8 Reducing Drift In Inertial Navigation Systems

在前面几节中，我们已经证明了主要由姿态计算误差引起的“漂移”是影响纯惯性导航系统的主要问题。本节简要概述了可用于减少或纠正漂移的方法。这类方法一般分为两类，一类是利用传感器融合，另一类是应用领域特定假设。

8.1 Sensor Fusion

传感器融合是指使用来自两种或两种以上类型传感器的信号来更新或维护系统状态的过程。在惯性导航系统的情况下，状态通用 在全球参考框架中测量的器件的方向、速度和位移。传感器融合算法使用IMU加速度计和陀螺仪保持这种状态 连同来自额外传感器或传感器系统的信号。传感器融合有许多技术，其中最受欢迎的是卡尔曼滤波和粒子滤波。这些算法超出了本报告的范围。

8.1.1 Fusion With Absolute Positioning Systems

一种常见的方法是使用绝对定位系统(如GPS)的位置数据定期修正漂移。这种系统试图将绝对定位系统获得的位置的无漂移特性与构成IMU的加速度计和陀螺仪的高采样频率结合起来、粗略地说，加速度计和陀螺仪信号被用来“填补”来自绝对定位系统的连续更新之间的间隙。GPS数据是常用的，但是GPS定位 通常只能在室外获得，并且通常提供只精确到15米左右的绝对位置。这使得与GPS数据的融合不适合室内使用，也不适合需要高精度的人体动作捕捉等应用。对于室内应用，可以使用Ubisense等定位系统，但是这些系统通常很昂贵，需要安装固定的基础设施。

8.1.2 Fusion With Magnetometers

另一种常用于减少漂移的传感器是矢量磁强计，它测量给定方向的磁场强度。惯性测量单元通常包含三个正交 除了正交陀螺仪和加速度计之外，还有磁强计。磁强计测量局部磁场的强度和方向，从而可以找到北方向。

磁力计不够精确，无法取代INS中的陀螺仪..特别是它们受到由附近磁性物体引起的地球磁场局部扰动的影响。然而，它们的数据可以与陀螺仪数据融合，以提高计算方向的准确性。这种方法比使用绝对定位系统的主要优点是导航 系统仍然是自我控制的（它不依赖于任何外部基础设施）。主要的缺点是它只允许减少位置错误的增长速度，而不允许 要应用的绝对修正。

该XsensMTX设备使用专有的传感器融合算法将磁强计和陀螺仪数据结合起来，输出设备相对于全局参考框架的方向。图23 显示了可以从使用磁强计数据中获得的改进。实线表示将INS算法应用于从固定Mtx设备获得的陀螺仪和加速度计信号时产生的平均漂移，如6.3节所述。虚线表示将INS算法的姿态部分替换为Xsens传感器融合算法的输出时的平均漂移。使用传感器融合60秒后的平均漂移为5.21 m

8.2 Domain Specifific Assumptions  

在一些应用程序中，可以对IMU所连接的身体的运动进行假设。这样的假设可以用来最小化漂移。一个例子就是利用的假设是导航鞋[6]，其中鞋安装的IMU是用来跟踪行人的位置。假设行人的脚在与地面接触时的速度为零，这一假设被用来提供零速度更新，允许周期性地修正速度漂移。通过测量重力加速度时，设备是固定的，它也可以对设备的倾斜做出调整。

使用领域特定假设的主要缺点是，这些假设必须对结果有效。例如，如果行人使用自动扶梯，NavShoe就会失效。必须权衡使用假设所带来的好处与它们可能被打破的风险