本发明涉及无人运输车的定位技术领域，具体涉及一种基于射频识别的车载组合导航方法。
背景技术：
目前一些工厂在生产、装配、运输过程中增加各种现代化技术实现了工厂智能化，其中无人运输是智能化工厂的重要组成部分。并且随着计算机的发展,各类先进的导航设备的出现,为组合导航系统在工程上的应用提供了条件。全球定位系统(globalpositionsystem，gps)与惯性导航系统(inertianavigationsystem，ins)的组合系统因为兼备了抗干扰性好、自主能力强、定位精度高等诸多优点，在工程应用中最为广范。然而在实际的应用中，当无人运输车位于工厂厂区时，因所处的环境高楼林立、道路复杂，gps信号容易受到周围环境等物的影响，造成gps出现信号不稳定、vdop和hdop值较大的情况，甚至可能导致长时间导航定位无效，此时，基于ins惯性器件的组合导航方法导航精度迅速下降。
为了解决车载组合导航定位精度不高的问题，文献中记载了使用零速修正或地标点上停车修正两种方法，但是因其削弱了驾驶车辆的机动性而没有被广泛应用。文献中记载了利用地图匹配技术进行辅助定位，但也同时存在地图精度、数据处理技术要求高等问题。文献中记载了将惯导系统与里程计(od)组合进行航位推算，可以一定程度上抑制误差发散，但由于车辆行驶过程中会发生车轮空转、打滑现象，影响里程计，因此也不适合长时导航。
技术实现要素：
本发明的目的是针对上述不足，提出了一种通过射频识别将储存于标签内的位置信息传送给车载的射频设别阅读器，通过射频设别位置信息修正gps给出的位置信息从而提高导航定位精度的方法。
本发明具体采用如下技术方案：
一种基于射频识别的车载组合导航方法，基于全球定位系统、惯性导航系统和射频识别进行定位，包括全球定位系统和惯性导航系统相结合的定位方式，以及全球定位系统、惯性导航系统和射频识别辅助定位相结合的定位方式：
全球定位系统和惯性导航系统相结合的定位方式，利用全球定位系统和惯性导航系统解算出的位置和速度之差作为卡尔曼滤波器的输入，通过卡尔曼滤波器得到导航误差参数的估值，利用估值校正惯性导航系统的输出，最终得到车载组合导航的输出参数；
全球定位系统、惯性导航系统和射频识别辅助相结合的定位方式，利用射频识别辅助定位对全球定位系统和惯性导航系统中全球定位系统解算的位置信息进行修正；射频识别辅助定位包括以下步骤：
步骤1，首先建立描述车载组合导航系统动态特性的状态方程；
步骤2，建立描述车载组合导航系统的量测方程，基于状态方程及量测方程，解算基于全球定位系统及惯导系统的定位输出信息；
步骤3，有射频识别标签存在时，构建基于射频识别的辅助定位系统，使用射频识别对全球定位系统的位置信息进行修正，在系统内设置，当车载阅读器扫描到射频设别标签时，将系统中全球定位系统解算的位置信息替换成电子标签中的位置信息，构建辅助定位系统的量测方程，结合描述车载组合导航系统动态特性的状态方程，利用卡尔曼滤波进行参数的时间更新和量测更新。
优选地，步骤1中，
选取各导航系统参数的误差为状态变量，建立12维状态向量的卡尔曼滤波模型，误差状态向量分别为：东φe、北φn、天φu向姿态角误差φe、φn、φu，东、北向速度误差δve、δvn，纬度、经度误差δl、δλ，东、北、天向陀螺漂移εbx、εby、εbz，东、北向加速度计零漂
式中：
系统状态转移矩阵为式(2)：
fn为系统动态矩阵，由惯导系统的3个姿态误差，2个速度误差，2个位置误差组成。
优选地，步骤2中，量测方程反映了量测量与状态量之间的关系，建立包括东、北向速度、位置误差的4维量测向量，设射频识别解算出的位置为xe，ins，yn，ins，速度为ve，ins，vn，ins，全球定位系统解算出的位置为xe，gps，yn，gps，速度为ve，gps，vn，gps；
相应的量测方程为式(3)：
z(t)＝h(t)x(t) v(t)(3)
其中，量测向量为：
量测噪声为：
me、mn分别为gps量测的东、北向位置误差，ne、mn分别为东、北向速度误差，基于上述量测方程及状态方程，带入卡尔曼滤波方程即可解算导航系统信息。
优选地，步骤3中，设射频识别给出的位置为xe，rfid，ye，rfid，全球定位系统给出的速度为ve，gps，vn，gps，则系统的位置误差为惯性导航系统结算的位置与射频识别给出的位置之差，将位置误差转换到大地坐标中，得到位置量测方程为式(4)：
速度量测方程为式(5)：
则系统量测方程由射频识别提供的位置，全球定位系统提供的速度与惯性导航系统测得的位置和速度作差得到相应的量测方程，即如式(6)：
联合系统状态方程，利用卡尔曼滤波进行参数的时间更新和量测更新：
一步预测方程：
先验状态估计值：
后验状态估计值：
求取增益矩阵：
先验估计协方差：
后验估计协方差：
本发明具有如下有益效果：
该方法可工作于单独惯导定位方式、无rfid辅助方式，有rfid辅助定位方式，其中，有rfid辅助方式利用射频识别的特点，对组合导航系统中gps解算的位置信息进行修正，结合误差滤波修正方式，达到辅助定位的作用，从而提高了定位精度，适用于多种场合。构建数学模型并对提出方法进行仿真，对比试验结果表明：随着rfid辅助的应用，目标车辆的位置误差得到有效抑制，可以满足无人运输车高精度定位需求。
附图说明
图1为车载组合导航结构框图；
图2为路面安装标签示意图；
图3a为第一次实验仿真导航位置误差比较示意图；
图3b为第二次实验仿真导航位置误差比较示意图；
图4为东向位置误差均方根示意图；
图5为北向位置误差均方根示意图。
具体实施方式
下面结合实施例对本发明的具体实施方式作进一步说明。
globalpositionsystem，gps，全球定位系统。
inertianavigationsystem，ins，惯性导航系统。
rfid，射频识别。
本发明公开的一种基于射频识别的车载组合导航方法，涉及无人运输车的定位技术领域。基于射频识别的车载组合导航系统，可工作于单独惯导定位方式，无rfid辅助gps 惯导方式 rfid辅助定位方式，其中rfid辅助定位方式精度最高。无rfid辅助时，基于全球定位系统和惯性导航系统，利用全球定位系统和惯性导航系统解算出的位置和速度之差作为卡尔曼滤波器的输入，通过卡尔曼滤波器得到导航误差参数的估值，利用估值校正惯性导航系统的输出，最终得到基于gps 惯导的车载组合导航系统的输出参数，有rfid存在时，方法利用射频识别的特点，利用rfid信息对组合导航系统中gps解算的位置信息进行修正，达到辅助定位的作用。
基于全球定位系统的接收机采样率小于惯性导航系统的采样率，当全球定位系统观测不可用时，能够利用惯性导航系统的力学编排来更新状态方程中的位置、速度和姿态信息。
结合图1和图2，一种基于射频识别的车载组合导航方法，基于全球定位系统、惯性导航系统和射频识别进行定位，包括全球定位系统和惯性导航系统相结合的定位方式，以及全球定位系统、惯性导航系统和射频识别辅助定位相结合的定位方式：
全球定位系统和惯性导航系统相结合的定位方式，利用全球定位系统和惯性导航系统解算出的位置和速度之差作为卡尔曼滤波器的输入，通过卡尔曼滤波器得到导航误差参数的估值，利用估值校正惯性导航系统的输出，最终得到车载组合导航的输出参数；
全球定位系统、惯性导航系统和射频识别辅助相结合的定位方式，利用射频识别辅助定位对全球定位系统和惯性导航系统中全球定位系统解算的位置信息进行修正；射频识别辅助定位包括以下步骤：
步骤1，首先建立描述车载组合导航系统动态特性的状态方程；选取各导航系统参数的误差为状态变量，建立12维状态向量的卡尔曼滤波模型，误差状态向量分别为：东φe、北φn、天φu向姿态角误差φe、φn、φu，东、北向速度误差δve、δvn，纬度、经度误差δl、δλ，东、北、天向陀螺漂移εbx、εby、εbz，东、北向加速度计零漂
式中：
系统状态转移矩阵为式(2)：
fn为系统动态矩阵，由惯导系统的3个姿态误差，2个速度误差，2个位置误差组成。
步骤2，建立描述车载组合导航系统的量测方程，基于状态方程及量测方程，解算基于全球定位系统及惯导系统的定位输出信息；
量测方程反映了量测量与状态量之间的关系，建立包括东、北向速度、位置误差的4维量测向量，设射频识别解算出的位置为xe，ins，yn，ins，速度为ve，ins，vn，ins，全球定位系统解算出的位置为xe，gps，yn，gps，速度为ve，gps，vn，gps；
相应的量测方程为式(3)：
z(t)＝h(t)x(t) v(t)(3)
其中，量测向量为：
量测噪声为：
me、mn分别为gps量测的东、北向位置误差，ne、mn分别为东、北向速度误差，基于上述量测方程及状态方程，带入卡尔曼滤波方程即可解算导航系统信息。
步骤3，有射频识别标签存在时，构建基于射频识别的辅助定位系统，使用射频识别对全球定位系统的位置信息进行修正，在系统内设置，当车载阅读器扫描到射频设别标签时，将系统中全球定位系统解算的位置信息替换成电子标签中的位置信息，构建辅助定位系统的量测方程，结合描述车载组合导航系统动态特性的状态方程，利用卡尔曼滤波进行参数的时间更新和量测更新。
误差为惯性导航系统结算的位置与射频识别给出的位置之差，将位置误差转换到大地坐标中，得到位置量测方程为式(4)：
速度量测方程为式(5)：
则系统量测方程由射频识别提供的位置，全球定位系统提供的速度与惯性导航系统测得的位置和速度作差得到相应的量测方程，即如式(6)：
联合系统状态方程，利用卡尔曼滤波进行参数的时间更新和量测更新：
一步预测方程：
先验状态估计值：
后验状态估计值：
求取增益矩阵：
先验估计协方差：
后验估计协方差：
为验证rfid辅助修正gps/ins组合定位效果，根据建立的数学模型，应用matlab软件编写组合导航仿真程序，仿真实验中的ins和gps参数如表1所示。
表1
针对厂区环境对组合导航精度的影响，分别使用三种不同导航方式进行仿真实验，对位置误差进行对比，仿真时长为500s。
第一次实验，仿真单独使用惯导系统，因惯性测量器件主要影响惯导系统的精度，所以导航误差会随时间不断积累，从图3a中曲线1也可以看出其东、北向位置误差不断增加，因此惯导系统不适合长时间的单独导航。
第二次仿真gps/ins组合导航，当gps信号有效时，组合导航精度主要取决于gps定位精度，因此为了对比评价rfid对组合导航的辅助效果，仿真实验增加gps定位的噪声，模拟由于树木、高楼遮挡导致短期内gps信号失锁的场景。由图3b曲线2可以看出，虽然惯导系统的误差得到抑制，可以提供较为精准的导航结果，但是因为gps信号被影响，位置误差收敛速度较慢。
第三次仿真是在第二次仿真的基础上，模拟车辆每隔50s会经过一个rfid区域，获得一次位置信息辅助修正，由曲线3可以看出经过rfid辅助后，导航系统误差收敛速度更快，稳态误差更小。
为了保证实验的准确性及可靠性，对仿真进行蒙特卡罗模拟实验，随机变量选择gps的定位噪声进行五十次仿真实验，以模拟不同环境对gps信号有不同程度的影响。在此基础上分别计算gps/ins组合导航与rfid辅助导航的东、北向位置误差的均方根，并进行对比。由图4、5中位置误差的均方根对比可以看出，rfid辅助可以提高误差控制，在一定程度上可以弥补gps定位的缺陷，提高定位精度。
针对无人运输车在工厂厂区时，周围复杂的环境会影响gps信号，造成车载组合导航系统定位精度不高的问题，提出了在gps/ins的组合导航的基础上，使用rfid对gps解算的位置信息进行校正，以提高对组合导航最终输出位置的精度。并对此方案构建数学模型，进行仿真实验及位置误差对比，最终实验结果表明，利用rfid辅助可以抑制误差发散，提高车载导航的精度，为工程实现提供一定的参考。
1.一种基于射频识别的车载组合导航方法，基于全球定位系统、惯性导航系统和射频识别进行定位，包括全球定位系统和惯性导航系统相结合的定位方式，以及全球定位系统、惯性导航系统和射频识别辅助定位相结合的定位方式：
全球定位系统和惯性导航系统相结合的定位方式，利用全球定位系统和惯性导航系统解算出的位置和速度之差作为卡尔曼滤波器的输入，通过卡尔曼滤波器得到导航误差参数的估值，利用估值校正惯性导航系统的输出，最终得到车载组合导航的输出参数；
全球定位系统、惯性导航系统和射频识别辅助相结合的定位方式，利用射频识别辅助定位对全球定位系统和惯性导航系统中全球定位系统解算的位置信息进行修正；其特征在于，射频识别辅助定位包括以下步骤：
步骤1，首先建立描述车载组合导航系统动态特性的状态方程；
步骤2，建立描述车载组合导航系统的量测方程，基于状态方程及量测方程，基于卡尔曼滤波，解算基于全球定位系统及惯导系统的定位输出信息；
步骤3，有射频识别标签存在时，构建基于射频识别的辅助定位系统，使用射频识别对全球定位系统的位置信息进行修正，在系统内设置，当车载阅读器扫描到射频设别标签时，将系统中全球定位系统解算的位置信息替换成电子标签中的位置信息，构建辅助定位系统的量测方程，结合描述车载组合导航系统动态特性的状态方程，利用卡尔曼滤波进行参数的时间更新和量测更新。
2.如权利要求1所述的一种基于射频识别的车载组合导航方法，其特征在于，步骤1中，
选取各导航系统参数的误差为状态变量，建立12维状态向量的卡尔曼滤波模型，误差状态向量分别为：东φe、北φn、天φu向姿态角误差φe、φn、φu，东、北向速度误差δve、δvn，纬度、经度误差δl、δλ，东、北、天向陀螺漂移εbx、εby、εbz，东、北向加速度计零漂
式中：
系统状态转移矩阵为式(2)：
fn为系统动态矩阵，由惯导系统的3个姿态误差，2个速度误差，2个位置误差组成。
3.如权利要求1所述的一种基于射频识别的车载组合导航方法，其特征在于，步骤2中，量测方程反映了量测量与状态量之间的关系，建立包括东、北向速度、位置误差的4维量测向量，设射频识别解算出的位置为xe，ins，yn，ins，速度为νe，ins，νn，ins，全球定位系统解算出的位置为xe，gps，yn，gps，速度为ve，gps，νn，gps；
相应的量测方程为式(3)：
z(t)＝h(t)x(f) v(t)(3)
其中，量测向量为：
量测噪声为：
me、mn分别为gps量测的东、北向位置误差，ne、mn分别为东、北向速度误差，基于上述量测方程及状态方程，带入卡尔曼滤波方程即可解算导航系统信息。
4.如权利要求1所述的一种基于射频识别的车载组合导航方法，其特征在于，步骤3中，设射频识别给出的位置为xe，rfid，ye，rfid，全球定位系统给出的速度为νe，gps，νn，gps，则系统的位置误差为惯性导航系统结算的位置与射频识别给出的位置之差，将位置误差转换到大地坐标中，得到位置量测方程为式(4)：
速度量测方程为式(5)：
则系统量测方程由射频识别提供的位置，全球定位系统提供的速度与惯性导航系统测得的位置和速度作差得到相应的量测方程，即如式(6)：
联合系统状态方程，利用卡尔曼滤波进行参数的时间更新和量测更新：
一步预测方程：
先验状态估计值：
后验状态估计值：
求取增益矩阵：
先验估计协方差：
后验估计协方差：
