自动驾驶建图定位之RTK简介
2024-12-11 来源:elecfans
一、RTK基本概念
实时动态差分法(Real-time kinematic,RTK,载波相位差分技术):基准站通过数据链将其载波观测量及站坐标信息一同传送给用户站。
用户站接收GPS卫星的载波相位与来自基准站的载波相位,组成相位差分观测值进行处理,计算后给出厘米级的定位结果。
RTK系统主要由三部分组成:
基准站(差分源)
差分数据通信链(网络,电台,3G/4G等)
用户站(终端)
二、RTK误精度分析
1、移动站和基站观测到的共同卫星数:RTK精确定位要求要求移动站与基站观测到5颗以上同样的多频段卫星才能实现RTK固定解,观测到越多的卫星就能越快速的得到RTK固定解。
2、移动站和基站距离:移动站与基站之间的距离有要求,低纬度地区的基站有效覆盖距离小,高纬度地区的距离远;随着移动站与基站的距离增加,误差会越来越大。
三、RTK解的形式
1、单点解:是RTK在工作的时候移动站和基准站互相不能联系,接收机未使用任何差分改正信息计算的3D坐标。
2、差分解:是有信号,但由于各种原因,比如卫星数量太少或移动站位置太远,导致交汇数据精确度非常低,一般偏差有几米或者十几二十米。
3、浮点解:精度相对高一点,但其精度一般是不可靠的,定位精度可接近于固定解或到达20-30cm,在城市中获取的一般是浮点解。
4、固定解:是最精确的数据,精度一般在3-5cm

相关文章
- 智驾定型之战:一文看透自动驾驶“端到端”的底层逻辑与架构演进
- 美光预测:L4 自动驾驶汽车将需超 300GB 内存
- 时间同步如何让自动驾驶感知系统认知统一?
- 美光 CEO:L4 级自动驾驶普及后,一辆车所需的内存将超 300GB
- Arm成立物理AI事业部后,负责人首次亮相中国
- 英伟达自动驾驶三大核心技术升级,拉上车企组建L4联盟
- GTC2026 | 比亚迪、吉利、五十铃和日产采用 NVIDIA DRIVE Hyperion 开发 L4 级自动驾驶汽车
- 自动驾驶又提速了?英伟达在GTC 2026放出一套“全家桶”方案
- 比亚迪、吉利、五十铃和日产采用 NVIDIA DRIVE Hyperion 开发 L4 级自动驾驶汽车
- 加速 L4 级自动驾驶落地:英伟达携手比亚迪、吉利等车企,提升汽车“智商”
- 嵌入式的风向变了:2026纽伦堡嵌入式展透露这些趋势
- 高通确认不在GDC 2026发布新款骁龙G系列掌机处理器SoC
- 行业评论 从工具到平台:如何化解跨架构时代的工程开发和管理难题
- 面向嵌入式部署的神经网络优化:模型压缩深度解析
- 摩尔线程MTT S5000全面适配Qwen3.5三款新模型
- Mujoco中添加Apriltag标签并实现相机识别教程
- 阿里达摩院发布玄铁C950,打破全球RISC-V CPU性能纪录
- 英飞凌与宝马集团携手合作,基于Neue Klasse架构塑造软件定义汽车的未来
- 物理AI仿真新突破:摩尔线程与五一视界共建全栈国产化生态
- 爆火的OpenClaw! 告别云端,米尔RK3576开发板本地部署
热门新闻
- 边缘计算主机盒选购指南:五大核心指标解析
- Arm AGI CPU 更多细节:台积电 3nm 制程、Neoverse V3 微架构
- Arm AGI CPU 重磅发布:构筑代理式 AI 云时代的芯片基石
- Arm 拓展其计算平台矩阵,首次跨足芯片产品
- 阿里达摩院发布RISC-V CPU玄铁C950,首次原生支持千亿参数大模型
- 边缘 AI 加速的 Arm® Cortex® ‑M0+ MCU 如何为电子产品注入更强智能
- 阿里达摩院发布玄铁C950,打破全球RISC-V CPU性能纪录
- VPU中的“六边形战士”:安谋科技Arm China发布“玲珑”V560/V760 VPU IP
- 利用锚定可信平台模块(TPM)的FPGA构建人形机器人安全
最新频道文章




