在智能交通、汽車駕駛等生命安全領域，特別是復雜的城市環境中，迫切需要高精度、高可靠性的導航定位服務。雖然與GNSS/INS松組合相比，GNSS RTK/INS緊組合可以利用GNSS原始觀測數據提高組合定位的精度和可靠性，但仍然受到多徑效應等城市挑戰環境的影響。因此，故障檢測與剔除(FDE)算法是實現GNSS/INS組合導航質量控制的前提和保證。受隨機樣本一致性(RANSAC)算法在GNSS故障檢測中的應用啟發，我們提出了一種基于RANSAC的GNSS RTK/INS緊組合故障檢測與剔除方法，構建了基于站間單差的GNSS RTK/INS緊組合模型。

    RANSAC算法最早由Fischler and Bolles提出，并被廣泛應用于計算機視覺領域。它能夠在包含多粗差和小粗差的樣本點中，通過迭代的方式提取出離群點與最佳模型。目前RANSAC算法主要應用于單個GNSS觀測信息的故障檢測和排除，同時已有研究應用RANSAC算法解決GNSS/INS松組合故障檢測問題。但是，現有方法尚未解決兩個關鍵問題：(1)子集構建所需最小衛星數量；(2)慣導信息在子集構建中的輔助作用，造成計算效率較低和故障識別精度較差的問題。
    受RANSAC在GNSS定位解決方案中的應用啟發，我們將RANSAC應用于GNSS RTK/INS緊組合，以實現高精度和高可靠的組合導航與定位?；赗ANSAC的在GNSS RTK/INS緊組合故障檢測與剔除方法的特點如下:
1. 設計了一種基于接收機間單差(BRSD)的GNSS RTK/INS緊組合方案(見圖1)。該方案將接收機鐘差建模進行在線估計，同時可以減少諸如衛星相關誤差和大氣誤差等GNSS誤差的影響，實現充分利用更多可用的GNSS觀測數據。
2. 提出了一種基于RANSAC的GNSS RTK/INS緊組合故障檢測與剔除方法(見圖2)。該方法發揮慣性導航信息的輔助作用，可直接利用2顆衛星作為子集樣本，同時在典型的RANSAC算法中引入了全局比例統計方法以保證故障檢測精度。

圖 1 基于站間單差的GNSS RTK/INS緊組合算法

圖 2 基于RANSAC的GNSS RTK/INS緊組合故障檢測與剔除算法流程圖

    本工作從子集選擇、內點判斷、子集迭代等方面分析了基于RANSAC的GNSS/INS緊組合故障檢測方法的關鍵參數，并將故障全局比例統計擴展到典型的RANSAC算法中，提高了故障檢測的準確性。實測開闊環境GNSS周跳模擬實驗結果表明：本方法能夠有效地檢測小故障和多故障，0.5周和1~3周的周跳檢測率分別約為70%和90%；復雜典型城市環境車載綜合測試結果表明:GNSS/INS緊組合更適合城市復雜環境，且本文基于RANSAC的故障檢測與剔除方法在綜合場景下北向和東向位置精度(以CDF95計算)平均提高了45%和42%(見圖3)。另外，本工作基于RANSAC的故障檢測方法可進一步應用于多傳感器信息融合，但需進一步完善閾值設置優化方案，以確保故障檢測精度及普適性。

圖 3 城市復雜環境GNSS RTK/INS緊組合導航性能表現
(TC1:基于新息抗差, TC2:基于RANSAC抗差)

相關成果發表在IEEE TIV上，可在團隊網站(i2nav.cn)的“研究成果-學術論文”列表中下載。（Link）

相關閱讀
[1] Quan Zhang, Huan Lin, Longyang Ding, Qijin Chen, Tisheng Zhang and Xiaoji Niu, “RANSAC-Based Fault Detection and Exclusion Algorithm for Single-Difference Tightly Coupled GNSS/INS Integration,"IEEE Transactions on Intelligent Vehicles, doi: 10.1109/TIV.2023.3342274.
[2] 林歡，GNSS RTK/INS車載輔助緊組合關鍵算法研究，碩士論文（第三、五章），武漢大學，2022.