一、RTK与INS融合定位技术概述
各位同学好，我是老张。在定位导航这个行当摸爬滚打了十几年，今天想跟大伙儿聊聊RTK与INS融合这件事。说实话，我刚入行那会儿，GPS加个惯性导航就算高端配置了。现在呢？自动驾驶、无人机、测绘机器人，哪个离得开高精度定位？
这一章，咱们先搭个框架。把组合导航的发展脉络、为什么非要融合、以及这门课到底讲什么，一次性说清楚。
1.1 组合导航系统发展历程
组合导航不是新鲜事。早在上世纪70年代，航空领域就开始用GPS+惯导的组合方案。但那时候的GPS精度差，惯导漂移也大，说白了就是「瘸子配瞎子」——互相凑合着用。
真正迎来爆发，是2010年以后的事。我印象特别深，2012年我第一次接触RTK技术，当时觉得这玩意儿太神奇了——厘米级精度，实时输出。但问题也来了：RTK信号容易丢啊！过个桥洞、进个隧道，定位就断了。
于是大家开始琢磨：能不能把RTK的高精度和INS的连续性结合起来？
嗯，这就是我们今天要讲的核心。
关键里程碑：
- 1970s：GPS+INS组合导航诞生（航空应用）
- 1990s：差分GPS技术成熟，精度提升到米级
- 2000s：RTK技术商业化，厘米级定位成为可能
- 2010s：MEMS惯性传感器成本下降，消费级INS普及
- 2020s：RTK+INS深度融合，成为自动驾驶标配
1.2 为什么非要RTK和INS融合？
说白了，就是「取长补短」。RTK精度高，但容易受环境干扰；INS不依赖外部信号，但会随时间漂移。你想想看，如果只用RTK，车进隧道就抓瞎；只用INS，跑个几百米误差就大到离谱。
我在做无人车项目时遇到过这种情况：一辆测试车在立交桥下转了一圈，RTK信号完全丢失，纯INS推算的位置直接偏了十几米。后来加了融合算法，即使RTK短暂丢失，也能靠INS撑住，等信号恢复再重新校准。
避坑指南：我曾经以为INS精度够高就能省掉RTK，结果在长距离测试中吃了大亏。记住：INS只能「短时保精度」，RTK才是「长期定海神针」。
融合的必要性，可以总结为三点：
- 互补性：RTK提供绝对位置，INS提供相对运动
- 鲁棒性：任一传感器失效，另一个还能顶一阵
- 精度提升：融合后的定位精度通常优于单一传感器
1.3 典型应用场景
讲理论之前，先看看实际中怎么用。我挑三个最典型的场景说说。
自动驾驶
这是目前最火的应用。L3级以上自动驾驶，要求定位精度在10cm以内。RTK提供厘米级绝对位置，INS提供100Hz的高频姿态更新。两者融合，才能让车知道自己「在哪个车道、朝哪个方向、速度多少」。
无人机
无人机比车更依赖INS。为什么？因为无人机在空中，RTK信号更容易受遮挡。我做过植保无人机的项目，在果园里飞，树冠一挡，RTK就丢。这时候全靠INS撑着，等飞出树冠再重新锁定RTK。
测绘
测绘是RTK的老本行。但传统RTK需要架设基准站，操作麻烦。现在用RTK+INS，可以搞「移动测绘」——人背着设备走一圈，数据就采集完了。INS还能解决RTK在墙角、屋檐下的信号遮挡问题。
| 场景 | RTK作用 | INS作用 | 融合优势 |
|---|---|---|---|
| 自动驾驶 | 车道级定位 | 高频姿态更新 | 隧道/桥下不丢 |
| 无人机 | 起飞/降落定位 | 飞行中姿态保持 | 抗遮挡能力强 |
| 测绘 | 厘米级坐标 | 移动中连续推算 | 作业效率翻倍 |
1.4 课程知识体系
这门课一共30章，我把它分成四个模块。先画个图，让大家有个整体印象。
四个模块的设计思路是这样的：
- 基础篇（第1-5章）：先把RTK和INS各自讲透。包括卫星定位原理、惯性导航方程、坐标系转换这些基本功。我建议基础薄弱的同学，这部分多看两遍。
- 核心算法（第6-15章）：这是硬骨头。卡尔曼滤波的各种变体、松耦合和紧耦合的区别、深耦合的实现细节。我会用实际代码一步步带大家走通。
- 工程实践（第16-25章）：纸上谈兵没用。这部分讲硬件怎么选、数据怎么同步、参数怎么调。我踩过的坑，都会一一告诉大家。
- 前沿专题（第26-30章）：多传感器融合、视觉+IMU、深度学习辅助定位。这些是未来方向，提前了解不吃亏。
重要提醒：这门课不是「听完就完」的。每章后面都有练习题和代码作业。我建议你边学边动手，最好能搭一套自己的测试环境。光看不练，等于白学。
好了，第一章就到这里。内容不多，但都是干货。下一章开始，咱们正式进入RTK原理，把卫星定位的底裤扒干净。
公众号:蓝海资料掘金营，微信deep3321