在传统的车载导航中，车辆有一些约束，比如正常情况下Z轴方向不会快速变大或者变化不大；比如在红绿灯等待的时候，车辆其实是静止的，可以结合INS的加速度，加速度信息去统计性的检测车速为零的情况，进而去约束车辆的状态。

1. 零速修正

英文Zero Velocity Update，缩写ZUPT，当载体处于静止状态时，载体此时的速度为零，利用载体中的惯性系统的解算速度作为系统速度误差的观测量，对其他误差量进行修正，改善静止状态下的组合导航结果，不需要增加外部传感器，因而是一种有效且廉价易实现的技术。常用的零速修正估计算法为：曲线拟合法和卡尔曼滤波法，曲线拟合法虽然相对简单，但修正间隔短且修正时间长，因此通常采用卡尔曼滤波法进行零速修正估计。当检测到载体处于静止状态时，利用SINS子系统解算的速度作为系统速度误差的观测量，进行卡尔曼滤波估计，利用更新后的状态估计值反馈校正SINS子系统内部的导航参数误差，完成静态零速修正。

零速状态判断准则：

  • 加速度幅值检测：载体处于静止状态时，惯性测量器件中加速度计的三轴输出矢量和应稳定在当地重力加速度值附近，通过设定比力阈值检测零速状态。
  • 加速度滑动方差检测：载体处于静止状态时，惯性测量器件中加速度计三个轴的输出值的方差应该近似于0，设置一定大小的滑动窗口，通过比力方差阈值对加速度计三个轴分别检测零速状态。
  • 角速度幅值检测：同加速度幅值检测，载体处于静止状态时，惯性测量器件中陀螺仪的三轴输出矢量和应近似为零，通过设定角速率阈值检测零速状态。
  • 角速度滑动方差检测：同加速度滑动方差检测，载体处于静止状态时，惯性测量器件中陀螺仪三个轴的输出值的方差应该近似于0，设置一定大小的滑动窗口，通过角速率方差阈值对陀螺仪三个轴分别检测零速状态。

2. 动态零速修正

英文Dynamic Zero Velocity Update，缩写DZUPT，静态零速修正需要载体处于静止状态，且需要每隔一定的时间停车修正，限制了车辆的机动性。这里借用零速修正的思想，利用运动学约束信息对载体进行动态零速修正(Dynamic Zero Velocity Update, DZUPT)，在丢失卫星信号情况下，可使得导航误差得到有效抑制，保证了导航信息的精度和实时性，并且用在静态零速修正中可以减少停车次数，延长停车时间间隔。根据车辆在道路上行驶特点，当车辆在道路上正常行驶时，理想情况下不发生侧滑(即车辆的侧向)和跳跃（即车辆的高度方向）。

  • ZIHR：在着地静止阶段，理论上在前后两个采样点上单兵的航向角不会发生改变，但是由于MEMS 微惯性元件的测量误差较大，导致前后两个采样点上单兵导航系统求解出的航向角差值并不为零，借鉴 ZUPT 方法的思想，将前后两个采样点上的航向角差值作为量测量对航向误差角施加抑制。
  • ZARU：航向角修正方法思想是在指在着地静止阶段，捆绑在单兵脚上的 MEMS 陀螺仪的三轴角速度输出理论上都应该为 0。然而，因为 MEMS 陀螺仪的测量噪声比较大，这使得 MEMS 陀螺仪的角速度输出并不为0。因此将着地静止阶段的 MEMS 陀螺仪的测量值作为量测量，对 MEMS 陀螺仪测量噪声进行修正。而航向误差角和陀螺仪的测量噪声存在直接的联系，因此 ZARU 方法同样也可以达到对航向误差角的修正作用。

总结与思考：ZUPT，DZUPT等约束不依赖于其他的传感器，在GNSS/INS组合导航的问题上。

  • 关于ZUPT，可有效的减小车辆静止时的定位误差，同时静态约束可以很好地用于估计INS的bias。
  • 关于DZUPT：Z轴方向的约束在车辆上坡的时候会带来较大的误差，另外，当车辆转弯或者换车道的时候，车辆侧向的约束也会带来较大的误差。因此如何有效的检测DZUPT的可靠性，也是一个很好的科学问题。
  • 针对应用来说：L2.5或者以下的自动驾驶或者辅助驾驶，对导航定位的精度没有那么高，比比如横向误差约30cm，纵向误差约60cm，使用ZUPT等约束可帮助提高导航定位效果。
  • 语义信息辅助的导航：随着环境感知能力的不断增强，不管是基于视觉还是基于激光雷达，有效地结合语义信息来辅助导航将会是一个比较有潜力的方向。比如上述ZUPT约束，其实也是一个语义信息（即速度为零的信息），该约束也可以通过视觉等传感器来捕捉，毕竟在L2.5的无人车导航定位解决方案中，相机一般都是有的！