1. 地形导航概述：地形辅助导航的基本原理、应用场景、系统组成与工作流程
大家好，我是老张。干导航这行十几年了，今天咱们聊聊地形辅助导航。说实话，这玩意儿在圈内有个外号叫「贴地飞行的眼睛」。你想想看，飞机或者导弹在低空飞行时，GPS 信号容易被遮挡或干扰，这时候靠什么？靠的就是脚下这片大地本身。
我最早接触这个领域是在一个无人机项目上。当时甲方要求飞机在峡谷里穿行，GPS 信号断断续续，差点把项目搞黄了。后来我们上了地形匹配导航，问题才解决。嗯，这里面的门道，我慢慢给你拆解。
1.1 基本原理：大地就是你的参考地图
地形辅助导航，说白了就是「用脚下的地形轮廓来定位」。它的核心逻辑很简单：
- 第一步：飞机上装一个高度计（雷达或激光），实时测量正下方地形的起伏高度。
- 第二步：把测出来的这段地形剖面，跟预先存储在计算机里的数字高程模型（DEM）做比对。
- 第三步：找到匹配度最高的位置，那就是飞机当前的真实坐标。
为什么会这样？因为地球表面没有两块完全一样的地形。就像人的指纹一样，每一条山脊、每一道沟谷都是独一无二的。你飞过一座山，高度计记录下来的起伏曲线，就是这片区域的「地形指纹」。
核心公式（简化版）：
定位误差 = 实测地形剖面 - 参考DEM剖面 → 通过相关分析找到最小误差点
我在项目中遇到过一个问题：如果飞行区域是平坦的沙漠或者水面，地形特征太弱，匹配就会失败。所以地形导航不是万能的，它需要地形有足够的起伏度。一般要求地形标准差大于 5 米才有效。
1.2 应用场景：从无人机到自动驾驶
地形导航的应用场景，我归纳为三大类：
| 场景 | 典型载体 | 为什么需要地形导航 |
|---|---|---|
| 军事突防 | 巡航导弹、战斗机 | 低空飞行时 GPS 易被干扰，地形匹配是抗干扰的最后一道防线 |
| 无人机巡检 | 工业级无人机 | 山区、峡谷中卫星信号遮挡严重，需要地形辅助保持航线精度 |
| 自动驾驶 | 智能汽车 | 地下停车场、隧道内无 GPS，利用道路坡度、路沿高度做辅助定位 |
我记得有一次给某型无人机做测试，飞到一个山谷里，GPS 直接掉到 50 米精度。幸亏地形匹配系统及时介入，把定位误差拉回到 5 米以内。你想想看，要是没有这层保障，飞机可能就撞山了。
个人经验：在军事应用中，地形导航通常作为「备份导航」使用。平时用 GPS/惯导组合，一旦检测到 GPS 异常，自动切换到地形匹配模式。这个切换逻辑非常关键，我建议你在设计系统时一定要留好阈值判断。
1.3 系统组成：四个核心模块
一个完整的地形辅助导航系统，由以下四部分组成：
- 传感器模块：包括雷达高度计（测距）、气压高度计（测海拔）、惯性测量单元（测姿态）。这三者配合，才能得到准确的地形剖面。
- 数字地图模块：预存的 DEM 数据。注意，这个数据不是随便下载的，需要经过重采样、坐标系转换、误差校正。我习惯用 SRTM 30米分辨率数据，精度够用且存储量可控。
- 匹配算法模块：这是核心中的核心。常用的有 TERCOM（地形轮廓匹配）和 SITAN（桑迪亚惯性地形辅助导航）。TERCOM 适合大范围粗匹配，SITAN 适合局部精匹配。
- 融合滤波模块：把匹配结果和惯导数据做卡尔曼滤波融合，输出最终的位置、速度、姿态。
避坑指南：我曾经在匹配算法上栽过跟头。当时直接用了公开的互相关算法，结果在山区地形中频繁出现多峰值匹配错误。后来改成归一化互相关 + 地形粗糙度加权，才稳定下来。记住：算法不是越复杂越好，而是越鲁棒越好。
1.4 工作流程：从起飞到降落
整个工作流程，我画了一张图帮你理解：
这张图展示的是标准流程。我简单解释一下：
- 第一步：传感器实时采集高度和姿态数据。这里要注意，雷达高度计测的是相对高度，需要结合气压高度计才能得到绝对海拔。
- 第二步：把采集到的数据转换成地形剖面。说白了就是一条「高度-距离」曲线。
- 第三步：拿着这条曲线去 DEM 数据库里找匹配。匹配算法会计算每个候选位置的相似度。
- 第四步：把匹配结果和惯导数据送进卡尔曼滤波器。滤波器会输出最优估计的位置。
- 第五步：输出的位置反过来校正惯导的漂移误差。这是一个闭环系统。
实战建议：我在做系统集成时，习惯把匹配频率设为 1Hz。太高了计算量吃不消，太低了跟不上飞行速度。另外，DEM 数据一定要做坐标系转换，WGS84 和 CGCS2000 之间差几十米是常有的事。
1.5 关键挑战与应对
地形导航虽然好用，但有几个坑你得提前知道：
- 地形平坦区失效：水面、沙漠、平原地区，地形特征太少，匹配算法会发散。我的做法是加一个「地形粗糙度检测器」，低于阈值就自动切换到纯惯导模式。
- DEM 数据时效性：有些地区的地形会变化（比如采矿区、建筑工地）。我建议每半年更新一次 DEM，或者用实时激光雷达数据做局部修正。
- 计算资源限制：嵌入式系统的算力有限。我曾经在 ARM Cortex-M4 上跑过 TERCOM，优化后单次匹配耗时 50ms，勉强够用。如果算力更紧张，可以考虑降采样 DEM 分辨率。
血的教训：有一次测试，我们用的 DEM 是 5 年前的旧数据。结果飞行区域新建了一个大型水库，地形完全变了。匹配结果直接偏了 200 米，差点酿成事故。从那以后，我每次项目启动前都会先做一次「DEM 时效性评估」。
好了，地形导航的基本框架就这些。记住：它不是一个独立的导航系统，而是和惯导、GPS 互补的「增强模块」。用好了，它能让你在复杂环境下依然保持厘米级的定位精度；用不好，它反而会引入额外的误差。下一节我们深入讲 DEM 数据库的构建，那是整个系统的地基。
公众号:蓝海资料掘金营，微信deep3321