1. 组合导航概述：INS与GNSS的相爱相杀
各位同学好，我是老张。在导航领域摸爬滚打了十几年，今天咱们来聊聊组合导航的入门课——惯性导航系统（INS）和全球导航卫星系统（GNSS）这对"黄金搭档"。
说实话，我刚入行那会儿，总觉得INS和GNSS随便用一个不就完了？后来在某个车载项目里吃了大亏——纯惯导漂移得离谱，纯GNSS过个隧道就丢星。嗯，从那以后我才真正理解，为什么业界都在搞组合导航。
1.1 惯性导航系统（INS）的基本原理
INS的原理，说白了就是"猜"。
你从A点出发，用加速度计测出你走了多远，用陀螺仪测出你转了多少度，然后不断累加，就能算出你现在在哪儿。这就是所谓的航位推算。
核心公式（简化版）：
位置 = 初始位置 + ∫(速度)dt
速度 = 初始速度 + ∫(加速度)dt
姿态 = 初始姿态 + ∫(角速度)dt我在做无人机项目时遇到过一个问题：加速度计的数据噪声特别大，直接积分出来的速度简直没法看。后来加了低通滤波和零偏补偿，才算勉强能用。
1.2 INS的优缺点
| 优点 | 缺点 |
|---|---|
| 完全自主，不依赖外部信号 | 误差随时间累积（漂移） |
| 输出频率高（通常100Hz以上） | 初始对准需要时间 |
| 短时精度极高 | 成本与精度成正比 |
| 抗干扰能力强 | 长时间运行需要外部校正 |
避坑指南：我曾经在某个港口AGV项目里，用了低成本的MEMS惯导，结果半小时后位置漂了十几米。后来才明白——低成本IMU的零偏稳定性太差，必须频繁用外部观测来修正。
1.3 全球导航卫星系统（GNSS）的基本原理
GNSS的原理更直接——"三角测量"。
卫星告诉你它的位置和发射时间，你的接收机算出信号传播时间，乘以光速就得到距离。至少4颗卫星，就能解出三维位置和时间。
你想想看，卫星在2万公里高空，信号到地面也就0.07秒。这中间但凡有点大气延迟、多路径效应，误差就来了。
1.4 GNSS的优缺点
| 优点 | 缺点 |
|---|---|
| 全球覆盖，全天候 | 信号易被遮挡（隧道、高楼） |
| 长期精度稳定（无漂移） | 输出频率低（通常10Hz） |
| 成本相对较低 | 易受多路径、电离层干扰 |
| 提供绝对位置 | 动态环境下容易失锁 |
个人经验：在城市峡谷里做测试，GNSS的定位点经常跳来跳去。我习惯的做法是——把GNSS的协方差设大一点，让滤波器更信任INS的短时预测。
1.5 为什么需要组合导航？
说白了，INS和GNSS是互补的。
- INS：短时准，长时漂
- GNSS：长时稳，短时跳
组合导航的核心思想就是：用GNSS的绝对观测来修正INS的累积误差，用INS的高频输出来填补GNSS的更新间隙。
我记得有个自动驾驶项目，车辆在高速上跑，GNSS偶尔会丢几秒信号。如果没有INS撑着，定位直接就断了。有了INS，至少能维持几秒的精度，等GNSS恢复后再重新校准。
1.6 组合导航的经典架构
这里我画了一张图，帮你理清三种架构的关系：
1.7 三种架构的详细对比
松耦合（Loosely Coupled）
这是最直观的方式。GNSS输出位置和速度，INS输出位置、速度和姿态，两者在卡尔曼滤波器里做融合。
我在早期做车载导航时用的就是松耦合。好处是GNSS和INS可以独立工作，坏处是——如果GNSS只有3颗星，它自己解算不出来，那滤波器就收不到观测了。
紧耦合（Tightly Coupled）
紧耦合不直接用GNSS的位置，而是用原始的伪距和载波相位。INS先预测出伪距，然后和GNSS测得的伪距做差，送入滤波器。
你想想看，这样即使只有1颗卫星，也能提供观测信息。我在做高精度地图采集时，用的就是紧耦合，定位精度能到厘米级。
核心区别：
- 松耦合：用GNSS的输出（位置/速度）
- 紧耦合：用GNSS的原始观测（伪距/载波相位）
深耦合（Deeply Coupled）
深耦合是最"硬核"的方式。INS直接辅助GNSS接收机的跟踪环路，比如用INS预测的多普勒频移来帮助锁相环。
说实话，我接触深耦合的机会不多，只在某军工项目里见过。它的抗干扰能力确实强，但需要定制硬件，普通民用产品很少用。
1.8 我的选型建议
如果你刚开始做组合导航，我建议从松耦合入手。原因很简单：
- 代码实现相对简单，调试方便
- GNSS和INS可以独立验证
- 大部分场景下精度够用
等把松耦合吃透了，再考虑升级到紧耦合。至于深耦合——除非你有定制硬件的资源，否则先放一放。
小技巧：做松耦合时，记得给GNSS的观测加一个"有效性检查"。我遇到过GNSS输出明显跳变的情况，如果不做检查，滤波器直接就被带偏了。
好了，这一章的内容就到这里。INS和GNSS的基本原理、优缺点、三种耦合架构，都是后面学习因子图优化的基础。下一章我们会深入卡尔曼滤波，看看它到底是怎么把INS和GNSS揉在一起的。
公众号:蓝海资料掘金营，微信deep3321