|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 |
<span style="font-size: 14pt;"><strong> ??</strong></span>をクリックすると回答が出てきます 雑談ですが詳しい説明してくれます RTK/PPKのアルゴリズム解説（概要） ?? 基本の目的： 移動局（ローバー）の位置を、基準局との相対距離で高精度に推定すること（数cm?cm精度） ?? アルゴリズムの基本ステップ： 1. 観測量の取得（GNSSデータの記録） 各衛星からの信号を、以下の2つの観測量として記録： 擬似距離（Pseudorange） → 信号の到達時間 × 光速（mオーダーの精度） 搬送波位相（Carrier Phase） → 信号の波長に基づく位相ずれ（数mmの精度） 2. 差分処理（Differencing） ローバーと基準局の誤差を打ち消すために「差分」を取ります。 ?? 種類： Single Difference（1差分）： ローバーと基準局で、同じ衛星の信号の差を取る Double Difference（2差分）： 異なる2つの衛星のSingle Differenceの差を取る → これでクロックバイアス（時刻ズレ）もキャンセル！ 3. 整数アンビギュイティ推定（Integer Ambiguity Resolution） 搬送波位相には「何波ぶんズレているか」が不明（整数のズレ＝アンビギュイティ） ?? 問題： 搬送波の波長はたとえば19cm（L1帯）。 でも記録できるのは位相（0?1周期の小数）だけ。 → 整数分の波のズレ（N）を正しく求める必要あり！ ?? 解法： Kalmanフィルタや拡張カルマンフィルタ（EKF）で位置とNを推定 LAMBDA法（整数最尤推定）でNを整数化（Fix解） 4. フィルタリング（カルマン・スムージング） 移動しているローバーの軌跡を、時間的に滑らかに推定 カルマンフィルタや後向きスムージングなどで推定値を補強 5. 出力：cmオーダーの位置解（Fix or Float） 整数Nが正確に推定できた：→ Fix解（高精度） Nが不確かだけど推定位置は出せる：→ Float解（精度は劣る） ?? 数式的にざっくり（Double Difference） 搬送波位相観測式： Φ_ij = ρ_ij + c(dt_i - dt_j) + λ*N_ij + ε ここで： Φ_ij：衛星jと受信機iの位相観測量 ρ_ij：真の幾何学的距離 dt_i：受信機のクロックバイアス λ：搬送波波長（例：19.03 cm） N_ij：整数アンビギュイティ ε：ノイズ これらを 基準局とローバー、複数衛星に対して差分を取ると、 時刻誤差・衛星時計誤差・大気遅延が消え、純粋な相対位置推定問題に変わる。 ?? 補足：RTKとPPKの違い 特徴 RTK（リアルタイム） PPK（後処理） データ処理 即時（リアルタイム） あとからじっくり処理 精度 高いがFix失敗リスクあり 高精度＋安定しやすい ログ ログ不要 ログ必須（ローバー・基準局） 利用場面 ロボット、農業、建機など ドローン写真測量、スポーツ分析など ?? 参考実装（RTKLIBなど） PPKは RTKLIB などのオープンソース実装で使えます。 内部では、上記のアルゴリズムをC言語で効率的に実装しています。 もっとディープにいく？ LAMBDA法の詳細 カルマンフィルタの状態空間モデル RTKLIBのソースコードの構造 このへんも分解して解説できます！ 興味のあるところを教えてください?? |
【ChatGPT】RTKの計算概要の説明
