Python处理RTK的开源库PyRTKLib

许于宝的博客

于 2025-08-13 19:15:17 发布

阅读量786

点赞数 5

CC 4.0 BY-SA版权

文章标签： GPS GNSS 定位

本文链接：https://blog.csdn.net/mopmgerg54mo/article/details/150353536

1. PyRTKLib 概述

PyRTKLib 是一个基于 Python 的开源库，专门用于实时动态（RTK, Real-Time Kinematic）定位解算。它提供了处理 GNSS（全球导航卫星系统）原始观测数据、RTCM 差分数据以及执行高精度 RTK 定位算法的功能。

主要特点

支持多系统 GNSS 数据处理（GPS、GLONASS、Galileo、BeiDou 等）
实现 RTK 定位核心算法（载波相位差分定位）
支持 RTCM 2.x/3.x 差分数据协议
提供数据可视化工具
跨平台支持（Windows/Linux/macOS）

2. 安装 PyRTKLib

pip install pyrtklib
# 或者从源码安装
git clone https://github.com/tomojitakasu/PyRTKLib.git
cd PyRTKLib
python setup.py install

3. RTK 定位基本原理

RTK 定位通过以下步骤实现厘米级精度：

基准站（Base Station）：已知精确坐标的固定站，计算观测误差
流动站（Rover）：移动接收机，接收基准站的误差修正数据
载波相位差分：利用载波相位观测值消除公共误差
模糊度解算：解算整周模糊度实现精确定位

4. 使用 PyRTKLib 进行 RTK 定位

4.1 基本使用流程

from pyrtklib import RTK, rtkcmn

# 初始化RTK处理器
rtk = RTK()

# 配置处理选项
rtk.set_options(
    mode=rtkcmn.PMODE_KINEMA,  # 动态模式
    navsys=rtkcmn.SYS_GPS | rtkcmn.SYS_GLO,  # 使用GPS和GLONASS
    elmin=15.0,  # 高度角截止值(度)
    tidecorr=1   # 启用潮汐校正
)

# 设置基准站坐标(已知精确坐标)
rtk.set_refpos(-2700000.0, -4300000.0, 3800000.0)

4.2 数据处理流程

# 伪代码示例展示完整流程
while True:
    # 1. 从接收机获取观测数据(流动站)
    rover_obs = get_rover_observation()
    
    # 2. 获取基准站观测数据和RTCM差分数据
    base_obs = get_base_observation()
    rtcm_data = get_rtcm_correction()
    
    # 3. 输入数据到RTK处理器
    rtk.input_obs(rover_obs, base_obs)
    rtk.input_rtcm(rtcm_data)
    
    # 4. 执行RTK解算
    rtk.solve()
    
    # 5. 获取解算结果
    solution = rtk.get_solution()
    
    if solution.stat == rtkcmn.SOLQ_FIX:  # 固定解
        print(f"RTK固定解: {solution.pos[0]:.4f}, {solution.pos[1]:.4f}")
    elif solution.stat == rtkcmn.SOLQ_FLOAT:  # 浮点解
        print(f"RTK浮点解: {solution.pos[0]:.4f}, {solution.pos[1]:.4f}")

4.3 数据输入源配置

PyRTKLib 支持多种数据输入方式：

串口输入

from pyrtklib import stream

# 配置串口流
strm = stream.Stream()
strm.open_serial(port='COM3', baudrate=115200)

while True:
    data = strm.read()
    if data.startswith(b'$GNGGA'):  # NMEA数据
        rtk.input_nmea(data)
    elif is_rtcm(data):  # RTCM数据
        rtk.input_rtcm(data)

文件输入

# 读取RINEX观测文件
rtk.input_rinex_obs('rover.obs')
rtk.input_rinex_obs('base.obs')

# 读取SP3精密星历
rtk.input_sp3('igs19453.sp3')

网络流输入

# 配置NTRIP客户端获取差分数据
strm.open_ntrip(
    host='rtk2go.com',
    port=2101,
    mountpoint='EXAMPLE',
    user='user',
    password='password'
)

5. 结果分析与可视化

5.1 获取解算结果

sol = rtk.get_solution()

print(f"定位状态: {rtkcmn.solq_str(sol.stat)}")
print(f"经纬度: {sol.pos[0]:.8f}, {sol.pos[1]:.8f}")
print(f"高度: {sol.pos[2]:.3f} m")
print(f"PDOP: {sol.dop[0]:.1f}")

5.2 可视化工具

from pyrtklib.plot import plot_trajectory

# 绘制轨迹
plot_trajectory(
    lats=[sol.pos[0] for sol in solutions],
    lons=[sol.pos[1] for sol in solutions],
    colors=[solq_color(sol.stat) for sol in solutions]
)

6. 高级配置选项

6.1 处理参数调优

# 设置处理参数
rtk.set_processing_options(
    ionoopt=rtkcmn.IONOOPT_BRDC,  # 电离层模型
    tropopt=rtkcmn.TROPOPT_SAAS,   # 对流层模型
    nf=2,                         # 频率数(1:L1, 2:L1+L2, 3:L1+L2+L5)
    soltype=0,                    # 0:forward,1:backward,2:combined
    maxage=30.0                   # 差分数据最大有效期(秒)
)

6.2 模糊度解算设置

rtk.set_ambiguity_resolution(
    modear=rtkcmn.ARMODE_CONT,    # 连续模式
    minfixsats=5,                 # 最小固定卫星数
    minholdsats=5,                # 最小保持卫星数
    mindropsats=10,               # 最小丢弃卫星数
    arfilter=rtkcmn.ARFILTER_OFF  # 模糊度滤波
)

7. 实际应用示例

7.1 无人机RTK定位

# 无人机RTK定位配置
rtk.set_options(
    mode=rtkcmn.PMODE_KINEMA,
    dynamics=1,  # 启用动态模型
    ins=1        # 启用INS辅助
)

# 与飞控集成
while drone_flying:
    obs = get_gnss_observation()
    ins = get_imu_data()
    rtk.input_ins(ins)
    rtk.input_obs(obs)
    rtk.solve()
    send_to_flight_controller(rtk.get_solution())

7.2 移动测绘系统

# 配置移动测绘系统
rtk.set_options(
    mode=rtkcmn.PMODE_KINEMA,
    outsole=1,  # 输出位置标准差
    outsolvel=1 # 输出速度
)

# 与激光雷达同步
while scanning:
    obs = get_gnss_observation()
    rtk.input_obs(obs)
    rtk.solve()
    sol = rtk.get_solution()
    if sol.stat == rtkcmn.SOLQ_FIX:
        save_point_cloud_with_pose(lidar_data, sol.pos, sol.vel)