• 关于解决GPS定位设备:GPS静态漂移的方法


    关于解决GPS定位设备:GPS静态漂移的方法

     

    GPS的误差:

     

    有很多种因素会影响到GPS的准确率,以下是一个GPS误差引入简表:

    l         卫星时钟误差:0-1.5米

    l         卫星轨道误差:1-5米

    l         电离层引入的误差:0-30米

    l         大气层引入的误差:0-30米

    l         接收机本身的噪音:0-10米

    l         多路反射:0-1米

    l         总定位误差:大约28米

     

    上述的简表,并不表示一定会存在这么大的误差,这是给出的最好及最差的范围,当然最好情况不能同时发生,最差的情况也不能同时发生。

    实际在卫星的导航电文中,已经包含了大气层的修正参数,能够消除50%到70%的误差,而且这两年出的GPS的误差大致范围是10米或以内。

    在现有情况下,民用级单台GPS接收机要想达到1m以内的精度是不可能实现的,原因除GPS本身精度外,还包括地图、定位点测绘、嵌入式设备的运行速度等,所以过度追求定位精度对于民用产品来说已无实际的意义。

     


    GPS的漂移:

    什么是GPS的漂移?

    用过GPS的人大概都有这种体会:当GPS终端静止的时候,其定位坐标(经纬度)经常在变,偶尔变化还比较大,甚至还会显示有速度。业内人士把这种现象称为“漂移”。

    其实,GPS漂移不仅在静止的时候会产生,动态的时候也会产生,只不过漂移的程度没那么明显,产生的几率小些罢了,这是GPS的一个基本特性。(至于GPS为什么会产生漂移,了解GPS的定位原理就不难解释,在此不再详述。)

    GPS的神奇就在于不论你走到哪里,它都知道你的位置坐标。然而在实际应用中,它也会让你感到难堪或委屈。

    假如你是某单位司机,单位领导为了加强对车辆的管理,都装了GPS监控设备,限定车辆在某段时间内只能在某个指定的区域行驶,对违反该规定的司机作出处罚。也许某天你就会收到处罚通知:某时某刻,你违反了此项规定。而你却莫名其妙,深感委屈。如果你真的委屈了,请别怪管理人员,因为是“GPS出错了”,GPS当时发生了漂移,漂到其他一个地方而导致了“越区行驶”!

    GPS漂移现象还会导致其他更多问题,如里程统计偏差较大。车辆停在单位门口一天,却显示其行驶里程为十几公里,甚至上百公里。由此可见,很多GPS应用中的问题都和“漂移现象”有关。

    如果GPS漂移问题不能较好的解决,将会使越来越多的用户对GPS产生误解甚至怀疑,在一定程度上制约着GPS应用的推广。

    GPS漂移是GPS应用时需要处理的问题之一,漂移主要有两个方面,

    第一,   速度过快,以至于GPS的响应时间短于当前运行速度,出现漂移;

    第二,   在高大建筑密集或天气情况不好的地方,因为GPS信号经过多次的折、反射,造成信号误差,出现漂移。

    GPS漂移的两种表现:静态位置漂移、速度(位置)漂移

    静态速度漂移可以解决,不动时候为零。位置漂移是属于正常的,这是精度的问题,现在民用一般在10米以下,好的时候5米。另外测量型的精度很高,如果再用差分技术可以达到更高,不过这种产品很贵,用的少。

    解决GPS漂移主要从两方面入手:

    一、 主系统的设计主要减少在近距离内对GPS信号的干扰。

    二、 软件处理。软件处理主要集中在导航软件处完成,导航软件会将坐标定位在道路之内,如果GPS接收到的信号超出道路的半径范围将自动过滤这个数据,并根据上次的速度及方向推算出当前点的位置。

     

    对于GPS静态漂移,也有建议做软件判断:

    1.   检测到的状态为静止时,强制速度为0;

    2.   速度为0时,强制方向为0;

    3.   数据中的速度值为0时,就不去更新地图上的经纬度;

    4.   通过比较上次定位数据的经纬度差的绝对值(同时包括时间)再来判定是否有慢速移动;

    5.   对于车载终端,只能通过辅助手段来解决GPS静态漂移的问题,如通过检测ACC钥匙电的方法来检测是否为静态漂移,因为钥匙电是关闭时,车一定是不动的了,另外有些GPS模块(UBLOX)可设置静止模式、行走模式、汽车模式、海上模式、飞行模式,通过设置这些参数来解决漂移问题。

     

  • 相关阅读:
    C语言 两个跟结构(struct)有关的参数传递问题
    Linux虚拟机 Ubuntu执行sudo apt-get install出现无法解析域名
    损失函数
    决策树(分类树、回归树)
    k近邻(k-NN)算法
    机器学习和深度学习的区别
    无量纲量和有量纲量
    常用激活函数/损失函数/代价函数
    深度学习:激活函数、损失函数、优化函数的区别
    逻辑回归--推导明确,但理论较少
  • 原文地址:https://www.cnblogs.com/cxt-janson/p/9274438.html
Copyright © 2020-2023  润新知