对于设计无人机、机器人和国防平台的工程师而言，问题不再是全球导航卫星系统（GNSS）的精度如何，而是当它失效时会发生什么。新一代导航架构正在兴起，惯性传感、外部辅助和传感器融合等技术正在重新定义“可靠定位”的真正含义。.
在本次采访中，HBK 旗下 MicroStrain 惯性系统业务发展总监 Kendra Gallup 分享了工程师们如何重新思考定位：从以 GNSS 为中心的设计到由传感器融合驱动的弹性架构。.
现在大家都在讨论如何摆脱GNSS进行导航：那么“可靠定位”在实践中究竟意味着什么？
本质上，它指的是即使无法依赖GNSS，你的系统在物理和数学上仍然能够正常运行。在受控的演示环境中，GNSS通常非常可靠。
现实世界并非如此。城市峡谷会造成多径误差。隧道会阻挡信号。射频干扰会扰乱接收，欺骗攻击还会注入虚假的位置数据。.
当上述任何情况发生时，您的导航系统要么以可控的方式退化，要么彻底崩溃。决定最终结果的是惯性主干系统的质量。一个设计精良的惯性导航系统，例如 3DM-CV7-INS，能够基于精确的热校准和同步的多 IMU 架构提供连续的运动传播。它不依赖于卫星，而是依赖于物理定律。.
外部传感器则作为辅助输入发挥作用。它们可以校正漂移，但并不定义运动估计。这正是依赖全球导航卫星系统 (GNSS) 的系统与以惯性作为主要参考的系统之间的根本区别。
如今工程师们使用哪些类型的外部传感器？
该生态系统已发展壮大。根据平台的不同，常见的外部传感器包括视觉里程计和同步定位与地图构建 (SLAM)、激光雷达 (LiDAR)、地面车辆上的轮式编码器、气压高度传感器、磁力计、多普勒速度传感器，以及选择性使用的高性能外部 GNSS 接收器。
现代惯性导航系统（包括 CV7 平台）设计用于接收来自上述任何来源的位置、速度和航向的外部输入。.
它们各自发挥着独特的作用。激光雷达在几何测量方面功能强大；摄像头能够在结构化环境中提供丰富的相对运动数据；轮式编码器是地面车辆优秀的短期稳定器；多普勒传感器能够提高地形上的速度估计精度；气压计则有助于提高高度估计的准确性。.
关键不在于选择其中哪一个，而在于如何将它们融合起来，充分发挥每个传感器的优势。如果方法得当，就能显著降低漂移，并大大提高对全球导航卫星系统（GNSS）干扰的抵抗能力。.
这些信号是如何集成的？
在大多数集成平台中，我们采用松耦合架构。外部系统，无论是激光雷达SLAM引擎还是独立的GNSS接收机，都会独立计算各自的解算结果。这些输出结果随后被输入到扩展惯性卡尔曼滤波器中。这种方法的优势在于其模块化设计，并且相对容易扩展。
但真正的工程工作在于对测量数据进行加权、调整协方差以及对创新成果进行一致性检查。并非所有测量数据都同样可靠。在结构良好的仓库内，激光雷达解决方案的可靠性很高。但在尘土飞扬的隧道中，同样的传感器可能会提供错误数据。融合引擎必须根据当前环境不断评估每个输入数据的权重。.
有一点常常被低估：惯性核心越稳健（这可以通过对惯性测量单元 (IMU) 阵列进行适当的校准和噪声抑制来实现），辅助源更新之间的航位推算漂移增加速度就越慢。这使得整个系统在辅助源变得不可靠时拥有更大的容错空间。更好的惯性性能直接转化为更强的系统韧性。.
时机很少成为新闻头条。时机到底有多重要？它至关重要，但却总是被低估。.
如果车辆以每秒 15 米的速度行驶，即使 1 毫秒的同步误差也会导致明显的空间错位，尤其是在将激光雷达点云与惯性数据对齐时。.
这就是为什么高性能惯性系统能够提供微秒级时间戳精度、每秒脉冲 (PPS) 同步、可配置的通用输入/输出 (GPIO) 事件触发以及极低的运动到消息延迟。.
在实际应用中，我发现同步问题比传感器噪声本身更能降低系统性能。如果传感器无法就事件发生的时间达成一致，融合就会变得不稳定。即使传感器性能优异，如果同步出现问题，仍然会得到糟糕的结果。同步并非可有可无的细节。.
当全球导航卫星系统（GNSS）信号开始衰减时会发生什么？
一个设计完善的系统不会将GNSS信号丢失视为简单的开/关二元事件，而是通过几个不同的阶段来管理：GNSS可用、GNSS信号衰减、GNSS信号被拒绝以及重新捕获。
随着GNSS信号衰减，不确定性估计值增大。滤波器逐渐增加惯性传播的权重，并结合其他可用信息，例如视觉惯性里程计（VIO）、激光雷达、车轮编码器、多普勒效应或气压约束。.
在完全失控的情况下，例如在存在射频干扰的隧道中，系统将完全依靠估算导航运行。此时，漂移会增加。然而，由于采用了良好的偏置稳定性和通过彻底的热校准实现的低噪声水平，这种漂移的增加速度足够慢，在许多任务场景中仍可控。.
最复杂的问题是重新捕获。当GNSS信号恢复时，校正过程必须平滑。任何跳跃或重启都可能破坏控制回路的稳定性，并中断任务。这种平滑过渡与妥善处理初始信号中断同样重要。.
那么，具体来说，欺骗攻击又如何呢？
欺骗攻击尤其危险，因为信号看起来是有效的。接收方会误以为自己定位准确。
防御机制在于一致性检查。如果全球导航卫星系统（GNSS）更新突然报告的位置与惯性传播和速度约束预测的位置不符，则新息残差将超出预期的协方差限值。强大的融合引擎（例如集成到基于CV7的系统中的引擎）可以降低该测量值的权重或完全拒绝该测量值。.
惯性连续性成为他们衡量真理的参照点。在冲突环境中，正是这一点保护着任务免受错误立场的影响。.
您能分享一个具体的实现案例吗？
我们曾开发过一款在隧道内运行且存在射频干扰的无人地面车辆（UGV）。该架构结合了基于CV7的惯性导航核心、轮式编码器、激光雷达SLAM系统以及用于露天环境的可靠多频段GNSS接收器。
车辆进入隧道后，GNSS协方差增大，最终完全丢失。系统自动切换至惯性数据、激光雷达和编码器融合模式，无需任何人工干预。漂移始终保持在可控范围内。在隧道出口附近，间歇性出现欺骗攻击，导致GNSS更新数据不一致。融合引擎自动剔除了这些不一致的数据。.
当车辆返回空旷区域且GNSS信号清晰地重新获取后，重新连接过程无缝衔接。无需重启，位置估计也未中断。这正是实际部署中所需的表现。车辆始终保持着精确的定位。.
您会如何概括增加外部辅助功能的价值？
外部辅助功能并非指增加传感器数量，而是指在单一数据源不可靠时，为导航系统提供更多保持精度的方法。
基于精确热校准、多IMU降噪、精确时间同步以及灵活注入外部位置、速度和航向数据的导航架构，为原始设备制造商（OEM）提供了显著减少漂移、在非GNSS条件下扩展操作范围、防止欺骗以及在整个任务过程中保持平滑位置估计的工具。.
