Kendra是 HBK MicroStrain 公司的业务发展经理，在自主系统领域的机械工程、产品开发及业务管理方面拥有超过 20 年的经验。
她毕业于斯坦福大学，是一名机械工程师，专攻惯性传感与导航技术，致力于协助原始设备制造商（OEM）在GNSS信号受限的环境中集成高性能解决方案。
Kendra与客户紧密合作，致力于优化系统性能、可靠性及产品上市时间，将先进的传感器技术与实际运营需求有机结合。
在卫星导航无法正常工作的环境中，自主系统正得到越来越广泛的应用，例如密集的城市走廊、地下隧道、受限制的空域，以及存在严重射频（RF）干扰的工业场所。在这种情况下，全球导航卫星系统（GNSS）的信号可能会变弱、完全消失，或遭到蓄意篡改。工程师们面临的实际问题并不是他们的GNSS在理想条件下能达到多高的精度。 这就是当GNSS停止工作时，他们的系统会采取的措施。
为了深入探讨现代传感器融合架构是如何解决这一问题的，我们采访了HBK MicroStrain 公司惯性系统业务开发经理 Kendra Gallup。Kendra 每天与原始设备制造商（OEM）合作，将惯性导航系统集成到无人机（UAV）、无人地面车辆（UGV）和机器人平台中。
大家都在谈论“无全球导航卫星系统（GNSS）环境下的导航”。“值得信赖的本地化”在实践中具体指什么？
简而言之，这意味着即使无法依赖全球导航卫星系统（GNSS），您的系统在物理和数学层面仍能保持正常运行。
在受控的演示环境中，GNSS 通常非常稳定。但在现实世界中，情况并非如此。城市峡谷会产生多路径误差。隧道会阻挡信号。射频干扰会破坏信号接收，而欺骗攻击则可能注入虚假的位置数据。
一旦发生上述任何情况，您的导航栈要么能优雅降级，要么就会彻底崩溃。决定哪种情况发生的关键取决于你的惯性骨干架构的质量。像 3DM-CV7-INS 这样设计精良的惯性导航系统，基于精确的热校准和同步多IMU架构，可为您提供连续的运动推算。它不依赖卫星。这取决于物理学。
此时，外部传感器便可作为辅助输入发挥作用。它们虽然校正了漂移，但并未确定运动估计值。 这就是依赖全球导航卫星系统（GNSS）的系统与将惯性导航作为主要参考系统之间的根本区别。
如今，工程师们都在使用哪些类型的外部传感器？
该生态系统已经发展得相当庞大。根据平台的不同，我们通常会看到视觉测距和同步定位与建图（SLAM）、激光雷达（LiDAR）测距、地面车辆上的车轮编码器、气压高度传感器、磁力计、多普勒速度传感器以及高性能外部GNSS接收机等技术被有选择地应用。
现代惯性导航系统（包括CV7平台）的设计旨在接收来自上述任何源的外部位置、速度和航向输入。
每类传感器都有自己独特的功能。激光雷达在几何定位方面功能强大；摄像头能在结构化环境中提供丰富的相对运动数据；车轮编码器是地面车辆出色的短期稳定器；多普勒传感器能提高地面速度估算的精度，而气压计则有助于锁定海拔高度估算。
关键不在于选择其中之一。 这种融合方式充分发挥了每个传感器的优势。如果能做好这一点，就能显著减少漂移，并在GNSS信号中断期间获得更长的续航能力。
这些信号是如何整合的？
在大多数嵌入式平台中，我们采用松耦合架构。外部系统，无论是激光雷达SLAM引擎还是独立的GNSS接收机，都会独立计算自己的解算结果。这些输出随后被输入到惯性扩展卡尔曼滤波器中。这种方法的优势在于它具有模块化特点，且相对容易扩展。
但真正的工程工作其实在于测量权重、协方差调整以及创新的一致性检查。并非所有的测量结果都同样可靠。在布局合理的仓库内，激光雷达解决方案具有极高的可靠性。在尘土飞扬的隧道里，同样传感器可能会给你提供错误数据。融合引擎需要根据当前环境，不断评估应赋予每个输入多大的权重。
有一点常常被低估：惯性核心越强大——这得益于良好的校准和惯性测量单元（IMU）阵列的降噪处理——在两次辅助更新之间，你的推算航迹漂移增长得就越慢。这使得当辅助数据源变得不可靠时，整个系统能有更大的回旋余地。更优异的惯性性能直接体现在更强的抗干扰能力上。
时机很少成为头条新闻。同步到底有多重要？
这一点至关重要，却总是被低估。
如果车辆以每秒 15 米的速度行驶，哪怕只有 1 毫秒的时序误差，也会导致显著的空间偏差，尤其是在将激光雷达点云与惯性数据进行配准时。
正因如此，高性能惯性系统能够提供微秒级的时间戳精度、每秒脉冲（PPS）同步、可配置的通用输入/输出（GPIO）事件触发功能，以及极低的运动到消息延迟。
在实际部署中，我发现时序问题导致的系统性能下降，比单纯的传感器噪声更为严重。如果传感器无法就事件发生的时间达成一致，融合就会变得不稳定。即使传感器性能再好，如果计时不准，结果依然会很差。 这并非可有可无的细节。
惯性核心越强，系统就越能有效地处理退化或拒绝的GNSS条件。外部辅助并不定义运动，而是对其进行细化。真正的鲁棒性来自一种架构，在这种架构中，惯性导航是主要的参考，所有其他传感器都充当智能校正。
当全球导航卫星系统（GNSS）开始性能下降时会发生什么？
一个设计完善的系统不会将GNSS信号丢失视为一种简单的“开/关”事件。该过程分为几个不同的阶段：GNSS可用、GNSS信号受限、GNSS信号丢失以及重新捕获。
当全球导航卫星系统（GNSS）性能开始下降时，您的不确定度估计值会增加。该滤波器会逐渐增加惯性导航的权重，并结合其他可用的信息，无论是视觉惯性测距（VIO）、激光雷达、车轮编码器、多普勒效应还是气压约束。
系统完全处于否认状态，就像一个遭受射频干扰的隧道，完全依靠推算航行。漂移确实会增加。但得益于良好的偏置稳定性以及通过彻底的热校准所实现的低噪声，这种漂移的增长速度足够缓慢，在许多任务方案中仍可控。
更棘手的问题在于重新捕获。当GNSS信号恢复时，校正过程必须平稳。任何跳变或重置都可能导致控制回路失稳，并干扰任务执行。这种流畅的交接与从容应对最初的拒绝同样重要。
关于欺骗行为呢？
欺骗尤其危险，因为信号看起来是有效的。您的接收器认为已成功定位。
该防御机制是一致性检查。如果 GNSS 更新突然报告的位置与惯性推算和速度约束的预测不一致，则创新残差将超出预期的协方差界限。像嵌入在基于CV7的系统中的那种强大的融合引擎，可以降低该测量值的权重，甚至完全忽略该测量值。
惯性连续性将成为你判断真理的依据。在充满竞争的环境中，正是这一点保护了任务免受虚假位置注入的影响。
你能分享一个具体的部署示例吗？
我们使用了一辆在射频干扰隧道内运行的无人值守地面车辆。该架构集成了基于CV7的惯性导航核心、车轮编码器、激光雷达SLAM以及用于开阔天区作业的可信多频段GNSS接收机。
当车辆驶入隧道时，GNSS协方差增大，最终完全消失。该系统在无需任何人工干预的情况下，自动切换到了惯性导航、激光雷达和编码器融合的模式。 漂移始终保持在限定范围内。
在隧道出口附近，出现了间歇性的欺骗攻击，导致GNSS更新数据不一致。这些数据已被融合引擎自动降低了权重。当飞行器重新进入开阔空域且GNSS信号成功重新捕获后，重新整合很顺利。不进行重置，位置估计值保持连续。 这正是实际部署中所需的行为。该车辆始终保持着定位。
您如何概括外部辅助输入的价值？
外部辅助并非只是堆砌传感器。 其目的是让您的导航系统在任何单一数据源出现故障时，仍能通过更多途径保持定位精度。
基于精准热校准、多IMU降噪、精确时间同步以及灵活接入外部位置、速度和航向输入数据而构建的导航架构，为原始设备制造商（OEM）提供了有效工具，可显著减少漂移，在GNSS信号受限的环境下扩展工作范围，防范欺骗攻击，并在整个任务过程中保持平稳的位置估算。
对于任何在现实世界中运行的平台而言，从一开始就在核心架构中构建这种鲁棒性，远比事后试图通过打补丁来弥补要好得多。
本指南介绍了现代无人机系统如何在GNSS信号受阻或信号质量下降的环境中保持精确定位。了解惯性传感、传感器融合和鲁棒导航架构如何确保系统在卫星信号中断时仍能保持可预测性。
下载本指南，了解如何设计在GNSS信号失效时仍能保持精度的导航系统。
松耦合集成将处理后的输出（如位置和速度）融合到惯性滤波器中。紧密耦合集成直接引入了GNSS伪距等原始测量数据。在嵌入式OEM系统中，通常更倾向于采用松耦合架构，因为这种架构具有模块化和高可靠性等优点。
惯性传感器会持续追踪物理运动。如果 GNSS 更新数据与预期运动动力学之间的偏差超过了系统的协方差阈值，滤波器可以降低该测量的权重或直接将其剔除，从而保持轨迹的一致性。
常见的辅助定位来源包括视觉测距、激光雷达测距、车轮编码器、多普勒速度传感器、气压高度传感器、磁力计以及可信的多频段GNSS接收机。
This will bring together HBM, Brüel & Kjær, nCode, ReliaSoft, and Discom brands, helping you innovate faster for a cleaner, healthier, and more productive world.
This will bring together HBM, Brüel & Kjær, nCode, ReliaSoft, and Discom brands, helping you innovate faster for a cleaner, healthier, and more productive world.
This will bring together HBM, Brüel & Kjær, nCode, ReliaSoft, and Discom brands, helping you innovate faster for a cleaner, healthier, and more productive world.
