汽车姿态测量（精选7篇）
汽车姿态测量 篇1
摘要：设计一种基于nRF51822芯片的汽车无线姿态测量系统;该系统以新型无线射频芯片nRF51822作为处理单元和无线发射模块, 结合MPU6050传感器设计而成, 两者之间通过I2C接口通信。nRF51822通过无线模块与上位机通信, 上位机采用LabVIEW平台对汽车原始数据和姿态角数据进行实时显示、存储, 实现一种高性能、低成本、低功耗的无线汽车姿态测量系统。实验测试表明:无线通信姿态测量系统实时性好、精度高, 能够满足一般汽车姿态测量要求。
关键词：汽车姿态测量,nRF51822,MPU6050,LabVIEW,数据采集,无线通信
人们越来越重视汽车行驶的安全性问题, 对汽车运行稳定性的要求也越来越高。汽车运行时的姿态是对车辆运行稳定性、安全性判定的标准之一, 姿态实时准确地测量是汽车动力学研究的基础。本设计主要包括数据采集和分析处理, 将其转换成姿态信息, 并经过无线通信的方式传输到上位机, 然后在Lab VIEW平台上对汽车姿态数据进行实时显示和数据存储。
MPU6050是6轴运动处理传感器, 它集成了3轴陀螺仪、3轴加速度传感器和一个数位运动处理器 (digital motion processor, DMP) , 通过I2C (inter-integrated circuit) 总线串行输出三轴方向上的加速度和角速度。DMP可处理运动感测的复杂数据, 降低了运动处理运算对操作系统的负荷, 测量精度高[1];nRF51822是NORDIC公司设计生产的一款多协议的超低功耗的无线芯片, 它集成了功能强大且低功耗的32位ARM Cortex-M0处理器, 并且支持蓝牙4.0、ANT和专有2.4 GHz等协议的非并行和并行操作[2]。在当下移动终端快速发展, nRF51822在汽车电子技术无线通信领域有着广阔的应用前景。
1 系统硬件设计
系统硬件设计框图如图1所示, 图1中虚线表示无线传输, 实线表示接口传输。硬件电路主要包括两片nRF51822、一片MPU6050和FT232RL芯片。系统采用两种供电方式:3.3 V锂电池和外接5 V电源供电。
1.1 nRF51822与MPU6050硬件接口模块
nRF51822作为系统的控制核心可直接控制MPU6050的工作状态和数据采集, 并将MPU6050采集的数据经过解算处理然后通过无线射频传输给PC端。
nRF51822与MPU6050通过I2C总线接口进行通信, 其电路结构如图2所示。总线拥有二线接口, 包括串行数据线 (SDA) 和串行时钟线 (SCL) 。通过串行数据线和串行时钟线在连接到总线的器件间传递信息, 数据从高位到低位依次传输。接口串行数据传输速率在标准模式下可达100 kbit/s, 快速模式下可达400 kbit/s, 高速模式下可达3.4 Mbit/s[1], 工作模式是主从式, 连接到接口的设备可做主设备或从设备。
设计中nRF51822作为主设备, 拥有一个两线接口 (two wire interface, TWI) 模块, 能够兼容总线[2]。传输速率模式采用快速模式。nRF51822负责向MPU6050写入控制指令, MPU6050作为从设备向nRF51822传送采集的数据和中断事件。
在设计中, MPU6050总是作为从设备。MPU6050通过配置相关寄存器可实现可编程特性, 还可以通过DMP数字运动处理引擎减少复杂的融合演算数据、感测器同步化、姿势感应等的负荷[1]。同时MPU6050对陀螺仪和加速度计分别用了三个16位的模数转换器, 将其测量的模拟量转化为可输出的数字量, 提高了控制端的效率;拥有一个片上1024字节的FIFO, 有助于降低系统功耗;MPU6050和所有设备寄存器之间的通信采用400 k Hz的接口。外部nRF51822对传感器的操作控制就是对功能寄存器的读写。图3为对MPU6050的读写操作时序图。
从图3可以了解, MPU6050的总线数据字节定义为8 bits长度, 每次传送的总字节数量没有限制。开始标志 (S) 发出后, 主设备会传送一个7位的从地址, 并且后面跟着一个第8位, 称为读/写位:0为写;1为读。接着主设备释放SDA线, 等待从设备的应答信号 (ACK) , 每个字节的传输都要跟随一个应答位。应答产生时, 从设备将SDA线拉低并且在SCL为高电平时保持低。数据传输总是以停止标志 (P) 结束, 然后释放通信线路。然而, 主设备也可以产生重复的开始信号去操作另一台从设备, 而不发出结束标志。综上可知, 所有的SDA信号变化都要在SCL时钟为低电平时进行[1]。
当读取MPU6050寄存器的值时, 首先主设备产生开始信号 (S) , 然后发送从设备的地址位和一个写数据位, 然后发送寄存器地址, 才能开始读寄存器。收到应答后, 主设备再发一个开始信号, 然后发送从设备地址位和一个读数据位。然后, 作为从设备的MPU6050产生应答信号, 并开始发送寄存器数据。通信以主设备产生的拒绝应答信号 (NACK) 和结束标志 (P) 结束。拒绝应答信号定义为SDA数据在第9个时钟周期一直为高。
1.2 通信模块
采用两片nRF51822来实现数据采集系统与上位机无线通信功能。nRF51822 Radio模块工作在2.4 GHz频段[2]。根据功能需求对Radio模块进行相应配置, 首先配置工作模式:下位机发送、上位机接收;然后对两芯片Radio模块数据通道进行配对, 保证数据仅在两Radio模块间传输;传输速率均配置为2 Mbit/s;按照nRF51822 Radio模块包配置协议设置数据包索引、模块地址、数据缓冲区地址、数据长度、CRC校验位。模块配置结束后, 在数据传输过程中使能两模块进行数据收发。
nRF51822可以通过串口和上位机之间进行通信, 所以通过无线通信接收的数据可经串口传输到PC端。接收端的nRF51822与上位机之间的通信采用的是串口转USB模块 (FT232RL) 进行连接。大体通信流程可参照图1所示。
2 系统软件设计
2.1 nRF51822程序设计
nRF51822的开发环境采用的是Keil4.72版本, 使用C语言进行编程开发。nRF51822软件设计部分包括主程序和一些相关子程序, 子程序包括接口子程序、中断子程序、串口子程序、Radio子程序等。车辆姿态数据测量主程序如图4 (a) 所示, 数据采集部分中断服务程序流程图如图4 (b) 所示。
图4 (a) 中数据处理部分包括两个部分, 首先通过均值滤波抑制噪声对三轴加速度计和数字陀螺仪数据带来的影响, 然后通过四元数法将原始数据转换成四元数, 最后经过姿态解算将四元数转换成欧拉角, 通过欧拉角的定义反映汽车在参考坐标系下的姿态信息[3—5]。同时由于系统耦合和6轴传感器本身存在零偏与漂移的影响, 使得测量得到的值存在一定误差, 解算后得到的姿态角也产生误差, 而且陀螺仪误差随时间积累, 因此通过将三轴加速度和三轴陀螺仪参数结合对姿态角进行补偿和修正来提高精度。通过Kalman滤波算法完成对陀螺仪和加速度参数的融合, 修正得到汽车姿态角的最优值[6]。
TWI和中断的初始化程序如下:
2.2 上位机Lab VIEW程序设计
2.2.1 Lab VIEW概述
Lab VIEW是一种基于图形化编程语言的测试系统软件开发平台, 与其他的开发平台相比, LabVIEW图形化的编程环境使编程效率大大提高;开发功能高效、通用;支持多种仪器和数采硬件驱动;网络功能强大、开放性强[7]。经过不断改进和完善, 已成为数据采集等方向一种标准的软件开发环境, 广泛应用于航空、航天、通信、汽车等众多领域。
2.2.2 Lab VIEW实现方案设计
总体上Lab VIEW软件设计包括三个部分:串口通信、数据转换、数据显示。
(1) 串口通信。在Lab VIEW中可以使用标准的I/O应用程序接口 (virtual instrument software architecture, VISA) 来完成仪器的控制。VISA是对其他总线驱动统一封装的高层API, 使用相同的函数和类似的方法控制各类不同仪器[7], 包括USB、串口、GPIB等。本设计串口通信主要包括三个节点。
①VISA配置串口节点:对指定的串口按特定设置初始化, 例如配置串口号、波特率、数据比特、停止位等;
②VISA读取节点:从指定的设备或接口读取设置数量的字节, 并将数据返回至读取缓冲区;
③VISA关闭节点:可以关闭VISA资源名称指定的设备会话句柄或事件对象。
(2) 数据转换。在设计中, 从nRF51822发送数据和上位机在Lab VIEW接收数据都是以字符串的形式进行的;而且从nRF51822上传输的每一组数据中是包含了X、Y、Z三轴的加速度原始数据、陀螺仪原始角速度数据和计算姿态角数据, 所以LabVIEW需要先对字符串进行拆分, 然后将拆分后的字符串转成相应的数值形式。
(3) 数据显示。Lab VIEW拥有强大的图像显示功能, 设计采用的是三幅波形图表来分别表示采集的加速度数据、陀螺仪角速度数据和转换后的姿态角数据, 并将数据存储在Excel文档中。
Lab VIEW具体程序实现如图5所示。
3 实验结果
试验时将系统安装在一个立方体小盒中, 将其固定于小车质心位置处, 并保证小车与系统固结与同一坐标轴。采集的加速度实时数据波形如图6 (a) 所示, 陀螺仪实时数据如图6 (b) 所示, 经过解算的姿态角数据波形如图6 (c) 所示。图6中横轴均为时间轴;图6 (a) 纵轴为实际采集的加速度数据值与重力加速度的比值, 图6 (b) 纵轴为实测的数字陀螺仪的角速度, 图6 (c) 纵轴是将三轴加速度和三轴角速度经过四元数法换算得到的姿态角值。图7为实验得到的汽车姿态估计误差曲线, 从图7中可知, 估计误差不大于1°, 能够满足基本汽车运动姿态要求。
4 结束语
汽车姿态测量系统通过MPU6050传感器采集三轴加速度和陀螺仪角速度数据, 经过nRF51822对数据进行处理和解算, 然后通过与另一片nRF51822芯片的无线通信将数据传输到上位机, 并在上位机上通过Lab VIEW平台实现对车辆姿态测量数据的实时显示。实验证明本设计的无线汽车姿态测量系统工作稳定, 显示精确, 实时性好, 能对汽车安全系统挺高提供可靠数据支持。
参考文献
[1] InvenSense.MPU-6000 and MPU-6050 product specification.www.invensense.com.2012-5-16
[2] Nordic Semiconductor.nRF51 series reference manual.www.rutronik.com.2012-03-08
[3] 刘付强.基于MEMS器件的捷联姿态测量系统技术研究.哈尔滨:哈尔滨工程大学, 2007Liu F Q.Research on strapdown attitude measurement system technology based on MEMS devices.Harbin:Harbin Engineering University, 2007
[4] 贺继林, 袁政, 谢习华, 等.单天线GPS/陀螺仪组合测姿方法研究.计算机测量与控制, 2012;20 (4) :903—906He J L, Yuan Z, Xie X H, et al.Research on single antenna GPS/gyroscope integrated attitude estimation method.Journal of Computer Measurement&Control, 2012;20 (4) :903—906
[5] 翟海廷, 丛丽, 秦红磊, 等.基于单天线的MEMS-INS/GPS组合定姿方法.计算机工程与设计, 2012;33 (10) :3999—4003Zhai H T, Cong L, Qin H L, et al.Method for MEMS-INS/GPS integrated attitude determination based on single antenna.Journal of Computer Engineering&Design, 2012;33 (10) :3999—4003
[6] 刘军, 何国国, 岳兴连, 等.基于IMEMS传感器的汽车运动姿态测量系统研究.传感器与微系统, 2009;28 (11) :12—15Liu J, He G G, Yue X L, et al.Research on measurement system of vehicle motion attitude based on IMEMS sensor.Journal of Transducer and Microsystem Technologies, 2009;28 (11) :12—15
[7] 陈国顺, 于涵伟, 王格芳, 等.测试工程及LabVIEW应用.北京:清华大学出版社, 2013Chen G S, Yu H W, Wang G F, et al.Measurement Engineering and LabVIEW Application.Beijing:Tsinghua University Press, 2013
一种高效的实时视觉姿态测量 篇2
基于光学传感器的物体姿态测量是光学和计算机视觉测量领域的一个研究热点, 近年来, 光学姿态测量方法被广泛的应用在航天器对接、机器人、精确打击以及无人机降落等领域[1,2], 随着计算机技术、高速摄像机技术、实时图像处理技术和高速存储技术等软硬件技术的高速发展, 基于光学成像传感器的姿态测量方法正受到越来越多的民用和军用领域的关注。
光学姿态测量的基本原理为利用被测物体上特征点的空间位置和其光学成像位置间的对应性求解物体的6自由度姿态参数。国内外学者对该问题已作了大量的研究[3,4,5,6,7,8,9], 在实际应用中被证明可行的主流方法是在被测物体上安装若干个特征光点, 比如红外发光二极管 (LED) , 且这些特征光点在物体自身坐标系中的位置已知, 通过实时图像处理技术获取这些特征光点在光学图像坐标系中的位置, 然后按照特征光点在两个坐标系中的几何关系建立方程求取姿态的闭式解或通过优化方法求取数值解。闭式解方法一般需要特征光点数目少, 按照计算机视觉理论, 只需3个特征光点即可求解, 当前比较常用的采用4点, 且其计算速度快, 是一种简单快速的方法。然而, 由于该方法的求解方程建立在严格准确的几何约束基础上, 对噪声干扰的敏感性高, 因此其需要高精度的对特征光点进行安装和建模, 这增加了实际应用的难度。优化方法一般为了增加求解的精度采用数目较多的特征光点来进行迭代计算, 由于采用了较多的特征多点, 提高了数值解对噪声干扰的免疫力, 然而, 该方法一般耗时较高, 限制了方法的应用范围。
本文的目的是设计一种适应任意大于3个特征光点的高精度、实时光学姿态测量方法, 在提高算法精度的同时使算法保持较高的实时性能。算法的基本设计思路可描述如下:首先采用经典的P3P (Perspective-3-Point) 方法使用4点求取物体姿态的闭式解, 然后以此作为姿态的初始解, 使用所有特征点进行优化正交迭代获得姿态的最终解。实际试验的结果表明, 当采用的特征光点达到8个时该姿态测量算法的均方根误差保持在3毫弧度 (0.17°) 以内, 而刷新速度达到200帧/秒。
1 算法的实现
整个姿态求解算法分为两部分来完成, 第一部分采用经典的P3P算法求解目标姿态的初始值, 第二部分引入正交迭代算法对姿态解进行迭代优化, 提高整个算法系统的精度和对噪声干扰的免疫力。下面对这两部分分别进行论述。
1.1 初始值的获得
基于点特征的物体视觉定位又称为PNP (Perspective-N-Point) 问题, 它是计算机视觉、摄影测量学乃至数学领域的一个经典问题。PNP问题是在1981年首先由Fischler和Bolles提出的[9], 即给定N个控制点的相对空间位置以及给定控制点与光心连线所形成的夹角, 求出各个控制点到光心的距离, 该问题主要被用来确定摄像机与目标物体之间的相对距离和姿态。如图1所示, A、B、C是分布在目标物体上的任意3点, Ia、Ib、Ic分别为3点在摄像机图像平面所成的像, O为摄像机的光心, 令Qab、Qac、Qbc分别为OA与OB、OA与OC及OB与OC的夹角, 由小孔成像原理及余弦公式可得下述的几何约束:
这里令, 且x=b/a, 上述公式可以转换为如下形式:
其中:
由上面的分析可以看出, 基于3个特征点的目标物体姿态定位可以描述为一个一元4次方程的求解问题, 因此在理论上3点即可获得目标物体的姿态参数, 然而4次方程往往存在4个解 (一般为2个实数解, 2个复数解, 在排除掉2个复数解后, 依然存在需要在2个实数解中选择正确解的问题) , 如何获得正确的姿态解是该方法在实际应用中遇到的瓶颈问题。这里, 我们采用引入第4个特征点来选择正确解的方法, 该方法判断正确解的原理可简要描述如下。
如图2所示, 在利用前面所述的四次方程法求解出求解P3P问题的过程中一般可以得到两组满足几何约束的解, 分别为图2中的点A、B、C和A′、B′、C′, 通过引入与A、B、C三点构成的平面不共面的第4点D, 可以对正确的解进行选择, 选择的过程如下:由于A、B、C、D四点在物体自身坐标系中的位置关系已知, 因此在求解出物体的姿态参数也即求解出A、B、C三点在摄像机坐标系中的坐标后, 可以根据点D与A、B、C三点的相对位置关系求解出点D在摄像机坐标系中的坐标, 然后将求得的D点坐标位置投影到图像平面, 在理论上如果A、B、C三点坐标为正确解, 则D点在图像平面的投影位置与实际成像位置重合, 否则, D点在图像平面的投影位置与实际成像位置存在偏差。如图2中的图像平面上的点Id和Id′所示。然而在实际应用中, 由于在确定4点的位置坐标求解过程中总存在误差, 因此即使正确解也不可能使D点在图像平面的投影位置与实际成像位置完全重合, 这时可以通过求取投影点与实际成像点间的距离来判断正确解, 在所有的解当中距离最小的解即为正确的解。
获取正确解后, 即获取了A、B、C三点在摄像机坐标系中的坐标位置, 此时采用3点构成的平面作为被测物体的表征, 我们可以通过求解向量AB和BC的叉乘来给出该平面法向量在摄像机坐标系中的值, 从而可以确定该平面在摄像机坐标系中的姿态位置也即物体的姿态位置。
1.2 姿态解的OI迭代优化
由1.1节可以看出P3P是一种快速、简捷的目标姿态求解方法, 只需要求解一个一元4次方程即可得出目标姿态的解析解, 该方法最大的缺点对噪声高度敏感, 然而实际应用中总是不可避免的受到噪声的影响 (例如确定特征点在自身坐标系中的坐标时的测量误差、特征点的加工误差、安装误差, 求取特征点在图像中位置时的图像噪声等等) , 因此其不适用于高精度姿态定位要求的场合。
为了提高姿态定位的精度, 一些学者提出采用优化的方法来求取目标姿态的数值解, 这些方法主要思路是首先将求解出的特征点坐标投影到图像平面上以此建立姿态解的误差方程, 然后采用优化的方法 (比如Gauss-Newton法) 进行迭代优化, 当连续两次迭代求得的姿态解差异达到一定要求时停止迭代给出目标姿态的数值解。优化算法在特征点数足够多时能获取高精度的数值解, 抗干扰性强。制约该方法在实际中应用的主要瓶颈有两个, 一是该方法一般需要一个相对正确的初始解, 如果解的初始值跟正确的解相差较大, 往往导致方法收敛到错误的解;另一个存在的问题是该方法的计算量大, 需要近百次乃至数百次的迭代才能达到足够的求解精度。
在优化算法中, Lu和Hager等人提出的OI (Orthogonal Iteration, 正交迭代) 算法[3]具备了较好的求解性能。OI算法根据特征控制点与其所成像点间的2D-3D对应关系来确定摄像机的外部参数 (即物体在摄像机坐标系下的姿态参数) , 算法的基本思想是首先将物体的姿态估计定位一个合适的物体空间误差方程, 在此即为物体空间中的共线误差向量, 然后将该误差方程表达为一个可以依据姿态的解迭代进行的优化问题。OI算法对任意的观测特征点集和任意的初始姿态均可以收敛到最优姿态, 然而, 如果初始姿态与最终姿态差距较大将大量增加算法迭代的次数, 从而降低算法的实时性能。
在正交迭代算法中, 姿态估计问题被看做为一个基于物体空间内共线特性的误差最小化问题。该方法迭代地进行, 其直接计算一个最终收敛的正交矩阵。误差可以表达为
这里Fi由下式给出:
vi为特征点的3维坐标在归一化图像平面上的投影。在式 (5) 中pi、R和t分别给出了特征点在3维坐标系中的位置、旋转矩阵和平移向量, I则为单位矩阵。然后对下式进行最小化处理, 获取最优的R和t, 该算法具备了很强的抗噪能力, 其中‖‖表示误差的2范数。
正交迭代算法 (OI) 作为一种优秀的姿态优化方法, 很好的解决了初始值的问题, 可以在任意初始值的情况下收敛到正确的解, 然而当初始值与正确解的差异较大时整个算法仍需要耗费大量时间来收敛到正确解, 因此有必要在保持该方法精度的基础上, 减少方法的迭代次数, 以满足实际应用的实时要求。
1.3 P3P方法与OI迭代算法的融合及推广
在研究中发现, 初始值越靠近真实解, 算法运行到收敛所需的迭代次数就越少, 从而实时性能就越高。基于此, 我们提出首先采用P3P算法求解目标的姿态, 然后将求得的姿态作为初始值嵌入OI优化算法进行迭代优化获取最终解的策略。为了拓展算法的适用范围, 使其可以适用于任意N (N>3) 个不共面的特征点的情景, 做如下的算法推广:
1) 采用4个不共面的特征点求解目标姿态的初始解, 此时3个特征点参与了姿态的求解, 第4个点则作为判断点对正确解进行判断。
2) 以1.1节中求得的初始解作为初始值, 对所有N个特征点进行OI优化, 直到其达到收敛, 输出目标姿态的最优解。
在推广后的算法中, 初始值的求解并不会因为特征点数目的增加而增大计算量, 从而在保证获得高精度姿态解的同时, 达到良好的实时性能。
2 实验分析
为验证所提出算法的性能, 本文对实际物体进行了姿态定位试验, 实验中在目标物体表面安装了8个红外LED (发光二极管) , 这些红外LED分为两组, 每组4个, 呈图3中所示的方式排列, 每一组中第四个LED (位于三角形中心位置) 与前3个不共面, 用来对正确的
解进行鉴别。
实验中, 分别采用3中算法对物体进行了姿态定位, 三种算法分别为
1) 经典的P3P算法 (简称P3P) ;
2) 采用P3P算法求出姿态后, 以此作为初始值采用Gauss-Newton法对解进行优化获得相应的最优解 (简称P3PGN) ;
3) 本文提出的算法 (简称P3POI) 。
实验过程如下:将目标物体上的两组8个LED同时点亮, 然后保持物体的俯仰角不变转动物体来改变物体的方位角, 每次转动1°, 拍摄一次图像, 在拍摄过程中, 摄像机保持不动, 同时保证8个LED同时处于摄像机的视野范围内, 实验中一共转动了80°;对此测量精度可以通过求解相邻两幅图像的方位角变化来确定。
为了给出采用不同数量LED对姿态定位精度的影响, 分别采用3种算法对采用4、5、6、7、8个LED进行姿态定位时的定位精度进行了试验。图4给出了实验过程中3中算法的测量误差曲线, 当采用4个特征点进行姿态定位时, 3种方法取得了相近的测量精度, 而随着特征点数目的增加, 两种优化方法显示出了其更优的测量精度, 而我们提出的P3POI的方法测量精度要明显高于其余两种, 当点数特征点数大于5时P3POI算法的均方根误差 (RMS) 基本上保持在3毫弧度 (0.17°) 以内。
(a) 4点时的误差曲线; (b) 5点时的误差曲线; (c) 6点时的误差曲线; (d) 7点时的误差曲线; (e) 8点时的误差曲线 (a) Error curve of 4 points; (b) Error curve of 5 points; (c) Error curve of 6 points; (d) Error curve of 7 points; (e) Error curve of 8 points
表1给出了实验过程中采用本文提出的方法以及原始的OI方法达到收敛所需的迭代次数, 从表中可以看出改进后的方法将迭代次数基本上控制在了30次以后, 计算速度是原来方法的3倍。同时为了验证所提出方法在实际应用中的运算性能, 我们在VC++2005的软件环境下对算法进行了实现, 运行结果表明该方法的刷新速度可达到200帧/秒, 基本可满足高性能实时场合的需要。
3 结论
本文提出一种基于光学传感器和计算机视觉理论的姿态求解方法, 并通过实际实验对方法进行了验证。该方法以安装在物体上的特征光点为姿态求解的特征, 首先采用P3P算法求解目标物体的近似姿态, 然后将该近似姿态作为初始值嵌入正交迭代 (OI) 优化算法求取目标姿态的最优值, 经过推广该方法可以适用于任意特征点数大于3且不共面的情形。实际试验的结果表明, 该方法在保证姿态求解方法具备高精度的同时, 提高了求解方法的实时性能, 具有一定的理论意义和实用价值。
参考文献
[1]张庆君, 胡修林, 叶斌, 等.基于双目视觉的航天器间相对位置和姿态的测量方法[J].宇航学报, 2008, 29 (1) :156-161.ZHANG Qing-jun, HU Xiu-lin, YE Bin, et al.Binocular Vision-based Relative Position and Attitude Determination Between Spacecrafts[J].Journal of Astronautics, 2008, 29 (1) :156-161.
[2]Yingming Hao, Feng Zhu, Jinjun Ou, et al.Robust analysis of P3P pose estimation[C]//IEEE International Conference on Robotics and Biomimetics, Sanya, December15-18, 2007.New York:IEEE, 2007:222-226.
[3]Lu C P, Hager G, Eric M.Fast and globally convergent pose estimation from video images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence (S0162-8828) , 2000, 22 (6) :610-622.
[4]Robert M Haralick, Chung-Nan Lee, Karsten Ottenberg, et al.Review and Aanalysis of Solutions of the Three Point Perspective Pose Estimation Problem[J].International Journal of Computer Vision (S0920-5691) , 1994, 13 (3) :331-356.
[5]Vincent Lepetit, Pascal Fua, Francesc Moreno-Noguer.Accurate noniterative O (n) solution to the PNP problem[C]//International Conference on Computer Vision, Rio de Janeiro, Brazil, October14-20, 2007.New York:IEEE, 2007:1-8.
[6]Quan L, Lan Z.Linear n-point camera pose determination[J].IEEE Transactions on Pattern Analysis and Machine Intelligence (S0162-8828) , 1999, 21 (8) :774-780.
[7]徐巧玉, 车仁生.基于光学测棒的立体视觉坐标测量系统的研究[J].光学学报, 2008, 28 (11) :2181-2186.XU Qiao-yu, CHE Ren-sheng.On-Line Calibration of Stereo Vision Measurement System Based on Optical Reference Bar[J].Acta Optica Sinica, 2008, 28 (11) :2181-2186.
[8]Vincent Lepetit, Francesc Moreno-Nogue, Pascal Fua.EPnP:An Accurate O (n) Solution to the PnP Problem[J].International Journal of Computer Vision (S0920-5691) , 2009, 81 (2) :155-166.
汽车姿态测量 篇3
航磁矢量测量由三分量磁力仪和惯性导航设备构成;其中三分量磁力仪专门用于测量矢量空间的磁场值, 其测量的磁场值是基于设本身的姿态信息 (翻滚角、俯仰角、方位角) , 该姿态信息基于地理坐标系, 该坐标系为设备本身的载体坐标系, 随设备姿态变化而变化。惯性导航设备用于测量地理坐标系, 不随设备本身的姿态变化而变化, 因此地理坐标系在航磁测量中被普遍采用作为基准坐标系。
要实现航空磁测姿态坐标变换, 首先就要解决飞行器载体坐标系和地理坐标系之间的相互转换问题。文献[1]对大地坐标和船体坐标之间的相互转换进行了推导, 文献[2]对舰载雷达电子稳定方程的推导进行了分析, 称现有的几种推导方法具有一致性。文献[1]所提出的船体摇摆变换方法是现在广泛采用的方法, 文献[3]是对文献[1]的结论展开进一步的研究。但以上方法都是针对舰船姿态变换而言所进行的姿态变换研究。
本文介绍了一种新的姿态坐标变换方法, 推导出实用的航磁姿态坐标变换公式, 为航磁测量系统姿态坐标变换的实现提供必要的理论依据, 并通过实测数据验证了该坐标变换公式的正确性。
1 航磁测量姿态控制中的相关坐标系的定义
1.1 地理坐标系
地理坐标系XdYdZd (图1) 的原点设在飞行器质量中心在地球对应表面的投影点处。Zd轴沿着地球地心与该坐标系原点的连接线指向天, 并垂直与该点大地水平面。Xd和Yd轴与大地水平面重合, 并分别水平指向东、水平指向北。地理坐标系随着地球自转相对惯性坐标系运动, 并随飞行体的运行相对惯性坐标系运动, 其原点位置由纬度角及经度角确定。
1.2 载体坐标系
载体坐标系 (图2) 是用于描述载体本身的坐标体系, 其随飞行器本身的姿态变化而变化。设载体坐标系XzYzZz的原点位于飞行器质量中心, Yz轴与飞行器纵轴重合并指向首部, Xz轴与飞行器横轴重合并指向右翼, Zz轴与Xz和Yz轴构成右手直角坐标系, 指向飞行器上方。
2 坐标之间变换方法介绍
文献[1]采用的方法是先让坐标各轴分别变换, 得到变换方程后再将三个分别变换后的转换方程合在一起。即首先分析各角度参数中只有一个进行变化, 其它两个角度不变, 然后将三个参数一起变化时的状态综合在一起考虑。若仅考虑翻滚角时, 设翻滚角为α (图3) , 地理坐标系XdYdZd绕Xd轴旋转α角, 则对于飞行器坐标系XrYrZr, 其变换矩阵Tr为:
若仅考虑俯仰角时, 设俯仰角为β时, 地理坐标系XdYdZd绕Yd轴旋转β角, 则对于飞行器坐标系XpYpZp, 其变换矩阵Tp为:
若仅考虑偏航角时, 设偏航角为γ时, 地理坐标系XdYdZd绕Zd轴旋转γ角, 则对于飞行器坐标系XhYhZh, 其变换矩阵Th为:
当翻滚、俯仰和偏航角同时改变时, 应用式 (1) ~式 (3) , 地理坐标系与飞行器载体坐标系之间的变换矩阵Ta为:
飞行器载体坐标系与地理坐标系之间的变换方法与上面相同, 分别使载体坐标系反方向旋转α, β, γ, 得到旋转后的旋转矩阵分别为:
仅旋转翻滚角时:
仅旋转俯仰角时:
仅旋转方位角时:
应用式 (5) ~式 (7) , 飞行器载体坐标系与地理坐标系之间的变换矩阵Tb为:
然而在实际过程中, 坐标变换应该具有对称性, 先翻滚再俯仰和先俯仰再翻滚效果一样, 按照该思路, 如下姿态变换公式是先俯仰变换, 再翻滚变换, 最后考虑方位变换, 得到的坐标变换公式为:
可以看出, 结果式 (4) 和式 (9) 并不相等, 在文献[4]中指出, 上述姿态变换方法并不准确, 表明地理坐标系到载体坐标系之间由于变换顺序不同, 而推导出的过渡矩阵不同, 因此变换方法是不严密的。
文献[5]中指出, 实际只有在小角度的情况下, 坐标轴的旋转变换才与绕坐标轴的次序无关。即当翻滚角α、俯仰角β、方位角γ均为小角度时, cosk≈1, sink≈k, k为α, β或γ, 无论采用哪种变换次序, 忽略高阶项, 坐标变换矩阵T均可简化为:
然而飞行器实际飞行过程中, 姿态改变是随机的, 且不可能是小角度的变化, 因而文献[1]中推导的坐标变换方法不适用于航空磁测姿态变换。
3 航磁姿态坐标变换分析及验证
3.1 航空姿态角度测量
飞行器的姿态由其自身的载体坐标系XzYzZz与地理坐标系XdYdZd之间的转角 (欧拉角) 决定, 如图4所示。
设飞行器载体坐标系初始状态与地理坐标系重合, 则飞行器的方位角以OZd轴为旋转轴, OXd轴在XdOYd平面偏转的γ角, 即图4中所示∠XdOX1。若在实际过程中, 飞行器因姿态的改变使OX1轴不在水平面上, 则方位角为OX1轴在水平面的投影线与OXd轴之间的夹角, 即方位角的旋转轴始终为铅垂线, 且沿逆时针方向旋转为正, 顺时针方向为负。
飞行器俯仰角的定义为OX1轴与水平面的夹角, 以OY1轴为旋转轴, OX1轴在X1OZd平面偏转β角至OX2, 即∠X1OX2为俯仰角。且OX2轴在水平面XdOYd之上时为正, 在水平面之下时为负。在此基础上, 以OX2轴为旋转轴, OY1轴在Y1OZ2平面偏转α角至OY2, 称∠Y1OY2为翻滚角。不难看出, 翻滚角α一般并不位于铅垂面内, 但始终位于飞行器的纵向平面Y1OZ2内, 其测量轴为OX2轴。
3.2 地理坐标系到飞行器载体坐标系变换
飞行器姿态变换的实质是地理坐标系与载体坐标系之间的矩阵变换, 尽管飞行器在飞行过程中的姿态是任意的, 其顺序并不固定, 但在姿态变换过程中遵循一定的顺序变换, 能够起到将误差减小到最小程度的效果[6—8]。通过以上分析得出, 方位角γ是以OZd轴为旋转轴, OXd轴在XdOYd平面偏转的角度, 其旋转轴垂直于水平面;俯仰角β是以OY1轴为旋转轴, OX1轴在X1OZd平面偏转的角度, 其旋转轴位于水平面;翻滚角α是以OX2轴为旋转轴, OY1轴在Y1OZ2平面偏转的角度, 若俯仰角β为0的话, 则翻滚角α对应的旋转轴将位于水平面内, 若俯仰角β不为0的话, 则翻滚角α对应的旋转轴将位于X1OZd面内。
据此可以推出, 在姿态变换时, 若先进行翻滚角变换, 则地理坐标系在变换后其Zd轴就不垂直于水平面了, 进而进行方位角变换时就会因为Zd轴不垂直而引入误差。因此应首先进行方位角变换, 然后进行俯仰角变换, 其旋转轴为OY1轴, 方位角变换后该轴仍然在水平面内, 因此不会引入姿态变换误差, 最后进行翻滚角变换, 其旋转轴OX1轴位于X1OZd平面内。经过该种顺序的姿态变换 (方位—俯仰—翻滚) , 才与实际情况相符, 且引入的误差最小。
如下对各角度变换进行单独分析, 并得到各自的变换矩阵, 方位角变换如图5中左上图所示, 设点D为空间中任意一点, 其在地理坐标系下坐标为D (Xd, Yd, Zd) , 经过姿态变换后在载体坐标系下坐标为D (X1, Y1, Z1) , 则根据推导得到:
矩阵形式为:
Tγ即为方位角变换的转换矩阵。
同理, 根据图5所示, 分别得到俯仰变换和翻滚变换的矩阵形式为:
将式 (14) ~式 (16) 合并在一起, 由地理坐标系到飞行器载体坐标系的变换矩阵形式为:
式 (17) 中:
将矩阵合并变换后得到:
3.3 飞行器载体坐标系到地理坐标系变换
飞行器载体坐标系到地理坐标系的变换是地理坐标系到载体坐标系姿态变换的逆变换, 由先前分析可知, 由地理坐标系到载体坐标系的姿态变换顺序是先进行方位角变换, 再进行俯仰角变换, 最后进行翻滚角变换, 因此由载体坐标系到地理坐标系的姿态变换顺序是先进行翻滚角变换, 以OX2轴为旋转轴, 顺时针旋转α, 使OZz轴与OZz轴重合;再进行俯仰角变换, 以OY1轴为旋转轴, 反方向旋转β, 使OZ2轴与OZd轴重合;最后进行方位角变换, 以OZd轴为旋转轴, 反方向旋转γ, 使载体坐标系与地理坐标系重合。
与式 (19) 的推导过程类似, 由载体坐标系到地理坐标系姿态变换过程中, 翻滚角变换矩阵Tα1、俯仰角变换矩阵Tβ1、方位角变换矩阵Tγ1分别为:
由飞行器载体坐标系到地理坐标系姿态变换矩阵TD1为:
将矩阵合并变换后得到:
在航磁测量过程中, 根据测得的空间某一点任意姿态的磁场三分量值, 再结合上面推导的由飞行器载体坐标系到地理坐标系姿态变换矩阵, 将磁场三分量值变换到基于基准坐标系 (地理坐标系) 下的磁场三分量数据, 以便于在航磁测量的顺利进行。
3.4 实验验证及分析
为验证上述姿态变换矩阵的正确性, 根据野外实际测试的数据对姿态变换矩阵进行了验证。实验中用于测量飞行器姿态数据的陀螺仪装置和测量空间磁场数据的三分量磁力仪传感器装置安装示意图如图6所示。
设三分量磁力仪装置采集的磁场数据为Dm (x, y, z) , 经过姿态变换后地理坐标系下的磁场数据为Dd (x1, y1, z1) , 则根据图6的两坐标系对应关系, 地理坐标系Xd轴对应磁场分量数据为-z, Yd轴对应磁场分量数据为x, Zd轴对应磁场分量数据为-y。Dm与Dd的关系方程为:
式 (25) 中:TD1为从飞行器载体坐标系到地理坐标系姿态变换关系矩阵。
在实验过程中, 所选野外场地磁场环境稳定, 周围无其它磁场源干扰, 磁力仪装置在该环境中静止测量时所记录的总磁场值基本为一恒定值。
实验步骤为:
(1) 使设备按照预定轨迹前进, 并不断改变设备的姿态, 记录并保存数据, 解算后的磁场各分量与总场值如图7所示, 通过图形可以看出, 因为载体坐标系姿态变换的随意性, 磁力仪各分量的磁场值也呈现对应变化, 而总磁场数据基本不变。
图8为各磁场分量值与对应轴姿态变化对比曲线, 其中每幅图形的横坐标表示实验记录时间, 左纵坐标表示磁场分量信息, 右纵坐标表示姿态角度变化信息, 可知二者的参数信息变化趋势一致。
(2) 野外实验场地磁场环境稳定, 经过理论计算, 当对各分量磁场进行姿态变换至地理坐标系下时, 各分量磁场值为恒定值。将基于载体坐标系下的磁场各分量实测数据代入公式 (25) 后, 转换到基于地理坐标系下的磁场数据, 如图9所示, 其中, 左纵坐标为磁场分量在载体坐标系下的曲线, 右纵坐标为经过姿态变换到地理坐标系下对应的磁场数据。
通过图形曲线分析, 经过姿态矩阵变换后地理坐标系下各分量磁场曲线为 (或近似为) 直线, 姿态变换前后的改善率可达到57倍, 和理论计算的结果相符, 验证了姿态变换矩阵的准确性。
图中观察到地理坐标系下各分量磁场曲线并非完全是直线, 原因是设备在测量过程中, 陀螺仪装置和磁力仪探头都有一定的测量偏差, 并不能完全精确测量, 而且实验场地的磁场环境也并非绝对稳定, 这些都会带来最终结果的误差。
实验表明, 本文所建立的从飞行器载体坐标系到地理坐标系以及从地理坐标系到飞行器载体坐标系的姿态变换公式是准确可靠的。
4 结语
(1) 航磁姿态变换的实质就是飞行器载体坐标系与地理坐标系之间的角度变换;飞行器方位角的旋转轴垂直于水平面, 俯仰角的旋转轴在水平面内, 翻滚角的旋转轴不在水平面内。因此虽然说飞行器的姿态变化是随机的, 但是从地理坐标系到载体坐标系的坐标变换时, 按照一定顺序变换会使失真最小, 姿态变换前后的改善率可达到57倍, 变换顺序为方位角—俯仰角—翻滚角。
(2) 由于从飞行器载体坐标系到地理坐标系的姿态变换是按照一定的顺序进行, 则从地理坐标线到飞行器载体坐标系的姿态变换也必须按照一定的顺序进行, 变换顺序为:翻滚角—俯仰角—方位角。
(3) 建立了符合航磁测量的从飞行器载体坐标系到地理坐标系以及从地理坐标系到飞行器载体坐标系之间的姿态变换公式。
本文的姿态坐标变换技术研究, 是航磁矢量测量中的关键技术, 为航磁矢量测量奠定了坚实的基础。
参考文献
[1]方成一, 王振旺.舰载雷达天线电子稳定方程的推导方法.雷达与对抗, 1999; (2) :68—74Fang Chengyi, Wang Zhenwang.The derivation of electronic steadiness equations of ship-borne radar.Radar&Ecm, 1999; (2) :68—74
[2] 冯同玲, 陈龙潭.舰载雷达天线电子稳定方程的推导与分析.火控雷达技术, 2001;30 (1) :30—36Feng Tongling, Chen Longtan.Derivation and analysis of electronic steadiness equations of ship-borne radar.Fire Control Radar Technology, 2001;30 (1) :30—36
[3] 林成文, 陈长青, 白文峰.一种船用跟踪设备视轴稳定方法.吉林工学院学报, 2002;23 (4) :42—45Lin Chengwen, Chen Changqing, Bai Wenfeng.Research on a method of the los stabilization of ship borne electro optical tracking equipment.Journal of Jilin Institute of Technology, 2002;23 (4) :42—45
[4] 王有朝.对舰艇纵横摇坐标变换的讨论.现代雷达, 2001;8 (4) :27 —30Wang Youzhao.Discussion on coordinates transform of pitch and roll of warship.Modern Radar, 2001;8 (4) :27—30
[5] 张志远, 罗国富.舰船姿态坐标变换及稳定补偿分析.舰船科学技术, 2009;31 (4) :34—40Zhang Zhiyuan, Luo Guofu.Coordinate transformation of warship pose and analysis of stabilization compensation.Ship Science and Technology, 2009;31 (4) :34—40
[6] 施国兴, 杨树兴, 苏中.地磁信息的旋转弹姿态算法研究.弹箭与制导学报, 2011;31 (5) :33—38Shi Guoxing, Yang Shuxing, Su Zhong.The study on attitude algorithm of rolling projectile using geomagnetic information.Journal of Projectiles Rockets Missiles and Guidance, 2011;31 (5) :33—38
[7] 袁海燕, 袁红艳, 田国华.航空遥感面阵CCD相机像移速度计算方法, 黑龙江工程学院学报, 2010;24 (1) :73—76Yuan Haiyan, Yuan Hongyan, Tian Guohua.Calculation of image motion in CCD camera.Journal of Heilongjiang Institute of Technology, 2010;24 (1) :73—76
汽车姿态测量 篇4
由于RCS的动态测量数据主要由目标姿态决定,其在雷达观测视线方向上的姿态由目标/轨道运动和微动共同确定,所以通过对RCS动态测量中由于目标姿态引起的不确定度的仿真分析,可以在一定程度上解释RCS动态测量中数据的强烈起伏现象[2]。
1 目标姿态模型的建立
对空间目标进行监视的一项关键技术,是对目标的姿态角进行精确的估计,如果能够估计出目标的姿态角,就可以得到目标RCS随姿态变化的曲线,即RCS反射图。有了RCS反射图就可以对目标的旋转周期性进行判定和提取从而得到对空间目标分类的又一个重要依据。因此,分析研究动态RCS测量数据中姿态变化的影响,建立准确的动态RCS测量数据随姿态变化的反射图,具有一定的研究价值。
对于动态RCS仿真,可根据各个时刻对应的姿态查找相应的RCS值,即可生成动态RCS序列[3]。依据这种方法产生动态RCS仿真数据,就必须知道采样点各个时刻对应的目标姿态,而在动态RCS测量系统中各个时刻对应的目标姿态可以根据目标轨迹和坐标转换得到。此外,与各个时刻的姿态相对应的RCS值通过静态计算得到。
因此,目标姿态模型的架构可以根据动态RCS仿真数据的产生过程将其分为4部分,如图1所示[4]。
模型各部分数据的产生和具体操作流程如下:
(1)目标静态RCS计算模型的建立。目标模型是通过图形电磁学算法(GraphicalElectromagnetic Computing,GRECO)来计算目标的全方位RCS。图型电磁学算法是一种基于三维图形工作站并应用参数曲面等各种拟合技术来实现计算复杂目标RCS的方法,在用软件接口初始化之后的屏幕上,生成目标的光照模型,并自动由计算机显卡完成目标的遮挡和消隐计算工作,因此,CPU只需完成电磁部分的计算。GRECO通过射线追踪也可以分析多次反射的散射机理,它虽然不能分析带有腔体及缝隙的复杂目标综合散射,但在众多新兴计算方法中成为比较流行的高频RCS预估方法,而且在不断地改进。
(2)目标姿态轨迹数据的生成。首先,根据动态测量系统中目标和雷达之间可能的位置、相对速度等关系,计算出目标姿态在测量过程中可能的一些变化速率;其次,选定目标姿态的起始位置和仿真中用到的采样点数;最后,结合目标姿态的起始位置、采样点数和目标姿态可能的变化速率来产生仿真中目标的姿态轨迹。
(3)目标动态RCS仿真数据的合成。结合目标的姿态轨迹和静态全方位RCS的计算结果合成出仿真中所需要的模拟动态RCS测量结果的动态RCS仿真数据。
(4)动态RCS仿真数据的分析。通过计算各个轨迹下得到的动态RCS仿真数据的不确定度,来描述不同的姿态轨迹下把目标姿态作为一种不确定性因素考虑时对动态RCS测量数据的影响,其中不确定度是根据GJB 3756-99即测量不确定度的表示及评定中的计算方法得到的。
2 仿真结果
依据上述模型的建立及仿真方法,对国产某机型飞机进行建模仿真并选取X波段为工作波段。如图2所示为对目标建模后用图形电磁学算法得到的结果,方位角和俯仰角的步进约为0.1°。
仿真中所具体采用的目标姿态轨迹是根据目标在雷达坐标系中一些实际中可能的运动轨迹,经过坐标转换后得到目标的姿态轨迹数据,在这里选取了5条不同的姿态轨迹数据来完成下一步的计算如图所示为仿真中所生成的目标姿态轨迹一的视向角分布及其对应的RCS动态仿真数据,由于选取了比较多的采样点,所以方位角和俯仰角存在多个周期的变化[5]。
为描述姿态变化对测量数据的影响,将姿态的变化看作是一种测量过程中的不确定性因素,计算5条轨迹下动态RCS仿真数据的不确定度,其中表1为用平均值作为测量结果时的计算结果,表2为用单次测量值作为测量结果时的计算结果,表3为用单次测量值作为测量结果时的计算值。
选取平均值、中值作为测量结果,是因为在对RCS测量数据进行处理时一般用均值和中值平滑数据,而选取机头值是因为在实际应用中,通常机头方向对准雷达的概率相比较大。
由表1～表3和图2的计算结果可以看出,若单纯考虑目标姿态所导致的不确定度,它基本包含了图2中计算结果的大多数,也就是说目标姿态是导致动态RCS测量数据剧烈起伏的最重要的因素。姿态角是空间目标的一个非常关键的特征量,姿态角的精确估计可以为空间目标的正确识别提供有利信息,所以可以通过动态测量过程得到大量的关于某些特定目标的RCS随姿态变化的曲线,即RCS反射图,继而建立这些特定目标的RCS反射图数据库,在实际测量过程中将测量数据与模板库中的反射图对照,必将可以对目标的正确识别做出巨大贡献。
3 结束语
将目标姿态看作为一种目标RCS动态测量过程中的不确定性因素,通过计算仅受到目标姿态影响的动态仿真数据的不确定度来描述不同目标姿态变化的轨迹对动态RCS测量数据的影响,从而对动态测量过程中如何选取目标运动轨迹来减少由目标姿态导致的测量结果的剧烈抖动。
摘要：在测量动态目标RCS时,其测量数据存在着剧烈的波动,导致这一现象的主要原因是运动目标快速变化的姿态。文中利用动态目标的模型,模拟目标姿态变化对动态RCS测量数据的影响,最终通过计算仿真数据的不确定度对这一影响作定量化的分析。
关键词：RCS动态测量,目标姿态,不确定度
参考文献
[1]姜卫东,曹敏,聂镭,等.空间目标动态电磁测量数据仿真方法研究[J].系统工程与电子技术,2009,26(5):2042-2045.
[2]中国人民解放军总装备部.测量不确定度的表示及评定G JB3756-99[S].北京:电子信息标准出版发行中心,1999.
[3]林晓焕,林刚,马训鸣.RCS动态测量结果的不确定度分析[J].微电子学与计算机,2009,25(3):163-171.
[4]刘先康,高梅国,傅雄军.空间目标姿态角估计与RCS反射图生成[J].航天电子对抗,2007,23(1):16-17.
[5]李民权,吴先良.飞行目标的抖动及雷达散射截面计算[J].合肥工业大学学报,2003,31(9):1021-1024.
汽车姿态测量 篇5
“远望”号测量船是目前我国航天飞行器测控系统的一个重要组成部分,它是为了适应导弹、航天器试验的发展而在海上设置的测控站。航天测量船采用单站定位体制,测控设备以船舶为平台,其测量是在动态条件下,设备的位置、姿态在不停地变化,必须在测量设备跟踪被测目标的同时,对测量船的位置和姿态进行同步测量。目前航天测量船装备了以惯性导航为主,卫星导航设备以及标校经纬仪等为辅的组合导航系统。但由于惯性导航系统具有误差累积的缺点,长时间工作时需要提供外部的位置、航向校准信息,对惯性导航系统进行综合校准[1]。
星敏感器是一种高精度的姿态测量装置,且不随时间漂移,具有自主导航能力,以恒星为参照物, 利用探测单元某一时刻对天空直接捕获星图,经过数据处理单元对星图进行恒星质心提取、星图识别、星跟踪、姿态计算等一系列处理,获得星敏感器相对惯性空间的高精度姿态信息,目前广泛应用于卫星、洲际战略导弹、宇航飞船等航空航天飞行器姿态测量[2]。随着高精度大视场星敏感器技术的成熟,利用其测量船体姿态成为可能。
针对海上测控任务需求的不断提高,本文采用高精度星敏感器来提高航天测量船综合测量精度, 建立了基于星敏感器船姿测量的数学模型,设计了一套基于双星敏感器的船姿测量系统,一台指向船艉,一台指向左舷。硬件结构上,采用TH7888A作为CCD传感器,成像后经光纤传输系统传到机下电控箱,经实时图像处理器提取星点目标位置、灰度信息给数据处理计算机处理。软件设计上,通过星图识别、姿态确定获取地心惯性坐标系下视轴指向,经岁差、章动、极移、船位、蒙气差等修正,得到惯导地平系下姿态角。依据标定的星敏感器与甲板坐标系安装矩阵,解算船体姿态角,将两台星敏感器解算的姿态角进行融合,从而得到三个高精度的船体姿态角。经实验验证,本文提出的测量系统三个船体姿态角测量精度均优于10″。
1双星敏感器船姿测量系统方案
星敏感器的姿态测量精度可由休斯公司的仿真评价公式估算:
式中,σP、σY分别是俯仰、偏航方向的姿态测量误差角度,σR是横滚方向(指对星敏感器)的姿态测量误差角弧度,n是参与计算的星数,σxy是星敏感器像面座标中x、y方向上的角度测量误差(单星测量误差),θsep为探测星的平均分离角度,由此可以看出, 横滚角的测量误差是偏航、俯仰测量误差的几倍。星(弹)载多星敏感器一般采用空间正交安装方式[3],而船用星敏感器受视场角及船载测量设备遮挡等因素影响,不能沿载体坐标轴方向布置,不能空间正交,只能保证其水平投影处于正交状态。针对这一特点,本文提出一种基于双星敏感器的船姿测量方案。具体设计思想如图(1)所示。
本方案拟采用两台星敏感器组合测量达到提高船体姿态横摇角的目的。星敏感器A1沿船体艏艉线排列,指向船艉,星敏感器A2指向船体左舷,根据船载设备遮挡因素,分别选择仰角为35°和40°。两台星敏感器各自解算出船体姿态角,分别为(K1, ψ1,θ1),(K2,ψ2,θ2)。为避免因单星敏感器横滚角测量精度低造成横摇角误差大,将两星敏感器解算的船体姿态角进行数据融合,具体方法如下式:
星敏感器A1偏航、俯仰分别影响船体航向、纵摇姿态,而横滚角影响船体三个姿态角,因此,航向、纵摇测量精度高;星敏感器A2偏航、俯仰分别影响船体航向、横摇姿态,而横滚角影响船体三个姿态角,因此,航向、横摇精度高。将星敏感器A1、A2测量的航向平均值作为融合后的航向,将星敏感器A1测量的纵摇作为融合后的纵摇,将星敏感器A2测量的横摇作为融合后的横摇。
2单星敏感器船姿确定
单星敏感器船姿确定流程如图2所示。图像传感器拍摄星图后,经过图像处理电路经过预处理、连通性分析提取出星点的位置和灰度信息,输出给星图识别模块,经过三角形识别算法在导航星库中找到观测星的对应匹配,得到视场内的所有恒星赤经、赤纬,经过自行、光行差修正后,利用所有恒星的参考矢量及其观测矢量,通过姿态确定算法计算星敏感器在J2000.0地心惯性坐标系下指向,经过坐标变换转换到惯导地平系下,经过蒙气差修正后,重构星敏感器惯导地平坐标系下姿态矩阵,再根据船载星敏感器的安装矩阵(船坞内标校时得到),计算出船体姿态矩阵。
星敏感器技术部分包括图像获取单元、星图预处理单元、星图识别单元及姿态确定单元。
星敏感器获取J2000.0地心惯性坐标系(CIS) 视轴指向后,需经岁差修正转瞬时平赤道地心系 (MT),再从瞬时平赤道地心系(MT)经章动修正转瞬时真赤道地心系(CT),再由瞬时真赤道地心系 (CT)经地球自转修正转准地固坐标系(ET),再由准地固坐标 系 (ET)经极移修 正转地固 坐标系 (CTS),再根据船位参数由地固坐标系(CTS)转地平系(DP)[4],由星敏感器惯导地平系姿态矩阵MDP 得到星敏感器惯导地平系下方位角α,俯仰角β,滚动角γ,坐标变换如图3所示。
地面光学设备(包括天文望远镜、航天测控系统的经纬仪、星敏感器等)观测恒星时,由于可见光穿越大气层时受大气折射的影响,得到的视位置高度与恒星的真位置高度存在一定的偏差(该高度偏差称作蒙气差),因此需要对观测数据进行蒙气差修正[5]。考虑到大气折射影响,根据星敏感器地平系仰角不同,选择蒙气差模型修正,然后得到新的姿态角(α,δ′,γ),重构姿态矩阵得到M′DP。
(1)当星敏感器地平仰角大于等于14°,蒙气差ρ采用中国天文年历中蒙气差模型:
式中,ρ0为蒙气差常数,可直接利用下式计算:
其中Z为天顶距,Z=90°-δ。αt为气温变差乘数修订系数,当δ≤45°时可由下式计算:
At为气温变差乘数,与温度t有关;B为气压变差乘数,与测量站附近气压P有关:
(2)当地平仰角5°≤β≤14°时,采用Polkovo蒙气差模型:
ρ0为蒙气差常数,可直接利用下式计算:
经蒙气差修正后,重构星敏感器惯导地平系下姿态矩阵M′DP为:
其中,Rx(θ),Ry(θ),Rz(θ)分别表示绕X、Y和Z轴逆时针旋转θ角后形成的矩阵。
测量船进坞坐墩时,船载标校经纬仪确定测量船航向K真(ψ真=θ真 =0),由此得到船体姿态矩阵真值Rb DP=R0,可计算星敏感器坐标系与甲板坐标系的安装矩阵为:
完成星敏感器安装矩阵标定Rb S后,船航行时, 可由公式(14)可得船体姿态矩阵计算公式:
即可得到3个船体姿态角K,ψ,θ:
单星敏感器船姿确定算法流程如下:
1.船坞坐墩时,星敏感器测星经过星图识别,姿态确定获得地心惯性系下视轴指向。
2.经过岁差、章动、极移等修正获得惯导地平系下姿态矩阵。
3.由星敏感器俯仰角采用相应的蒙气差修正模型进行修正,重构惯导地平系下姿态矩阵。
4.根据标校经纬仪测量的航向信息,即船体姿态真值,计算星敏感器安装矩阵,多次测量求平均值。
5.船航行时,重复1~3步中计算星敏感器惯导地平系下姿态矩阵。
6.由第4步中标定的安装矩阵,计算实时船体姿态矩阵,求解船体姿态角。
7.进行双星敏感器船姿数据融合,输出融合后的船姿。
3系统设计
系统框架图如图(4)所示,星敏感器船姿测量系统由光学系统、机械结构、光纤传输系统、实时图像处理器及数据处理计算机等几部分组成。
图像传感器电路完成对星空图像的采集,A1、A2图像传感器电路相同,由CCD焦平面组件、CCD驱动电路、前端电路、视频信号处理器、相机时序控制器及制冷与温控单元组成,制冷可以提高信噪比, 减小暗电流噪声;光纤传输单元负责机上、机下图像及相机通讯指令传输;实时图像处理器完成星图预处理,连通性分析,星点目标实时提取,实时输出星点目标的位置及灰度给数据处理计算机;图像采集卡负责采集CameraLink接口图像到计算机内,可以将星图存储到计算机中保存原始图像文件,以便对各种算法的检验和以后进一步的处理;时统终端负责提供整个系统的外同步信号,GPS提供时间信息;串口通信卡负责主控计算机与各分系统的通信指令传输。
具体流程:
1.系统上电后,CCD成像单元完成星图采集, 经机上光纤传输系统传到机下电控箱。
2.机下光纤接收时统的外同步与时间码,将时间信息叠加到图像最后一行,之后传给实时图像处理器。
3.实时图像处理器接收图像后,一路传给图像存储卡,一路经阈值分割、连通性分析提取星点目标的位置坐标及灰度值传给数据处理计算机。
4.经星图识别,姿态确定,船姿计算等,两星敏感器分别解算船体姿态角。
5.进行船姿数据融合,输出融合后船姿。
4实验结果及分析
首先搭建一套双星敏感器船姿测量系统,包括两台星相机、光纤传输系统、FPGA+双DSP的实时图像处理器、串口通信卡、时统卡、图像存储卡及数据处理计算机。使用配置为Intel(R)CPUE5300 @2.6GHz,2.00GB双通道DDRII内存的高性能研华工业控制计算机作为数据处理计算机。探测器为TH7888A,帧频为10f/s,像元大小14μm,输出分辨率为1024×1024的12位灰度图像。采用FP- GA+双DSP为实时图像处理系统。串口通信卡选用MOXA公司的CP-118U八口串口 通信卡。GPS/B码时统卡采用PCI总线结构,由温补晶振、GPS接收机及天线、两片控制芯片及一片FPGA组成。图像存储卡为PCI总线结构,由CameraLink解码单元、串口接口电路、SRAM存储单元、FPGA逻辑控制单元及PCI接口电路组成。系统硬件实物图如图(5)所示。
为了验证此系统的有效性,通过外场实验对本平台进行试验验证,如图(6)所示。本文采用张磊等[6]提出的改进的三角形识别算法,利用散列查找法对三角形的每条边(星对角距)在特征库中分别找出满足角距判决门限、同时满足星等差判决门限的导航星对,利用三角形几何约束关系减小冗余。图 (7)、图(8)分别为2013年3月15日20∶16∶7∶630时星敏感器A1、A2同一时刻观测的星图,其中,星图中红色星代表提取的伪目标。SkyMap是一款电子星图软件,可以显示出地球上任意地区在某个时间的星空,对比SkyMap生成的星图和真实星图,可以判断识别是否正确。然后根据视场内识别星天球坐标及靶面坐标,采用Quest算法计算单星敏感器地心惯性坐标系下视轴指向[7,8],再根据单星敏感器船姿确定算法计算船姿。最后,由双星敏感器船姿数据融合算法输出船姿,姿态测量误差及损失函数值如图(9)所示。
对2013年3月15日测量的船姿数据进行处理后,统计得到:星敏感器A1测量船体航向、纵摇及横摇的平均测量误差分别为0.005″、-0.044″及0. 005″,均方根误差分别为131.585″、15.588″及146. 410″,其中航向测量精度相对星敏感器的方位角测量精度下降明显(星敏感器方位、俯仰及滚动测量均方根误差分别为11.970″、6.050″和190.350″),这是由于星敏感器滚动测量误差耦合到航向上造成的。星敏感器A2的方位、俯仰及滚动测量精度分别为7.14″、6.18″和98.61″,由此解算得到的船体航向、纵摇及横摇的平均测量误差分别为 -0.003″、0.002″及0.011″,均方根误差分别为61. 406″、80.077″及11.573″。双星敏姿态确定算法的航向、纵摇及横摇平均测量误差分别为-27.063″、 -62.930″及-3.948″,平均误差较大主要是由于安装矩阵标定不准造成的,且可作为系统误差进行修正。航向、纵摇及横摇均方根测量误差分别为8. 468″、7.164″及5.116″,三个方向测量精度均优于10″,从而避免了星敏感器滚动角的测量误差对船体航向角的影响。
5结论
汽车姿态测量 篇6
关键词：地铁,盾构,自动导向系统
随着城市建设的飞速发展, 我国在各大城市都开展了地铁建设, 为了满足盾构掘进按设计要求贯通 (贯通误差必须小于±50 mm) , 必须研究每一步测量工作所带来的误差, 包括地面控制测量, 竖井联系测量, 地下导线测量, 盾构机姿态定位测量4个阶段。
1盾构机自动导向系统的组成与功能
现在的盾构机都装备有先进的自动导向系统, 本区间盾构机上的自动导向系统为德国VMT公司的SLS-T系统, 主要由以下四部分组成:1) 具有自动照准目标的全站仪。2) ELS (电子激光系统) , 亦称为标板或激光靶板。3) 计算机及隧道掘进软件。4) 黄色箱子。它主要给全站仪供电, 保证计算机和全站仪之间的通信和数据传输。
2 盾构机自动导向定位的基本原理
地铁隧道贯通测量中的地下控制导线是一条支导线, 它指示着盾构的推进方向, 导线点随着盾构机的推进延伸, 导线点通常建立在管片的侧面仪器台上和右上侧内外架式的吊篮上, 仪器采用强制归心, 为了提高地下导线点的精度, 应尽量减少支导线点, 拉长两导线点的距离 (但又不能无限制的拉长) , 并尽可能布设近乎直伸的导线。一般两导线点的间距宜控制在150 m左右。在掘进中盾构机的自动导向系统主要是根据地下控制导线上一个点的坐标 (即X, Y, Z) 来确定的, 这个点就是带有激光器全站仪的位置, 然后全站仪将依照作为后视方向的另一个地下导线的控制点来定向, 这样就确定了北方向, 即方位角。再利用全站仪自动测出的测站与ELS棱镜之间的距离和方位角, 就可以知道ELS棱镜的三维坐标 (即X, Y, Z) 。激光束射向ELS, ELS就可以测定激光相对于ELS平面的偏角。在ELS入射点之间测得的折射角及入射角用于测定盾构机相对于隧道设计轴线 (DTA, 已事先计算好并输入计算机) 的偏角。坡度和旋转直接用安装在ELS内的倾斜仪测量。这个数据大约2次/s传输至控制用的计算机。通过全站仪测出的与ELS之间的距离可以提供沿着DTA掘进的盾构机的里程长度。所有测得的数据由通信电缆从黄盒子传输至计算机, 通过软件组合起来用于计算盾构机轴线上前后两个参考点的精确空间位置, 并与隧道设计轴线 (DTA) 比较, 得出的偏差值显示在屏幕上, 这就是盾构机的姿态, 在推进时只要控制好姿态, 盾构机就能精确地沿着隧道设计轴线掘进, 保证隧道能顺利准确的贯通。
3 盾构机姿态位置的检测和计算
我们采用棱镜法来对盾构机的姿态进行检查。在盾构机内有15个参考点 (M8螺母) , 这些点在盾构机构建之前就已经定好位了, 它们相对于盾构机的轴线有一定的参数关系 (见表1) , 即它们与盾构机的轴线构成局部坐标系 (见图1) 。在进行测量时, 只要将特制的适配螺栓旋到M8螺母内, 再装上棱镜。现在这些参考点的测量可以达到毫米的精度。已知的坐标和测得的坐标经过三维转换, 与设计坐标比较, 就可以计算出盾构机的姿态和位置参数等。
下面来说明如何用棱镜法计算盾构机的姿态和位置。
我们利用洞内地下导线控制点, 只要测出15个参考点中的任意三个点 (最好取左、中、右三个点) 的实际三维坐标, 就可以计算盾构机的姿态 (但在实际操作中, 我们往往会多测量几个点, 以便剔除粗差与检核) 。对于以盾构机轴线为坐标系的局部坐标来说, 无论盾构机如何旋转和倾斜, 这些参考点与盾构机的盾首中心和盾尾中心的空间距离是不会变的, 它们始终保持一定的值, 这些值我们可以从它的局部坐标计算出来。
从图1中可以看出, 在以盾构机轴线构成局部坐标系中, 盾首中心为坐标原点, 坐标为 (0, 0, 0) , 盾尾中心坐标为 (4.096, 0,
表2为我们在盾构机始发时测出的均匀分布的点7, 8, 9, 10, 11, 14几个参考点的实际三维坐标。
根据以上数据就可以列出两组三元二次方程组, 来解出盾首中心和盾尾中心的实际三维坐标, 方程组如下:
第一组 (计算盾首中心三维坐标) :
第二组 (计算盾尾中心三维坐标) :
三个方程三个未知量, 采用专业软件解算方程组。我们从表2中的数据中取出任意三组数据代入计算, 在剔除测量带来的误差后可以解出盾首中心的坐标为:
X首=37 551.636 9, Y首=27 883.412 5, Z首=-23.347。
在此里程上盾首中心的设计三维坐标为:
X首=37 551.658 1, Y首=27 883.414 5, Z首=-23.365。
ΔX=21.2 mm, ΔY=2 mm, ΔZ=-18 mm, 盾首中心左右偏差为+21.3 mm (正表示向右偏) , 上下偏差为-18 mm, 负号表示偏下
用第二组方程可以解出盾尾坐标为:
X尾=37 554.816 7, Y尾=27 885.989 9, Z尾=-23.355 2。
在此里程上盾尾中心的设计三维坐标为:
X尾=37 554.772 1, Y尾=27 885.986 3, Z尾=-23.374。
ΔX=-44.6 mm, ΔY=-3.6 mm, ΔZ=-18.8 mm, 盾首中心左右偏差为-44.7 mm (负表示向左偏) , 上下偏差为-18.8 mm, 负号表示偏下。盾构机的坡度为 (-23.347+23.355 2) /4.096=+0.002=+2‰。
从以上数据可以得知, 在与对应里程上盾首中心和盾尾中心设计的三维坐标比较后, 就可以得出盾构机轴线与设计轴线的左右偏差值和上下偏差值, 以及盾构机的坡度, 这就是盾构机的姿态。
4结语
把计算得出的盾构机姿态与自动导向系统在计算机屏幕上显示的姿态作比较, 根据实践经验, 只要两者的差值不大于10 mm, 就可以认为自动导向系统是正确的。在广州地铁六号线某盾构标段已推进的300多米隧道中, 曾多次采用棱镜法检核盾构机姿态, 两者的偏差值较差均不大于10 mm, 证明了该方法在检核自动导向系统的正确性是可靠有效的。
参考文献
[1]GB 50308-1999, 地下铁道、轻轨交通工程测量规范[S].
[2]GB 50299-1999, 地下铁道施工及验收规范[S].
汽车姿态测量 篇7
前后尺法是人工测量盾构姿态的传统方法,它原理简单、操作简便,目前仍被施工单位广泛采用。在盾构始发前测量盾构机始发姿态,包括旋转角、坡度角,同时根据测量控制点测出盾尾、盾首中心(预先采用几何方法定出中心)以及前后水平尺中心平面坐标,利用井下水准点测量盾首、盾尾及标尺高程,通过坐标转换,得到前后标尺在盾构局部坐标系中的坐标[1,2]。
1 前后尺法测量原理
1.1 前后尺
在盾构机内壁顶部中心轴线上,固定一根水平前尺和水平后尺(见图1、图2),测定尺中心坐标,并根据盾首和盾尾坐标计算出前尺到盾首的距离2.570 m,后尺到盾尾的距离2.051 m。分别计算出在盾构机左侧的前后竖尺中心点O距盾构竖轴线距离2.712 m、2.685 m,以及计算出前后尺坡度。
1.2 坡度板
图3中,设计垂球悬挂长度l为1.146 m,这时在坡度板上1°所对应的长度为:
这样可以保证坡度板上每大1格是20 mm,每小格是2 mm,分别代表旋转角的1°和6′,实际测量时可估读到每小格的0.1,即36″。旋转角方向按推进方向,逆时针旋转(左旋)θ为“-”值,顺时针旋转(右旋)θ为“+”值。理论上读数误差为分划值的-1/4～+1/4,当分划值为1 mm时,读数误差为-0.25～0.25 mm。实际上由于坡度板平面放置,而垂球是悬挂的,这样读数时的精度就较难保证。此外,垂球尖一般有1 mm的大小,因此根据施工经验读数误差约为±1 mm,则读数中误差为:
旋转角的计算式为:
式(1)中,a为坡度板读数,l为悬挂长度。
考虑到旋转角θ为小角,因此式(1)可简化为:
则旋转角的测量精度为:
1.3 U形管
除了坡度板,盾构机的旋转角也可用U形管测定。U形管一般沿盾构机内壁安装,常常把它安装在不容易碰到的内壁沟槽中,然后灌上液体(通常用水)。在U形管两端水平线位置设置标尺(在一端设置也可),在盾构推进中发生旋转时,只要在标尺上读数即可计算出盾构旋转量。
U形管横断面直径一般0.01～0.02 m,管的形状半径R一般与盾构机内径一致,通常为5.6～5.7 m,两端标尺最小刻度为1 mm。当施工中在A端(见图4)读数差是ΔL=+3 mm的时候,实际φ角应该为两次测量的角度差(第一次是初始定位,第二次为施工中的测量),由此可以计算出旋转角φ为:
根据施工经验,L的读数精度为mL=±0.5mm,半径R的量测精度为mR=±5mm。则旋转角中误差为:
一般盾构机的旋转角约在±2°之间,因此L一般在±200 mm的范围内。不妨设L=200mm,R=2700mm,
2 盾首盾尾偏差计算
2.1 前后尺偏差量计算
盾构姿态测量时,一般用DJ2级电子经纬仪测量前后横尺水平角和前后竖尺垂直角,观测1个测回。吊篮距盾构机前后尺一般不超过100 m,其距离可根据管片宽度及拼装环累加得到(或按设计的坐标数据反算得到)。
前后尺偏差量计算公式为:
式中,ΔQ是后尺到设计轴线的平偏,ΔH是前尺到设计轴线的平偏。
根据工程实践,mβQ=mβH=mβ=±5～10″,mS=±50mm。这里不妨取S=100 m,Δβ=300″,由此可得:
因此
盾首和盾尾偏差计算式由相似三角形原理(见图5)得[3,4,5]:
再考虑到前后尺在曲线段的修正值eQ、eH,因此有:
式(7)中,a表示后尺平偏ΔQ,b表示前尺平偏ΔH。
写成一般式为:
盾首偏差:
盾尾偏差:
根据实测经验,SQ-切、SQ-H、SH-尾距离的测量精度一般可达到±5mm。
令
计算得mF1=±9.6mm,mF2=±8.3mm。
2.2 旋转对盾构偏差的影响
前后尺旋转偏差分别为roQ=lQsinθ,roH=lHsinθ,其精度为:
按最不利情况估计,取最大旋转角为θ=2°,l=2.5m,ml=±3mm,mθ=±120″,由此可以算得:
2.3 盾首盾尾偏差精度
计算盾首偏差精度,同样按施工最大允许限差±0.10m分析,不妨取(ΔQ+ΔH)=0.2 m,这时,令盾首偏差为x,则有:
按误差传播定理有m
即有mx=±12.4mm,同理可求得盾尾偏差my=±10.8mm。实际工作中,姿态偏差一般不可能到达极限,都会控制在±50 mm以内。因此,实际测量姿态精度在±10 mm以内是有保证的。
3 高程测量精度
盾首和盾尾的高程是通过竖前尺和竖后尺的高程来推算。根据测得的前后尺竖角分别计算出前后尺高程:
式(12)中,ξh=l(1-cosθ)为盾构转角θ引起竖尺高程改变的修正量。
根据上述公式分析,控制好盾构机盾首和盾尾
的平面及高程偏差,推进后每一环管片偏差将在精度要求范围内。
v=0,i=0.25m,不妨设mi=±0.0mm,mα=±10″,ms=±5mm。
暂不考虑吊篮高程的测量精度。同样取s=100m,α=5°,即可计算竖尺高程测量精度为:
从而有m前尺=m后尺=mH=±4.8mm。
顾及到盾首和盾尾高程计算是由上述前后尺高程推算得到,因此:
4 结语
盾构导向测量的主要工作就是获取盾构掘进过程中的姿态。在人工导向测量中,前后尺法原理简单、容易操作,仍是一种被广泛使用的方法。本文详细讨论了前后尺法的测量原理与方法并分析其能达到的测量精度,同时分析了姿态的计算方法与计算精度[6,7,8,9],推算表明,人工姿态测量平面精度在±10 mm及高程精度在±15 mm以内是基本有保证的。
由于前后尺法用到相似三角形原理,通过前尺(后尺)推求盾首(盾尾)的平面坐标。在曲线段,由于设计轴线不与相似三角形辅助线重合从而产生了一定的计算误差,因此在实际工作中还应考虑分别对圆曲线和缓和曲线的直曲差进行研究,并顾及该项差数的影响。
摘要：前后尺法是人工导向测量的传统方法,它的原理简单、容易操作,目前仍然是一种广泛使用的姿态测量方法。本文详细讨论了前后尺法的测量原理和盾构姿态计算方法,并以导出的理论公式分析旋转角、平面偏差与高程偏差的测量精度,同时结合工程实践分析了姿态测量的最低精度,即盾构姿态平面精度约±10 mm,高程精度约±15 mm。上述结论对指导盾构推进和盾构姿态测量有重要的实际意义。
关键词：盾构隧道,姿态测量,人工导向,前后尺法
参考文献
[1]何焕雄,曹国金.盾构法施工技术及其在我国的发展和应用[J].建筑技术开发,2004,(4):106~108.
[2]高俊强,潘庆林.地铁隧道贯通的误差来源及不同阶段误差限差分配[J].南京工业大学学报(自然科学版),2004,(6):33~35.
[3]高俊强,严伟标.工程监测技术及其应用[M].北京:国防工业出版社,2005.
[4]秦长利.提高盾构施工测量精度的要点及方法[J].测绘通报,2003,(12):39~41.
[5]潘国荣,黄加惠.地铁隧道盾构掘进的定向与贯通[J].铁路航测,1997,(2):36~38.
[6]林正庆.地铁隧道贯通测量[J].工程勘察,1997,(5):51~55.
[7]杨红,刘祖强,蔡毅.盾构隧道工程测量检测[J].地理空间信息,2005,(12):36~38.
[8]刘三枝,高俊强.地铁隧道地下控制导线测量布设方案对比分析[J].南京工业大学学报,2006,(3):56~58.