跟踪环路的灵敏度，即使在强射频干扰环境下。◎ 其劣势在于：由于两者的之间的耦合很深，因此当断开两个系统时，GNSS 接收机不但无法完成定位、定速的工作，同时也无法继续完成对卫星信号的跟踪，此时如果没有相应的切换方法来控制，则会导致卫星信号的失锁。且切换设计的深耦合跟踪方法要避免陷入 INS 辅助状态切换死循环的状态（防止正反馈）。但深耦合模型作为高精度定位解决方案，存在一个问题：由于在军工和航空航天中，是不太考虑的成本，怎么高大上怎么来；但是在汽车上，由于更大的算力需求，带来单车成本上升的方案并不可取。特别是在并不是军工业的民用领域，这种高要求下没有成熟的SOC芯片，通常使用 FPGA+DSP方案来作为硬件解决方案。▲图8. 状态判决死循环芯片是需要出货量支撑的，大家都说深耦合很好，但由于没有成熟的SOC芯片，目前汽车领域所有公开的硬件方案，都使用FPGA+DSP方案来作为硬件解决方案。深耦合常用的主要元器件有：◎ TI DSP 674系列◎ Intel / Altera FPGA（非车规）◎ xilinx XA系列（车规），XA7A12T——此类芯片动辄几百元的书面报价，加上52周以上货期，即便不考虑价格，可能在“供应链安全”的视角也有待商榷。▲图9. GNSS接收机工作原理框图（通用）在汽车领域大规模应用的前提是系统成熟且成本较低。显然，在实际应用中，解决方案的优劣并不是从标准耦合、紧耦合再到深耦合的递进关系，而是要看应对工况处理的可靠性。（4）解耦对于组合导航而言，城市道路中最难处理的“丢星工况”（如严重遮挡、或地下工况），是自动驾驶技术工程实践中关心的重点。此时的融合算法该如何处理呢？答案是：惯性推算（Dead Reckoning）。也就是利用IMU获得载体的高精度的三维加速度与角速度信息，通过积分获得载体的三维运动轨迹和姿态。值得注意的是，在此类工况下，以上所有的卫惯融合技术是没有差异的，因为GNSS系统已经无法工作（或因为精度非常低而失去车道级定位的可用性），卫惯系统进入了“纯惯性推算”的工作模式。此时的系统精度，100%取决于IMU的精度等级。这也许是《捷联惯性导航技术》的作者David H. Titterton认为“不同的融合技术，除了干扰信号比之外，其他优势很难定量表示”的原因。备注：在卫星严重遮挡或完全丢星的工况，卫惯之间各种耦合都是无效的。行业前沿的工程实践应用策略是尽快解耦，进入基于IMU和底盘信息融合的惯性推算模式（DR: Dead Reckoning）。同时，近年来，针对该类工况采用IMU+视觉的VSlam/VIO技术成为了研究热点，从学术文献的趋势来看，近十年来国内外知名高校（如加拿大卡尔加里大学等）则向惯性+视觉（或Lidar）+底盘信息融合的技术路线,展开了大量的探索（如VSlam/VIO技术等）。更加前沿的研究，敬请期待后续的分享。Part 2融合技术的“新趋势”由于自前应用广泛的惯性卫星组合导航系统在卫星长时间失锁的情况下难以保证导航的精度，在不引入其 它传感器辅助的情况下，利用车辆模型辅助导航成为了车辆导航研究的新方向——主要有：运动学动力学模型辅助车辆导航技术方向和多源融合技术方向。从自动驾驶“定位”技术的大范畴来看，随着传感器技术高速发展、性能幅度提升、成本也以“数量级” 幅度优化，自动驾驶技作为人工智能技术的分支，也和逐渐向主流技术路线看齐，慢慢摆脱高昂价格对于技术路线选用的掣肘。经历了从21世纪初期到今天，经过了三个阶段：● 第一阶段 ：实验室级别多传感器融合● 第二阶段 ：技术导入量产开始控制成本，采用大量“剪裁”方案● 第三阶段 ：技术爆发红利，重启“可量产”的多传感器融合技术路线▲图10. 组合导航各主要技术功能模块小结：紧、深耦合作为“经典组合导航”的技术细化点，针对高动态、非载人场景可以优化GNSS系统的卫星跟踪性能，可以使一些“不合格”工况成为可用（达到60分的水平）。但深耦合所需的硬件方案尚未进入规模化阶段，其性能与成本的综合效益有待进一步验证。目前 针对“车道级”高精度组合导航发展趋势，已经从经典的卫/惯组合，向车辆运动学模型、多源融合技术路线发展。————————参考文献Titterton, David, John L. Weston, and John Weston.Strapdown inertial navigation technology. Vol. 17. IET, 2004.吕新知.GNSS 接收机与惯导深耦合 技术研究. MS thesis. 电子科技大学, 2013.冀峰. 惯性/卫星紧组合导航系统仿真及关键技术研究[D].南京航空航天大学,2009.王鹏. 高动态飞行器INS/GNSS深耦合系统精度分析及优化技术[D].电子科技大学,2015.黄少杰. GPS高动态接收机的研究和硬件实现[D].北京邮电大学,2009. Dissanayake,Gamini, et al. "The aiding of a low-cost strapdown inertial measurement unit using vehicle model constraints for land vehicle applications."IEEE transactions on robotics and automation17.5 (2001): 731-747.Wang, J. H., and Yang Gao. "Land vehicle dynamics-aided inertial navigation."IEEE Transactions on Aerospace and Electronic Systems46.4 (2010): 1638-1653.}