当前位置: 首页 > news >正文

无人机精准定位技术,GPS差分技术基础,RTK原理技术详解

差分GPS的基本原理

差分GPS(Differential GPS,简称DGPS)的基本原理是利用一个或多个已知精确坐标的基准站,与用户(移动站)同时接收相同的GPS卫星信号。由于GPS定位时会受到诸如卫星星历误差、卫星钟差、大气延迟、多径效应等多种因素的影响,导致单点定位精度受限。

图片

以上各类误差中除多路径效应均具有较强的空间相关性,从而定位结果也有一定的空间相关性。利用基准站(设在坐标精确已知的点上)测定具有空间相关性的误差或其对测量定位结果的影响,供流动站改正其观测值或定位结果。

差分改正数的类型

位置(坐标改正数)改正数:基准站上的接收机对GPS卫星进行观测,确定出测站的观测坐标,测站的已知坐标与观测坐标之差即为位置的改正数。

距离改正数:利用基准站坐标和卫星星历可计算出站星间的计算距离,计算距离减去观测距离即为距离改正数

差分GPS的分类

根据时效性:实时差分,事后差分。

根据观测值类型:伪距差分,载波相位平滑伪距差分,载波相位差分。

根据差分改正数:位置差分(坐标差分),距离差分(伪距、载波相位)。

根据工作

原理和差分模型:局域差分(LADGPS – Local Area DGPS),单基准站差分,多基准站差分,广域差分(WADGPS – Wide Area DGPS)。

图片

位置差分和距离差分的特点

位置差分

差分改正计算的数学模型简单,差分数据的数据量少,基准站与流动站要求观测完全相同的一组卫星,差分精度3m,作用距离100km,无数据期龄概念。

距离差分

差分改正计算的数学模型较复杂,差分数据的数据量较多,基准站与流动站不要求观测完全相同的一组卫星,差分精度3m,作用距离100km,数据龄期30S。

单基准站局域差分

图片

基准站(一个)、数据通讯链和用户,数学模型(差分改正数的计算方法),提供距离改正和距离改正的变率。

图片

优点:结构、模型简单。

缺点:差分范围小,精度随距基准站距离的增加而下降,可靠性低。

多基准站局域差分(LADGPS)

图片

基准站(多个)、数据通讯链和用户,数学模型(差分改正数的计算方法),加权平均,偏导数法,最小方差法。

优点:差分精度高、可靠性高,差分范围增大。

缺点:差分范围仍然有限,模型不完善。

广域差分

基准站(多个)、数据处理中心、数据通讯链、监测站和用户

数学模型(差分改正数的计算方法),与普通差分不相同,普通差分是考虑的是误差的综合影响,广域差分对各项误差加以分离,建立各自的改正模型,用户根据自身的位置,对观测值进行改正。

优点:差分精度高、差分精度与距离无关、差分范围大。

缺点:系统结构复杂、建设费用高。

载波相位平滑伪距

由于载波相位的测量精度比伪距测量精度高2个数量级,而且载波相位测量受多路径效应的影响比伪距测量小2个数量级,如果能获得整周模糊度,就可以获得近于无噪声的伪距测量。一般情况下,无法获得整周模糊度,但能获得多普勒计数或载波相位变化信息。因此若能够利用载波相位变化信息来辅助伪距测量就可以获得比单独采用伪距测量更高的精度,这一思想称为载波相位平滑伪距测,目的是提高伪距观测值的精度。

伪距和载波相位方程同在相邻历元间求差。

图片

差分GPS新进展:

RTK技术

基准站建在已知或未知点上,基准站接收到的卫星信号通过无线通信网实时发给用户,用户接收机将接收到的卫星信号和收到基准站信号实时联合解算,求得基准站和流动站间坐标增量(基线向量)。站间距30公里,平面精度1-2厘米。

图片

网络RTK (Network RTK, NRTK)

网络RTK系统利用多个基准站组成的连续运行参考站网络(CORS),提供更大范围内的高精度定位服务。移动用户可以通过互联网或专用通信网络接收来自多个基准站的改正信息,从而提高可靠性并扩展服务区域。

多星座支持

随着GPS之外的其他全球导航卫星系统(GNSS)的发展,包括俄罗斯GLONASS、欧洲伽利略、中国北斗以及日本准天顶卫星系统QZSS等,现代差分GPS设备普遍能够接收并处理多种卫星信号,从而提高了可用性、增强了抗干扰能力和定位精度。

PPP(Precise Point Positioning)

PPP是一种单点精密定位技术,通过接收全球卫星系统的数据,并结合国际地球自转与参考系统服务(IERS)提供的精密星历和钟差产品,可以在无地面基站的情况下实现优于传统DGPS的定位精度。

图片

差分GPS技术正随着科技的发展持续进步,不仅在传统的测绘、航空航海等领域发挥重要作用,在新兴的无人驾驶、智慧城市、精准农业等方向也展现出巨大的潜力。 

相关文章:

无人机精准定位技术,GPS差分技术基础,RTK原理技术详解

差分GPS的基本原理 差分GPS(Differential GPS,简称DGPS)的基本原理是利用一个或多个已知精确坐标的基准站,与用户(移动站)同时接收相同的GPS卫星信号。由于GPS定位时会受到诸如卫星星历误差、卫星钟差、大…...

java面试:elasticsearch

文章目录 引言I 索引1.1 覆盖索引1.2 elasticsearch 面试题1.3 Google的搜索本质II elasticsearch的倒叙索引2.1 发展历史2.2 倒排索引2.3 倒排序的搜索流程III elasticsearch的基础概念IV 创建索引库4.1 步骤4.2 mapping映射4.3 ik分词器...

GO语言学习笔记(与Java的比较学习)(三)

函数 按值传递(call by value) 按引用传递(call by reference) Go 默认使用按值传递来传递参数,也就是传递参数的副本。函数接收参数副本之后,在使用变量的过程中可能对副本的值进行更改,但不…...

如何用Python3自撰一个简单的后端框架

不使用任何现有的后端框架来创建一个Python 3的后端框架是一个相当复杂的任务,因为它涉及到许多Web开发的基础知识,比如HTTP协议处理、路由、中间件、请求和响应处理等。然而,我们可以从最基本的概念开始,逐步构建一个简单的后端框架。 以下是一个非常基础的指南,用于创建…...

使用pyannote-audio实现声纹分割聚类

使用pyannote-audio实现声纹分割聚类 # GitHub地址 https://github.com/MasonYyp/audio1 简单介绍 pyannote.audio是用Python编写的用于声纹分割聚类的开源工具包。在PyTorch机器学习基础上,不仅可以借助性能优越的预训练模型和管道实现声纹分割聚类,还…...

防御保护:防火墙内容安全

一、IAE(Intelligent Awareness Engine)引擎 二、深度检测技术(DFI和DPI) 1.DPI – 深度包检测技术 DPI主要针对完整的数据包(数据包分片,分段需要重组),之后对数据包的内容进行识别。&#x…...

uni-app webview 打开baidu.com

在uni-app中&#xff0c;你可以使用web-view组件来打开外部网页&#xff0c;比如百度首页。以下是一个简单的示例代码&#xff0c;展示了如何在uni-app中使用web-view组件打开百度首页&#xff1a; <template> <view> <web-view :src"baiduUrl">&l…...

【C#】SixLabors.ImageSharp和System.Drawing两者知多少

欢迎来到《小5讲堂》 大家好&#xff0c;我是全栈小5。 这是《C#》系列文章&#xff0c;每篇文章将以博主理解的角度展开讲解&#xff0c; 特别是针对知识点的概念进行叙说&#xff0c;大部分文章将会对这些概念进行实际例子验证&#xff0c;以此达到加深对知识点的理解和掌握。…...

总是 -bash: gomobile: 命令未找到

总是 -bash: gomobile: 命令未找到 问题描述 我的项目是/Users/$user/go/src/abc.com/project 当我尝试在 /Users/GaryChan/go/src/abc.com/project/sdk 并运行: export ANDROID_HOME/Users/$user/Library/Android/sdk/ndk-bundle/gomobile bind -targetandroid abc.com/p…...

day27【LeetCode】454. 四数相加 II

day27【LeetCode】454. 四数相加 II 1.题目描述 附上题目链接&#xff1a;四数相加 II 给你四个整数数组 nums1、nums2、nums3 和 nums4 &#xff0c;数组长度都是 n &#xff0c;请你计算有多少个元组 (i, j, k, l) 能满足&#xff1a; 0 < i, j, k, l < nnums1[i] …...

UE5 UE4 不同关卡使用Sequence动画

参考自&#xff1a;关于Datasmith导入流程 | 虚幻引擎文档 (unrealengine.com) 关卡中的Sequence动画序列&#xff0c;包含特定关卡中的Actor的引用。 将同一个Sequcen动画资源放入其他关卡&#xff0c;Sequence无法在新关卡中找到相同的Actor&#xff0c;导致报错。 Sequen…...

【JAVA日志】关于日志系统的架构讨论

目录 1.日志系统概述 2.环境搭建 3.应用如何推日志到MQ 4.logstash如何去MQ中取日志 5.如何兼顾分布式链路追踪 1.日志系统概述 关于日志系统&#xff0c;其要支撑的核心能力无非是日志的存储以及查看&#xff0c;最好的查看方式当然是实现可视化。目前市面上有成熟的解决…...

云计算与边缘计算:有何不同?

公共云计算平台可以帮助企业充分利用全球服务器来增强其私有数据中心。这使得基础设施能够扩展到任何位置&#xff0c;并有助于计算资源的灵活扩展。混合公共-私有云为企业计算应用程序提供了强大的灵活性、价值和安全性。 然而&#xff0c;随着分布在全球各地的实时人工智能应…...

「连载」边缘计算(二十)02-23:边缘部分源码(源码分析篇)

&#xff08;接上篇&#xff09; EdgeCore之devicetwin 前面对EdgeCore组件的edged功能模块进行了分析&#xff0c;本节对EdgeCore组件的另一个功能模块devicetwin进行剖析&#xff0c;包括devicetwin的struct调用链剖析、devicetwin的具体逻辑剖析、devicetwin的缓存机制剖析…...

Swagger接口文档管理工具

Swagger 1、Swagger1.1 swagger介绍1.2 项目集成swagger流程1.3 项目集成swagger 2、knife4j2.1 knife4j介绍2.2 项目集成knife4j 1、Swagger 1.1 swagger介绍 官网&#xff1a;https://swagger.io/ Swagger 是一个规范和完整的Web API框架&#xff0c;用于生成、描述、调用和…...

关于HTML5表单验证的方法教程

简介 HTML5表单验证是一种在客户端对用户输入进行验证的方法&#xff0c;可以有效地减少对于服务器端验证的依赖。通过使用HTML5表单验证&#xff0c;可以为用户提供实时的错误提示和更好的用户体验。本教程将介绍如何在HTML5中使用各种验证属性和技术来实现表单验证。 基本表…...

.NET生成MongoDB中的主键ObjectId

前言 因为很多场景下我们需要在创建MongoDB数据的时候提前生成好主键为了返回或者通过主键查询创建的业务&#xff0c;像EF中我们可以生成Guid来&#xff0c;本来想着要不要实现一套MongoDB中ObjectId的&#xff0c;结果发现网上各种各样的实现都有&#xff0c;不过好在阅读C#…...

BeautifulSoup+xpath+re+css简单复习+新的scrapy的学习

1.BeautifulSoupsoup BeautifulSoup(html,html.parser)all_icosoup.find(class_"DivTable") 2.xpath trs resp.xpath("//tbody[idcpdata]/tr") hong tr.xpath("./td[classchartball01 or classchartball20]/text()").extract() 这个意思是找…...

Python爬虫实战:从API获取数据

引言 在现代软件开发中&#xff0c;API已经成为获取数据的主要方式之一。API允许不同的软件应用程序相互通信&#xff0c;共享数据和功能。在本文中&#xff0c;我们将学习如何使用Python从API获取数据&#xff0c;并探讨其在实际应用中的价值。 目录 引言 二、API基础知识 …...

音频转换器哪个好?3款电脑软件+3款手机应用

在当今的数字时代&#xff0c;音频转换已成为许多用户日常的需求。为了帮助您找到最佳的音频转换工具&#xff0c;我们将介绍3款电脑软件和3款手机应用。这些工具都各有特点&#xff0c;能够满足不同用户的需求。 1.电脑软件篇 1.1金舟音频大师 金舟音频大师是一款多功能的音…...

基于Flask实现的医疗保险欺诈识别监测模型

基于Flask实现的医疗保险欺诈识别监测模型 项目截图 项目简介 社会医疗保险是国家通过立法形式强制实施&#xff0c;由雇主和个人按一定比例缴纳保险费&#xff0c;建立社会医疗保险基金&#xff0c;支付雇员医疗费用的一种医疗保险制度&#xff0c; 它是促进社会文明和进步的…...

在鸿蒙HarmonyOS 5中使用DevEco Studio实现录音机应用

1. 项目配置与权限设置 1.1 配置module.json5 {"module": {"requestPermissions": [{"name": "ohos.permission.MICROPHONE","reason": "录音需要麦克风权限"},{"name": "ohos.permission.WRITE…...

用docker来安装部署freeswitch记录

今天刚才测试一个callcenter的项目&#xff0c;所以尝试安装freeswitch 1、使用轩辕镜像 - 中国开发者首选的专业 Docker 镜像加速服务平台 编辑下面/etc/docker/daemon.json文件为 {"registry-mirrors": ["https://docker.xuanyuan.me"] }同时可以进入轩…...

根据万维钢·精英日课6的内容,使用AI(2025)可以参考以下方法:

根据万维钢精英日课6的内容&#xff0c;使用AI&#xff08;2025&#xff09;可以参考以下方法&#xff1a; 四个洞见 模型已经比人聪明&#xff1a;以ChatGPT o3为代表的AI非常强大&#xff0c;能运用高级理论解释道理、引用最新学术论文&#xff0c;生成对顶尖科学家都有用的…...

如何在最短时间内提升打ctf(web)的水平?

刚刚刷完2遍 bugku 的 web 题&#xff0c;前来答题。 每个人对刷题理解是不同&#xff0c;有的人是看了writeup就等于刷了&#xff0c;有的人是收藏了writeup就等于刷了&#xff0c;有的人是跟着writeup做了一遍就等于刷了&#xff0c;还有的人是独立思考做了一遍就等于刷了。…...

蓝桥杯3498 01串的熵

问题描述 对于一个长度为 23333333的 01 串, 如果其信息熵为 11625907.5798&#xff0c; 且 0 出现次数比 1 少, 那么这个 01 串中 0 出现了多少次? #include<iostream> #include<cmath> using namespace std;int n 23333333;int main() {//枚举 0 出现的次数//因…...

深度学习习题2

1.如果增加神经网络的宽度&#xff0c;精确度会增加到一个特定阈值后&#xff0c;便开始降低。造成这一现象的可能原因是什么&#xff1f; A、即使增加卷积核的数量&#xff0c;只有少部分的核会被用作预测 B、当卷积核数量增加时&#xff0c;神经网络的预测能力会降低 C、当卷…...

Docker 本地安装 mysql 数据库

Docker: Accelerated Container Application Development 下载对应操作系统版本的 docker &#xff1b;并安装。 基础操作不再赘述。 打开 macOS 终端&#xff0c;开始 docker 安装mysql之旅 第一步 docker search mysql 》〉docker search mysql NAME DE…...

并发编程 - go版

1.并发编程基础概念 进程和线程 A. 进程是程序在操作系统中的一次执行过程&#xff0c;系统进行资源分配和调度的一个独立单位。B. 线程是进程的一个执行实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位。C.一个进程可以创建和撤销多个线程;同一个进程中…...

代码规范和架构【立芯理论一】(2025.06.08)

1、代码规范的目标 代码简洁精炼、美观&#xff0c;可持续性好高效率高复用&#xff0c;可移植性好高内聚&#xff0c;低耦合没有冗余规范性&#xff0c;代码有规可循&#xff0c;可以看出自己当时的思考过程特殊排版&#xff0c;特殊语法&#xff0c;特殊指令&#xff0c;必须…...