关注我新建的公众号 搜索惯导学习或learnsins 大家一起来学习
惯导的速度是由积分而来，存在误差随时间的积累，而里程计的速度是直接测量量，其误差不随时间变化。由于这一特点，惯导与里程计的组合具有比纯惯性导航系统更高的精度，利用里程计的输出数据（速度或里程增量） 与惯导系统中的陀螺数据进行组合，来有效控制惯导误差随时间的增长。
我们以西工大严教授的matlab工具箱中的函数为例，来介绍两者的组合方法。有兴趣的可关注严老师博客
（1）数据来源
惯导及里程计数据的获取不是我现在需要关注的重点，只需要了解惯导数据及里程计数据格式
惯导：三个加速度计获取的比力值 （m/s²），三个陀螺获取的角速率或角增量（°/s °），采样间隔 s
里程计：速度 m/s 里程增量 m 采样间隔 s
(2) 惯导粗对准/精对准
系统对准是非常重要的环节，其意义在于确定系统所在的载体坐标系相对于导航坐标系的初始位置。
（静基座）常先用基于惯性系的位置算法进行粗对准，然后利用基于速度量测的Kalman滤波进行精对准（静基座下陀螺敏感到的速度可视为速度量测误差）
（惯导小车中的调转180度为双位置对准方法，实现对加计与陀螺零偏补偿，增加了对误差的可观测性）
（3）惯导及里程计初始化
精对准结束后，获得了失准角（实际载体坐标系与真值的差），速度，加计与陀螺零偏的最优估计值。再加上由外部系统（GPS或全站仪等）获取的位置及速度初值，完成惯导计算需要的一系列参数（包括姿态四元数初值，地球参数中的子午圈、卯酉圈半径，有害加速度等等）。
同样里程计计算出其初始姿态速度位置 及里程计坐标系与载体坐标系的转换矩阵等一系列参数。
（4）卡尔曼滤波初始化
image
。。。。。。。。。。。。。。。。。。。。
