GRU-Transformer混合模型

果园定位精度最高提升61.59%

通过动态调整噪声协方差矩阵，显著提升果园环境中GNSS/INS组合导航的定位精度与鲁棒性。

高鹏 · Jinzhen, Fang · Junlin, He · Shuang, Ma · Guanghua, Wen · 李震

Agriculture (Switzerland) 2025

参数信息

东向位置均方根误差降低百分比

48.74 %

北向位置均方根误差降低百分比

41.94 %

天向位置均方根误差降低百分比

61.59 %

东向速度均方根误差降低百分比

71.50 %

北向速度均方根误差降低百分比

39.31 %

天向速度均方根误差降低百分比

56.48 %

技术优势

定位精度大幅提升

GRU-Transformer模型能够捕捉导航误差中的短期和长期时间依赖关系，从而在滤波过程中更准确地补偿惯性传感器的漂移，最终使东向和天向位置误差分别降低48.74%和61.59%。

信号中断仍可靠

该方法在误差状态卡尔曼滤波框架内动态调整过程噪声协方差，能够适应非平稳噪声和GNSS信号中断，因此在果园遮挡场景下不易发散。

满足实时高频

模型推理满足实时、高频采样要求，可直接嵌入嵌入式导航计算机，适合动态果园作业。

应用场景

• 农机导航：果园中拖拉机等农机可依赖该模型在树冠遮挡下保持厘米级定位，无需额外布设差分基站。
• 无人机导航：无人机在果园低空作业时，该模型能在GNSS短时中断时维持稳定航迹，提升植保和测绘效率。