实现导航精度,传感器使用的算法看一系列的测量(而不是单个测量)并生成输出的数字补偿测量误差。这些算法被称为传感器融合算法和卡尔曼滤波。gydF4y2Ba
更好的数据等于更好的导航gydF4y2Ba
大卫·罗宾斯|gydF4y2Ba帕克主微应变传感gydF4y2Ba
鉴于全球导航卫星系统(GNSS)的流行,很容易忘记GNSS测量并非直接或简单。GNSS传感器使用卫星信号来确定位置,由于系统的复杂性和距离的测量,误差来自多个源的蠕变。系统级的错误可能发生,因为问题,如接收机无法“读”一个足够数量的卫星。他们可能是由于扭曲的GPS信号穿过地球的大气层。他们也可能导致接收机的问题层面,比如多路径错误(卫星之间的干扰信号到达甚至从波来自本地来源)。gydF4y2Ba
实现导航精度,传感器使用的算法看一系列的测量(而不是单个测量)并生成输出的数字补偿测量误差。这些算法被称为传感器融合算法和卡尔曼滤波。gydF4y2Ba
虽然卡尔曼滤波对导航性能至关重要,它是经常被忽视的客户采购一个惯性导航系统(INS)。更加关注系统的过滤器,然而无论是使用松或紧联系会导致更好的现实世界的整个导航系统的性能。gydF4y2Ba
在松散耦合的应用程序中,卡尔曼滤波利用GNSS接收机的位置和速度估计计算,而在一个紧耦合的安排,卡尔曼滤波器使用来自接收者的原始测量数据。紧密耦合的安排是可取的,因为它允许GNSS接收机提取输入数据到估计输出测量结果的丢失重要信息滤波算法可以用来生成一个更准确的概率分布和一个更好的解决方案。gydF4y2Ba
通过所有传入的数据的一个好处GNSS接收机的INS是卡尔曼滤波器不是孤立工作的其他地区的导航系统。他们可以比较惯性从运动传感器和旋转传感器收集的数据来自卫星的数据,更容易隔离测量集是不精确的。gydF4y2Ba
情况紧密耦合是有利的一个例子是当GNSS接收器有一个有限的天空视图和,因此,有限的卫星。紧密耦合滤波器可以使用单个卫星测量约束系统,提供一个更稳定的解决方案。gydF4y2Ba
一些INS制造商使用松散耦合的卡尔曼滤波器,因为它们更简单。紧密耦合的实现需要大量的开发,更多的计算能力,报告原始测量的GNSS接收机。帕克的主,但是,相信额外的投资是值得的。我们的新3 dm-gq7-gnss / INS先进,紧密耦合,实时运动(RTK)卡尔曼滤波能力,可以提供可靠的导航性能,即使在具有挑战性的环境中动态导航。gydF4y2Ba
主打产品gydF4y2Ba
内容与本文作者的意见,不一定代表RoboticsTomorrow的观点半岛app官网gydF4y2Ba
帕克的主——微应变传感产品gydF4y2Ba
帕克主-微应变的惯性传感产品生产工业级最小和最轻的惯性传感器可以用于先进制造、非公路用车辆、商用和军用载人和无人驾驶车辆,和土木结构。产品温度补偿采用了专有的校准过程,包括倾斜垂直参考单元,艾莫斯,明显和INS / GPS导航,稳定,移动地图,地形补偿等等。联系主额外定制设计的解决方案。gydF4y2Ba
其他文章gydF4y2Ba
方法来改善你的IMU性能gydF4y2Ba
与改进的移动映射系统驱动无人驾驶飞机gydF4y2Ba
高性能惯性传感器的机器人系统gydF4y2Ba
更多关于帕克主——微应变传感产品gydF4y2Ba
评论(0)gydF4y2Ba
这篇文章没有任何评论。成为第一个在下面留下你的评论。gydF4y2Ba
特色产品gydF4y2Ba
