CN101652629A - 用于定向感测的方法和系统 - Google Patents

Abstract

一种定向感测系统，其采用迭代式改进物体姿态估计的算法。在每次迭代中，产生误差向量，其表示实际测量的传感器信号和在给定前一次迭代的姿态估计的情况下这些传感器信号的基于模型的预测之间的差值。基于复合传感器数据误差向量，通过用复合误差向量乘以灵敏度矩阵的伪逆矩阵来计算姿态估计误差(3个自由度的旋转)。然后，通过将姿态估计误差的逆应用到先前的姿态估计来获得改进的姿态估计。

Description

用于定向感测的方法和系统

技术领域

本发明涉及一种数据处理系统，该数据处理系统包括传感器装置，用于感测该传感器装置所处位置上的第一向量和第二向量场，和用于确定该传感器装置相对于所感测到的第一向量和第二向量场的姿态。

本发明还涉及一种由传感器装置确定传感器装置相对于该传感器装置所处位置上感测到的第一向量和第二向量场的姿态。

本发明还涉及一种软件，当该软件在数据处理装置上运行时该软件用于实现所述方法。

背景技术

相同发明人的WO 2006/117731的申请涉及一种设备，其包括传感器装置，该传感器装置用于提供限定第一场的至少若干部分的第一场信息并且用于提供限定第二场的第一部分的第二场信息。该设备设有估计器，用于作为第一场信息和第二场信息的混合的函数，来估计第二场的第二部分，以变得更加可靠且对用户友好。所述场可以是地球引力场和/或地磁场和/或其它场。所述混合包括第一场和第二场的点积、和/或第一场和第二场在第一方向上的第一分量的第一乘积和/或第一场和第二场在第二方向上的第二分量的第二乘积。第二场的第二部分包括第二场在第三方向上的第三分量。估计器可以作为第一场信息的另一函数，进一步估计第一场在第三方向上的第三分量。更具体地讲，WO 2006/117731公开了一种从通过两个二维(2D)传感器或一个2D传感器和一个3D传感器所进行的场的测量来重建三维(3D)向量场U和V的方法。在优选实施例中，场U和V分别可以是地球引力场和地磁场。根据重建的场U和V，通过将场的已知参考坐标系表示(^rU和^rV)与重建的场的体坐标系表示(^cU和^cV)进行相关能够确定定向传感器的3×3姿态矩阵^rC。见图3中的公式302。^cU和^cV中的上标“c”表示了量是相对于体(主体)坐标系统来表达的。

D.Gebre-Egziabher等在“A Gyro-Free Quaternion-based AttitudeDetermination System Suitable for Implementation Using Low CostSensors”，IEEE Position Location and Navigation Symposium，SanDiego，CA，USA，March 2000中描述了另一种迭代姿态估计方法。

发明内容

本发明利用了一种能迭代式改进物体姿态的估计的算法。在每次迭代中，产生误差向量，该误差向量表示实际测量的传感器信号(观测值)与在给定前一迭代的姿态估计的情况下这些传感器信号基于模型的预测之间的差值。根据复合传感器数据误差向量，通过将复合误差向量和灵敏度矩阵的伪逆矩阵相乘来计算姿态估计误差(3个自由度旋转)。然后，通过将姿态估计误差的逆(inverse)应用于先前的姿态估计来获得新(改进的)姿态估计。为了改善收敛，可以包括一项措施(线搜索)，即在将姿态估计误差应用到先前的姿态估计之前按比例减小该姿态估计误差。

诸如上述D.Gebre-Egziabher之类的类似方案与本发明的区别在于：所产生的误差信号不是测量所得的传感器数据向量和预测所得的传感器数据向量的差值，而是测量推断所得的向量场U和V与预测所得的向量场U和V之间的差值。在3D传感器的情况下，能通过对传感器模型矩阵方程进行倒置来获得测量推断的向量场。然而，如果一个或多个传感器轴缺失，则不能对相应的传感器模型矩阵方程进行倒置，并且仅能够例如通过应用与向量场相关的先验知识来估计相应的场。因此，不能仅仅根据测量来推断“测量推断的”向量场，而“测量推断的”向量场还将像预测的向量场一样取决于有关场的先验知识。这种方法将使得作为误差信号的“测量推断的”向量场和预测的向量场之间的差值毫无意义，并且将最终导致不准确的姿态估计。为此，优选的是，误差信号表示的是实际测量的传感器数据向量和预测的数据向量之间的差值。这能够带来附加优点，即根据对应的物理传感器(轴)的可靠性，可以很容易地向传感器数据误差向量施加不同的加权系数。因此，处理具有不同可靠性水平的传感器(例如，独立3D加速计的z轴例如由于偏移漂移和噪声而通常比x轴和y轴具有较差的性能)变得更加容易。可以给传感器数据误差向量中对应于加速计z轴的分量分配较小的加权系数。

因此，本发明利用基于模型的迭代方法来改善姿态确定的精度以及从该姿态估计所得的体固定的向量表示^cU和^cV。优选地，该方法依赖于WO 2006/117731所公开的用于获得良好初始姿态估计的方法。换句话说，该迭代方法根据在体固定传感器中观测到的响应于两个不同物理向量场的信号来对物体姿态进行估计。参考坐标系中的这两个向量场的表示被用作先验知识。与其他已知的迭代式物体姿态估计方案不同，本发明也适用于如果两个传感器中的一个是2D传感器而不是3D传感器，或者如果两个传感器都是2D而不是3D传感器(以导致更简单的技术、更低的成本)的情况。优于在WO 2006/117731中所述的向量重建方法，本发明显著地改善了精度。上述D.Gebre-Egziabher等的发表物中所描述的迭代姿态估计不适用于具有小于6个轴(3个用于U，3个用于V)的传感器结构。

根据本发明的方法还使得最佳地处理具有不同偏差(例如，不同的噪声水平、偏移、或非线性)的传感器(或者传感器轴)的传感器配置变得更加容易。

更具体地讲，本发明涉及一种数据处理系统，其包括传感器装置和数据处理工具，其中传感器装置用于感测该传感器装置所在位置处的第一向量场和第二向量场，数据处理工具用于确定该传感器装置相对于所感测到的第一向量场和第二向量场的姿态。所述数据处理工具被配置为在各次迭代中确定各个姿态估计。在第一次迭代中，数据处理工具从传感器装置接收表示所感测到的第一向量场的第一数据和表示所感测到的第二向量场的第二数据，并且接收姿态的初始估计。例如能利用WO 2006/117731的方法来提供初始估计。对于每个下一迭代，数据处理工具通过执行以下步骤来确定姿态的下一估计：基于在前一迭代中确定的前一姿态估计来确定第一数据的下一个第一预测和第二数据的下一个第二预测；产生表示第一数据和下一个第一预测之间的第一差值的第一量；产生表示第二数据和下一个第二预测之间的第二差值的第二量；基于第一量和第二量来确定下一个姿态估计；以及基于下一个姿态估计误差，通过改变前一估计来确定表示下一个估计的进一步量。

本发明的定向感测系统使用迭代式改进物体姿态估计的算法。在每次迭代中，产生误差向量，该误差向量表示实际测量的传感器信号和在给定前一迭代的姿态估计的情况下这些传感器信号基于模型的预测之间的差值。根据复合传感器数据误差向量，通过用灵敏度矩阵的伪逆矩阵乘以该复合误差向量来计算姿态估计误差(例如，3个自由度的旋转)。然后，通过将姿态估计误差的逆应用到原来的姿态估计来获得改善的姿态估计。

当满足了预定判据时，迭代过程结束。例如，如果第一量的大小变得小于预定的第一阈值并且第二量的大小变得小于预定的第二阈值，则迭代过程结束。作为另一个示例，如果下一个姿态估计误差的大小变得小于预定阈值，则迭代过程结束。

如上所述，本发明提供了一种相对于WO 2006/117731的方法显著地改善了精度的方法，并且由于本发明适用于任何2D和3D传感器的组合(例如，3D磁力计和2D加速计)，所以比D.Gebre-Egziabher等所公开的方法更加通用。

所述数据处理工具可以由专用硬件、专用数据处理器、利用专用软件的通用数据处理器、具有诸如数据处理网络之类的分布式功能的数据处理系统等来实现。

在本发明的一个实施例中，所述数据处理工具对进一步量进行归一化以便使得进一步量表示纯旋转。执行归一化是为了确保新估计确实是纯旋转。以下将进一步详细讨论示例。

在另一个实施例中，数据处理工具利用按比例减小的下一个姿态估计误差，通过改变前一姿态估计来确定表示下一个姿态估计的另一个量。按比例减小的使用是为了确保复合传感器数据误差向量的大小在每次迭代中确实减小(即，为了确保收敛)。用于确定用来在当前迭代中按比例减小姿态估计误差的因子的判据是：它是否能够为下一个迭代产生长度显著减小的复合传感器误差向量。以下将进一步讨论详情。

在本发明的一个实施例中，所述系统包含于移动设备中，例如电子罗盘、移动电话、掌上电脑等。可选地，所述传感器装置包含于移动设备中，并且该设备具有用于经由数据网络与包括数据处理工具的服务器进行通信的接口。这种分布式系统方法使得多个用户能接收集中维持和更新的服务。

在另一个实施例中，第一向量场是地磁场，并且第二向量场是地球引力场。传感器装置包括例如3D或2D磁力计和3D或2D加速计。

本发明还涉及一种确定传感器装置相对于第一向量场和第二向量场的姿态，第一向量场和第二向量场是传感器装置在其所在位置感测到的。该方法包括在各次迭代中确定各个姿态估计。该方法包括在第一迭代中从传感器装置中接收表示所感测到的第一向量场的第一数据和表示所感测到的第二向量场的第二数据，并且接收初始的姿态估计。对于每个下一迭代，该方法包括通过执行以下步骤来确定下一姿态估计：基于在前一迭代中确定的前一姿态估计来确定第一数据的下一个第一预测和第二数据的下一个第二预测；产生表示第一数据和下一个第一预测之间的第一差值的第一量；产生表示第二数据和下一个第二预测之间的第二差值的第二量；基于第一量和第二量来确定下一个姿态估计误差；以及基于下一个姿态估计误差，通过改变前一估计来确定表示下一个姿态估计的进一步量。

例如经由数据网络接收传感器数据并返回最终的姿态估计的服务供应商能够在商业上利用根据本发明的方法，将其有效地用于例如集成在移动电话内的移动传感器装置。

本发明还涉及对用在根据本发明的系统中的数据处理工具进行配置的软件。将该专用软件提供给配备有传感器装置或者作为售后增加能配备有传感器装置的移动设备的用户的软件供应商能在商业上利用该软件。

附图说明

参照附图，通过示例的方式更详细地阐述本发明，其中：

图1和图2是根据本发明的系统的框图；

图3至图8列举了阐明各种运算的数学表达式；以及

图9是根据本发明的系统的一个实施例的框图。

在所有的附图中，用相同的参考标号来表示类似或相应的特征。

具体实施方式

框图

图1是根据本发明的系统100的相关功能的框图。系统100包括输入端102，用于从向量场传感器装置(未示出)接收表示在时间t＝t_k时感测到的向量场的数据。系统100还包括组合器104、矩阵乘法器106、用于将乘法器106的输出倒置的倒相器110、四元数乘法器单元108(对于四元数表示，见以下)、用于执行自传感器的数据向量的下一预测的单元112、以及用于计算以下将进一步讨论并且由图5中的表达式(504)给出的灵敏度矩阵H的伪逆矩阵的单元114。系统100还包括初始化部分116，初始化部分116输出例如根据上述的W02006/117731中讨论的方法来产生的初始姿态估计。初始姿态估计被用在第一次迭代i＝1中，用于产生第二姿态估计。然后，初始化部分116将从第二姿态估计开始的下面所有的姿态估计路由到四元数乘法器108，以及单元112和单元114。系统100的运算如下。针对第i次迭代，组合器104通过确定表示传感器在时刻t＝t_k测量到的实际信号的数据向量和表示来自传感器的预测信号的数据向量之间的差值来形成输出。单元112基于在前一次迭代中计算出并且在节点118能够获得的姿态估计来提供预测传感器数据向量。因此，组合器104形成了提供给乘法器106的复合误差向量。图4中的表达式(410)和(412)分别涉及向量场V和U的传感器数据误差向量，以下将对此进行进一步描述。乘法器106用以下将讨论的图5中的表达式(506)给出的灵敏度矩阵的伪逆矩阵对该复合误差向量执行矩阵相乘，产生由图5中的表达式(508)给出的第i次迭代的姿态估计误差。单元108通过将倒相器110产生的姿态估计误差的逆应用到前一姿态估计来确定下一个(改善的)姿态估计。以下参照图6中的表达式(612)和图7中的表达式(702)进一步详细讨论这个最后的运算。对当前测量到的传感器数据向量持续进行迭代，直到满足了停止判据。然后在节点118获得的时刻t＝t_k的姿态估计被提供给输出节点120。

图2是用于预测下一个传感器数据向量的单元112的框图。通过以下步骤来预测U和V向量场的传感器数据向量：在单元202和204中，基于在节点118提供的估计姿态^rC和已知的参考坐标系场表示^rU和^rV来计算体固定的向量场表示^cU和^cV，然后将体固定的向量^cU和^cV馈送到它们在单元206和208中的对应传感器模型。单元206和208的输出将各自的数据提供给单元210，单元210提供预测向量，该预测向量是组合U和V传感器通道的预测传感器数据向量。因此，单元112利用已知的参考坐标系中U和V场的表示来计算相应的体固定的表示。然后，体固定的场表示被应用到相应传感器的模型，以产生预测传感器数据向量。该步骤需要已知传感器模型的参数。在通常的线性传感器模型的情况下，这些参数包括传感器偏移向量和传感器比例因子矩阵(每个传感器轴给出总共4个系数)。

从上述的WO 2006/117731中讨论的表达式(302)中可以看出，^cU和^cV与物体姿态矩阵^rC之间的关系是非线性的。因此，传感器数据向量和姿态之间的关系也是非线性的。对应的误差信号也同样如此。为了能够根据传感器数据误差向量来计算姿态估计误差，在前一次迭代的估计姿态的附近(“运算点”)线性化所述非线性关系。这可以通过以下步骤来实现：计算灵敏度矩阵，该灵敏度矩阵的系数表示传感器数据误差向量分量对姿态误差分量的灵敏度。由于传感器数据误差向量中的分量(在一个场为2D传感器而另一个场为3D传感器的情况下分量为5个)比姿态估计误差中的分量(3个)多，则不能倒置该灵敏度矩阵，而必须对其进行伪逆运算，这将产生最适合于传感器数据误差向量的姿态估计误差的均方根(rms)。

推导灵敏度矩阵和伪逆

表达式(304)给出了向量V在已知参考坐标系(上标^r)中的量和在真实的体坐标系(上标^c)中的量的表示之间的关系。在参考坐标系中表示的3×3姿态矩阵^rC的列是体坐标系的基向量。在姿态估计程序中的每次迭代的目的是为了获得真实的(但是未知的)姿态

的估计估计的姿态和真实的姿态被表达式(306)给出的姿态估计误差^rδC关联起来。表达式(306)中的三个矩阵都具有3×3的维数并且都表示旋转。表达式(306)的解释如下：为了获得估计的姿态，用姿态估计误差来旋转真实的姿态。如果姿态估计误差^rδC将表示小的纯旋转，则在其系数中仅仅存在3个自由度；并且该矩阵可以由表达式(308)进行近似。表达式(308)中的矩阵I是3×3单位矩阵，并且三个系数^rδe₁、^rδe₂、^rδe₃表示关于参考坐标系的x、y和z轴的旋转的半角。将表达式(306)代入表达式(304)产生表达式(310)。将针对姿态估计误差的表达式(308)代入表达式(310)，并且对结果进行再加工后给出表达式(312)。在表达式(312)中，3D向量^rδe如在表达式(402)中所定义的一样。表达式(312)右手边的第一项可以被解释为预测的体参考向量 $\hat{V}_c=\hat{V}_T^r\·V_r,$ 并且第二项是预测误差。作为下一个步骤，表达式(404)给出了线性传感器模型，其中S_V是传感器数据向量，SF_V是比例因子矩阵，并且β_V是偏移向量。将表达式(312)代入表达式(404)得到表达式(406)，其中传感器数据向量估计

是根据表达式(408)定义的。现在传感器数据误差向量 $\mathrm{\δ}{S}_v={\hat{S}}_v-S_v$ 能与向量^rδe建立关联，这表示了表达式(410)所给出的姿态估计误差。对于两个向量场中的一个向量场(向量场V)，这是传感器数据误差向量和姿态估计误差之间的理想线性关系。同样的推导过程也适用于另一个场U，并且产生表达式(412)。

矩阵方程(410)和(412)能被组合在根据表达式(502)的单个矩阵方程中，其中灵敏度矩阵H由表达式(504)给出。如果U和V场均是由3D传感器测量的，则灵敏度矩阵H的维数是6×3。如果其中一个场是由2D传感器测量的，则H的维数减小到5×3。复合(6×1或5×1)传感器数据误差向量过多指定(3×1)姿态误差。因此，为了根据传感器数据误差向量来计算姿态估计误差，不能倒置矩阵方程(502)。然而，可以通过表达式(506)给出的计算H的伪逆H⁺来计算出最适合的(例如，均方根形式)姿态误差。伪逆具有H⁺·H＝I的属性，其中I是单位矩阵，该单位矩阵的行维数和列维数等于H的列维数(在这种情况下维数等于3)。如表达式(508)给出，现在根据复合传感器数据误差向量来确定姿态估计误差。

另外，传感器数据误差向量被定义为预测传感器数据向量和为真实姿态获得的传感器数据向量之间的差值。在实际系统中不能获得后一个量，而采用测量的传感器数据向量来代替。虽然，测量的传感器数据向量与真实的姿态相关，但是它也受到噪声和其他传感器非理想状况影响的限制。因此，即使在多次迭代之后，也仅仅期望估计的姿态接近真实的姿态。

实现

可以多种根本不同的方式(除了大量不同的约定之外)来表示3个自由度的姿态C，例如：

1)欧拉角，例如转动角、滚动角和平动角。欧拉角表示是一组表示绕三个给定旋转轴连续旋转的三个角。

2)轴&角。在此，物体姿态被看作是绕指定轴的通过指定角度的单个旋转的结果。

3)四元数表示采用四元数。四元数是4维超复数。在旋转的环境中，四个四元数分量也被称为欧拉参数(与欧拉角区分开)。普通的复数由两个实数组成，并且可以被用来描述2D平面中的1个自由度的旋转。同样，构成四元数的四个实数欧拉参数可被用来描述3D空间中的3个自由度的旋转。

4)旋转矩阵，也被称为方向余弦矩阵，是3×3矩阵，该矩阵的列给出了以参考坐标系表示的体坐标系的基向量。其采用了9个系数来表示仅仅3个自由度。

优选地，采用了四元数表示或旋转矩阵表示，这是因为它们能够容易地计算出连续旋转产生的姿态(就像算法的迭代特性所能实现的一样)。以下，首先讨论四元数表示，然后讨论旋转矩阵表示。

四元数表示

四元数和其四个欧拉参数通常由表达式(602)来表示。欧拉角的解释遵循表达式(604)。在此，由表达式(606)给出分量的单位长度向量Ω是旋转轴，角度^rα是旋转角。如果四元数的长度(四个分量的均方根总和)等于1，则四元数表示旋转。根据表达式(608)，从两个连续旋转(第一旋转a，然后旋转b)产生的姿态可以被描述为相应的四元数的乘积。符号

表示四元数乘积运算符。当根据前一姿态估计和姿态估计误差来计算新姿态估计时，需要四元数乘积的表达式。

检查表达式(604)可以发现小旋转的四元数(例如，姿态估计误差)可由表达式(610)近似，其中||^rδe||＜＜1。表达式(612)给出了与单元110的运算相关的求逆运算，即在其他方向上的小旋转。注意，如表达式(508)所给出的，向量^rδe的三个分量可被直接映射到姿态估计误差的分量上。现在，能根据表达式(702)来执行新的姿态估计的计算，其中下标“i”指的是第i次迭代步骤，下标“i-1”指的是前一迭代步骤。归一化用于保持单位长度的四元数(即，纯旋转)。由于两个原因，这是需要的。第一个原因是根据表达式(610)的近似给出了在每次迭代步骤中四元数长度的小增长。第二个原因是舍入误差在多次迭代期间累积。采用姿态的四元数表示的优点是其中能够(通过归一化四元数的长度)保持纯旋转的简单方式。

根据新的姿态估计，能够在图2的单元202和204中预测向量^cU和^cV。在四元数代数中，向量旋转可被描述为四元数三重积(704)，其中向量^cU和^cV在第一位置补充了0，以使得它们满足四元数乘积运算符。

为了确定何时已经实现了收敛，迭代算法需要判据以便停止迭代。对于向量匹配算法，表达式(706)给出了可能的停止判据，其中选择了例如作为期望姿态的精度的一部分的阈值。

作为选择，还可以检查复合传感器数据误差向量的长度。当该长度变得小于传感器中的(已知)均方根噪声水平的一部分时，就没有必要试图获得更好的估计了。

旋转矩阵表示

以上讨论的可以代替四元数表示的是更熟悉的姿态矩阵表示。表达式(708)给出了对应于表达式(610)的姿态估计误差的旋转矩阵^rδC。理论上，表达式(710)给出了根据前一姿态估计和姿态估计误差的新姿态估计的更新方程。然而，由于表达式(708)仅仅给出了小旋转的近似，所以必须采取附加措施来确保表示新姿态估计的矩阵确实是纯旋转矩阵。

当且仅当具有列向量c_x、c_y和c_z的3×3矩阵C符合以下要求时，其表示纯旋转：每个列向量的长度是1；并且这些列向量彼此正交。表达式(712)表示了这些要求。表达式(712)表示施加到矩阵C上的6个约束(标量方程)，从而矩阵的9个系数中仅仅剩下了姿态的3个自由度。存在多种方法来修改一般矩阵C使其符合方程(712)。通过示例给出了以下方法。通过将向量c_x的长度换算成1，用矩阵C的第一列向量的归一化形式来代替矩阵C的第一列向量。用原始的第一列向量和第二列向量c_x和c_y的归一化叉积来代替第三列向量。新的第三列向量和第一列向量的叉积用作新的第二列向量。显然的是，可以想出很多上述方法的(相互之间不等同的)变型。该方法能够应用于表达式(710)的结果，以确保结果真正地表示纯旋转。

现在，从根据表达式(802)的姿态估计能够预测到向量^cU和^cV(见图2的框图中的操作)，之后，能够通过传感器模型单元206和208馈送向量^cU和^cV，以针对下一个迭代来预测新的复合传感器数据向量。

收敛改进

上述姿态估计误差是在假设它是小误差的情况下得到的。然而，取决于尤其是最初几次迭代中的初始姿态估计的量，在姿态估计中，所计算的姿态估计误差可能是真实误差的严重过估计。这可能导致需要大量迭代和/或甚至导致不能收敛。如果一个或多个传感器轴缺失，则存在某些姿态，对于这些姿态来说，所有剩余的传感器轴的信号对后续的小姿态变化不敏感。在这种情况下，姿态估计误差能够是真实需要的姿态步骤的粗略的过估计，并且还会导致较差收敛。

因为所计算的姿态估计误差是基于导数的(derivative)(灵敏度矩阵)，所以其总是能给出朝向改进姿态估计的正确方向。然而，由于姿态和预测向量之间的基本关系是非线性的，所以估计误差的长度可能是过估计的。因此，需要一种方法来按比例缩小姿态估计误差的长度，同时又能在应用它来确定新的姿态估计之前保持方向不变。这种按比例缩小对应于减小必须在当前迭代中使用的旋转的角度，而同时又保持相关的旋转轴不变。按比例缩小类似于经常应用在多维Newton-Raphson求根方法(root-finding)中来减小(多维)迭代步长的线性搜索方法。然而，在Newton-Raphson求根方法中，步长被附加到前一次迭代的结果，而在本发明的向量匹配算法中，以乘法方式应用估计误差，见表达式(702)。

为了确定旋转步长是否足够小，计算对应的新姿态以及对应的复合传感器数据误差向量。如果传感器数据误差向量的长度相对于前一次迭代中所获得的传感器数据误差向量的长度增大了而不是减小的，则旋转步长太大。然后，试试较小的步长。如果传感器数据误差向量的长度相对于前一次迭代中的传感器数据误差向量的长度减小了，则接受该步长。注意，采用线性搜索方法，在每次迭代中可能必须多次计算新的姿态和对应的复合传感器数据误差向量以获得可接受的步长。然而，灵敏度矩阵及其伪逆矩阵的更密集的计算的执行频率仍然保持在每次迭代中进行一次。对于如何确定下一次迭代所使用的降低步长的因子的详情，参见例如Numerical Recipes in C，2ed.，W.H.Press et al.，Cambridge University Press，1992，section9.7。

信号装置或分步式系统实现

可以多种方式来实现上述的系统100。在第一种实现方式中，系统100包含于单个装置(诸如电子罗盘之类的移动装置)中。电子罗盘可以独立存在，或者其自身可以集成在移动电话或者掌上电脑等中。

图9示出了系统100的第二实施例900。在输入端102提供所测量的传感器数据向量的传感器装置902包含于单个物理装置904(例如移动装置)中，该物理装置904也具有数据通信工具和网络接口906，用于通过数据网络910(诸如Internet)与服务器908进行(无线)通信。服务器908具有数据处理工具912，用于处理从传感器装置902接收到的表示所感测到的向量场(例如地磁场和地球引力场)的数据，以便确定装置902相对于这些向量场的姿态，从而能确定装置904相对于这些向量场的姿态。上面已经详细地讨论了所述数据处理。实施例900的配置的优点是由服务器来进行处理。从而，装置904不需要计算能力，并且可以集中维护和更新服务器908，以便优化处理和向装置904的用户提供服务。例如，用户可以在其移动电话904上安装的传感器装置902作为售后添加，添加后在该移动电话上可以获得服务器908所提供的服务，从而允许基于导航设备的各种商业上感兴趣的商业模型。

在第三个实施例中，系统100包含于单个物理装置中，其中对从传感器装置902接收的作为所感测到的向量场的数据进行处理的(如参照之前附图所讨论过的)处理工具以运行在该装置上的通用数据处理器上的软件形式来实现。另外，传感器装置902也可以作为售后添加来安装，以及软件可以下载到装置上来启动根据本发明的系统。

因此，本发明中的定向感测系统采用了迭代式改进物体姿态估计的算法。在每次迭代中，产生误差向量，其表示实际测量的传感器信号和在给定前一次迭代的姿态估计的情况下这些传感器信号的基于模型的预测之间的差值。根据复合传感器数据误差向量，通过用符合误差向量乘以灵敏度矩阵的伪逆矩阵来计算姿态估计误差(3个自由度的旋转)。然后，通过将姿态估计误差的逆应用到之前的姿态估计来获得改进的姿态估计。

Claims (11)

1.一种数据处理系统，其包括：

传感器装置，用于感测该传感器装置所在位置的第一向量场和第二向量场；

数据处理工具，用于确定该传感器装置相对于所感测到的第一向量场和所感测到的第二向量场的姿态；其中：

数据处理工具用来确定各个迭代中的姿态的各个估计；

在第一次迭代中，数据处理工具从传感器装置接收表示所感测到的第一向量场的第一数据和表示所感测到的第二向量场的第二数据，并且接收姿态的初始估计；

对于每个下一次迭代，数据处理工具通过执行以下步骤来确定姿态的下一个估计：

基于在前一次迭代中确定的前一个姿态估计来确定第一数据的下一个第一预测和第二数据的下一个第二预测；

产生第一量，其表示第一数据和下一个第一预测之间的第一差值；

产生第二量，其表示第二数据和下一个第二预测之间的第二差值；

基于第一量和第二量来确定下一个姿态估计误差；

基于下一个姿态估计误差，通过改变前一估计来确定表示下一个姿态估计的进一步量。

2.根据权利要求1所述的系统，其中数据处理工具对所述进一步量进行归一化以便使所述进一步量表示纯旋转。

3.根据权利要求1所述的系统，其中数据处理工具通过使用按比例减小的下一个姿态估计误差来修改前一姿态估计以确定表示下一个姿态估计的另一个量。

4.根据权利要求1所述的系统，包含于移动装置中。

5.根据权利要求1所述的系统，其中：

传感器装置包含于移动装置中；

该移动装置具有接口，用于经由数据网络与数据处理工具进行通信。

6.根据权利要求1所述的系统，其中第一向量场是地磁场，第二向量场是地球引力场。

7.根据权利要求5所述的系统，其中传感器装置包括3D磁力计和2D加速计。

8.一种方法，其用于确定传感器装置相对于传感器装置所感测到的传感器装置所在位置的第一向量场和第二向量场的姿态，其中：

该方法包括确定各个迭代中的各个姿态估计；

该方法包括在第一次迭代中从传感器装置接收表示所感测到的第一向量场的第一数据和表示所感测到的第二向量场的第二数据，并且接收初始姿态估计；

对于每个下一次估计，该方法包括通过执行以下步骤来确定下一个姿态估计：

基于在前一次迭代中确定的前一姿态估计来确定第一数据的下一个第一预测和第二数据的下一个第二预测；

产生第一量，其表示第一数据和下一个第一预测之间的第一差值；

产生第二量，其表示第二数据和下一个第二预测之间的第二差值；

基于第一量和第二量来确定下一个姿态估计误差；以及

基于下一个姿态估计误差，通过改变前一估计来确定表示下一个姿态估计的进一步量。

9.根据权利要求8所述的方法，包括对所述进一步量进行归一化以便使得所述进一步量表示纯旋转。

10.根据权利要求8所述的方法，包括通过使用按比例减小的下一个姿态估计误差来修改前一姿态估计以确定表示下一个姿态估计的另一个量。

11.一种软件，用于配置用在权利要求1所述的系统中的数据处理工具。

Images