Позиционирование в городских каньонах на основе ГНСС возможно
ГНСС играют жизненно важную роль в позиционировании для беспилотных автомобилей, автобусов, дронов и уличных роботов. Однако их точность часто снижается в густонаселенных городских районах из-за блокировки сигнала и отражений. Сигналы страдают от многолучевого распространения и помех вне прямой видимости.
При сбоях в разрешении неоднозначности ошибки позиционирования могут быстро увеличиваться с сантиметров до метров, что ставит под угрозу безопасность критически важных приложений и подчёркивает необходимость более надёжных методов позиционирования в городских условиях.
Исследователи из Университета Мэйдзё в Японии разработали метод, использующий только ГНСС, который обеспечивает стабильное и точное позиционирование без опоры на неустойчивое разрешение неоднозначности фазы несущей, обеспечивая более безопасную и надёжную автономную навигацию в городских условиях.
Ключевое нововведение этого метода заключается в тесно связанном фильтре частиц Рао-Блэквелла, который оценивает положение вероятностным образом, не полагаясь на разрешение целочисленной неоднозначности фазы несущей.
Вместо попыток устранить неоднозначности — основную проблему традиционных RTK-ГНСС в городах — данный метод оценивает вероятность наличия нескольких гипотез о местоположении, используя дробную составляющую измерений фазы несущей.
Эта вероятностная модель обеспечивает стабильное позиционирование даже при ухудшении качества измерений ГНСС из-за многолучевого распространения, частичной блокировки сигнала или колебаний видимости спутника.
Для дальнейшего повышения надёжности исследователи интегрировали необработанные доплеровские измерения в фильтр Калмана, что позволило обеспечить согласованную оценку скорости транспортного средства и дрейфа тактовой частоты приёмника во времени.
Данный метод также реализует пошаговое отбрасывание спутников, находящихся вне прямой видимости, и применяет схему фильтрации на основе распределения Стьюдента, что уменьшает влияние выбросов, вызванных многолучевым распространением и другими негауссовыми ошибками.
В совокупности эти механизмы позволяют системе поддерживать стабильные оценки местоположения даже при наличии лишь небольшого количества спутников, обеспечивая высокую надежность в сложных городских условиях.
Команда проверила метод, используя реальные данные о транспортных средствах, собранные в шести сложных городских условиях в Нагое и Токио. В пяти из шести тестовых запусков предложенный подход превзошёл существующие методы на основе ГНСС, стабильно достигая точности менее метра, несмотря на сильное перекрытие спутниковых снимков.
В наиболее сложном сценарии этот метод превзошел лучшее традиционное решение почти на 30 процентных пунктов, продемонстрировав свою устойчивость в условиях, где традиционные методы часто дают сбой.
В целом, данное исследование демонстрирует, что высокоточная ГНСС-позиционировка в реальном времени в условиях плотной городской застройки достижима без использования ненадёжных методов разрешения неоднозначностей.
Предложенный метод, повышающий устойчивость к сильному ухудшению качества сигнала, знаменует собой важный шаг на пути к созданию более безопасных и надёжных автономных систем мобильности, работающих в реальных городских условиях.
Подписывайтесь на журнал «Вестник ГЛОНАСС» и навигационный Telegram-канал
По материалам открытых источников
