NGHIÊN CỨU GIẢI PHÁP TÍCH HỢP HỆ THỐNGGNSS/INS TRÊN THIẾT BỊ THÔNG MINHỨNG DỤNG TRONG TRẮC ĐỊA - BẢN ĐỒLUẬN ÁN TIẾN SĨ KỸ THUẬT

Danh mục các thuật ngữ và từ viết tắtA-GNSS Hệ thống tăng cường GNSS - Assisted GNSS A-GPS Hệ thống tăng cường GPS - Assisted GPS Accelerometer Cảm biến gia tốc AHRS Hệ tham chiếu thế hư

TRẦN TRUNG CHUYÊN

NGHIÊN CỨU GIẢI PHÁP TÍCH HỢP HỆ THỐNG GNSS/INS TRÊN THIẾT BỊ THÔNG MINH ỨNG DỤNG TRONG TRẮC ĐỊA - BẢN ĐỒ

LUẬN ÁN TIẾN SĨ KỸ THUẬT

HÀ NỘI - 2018

TRẦN TRUNG CHUYÊN

NGHIÊN CỨU GIẢI PHÁP TÍCH HỢP HỆ THỐNG GNSS/INS TRÊN THIẾT BỊ THÔNG MINH ỨNG DỤNG TRONG TRẮC ĐỊA - BẢN ĐỒ

LUẬN ÁN TIẾN SĨ KỸ THUẬT Ngành: Kỹ thuật Trắc địa - Bản đồ

Mã số: 9520503

NGƯỜI HƯỚNG DẪN KHOA HỌC

1 PGS TS Nguyễn Trường Xuân

2 TS Đào Ngọc Long

HÀ NỘI - 2018

Lời cam đoan

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi Các số liệu,kết quả của luận án là trung thực và chưa từng được công bố trong bất kỳ côngtrình nào khác

Nghiên cứu sinh

Trần Trung Chuyên

Lời cảm ơn

Luận án tiến sĩ kỹ thuật này được chính phủ Việt Nam hỗ trợ một phầnkinh phí thông qua Đề án 911 và được thực hiện tại Bộ môn Đo ảnh và Viễnthám, Khoa Trắc địa - Bản đồ và Quản lý đất đai cùng sự hỗ trợ của Bộ mônTin học trắc địa, Khoa Công nghệ thông tin, sự hỗ trợ về mặt thủ tục của PhòngĐào tạo sau đại học, Trường đại học Mỏ - Địa chất, sự hỗ trợ trong thực nghiệmcủa Phòng thí nghiệm Địa tin học, Trường Đại học Mỏ - Địa chất, Phòng thínghiệm Vi cơ điện tử và Vi hệ thống, Trường Đại học Công nghệ - Đại học Quốcgia Hà Nội Tôi xin chân thành cảm ơn các đơn vị, tổ chức này đã giúp đỡ tôitrong thời gian nghiên cứu

Luận án sẽ không thể thực hiện nếu không có sự hướng dẫn, hợp tác và

hỗ trợ của một số cá nhân đã đóng góp rất nhiều cho việc chuẩn bị và hoànthành nghiên cứu này Trước hết tôi xin chân thành cảm ơn NGƯT.PGS.TS.Nguyễn Trường Xuân và TS Đào Ngọc Long đã trực tiếp tận tình hướng dẫn,giúp đỡ, luôn sẵn lòng và tạo mọi điều kiện thuận lợi cho tôi trong quá trìnhnghiên cứu Tôi rất biết ơn PGS.TS Đỗ Ngọc Đường và PGS.TS Đặng NamChinh đã giúp tôi có được ý tưởng ban đầu về đề tài nghiên cứu, chia sẻ cho tôinhiều kinh nghiệm và hiểu biết Tôi rất biết ơn PGS.TS Trần Đình Trí đã luônquan tâm và giúp đỡ tôi từ thời gian chuẩn bị cho đến khi hoàn thành luận án.Xin chân thành cảm ơn PGS.TS Trần Xuân Trường, PGS.TS Trần Vân Anh

và TS Trần Trung Anh về sự quan tâm sâu sắc, đã chỉ đạo sát sao, tạo điềukiện giúp đỡ tích cực và chia sẻ nhiều hiểu biết cho các nghiên cứu sinh Tôi biết

ơn GS.TSKH Phan Văn Lộc, TS Trần Thùy Dương đã chia sẻ cho tôi nhiềuhiểu biết liên quan đến nội dung nghiên cứu Xin chân thành cảm ơn PGS.TS.Nguyễn Văn Sáng, TS Đinh Công Hòa, PGS.TS Nguyễn Quang Phúc, PGS.TS.Nguyễn Văn Trung, TS Phạm Quốc Khánh, TS Nhữ Việt Hà, TS Đồng ThịBích Phương vì sự góp ý rất chân thành và thẳng thắn, giúp cho luận án của tôiđược hoàn thiện tốt hơn Xin chân thành cảm ơn GS.TS Trương Xuân Luận,

PGS.TS Phạm Vọng Thành, TS Diêm Công Hoàng, ThS Nông Thị Oanh về

sự giúp đỡ, động viên và hỗ trợ Tôi rất biết ơn GS.TS Bùi Tiến Diệu, làm việctại Geographic Information System Group, University of South-Easten Norway(USN) đã phản hồi, hợp tác và sáng tạo đã đóng góp rất nhiều cho nghiên cứucủa tôi Nhờ có TS Nguyễn Thị Mai Dung, TS Lê Hồng Anh, TS Dương ThànhTrung mà tôi được thường xuyên hợp tác trong nghiên cứu, trao đổi thảo luận

về các kết quả nghiên cứu của tôi Tôi rất biết ơn PGS.TS Trần Đức Tân, phótrưởng khoa Điện tử - Viễn thông, Trường ĐH Công nghệ - ĐHQG Hà Nội đãchia sẻ những hiểu biết sâu sắc, thảo luận và giải thích một số kết quả nghiêncứu của tôi

Tôi xin chân thành cảm ơn các nhà nghiên cứu: ThS Nguyễn Đình Chinhlàm việc tại Trường ĐH Công nghệ - ĐHQG Hà Nội đã giúp đỡ tôi trong quátrình sử dụng thiết bị thu thập dữ liệu hiệu chuẩn cảm biến; ThS Phạm AnhDũng làm việc tại Leica Geosystems, KS Phùng Thanh Tùng làm việc tại Công

ty CP thiết bị và khảo sát Việt Nam, ThS Đào Xuân Vương, ThS Nguyễn ĐứcHạnh làm việc tại Công ty CP Dịch vụ Thương mại Khảo sát Hà Đông và KS.Trần Hữu Đức đã giúp tôi trong xác định tuyến tham chiếu bằng công nghệRTK với máy thu Trimble R2; KS Nguyễn Đạt Quảng cùng KS Quách MạnhTuấn làm việc tại Công ty TNHH Máy đo đạc Miền Bắc và KS Bùi Tiến Dũng,

đã giúp tôi trong sử dụng UAV để bay chụp và xử lý ảnh khu vực thử nghiệm

Tôi xin cảm ơn tất cả các bạn của tôi vì đã có nhiều thời gian vui vẻ ngoàigiờ làm việc như hội lớp, các kỳ nghỉ, bóng đá, và những khoảnh khắc thư giãnkhác, để sau đó tôi có thể tập trung vào nghiên cứu được tốt hơn

Cuối cùng, tôi muốn nói lời cảm ơn đặc biệt tới vợ tôi Mai Ngọc Liên,con gái tôi Trần Mai Anh và con trai tôi Trần Trung Hiếu về tình yêu và sự cảmthông, cho phép tôi dành nhiều thời gian cho công việc nghiên cứu Tôi hết lòngbiết ơn bố mẹ tôi về tình yêu và sự cống hiến to lớn để tôi trưởng thành nhưngày hôm nay, cảm ơn các anh chị của tôi về tình yêu gia đình và sự quan tâmgiúp đỡ của họ cho công việc này

Mục lục

Lời cam đoan i

Lời cảm ơn ii

Danh mục các ký hiệu vii

Danh mục các thuật ngữ và từ viết tắt ix

Danh sách bảng x

Danh sách hình vẽ xi

Mở đầu 1

Tổng quan 6

1 Ước lượng sai số cảm biến quán tính của Smartphone 11

1.1 Tóm tắt 11

1.2 Giới thiệu 11

1.3 Mô hình sai số và bù nhiễu cảm biến 14

1.4 Hiệu chuẩn cảm biến quán tính 16

1.4.1 Giới thiệu 16

1.4.2 Kỹ thuật hiệu chuẩn cảm biến sáu vị trí 18

1.5 Phân tích và mô hình hóa dữ liệu cảm biến quán tính 26

1.5.1 Giới thiệu 26

1.5.2 Phương pháp luận 28

1.5.3 Phân tích nhiễu dùng phương sai Allan 31

1.5.4 Chất lượng ước lượng phương sai Allan 32

1.6 Kết luận 33

2 Tích hợp GNSS/INS trên Smartphone 34

2.1 Tóm tắt 34

2.2 Giới thiệu 34

2.3 Khái quát các hệ tọa độ và động học Trái Đất 35

2.3.1 Các hệ tọa độ được sử dụng 35

2.3.2 Động học Trái Đất 42

2.4 Hệ thống dẫn đường quán tính 49

2.5 Hệ thống định vị vệ tinh toàn cầu 53

2.6 Sử dụng Smartphone để xác định vị trí điểm 56

2.7 Xây dựng IMU trong Smartphone 57

2.7.1 Định hướng từ cảm biến tốc độ góc 58

2.7.2 Định hướng từ cảm biến gia tốc 59

2.7.3 Giải thuật định hướng kết hợp để xây dựng IMU 60

2.8 Tích hợp GNSS/INS trong Smartphone 61

2.8.1 Kiến trúc tích hợp 62

2.8.2 Xử lý dữ liệu với phép lọc Kalman mở rộng 67

2.9 Kết luận 71

3 Thực nghiệm và các kết quả 72

3.1 Hiệu chuẩn cảm biến quán tính 72

3.1.1 Môi trường thực nghiệm 72

3.1.2 Các kết quả và thảo luận 73

3.2 Phân tích và mô hình hóa dữ liệu cảm biến quán tính 79

3.2.1 Môi trường thực nghiệm 79

3.2.2 Các kết quả và thảo luận 79

3.3 Tích hợp GNSS/INS trên Smartphone 83

3.3.1 Môi trường thực nghiệm 83

3.3.2 Các kết quả và thảo luận 84

3.4 Ứng dụng trong Trắc địa - Bản đồ 87

3.4.1 Môi trường thực nghiệm 87

3.4.2 Khu vực thực nghiệm 88

3.4.3 Các kết quả và thảo luận 90

Kết luận và kiến nghị 93

Một số công trình đã công bố của tác giả 96

Bài báo tạp chí khoa học quốc tế SCIE 96

Bài báo tạp chí khoa học trong nước 96

Bài báo hội nghị khoa học quốc tế 96

Phần mềm ứng dụng di động App Store 96

Tài liệu tham khảo 97 Phụ lục I Phụ lục A Dữ liệu hiệu chuẩn cảm biến gia tốc II Phụ lục B Dữ liệu hiệu chuẩn cảm biến tốc độ góc III Phụ lục C So sánh các kết quả IV Phụ lục D Một số mã nguồn Matlab được phát triển VIII D.1 Mã nguồn mô-đun hiệu chuẩn cảm biến VIII D.2 Mã nguồn hàm bù nhiễu XIII D.3 Mã nguồn hàm tính trọng lực cục bộ XIII

Danh mục các ký hiệu

B Nhiễu bất ổn độ lệch (Bias Instability)

ˆVéc-tơ dữ liệu đầu ra của cảm biến gia tốc

f Véc-tơ gia tốc thực của cảm biến gia tốc

g Trọng trường cục bộ (Local gravity)

h Độ cao so với mực nước biển (Altitude hoặc Elevation)

H Độ cao so với mặt Ellipsoid (Height)

ι Kinh độ (Longitude)

µ Vĩ độ trắc địa (Latitude)

ˆ

ω Véc-tơ dữ liệu đầu ra của cảm biến tốc độ góc

ω Véc-tơ tốc độ góc thực của cảm biến tốc độ góc

ω e Tốc độ quay trái đất (Speed of the Earth’s Rotation)

N Nhiễu bước ngẫu nhiên (Random Walk)

R Nhiễu tỷ lệ răng cưa (Rate Ramp)

K Nhiễu tỷ lệ bước ngẫu nhiên (Rate Random Walk)

θ Góc chúc (Pitch)

Danh mục các thuật ngữ và từ viết tắt

A-GNSS Hệ thống tăng cường GNSS - Assisted GNSS

A-GPS Hệ thống tăng cường GPS - Assisted GPS

Accelerometer Cảm biến gia tốc

AHRS Hệ tham chiếu thế hướng - Attitude and Heading Reference SystemsAPI Giao diện lập trình - Application Programming Interface

Autonomous Tự chủ động (hay tự trị)

b-frame Hệ tọa độ vật thể

Beidou Hệ thống định vị vệ tinh khu vực độc lập do Trung Quốc điều hànhC6D Kỹ thuật hiệu chuẩn sáu vị trí - phương pháp trực tiếp

C6W Kỹ thuật hiệu chuẩn sáu vị trí - phương pháp có trọng số

C6X Kỹ thuật hiệu chuẩn sáu vị trí - phương pháp đề xuất

ECEF Hệ tọa độ vuông góc không gian địa tâm định vị Trái Đất - Centered, Earth-Fixed

Earth-ECI Hệ quy chiếu quán tính Trái Đất - Earth-Centered Inertial

EGNOS Dịch vụ lớp phủ định vị quốc tế Châu Âu - European GeostationaryNavigation Overlay Service

EKF Phép lọc Kalman mở rộng - Extended Kalman Filter

Galileo Hệ thống vệ tinh định vị toàn cầu do Liên minh Châu Âu và các đốitác phát triển

Gimbal Hệ INS có đế

GLONASS Hệ thống vệ tinh định vị toàn cầu do Nga điều hành

GNSS Hệ thống định vị vệ tinh toàn cầu - Global Navigation Satellite SystemsGPS Hệ thống định vị toàn cầu - Global Positioning System

Gyroscope Cảm biến tốc độ góc

IF Hệ quy chiếu quán tính - Inertial Frame

IMU Bộ đo quán tính - Inertial Measurement Unit

INS Hệ thống dẫn đường quán tính - Inertial Navigation System

KF Phép lọc Kalman - Kalman Filter

Magnetometer Cảm biến từ trường

MEMS Hệ thống vi cơ điện tử - Microelectromechanical systems

n-frame Hệ tọa độ địa phương

NHC Điều kiện ràng buộc “vận tốc không”- None - Holonomic ConstrainPitch Góc chúc

PSD Mật độ phổ công suất - Power Spectral Density

Quaternion Đại số quaternion

UAV Máy bay không người lái - Unmanned Aerial Vehicle

WAAS Hệ thống tăng cường diện rộng - Wide Area Augmentation SystemYaw Góc hướng

Danh sách bảng

Bảng 1.1 Đặc tính và cách xử lý các nguồn sai số của cảm biến 14

Bảng 1.2 Tổng hợp các mô hình hiệu chuẩn cảm biến quán tính 18

Bảng 1.3 Đặc tính các nguồn sai số ngẫu nhiên của cảm biến 32

Bảng 2.1 Cơ sở của giải pháp tích hợp GNSS/INS 61

Bảng 3.1 Dữ liệu đầu ra của cảm biến tại các vị trí hiệu chuẩn 73

Bảng 3.2 Các hệ số cảm biến gia tốc (C6D) 73

Bảng 3.3 Các hệ số cảm biến gia tốc (C6W) 73

Bảng 3.4 Các hệ số cảm biến tốc độ góc (C6D) 75

Bảng 3.5 Các hệ số cảm biến tốc độ góc (C6W) 75

Bảng 3.6 Các hệ số cảm biến gia tốc (C6W phương pháp đề xuất) 77 Bảng 3.7 Các hệ số cảm biến tốc độ góc (C6W phương pháp đề xuất) 77 Bảng 3.8 Độ lệch Allan của các cảm biến trong iPhone 6 Plus 81 Bảng 3.9 Ước lượng các nhiễu của cảm biến quán tính iPhone 6 Plus 81 Bảng 3.10 Độ chính xác định vị tích hợp GNSS/INS iPhone 6 Plus 84

Danh sách hình vẽ

Hình 1.1 Cảm biến chuyển động trên Smartphone 13

Hình 1.2 Mô hình hiệu chuẩn cảm biến tốc độ góc của Smartphone 20 Hình 1.3 Mô hình hiệu chuẩn cảm biến gia tốc của Smartphone 21

Hình 1.4 Lấy mẫu theo các cluster 28

Hình 1.5 Minh họa kết quả phân tích đường cong phương sai Allan 31 Hình 2.1 Hai hệ tọa độ trực giao 37

Hình 2.2 Các trục của hệ ECI 38

Hình 2.3 Các trục của hệ ECEF 39

Hình 2.4 Các trục của hệ N ED 40

Hình 2.5 Các trục của hệ vật thể b 42

Hình 2.6 Các góc Euler 44

Hình 2.7 Mô tả bài toán tư thế trong hệ Strapdown 46

Hình 2.8 Định hướng của hệ β so với hệ α xoay quanh trục αˆ r 47

Hình 2.9 Sơ đồ cơ bản của một hệ thống dẫn đường quán tính 49

Hình 2.10 Sơ đồ bộ xử lý dẫn đường quán tính 50

Hình 2.11 Sơ đồ khối phương trình định vị trong hệ ECI 51

Hình 2.12 Sơ đồ khối phương trình định vị trong hệ ECEF 52

Hình 2.13 Sơ đồ khối phương trình định vị trong hệ định vị cục bộ 53 Hình 2.14 Sử dụng tín hiệu của bốn vệ tinh để định vị 56

Hình 2.15 Nguyên lý định vị phổ biến các Smartphone (A-GNSS) 57 Hình 2.16 Sơ đồ khối bộ lọc định hướng xây dựng IMU 60

Hình 2.17 Kiến trúc tổng quát hệ thống tích hợp GNSS/INS trong Smartphone 63

Hình 2.18 Kiến trúc tích hợp GNSS/INS điển hình 64 Hình 2.19 Kiến trúc cải chính INS vòng lặp mở và vòng lặp đóng 65

Hình 2.20 Kiến trúc tích hợp GNSS/INS lỏng 66Hình 2.21 Sơ đồ khối tổng thể tích hợp GNSS/INS lỏng 67Hình 3.1 Dữ liệu đầu ra và bù nhiễu của cảm biến gia tốc 74Hình 3.2 Dữ liệu đầu ra và bù nhiễu của cảm biến tốc độ góc 76Hình 3.3 Sai số do độ lệch trục 77Hình 3.4 Sai số do hệ số tỷ lệ trên các trục 78Hình 3.5 Sự không trực giao của các trục cảm 78Hình 3.6 Đường cong Allan của cảm biến tốc độ góc iPhone 6 Plus 79Hình 3.7 Đường cong Allan của cảm biến gia tốc iPhone 6 Plus 80Hình 3.8 IMU của iPhone 6 Plus ở vị trí Zup 82Hình 3.9 So sánh lộ trình thử nghiệm 85Hình 3.10 So sánh lộ trình thử nghiệm bị gián đoạn tín hiệu GNSS 86Hình 3.11 Môi trường và các thiết bị tham gia thực nghiệm 87Hình 3.12 Lộ trình đo và khu vực thực nghiệm 88Hình 3.13 Hiệu chuẩn và ghi dữ liệu cảm biến quán tính 89Hình 3.14 Đo cập nhật tuyến đường giao thông bằng phần mềm 89Hình 3.15 Tuyến đường đo bằng GNSS của iPhone và Trimble R2 91Hình 3.16 Các vị trí thường bị gián đoạn tín hiệu vệ tinh 91Hình 3.17 Đoạn có sai số vị trí điểm GNSS trên iPhone lớn (1) 92Hình 3.18 Đoạn có sai số vị trí điểm GNSS trên iPhone lớn (2) 92Hình A.1 Dữ liệu hiệu chuẩn sáu vị trí của cảm biến gia tốc IIHình B.1 Dữ liệu hiệu chuẩn sáu vị trí của cảm biến tốc độ góc IIIHình C.1 So sánh sai số vận tốc IVHình C.2 So sánh sai số vị trí VHình C.3 So sánh vận tốc VIHình C.4 So sánh vị trí VII

Mở đầu

1 Tính cấp thiết của đề tài

Công tác Trắc địa - Bản đồ (TĐBĐ) bao gồm đo đạc và thể hiện thôngtin các đối tượng trên mặt đất làm cơ sở để thể hiện các thông tin khác gắn vớimặt đất Kể từ những năm 1960 ở Việt Nam, bản đồ đã được thành lập bằngphương pháp truyền thống bao gồm xây dựng mạng lưới khống chế tọa độ và

độ cao quốc gia làm cơ sở cho mọi công việc về đo vẽ và thành lập bản đồ gốcdựa trên các phép đo của máy đo chuyên dụng; in ra các bản sao của bản đồ

để sử dụng cho nhiều mục đích khác nhau Bên cạnh các công nghệ đo đạc độchính xác cao như các máy đo chuyên dụng, các thiết bị thu tín hiệu vệ tinh Hệthống định vị vệ tinh toàn cầu - Global Navigation Satellite Systems (GNSS) độchính xác cao và phần mềm chuyên dụng đắt tiền, nhiều nhiệm vụ đo đạc, khảosát không đòi hỏi phải sử dụng thiết bị hiện đại nêu trên, ví dụ như tìm điểm,khảo sát các tuyến đo đạc, thu thập thông tin thuộc tính các đối tượng địa lýtại thực địa Đối với các dạng công việc này, các yêu cầu dẫn đường, xác định

vị trí của các đối tượng quan tâm, thu thập, xử lý, lưu trữ và chia sẻ dữ liệu trởnên yêu cầu cấp bách Các tiện ích dẫn đường, xác định vị trí cũng có sẵn trongmáy đo GNSS tầm tay, tuy nhiên chúng là các thiết bị đắt tiền

Cùng với sự phát triển công nghệ, điện thoại thông minh, máy tính bảng,đồng hồ thông minh, gọi chung là thiết bị thông minh được ra đời đã trang bịhợp phần máy thu GNSS và các cảm biến [10, 19] Trong các thiết bị thông minh

kể trên thì Điện thoại thông minh (Smartphone), đối tượng của nghiên cứu nàyđược trang bị các thành phần trong đó có hệ điều hành, phần cứng định vị vàcác cảm biến, những thành phần này thường xuyên được cập nhật, nâng cấp

và cải thiện hiệu năng Một trong những yếu tố quan trọng của Smartphone làngười dùng có thể tận dụng phần cứng được trang bị sẵn, lập trình để tạo racác ứng dụng cài đặt vào Smartphone, làm cho Smartphone có thêm tính năng

như một thiết bị công nghệ mới để ứng dụng hiệu quả trong thực tế công tácTĐBĐ.

Việc giải quyết các nhiệm vụ dẫn đường, xác định vị trí, thu thập, lưu trữ

và xử lý và chia sẻ dữ liệu nhờ Smartphone sẽ là giải pháp có chi phí thấp hơn vìkhông phải mua thiết bị mở rộng; thân thiện hơn do Smartphone là thiết bị phổthông hầu như ai cũng có; tiện dụng hơn vì hầu như đi đâu chúng ta cũng mangtheo, dễ dàng tương tác với màn hình cảm ứng đa điểm, có kết nối Internet để

có thể gửi kết quả thu thập được về bộ phận làm nội nghiệp, hay chia sẻ dữliệu cho cộng sự; hiệu quả hơn vì có thể đọc và xử lý được dữ liệu ngay trênSmartphone Với giải pháp khoa học của đề tài luận án thì thiết bị thông minhSmartphone sẽ có thêm tính năng như một thiết bị mới với chi phí thấp, thânthiện, tiện dụng và hiệu quả để có thể ứng dụng trong công tác TĐBĐ

Để đánh giá khả năng ứng dụng của thiết bị thông minh trong TĐBĐ,NCS cùng cộng sự đã tận dụng phần cứng GNSS được trang bị sẵn để lập trìnhphần mềm định vị tọa độ và thu thập dữ liệu thực địa, tính chuyển tọa độ theo

hệ quy chiếu và lưới chiếu bản đồ, đồng thời làm thực nghiệm định vị xác địnhtọa độ các điểm, tuyến đường và đánh giá độ chính xác vị trí điểm thu đượcbằng iPhone Kết quả độ chính xác định vị tọa độ của iPhone và máy GPS cầmtay chuyên dụng là tương đương, công trình khoa học này đã được NCS và cộng

sự công bố trong bài báo tạp chí khoa học quốc tế SCIE và phân phối 02 ứngdụng trên App Store

Trên thực tế, phần cứng định vị GNSS được trang bị sẵn trên Smartphone

ở thời điểm 2009 và hiện tại 2017 chưa có sự thay đổi đáng kể về công nghệ nên

độ chính xác định vị tọa độ chưa cao [1, 58] Vì vậy, phạm vi ứng dụng củaSmartphone trong TĐBĐ còn hạn chế, cần có những nghiên cứu để cải thiện độchính xác định vị tọa độ của Smartphone

Độ chính xác định vị GNSS của Smartphone phụ thuộc vào một số yếu

tố chính như phần cứng định vị GNSS, khả năng thu nhận tín hiệu vệ tinh, kỹ

thuật và giải pháp định vị Để cải thiện độ chính xác định vị trên Smartphone

để xây dựng hệ thống tích hợp GNSS/INS sẽ là giải pháp khoa học phù hợp dokhông phải trang bị thêm bất kỳ thiết bị hay phần cứng mở rộng nào

2 Mục đích, đối tượng và phạm vi nghiên cứu

• Mục đích của luận án này là nghiên cứu giải pháp tích hợp GNSS/INS trênSmartphone để cải thiện độ chính xác định vị tọa độ

• Đối tượng nghiên cứu là GNSS, Hệ thống dẫn đường quán tính - InertialNavigation System (INS) trên Smartphone; cảm biến gia tốc và cảm biếntốc độ góc của Smartphone

• Phạm vi nghiên cứu là nâng cao độ chính xác định vị tọa độ của Smartphoneứng dụng trong một số công tác TĐBĐ

3 Phương pháp nghiên cứu

Phương pháp nghiên cứu của luận án dựa trên nghiên cứu lý thuyết kếthợp thực nghiệm có đảm bảo bằng các kiến thức, nền tảng toán học chặt chẽ,phát triển phần mềm và mô phỏng thực nghiệm để kiểm chứng đảm bảo độ tincậy, tham khảo ý kiến chuyên gia trong lĩnh vực Điện tử viễn thông, Công nghệthông tin và TĐBĐ

4 Ý nghĩa khoa học và thực tiễn của đề tài

• Ý nghĩa khoa học

– Bổ sung về lý thuyết định vị tích hợp GNSS/INS trên Smartphone.– Đưa ra cơ sở khoa học và giải pháp tích hợp GNSS/INS trên Smartphoneứng dụng trong TĐBĐ

• Ý nghĩa thực tiễn

– Những công bố khoa học về độ chính xác định vị sử dụng Smartphone

sẽ góp phần giảm chi phí mua sắm thiết bị chuyên dụng có độ chínhxác tương đương

– Rút ngắn thời gian, giảm chi phí cấu thành sản phẩm Đo đạc - Bản đồ.– Đã nâng cao được độ chính xác định vị trên Smartphone bằng cách tíchhợp GNSS/INS

– Mở ra hướng nghiên cứu thực nghiệm bài toán tích hợp GNSS/INS vớichi phí thấp và dễ áp dụng

– Mở ra khả năng tính toán và chế tạo bộ thu GNSS/INS tại Việt Nam

5 Các luận điểm bảo vệ và điểm mới của luận án

• Các luận điểm khoa học

– Luận điểm 1: Smartphone có trang bị phần cứng GNSS đáp ứng cácyêu cầu dẫn đường và xác định vị trí đối tượng địa lý với độ chính xáctương đương máy đo GNSS cầm tay

– Luận điểm 2: Ước lượng sai số cảm biến quán tính của Smartphone

là giải pháp phù hợp cho bài toán tích hợp GNSS/INS để nâng cao độchính xác định vị tọa độ trên Smartphone

• Các điểm mới của luận án

– Đề xuất phương pháp chuẩn hóa ảnh hưởng của tốc độ quay Trái Đấtlên các trục của cảm biến tốc độ góc cho kỹ thuật hiệu chuẩn khôngcần thiết bị tham chiếu ngoài nhằm giải quyết vấn đề tốc độ quay TráiĐất bị lẫn trong nhiễu của cảm biến chi phí thấp và các cảm biến quántính được trang bị sẵn trên thiết bị thông minh.

– Mô-đun chức năng hiệu chuẩn cảm biến quán tính được lập trình để cóthể thực hiện trực quan ngay trên Smartphone theo thời gian thực giúp

dễ dàng hiệu chuẩn ở thực địa và kiểm tra trước khi tiến hành đo.– Phần mềm định vị GPS và thu thập dữ liệu thực địa được phát triểnhoàn thiện trên nền tảng iOS để ứng dụng trong Trắc địa - Bản đồ

6 Kết cấu luận án

Luận án gồm mở đầu, tổng quan, 3 chương, kết luận kiến nghị về nhữngnghiên cứu tiếp theo, danh mục công trình công bố của tác giả, danh mục tàiliệu tham khảo và phụ lục Toàn bộ nội dung luận án được trình bày trong 132trang, trong đó nội dung chính gồm 104 trang, 50 hình và đồ thị, 14 bảng biểu,

60 tài liệu tham khảo

7 Cơ sở tài liệu

Luận án được xây dựng dựa trên cơ sở tài liệu từ nguồn chính thức quốc

tế đã công bố như ISI, Scopus và các hãng công nghệ như Apple Inc., GoogleInc., InvenSense Inc., Qualcomm Technologies, Inc., Chipworks Inc và các dữliệu thực nghiệm của đề tài luận án

Tổng quan

Smartphone đang làm thay đổi cuộc sống của hàng triệu người dùng trêntoàn thế giới do có nhiều ứng dụng sáng tạo cho nhiều lĩnh vực đồng thời có thểthu nhận, lưu trữ, cập nhật và xử lý dữ liệu như một chiếc máy tính cá nhân haymáy tính xách tay [2] Do Smartphone có khả năng xử lý dữ liệu và hiệu năngnhư một chiếc máy vi tính, đồng thời được trang bị sẵn nhiều cảm biến [22, 25,

27], nên có thể lập trình để tạo ra các ứng dụng, làm cho Smartphone có thêmtính năng như một thiết bị mới Việc tạo ra các ứng dụng chuyên ngành trênSmartphone sẽ giúp tiết kiệm chi phí bởi vì không phải mua một thiết bị chuyêndụng có độ chính xác tương đương, tạo điều kiện tiếp cận thông tin nhanh hơn[6] Nhiều nghiên cứu ứng dụng thành công của Smartphone trong các lĩnh vựcnhư nông nghiệp [59], địa chất [20], quản lý nước [42], quản lý lưu lượng giaothông [8], giáo dục môi trường [50], y học [35] Trong khoa học Trái Đất đã cómột số công trình nghiên cứu sau:

Jones và cộng sự [58], đã tiến hành đánh giá độ chính xác vị trí điểmmặt bằng của một số Smartphone phổ biến sử dụng Hệ thống tăng cường GPS

- Assisted GPS (A-GPS) Các Smartphone được chọn thử nghiệm là đại diệncủa các thế hệ khác nhau Dữ liệu tọa độ vị trí điểm được thu thập bằng cáchcho các sinh viên tình nguyện sử dụng Smartphone của họ để định vị và so sánhvới các điểm chuẩn được đo bằng phương pháp RTK Mục tiêu của họ là tạo

ra một kết quả ban đầu về độ chính xác định vị của Smartphone làm cơ sở chocác nghiên cứu tiếp theo Kết quả đánh giá độ chính xác cho thấy sai số vị tríđiểm mặt bằng trung bình trên tất cả các loại Smartphone được thử nghiệm

là ±67.47feet (khoảng ±20m) Sai số trung phương vị trí điểm mặt bằng chotất cả các sản phẩm được thử nghiệm sử dụng hệ điều hành iOS (iPhone 4) là

±44.79feet (khoảng ±14m), trong khi sai số trung phương vị trí điểm mặt bằngcho tất cả các sản phẩm được thử nghiệm sử dụng hệ điều hành Android là

±207.25feet (khoảng ±63m)

Julián Tomaˇstík Jr và cộng sự [45], đã đánh giá độ chính xác vị trí điểmGNSS thu được từ Smartphone cho thu thập và sử dụng dữ liệu không giantrong rừng cùng với thiết bị GNSS chuyên dụng khác Việc đánh giá độ chínhxác được tiến hành tại 74 điểm trong một khu rừng, cây lá kim hỗn hợp (trongmùa lá non và lá rụng) cùng 17 điểm trong điều kiện khu vực thoáng Các trạm

đo bằng máy kinh vĩ dùng làm tài liệu tham chiếu cho tất cả các vị trí điểm Độchính xác vị trí của ba Smartphone (mỗi một loại với hai phiên bản hệ điều hànhkhác nhau) được dùng để so sánh với thiết bị chuyên dụng Sai số trung phương

vị trí điểm dao động từ ±4.96m đến ±11.45m trong mùa lá rụng và ±1.90m đến

±2.36mtrong điều kiện khu vực thoáng Sự khác biệt về độ chính xác vị trí điểmgiữa các mùa là không đáng kể, trong khi sự khác nhau giữa trong rừng và khuvực thoáng là đáng quan tâm Sự khác biệt giữa các thiết bị là đáng quan tâmtrong điều kiện mùa lá rụng, thiết bị chuyên dụng có độ chính xác vị trí điểmcao hơn nhiều so với tất cả các thiết bị còn lại trong tất cả các trường hợp thửnghiệm Một thử nghiệm khác, Smartphone được sử dụng để định vị và đo diệntích rừng bị thiệt hại do gió Các kết quả thu được từ GNSS của Smartphonecho thấy diện tích và trữ lượng gỗ có độ chính xác cao hơn so với việc ước lượngbằng thị giác Nhìn chung, các kết quả cho thấy rằng Smartphone hiện nay cóthể được sử dụng thành công cho một số nhiệm vụ trong quản lý rừng, nơi có

độ chính xác vị trí điểm không phải là ưu tiên cao nhất

Những nghiên cứu trên chỉ sử dụng một hợp phần GNSS trang bị sẵntrong Smartphone và các nghiên cứu để nâng cao độ chính xác là ít thực hiện.Mặc dù là một công nghệ phổ biến và độ chính xác ngày càng cao, song khôngphải lúc nào định vị GNSS cũng có hiệu quả, đặc biệt trong môi trường tín hiệu

bị mất như: trong đường hầm, trong các con hẻm; hoặc khi tín hiệu kém vànhiễu như: khu đô thị, khu rừng, đã làm cho việc định vị dẫn đường bằngGNSS không được liên tục và ảnh hưởng đến độ chính xác Để giải giải quyết vấn

đề trên, việc nghiên cứu tích hợp GNSS/INS đã được thực hiện thành công vàtương đối hoàn thiện cho một số lĩnh vực trên các sản phẩm thương mại chuyên

dụng [43], và GNSS/INS tích hợp vào bộ thu LiDAR [14], hệ thống thành lậpbản đồ di động [7], cải thiện độ chính xác của các thông số định hướng thu đượctrong thời gian mất tín hiệu GPS sử dụng các phương pháp khác nhau [56],triển khai tích hợp GPS/INS trên phần cứng PC-box thời gian thực [54], nângcao độ chính xác hệ thống dẫn đường tích hợp GNSS/INS, mô hình hóa dữ liệucảm biến quán tính Grewal và cộng sự cũng đã tái bản lần thứ 3 cuốn sách nói

về GNSS, INS và tích hợp [41], cuốn sách cung cấp kiến thức cả về lý thuyết

và thực tiễn các hệ thống GNSS, INS và bộ lọc Kalman cùng các mô hình tíchhợp của chúng Trong cuốn sách này, các tác giả đề cập đến những thuộc tính

lý thuyết quan trọng thường bị bỏ qua trong quá trình xử lý giúp giải quyếtvấn đề thực tiễn một cách hiệu quả Groves [15], xuất bản cuốn sách giới thiệu

về các hệ thống định vị và hệ thống định vị tích hợp, mô tả các nguyên lý hoạtđộng của vệ tinh, quán tính, và nhiều công nghệ định vị khác, cả về chất lượnglẫn toán học, cung cấp chi tiết về định vị tích hợp

Khả năng tích hợp GNSS/INS trên Smartphone là hoàn toàn khả thi khi

mà các Smartphone đã được trang bị các cảm biến quán tính [22, 27] Vấn đềtích hợp GNSS/INS cho Smartphone mới được xem xét trong vài năm lại đây,một số công trình khoa học tiêu biểu sẽ được tóm tắt sau đây:

Schindhelm và cộng sự [29], đã nghiên cứu khả năng sử dụng iPhone cho

hệ thống dẫn đường quán tính, nghiên cứu này khảo sát quỹ đạo di chuyển củaiPhone quanh một vòng tròn 1 mét Kết quả là, có sự cải thiện độ chính xáckhi áp dụng bộ lọc Tuy nhiên, các thử nghiệm đã cho thấy ngay cả với việc sửdụng bộ lọc thì việc xây dựng một INS chính xác trên Smartphone là một tháchthức rất lớn khi mà Smartphone được trang bị các cảm biến phổ thông với tỷ lệnhiễu lớn Đối với việc thử nghiệm trên iPhone 4, tác giả cho rằng kết quả chấpnhận được trong một thời gian ngắn, nhưng sau đó độ lệch quá cao do nhiễucảm biến Các tác giả cho rằng, họ đang thực hiện một bộ lọc Kalman đa chiều

để cải thiện độ chính xác Hạn chế của nghiên cứu này là chưa chỉ ra được ảnhhưởng của các loại nhiễu cảm biến và giải pháp khắc phục

Trong nghiên cứu của Xiaoji và cộng sự [38], về sử dụng các cảm biếnquán tính của iPhone cho dẫn đường ô-tô, các tác giả bài báo đã cho rằng haicảm biến trên iPhone 4 thực sự là một IMU hoàn chỉnh và có thể có đủ tínhnăng của một INS nhằm hỗ trợ xác định vị trí của điện thoại, tức là một hệthống dẫn đường tích hợp GPS/INS có thể được áp dụng Họ đã nghiên cứu ýtưởng sử dụng cảm biến quán tính trong iPhone 4 của tập đoàn Apple để tạo

ra hệ thống tích hợp GPS/INS cho định vị dẫn đường ô-tô Các kết quả của bàibáo này chỉ ra rằng các cảm biến quán tính của iPhone 4 có thể được dùng chomục đích định vị dẫn đường ô-tô Nếu được hiệu chuẩn phù hợp, các cảm biến

có đủ tính năng để được coi như một IMU cho dẫn đường quán tính, và có thểtăng cường cho định vị GPS bằng cách hàn gắn những gián đoạn tín hiệu GPSngắn và làm giảm những sai số thô của định vị GPS Nghiên cứu này cũng đềxuất một số hướng mở để phát triển trong tương lai như: cải thiện việc thu nhận

dữ liệu để bảo đảm độ ổn định lấy mẫu và độ chính xác đồng bộ hóa thời gian;nên sử dụng tọa độ GPS đơn điểm có độ nhạy cao trong iPhone và việc điềuchỉnh thông số phù hợp cần phải được thực hiện dựa trên các bộ dữ liệu thửnghiệm trên đường theo khối; các góc lệch trục lắp đặt của iPhone trên bảngđiều khiển ô-tô phải được ước lượng một cách tự động, và giải thuật phù hợpcần được phát triển; tích hợp GPS/INS có thể được cải thiện hơn nữa bằng cáchđưa vào nhiều hơn các thông tin hỗ trợ (ví dụ như cảm biến từ trường, cảm biến

áp suất, đồng hồ công-tơ-mét, v.v), và có thể được mở rộng tới các tình huốngdẫn đường khác, như là đối với xe máy và các thuyền nhỏ Mặc dù các tác giả

đã chỉ ra được sự ảnh hưởng của nhiễu hệ thống trên các cảm biến và đã đưa

ra giải pháp khắc phục bằng cách hiệu chuẩn cảm biến nhưng không được trìnhbày trong bài báo Các tác giả cũng chưa đề cập đến ảnh hưởng của nhiễu ngẫunhiên trên các cảm biến và phương pháp xác định chúng

Cũng trong một nghiên cứu khác của Xiaoji và cộng sự [37], đã đề xuất

ý tưởng về việc sử dụng Smartphone được trang bị sẵn các cảm biến quán tínhlàm các thiết bị thực nghiệm về công nghệ định vị dẫn đường quán tính Trong

nghiên cứu của mình, các tác giả bài báo đã thiết kế một loạt các bài thựcnghiệm chỉ sử dụng Smartphone mà không dùng bất cứ thiết bị chuyên dụngnào khác.

Mohammed EL-Diasty và cộng sự [12], khẳng định rằng việc triển khaimột hệ thống định vị dẫn đường tích hợp GNSS/INS chủ yếu được đặc trưngbởi IMU trong việc làm giảm sự gián đoạn tín hiệu GNSS, nghĩa là chúng phụthuộc vào sai số do cảm biến quán tính gây ra và sai số của cảm biến quán tínhbao gồm sai số hệ thống và sai số ngẫu nhiên Nói chung, các sai số hệ thống cóthể được ước lượng bằng việc hiệu chuẩn để loại bỏ khỏi dữ liệu thô Các sai sốngẫu nhiên có thể được nghiên cứu bằng các quá trình ngẫu nhiên tuyến tínhhoặc bậc cao

Qua phân tích, đánh giá và bàn luận về các công trình đã công bố liênquan mật thiết đến đề tài, đặc biệt là các công trình của Xiaoji và cộng sự [37,

38] đã đề xuất các hướng nghiên cứu để phát triển trong tương lai cùng phátbiểu của Mohammed EL-Diasty và cộng sự [12], vấn đề còn tồn tại mà luận án

sẽ phải tập trung giải quyết là xác định các nguồn sai số và thành phần sai sốcủa cảm biến quán tính gây ra Để giải quyết vấn đề sai số cảm biến quán tínhcần phải dựa vào mô hình nhiễu trên cảm biến quán tính Mô hình nhiễu trêncảm biến quán tính đã được chỉ ra trong các tài liệu [12, 15, 39,41, 46], trong đó

có thành phần nhiễu thống kê gây nên sai số ngẫu nhiên và thành phần nhiễutất định gây ra sai số hệ thống Cách tiếp cận và lựa chọn hướng giải quyết củaluận án là: (1) Hiệu chuẩn cảm biến quán tính của Smartphone để xác định cácthành phần nhiễu tất định gây nên sai số hệ thống Các thành phần nhiễu tấtđịnh sẽ được sử dụng để bù vào dữ liệu đầu ra của cảm biến; (2) Phân tích và

mô hình hóa dữ liệu cảm biến quán tính của Smartphone để xác định các thànhphần nhiễu thống kê gây nên sai số ngẫu nhiên Các thành phần nhiễu thống

kê sẽ được sử dụng để đưa vào bài toán lọc định hướng AHRS và bài toán tíchhợp GNSS/INS Nội dung chính mà luận án cần phải giải quyết tập trung vàoChương 1 sẽ được trình bày trong luận án

Chương 1 Ước lượng sai số cảm biến quán tính của

Smartphone

1.1 Tóm tắt

Chương này giải quyết vấn đề ước lượng các thành phần sai số do cảmbiến quán tính gây ra và ảnh hưởng đến khả năng của Bộ đo quán tính - InertialMeasurement Unit (IMU) trong INS Phân tích và đề xuất phương pháp giúpgiải quyết những vấn đề còn tồn tại của các nghiên cứu trước đây Phần thựcnghiệm và bàn luận được trình bày ở Chương 3

1.2 Giới thiệu

Hệ thống tích hợp GNSS/INS đã được sử dụng rộng rãi trong nhiều ứngdụng định vị và định hướng Việc tích hợp GNSS/INS chủ yếu được đặc trưngbởi khả năng của IMU để làm giảm sự gián đoạn cũng như cải thiện độ chínhxác của GNSS Khả năng của IMU cơ bản phụ thuộc vào sai số của cảm biếnquán tính Sai số của cảm biến quán tính bao gồm các thành phần hệ thống vàngẫu nhiên Thành phần hệ thống có thể ước lượng bằng hiệu chuẩn để loại bỏkhỏi dữ liệu thô của cảm biến Thành phần ngẫu nhiên có thể được nghiên cứubằng các quá trình ngẫu nhiên tuyến tính hoặc phi tuyến bậc cao, xác định các

hệ số sai số ngẫu nhiên đặc trưng của cảm biến quán tính Các mô hình ngẫunhiên này sẽ sử dụng cho bộ lọc định hướng như bộ lọc Kalman để cung cấpước lượng tối ưu các giá trị của IMU [12]

Một IMU bao gồm cảm biến gia tốc, cảm biến tốc độ góc, có thể thêmcảm biến từ trường và một thiết bị bổ sung giúp thu nhận, xử lý tính toán

dữ liệu cảm biến để xác định tư thế và hướng Các IMU chuyên dụng cho INS

thường có giá thành khá cao (từ vài chục đến vài trăm ngàn đô la Mỹ/bộ), dẫnđến việc nghiên cứu, sử dụng các thiết bị này vẫn còn rất hạn chế ở Việt Nam.Ngược lại, các IMU sử dụng cảm biến chi phí thấp (từ vài trăm đến vài nghìn

đô la Mỹ/bộ) thì độ chính xác vẫn chưa đủ tin cậy do sai số đến từ các cảmbiến quán tính Các nghiên cứu sử dụng cảm biến chi phí thấp cho xây dựngIMU và bài toán tích hợp GNSS/INS [12, 37–39], đều đã chỉ ra rằng, các cảmbiến chi phí thấp nếu được hiệu chuẩn phù hợp, thì có thể triển khai một IMU

có đủ tính năng để được coi như một IMU cho INS

Trên các Smartphone, đã có một IMU được xây dựng sẵn cho mục đíchgiải trí, chúng được tích hợp ngay trong bộ xử lý chuyển động của phần cứngthiết bị, do đó việc can thiệp để hiệu chuẩn cảm biến cho IMU được xây dựng sẵn

là không thể thực hiện được Tuy nhiên, Smartphone vẫn được cung cấp Giaodiện lập trình - Application Programming Interface (API) cho các nhà phát triểnphần mềm để đọc dữ liệu thô từ các cảm biến quán tính với băng thông lớnnhất là 100 Hz Nghĩa là có thể triển khai một IMU khác ở tầng ứng dụng choINS từ dữ liệu của các cảm biến quán tính sau khi đã được hiệu chuẩn phù hợp

Cảm biến gia tốc đo gia tốc (sự thay đổi vận tốc theo thời gian) của thiết

bị dọc theo ba trục, như thể hiện ở Hình 1.1 (a) Cảm biến tốc độ góc đo tốc độquay của thiết bị quanh mỗi ba trục không gian, như thể hiện ở Hình 1.1 (b).Như vậy, hệ trục ở Hình 1.1 chính là hệ trục IMU của Smartphone Các cảmbiến quán tính được trang bị sẵn trên Smartphone có kích thước nhỏ, nhẹ, có

độ nhạy cao và tiêu thụ ít điện năng [21–23, 25–27] Chúng được sử dụng chínhtrong các ứng dụng giải trí nhằm nâng cao trải nghiệm người dùng Các cảmbiến này đã sử dụng thành công trong một số ứng dụng như: Sức khỏe - ứngdụng theo dõi sức khỏe thông qua hoạt động được cài đặt sẵn trên Smartphone,iHandy hay Bubble Level - ứng dụng thay thế ống bọt thủy, Labyrinth - tròchơi điều khiển viên bi lăn qua các lỗ, hay GeoCompass - ứng dụng thay thế địabàn để đo hướng dốc và thế nằm của đá Mặc dù các cảm biến quán tính trongSmartphone có độ nhạy cao nhưng chúng luôn tồn tại một lượng sai số đáng kể

xử lý các sai số được thể hiện ở Bảng 1.1.

Nguồn sai số của cảm biến gia tốc và cảm biến tốc độ góc bao gồm haithành phần: phần hằng số (hay nhiễu tất định) và phần thống kê (hay nhiễungẫu nhiên) [36] Phần tất định sẽ gây nên sai số hệ thống cho INS, chúng baogồm: các độ lệch, các hệ số tỷ lệ và sự không trực giao của các trục cảm Phầnngẫu nhiên sẽ ảnh hưởng đến việc ước lượng độ cao vị trí, vận tốc và tư thế củaINS Việc xử lý nhiễu tất định sẽ được thực hiện bởi kỹ thuật hiệu chuẩn vàloại bỏ chúng khỏi dữ liệu thô Đối với nhiễu thống kê sẽ sử dụng kỹ thuật phântích và mô hình hóa dữ liệu cảm biến để xác định các thành phần sai số ngẫunhiên [13] Các thành phần sai số ngẫu nhiên của cảm biến sẽ được đưa vào môhình sai số của INS để ước lượng bằng bộ lọc Kalman hoặc AHRS [34]

Bảng 1.1: Đặc tính và cách xử lý các nguồn sai số của cảm biến

Sai số Đặc tính Cách xử lý (loại bỏ / giảm thiểu)

Tất định Thống kê Hiệu chuẩn Mô hình hóa

1.3 Mô hình sai số và bù nhiễu cảm biến

Nếu Véc-tơ gia tốc thực của cảm biến gia tốc (f) và Véc-tơ tốc độ gócthực của cảm biến tốc độ góc (ω) là những trị thực thì Véc-tơ dữ liệu đầu racủa cảm biến gia tốc (ˆ) và Véc-tơ dữ liệu đầu ra của cảm biến tốc độ góc (ω ˆ)

sẽ được viết dưới dạng mô hình toán học tiêu chuẩn như sau [12]:

ˆ

f ≈ [I + S a + δSa]f + ba+ δba+ wa (1.1)ˆ

ω ≈ [I + S g + δS g ]ω + b g + δb g + w g (1.2)với:

tỉ lệ (các phần tử thuộc đường chéo chính) và hệ số chéo trục do yếu tố không

trực giao của các trục cảm (các phần tử không thuộc đường chéo chính) tươngứng của cảm biến gia tốc và cảm biến tốc độ góc, b a và b g là các độ lệch củacảm biến gia tốc và cảm biến tốc độ góc, δS a vàδS g là ma trận sai số các thànhphần hệ số tỷ lệ (các phần tử thuộc đường chéo chính) và sai số hệ số chéo trục

do yếu tố không trực giao của các trục cảm (các phần tử không thuộc đườngchéo chính) tương ứng của cảm biến gia tốc và cảm biến tốc độ góc, δb a và δb g

là các sai số độ lệch của cảm biến gia tốc và cảm biến tốc độ góc, w a và w g làđại diện cho các tạp nhiễu của các cảm biến

Thành phần độ lệch có hai đặc tính gồm đặc tính tất định và đặc tínhthống kê như thể hiện ở Bảng 1.1 Đặc tính tất định của độ lệch là hằng số độclập với giá trị thực của cảm biến, đại lượng này sẽ gây nên sai số hệ thống choIMU Đặc tính thống kê của độ lệch hay còn gọi là bất ổn độ lệch, đặc tính này

sẽ gây nên sai số ngẫu nhiên cho IMU [15] Độ lệch sẽ được hiệu chuẩn để xácđịnh đặc tính tất định và phương pháp phân tích và mô hình hóa dữ liệu cảmbiến để xác định đặc tính thống kê

Thành phần hệ số tỷ lệ và yếu tố không trực giao của trục cảm chỉ cóđặc tính tất định, do đó có thể xác định bằng kỹ thuật hiệu chuẩn Như vậy, kỹthuật hiệu chuẩn phải xác định được tất cả các yếu tố tất định của sai số docảm biến gây ra

Mô hình bù nhiễu cảm biến sẽ xây dựng dựa trên phương trình 1.1 và 1.2.Sau khi xác định được độ lệch và hệ số tỷ lệ, dữ liệu cảm biến sẽ được bù nhiễutheo công thức 1.3 và 1.4

1.4 Hiệu chuẩn cảm biến quán tính

1.4.1 Giới thiệu

Hiệu chuẩn được biết đến như là một cách thức cơ bản để loại bỏ sai số

hệ thống, nội dung được ghi lại trong các tài liệu của Salychev [49], và Titterton[55] Trong các cảm biến quán tính thì hiệu chuẩn là để loại bỏ nhiễu tất định[40], tức là so sánh giá trị đo được với một giá trị tham chiếu chuẩn đã biết Vềvấn đề hiệu chuẩn cảm biến, trên thế giới đã có một số công trình liên quan đếnhiệu chuẩn cảm biến quán tính được đề xuất Đáng chú ý có các công trình sau:

Stancin và cộng sự [52], đã đề xuất kỹ thuật hiệu chuẩn đối với các cảmbiến gia tốc và cảm biến tốc độ góc 3D công nghệ vi cơ điện tử để cải thiện hiệuquả về mặt thời gian và độ phức tạp tính toán Kỹ thuật này dựa trên số lượngnhỏ các phép đo nhất định được dùng để xác định các giá trị của 12 thông sốhiệu chuẩn cho mỗi cảm biến Mô hình này giả định rằng các giá trị đo được

từ cảm biến bằng với hình chiếu của giá trị đo được trên các trục cảm của cảmbiến Các tác giả cũng chỉ ra hạn chế của kỹ thuật này là hiệu lực của nó đốivới cảm biến tốc độ góc không biểu hiện ngay lập tức đồng thời chưa được kiểmchứng trên thực tế một cách trực quan

Sun và cộng sự [53], đã thử nghiệm một kỹ thuật hiệu chuẩn mới cho hệINS không đế Strapdown Ưu điểm chính của kỹ thuật này là không yêu cầu bất

kỳ hệ thống căn chuẩn đắt tiền nào Bài báo này đưa ra kết quả thử nghiệm đốivới gia tốc kế thì độ lệch, hệ số tỷ lệ và tính không trực giao của các trục cảm

có thể được xác định khi sử dụng các kỹ thuật của họ Hạn chế của kỹ thuậtnày là chỉ có duy nhất độ lệch được hiệu chuẩn đối với gia tốc kế và chưa đượckiểm chứng trên thực tế một cách trực quan

Trong nghiên cứu của Saeedi và cộng sự [48], cho rằng hiệu chuẩn tĩnhsáu vị trí là một trong những kỹ thuật hiệu chuẩn thường được sử dụng nhất

Rogers [44], cho rằng các loại nhiễu hệ thống ảnh hưởng rất lớn đến kết

quả định vị của hệ thống định vị tích hợp GNSS/INS.

Poddar và cộng sự [47], đã tiến hành một cuộc khảo sát đối với các kỹthuật hiệu chuẩn khác nhau đã được thực hiện kể từ năm 1995 trở lại đây nhằmước lượng các thành phần sai số Các mô hình hiệu chuẩn được thảo luận dướihai góc độ, đó là, hiệu chuẩn với thiết bị chuyên dụng và hiệu chuẩn mà khôngcần bất kỳ thiết bị chuyên dụng nào Các tác giả đã có một bài đánh giá ngắn

về các mô hình hiệu chuẩn cảm biến quán tính dựa trên quan sát, kết quả đượcthể hiện ở Bảng 1.2, tiếp theo là bàn luận chỉ ra những thiếu sót và những việccần làm tiếp theo trong lĩnh vực hiệu chuẩn cảm biến quán tính Các tác giảbài báo đã chỉ ra rằng, mặc dù một số công trình đã được thực hiện trong lĩnhvực hiệu chuẩn cảm biến quán tính, nhưng một bộ giải pháp hoàn chỉnh để giảiquyết hầu hết các vấn đề hiệu chuẩn là chưa có, vẫn còn đó một phạm vi lớn đểnghiên cứu cải thiện ở các khía cạnh khác nhau của vấn đề hiệu chuẩn

Nhìn chung, ngoài kỹ thuật hiệu hiệu chuẩn cảm biến sử dụng thiết bịchuyên dụng ra, kỹ thuật hiệu chuẩn cảm biến không sử dụng thiết bị chuyêndụng hiện nay đều có những hạn chế nhất định là không thể khắc phục được

hệ số tỷ lệ và sự không trực giao của các trục cảm đối với cảm biến tốc độ góc.Trong nghiên cứu này, phương pháp đề xuất sẽ khắc phục tất cả các hạn chếcủa các phương pháp đã nêu Cơ sở của kỹ thuật hiệu chuẩn và phương pháp

đề xuất được trình bày ở mục 1.4.2

Bảng 1.2: Tổng hợp các mô hình hiệu chuẩn cảm biến quán tính [ 47 ]

TT Tác giả Thành phần sai số Cảm biến Yêu cầu thiết bị hiệu chuẩn và bàn luận

b s m A G Thiết bị Bàn luận

1 Ferraris và cộng sự X X X X Không Không xác định được m

2 Lotters và cộng sự X X X Không Không xác định được m, G

3 Shin and El-Sheimy X X X X X Không Độ chính xác của G không tốt

4 Bachmann và cộng sự X X X X Không Không xác định được m

5 Skog và cộng sự X X X X X Bàn xoay Yêu cầu bàn quay

6 Jurman và cộng sự X X X X X Không Điều kiện ban đầu phải chính xác

7 Fong và cộng sự X X X X X Không Không xác định được m và s của G

8 Zhang và cộng sự X X X X X Không Không xác định được m và s của G

9 Bonnet và cộng sự X X X X Không Không hiệu chuẩn được G

10 Frosio và cộng sự X X X X Không Không hiệu chuẩn được G

11 Olivares và cộng sự X X X X Bánh xe Không xác định được m

12 Zhang và cộng sự X X X X X Bàn xoay Yêu cầu bàn quay

13 Won and Golnaraghi X X X Không Không xác định được m, G

14 Cheuk và cộng sự X X X X X Không Không xác định được m và s của G

15 Forsberg và cộng sự X X X X Không Không hiệu chuẩn được G

16 Cai và cộng sự X X X X Không Không hiệu chuẩn được G

17 Metge và cộng sự X X X X X Không Không xác định được m và s của G

18 Xiaoming và cộng sự X X X X Không Không hiệu chuẩn được G

19 Li và cộng sự X X X X X Không Không xác định được m và s của G

Ghi chú: b—độ lệch; s—hệ số tỷ lệ; m—yếu tố không trực giao; A—cảm biến gia tốc; G—cảm biến tốc độ góc.

1.4.2 Kỹ thuật hiệu chuẩn cảm biến sáu vị trí

a) Cơ sở lựa chọn kỹ thuật hiệu chuẩn

Quá trình hiệu chuẩn cho một cảm biến quán tính là một tập hợp các kỹthuật được quy định rõ ràng để xác định các sai số hệ thống bao gồm độ lệch,

hệ số tỷ lệ, và sự không trực giao của các trục cảm [47], tức là so sánh dữ liệuđầu ra của bộ cảm biến với một tham chiếu được biết trước để ước lượng các hệ

số sai số Theo phân loại của Poddar và cộng sự [47], kỹ thuật hiệu chuẩn cảmbiến quán tính có thể được chia thành hai loại: (a) các kỹ thuật hiệu chuẩn đòi

hỏi phải có thiết bị chính xác cùng các thiết lập thử nghiệm trong phòng thínghiệm và (b) các kỹ thuật hiệu chuẩn không cần bất kỳ thiết bị chính xác nào.

Các kỹ thuật hiệu chuẩn truyền thống thường sử dụng thiết bị chính xác

để làm tham chiếu cùng các thiết lập thử nghiệm trong phòng thí nghiệm Các

kỹ thuật hiệu chuẩn không dùng thiết bị chính xác được chia thành hai nhánhnhỏ là kỹ thuật hiệu chuẩn sử dụng nhiều vị trí và kỹ thuật hiệu chuẩn sử dụngphép lọc Kalman [47]

Cơ sở khoa học của kỹ thuật hiệu chuẩn không cần bất kỳ thiết bị chínhxác nào là sử dụng sự ảnh hưởng của tín hiệu vật lý Trái Đất kết hợp trên ba

trục cảm như Trọng trường cục bộ (Local gravity) (g) làm tham chiếu cho cảm

biến gia tốc, Tốc độ quay trái đất (Speed of the Earth’s Rotation) (ω e) làm thamchiếu cho cảm biến tốc độ góc và từ trường Trái Đất để làm tham chiếu cho cảmbiến từ trường

Trong nhánh kỹ thuật hiệu chuẩn sử dụng nhiều vị trí thì kỹ thuật hiệuchuẩn sáu vị trí được cho là phù hợp với cảm biến chi phí thấp do độ đáng tincậy và thực hiện đơn giản [12] Do đó, nghiên cứu này sử dụng kỹ thuật hiệuchuẩn cảm biến sáu vị trí để áp dụng cho hiệu chuẩn cảm biến Smartphone

Tuy nhiên, theo El Diasty và cộng sự [12], những cảm biến quán tính chiphí thấp thì phải dùng bàn quay chuyên dụng để hiệu chuẩn cảm biến tốc độgóc do giá trị của ω e nhỏ và thường bị lẫn trong nhiễu của cảm biến tốc độ góc.Điều này là đúng trong quan sát cũng như thống kê của Podda trong Bảng 1.2

Để giải quyết vấn đề ω e bị lẫn trong nhiễu của cảm biến tốc độ góc chiphí thấp như phát biểu của El Diasty, nghiên cứu này đã đề xuất một phươngpháp chuẩn hóa sự ảnh hưởng củaω e lên trục cảm của cảm biến tốc độ góc cho

kỹ thuật hiệu chuẩn cảm biến tốc độ góc không cần thiết bị tham chiếu chínhxác áp dụng cho Smartphone

b) Hiệu chuẩn cảm biến tốc độ góc

Đối với cảm biến tốc độ góc, việc xoay trục cùng chiều kim đồng hồ lầnlượt 1/2 vòng sẽ tách được thành phần vận tốc quay trái đất trong dữ liệu đầu

ra của cảm biến tốc độ góc [49, 55]

Mặt phẳng chiếu

North

Hình 1.2: Mô hình hiệu chuẩn cảm biến tốc độ góc của Smartphone

c) Hiệu chuẩn cảm biến gia tốc

Cơ sở lý thuyết của kỹ thuật này là tại một vị trí, gia tốc trọng trường

do lực hấp dẫn tác động lên một vật là như nhau, do đó việc sử dụng hai hướngluân phiên của trục cảm biến gia tốc sẽ tách được thành phần gia tốc trọngtrường cục bộ trong dữ liệu đầu ra của cảm biến gia tốc Các hệ thống quántính được gắn trên một mặt cân bằng và các trục X,Y,Z của cảm biến lần lượthướng lên trên và xuống dưới sao cho cùng phương với phương của gia tốc trọngtrường cục bộ, tương ứng các trục còn lại Y,Z,X lần lượt hướng đến trục quayTrái Đất theo các cặp (a)(b), (c)(d), (e)(f ) của Hình 1.3

Hình 1.3: Mô hình hiệu chuẩn cảm biến gia tốc của Smartphone

(a) Trục X cùng phương nhưng ngược hướng với g, trục Y hướng đến trục quay Trái Đất; (b) Trục

X cùng phương và cùng hướng với g, trục Y hướng đến trục quay Trái Đất; (c) Trục Y cùng phương nhưng ngược hướng g, trục Z hướng đến trục quay Trái Đất; (d) Trục Y cùng phương và cùng hướng với g, trục Z hướng đến trục quay Trái Đất; (e) Trục Z cùng phương nhưng ngược hướng với g, trục

X hướng đến trục quay Trái Đất; (f) Trục Z cùng phương và cùng hướng với g, trục X hướng đến

trục quay Trái Đất.

d) Kỹ thuật hiệu chuẩn sáu vị trí trực tiếp - C6D

Nếu bỏ qua yếu tố không trực giao của các trục cảm thì kỹ thuật này đơngiản trong tính toán Để hiệu chuẩn gia tốc và tốc độ góc đối với trục X, trong

kỹ thuật này, độ lệch và hệ số tỷ lệ được ước lượng nhưng không thể xác địnhđược yếu tố không trực giao của các trục cảm

Bước 1: Tiến hành đo ˆvàω ˆ cho trục X theo phương trình:

ˆX

u | k = (1 + S XX a + δS XX a )(−g) + b x a + δb x a + w x a (1.5)ˆ

ω X u | k = (1 + S XX g + δS XX g )(ω e sin µ) + b x g + δb x g + w x g (1.6)

ˆX

d | k = (1 + S XX a + δS XX a )(g) + b x a + δb x a + w x a (1.7)ˆ

ω X d | k = (1 + S XX g + δS XX g )(−ω e sin µ) + b x g + δb x g + w x g (1.8)trong đó:X u nghĩa là trường hợp trụcX của IMU trong Smartphone hướng lêntrên, Xd nghĩa là trường hợp trục X của IMU trong Smartphone hướng xuốngdưới, k là thời điểm lấy mẫu, g là trọng lực cục bộ tại vị trí thử nghiệm, ω e làtốc độ quay của trái đất, µ là vĩ độ tại vị trí thử nghiệm

Bước 2: Tính giá trị trung bình của ˆvà ω ˆ tại thời điểm k:

h ˆ fXui = (1 + S XX a )(−g) + b x a (1.13)hˆω X u i = (1 + S XX g )(ω e sin µ) + b x g (1.14)

h ˆ fXdi = (1 + S XX a )(g) + b x a (1.15)hˆω X d i = (1 + S XX g )(−ω e sin µ) + b x g (1.16)

Bước 3: Ước lượng độ lệch và hệ số tỷ lệ theo công thức sau:

thuật định vị dẫn đường thì g được ước tính theo công thức trọng lực quốc tế

có hiệu chỉnh độ cao thủy chuẩn [51]

e) Kỹ thuật hiệu chuẩn sáu vị trí có trọng số - C6W

Trong kỹ thuật này, tất cả độ lệch, hệ số tỷ lệ và hệ số chéo trục đượcước lượng từ sáu vị trí hiệu chuẩn Nội dung trình bày trong phần này là hiệuchuẩn cảm biến gia tốc, đối với cảm biến tốc độ góc được thực hiện tương tựnhư đối với cách đã áp dụng cho cảm biến gia tốc [12] Phần mã nguồn hiệuchuẩn cả hai cảm biến được trình bày ở Phụ lục D.1 bằng ngôn ngữ lập trìnhMatlab R2016b

Bước 1: Khi trục X hướng lên trên, gia tốc theo các trục được ước lượngtheo phương trình:

(1.21)

Bước 2: Khi trục X hướng xuống dưới, gia tốc theo các trục được ướclượng theo phương trình:

(1.26)

Tập hợp các phương trình 1.21, 1.22, 1.23, 1.24, 1.25, 1.26 sẽ có 18 phươngtrình đối với mỗi cảm biến Lúc này phương trình hiệu chuẩn cảm biến đượcbiểu diễn dưới dạng ma trận như sau:

ˆ

trong đó:

P = σ02P1

là ma trận trọng số 6x6, σ20 là phương sai (thường làm đơn vị σ 0 = 1) và P là

ma trận hiệp phương sai, các phần tử bao gồm chênh lệch giá trị lấy mẫu củacảm biến cho các phần tử đường chéo và số 0trong các phần tử không chéo Kỹthuật C6W cho cảm biến tốc độ góc cũng được thực hiện theo phương pháp số

bình phương nhỏ nhất như đối với cảm biến gia tốc nhưng 18 giá trị trung bình

h ˆ f icủa cảm biến gia tốc được thay bằng 18 giá trị trung bình hˆωi của cảm biến

tốc độ góc, và trọng lực cục bộ g được thay bằng ω e sin µ Phần thực nghiệmđược trình bày ở Chương 3

1.5 Phân tích và mô hình hóa dữ liệu cảm biến quán tính

1.5.1 Giới thiệu

Phương sai Allan [3], là một phương pháp dùng để xác định sự ổn địnhcủa tần số trong các bộ dao động bằng cách phân tích chuỗi dữ liệu trong miềnthời gian Phương pháp này được sử dụng phổ biến và hiệu quả để xác định cácloại nhiễu khác nhau tồn tại trong dữ liệu cảm biến quán tính [11, 18] Phươngsai Allan thể hiện sai số trung phương của độ lệch ngẫu nhiên như một hàmtrung bình cộng thời gian Phương pháp này thường được áp dụng cho các cảmbiến quán tính do tính toán đơn giản, phù hợp để áp dụng đối với các cảm biếnquán tính trên Smartphone đồng thời xác định được nhiều thành phần nhiễu làđặc tính tiềm ẩn của quá trình ngẫu nhiên [36] Trong phần này, phương phápphân tích phương sai Allan sẽ được sử dụng để xác định các thông số nhiễu ngẫunhiên trong mô hình hóa các nhiễu của cảm biến quán tính trong Smartphone

Thiết bị đo quán tính IMU gắn trên một phương tiện di chuyển (như tênlửa, máy bay, xe cộ) thông thường sẽ cho dữ liệu đầu ra là gia tốc và tốc độ góccủa phương tiện trên ba trục của IMU, những thông tin này sẽ được kết hợp

để thu được tư thế, vận tốc, vị trí của phương tiện Phép đo bằng IMU thườngchịu ảnh hưởng chính bởi các nguồn sai số của cảm biến quán tính bao gồm haithành phần là nhiễu tất định và nhiễu ngẫu nhiên như đã đề cập ở mục 1.4 Quátrình sử dụng giải thuật kết hợp trong IMU sẽ làm cho các sai số trên được tíchlũy dẫn tới sai lệch cho kết quả tư thế, vận tốc và vị trí của phương tiện Việc

áp dụng một thành phần sai số trung phương duy nhất cho IMU sẽ ít hữu íchcho cảm biến quán tính do tạp nhiễu trên cảm biến quán tính có nhiều thành