本发明属于导航定位，具体涉及一种基于rtk、uwb与ins的室内外定位系统与方法。
背景技术：
1、室内外定位系统在智能制造、物流管理、智慧城市等领域广泛应用。在实际使用中，rtk经常面临着外界环境的干扰。例如，当遇到树木、建筑物等障碍物遮挡时，卫星信号被阻塞，导致接收到的信号质量下降，从而导致定位信息不可靠。更严重的是，在室内、隧道等场景下，由于无法接收到有效的卫星信号，rtk定位将失效。
2、uwb定位作为一种室内定位技术，它以独特的信号机制、极大的带宽(频率从3.1ghz到10.6ghz)、强大的多路径效应抗干扰能力和穿透墙壁的传播性能成为佼佼者。尽管uwb技术在室内定位方面表现出色，但也存在一些局限性。比如，容易受到非视距误差影响，在室外定位覆盖范围有限。室内外的连续定位，依赖单独一种定位技术难以实现，需要结合多种定位技术和传感器来实现。
技术实现思路
1、本发明提出了一种基于rtk、uwb与ins的室内外定位系统与方法。
2、实现本发明的技术解决方案为：一种基于rtk、uwb与ins的室内外定位系统，包括：rtk模块、uwb模块、imu模块、气压计模块、电源模块、wifi无线模块、stm32主控单元。
3、rtk模块通过无线网络连接到基站，接收基站传输的差分信号并解算出高精度的定位结果。
4、uwb模块作为定位标签，通过超宽带信号和uwb基站进行通信，获取基站到标签的距离，再结合各基站的坐标，输出uwb标签定位信息。
5、imu模块，包括三轴加速度计，三轴陀螺仪，三轴磁力计，在室内用于行人航位推算(pdr)，获取行人步长、步数和行向，从而推算出运动轨迹和相对位置信息。在室外用于实现ins和rtk的松组合，提高rtk在遮挡严重环境下的测量精度。
6、气压计模块，通过测量大气压来获取高度信息，与基准气压计的测量值差分来提高测高精度和稳定性。
7、电源模块为整个系统供电。
8、wifi无线模块，用于传输各个传感器模块的数据给上位机进行处理，包括rtk数据、uwb数据、气压计数据、imu数据。
9、stm32主控单元，用于发送、接收和处理各个模块的数据，通过判断室内、室外、室内外过渡区域场景来给出合适的定位方法。
10、相应地，本发明还提供了一种基于rtk、uwb与ins的室内外定位方法，包括以下步骤：
11、步骤1，利用imu模块获取加速度、角速度和磁力计测量值，并使用峰值探测法进行步态检测。此外，采用weinberg非线性步长估计模型来估计步长，并通过将磁力计和陀螺仪数据进行卡尔曼滤波融合来估计航向。最后，运用pdr算法推算行人的运动轨迹和相对位置。
12、步骤2，运用最小二乘拟合方法对uwb测距误差进行补偿，并排除突变的uwb测距值以减小非视距误差的影响。然后，基于扩展卡尔曼滤波建立uwb/pdr定位模型，并结合差分气压测高法获取高度信息，实现三维空间的定位。
13、步骤3，建立rtk/ins松组合定位模型，将rtk模块测量得到的位置、速度和姿态与ins解算得到的位置、速度和姿态的差值输入到卡尔曼滤波器中进行组合导航。
14、步骤4，根据gnss检测到的卫星数量和uwb信号的强度来判断室内外场景的切换。在室外环境下，采用rtk/ins松组合进行定位；在室内环境下，采用uwb/pdr/气压计进行定位；在室内外过渡区域，则采用pdr和气压计的组合进行定位。
15、进一步地，步骤1中，步态检测采用峰值探测法，步长估计采用weinberg非线性步长估计模型，通过卡尔曼滤波融合陀螺仪、磁力计数据来估计行人航向。
16、进一步地，步骤2中，uwb和pdr基于扩展卡尔曼滤波算法进行融合。以导航坐标系下的东方向和北方向位置坐标和速度作为系统状态量建立系统状态转移模型：
17、
18、式中，e和n分别代表东方向和北方向的位置坐标，ve和vn代表对应的两个方向的速度，ae和an代表对应的两个方向的加速度，t为采样间隔，α为航向角。
19、以uwb定位系统解算出的位置坐标和pdr定位算法估计的步长和航向角作为系统观测量，建立系统观测模型：
20、
21、式中，euwb和nuwb分别代表在东方向和北方向的uwb定位系统解算出的位置坐标，spdr是pdr定位估计的行人步长，αpdr是pdr定位估计的航向角。
22、根据建立好的组合定位模型和扩展卡尔曼滤波原理，可以得到系统的状态转移矩阵和观测矩阵：
23、
24、
25、进一步地，步骤2中，在基于扩展卡尔曼滤波算法融合uwb和pdr定位结果之前，采用最小二乘拟合法补偿uwb测距误差，采用一种基于测距值突变的非视距数据剔除方法剔除uwb测距值中的非视距数据。
26、进一步地，步骤3中，卡尔曼滤波的状态方程由15维状态量组成：
27、x＝[p v ψ ba bg]t
28、其中，p表示导航系统的三轴位置误差向量，v表示导航系统的三轴速度误差向量，ψ表示导航系统的三轴姿态误差向量，ba表示三轴加速度计偏置，bg表示三轴陀螺仪漂移误差。
29、卡尔曼滤波的状态方程的量测方程为：
30、
31、其中，pi和vi分别是惯性导航系统解算的位置和速度信息，而pg和vg分别是gnss接收机给出的位置和速度信息。下标enu代表东北天三个方向。
32、进一步地，步骤4中，当卫星数量大于等于4个时，定位系统通过将rtk和ins数据进行融合来获取目标位置；当检测到uwb基站个数大于等于3时，并且超宽带信号都比较强(uwb标签发送和接受的定位包功率大于-100dbm)，则选择采用uwb/pdr/气压计来解算目标位置；当卫星数小于4，uwb基站数也小于3或者超宽带信号比较弱时(即同时缺少rtk与uwb的场合)，可以使用imu获取的数据进行pdr定位再结合差分气压计提供的高度信息进行三维定位。
33、本发明与现有技术相比，其显著优点在于：
34、(1)本发明可以实现室内外连续三维定位。
35、(2)本发明通过采用最小二乘拟合法补偿uwb测距误差，基于测距值突变剔除非视距数据，并基于扩展卡尔曼滤波算法建立uwb/pdr定位模型，结合差分气压测高提供的高度信息，有效抑制了非视距误差的影响，提高了室内定位的精度。
36、(3)为了解决传统室内外定位由于信号缺失造成的定位不连续问题，本发明采用九轴惯性测量单元，在室内外过渡区域和气压计组合定位，实现室内外定位的平滑过渡。
1.一种基于rtk、uwb与ins的室内外定位系统，其特征在于，包括rtk模块、uwb模块、imu模块、气压计模块、电源模块、wifi无线模块、stm32主控单元；
2.一种基于rtk、uwb与ins的室内外定位方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的一种基于rtk、uwb与ins的室内外定位方法，其特征在于：步骤1中，步态检测采用峰值探测法，步长估计采用weinberg非线性步长估计模型，通过卡尔曼滤波融合陀螺仪、磁力计数据来估计行人航向。
4.根据权利要求2所述的一种基于rtk、uwb与ins的室内外定位方法，其特征在于：步骤2中，uwb和pdr基于扩展卡尔曼滤波算法进行融合。
5.根据权利要求2所述的一种基于rtk、uwb与ins的室内外定位方法，其特征在于：步骤2中，在基于扩展卡尔曼滤波算法融合uwb和pdr定位结果之前，采用最小二乘拟合法补偿uwb测距误差，采用一种基于测距值突变的非视距数据剔除方法剔除uwb测距值中的非视距数据。
6.根据权利要求2所述的一种基于rtk、uwb与ins的室内外定位方法，其特征在于：步骤3中，卡尔曼滤波的状态方程由15维状态量组成：
7.根据权利要求2所述的一种基于rtk、uwb与ins的室内外定位方法，其特征在于：步骤4中，当卫星数量大于等于4时，定位系统通过将rtk和ins数据进行融合来获取目标位置；当检测到uwb基站个数大于等于3时，且uwb标签发送和接受的定位包功率大于-100dbm，则选择采用uwb/pdr/气压计来解算目标位置；当卫星数小于4，uwb基站数也小于3且缺少rtk与uwb的场合，使用imu获取的数据进行pdr定位再结合差分气压计提供的高度信息进行三维定位。
