1. 项目概述
在导航定位领域，EKF（扩展卡尔曼滤波）与INS（惯性导航系统）、GPS的松组合导航技术一直是工程实践中的核心解决方案。作为一名在导航算法领域深耕多年的工程师，我见证了这项技术从实验室走向大规模商用的全过程。今天我想从最接地气的NED（北东地）坐标系视角，和大家聊聊状态更新与坐标系选择那些事儿。
第一次接触这个系统是在2013年参与某型无人机导航系统研发时。当时团队在测试中发现，单纯依赖GPS在市区峡谷环境中定位误差可达20米以上，而纯惯性导航的漂移问题更是让人头疼。正是那次经历让我深刻认识到松组合导航的价值——它就像给系统装上了"双重保险"，GPS提供绝对位置参考，INS保证短时精度，EKF则是那个聪明的"调解员"。
2. 核心技术解析
2.1 EKF在松组合中的核心作用
EKF在这里扮演着"数据融合大师"的角色。与标准卡尔曼滤波不同，EKF通过泰勒展开处理非线性问题，这对包含三角函数和平方根运算的导航方程至关重要。在实际工程中，我通常这样构建状态向量：
code复制x = [φ λ h v_n v_e v_d φ θ ψ b_a_x b_a_y b_a_z b_g_x b_g_y b_g_z]^T
其中前9项是导航参数（经纬度、高度、北东地速度、横滚俯仰偏航角），后6项是IMU的加速度计和陀螺仪零偏。这个18维状态向量的设计经过了多次迭代验证——太简单会导致模型误差大，太复杂又增加计算负担。
提示：实际部署时，零偏项的噪声参数需要根据IMU型号精心调整。某次项目中使用消费级IMU时，我将加速度计零偏过程噪声设为1e-5 (m/s^2)/√Hz，而工业级IMU可以设为1e-6。
2.2 坐标系选择的工程考量
坐标系之争在导航界从未停歇。经过多个项目验证，NED坐标系在以下场景表现突出：
- 无人机导航（特别是固定翼机型）
- 车载导航（尤其在高纬度地区）
- 船舶导航（与海图系统天然兼容）
相比ECEF（地心地固）系，NED的微分方程更简洁，且直接输出当地水平面参数。记得在某次极地科考项目中，使用ECEF系导致俯仰角计算出现奇异值，而切换到NED后问题迎刃而解。
坐标系转换的关键代码如下（Python示例）：
python复制def ecef2ned(pos_ecef, ref_pos):
# 计算相对于参考点的ENU坐标
lat, lon, alt = ref_pos
R = np.array([
[-sin(lon), cos(lon), 0],
[-sin(lat)*cos(lon), -sin(lat)*sin(lon), cos(lat)],
[cos(lat)*cos(lon), cos(lat)*sin(lon), sin(lat)]
])
return R @ (pos_ecef - ref_pos_ecef)
2.3 状态更新的实战技巧
状态更新周期是另一个容易踩坑的点。通过大量实测发现：
- GPS更新率通常1-10Hz
- IMU更新率可达100-1000Hz
- 最佳实践是采用多速率EKF架构
在某智能农机项目中，我们这样设计：
mermaid复制graph TD
A[IMU 200Hz] --> B[预测步骤]
C[GPS 5Hz] --> D[更新步骤]
B --> E[状态估计]
D --> E
这种架构既保证了实时性，又避免了高频GPS带来的功耗问题。实测显示，在GPS短暂失锁5秒时，位置误差仍能控制在0.5米内。
3. 实现细节与参数调优
3.1 噪声参数的黄金法则
经过数十个项目验证，总结出这些经验参数：
| 参数类型 | 典型值范围 | 调整技巧 |
|---|---|---|
| 加速度计测量噪声 | 0.01-0.05 m/s² | 动态场景取上限 |
| 陀螺仪测量噪声 | 0.005-0.02 rad/s | 温度变化大时增加20% |
| GPS位置噪声 | 1.5-3.0米 | 视PDOP值动态调整 |
| GPS速度噪声 | 0.1-0.3 m/s | 高速运动时适当放宽 |
某次教训：在港口AGV项目中，最初将GPS速度噪声设得过紧（0.05m/s），导致系统在集装箱遮挡下频繁发散。后来改为自适应调整策略，稳定性大幅提升。
3.2 初始对准的工程窍门
静初始对准是保证精度的关键第一步。我们的标准流程：
- IMU静置至少30秒（消费级需2分钟）
- 采集100个GPS位置点求平均
- 用平均重力矢量估算初始姿态
- 零偏初值设为上次关机前最后记录值
实测表明，这种方法可使初始航向误差控制在1°以内。有个小技巧：在车载应用中，利用首次运动方向辅助初始航向估计，能进一步将误差减小到0.5°。
4. 典型问题排查指南
4.1 位置发散的诊断步骤
当出现导航漂移时，建议按以下流程排查：
- 检查GPS原始数据质量（SNR、卫星数）
- 验证IMU数据是否连续（检查时间戳间隔）
- 重放数据时关闭预测步骤，观察纯GPS轨迹
- 检查坐标系转换环节的正负号
曾遇到一个经典案例：某无人机在飞行中突然出现东向漂移。最终发现是NED到ECEF转换时漏掉了负号，导致EKF持续"纠正"一个不存在的误差。
4.2 高度通道的特殊处理
高度估计是最脆弱的环节，我们的解决方案：
- 气压计辅助（需温度补偿）
- 地形数据库匹配（固定翼适用）
- 零速修正（地面车辆专用）
在某个山地无人机项目中，单纯依赖GPS高度导致起伏误差达15米。引入气压计后，通过设计如下观测方程：
code复制h_obs = α·h_gps + (1-α)·h_baro
其中α根据GPS的VDOP动态调整，最终将误差控制在3米内。
5. 进阶优化方向
对于追求极致性能的场景，可以考虑：
- 惯性传感器误差在线标定
- 基于运动约束的观测增强（如车辆非完整约束）
- 多源融合（视觉/激光雷达辅助）
- 抗差卡尔曼滤波（应对GPS欺骗）
在最近的自动驾驶项目中，我们采用紧组合方案（原始观测量融合），将定位精度从1.5米提升到了0.3米。但要注意，这会显著增加计算复杂度，需要根据硬件能力权衡。