1. 为什么要做这套测试车载和纯惯导两条线分别验证什么1.1 组合导航系统到底测什么Sigma这套车规级高精度组合导航系统干的事其实是把GNSS全球导航卫星系统接收机和IMU惯性测量单元的数据融合到一起输出连续、平滑、高精度的位置、姿态和速度信息。普通人对这东西可能没概念但做过自动驾驶或者高精度地图的人都知道单靠GNSS在城市里根本撑不住——高架下面、隧道里面、树荫遮挡严重的路段卫星信号一跳定位就飘出去好几米。这时候IMU就顶上来了它根据角速度和加速度推算相对运动在GNSS信号中断的几十秒里维持住位置和姿态精度。所谓组合导航就是让这两个传感器各取所长GNSS提供绝对基准IMU提供短时高精度递推最后靠卡尔曼滤波把两者融合成一个可信结果。但问题是IMU不是什么型号都能直接往车规产品里塞。车规级意味着温度范围要覆盖-40℃到85℃振动环境下零偏要稳定寿命周期内性能不能明显退化还要满足功能安全方面的要求。很多工规或航模级IMU在实验室里数据好看一上车经过夏天地面高温和连续颠簸就露馅。所以这套测试报告里除了看算法精度更要看这套系统在车规严苛条件下是不是还能维持住标称的性能指标。还有一个容易被忽略的点组合导航系统的测试不能只测GNSS信号好的情况。信号好的时候RTK固定解本身就有厘米级精度IMU参不参与都无所谓真正见水平的是信号被遮挡、卫星出现周跳、甚至全部失锁的瞬间。这也是我做这套测试时把场景分成两条线的原因——一条线是车载动态跑各种真实道路重点看组合导航在复杂环境里的表现另一条线是纯惯导测试直接把GNSS关掉看系统在没有绝对基准的情况下能维持多久、精度怎么退化。这两条线合起来才算完整验证了这套系统在真实工况下的可靠性也才能回答用户最关心的问题信号差的时候到底还能不能用。1.2 车载与纯惯导两条测试线各自验证什么车载测试这条线核心是验证组合的效果。我会特意挑高架下面、两侧高楼密集的商务区、林荫道、隧道、地下车库这类场景人为制造GNSS信号衰减和卫星几何差的条件看组合导航能不能及时切换约束方式把误差控制在合理范围内。车载体还涉及车辆运动学约束的引入比如轮速脉冲、车身侧滑约束、零速检测这些都需要在真实行驶工况里验证。转弯、急刹车、变道这些动态动作对加速度计和陀螺仪的冲击比较大正好能检验IMU的动态性能。纯惯导测试这条线问题就变成IMU自己行不行。在GNSS完全失效的情况下系统要靠IMU积分来计算位置误差会随时间累积。静止状态下主要是陀螺零偏引起航向漂移航向一偏位置就往垂直方向跑运动状态下还要叠加加速度计零偏和标度因数误差的影响。这条线测的是IMU的本底性能也是组合导航算法在绝望时刻的兜底能力。最后的指标通常用漂移率来表达比如10分钟内水平漂移不超过XX米。这个数字直接决定了系统在长隧道、连续地下车库等场景下能不能用。两条线测完其实还需要做一次交叉验证纯惯导的结果要和车载组合导航在GNSS短暂失锁时表现出的误差做对比看系统在动态环境下惯导段的表现是否和静态或匀速段一致。如果差别太大说明还有误差源没扣干净比如温度变化引起的IMU偏差漂移或者车辆振动引入的额外噪声。2. 测试环境搭建与设备方案2.1 参考真值系统怎么搭组合导航系统测试的前提是有一台精度高一个数量级的真值设备。我们用的是后处理差分GNSS/INS方案也就是把基准站数据、移动站数据和IMU原始数据一起拿去做双向平滑解算得到厘米级甚至毫米级的参考轨迹。这个方案不一定铺开说原理但有一点必须强调真值系统必须有独立的IMU天线和记录设备不能和被试系统共用天线否则两个系统的误差来源是相关的测出来的数据没法用来评估被试系统的真实性能。整套设备装车大概包括三层一台后处理级高精度GNSS接收机配上带扼流圈的抗多路径天线、一套战术级光纤或高性能MEMS IMU以及一台带授时功能的记录仪。真值系统选IMU的时候性能一定要明显优于被测产品不然真值本身的误差就淹没了被测产品的误差后面数据处理没法算。比较稳妥的做法是用战术级IMU零偏稳定性比被试的车规级MEMS高一个量级这样后处理出来的参考轨迹才有意义。实际测试中测试车辆还会挂一台本地基准站或者在测试路线上固定的已知点架设基准站记录全天观测数据。差分数据选择的事后模式而不是实时RTK因为事后可以用精密星历和双向滤波处理消除大部分多路径和电离层残差。基准站的架设位置也要避开强反射源比如金属围栏和大面积玻璃幕墙否则基准站本身的坐标解算就有问题参考轨迹一开始就是歪的。客观讲真值系统这块是最容易出问题的。我们常发现有些测试报告真值轨迹本身就有几十厘米的跳变后面所有精度评估就都失真了。所以做完采集之后第一步不是看被测系统的误差而是先把真值轨迹和管理日志拉出来看一遍确认有没有明显的解算失败、时间戳空洞、天线插头接触不良这类低级问题。任何异常都必须先处理掉再往下走。2.2 IMU与天线安装的杠杆臂问题这一段必须单独拿出来说因为杠杆臂lever arm这个细节能直接决定测试数据还能不能用。所谓杠杆臂就是IMU测量中心到GNSS天线相位中心的几何向量。在车身坐标系里这个向量要标定到毫米级。如果标错车辆转弯或者俯仰的时候被系统解算出的位置和真值之间会出现一个与姿态强相关的误差很难靠后处理筛掉。安装IMU的时候我们做了一个刚性连接支架直接固定在车辆后轴正中央的地板梁上没有用普通的双面胶或软性吸盘固定。原因很简单车规级IMU的陀螺仪对安装面振动和变形很敏感支架和车身之间有相对位移等效于给陀螺引入了额外角速度噪声。之前有个项目IMU只是用3M胶垫粘在后备箱地毯上结果高速颠簸路段陀螺数据里周期性尖峰后处理出来的姿态一直在轻微抖动查了很久才发现是安装刚度不足。天线位置优先选车顶正中央远离车身边缘。如果天线装偏了车体姿态变化时天线相位中心的位置变化会额外贡献一部分速度误差这部分误差在高精度测试中非常明显。另外天线馈线需要被正确固定和屏蔽。我记得有一次测试刚跑到隧道入口附近卫星信号质量突然恶化排查后发现是广播天线和GNSS天线馈线捆在一起强射频信号直接干扰了接收机前端。这类问题在测试阶段就暴露出来反而好办否则量产后装车会遇到更多干扰。最后还要做一次杆臂标定验证让车辆沿着S弯连续走几趟每趟以不同车速进入。如果杆臂误差已经补偿正确组合导航输出的位置在转弯时不会出现和车身姿态强相关的横向误差如果还有残余横向误差会跟着转弯方向有节奏地摆动。实际上不用反复解算光看轨迹和真值轨迹在弯道段是否有规律性的横向差就能判断个八九不离十。2.3 测试场景集设计思路场景设计的目标不是把测试车开到各种好看的风景而是要覆盖组合导航系统在城市环境中的主要失效模式。我这次把场景分为四类开阔道路卫星可视性好、天空开阔用来验证系统基础精度和收敛能力。城市峡谷建筑物遮挡导致卫星数目少、多路径明显、非视距信号频发验证抗多路径算法。高架/隧道楼宇遮挡最严酷的情况存在完全失锁和半失锁验证惯导衔接质量。地下车库照明与GNSS信号完全中断车辆低速行驶且有反复加减速和原地转向验证零速检测和低速航向估计。每类场景下面再拆具体路径。比如城市峡谷就包括窄街道两侧高楼、单侧玻璃幕墙区域、跨街天桥下方高架就分高架下方地面道路、高架桥面上层和连续环形匝道。实际跑的时候路径不是随便开的每条路线都先跑一趟预采集确认GNSS基线的质量记录卫星数和信噪比再正式开始正式测试。预采集数据同时还可以用来做真值系统的试解算提前发现天线位置遮挡和数据记录问题。测试时间选择上也有讲究。上午避开早晚高峰、下午避开树木和建筑投影长度变化较大的时段。不同季节树叶疏密对GNSS信号影响很大最好在树木茂盛时期测一遍再在落叶后测一遍对比多路径影响。这套测试受限于项目周期只覆盖了一个季节但心里要清楚时序差异会影响到数据结论的适用范围。每个场景至少跑三到五趟每趟之间停几分钟人为制造冷启动或热启动条件。高速路段要含120km/h巡航、急加速和紧急变道工况低速地库场景则要含连续的直角弯和停车倒库动作。这样采集到的数据才足够覆盖算法在不同动力学条件下的行为。3. 车载组合导航测试实录3.1 开阔道路测试基础精度与收敛能力开阔道路测试是整个测试中数据最干净、最容易理解的部分。在没有遮挡的快速路和郊区公路上RTK固定解基本全程保持我们真正想观察的是系统在固定解状态下的位置噪声水平、速度精度和姿态估计稳定性。实测下来Sigma在开阔环境下的水平位置误差统计中位数大概在2厘米以内RMS在2.5厘米左右这个量级对于车规级组合导航来说已经是比较理想的状态了。不过光看位置还不够姿态数据同样重要。航向角在直道上的抖动幅度反映了陀螺仪噪声地板和滤波器的调校水平。这里有一个容易踩的坑拿RTK固定解的瞬时定位噪声去评估组合导航位置精度。RTK固定解本身有厘米级的瞬时噪声不能直接把它当成真值。正确做法是把后处理平滑后的参考轨迹作为真值再计算被测系统的误差。后处理平滑可以利用整趟数据的前向和反向滤波结果做加权组合把参考轨迹噪声压到更低这样算出来的误差才能真正反映被测系统水平。开阔路段的另一个测试项目是快速重收敛。当系统行驶在完全开阔的地方这时给接收机做一次热启动让卫星信号完全重新捕获看组合导航系统在多长时间内能回到固定解位置误差如何收敛。实测通常热启动后的收敛时间在几秒到十几秒之间期间位置误差从米级逐步收窄到厘米级姿态约束在过程中起到关键作用。IMU能在单频或半固定状态下提供稳定的短时递推保证位置不发散。3.2 城市峡谷与高架遮挡测试多路径和几何退化怎么处理城市峡谷是组合导航系统最容易露馅的场景。高楼两侧遮挡会在一定程度上减少可视卫星数量更麻烦的是玻璃幕墙和金属结构带来的多路径反射伪距和载波相位观测值里混入大误差如果不加识别滤波器就会把带误差的量测当成高权重输入结果位置被拉偏好几米。Sigma在城市峡谷路段的表现总体来看还是稳的在卫星数降到七八颗、几何精度因子明显变差的条件下水平误差能维持在一米以内。但这不是说算法完美而是它能够主动降低受污染量测的权重并更多依赖IMU短时预报。高架下面的场景更有意思。车辆在高架桥下方道路行驶时头顶的混凝土梁面会形成大范围信号遮挡GPS L1信号勉强穿透部分信号只剩零星反射。我们跑了一条连续好几公里的高架下道路中间还有几个信号短暂恢复的开口。Sigma在这个场景下水平误差大部分时间在1到3米到高架开口处恢复固定解之后实际观测误差能很快收敛回到厘米级。这说明惯导在失锁段一直保持着较好的姿态和速度估计没有累积出大误差。另一个值得记录的行为是高架匝道的过度弯曲段。匝道半径小、横滚角明显GPS信号又时断时续对系统来说是一个比较苛刻的动态组合场景。如果IMU和组合算法配合不好车辆位置容易往弯道内侧或外侧漂移。从我们测试数据看Sigma在环形匝道段的误差扩张趋势比较均匀没有出现单侧系统性偏移说明杆臂补偿和姿态解算基本准确。3.3 隧道与地下车库测试完全失锁场景下的惯导衔接隧道测试是纯惯导能力的前奏因为车辆进入隧道之后GNSS信号完全消失整套系统完全靠IMU在推。我们选择了一条长约1.2公里的城市隧道车辆以60km/h左右的速度通过全程信号为零。进入隧道前系统处于RTK固定状态水平和航向都收敛得比较准出隧道后重新捕获到卫星马上回到固定解。整个过程用时在1分20秒左右位置误差在隧道出口处大约5到8米。这个数字听起来不惊艳但对于纯惯导段来说是合理的。误差来源主要不在加速度计零偏而在隧道内的振动和气流扰动引起的一定噪声积累。关键是出隧道后的精度恢复速度快不快Sigma在重新获得固定解后的十秒钟内就能回到厘米级这在实际工程里才是有意义的指标。隧道里面漂个几十厘米没关系只要出口能快速恢复高精度自动驾驶系统就能继续正常工作。地下车库测试比隧道更麻烦。地库里有陡坡、螺旋道而且车辆频繁启停、低速行驶低速下IMU积分效率低航向估计容易被静止时的陀螺噪声带偏。另外地库光照昏暗无法用视觉辅助来校准位置。我们选了一个两层地库进行了测试包含直角弯、螺旋坡道和倒车入库动作。系统在无GNSS信号情况下行驶约5分钟位置误差在15到35米范围更重要的是航向没有明显偏转。这个结果和纯惯导测试的漂移趋势基本吻合说明算法在低速场景的ZUPT零速修正发挥了作用。3.4 时间同步与动态精度评估很多人做车载测试时会把时间同步这个环节想得过于理所当然。被试系统的GNSS观测值、IMU采样、轮速脉冲都打上了各自的硬件时间戳但这些时间戳之间的一致性如果不验证组合结果就会出现一个被称为时间偏置误差的问题。举例来说IMU数据晚到20毫秒在车辆高速行驶时相当于位置输出滞后了0.5米以上这个误差会直接叠加到所有动态精度评价里去。我们这次的做法是在测试流程中专门加入一段机动车辆直道加速到80km/h然后急刹车记录系统输出的速度和时间戳与参考真值的对齐情况。如果时间同步设置正确位置误差在急刹过程中不会出现显著的滞后偏移。Sigma实测在急加速和急刹车过程中没有明显的纵向滞后误差动态响应还算干净。动态精度评估方面我习惯把误差按车速分箱统计而不是笼统算一个RMS。因为低速场景误差主要来自卫星几何和多路径高速场景误差还叠加了时间同步、速度估计和IMU标定误差。分箱之后能看到误差在不同动力学状态下的变化规律这对于判断系统是否需要针对特定工况做参数调整很有帮助。比如我们分箱后发现Sigma在车速60到80km/h区间横向误差稍大于其他区间排查后和那段测试路线的车道偏移及多路径环境有关并非系统性问题。同时姿态精度的评估也很有价值。车辆在高架环形匝道上做持续转弯时横滚角误差如果过大对水平位置推算的影响会很明显。Sigma在匝道测试中横滚角RMS大约0.05度以内航向角RMS约0.1度对于车规级产品来说算是干净的结果。4. 纯惯导测试实录没有卫星信号的时候系统还剩多少可信度4.1 纯惯导测试先决条件纯惯导测试简单说就是把GNSS量测完全屏蔽掉让IMU和组合导航算法自己干活。但不能上来就把天线拔了然后随便开那样做得到的结果是没有意义的。测试前必须先确认几个条件第一IMU的标定系数必须是最新状态。温度变化会让零偏产生漂移所以纯惯导测试在车辆完全冷却、常温放置和热车之后分别做一组拉出零偏随温度变化的曲线。第二杆臂补偿和安装角度标定必须准确否则纯惯导推算的起始位置和姿态本身就有偏差。第三系统初始航向必须足够准。因为纯惯导模式下航向误差会随时间的立方关系放大位置误差初始航向差30秒两分钟之后位置差可能就到几十米了。为了实现屏蔽GNSS信号这个条件我们有两种办法一是从软件层收到系统配置让接收机在某个特定时间点之后不输出任何星历和观测数据二是直接把天线断开或用信号屏蔽器。软件屏蔽的方式更干净因为接收机硬件还在运行重新开启时能正常初始化。但需要确保软件屏蔽后系统真正停止使用GNSS量测而不只是降低权重否则测出来的漂移结果会掺水。我们通过查看日志中GNSS状态字段和时间戳来确认没有信号注入。跑纯惯导时车辆姿态必须尽量保持平稳驾驶少做剧烈变道。因为系统的位置误差和航向误差增长规律是确定的剧烈机动会让误差模型变得更复杂不方便和理论预测对比。所以测试路线选在地势平缓、道路笔直的测试场内配合少量固定半径的弯道以评估陀螺性能。4.2 零速静态漂移测试先测静止再测运动纯惯导测试的第一项是静态漂移。车停在空旷位置点火上电系统完成初始对准后让GNSS量测停止更新车辆保持静止连续记录两小时的位置变化。静止时系统的位置不应该一直保持不变因为陀螺的零偏不稳定性会让航向角慢慢漂移航向角一漂系统就会以为车辆在缓慢移动位置误差开始增长。实测数据里Sigma静止两小时的终点位置漂移大约是500到800米误差曲线初期比较平缓后面越来越快。这个过程直观解释了为什么纯惯导不能长时间工作也证明车规级MEMS的陀螺零偏稳定性水平确实有限。从半小时数据看位置漂移约120米一小时约280米两小时约650米增长速率不是线性的这和理论上的误差时间累积规律是一致的。零速静态测试还要做一个额外动作在完全静止状态下人为给车辆一个短暂的起动和停止比如向前挪动半米停下来。这个动作用来验证零速检测单元是否正确识别了车辆是静止还是运动。如果零速检测误判系统可能在静止时认为车辆还在缓慢滑行位置持续偏移。实测中Sigma的零速检测在静止状态基本没有误触发挪动半米后位置恢复也很快判定逻辑比较干净。4.3 动态纯惯导测试关闭GNSS后的漂移增长规律动态纯惯导测试是在车辆按照特定路线行驶时完全关闭GNSS量测观察系统位置误差的演变。我设置了几组不同时长的测试从2分钟到10分钟速度控制在40km/h左右。选择这个速度是因为恰好能覆盖城市中主干道和快速路的工况又不至于因为车速过高让误差瞬间爆炸数据更好分析。测试场内的路线是先直线行驶约500米然后进入半径约100米的圆弧道路绕两圈再直线返回。这样设计是因为直线段可以验证速度估计和加速度计零偏的效果圆弧段可以验证陀螺航向精度和向心加速度处理的正确性。实测下来2分钟误差约10米5分钟误差约35米10分钟误差约90到120米。这个漂移水平对车规级MEMS纯惯导来说属于正常偏好的范围。如果按误差理论去拟合位置误差曲线大致符合时间的三次方规律增长也符合陀螺零偏导致的航向误差被加速度积分放大的机理。动态纯惯导测试还有一个关键记录系统在转弯过程中的横向误差。假如陀螺标度因数不准转弯时航向积分会夸大或缩小转角轨迹会整体向一侧旋转。我们从圆弧段数据看Sigma没有呈现系统性单侧误差两侧绕圈数据基本对称说明标度因数误差对轨迹的影响较小主要误差来源还是零偏随机游走和加速度计噪声。跑完10分钟纯惯导之后我们紧接着做了误差恢复性测试。也就是在GNSS重新打开并进入固定解之后看系统从漂移状态恢复到高精度状态需要多久。Sigma的表现是重新获得固定解后约10秒内水平误差收敛到0.5米以内约30秒内回到厘米级。这个收敛速度说明滤波器的量测更新权重设置得当没有被长期惯导积累的误差协方差数据拖慢恢复过程。4.4 纯惯导数据后处理与误差分离纯惯导原始数据拿到手第一步工作是画误差随时间的变化曲线。我们通常是把水平位置误差、北向误差、东向误差、垂直误差和航向误差分别画出来再叠加车辆速度曲线方便判断误差突变和机动操作之间的相关性。垂直方向误差往往比水平方向更敏感因为重力加速度和加速度计零偏在垂直方向的耦合非常直接垂直误差在10分钟中可能累积到15到25米。误差分离方面简化处理有三种主要误差来源加速度计零偏、陀螺零偏、初始姿态误差。通过特定的测试编排可以把它们分开。比如静止状态下主要是陀螺零偏和初始航向误差在起作用匀速直线状态下加速度计零偏开始显现转弯段则可以看到陀螺零偏的积分效果。分开之后再来判断IMU本底性能和算法调校是否匹配。在分析纯惯导误差时我们还用了一个简单的Python脚本来计算指定时间窗内的CEP圆概率误差和RMS。这段代码并不复杂核心就是从真值文件和被测数据里按时间戳对齐位置然后算差值的分位数。不过要注意对齐不是简单按序号对应GNSS的更新频率和IMU的输出频率不同必须用时间戳做线性插值否则会引入人为的额外误差。import numpy as np import pandas as pd # 读取真值轨迹和被试系统轨迹 truth pd.read_csv(truth_track.csv, parse_dates[timestamp]) nav pd.read_csv(sigma_track.csv, parse_dates[timestamp]) # 按时间戳插值对齐 truth truth.set_index(timestamp) nav nav.set_index(timestamp) nav_reindexed nav.reindex(truth.index, methodlinear) # 计算水平误差 de truth[east] - nav_reindexed[east] dn truth[north] - nav_reindexed[north] horiz_err np.sqrt(de**2 dn**2) # 输出统计值 cep np.percentile(horiz_err, 50) rms np.sqrt(np.mean(horiz_err**2)) r95 np.percentile(horiz_err, 95) print(fCEP: {cep:.3f} m) print(fRMS: {rms:.3f} m) print(fR95: {r95:.3f} m)这段代码放进测试流程里是可行的替换成RINEX等其他数据格式也能用。实际做数据分析时真正费时间的反而是前期的数据清洗剔除真值轨迹里明显跳变的点、剔除被测系统日志中的异常时间戳、确认开始和结束时间对齐。数据干净了后面的统计才可信。5. 测试结果汇总与数据分析5.1 车载组合导航精度表现把整轮车载测试的数据放在一起统计得到的结果比单看某一段轨迹更有说服力。开阔道路下Sigma组合导航水平误差RMS约2.2厘米CEP约1.3厘米R95约3厘米。城市峡谷场景水平误差RMS上升到0.5到1.2米但这部分误差并不是均匀分布的主要集中在少数几个卫星几何极差或玻璃幕墙反射严重的点位。如果把这类点位单独剔除其余路段的误差在0.3米以内。隧道场景1分20秒的失锁段结束后出口位置和真值相差8米以内重新收敛时间约10秒。从整轮数据来看Sigma在高遮挡和失锁环境下的可用性是比较明确的没有出现滤波器发散或误差失控的情况。这里特别说明不同批次设备之间有性能离散度表中数据是本次测试样机在某受控测试环境下的统计结果不构成对所有批次产品的保证。做产品验证时至少要测三台以上设备取统计特征单台单趟数据只能说明个体表现。我们这次用了两台样机交替测试整体表现一致性尚可但其中一台在连续高温跑车后纯惯导漂移略大这提示温度对IMU性能的影响在选型时要重点评估。车速分箱统计也提供了一些有价值的结论。车速低于10km/h和高于100km/h时水平误差略有上升前者主要是低速下卫星多路径和停走状态对滤波器更新的影响后者主要是高动态条件下的姿态跟踪误差和时间同步残差但都在可接受范围内。这个规律帮助我们在最终报告里明确产品的推荐使用范围也方便下游客户根据他们的工况做匹配判断。5.2 纯惯导漂移表现纯惯导数据汇总后Sigma的表现可以用几个关键节点描述静止30分钟漂移约100至120米动态2分钟漂移约8至12米动态5分钟漂移约25至40米动态10分钟漂移约80至120米。误差增长并不是线性的而是时间越长增速越快。之所以这样可以从惯导误差传播机理来解释。初始航向误差和陀螺零偏会导致航向估计不断偏离真实值而航向误差在水平加速度积分过程中被不断放大位置误差大体按时间的三次方规律增长。加速度计零偏主要由速度和时间的二次方关系贡献在长时间段里成为主要误差源。因此纯惯导10分钟漂移100米不代表5分钟就是50米实际会明显小于50米这一点在工程估算的时候很容易被低估。实际应用中用户需要根据场景判断纯惯导性能是否足够。城市隧道通常一至两分钟可以通过地下车库进出加停车大约三至五分钟纯惯导漂移在几十米以内配合出入口的GNSS校准和地图匹配可以接受。但如果是几公里长的连续隧道或超大型地下停车场纯惯导就无法提供可靠位置了必须考虑增加视觉、激光或超宽带等其他辅助传感器。5.3 误差源排查到底是IMU问题还是组合算法问题测试做完最重要的一个问题是系统表现不好时虽然这次整体表现还行但过程中也出现过几组不理想数据到底是IMU硬件拉胯还是组合算法没调好又或者是系统集成环节出了问题。我们采用的排查方法是分层剥离。第一层先把被测系统输出的纯惯导轨迹和真值对比计算漂移率对照IMU的零偏和随机游走标称值。如果漂移率明显大于理论预期怀疑方向先指向IMU标定或故障而不是算法。第二层看组合导航在GNSS信号良好的开阔路段是否也有异常误差。如果固定解状态下位置误差很大那多半是杆臂补偿、时间同步、滤波器量测噪声参数设置的问题跟IMU关系不大。第三层看系统在信号切换瞬间的过渡行为比如固定解掉到伪距单点再恢复到固定解的过程中有没有跳变如果跳变大说明滤波器的协方差管理需要改进。在实际排查中还有一类问题是数据记录导致的假异常。有时候GNSS信号正常、IMU输出正常但原始记录里出现了一段零值或时间戳跳变后处理时就会看到位置突然跳出去。先检查数据日志再谈系统性能这个顺序不能反过来。我们在排查一次异常时曾经花了很长时间怀疑算法最后发现是记录仪存储卡写入延迟导致的时间戳批量延迟教训很深。6. 测试中遇到的高频问题和处理经验6.1 时间戳乱跳和杆臂补偿错误这套测试项目中我们遇到过两次时间戳异常。一次是记录仪软件线程调度问题导致IMU时间戳偶尔相隔超过一个采样周期另一次是GNSS接收机输出的UTC时间与IMU内部时钟不一致两者在融合时出现周期性跳动。处理办法是围绕PPS秒脉冲信号做同步并且在日志中把PPS上升沿对应的内部计数器值一并记录下来。经过同步整改后时间戳抖动被压到微秒级动态场景下的误差也明显收敛。杆臂补偿错误问题出现在一次项目早期预测试里。当时计算杆臂时把向量的坐标顺序搞反了直接把朝右写成了朝前结果车辆完成一次U型弯后横向误差出现明显系统偏差。后来我们用S弯反复验证才锁定问题。这里有个经验务必在车身坐标系一般取X轴向前、Y轴向右、Z轴向下中定义杆臂向量并把从补偿模块读出的值用一段已知轨迹做反向验证。任何杆臂修改之后都要重做一次快速S弯测试确认没有残余系统误差。6.2 升降级判别误触发与滤波器协方差问题在遮挡严重的城市峡谷路段Sigma偶发出现状态频繁升降级的情况也就是位置解在固定解和浮点解之间来回切换而且切换瞬间输出位置有几十厘米的跳变。这类问题大概率不是GPS硬件问题而是滤波器的量测噪声协方差设置不合理导致固定解和浮点解之间的权重切换太快。解决办法是把协方差矩阵做适当保守化处理并加入升降级滞后判断让状态切换不那么灵敏。之后同一条路线复测频繁切换基本消失。另一个相关问题是在GNSS信号短暂中断恢复后滤波器的位置协方差会被IMU递推带来的不确定性快速撑大导致恢复固定解后需要较长时间才能收敛回来。Sigma的表现尚可但我们仍然在调整更新增益的上下限防止某些极端情况下系统过度信任历史累计的状态协方差。6.3 数据后处理与回放工具使用建议测试过程中积累大量原始数据之后数据回放工具的价值会被明显放大。我们常用的流程是把原始IMU数据和GNSS观测数据先通过后处理软件算出真值轨迹再用开源工具做轨迹对比和质量分析。回放工具不能只按倍数快进还得支持按里程、按时间范围切片分析这样能快速定位某个特定弯道或某个隧道段的误差。回放时我在界面上会同时显示四组信息被测系统的位置输出、真值位置、接收机状态标记、车辆速度。卫星状态标记能帮助判断误差是否发生在固定解丢失或星历更新时段车辆速度曲线能把零速检测是否生效和位置误差变化直接对应起来。一套顺手的回放工具能把一天的测试数据筛选完并形成问题点清单效率会比整段轨迹反复看高很多。测试数据的归档也值得提一嘴。每趟测试都要记录时间、车辆编号、设备编号、路线名、GNSS状态、天气、气温、是否有异常事件。这个台账在后续分析时价值很大尤其是当某些误差特征和天气、气温或者设备批次相关联时有台账能快速定位。这次项目里我们就是通过台账发现某台样机在午后高温时段纯惯导漂移明显比其他时段大进而安排了专门的温度试验。7. 落到实际工程里的几点体会测试报告写完我的核心体会是做组合导航系统的测试本质上是在回答一个工程信任问题。导航数据是自动驾驶系统做决策的输入之一如果系统在信号好的地方表现完美却在信号差的地方悄悄给出错误位置这种危害比直接断开定位还要大。所以测试不能只盯着精度数字要更关注误差的连续性、可预测性和恢复能力。从时间投入上看纯惯导测试往往比车载组合导航测试更费时间因为需要严格控制环境条件还要做足够长的静态采样。很多人觉得纯惯导测试简单——把GNSS关掉不就行了吗真正做起来环境温度、初始对准时间、车辆振动、路线曲率都会影响结果跑出几组数据之间差异很大。数据量不够的时候结论很容易被某一趟的偶然误差带偏宁可多跑几次也别图快。关于GNSS信号被屏蔽后的位置恢复速度我再多说一句。很多客户关心纯惯导能撑几分钟实际上这个问题的真正落脚点在于信号回来后系统多久能恢复高精度。纯惯导漂移大一点还能靠外部参考校准恢复慢才是影响系统可用性的关键。所以后续做方案时可以多关注系统的收敛速度和完好性监测策略这些指标比短时漂移更能反映系统设计的成熟度。最后分享一个小技巧测试过程中千万别忽略记录车辆的真实运动状态。以前有一趟测试数据分析时发现位置误差在一段直道上突然变大排查了很久才发现那段路正好在修路车辆实际绕行了变道和预设的测试路线不一样。从那以后每趟测试都打开行车记录仪和轨迹监测画面实时对照车辆实际行驶路线和预设路线避免拿错误的假设去解释数据。导航系统的测试环境信息越完整数据背后的逻辑越清楚报告才越有说服力。 
长河君 · 2026/10/24 7:51:13 · 阅读 1.2k 车规级组合导航系统测试实录：GNSS/IMU融合与纯惯导漂移分析
1. 为什么要做这套测试车载和纯惯导两条线分别验证什么1.1 组合导航系统到底测什么Sigma这套车规级高精度组合导航系统干的事其实是把GNSS全球导航卫星系统接收机和IMU惯性测量单元的数据融合到一起输出连续、平滑、高精度的位置、姿态和速度信息。普通人对这东西可能没概念但做过自动驾驶或者高精度地图的人都知道单靠GNSS在城市里根本撑不住——高架下面、隧道里面、树荫遮挡严重的路段卫星信号一跳定位就飘出去好几米。这时候IMU就顶上来了它根据角速度和加速度推算相对运动在GNSS信号中断的几十秒里维持住位置和姿态精度。所谓组合导航就是让这两个传感器各取所长GNSS提供绝对基准IMU提供短时高精度递推最后靠卡尔曼滤波把两者融合成一个可信结果。但问题是IMU不是什么型号都能直接往车规产品里塞。车规级意味着温度范围要覆盖-40℃到85℃振动环境下零偏要稳定寿命周期内性能不能明显退化还要满足功能安全方面的要求。很多工规或航模级IMU在实验室里数据好看一上车经过夏天地面高温和连续颠簸就露馅。所以这套测试报告里除了看算法精度更要看这套系统在车规严苛条件下是不是还能维持住标称的性能指标。还有一个容易被忽略的点组合导航系统的测试不能只测GNSS信号好的情况。信号好的时候RTK固定解本身就有厘米级精度IMU参不参与都无所谓真正见水平的是信号被遮挡、卫星出现周跳、甚至全部失锁的瞬间。这也是我做这套测试时把场景分成两条线的原因——一条线是车载动态跑各种真实道路重点看组合导航在复杂环境里的表现另一条线是纯惯导测试直接把GNSS关掉看系统在没有绝对基准的情况下能维持多久、精度怎么退化。这两条线合起来才算完整验证了这套系统在真实工况下的可靠性也才能回答用户最关心的问题信号差的时候到底还能不能用。1.2 车载与纯惯导两条测试线各自验证什么车载测试这条线核心是验证组合的效果。我会特意挑高架下面、两侧高楼密集的商务区、林荫道、隧道、地下车库这类场景人为制造GNSS信号衰减和卫星几何差的条件看组合导航能不能及时切换约束方式把误差控制在合理范围内。车载体还涉及车辆运动学约束的引入比如轮速脉冲、车身侧滑约束、零速检测这些都需要在真实行驶工况里验证。转弯、急刹车、变道这些动态动作对加速度计和陀螺仪的冲击比较大正好能检验IMU的动态性能。纯惯导测试这条线问题就变成IMU自己行不行。在GNSS完全失效的情况下系统要靠IMU积分来计算位置误差会随时间累积。静止状态下主要是陀螺零偏引起航向漂移航向一偏位置就往垂直方向跑运动状态下还要叠加加速度计零偏和标度因数误差的影响。这条线测的是IMU的本底性能也是组合导航算法在绝望时刻的兜底能力。最后的指标通常用漂移率来表达比如10分钟内水平漂移不超过XX米。这个数字直接决定了系统在长隧道、连续地下车库等场景下能不能用。两条线测完其实还需要做一次交叉验证纯惯导的结果要和车载组合导航在GNSS短暂失锁时表现出的误差做对比看系统在动态环境下惯导段的表现是否和静态或匀速段一致。如果差别太大说明还有误差源没扣干净比如温度变化引起的IMU偏差漂移或者车辆振动引入的额外噪声。2. 测试环境搭建与设备方案2.1 参考真值系统怎么搭组合导航系统测试的前提是有一台精度高一个数量级的真值设备。我们用的是后处理差分GNSS/INS方案也就是把基准站数据、移动站数据和IMU原始数据一起拿去做双向平滑解算得到厘米级甚至毫米级的参考轨迹。这个方案不一定铺开说原理但有一点必须强调真值系统必须有独立的IMU天线和记录设备不能和被试系统共用天线否则两个系统的误差来源是相关的测出来的数据没法用来评估被试系统的真实性能。整套设备装车大概包括三层一台后处理级高精度GNSS接收机配上带扼流圈的抗多路径天线、一套战术级光纤或高性能MEMS IMU以及一台带授时功能的记录仪。真值系统选IMU的时候性能一定要明显优于被测产品不然真值本身的误差就淹没了被测产品的误差后面数据处理没法算。比较稳妥的做法是用战术级IMU零偏稳定性比被试的车规级MEMS高一个量级这样后处理出来的参考轨迹才有意义。实际测试中测试车辆还会挂一台本地基准站或者在测试路线上固定的已知点架设基准站记录全天观测数据。差分数据选择的事后模式而不是实时RTK因为事后可以用精密星历和双向滤波处理消除大部分多路径和电离层残差。基准站的架设位置也要避开强反射源比如金属围栏和大面积玻璃幕墙否则基准站本身的坐标解算就有问题参考轨迹一开始就是歪的。客观讲真值系统这块是最容易出问题的。我们常发现有些测试报告真值轨迹本身就有几十厘米的跳变后面所有精度评估就都失真了。所以做完采集之后第一步不是看被测系统的误差而是先把真值轨迹和管理日志拉出来看一遍确认有没有明显的解算失败、时间戳空洞、天线插头接触不良这类低级问题。任何异常都必须先处理掉再往下走。2.2 IMU与天线安装的杠杆臂问题这一段必须单独拿出来说因为杠杆臂lever arm这个细节能直接决定测试数据还能不能用。所谓杠杆臂就是IMU测量中心到GNSS天线相位中心的几何向量。在车身坐标系里这个向量要标定到毫米级。如果标错车辆转弯或者俯仰的时候被系统解算出的位置和真值之间会出现一个与姿态强相关的误差很难靠后处理筛掉。安装IMU的时候我们做了一个刚性连接支架直接固定在车辆后轴正中央的地板梁上没有用普通的双面胶或软性吸盘固定。原因很简单车规级IMU的陀螺仪对安装面振动和变形很敏感支架和车身之间有相对位移等效于给陀螺引入了额外角速度噪声。之前有个项目IMU只是用3M胶垫粘在后备箱地毯上结果高速颠簸路段陀螺数据里周期性尖峰后处理出来的姿态一直在轻微抖动查了很久才发现是安装刚度不足。天线位置优先选车顶正中央远离车身边缘。如果天线装偏了车体姿态变化时天线相位中心的位置变化会额外贡献一部分速度误差这部分误差在高精度测试中非常明显。另外天线馈线需要被正确固定和屏蔽。我记得有一次测试刚跑到隧道入口附近卫星信号质量突然恶化排查后发现是广播天线和GNSS天线馈线捆在一起强射频信号直接干扰了接收机前端。这类问题在测试阶段就暴露出来反而好办否则量产后装车会遇到更多干扰。最后还要做一次杆臂标定验证让车辆沿着S弯连续走几趟每趟以不同车速进入。如果杆臂误差已经补偿正确组合导航输出的位置在转弯时不会出现和车身姿态强相关的横向误差如果还有残余横向误差会跟着转弯方向有节奏地摆动。实际上不用反复解算光看轨迹和真值轨迹在弯道段是否有规律性的横向差就能判断个八九不离十。2.3 测试场景集设计思路场景设计的目标不是把测试车开到各种好看的风景而是要覆盖组合导航系统在城市环境中的主要失效模式。我这次把场景分为四类开阔道路卫星可视性好、天空开阔用来验证系统基础精度和收敛能力。城市峡谷建筑物遮挡导致卫星数目少、多路径明显、非视距信号频发验证抗多路径算法。高架/隧道楼宇遮挡最严酷的情况存在完全失锁和半失锁验证惯导衔接质量。地下车库照明与GNSS信号完全中断车辆低速行驶且有反复加减速和原地转向验证零速检测和低速航向估计。每类场景下面再拆具体路径。比如城市峡谷就包括窄街道两侧高楼、单侧玻璃幕墙区域、跨街天桥下方高架就分高架下方地面道路、高架桥面上层和连续环形匝道。实际跑的时候路径不是随便开的每条路线都先跑一趟预采集确认GNSS基线的质量记录卫星数和信噪比再正式开始正式测试。预采集数据同时还可以用来做真值系统的试解算提前发现天线位置遮挡和数据记录问题。测试时间选择上也有讲究。上午避开早晚高峰、下午避开树木和建筑投影长度变化较大的时段。不同季节树叶疏密对GNSS信号影响很大最好在树木茂盛时期测一遍再在落叶后测一遍对比多路径影响。这套测试受限于项目周期只覆盖了一个季节但心里要清楚时序差异会影响到数据结论的适用范围。每个场景至少跑三到五趟每趟之间停几分钟人为制造冷启动或热启动条件。高速路段要含120km/h巡航、急加速和紧急变道工况低速地库场景则要含连续的直角弯和停车倒库动作。这样采集到的数据才足够覆盖算法在不同动力学条件下的行为。3. 车载组合导航测试实录3.1 开阔道路测试基础精度与收敛能力开阔道路测试是整个测试中数据最干净、最容易理解的部分。在没有遮挡的快速路和郊区公路上RTK固定解基本全程保持我们真正想观察的是系统在固定解状态下的位置噪声水平、速度精度和姿态估计稳定性。实测下来Sigma在开阔环境下的水平位置误差统计中位数大概在2厘米以内RMS在2.5厘米左右这个量级对于车规级组合导航来说已经是比较理想的状态了。不过光看位置还不够姿态数据同样重要。航向角在直道上的抖动幅度反映了陀螺仪噪声地板和滤波器的调校水平。这里有一个容易踩的坑拿RTK固定解的瞬时定位噪声去评估组合导航位置精度。RTK固定解本身有厘米级的瞬时噪声不能直接把它当成真值。正确做法是把后处理平滑后的参考轨迹作为真值再计算被测系统的误差。后处理平滑可以利用整趟数据的前向和反向滤波结果做加权组合把参考轨迹噪声压到更低这样算出来的误差才能真正反映被测系统水平。开阔路段的另一个测试项目是快速重收敛。当系统行驶在完全开阔的地方这时给接收机做一次热启动让卫星信号完全重新捕获看组合导航系统在多长时间内能回到固定解位置误差如何收敛。实测通常热启动后的收敛时间在几秒到十几秒之间期间位置误差从米级逐步收窄到厘米级姿态约束在过程中起到关键作用。IMU能在单频或半固定状态下提供稳定的短时递推保证位置不发散。3.2 城市峡谷与高架遮挡测试多路径和几何退化怎么处理城市峡谷是组合导航系统最容易露馅的场景。高楼两侧遮挡会在一定程度上减少可视卫星数量更麻烦的是玻璃幕墙和金属结构带来的多路径反射伪距和载波相位观测值里混入大误差如果不加识别滤波器就会把带误差的量测当成高权重输入结果位置被拉偏好几米。Sigma在城市峡谷路段的表现总体来看还是稳的在卫星数降到七八颗、几何精度因子明显变差的条件下水平误差能维持在一米以内。但这不是说算法完美而是它能够主动降低受污染量测的权重并更多依赖IMU短时预报。高架下面的场景更有意思。车辆在高架桥下方道路行驶时头顶的混凝土梁面会形成大范围信号遮挡GPS L1信号勉强穿透部分信号只剩零星反射。我们跑了一条连续好几公里的高架下道路中间还有几个信号短暂恢复的开口。Sigma在这个场景下水平误差大部分时间在1到3米到高架开口处恢复固定解之后实际观测误差能很快收敛回到厘米级。这说明惯导在失锁段一直保持着较好的姿态和速度估计没有累积出大误差。另一个值得记录的行为是高架匝道的过度弯曲段。匝道半径小、横滚角明显GPS信号又时断时续对系统来说是一个比较苛刻的动态组合场景。如果IMU和组合算法配合不好车辆位置容易往弯道内侧或外侧漂移。从我们测试数据看Sigma在环形匝道段的误差扩张趋势比较均匀没有出现单侧系统性偏移说明杆臂补偿和姿态解算基本准确。3.3 隧道与地下车库测试完全失锁场景下的惯导衔接隧道测试是纯惯导能力的前奏因为车辆进入隧道之后GNSS信号完全消失整套系统完全靠IMU在推。我们选择了一条长约1.2公里的城市隧道车辆以60km/h左右的速度通过全程信号为零。进入隧道前系统处于RTK固定状态水平和航向都收敛得比较准出隧道后重新捕获到卫星马上回到固定解。整个过程用时在1分20秒左右位置误差在隧道出口处大约5到8米。这个数字听起来不惊艳但对于纯惯导段来说是合理的。误差来源主要不在加速度计零偏而在隧道内的振动和气流扰动引起的一定噪声积累。关键是出隧道后的精度恢复速度快不快Sigma在重新获得固定解后的十秒钟内就能回到厘米级这在实际工程里才是有意义的指标。隧道里面漂个几十厘米没关系只要出口能快速恢复高精度自动驾驶系统就能继续正常工作。地下车库测试比隧道更麻烦。地库里有陡坡、螺旋道而且车辆频繁启停、低速行驶低速下IMU积分效率低航向估计容易被静止时的陀螺噪声带偏。另外地库光照昏暗无法用视觉辅助来校准位置。我们选了一个两层地库进行了测试包含直角弯、螺旋坡道和倒车入库动作。系统在无GNSS信号情况下行驶约5分钟位置误差在15到35米范围更重要的是航向没有明显偏转。这个结果和纯惯导测试的漂移趋势基本吻合说明算法在低速场景的ZUPT零速修正发挥了作用。3.4 时间同步与动态精度评估很多人做车载测试时会把时间同步这个环节想得过于理所当然。被试系统的GNSS观测值、IMU采样、轮速脉冲都打上了各自的硬件时间戳但这些时间戳之间的一致性如果不验证组合结果就会出现一个被称为时间偏置误差的问题。举例来说IMU数据晚到20毫秒在车辆高速行驶时相当于位置输出滞后了0.5米以上这个误差会直接叠加到所有动态精度评价里去。我们这次的做法是在测试流程中专门加入一段机动车辆直道加速到80km/h然后急刹车记录系统输出的速度和时间戳与参考真值的对齐情况。如果时间同步设置正确位置误差在急刹过程中不会出现显著的滞后偏移。Sigma实测在急加速和急刹车过程中没有明显的纵向滞后误差动态响应还算干净。动态精度评估方面我习惯把误差按车速分箱统计而不是笼统算一个RMS。因为低速场景误差主要来自卫星几何和多路径高速场景误差还叠加了时间同步、速度估计和IMU标定误差。分箱之后能看到误差在不同动力学状态下的变化规律这对于判断系统是否需要针对特定工况做参数调整很有帮助。比如我们分箱后发现Sigma在车速60到80km/h区间横向误差稍大于其他区间排查后和那段测试路线的车道偏移及多路径环境有关并非系统性问题。同时姿态精度的评估也很有价值。车辆在高架环形匝道上做持续转弯时横滚角误差如果过大对水平位置推算的影响会很明显。Sigma在匝道测试中横滚角RMS大约0.05度以内航向角RMS约0.1度对于车规级产品来说算是干净的结果。4. 纯惯导测试实录没有卫星信号的时候系统还剩多少可信度4.1 纯惯导测试先决条件纯惯导测试简单说就是把GNSS量测完全屏蔽掉让IMU和组合导航算法自己干活。但不能上来就把天线拔了然后随便开那样做得到的结果是没有意义的。测试前必须先确认几个条件第一IMU的标定系数必须是最新状态。温度变化会让零偏产生漂移所以纯惯导测试在车辆完全冷却、常温放置和热车之后分别做一组拉出零偏随温度变化的曲线。第二杆臂补偿和安装角度标定必须准确否则纯惯导推算的起始位置和姿态本身就有偏差。第三系统初始航向必须足够准。因为纯惯导模式下航向误差会随时间的立方关系放大位置误差初始航向差30秒两分钟之后位置差可能就到几十米了。为了实现屏蔽GNSS信号这个条件我们有两种办法一是从软件层收到系统配置让接收机在某个特定时间点之后不输出任何星历和观测数据二是直接把天线断开或用信号屏蔽器。软件屏蔽的方式更干净因为接收机硬件还在运行重新开启时能正常初始化。但需要确保软件屏蔽后系统真正停止使用GNSS量测而不只是降低权重否则测出来的漂移结果会掺水。我们通过查看日志中GNSS状态字段和时间戳来确认没有信号注入。跑纯惯导时车辆姿态必须尽量保持平稳驾驶少做剧烈变道。因为系统的位置误差和航向误差增长规律是确定的剧烈机动会让误差模型变得更复杂不方便和理论预测对比。所以测试路线选在地势平缓、道路笔直的测试场内配合少量固定半径的弯道以评估陀螺性能。4.2 零速静态漂移测试先测静止再测运动纯惯导测试的第一项是静态漂移。车停在空旷位置点火上电系统完成初始对准后让GNSS量测停止更新车辆保持静止连续记录两小时的位置变化。静止时系统的位置不应该一直保持不变因为陀螺的零偏不稳定性会让航向角慢慢漂移航向角一漂系统就会以为车辆在缓慢移动位置误差开始增长。实测数据里Sigma静止两小时的终点位置漂移大约是500到800米误差曲线初期比较平缓后面越来越快。这个过程直观解释了为什么纯惯导不能长时间工作也证明车规级MEMS的陀螺零偏稳定性水平确实有限。从半小时数据看位置漂移约120米一小时约280米两小时约650米增长速率不是线性的这和理论上的误差时间累积规律是一致的。零速静态测试还要做一个额外动作在完全静止状态下人为给车辆一个短暂的起动和停止比如向前挪动半米停下来。这个动作用来验证零速检测单元是否正确识别了车辆是静止还是运动。如果零速检测误判系统可能在静止时认为车辆还在缓慢滑行位置持续偏移。实测中Sigma的零速检测在静止状态基本没有误触发挪动半米后位置恢复也很快判定逻辑比较干净。4.3 动态纯惯导测试关闭GNSS后的漂移增长规律动态纯惯导测试是在车辆按照特定路线行驶时完全关闭GNSS量测观察系统位置误差的演变。我设置了几组不同时长的测试从2分钟到10分钟速度控制在40km/h左右。选择这个速度是因为恰好能覆盖城市中主干道和快速路的工况又不至于因为车速过高让误差瞬间爆炸数据更好分析。测试场内的路线是先直线行驶约500米然后进入半径约100米的圆弧道路绕两圈再直线返回。这样设计是因为直线段可以验证速度估计和加速度计零偏的效果圆弧段可以验证陀螺航向精度和向心加速度处理的正确性。实测下来2分钟误差约10米5分钟误差约35米10分钟误差约90到120米。这个漂移水平对车规级MEMS纯惯导来说属于正常偏好的范围。如果按误差理论去拟合位置误差曲线大致符合时间的三次方规律增长也符合陀螺零偏导致的航向误差被加速度积分放大的机理。动态纯惯导测试还有一个关键记录系统在转弯过程中的横向误差。假如陀螺标度因数不准转弯时航向积分会夸大或缩小转角轨迹会整体向一侧旋转。我们从圆弧段数据看Sigma没有呈现系统性单侧误差两侧绕圈数据基本对称说明标度因数误差对轨迹的影响较小主要误差来源还是零偏随机游走和加速度计噪声。跑完10分钟纯惯导之后我们紧接着做了误差恢复性测试。也就是在GNSS重新打开并进入固定解之后看系统从漂移状态恢复到高精度状态需要多久。Sigma的表现是重新获得固定解后约10秒内水平误差收敛到0.5米以内约30秒内回到厘米级。这个收敛速度说明滤波器的量测更新权重设置得当没有被长期惯导积累的误差协方差数据拖慢恢复过程。4.4 纯惯导数据后处理与误差分离纯惯导原始数据拿到手第一步工作是画误差随时间的变化曲线。我们通常是把水平位置误差、北向误差、东向误差、垂直误差和航向误差分别画出来再叠加车辆速度曲线方便判断误差突变和机动操作之间的相关性。垂直方向误差往往比水平方向更敏感因为重力加速度和加速度计零偏在垂直方向的耦合非常直接垂直误差在10分钟中可能累积到15到25米。误差分离方面简化处理有三种主要误差来源加速度计零偏、陀螺零偏、初始姿态误差。通过特定的测试编排可以把它们分开。比如静止状态下主要是陀螺零偏和初始航向误差在起作用匀速直线状态下加速度计零偏开始显现转弯段则可以看到陀螺零偏的积分效果。分开之后再来判断IMU本底性能和算法调校是否匹配。在分析纯惯导误差时我们还用了一个简单的Python脚本来计算指定时间窗内的CEP圆概率误差和RMS。这段代码并不复杂核心就是从真值文件和被测数据里按时间戳对齐位置然后算差值的分位数。不过要注意对齐不是简单按序号对应GNSS的更新频率和IMU的输出频率不同必须用时间戳做线性插值否则会引入人为的额外误差。import numpy as np import pandas as pd # 读取真值轨迹和被试系统轨迹 truth pd.read_csv(truth_track.csv, parse_dates[timestamp]) nav pd.read_csv(sigma_track.csv, parse_dates[timestamp]) # 按时间戳插值对齐 truth truth.set_index(timestamp) nav nav.set_index(timestamp) nav_reindexed nav.reindex(truth.index, methodlinear) # 计算水平误差 de truth[east] - nav_reindexed[east] dn truth[north] - nav_reindexed[north] horiz_err np.sqrt(de**2 dn**2) # 输出统计值 cep np.percentile(horiz_err, 50) rms np.sqrt(np.mean(horiz_err**2)) r95 np.percentile(horiz_err, 95) print(fCEP: {cep:.3f} m) print(fRMS: {rms:.3f} m) print(fR95: {r95:.3f} m)这段代码放进测试流程里是可行的替换成RINEX等其他数据格式也能用。实际做数据分析时真正费时间的反而是前期的数据清洗剔除真值轨迹里明显跳变的点、剔除被测系统日志中的异常时间戳、确认开始和结束时间对齐。数据干净了后面的统计才可信。5. 测试结果汇总与数据分析5.1 车载组合导航精度表现把整轮车载测试的数据放在一起统计得到的结果比单看某一段轨迹更有说服力。开阔道路下Sigma组合导航水平误差RMS约2.2厘米CEP约1.3厘米R95约3厘米。城市峡谷场景水平误差RMS上升到0.5到1.2米但这部分误差并不是均匀分布的主要集中在少数几个卫星几何极差或玻璃幕墙反射严重的点位。如果把这类点位单独剔除其余路段的误差在0.3米以内。隧道场景1分20秒的失锁段结束后出口位置和真值相差8米以内重新收敛时间约10秒。从整轮数据来看Sigma在高遮挡和失锁环境下的可用性是比较明确的没有出现滤波器发散或误差失控的情况。这里特别说明不同批次设备之间有性能离散度表中数据是本次测试样机在某受控测试环境下的统计结果不构成对所有批次产品的保证。做产品验证时至少要测三台以上设备取统计特征单台单趟数据只能说明个体表现。我们这次用了两台样机交替测试整体表现一致性尚可但其中一台在连续高温跑车后纯惯导漂移略大这提示温度对IMU性能的影响在选型时要重点评估。车速分箱统计也提供了一些有价值的结论。车速低于10km/h和高于100km/h时水平误差略有上升前者主要是低速下卫星多路径和停走状态对滤波器更新的影响后者主要是高动态条件下的姿态跟踪误差和时间同步残差但都在可接受范围内。这个规律帮助我们在最终报告里明确产品的推荐使用范围也方便下游客户根据他们的工况做匹配判断。5.2 纯惯导漂移表现纯惯导数据汇总后Sigma的表现可以用几个关键节点描述静止30分钟漂移约100至120米动态2分钟漂移约8至12米动态5分钟漂移约25至40米动态10分钟漂移约80至120米。误差增长并不是线性的而是时间越长增速越快。之所以这样可以从惯导误差传播机理来解释。初始航向误差和陀螺零偏会导致航向估计不断偏离真实值而航向误差在水平加速度积分过程中被不断放大位置误差大体按时间的三次方规律增长。加速度计零偏主要由速度和时间的二次方关系贡献在长时间段里成为主要误差源。因此纯惯导10分钟漂移100米不代表5分钟就是50米实际会明显小于50米这一点在工程估算的时候很容易被低估。实际应用中用户需要根据场景判断纯惯导性能是否足够。城市隧道通常一至两分钟可以通过地下车库进出加停车大约三至五分钟纯惯导漂移在几十米以内配合出入口的GNSS校准和地图匹配可以接受。但如果是几公里长的连续隧道或超大型地下停车场纯惯导就无法提供可靠位置了必须考虑增加视觉、激光或超宽带等其他辅助传感器。5.3 误差源排查到底是IMU问题还是组合算法问题测试做完最重要的一个问题是系统表现不好时虽然这次整体表现还行但过程中也出现过几组不理想数据到底是IMU硬件拉胯还是组合算法没调好又或者是系统集成环节出了问题。我们采用的排查方法是分层剥离。第一层先把被测系统输出的纯惯导轨迹和真值对比计算漂移率对照IMU的零偏和随机游走标称值。如果漂移率明显大于理论预期怀疑方向先指向IMU标定或故障而不是算法。第二层看组合导航在GNSS信号良好的开阔路段是否也有异常误差。如果固定解状态下位置误差很大那多半是杆臂补偿、时间同步、滤波器量测噪声参数设置的问题跟IMU关系不大。第三层看系统在信号切换瞬间的过渡行为比如固定解掉到伪距单点再恢复到固定解的过程中有没有跳变如果跳变大说明滤波器的协方差管理需要改进。在实际排查中还有一类问题是数据记录导致的假异常。有时候GNSS信号正常、IMU输出正常但原始记录里出现了一段零值或时间戳跳变后处理时就会看到位置突然跳出去。先检查数据日志再谈系统性能这个顺序不能反过来。我们在排查一次异常时曾经花了很长时间怀疑算法最后发现是记录仪存储卡写入延迟导致的时间戳批量延迟教训很深。6. 测试中遇到的高频问题和处理经验6.1 时间戳乱跳和杆臂补偿错误这套测试项目中我们遇到过两次时间戳异常。一次是记录仪软件线程调度问题导致IMU时间戳偶尔相隔超过一个采样周期另一次是GNSS接收机输出的UTC时间与IMU内部时钟不一致两者在融合时出现周期性跳动。处理办法是围绕PPS秒脉冲信号做同步并且在日志中把PPS上升沿对应的内部计数器值一并记录下来。经过同步整改后时间戳抖动被压到微秒级动态场景下的误差也明显收敛。杆臂补偿错误问题出现在一次项目早期预测试里。当时计算杆臂时把向量的坐标顺序搞反了直接把朝右写成了朝前结果车辆完成一次U型弯后横向误差出现明显系统偏差。后来我们用S弯反复验证才锁定问题。这里有个经验务必在车身坐标系一般取X轴向前、Y轴向右、Z轴向下中定义杆臂向量并把从补偿模块读出的值用一段已知轨迹做反向验证。任何杆臂修改之后都要重做一次快速S弯测试确认没有残余系统误差。6.2 升降级判别误触发与滤波器协方差问题在遮挡严重的城市峡谷路段Sigma偶发出现状态频繁升降级的情况也就是位置解在固定解和浮点解之间来回切换而且切换瞬间输出位置有几十厘米的跳变。这类问题大概率不是GPS硬件问题而是滤波器的量测噪声协方差设置不合理导致固定解和浮点解之间的权重切换太快。解决办法是把协方差矩阵做适当保守化处理并加入升降级滞后判断让状态切换不那么灵敏。之后同一条路线复测频繁切换基本消失。另一个相关问题是在GNSS信号短暂中断恢复后滤波器的位置协方差会被IMU递推带来的不确定性快速撑大导致恢复固定解后需要较长时间才能收敛回来。Sigma的表现尚可但我们仍然在调整更新增益的上下限防止某些极端情况下系统过度信任历史累计的状态协方差。6.3 数据后处理与回放工具使用建议测试过程中积累大量原始数据之后数据回放工具的价值会被明显放大。我们常用的流程是把原始IMU数据和GNSS观测数据先通过后处理软件算出真值轨迹再用开源工具做轨迹对比和质量分析。回放工具不能只按倍数快进还得支持按里程、按时间范围切片分析这样能快速定位某个特定弯道或某个隧道段的误差。回放时我在界面上会同时显示四组信息被测系统的位置输出、真值位置、接收机状态标记、车辆速度。卫星状态标记能帮助判断误差是否发生在固定解丢失或星历更新时段车辆速度曲线能把零速检测是否生效和位置误差变化直接对应起来。一套顺手的回放工具能把一天的测试数据筛选完并形成问题点清单效率会比整段轨迹反复看高很多。测试数据的归档也值得提一嘴。每趟测试都要记录时间、车辆编号、设备编号、路线名、GNSS状态、天气、气温、是否有异常事件。这个台账在后续分析时价值很大尤其是当某些误差特征和天气、气温或者设备批次相关联时有台账能快速定位。这次项目里我们就是通过台账发现某台样机在午后高温时段纯惯导漂移明显比其他时段大进而安排了专门的温度试验。7. 落到实际工程里的几点体会测试报告写完我的核心体会是做组合导航系统的测试本质上是在回答一个工程信任问题。导航数据是自动驾驶系统做决策的输入之一如果系统在信号好的地方表现完美却在信号差的地方悄悄给出错误位置这种危害比直接断开定位还要大。所以测试不能只盯着精度数字要更关注误差的连续性、可预测性和恢复能力。从时间投入上看纯惯导测试往往比车载组合导航测试更费时间因为需要严格控制环境条件还要做足够长的静态采样。很多人觉得纯惯导测试简单——把GNSS关掉不就行了吗真正做起来环境温度、初始对准时间、车辆振动、路线曲率都会影响结果跑出几组数据之间差异很大。数据量不够的时候结论很容易被某一趟的偶然误差带偏宁可多跑几次也别图快。关于GNSS信号被屏蔽后的位置恢复速度我再多说一句。很多客户关心纯惯导能撑几分钟实际上这个问题的真正落脚点在于信号回来后系统多久能恢复高精度。纯惯导漂移大一点还能靠外部参考校准恢复慢才是影响系统可用性的关键。所以后续做方案时可以多关注系统的收敛速度和完好性监测策略这些指标比短时漂移更能反映系统设计的成熟度。最后分享一个小技巧测试过程中千万别忽略记录车辆的真实运动状态。以前有一趟测试数据分析时发现位置误差在一段直道上突然变大排查了很久才发现那段路正好在修路车辆实际绕行了变道和预设的测试路线不一样。从那以后每趟测试都打开行车记录仪和轨迹监测画面实时对照车辆实际行驶路线和预设路线避免拿错误的假设去解释数据。导航系统的测试环境信息越完整数据背后的逻辑越清楚报告才越有说服力。