Luận án: Nghiên cứu giải pháp tích hợp GNSS/INS trên thiết bị thông minh ứng dụng trong Trắc địa - Bản đồ

Hệ thống định vị lai GNSS/INS kết hợp dữ liệu từ hai nguồn độc lập. GNSS (Global Navigation Satellite System) cung cấp thông tin vị trí và thời gian. INS (Inertial Navigation System) sử dụng cảm biến quán tính để ước tính vị trí, tốc độ, định hướng. Sự tích hợp này giải quyết điểm yếu của từng hệ thống riêng lẻ. GNSS có thể bị nhiễu, tắc nghẽn hoặc mất tín hiệu. INS có độ chính xác trôi dạt theo thời gian. Sự kết hợp tạo ra một giải pháp định vị mạnh mẽ hơn, liên tục và đáng tin cậy. Đây là bước tiến quan trọng cho nhiều ứng dụng di động.

Thiết bị thông minh, đặc biệt là smartphone, ngày càng có khả năng mạnh mẽ. Chúng tích hợp nhiều cảm biến và bộ xử lý mạnh mẽ. Điện thoại hiện đại có sẵn chip GNSS đa tần và IMU. Điều này mở ra tiềm năng lớn cho ứng dụng trắc địa bản đồ. Chi phí thấp, tính di động cao là ưu điểm vượt trội. Thiết bị thông minh cho phép thu thập dữ liệu hiện trường dễ dàng. Chúng hỗ trợ trực quan hóa, xử lý và chia sẻ thông tin. Công nghệ này dân chủ hóa quyền tiếp cận các công cụ đo đạc. Nó thúc đẩy sự phát triển của Đo đạc bản đồ di động.

Độ chính xác GNSS/INS cao mang lại nhiều lợi ích thiết thực. Nó cải thiện chất lượng dữ liệu trong các dự án trắc địa. Khả năng định vị đáng tin cậy trong môi trường khó khăn được nâng cao. Ví dụ, khu vực đô thị, rừng rậm hoặc trong nhà. Điều này giảm thiểu công sức và thời gian đo đạc. Nó cũng giảm chi phí hoạt động. Với độ chính xác cao, các ứng dụng như kiểm kê tài sản, quản lý hạ tầng trở nên hiệu quả. Dữ liệu chính xác là nền tảng cho quyết định tốt hơn trong quy hoạch và phát triển.

IMU điện thoại thông minh đối mặt với nhiều hạn chế. Chúng có giá thành thấp, kích thước nhỏ gọn. Do đó, chất lượng linh kiện không cao như IMU chuyên dụng. Các cảm biến này nhạy cảm với nhiệt độ, rung động và nhiễu điện từ. Độ nhiễu ngẫu nhiên và độ trôi bias đáng kể là vấn đề chính. Các sai số này biến đổi theo thời gian và môi trường. Sự thiếu ổn định này ảnh hưởng lớn đến độ tin cậy của dữ liệu. Nó gây khó khăn cho việc sử dụng IMU trong các ứng dụng yêu cầu độ chính xác cao.

Để khắc phục hạn chế, cần ước lượng và mô hình hóa sai số cảm biến. Sai số bao gồm nhiễu ngẫu nhiên (random noise), độ lệch (bias), sai số tỷ lệ (scale factor). Mô hình toán học được xây dựng để biểu diễn hành vi của các sai số này. Các thuật toán như phân tích Allan variance giúp xác định đặc tính nhiễu. Phương pháp hiệu chuẩn tĩnh và động được áp dụng để ước tính bias và scale factor. Việc hiểu rõ và mô hình hóa chính xác các sai số là bước quan trọng. Nó giúp bù trừ hiệu quả và cải thiện chất lượng dữ liệu IMU.

Kỹ thuật hiệu chuẩn đóng vai trò trung tâm trong việc cải thiện dữ liệu IMU. Hiệu chuẩn tĩnh thường được thực hiện ở trạng thái nghỉ. Nó xác định bias và sai số tỷ lệ bằng cách đặt cảm biến theo các hướng đã biết. Hiệu chuẩn động liên quan đến chuyển động của cảm biến. Nó thường sử dụng một hệ thống tham chiếu có độ chính xác cao. Mục tiêu là tạo ra các thông số bù sai số cho cảm biến. Dữ liệu IMU đã hiệu chuẩn có độ tin cậy cao hơn nhiều. Nó sẵn sàng cho quá trình Fusion cảm biến với GNSS. Điều này tăng cường Độ chính xác GNSS/INS tổng thể.

Fusion cảm biến là quá trình kết hợp dữ liệu từ nhiều cảm biến. Mục đích là để có được cái nhìn toàn diện và chính xác hơn về môi trường. Đối với GNSS/INS, dữ liệu vị trí từ GNSS được hợp nhất với dữ liệu chuyển động từ IMU. Quá trình này giúp bù trừ điểm yếu của từng cảm biến. GNSS cung cấp thông tin vị trí tuyệt đối. INS cung cấp thông tin chuyển động tương đối ở tốc độ cao. Khi GNSS bị mất tín hiệu, INS vẫn có thể duy trì ước tính vị trí trong thời gian ngắn. Khi GNSS hoạt động trở lại, nó hiệu chỉnh lại sự trôi dạt của INS. Fusion cảm biến tạo ra một luồng dữ liệu liên tục và đáng tin cậy.

Bộ lọc Kalman là thuật toán tối ưu để Fusion cảm biến trong định vị lai. Nó hoạt động theo hai bước chính: dự đoán và cập nhật. Bước dự đoán sử dụng mô hình động lực học của hệ thống. Nó ước tính trạng thái hiện tại dựa trên trạng thái trước đó và dữ liệu IMU. Bước cập nhật sử dụng dữ liệu quan sát từ GNSS. Nó điều chỉnh ước tính dự đoán, giảm thiểu sai số. Bộ lọc Kalman xử lý hiệu quả các nhiễu ngẫu nhiên trong dữ liệu cảm biến. Nó cung cấp ước tính tối ưu theo tiêu chí bình phương tối thiểu. Điều này giúp đạt được Độ chính xác GNSS/INS cao.

Các thuật toán tích hợp tiên tiến cải thiện đáng kể độ chính xác. Ngoài Kalman Filter cơ bản, các biến thể như EKF, UKF được áp dụng. Chúng xử lý tốt hơn các mối quan hệ phi tuyến tính của hệ thống. Các phương pháp khác như Particle Filter cũng được nghiên cứu. Mục tiêu là tối ưu hóa việc sử dụng thông tin từ cả GNSS và INS. Chúng giảm thiểu tác động của nhiễu và sai số cảm biến. Việc tinh chỉnh các tham số bộ lọc cũng rất quan trọng. Nó đảm bảo hiệu suất tối ưu trong các điều kiện môi trường khác nhau. Sự kết hợp này mang lại khả năng định vị cấp độ trắc địa trên thiết bị thông minh.

Smartphone trang bị GNSS/INS tích hợp biến thành công cụ đo đạc bản đồ di động. Người dùng có thể ghi lại vị trí của các đối tượng địa lý. Điều này hữu ích cho việc cập nhật bản đồ hiện trạng. Nó cũng hỗ trợ việc kiểm kê tài sản, quản lý rừng, nông nghiệp thông minh. Dữ liệu có thể được hiển thị trực tiếp trên nền bản đồ số. Khả năng định vị liên tục giúp người dùng di chuyển tự do. Họ vẫn duy trì được độ chính xác cần thiết cho các nhiệm vụ. Điều này tăng cường hiệu quả công việc hiện trường.

Công nghệ RTK (Real-Time Kinematic) mang lại độ chính xác centimet. Việc tích hợp RTK trên smartphone là một bước đột phá. Nó sử dụng dữ liệu hiệu chỉnh từ một trạm tham chiếu gần đó. GNSS/INS cung cấp một ước tính vị trí ban đầu ổn định hơn. Điều này giúp Bộ lọc Kalman khóa pha tín hiệu hiệu quả hơn. Kết quả là, smartphone có thể đạt được độ chính xác cao trong thời gian thực. Điều này rất quan trọng cho các ứng dụng yêu cầu định vị tức thì. Ví dụ như bố trí công trình, khảo sát chi tiết hoặc điều hướng chính xác.

PPK (Post-Processed Kinematic) cung cấp độ chính xác tương tự RTK. Tuy nhiên, nó xử lý dữ liệu sau khi thu thập. PPK trên thiết bị di động đặc biệt hữu ích khi không có kết nối RTK ổn định. Dữ liệu GNSS và IMU được ghi lại thô trên smartphone. Sau đó, nó được xử lý cùng với dữ liệu từ trạm tham chiếu. Quá trình xử lý hậu kỳ cho phép sử dụng các thuật toán phức tạp hơn. Điều này dẫn đến kết quả định vị đáng tin cậy và chính xác cao hơn. Đây là lựa chọn tuyệt vời cho các dự án yêu cầu độ chính xác cao. Nó không yêu cầu kết nối mạng liên tục tại hiện trường.

Thiết bị thông minh trắc địa sẽ tiếp tục được nâng cao khả năng. Điện thoại và máy tính bảng sẽ tích hợp chip GNSS đa tần tốt hơn. IMU sẽ có độ nhiễu thấp hơn và ổn định hơn. Các ứng dụng phần mềm sẽ phát triển để tận dụng tối đa phần cứng này. Điều này cho phép thực hiện nhiều tác vụ trắc địa phức tạp hơn. Ví dụ như thu thập dữ liệu 3D, quét LiDAR hoặc giám sát biến dạng. Sự kết hợp với các phụ kiện ngoại vi cũng sẽ mở rộng chức năng. Thiết bị thông minh sẽ trở thành một nền tảng đa năng cho ngành trắc địa.

Tác động của công nghệ này đến ngành trắc địa bản đồ là rất lớn. Nó dân chủ hóa việc tiếp cận các công cụ định vị chính xác. Các công ty nhỏ và cá nhân có thể thực hiện các dự án trước đây đòi hỏi thiết bị đắt tiền. Nó thúc đẩy sự đổi mới trong quy trình làm việc. Thời gian thu thập dữ liệu và xử lý được rút ngắn. Hiệu quả tổng thể của các dự án tăng lên. Các dịch vụ dựa trên vị trí chính xác sẽ phát triển mạnh mẽ. Toàn bộ ngành công nghiệp sẽ chứng kiến sự chuyển đổi sang các giải pháp di động, linh hoạt hơn.

Nghiên cứu tương lai tập trung vào việc nâng cao hơn nữa độ chính xác. Việc phát triển các mô hình sai số IMU tinh vi hơn là cần thiết. Các thuật toán Bộ lọc Kalman thích nghi sẽ được cải tiến. Chúng có khả năng điều chỉnh theo điều kiện môi trường thay đổi. Ứng dụng trí tuệ nhân tạo và học máy trong Fusion cảm biến là một hướng quan trọng. Chúng giúp nhận dạng và bù trừ sai số tốt hơn. Mục tiêu cuối cùng là đạt được độ chính xác ngang với thiết bị chuyên dụng. Điều này sẽ mở rộng phạm vi ứng dụng của GNSS/INS trên smartphone.