1️⃣ 为什么 GNSS 需要“另一个自己”
在开阔的天空下，GNSS 能精确告诉我们“我在哪里”； 但一旦进入隧道、林荫或城市峡谷，信号被遮挡、反射或失锁，定位的连续性便被打断。 这时，就需要另一个“不会迷路”的感知源接过方向盘——那就是 IMU（惯性测量单元）。
IMU 不依赖外部信号，通过陀螺仪与加速度计，实时测量设备的角速度与加速度，
能在短时 GNSS 信号缺失时继续计算位置与姿态变化。
它像一位“盲行者”，在黑暗中仍凭惯性与方向感前进。
2️⃣ 两种测量的互补关系
GNSS 与 IMU 在原理上截然不同：
- GNSS：基于外部信号，通过测距和时间同步计算位置；
- IMU：基于内部惯性，积分角速度和加速度求得姿态与位移。
GNSS 优点是长期无漂移，但受环境影响大；
IMU 优点是短时高稳定，但误差随时间积累。
因此，它们是一对理想的互补——
GNSS 定义“绝对位置”，IMU 保持“连续姿态”，融合后，系统既“知道在哪”，也“知道如何动”。
3️⃣ 紧耦合的意义：让两个世界在同一秒跳动
融合的关键，不只是数据叠加，而是时间与空间的统一基准。 在 MOJANDA 与 SUMACO 紧耦合架构中：
- GNSS 的授时信号（PPS） 作为时间主线；
- IMU 的惯性数据流 以相同时间戳标定；
- 两者在 REVENTADOR 平台上完成多维卡尔曼滤波融合，形成统一的动态模型。
这种结构被称为 “紧耦合（Tightly Coupled）”—— GNSS 不再只是提供定位结果，而是将原始观测量输入融合系统； IMU 也不再只是姿态传感器，而是时间连续性的“骨架”。 最终结果是：即使卫星数少于四颗、信号中断或多径严重，系统仍可维持稳定解算。
4️⃣ 从算法到可靠性：让融合更“聪明”
MOJANDA 的紧耦合融合算法不仅仅在物理层对齐数据，更实现了“智能选择”：
- 当 GNSS 信号质量高时，系统自动加权 GNSS；
- 当 GNSS 失锁或受干扰时，权重自动切换到 IMU；
- 当环境恢复时，再平滑切换回 GNSS 主导。
这套自适应权重机制结合了 AI 辅助滤波算法，能识别异常模式并提前预测漂移趋势，使系统在复杂环境中仍维持高达 99.8% 的轨迹连续性。
换言之，它不仅仅是融合，更像是协作—— 两个传感器相互校准、相互补充，共同定义一个可信、稳定、连续的空间秩序。
5️⃣ 当“位置”成为“感知”
在传统意义上，GNSS 只是一个坐标系； 但当它与 IMU 结合时，定位不再是静态结果，而变成了一个随时间演化的认知过程。 这正是空间智能的核心： 让机器不仅知道“我在哪”，还能理解“我是如何到这的”。
MOJANDA 与 SUMACO 的紧耦合结构，正是这一理念的实践者—— 它让定位系统成为一个感知-推理一体化的有机体。 这是从“精准定位”走向“智能理解空间”的关键一步。
关于 MCT 毫厘智能
MCT 毫厘智能是一家专注于 Physical AI 时代的姿态感知与绝对定位创新公司。我们以人工智能为核心技术，采用“数据驱动、软硬结合”的策略，开发并提供全面的姿态感知与绝对定位软硬件解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。公司基于自研的车规级北斗高精度芯片和模组，融合高精度 IMU、视觉及雷达等传感器技术，结合海量数据，为自主规划和自动控制提供更可靠、更安全、更精准的技术支撑，持续提升载体的空间感知能力。 想了解更多关于 MCT 毫厘智能的最新动态？欢迎访问 www.mctech.ai / www.mctai.cn，或关注微信公众号「毫厘智能 MCT」。