CN104880172A - 基于卡尔曼滤波的路面平整度测量方法及装置 - Google Patents

Abstract

本发明提供一种基于卡尔曼滤波的路面平整度测量方法及装置，该方法通过采用路面平整度卡尔曼滤波系统，获取各采样点的路面平整度测量装置的振动位移的最优估计值，并将各采样点的路面平整度测量装置的振动位移的最优估计值减去各采样点的路面平整度测量装置的距离地面的距离，获取各采样点对应的路面平整值，进一步分析获取待测试路面的路面平整度，即通过采用路面平整度卡尔曼滤波系统获取路面平整度测量装置的振动位移的最优估计值，以实现该振动位移的最优估计值最接近真实的振动位移，降低了路面平整度计算结果的误差，并提高了路面平整度计算结果的精度及鲁棒性。

Description

基于卡尔曼滤波的路面平整度测量方法及装置

技术领域

本发明实施例涉及高速路面平整度测量技术，尤其涉及一种基于卡尔曼滤波的路面平整度测量方法及装置。

背景技术

路面平整度(Road Surface Roughness)指的是路表面纵向的凹凸量的偏差值。路面平整度是路面评价及路面施工验收中的一个重要指标，主要反映的是路面纵断面剖面曲线的平整性。当路面纵断面剖面曲线相对平滑时，则表示路面相对平整，或平整度相对好，反之则表示平整度相对差。好的路面则要求路面平整度也要好。

目前，主要采用路面平整度测量装置来测量路面平整度，常见的路面平整度测量装置有纵剖面式检测仪、反应式检测仪和惯性式检测仪。其中，由于惯性式检测仪的测量结果较为准确而被广泛使用。现有技术中，将惯性式检测仪固定在汽车底盘，随着汽车一起运动，其中，该惯性式检测仪中包括加速度传感器和距离传感器，依靠加速度传感器测量惯性式检测仪的运动加速度，且依靠距离传感器测量路面到底盘的距离，之后由专门的计算设备根据加速度和路面到底盘的距离综合分析计算路面状况。

但是，采用现有技术，在分析计算路面状况的过程中，尤其是在汽车速度变缓或者静止的情况下，会导致路面状况的计算结果误差较大，进而影响到路面平整度分析的结果。

发明内容

本发明实施例提供一种基于卡尔曼滤波的路面平整度测量方法及装置，以解决现有技术中路面平整度分析结果过程中路面状况计算结果误差较大的问题。

本发明实施例第一方面提供一种基于卡尔曼滤波的路面平整度测量方法，包括：

A、路面平整度测量装置在测试点测量所述路面平整度测量装置距离地面的距离以及所述路面平整度测量装置从起点运动到所述测试点之间的里程；

B、所述路面平整度测量装置在所述里程中预设多个等间隔距离的采样点，将相邻所述两个采样点之间的所有测试点的所述路面平整度测量装置距离地面的距离进行求平均值处理，获取各采样点对应的所述路面平整度测量装置距离地面的距离；

C、所述路面平整度测量装置采用路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的所述路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值；

D、所述路面平整度测量装置将所述第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值减去所述第k个采样点对应的所述路面平整度测量装置距离地面的距离，获取第k个采样点对应的路面平整值；

E、所述路面平整度测量装置循环执行A～D，直到所述路面平整度测量装置在待测试路面的运动过程中依次测试完预设个数的采样点的路面平整值；

F、所述路面平整度测量装置分析所述预设个数的采样点的路面平整值，获取待测试路面的路面平整度。

本发明实施例第二方面提供一种基于卡尔曼滤波的路面平整度测量装置，包括：激光测距传感器、里程表传感器和处理器；其中，

所述激光测距传感器，用于在测试点测量所述路面平整度测量装置距离地面的距离；

所述里程表传感器，用于测量所述路面平整度测量装置从起点运动到测试点之间的里程；

所述处理器，用于在所述里程中预设多个等间隔距离的采样点，将相邻两个所述采样点之间的所有测试点的所述路面平整度测量装置距离地面的距离进行求平均值处理，获取各所述采样点对应的所述路面平整度测量装置距离地面的距离；采用路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的所述路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值；将所述第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值减去所述第k个采样点对应的所述路面平整度测量装置距离地面的距离，获取第k个采样点对应的路面平整值；在获取预设个数的采样点的平整值之后，分析预设个数的采样点的路面平整值，获取待测试路面的路面平整度。

本发明提供的基于卡尔曼滤波的路面平整度测量方法及装置，通过采用路面平整度卡尔曼滤波系统，获取各采样点的路面平整度测量装置的振动位移的最优估计值，并将各采样点的路面平整度测量装置的振动位移的最优估计值减去各采样点的路面平整度测量装置的距离地面的距离，获取各采样点对应的路面平整值，进一步分析获取待测试路面的路面平整度，即通过采用路面平整度卡尔曼滤波系统获取路面平整度测量装置的振动位移的最优估计值，以实现该振动位移的最优估计值最接近真实的振动位移，降低了路面平整度计算结果的误差，并提高了路面平整度计算结果的精度及鲁棒性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的基于卡尔曼滤波的路面平整度测量方法实施例一的流程图；

图2为本发明提供的基于卡尔曼滤波的路面平整度测量装置实施例一的结构示意图；

图3为本发明提供的基于卡尔曼滤波的路面平整度测量装置实施例二的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明提供的基于卡尔曼滤波的路面平整度测量方法实施例一的流程图，该方法的执行主体可以为路面平整度测量装置，如：惯性式检测仪等，如图1所示，本实施例的方法可以包括：

A、路面平整度测量装置在测试点测量该路面平整度测量装置距离地面的距离以及该路面平整度测量装置从起点运动到测试点之间的里程。

具体的，路面平整度测量装置可以安装在汽车底盘上，可以通过路面平整度测量装置测量该路面平整度测量装置距离地面的距离和该路面平整度测量装置从起点运动到测试点之间的里程。

B、该路面平整度测量装置在里程中预设多个等间隔距离的采样点，将相邻两个采样点之间的所有测试点的该路面平整度测量装置距离地面的距离进行求平均值处理，获取各采样点对应的该路面平整度测量装置距离地面的距离。

具体的，该路面平整度测量装置的电路系统采样是根据时钟频率采样测试点，也就是等时间间隔采样，而在实际测量时，需要依据具体的位置来确定采样点，也就是等距离间隔采样，由于测试点的时钟采样频率远远高于距离采样频率，因此在两个依据距离间隔采样的采样点之间会对应的有多个依据时间间隔采样的测试点，将这些测试点的所测量的该路面平整度测量装置距离地面的距离做平均处理，可以达到减少冗余以及提高信噪比的作用，一般两个采样点间隔是20毫米。

需要说明的是，采用将相邻两个采样点之间的所有测试点获取的该路面平整度测量装置的距离地面的距离分别进行求平均值处理，获取的是这两个相邻采样点中靠前的采样点对应的该路面平整度测量装置的距离地面的距离。

C、该路面平整度测量装置采用路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的该测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值；

具体的，卡尔曼滤波(Kalman Filter，KF)是估计线性动态系统状态的递归数据处理算法，通过对样本训练的动态更新，不断预测描述下一状态和测量数据，本发明实施例一中该路面平整度测量装置通过采用路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的该路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的该路面平整度测量装置距离地面的距离来获取第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值。

D、该路面平整度测量装置将第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值减去第k个采样点对应的该路面平整度测量装置距离地面的距离，获取第k个采样点对应的路面平整值；

具体的，该路面平整度测量装置通过将第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值减去第k个采样点对应的该路面平整度测量装置距离地面的距离，就可以获取第k个采样点对应的路面平整值。

E、该路面平整度测量装置循环执行A～D，直到该路面平整度测量装置在待测试路面的运动过程中依次测试完预设个数的采样点的路面平整值；

具体的，判断该路面平整度测量装置在待测试路面的运动过程中是否测试完预设个数的采样点的路面平整值，若是，则执行步骤E，若否，则返回执行步骤A。

F、该路面平整度测量装置分析预设个数的采样点的路面平整值，获取待测试路面的路面平整度。

在本实施例中，通过采用路面平整度卡尔曼滤波系统，获取各采样点的该路面平整度测量装置的振动位移的最优估计值，并将各采样点的该路面平整度测量装置的振动位移的最优估计值减去各采样点的该路面平整度测量装置的距离地面的距离，获取各采样点对应的路面平整值，进一步分析获取待测试路面的路面平整度，即通过采用路面平整度卡尔曼滤波系统获取该路面平整度测量装置的振动位移的最优估计值，以实现该振动位移的最优估计值最接近真实的振动位移，降低了路面平整度计算结果的误差，并提高了路面平整度计算结果的精度及鲁棒性。

进一步地，实施例二中，在上述图1所示实施例一的基础上，若该路面平整度测量装置的振动加速度未知，上述方法还包括：

该路面平整度测量装置在测试点测量该路面平整度测量装置的振动加速度，并将相邻两个采样点之间的所有测试点的该路面平整度测量装置的振动加速度进行求平均值处理，获取各采样点对应的该路面平整度测量装置的振动加速度，并将该路面平整度测量装置的振动加速度作为该路面平整度卡尔曼滤波系统的过程噪声。

在路面平整度测量装置的振动加速度未知的情况下，该路面平整度测量装置采用该路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的该路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值，具体为：

该路面平整度测量装置采用公式和公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值然后将乘以H_k获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，其中为根据第k-1个采样点对应的该路面平整度卡尔曼滤波系统的状态变量获取的第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量预测值，F_k为所述路面平整度卡尔曼滤波系统的状态模型矩阵，为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值，P_k|k-1为根据第k-1个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵获取的第k个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵预测值，P_k-1|k-1为第k-1个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵，Q_k为第k个采样点对应的该路面平整度卡尔曼滤波系统的过程噪声的协方差矩阵，H_k＝[1 0 0 0]。

具体的，该路面平整度测量装置可以同时在测试点测量该路面平整度测量装置的振动加速度以及该路面平整度测量装置距离地面的距离。

需要说明的是，由于车辆行驶在高速路面上的运动可视为匀速运动，即该路面平整度测量装置的振动加速度可以看作正态分布。

具体地，卡尔曼滤波系统的线性随机微分方程可以表示为：

x_k＝F_kx_k-1+B_ku_k+w_k

其中，x_k是第k个采样点对应的卡尔曼滤波系统的状态变量，x_k-1是第k-1个采样点对应的卡尔曼滤波系统的状态变量，B_k是第k个采样点对应的卡尔曼滤波系统的输入参数，u_k是第k个采样点对应的卡尔曼滤波系统的控制量，w_k是第k个采样点对应的卡尔曼滤波系统的过程噪声。

进一步地，本实施例中，基于上述卡尔曼滤波系统的线性随机微分方程，计算路面平整度的过程中，该路面平整度卡尔曼滤波系统的状态变量表达式可以为：

$x_k=\left[\begin{array}{c}{y}_k\\ {\stackrel{\·}{y}}_k\\ {\stackrel{\widetilde{\·\·}}{y}}_k\\ {\stackrel{\widetilde{\·}}{y}}_k\end{array}\right]$

其中，y_k表示第k个采样点对应的该路面平整度测量装置的振动位移，表示第k个采样点对应的该路面平整度测量装置的振动速度，表示第k个采样点对应的去直流的该路面平整度测量装置的振动加速度，表示第k个采样点对应的去直流的该路面平整度测量装置的振动速度。

某测试点的该路面平整度测量装置的振动位移与该路面平整度测量装置的振动加速度的关系函数表达式如下：

$\stackrel{\·\·}{y}\left(t\right)=a$

t表示依据时间在某测试点进行测试的时间参数，上述是该路面平整度测量装置的振动位移对时间t进行两次求导；

对上述公式进行第一次积分运算，可以得到该路面平整度测量装置的振动速度与该路面平整度测量装置的振动加速度的关系表达式如下：

$\stackrel{\·}{y}\left(t\right)=\stackrel{\·}{y}\left(t_0\right)+a(t-t_0)$

对上述公式进行第二次积分运算，可以得到该路面平整度测量装置的振动位移与该路面平整度测量装置的振动加速度的关系表达式如下：

$y\left(t\right)=y\left(t_0\right)+\stackrel{\·}{y}\left(t_0\right)(t-t_0)+\frac{1}{2}a{(t-t_0)}^2$

由上述公式可见，该路面平整度测量装置的振动位移是该路面平整度测量装置的振动加速度与时间t变化的相关的表达式，但是在实际路面测量中，需要将随着时间t测量的该路面平整度测量装置的振动加速度转换成依据距离进行采样的采样点的该路面平整度测量装置的振动加速度，以方便确认路面上具体的某一点的上平整值，具体转换公式如下：

假设依据时间测量的各测试点对应的该路面平整度测量装置的振动加速度依次记为：

a(t₀),a(t₁),…,a(t_n-1),a(t_n)，

依据距离采样的各采样点之间的间隔是通过脉冲形式依次记为：

dmi(τ₀),dmi(τ₁),…,dmi(τ_m-1),dmi(τ_m)

假设相邻的两个采样点分别在τ_k-1和τ_k产生，其中τ_k-1是第k-1个采样点对应的时间，τ_k是第k个采样点对应的时间，t_i是在第i个测试点进行测量的时间，那么假设在这两个采样点对应的时间里面有L个测试点对应的时间点，具体如下：

t_i-1＜τ_k-1≤t_i＜t_i+1＜…＜t_i+L-1≤τ_k＜t_i+1

那么第k-1个采样点对应的该路面平整度测量装置的振动加速度如下：

$a_{k-1}=\frac{1}{L}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}a\left(t_{i+j}\right).$

进一步的，该路面平整度卡尔曼滤波系统的线性随机微分方程x_k＝F_kx_k-1+B_ku_k+w_k，由于该路面平整度测量装置的振动加速度是未知的，所以本实施例中可以预设该路面平整度卡尔曼滤波系统的输入参数B_k＝0，该路面平整度卡尔曼滤波系统的过程噪声w_k的取值范围为(0，Q_k)，进一步得出，可以通过采用公式和公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值

进一步地，上述实施例二中路面平整度测量装置采用公式和公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值可以是一个迭代更新过程，具体地，可以包括：

根据P_k|k-1，并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的误差协方差阵S_k；

根据S_k，并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的卡尔曼滤波增益K_k；

根据K_k和并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值以及采用公式P_k|k＝(1-K_kH_k)P_k|k-1获取第k个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵P_k|k。

其中，R_k为第k个采样点对应的所述路面平整度离卡尔曼滤波系统的观测误差协方差统计值，z_k为第k个采样点对应的所述路面平整度测量装置距离地面的距离，为第k个采样点对应的所述路面平整度卡尔曼滤波系统的观测误差。

实现过程中，初始状态下，的初始值可以为和P_k|k的初始值可以为P_0|0＝I_4x4，R_k的取值可以为R_k＝2.02*10^-4，P_k|k的取值可以为P_k|k-1的取值可以为S_k的取值可以为但并不以此为限。

由上述基于卡尔曼滤波系统的路面平整度测量方法可知，若该路面平整度测量装置的振动加速度未知，则该路面平整度测量装置的振动加速度是不参加卡尔曼滤波系统中的状态更新，即该路面平整度测量的振动加速度为0或者是一个常数，因此，该路面平整度测量装置的振动位移也就是固定的值，但是根据该路面平整度测量装置测量的距离路面的距离，随着汽车的运动，获得采样点的测试值显然不是一个固定的值，它一方面受到路面不平的影响，即观测噪声，另一方面该路面平整度测量装置是有振动的，即过程噪声，但是已知该路面平整度测量装置的振动加速度Q_k和R_k的统计特性，可以通过卡尔曼滤波系统得到待测试路面的该路面平整度最逼近的真实值。

进一步地，实施例三中，在上述图1所示实施例一的基础上，若该路面平整度测量装置的振动加速度已知，上述方法还包括：

该路面平整度测量装置在测试点测量该路面平整度测量装置的振动加速度，并将相邻两个采样点之间的所有测试点的该路面平整度测量装置的振动加速度进行求平均值处理，获取各采样点对应的该路面平整度测量装置的振动加速度；相应地，

该路面平整度测量装置采用路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的该路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的该路面平整度测量装置距离地面的距离来获取第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值，包括：

该路面平整度测量装置采用公式和获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值然后将乘以H_k获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，其中为根据第k-1个采样点对应的该路面平整度卡尔曼滤波系统的状态变量获取的第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量预测值，F_k为所述路面平整度卡尔曼滤波系统的状态模型矩阵，为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值，G_k是第k个采样点对应的该路面平整度卡尔曼滤波系统的输入参数， $n_k=\left[\begin{array}{c}{a}_k\\ a_{k-1}\end{array}\right],$ a_k为第k个采样点对应的该路面平整度测量装置的振动加速度，a_k-1第k-1个采样点对应的该路面平整度测量装置的振动加速度，P_k|k-1为根据第k-1个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵获取的第k个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵预测值，P_k-1|k-1为第k-1个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵。

具体的，与前述实施例类似，该路面平整度卡尔曼滤波系统的线性随机微分方程可以是x_k＝F_kx_k-1+B_ku_k+w_k，但是在本实施例三中，把该路面平整度测量装置的振动加速度作为该路面平整度卡尔曼滤波系统的激励，可以预设该路面平整度卡尔曼滤波系统的过程噪声w_k为0，也就是Q_k为0。进一步地得出，采用公式和获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值其中G_k是该路面平整度测量装置的振动加速度的差分输入的矩阵表达式。

进一步地，该路面平整度测量装置采用公式和获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值可以是一个迭代更新过程，具体地，可以包括：

根据P_k|k-1，并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的误差协方差阵S_k；

根据S_k，并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的卡尔曼滤波增益K_k；

根据K_k和并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值以及采用公式P_k|k＝(1-K_kH_k)P_k|k-1获取第k个采样点对应的协方差矩阵。

其中，R_k为第k个采样点对应的所述路面平整度离卡尔曼滤波系统的观测误差协方差统计值，z_k为第k个采样点对应的所述路面平整度测量装置距离地面的距离，为第k个采样点对应的所述路面平整度卡尔曼滤波系统的观测误差。

实现过程中，初始状态下，的初始值可以为和P_k|k的初始值可以为P_0|0＝I_4x4，R_k的取值可以为R_k＝2.02*10^-4，P_k|k的取值可以为P_k|k-1的取值可以为S_k的取值可以为但并不以此为限。

由上述基于卡尔曼滤波系统的路面平整度测量方法可知，若路面平整度测量装置的振动加速度已知，则路面平整度测量装置的振动加速度参加卡尔曼滤波系统中的状态更新，因此，可以获得路面平整度测量装置的振动位移的最优估计值，同时假设汽车静止或者路面是绝对平滑的，此时路面平整度测量装置测量的距离路面的距离应该与路面平整度测量装置的振动位移预测值相等，或者路面平整度测量装置测量的距离路面的距离与路面平整度测量装置的振动位移预测值的差值为一个固定常数，而实际中它们是不相等的，差值也不一定为一个固定常数，此时，通过卡尔曼滤波系统获得它们差值之间的一个最优估计值，即路面平整度测量装置测量的距离路面的距离减去路面平整度测量装置的振动位移的最优估计值就可以得到观测误差，从而获得待测试路面的路面平整度。

进一步地，上述实施例一中，该路面平整度测量装置将第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值减去第k个采样点对应的路面该平整度测量装置距离地面的距离，获取第k个采样点对应的所述路面平整度测量装置的路面平整值，包括：

该路面平整度测量装置采用公式获取第k个采样点对应的路面平整值，其中为第k个采样点对应的所述路面平整度测量装置的路面平整值。

具体的，该路面平整度测量装置在待测试路面的运动过程中依次测试完预设个数的采样点的路面平整值，并分析预设个数的采样点的路面平整值，获取待测试路面的路面平整度。

进一步地，在上述实施例的基础上，上述路面平整度卡尔曼滤波系统的状态模型F_k可以有多种表达方式，具体地，举例说明：

(1)上述路面平整度卡尔曼滤波系统的状态模型F_k可以为路面平整度测量装置的去直流分量振动加速度的反向滑动平均(Reversed Moving Average，简称：RMA模型)，这种情况下，该路面平整度卡尔曼滤波系统的状态模型F_k的矩阵表达式如下：

$F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1& 0\\ 0& -\frac{1}{L}& t_{k-1}& 1\end{array}\right]$

对应的，RMA模型的状态方程表达式如下：

$y_k=y_{k-1}+{\stackrel{\widetilde{\·}}{y}}_{k-1}{t}_{k-1}+\frac{1}{2}{\stackrel{\widetilde{\·\·}}{y}}_{k-1}{t}_{k-1}^2$

${\stackrel{\·}{y}}_k={\stackrel{\·}{y}}_{k-1}+{\stackrel{\widetilde{\·\·}}{y}}_{k-1}{t}_{k-1}$

${\stackrel{\widetilde{\·\·}}{y}}_k={\stackrel{\widetilde{\·\·}}{y}}_{k-1}+(a_k-a_{k-1})-\frac{1}{L}(a_{k-1}-a_{k-L})$

${\stackrel{\widetilde{\·}}{y}}_k={\stackrel{\widetilde{\·}}{y}}_{k-1}+({\stackrel{\·}{y}}_k-{\stackrel{\·}{y}}_{k-1})-\frac{1}{L}({\stackrel{\·}{y}}_{k-1}-{\stackrel{\·}{y}}_{k-L})$

$\left[\begin{array}{c}{y}_k\\ {\stackrel{\·}{y}}_k\\ {\stackrel{\widetilde{\·\·}}{y}}_k\\ {\stackrel{\widetilde{\·}}{y}}_k\end{array}\right]=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1& 0\\ 0& -\frac{1}{L}& t_{k-1}& 1\end{array}\right]\left[\begin{array}{c}{y}_{k-1}\\ {\stackrel{\·}{y}}_{k-1}\\ {\stackrel{\widetilde{\·\·}}{y}}_{k-1}\\ {\stackrel{\widetilde{\·}}{y}}_{k-1}\end{array}\right]+\left[\begin{array}{c}0\\ 0\\ a_k-a_{k-1}-\frac{1}{L}(a_{k-1}-a_{k-L})\\ \frac{1}{L}{\stackrel{\·}{y}}_{k-L}\end{array}\right]$

其中， $F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1& 0\\ 0& -\frac{1}{L}& t_{k-1}& 1\end{array}\right].$

(2)上述路面平整度卡尔曼滤波系统的状态模型F_k也可以为路面平整度测量装置的去直流分量振动加速度的扩展反向滑动平均(Exchange ReversedMoving Average，简称：ERMA模型)，这种情况下，该路面平整度卡尔曼滤波系统的状态模型F_k的矩阵表达式如下：

$F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1-\frac{1}{k}& 0\\ 0& 0& (1-\frac{1}{k})t_{k-1}& 1-\frac{1}{k}\end{array}\right].$

具体的，ERMA模型的状态方程表达式如下：

$y_k=y_{k-1}+{\stackrel{\widetilde{\·}}{y}}_{k-1}{t}_{k-1}+\frac{1}{2}{\stackrel{\widetilde{\·\·}}{y}}_{k-1}{t}_{k-1}^2$

${\stackrel{\·}{y}}_k={\stackrel{\·}{y}}_{k-1}+{\stackrel{\widetilde{\·\·}}{y}}_{k-1}{t}_{k-1}$

${\stackrel{\widetilde{\·\·}}{y}}_k={(1-\frac{1}{k})\stackrel{\widetilde{\·\·}}{y}}_{k-1}+(1-\frac{1}{k})(a_k-a_{k-1})$

${\stackrel{\widetilde{\·}}{y}}_k=(1-\frac{1}{k}){\stackrel{\widetilde{\·}}{y}}_{k-1}+(1-\frac{1}{k})({\stackrel{\·}{y}}_k-{\stackrel{\·}{y}}_{k-1})$

$\left[\begin{array}{c}{y}_k\\ {\stackrel{\·}{y}}_k\\ {\stackrel{\widetilde{\·\·}}{y}}_k\\ {\stackrel{\widetilde{\·}}{y}}_k\end{array}\right]=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1-\frac{1}{k}& 0\\ 0& 0& (1-\frac{1}{k})t_{k-1}& 1-\frac{1}{k}\end{array}\right]\left[\begin{array}{c}{y}_{k-1}\\ {\stackrel{\·}{y}}_{k-1}\\ {\stackrel{\widetilde{\·\·}}{y}}_k\\ {\stackrel{\widetilde{\·}}{y}}_{k-1}\end{array}\right]+\left[\begin{array}{c}0\\ 0\\ 1-\frac{1}{k}\\ 0\end{array}\right]*[a_k-a_{k-1}]$

其中， $F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1-\frac{1}{k}& 0\\ 0& 0& (1-\frac{1}{k})t_{k-1}& 1-\frac{1}{k}\end{array}\right].$

(3)上述路面平整度卡尔曼滤波系统的状态模型F_k还可以为该路面平整度测量装置的去直流分量振动加速度的无限脉冲响应数字滤波器(InfiniteImpulse Response，简称：IIR模型)，这种情况下，路面平整度卡尔曼滤波系统的状态模型F_k的矩阵表达式如下：

$F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& a_0& 0\\ 0& 0& b_0{t}_{k-1}& a_0\end{array}\right].$

具体的，IIR模型的状态方程表达式如下：

$y_k=y_{k-1}+{\stackrel{\widetilde{\·}}{y}}_{k-1}{t}_{k-1}+\frac{1}{2}{\stackrel{\·\·}{y}}_{k-1}{t}_{k-1}^2$

${\stackrel{\·}{y}}_k={\stackrel{\·}{y}}_{k-1}+{\stackrel{\widetilde{\·\·}}{y}}_{k-1}{t}_{k-1}$

${\stackrel{\widetilde{\·\·}}{y}}_k=a_0{\stackrel{\widetilde{\·\·}}{y}}_{k-1}+b_0(a_k-a_{k-1})$

${\stackrel{\widetilde{\·}}{y}}_k=a_0{\stackrel{\widetilde{\·}}{y}}_{k-1}+b_0({\stackrel{\·}{y}}_k-{\stackrel{\·}{y}}_{k-1})$

$\left[\begin{array}{c}{y}_k\\ {\stackrel{\·}{y}}_k\\ {\stackrel{\widetilde{\·\·}}{y}}_k\\ {\stackrel{\widetilde{\·}}{y}}_k\end{array}\right]=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& a_0& 0\\ 0& 0& b_0{t}_{k-1}& a_0\end{array}\right]\left[\begin{array}{c}{y}_{k-1}\\ {\stackrel{\·}{y}}_{k-1}\\ {\stackrel{\widetilde{\·\·}}{y}}_{k-1}\\ {\stackrel{\widetilde{\·}}{y}}_{k-1}\end{array}\right]+\left[\begin{array}{c}0\\ 0\\ b_0\\ 0\end{array}\right]*[a_k-a_{k-1}]$

其中， $F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& a_0& 0\\ 0& 0& b_0{t}_{k-1}& a_0\end{array}\right].$

图2为本发明提供的基于卡尔曼滤波的路面平整度测量装置实施例一的结构示意图，如图2所示，本实施例的路面平整度测量装置可以包括：激光测距传感器11、里程表传感器12和处理器13，其中，

激光测距传感器11，用于在测试点测量该路面平整度测量装置距离地面的距离；

里程表传感器12，用于测量该路面平整度测量装置从起点运动到测试点之间的里程；

处理器13，用于在里程中预设多个等间隔距离的采样点，将相邻两个采样点之间的所有测试点的该路面平整度测量装置距离地面的距离进行求平均值处理，获取各采样点对应的该路面平整度测量装置距离地面的距离；采用路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的该路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的该路面平整度测量装置距离地面的距离来获取第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值；将第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值减去第k个采样点对应的该路面平整度测量装置距离地面的距离，获取第k个采样点对应的路面平整值；在获取预设个数的采样点的平整值之后，分析预设个数的采样点的路面平整值，获取待测试路面的路面平整度。具体地，可以参照前述方法实施例，处理器13循环测试每个采样点，直到获取预设个数的采样点的平整值之后，在分析获取路面平整度。

本实施例的路面平整度测量装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

进一步地，图3为本发明提供的基于卡尔曼滤波的路面平整度测量装置实施例二的结构示意图，如图3所示，在本发明提供的基于卡尔曼滤波的路面平整度测量装置实施例一的基础上，该路面平整度测量装置还包括加速度传感器14；

若该路面平整度测量装置的振动加速度未知，加速度传感器14，用于在测试点测量该路面平整度测量装置的振动加速度；

处理器13还用于在将相邻两个采样点之间的所有测试点的该路面平整度测量装置的振动加速度进行求平均值处理，获取各采样点对应的该路面平整度测量装置的振动加速度，并将该路面平整度测量装置的振动加速度作为该路面平整度卡尔曼滤波系统的过程噪声；相应地，

处理器13采用该路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的该路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值，具体为：采用公式和公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值然后将乘以H_k获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，其中为根据第k-1个采样点对应的该路面平整度卡尔曼滤波系统的状态变量获取的第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量预测值，F_k为所述路面平整度卡尔曼滤波系统的状态模型矩阵，为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值，P_k|k-1为根据第k-1个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵获取的第k个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵预测值，P_k-1|k-1为第k-1个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵，Q_k为第k个采样点对应的该路面平整度卡尔曼滤波系统的过程噪声的协方差矩阵。

进一步地，处理器13，具体用于根据P_k|k-1，并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的误差协方差阵S_k；根据S_k，并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的卡尔曼滤波增益K_k；根据K_k和并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值以及采用公式P_k|k＝(1-K_kH_k)P_k|k-1获取第k个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵P_k|k；

其中，R_k为第k个采样点对应的所述路面平整度离卡尔曼滤波系统的观测误差协方差统计值，z_k为第k个采样点对应的所述路面平整度测量装置距离地面的距离，为第k个采样点对应的所述路面平整度卡尔曼滤波系统的观测误差。

本实施例的路面平整度测量装置，可以用于执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

继续参照图3，另一实施例中，若该路面平整度测量装置的振动加速度已知，加速度传感器14，用于在测试点测量该路面平整度测量装置的振动加速度；

处理器13还用于将相邻两个采样点之间的所有测试点的该路面平整度测量装置的振动加速度进行求平均值处理，获取各采样点对应的该路面平整度测量装置的振动加速度；相应地，

处理器13采用所述路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的该路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的该路面平整度测量装置的振动位移的最优估计值，具体为：

采用公式和获取第k个采样点对应的该路面平整度卡尔曼滤波系统的状态变量最优估计值然后将乘以H_k获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，其中为根据第k-1个采样点对应的该路面平整度卡尔曼滤波系统的状态变量获取的第k个采样点对应的该路面平整卡尔曼滤波系统的状态变量预测值，F_k为所述路面平整度卡尔曼滤波系统的状态模型矩阵，为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值，G_k是第k个采样点对应的该路面平整度卡尔曼滤波系统的输入参数， $n_k=\left[\begin{array}{c}{a}_k\\ a_{k-1}\end{array}\right],$ a_k为第k个采样点对应的该路面平整度测量装置的振动加速度，a_k-1第k-1个采样点对应的该路面平整度测量装置的振动加速度，P_k|k-1为根据第k-1个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵获取的第k个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵预测值，P_k-1|k-1为第k-1个采样点对应的该路面平整度卡尔曼滤波系统的协方差矩阵。

本实施例的路面平整度测量装置，可以用于执行图3所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

进一步地，处理器13具体用于根据P_k|k-1，并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的误差协方差阵S_k；根据S_k，并采用公式获取第k个采样点对应的该路面平整度卡尔曼滤波系统的卡尔曼滤波增益K_k；根据K_k和并采用公式获取第k个采样点对应的路面平整度卡尔曼滤波系统的状态变量最优估计值以及采用公式P_k|k＝(1-K_kH_k)P_k|k-1获取第k个采样点对应的协方差矩阵；

其中，R_k为第k个采样点对应的所述路面平整度离卡尔曼滤波系统的观测误差协方差统计值，z_k为第k个采样点对应的所述路面平整度测量装置距离地面的距离，为第k个采样点对应的所述路面平整度卡尔曼滤波系统的观测误差。

本实施例的路面平整度测量装置，可以用于执行图3所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

进一步地，处理器13具体用于采用公式获取第k个采样点对应的路面平整值，其中为第k个采样点对应的所述路面平整度测量装置的路面平整值。

进一步地，上述路面平整度卡尔曼滤波系统的状态模型F_k为：

$F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1& 0\\ 0& -\frac{1}{L}& t_{k-1}& 1\end{array}\right];$ 或者，

$F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1-\frac{1}{k}& 0\\ 0& 0& (1-\frac{1}{k})t_{k-1}& 1-\frac{1}{k}\end{array}\right];$ 或者，

$F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& a_0& 0\\ 0& 0& b_0{t}_{k-1}& a_0\end{array}\right].$

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于卡尔曼滤波的路面平整度测量方法，其特征在于，包括：

A、路面平整度测量装置在测试点测量所述路面平整度测量装置距离地面的距离以及所述路面平整度测量装置从起点运动到所述测试点之间的里程；

B、所述路面平整度测量装置在所述里程中预设多个等间隔距离的采样点，将相邻两个所述采样点之间的所有测试点的所述路面平整度测量装置距离地面的距离进行求平均值处理，获取各所述采样点对应的所述路面平整度测量装置距离地面的距离；

C、所述路面平整度测量装置采用路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的所述路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值；

D、所述路面平整度测量装置将所述第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值减去所述第k个采样点对应的所述路面平整度测量装置距离地面的距离，获取第k个采样点对应的路面平整值；

E、所述路面平整度测量装置循环执行A～D，直到所述路面平整度测量装置在待测试路面的运动过程中依次测试完预设个数的采样点的路面平整值；

F、所述路面平整度测量装置分析所述预设个数的采样点的路面平整值，获取待测试路面的路面平整度。

2.根据权利要求1所述的方法，其特征在于，若所述路面平整度测量装置的振动加速度未知，所述方法还包括：

所述路面平整度测量装置在所述测试点测量所述路面平整度测量装置的振动加速度；

所述路面平整度测量装置将相邻两个所述采样点之间的所有测试点的所述路面平整度测量装置的振动加速度分别进行求平均值处理，获取各所述采样点对应的所述路面平整度测量装置的振动加速度，并将所述路面平整度测量装置的振动加速度作为所述路面平整度卡尔曼滤波系统的过程噪声；相应地，

所述路面平整度测量装置采用所述路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的所述路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，包括：

所述路面平整度测量装置采用公式和公式获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值然后将乘以H_k获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，其中为根据第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量获取的第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量预测值，F_k为所述路面平整度卡尔曼滤波系统的状态模型矩阵，为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值，P_k|k-1为根据第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵获取的第k个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵预测值，P_k-1|k-1为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵，Q_k为第k个采样点对应的所述路面平整度卡尔曼滤波系统的过程噪声的协方差矩阵，H_k＝[1 0 0 0]。

3.根据权利要求2所述的方法，其特征在于，所述路面平整度测量装置采用公式和公式获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值包括：

根据所述P_k|k-1，并采用公式获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的误差协方差阵S_k；

根据所述S_k，并采用公式获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的卡尔曼滤波增益K_k；

根据所述K_k和并采用公式获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值以及采用公式P_k|k＝(1-K_kH_k)P_k|k-1获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵P_k|k；

其中，R_k为第k个采样点对应的所述路面平整度离卡尔曼滤波系统的观测误差协方差统计值，z_k为第k个采样点对应的所述路面平整度测量装置距离地面的距离，为第k个采样点对应的所述路面平整度卡尔曼滤波系统的观测误差。

4.根据权利要求1所述的方法，其特征在于，若所述路面平整度测量装置的振动加速度已知，所述方法还包括：

所述路面平整度测量装置在所述测试点测量所述路面平整度测量装置的振动加速度；

所述路面平整度测量装置将相邻两个所述采样点之间的所有测试点的所述路面平整度测量装置的振动加速度分别进行求平均值处理，获取各所述采样点对应的所述路面平整度测量装置的振动加速度；相应地，

所述路面平整度测量装置采用所述路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的所述路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，包括：

所述路面平整度测量装置采用公式和获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值然后将乘以H_k获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，其中为根据第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量获取的第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量预测值，F_k为所述路面平整度卡尔曼滤波系统的状态模型矩阵，为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值，G_k是第k个采样点对应的所述路面平整度卡尔曼滤波系统的输入参数， $n_k=\left[\begin{array}{c}{a}_k\\ a_{k-1}\end{array}\right],$ a_k为第k个采样点对应的所述路面平整度测量装置的振动加速度，a_k-1第k-1个采样点对应的所述路面平整度测量装置的振动加速度，P_k|k-1为根据第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵获取的第k个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵预测值，P_k-1|k-1为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵。

5.根据权利要求4所述的方法，其特征在于，所述路面平整度测量装置采用公式和获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值包括：

根据所述P_k|k-1，并采用公式获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的误差协方差阵S_k；

根据所述S_k，并采用公式获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的卡尔曼滤波增益K_k；

根据所述K_k和并采用公式获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值以及采用公式P_k|k＝(1-K_kH_k)P_k|k-1获取第k个采样点对应的协方差矩阵；

其中，R_k为第k个采样点对应的所述路面平整度离卡尔曼滤波系统的观测误差协方差统计值，z_k为第k个采样点对应的所述路面平整度测量装置距离地面的距离，为第k个采样点对应的所述路面平整度卡尔曼滤波系统的观测误差。

6.根据权利要求3或5所述的方法，其特征在于，所述路面平整度测量装置将所述第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值减去所述第k个采样点对应的路面平整度测量装置距离地面的距离，获取第k个采样点对应的所述路面平整度测量装置的路面平整值，包括：

所述路面平整度测量装置采用公式获取第k个采样点对应的路面平整值，其中为第k个采样点对应的所述路面平整度测量装置的路面平整值。

7.根据权利要求2-5任一项所述的方法，其特征在于，所述路面平整度卡尔曼滤波系统的状态模型F_k为：

$F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1& 0\\ 0& -\frac{1}{L}& t_{k-1}& 1\end{array}\right];$ 或者，

$F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& 1-\frac{1}{k}& 0\\ 0& 0& (1-\frac{1}{k})t_{k-1}& 1-\frac{1}{k}\end{array}\right];$ 或者，

$F_k=\left[\begin{array}{cccc}1& 0& 0.5t_{k-1}^2& t_{k-1}\\ 0& 1& t_{k-1}& 0\\ 0& 0& a_0& 0\\ 0& 0& b_0{t}_{k-1}& a_0\end{array}\right].$

8.一种基于卡尔曼滤波的路面平整度测量装置，其特征在于，包括：激光测距传感器、里程表传感器和处理器；其中，

所述激光测距传感器，用于在测试点测量所述路面平整度测量装置距离地面的距离；

所述里程表传感器，用于测量所述路面平整度测量装置从起点运动到所述测试点之间的里程；

所述处理器，用于在所述里程中预设多个等间隔距离的采样点，将相邻两个所述采样点之间的所有测试点的所述路面平整度测量装置距离地面的距离进行求平均值处理，获取各所述采样点对应的所述路面平整度测量装置距离地面的距离；采用路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的所述路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值；将所述第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值减去所述第k个采样点对应的所述路面平整度测量装置距离地面的距离，获取第k个采样点对应的路面平整值；在获取预设个数的采样点的平整值之后，分析所述预设个数的采样点的路面平整值，获取待测试路面的路面平整度。

9.根据权利要求8所述的路面平整度测量装置，其特征在于，还包括加速度传感器；若所述路面平整度测量装置的振动加速度未知，则所述加速度传感器，用于在所述测试点测量所述路面平整度测量装置的振动加速度；

所述处理器还用于将相邻两个所述采样点之间的所有测试点的所述路面平整度测量装置的振动加速度进行求平均值处理，获取各所述采样点对应的所述路面平整度测量装置的振动加速度，并将所述路面平整度测量装置的振动加速度作为所述路面平整度卡尔曼滤波系统的过程噪声；相应地，

所述处理器采用所述路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的所述路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，具体为：采用公式和公式获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值然后将乘以H_k获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，其中为根据第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量获取的第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量预测值，F_k为所述路面平整度卡尔曼滤波系统的状态模型矩阵，为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值，P_k|k-1为根据第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵获取的第k个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵预测值，P_k-1|k-1为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵，Q_k为第k个采样点对应的所述路面平整度卡尔曼滤波系统的过程噪声的协方差矩阵。

10.根据权利要求8所述的路面平整度测量装置，其特征在于，还包括加速度传感器；若所述路面平整度测量装置的振动加速度已知，则所述加速度传感器，用于在所述测试点测量所述路面平整度测量装置的振动加速度；

所述处理器还用于将相邻两个所述采样点之间的所有测试点的所述路面平整度测量装置的振动加速度进行求平均值处理，获取各所述采样点对应的所述路面平整度测量装置的振动加速度；相应地，

所述处理器采用所述路面平整度卡尔曼滤波系统，根据第k-1个采样点对应的所述路面平整度测量装置的振动位移的最优估计值和第k个采样点对应的所述路面平整度测量装置距离地面的距离来获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，具体为：采用公式和获取第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值然后将乘以H_k获取第k个采样点对应的所述路面平整度测量装置的振动位移的最优估计值，其中为根据第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量获取的第k个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量预测值，F_k为所述路面平整度卡尔曼滤波系统的状态模型矩阵，为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的状态变量最优估计值，G_k是第k个采样点对应的所述路面平整度卡尔曼滤波系统的输入参数， $n_k=\left[\begin{array}{c}{a}_k\\ a_{k-1}\end{array}\right],$ a_k为第k个采样点对应的所述路面平整度测量装置的振动加速度，a_k-1第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的振动加速度，P_k|k-1为根据第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵获取的第k个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵预测值，P_k-1|k-1为第k-1个采样点对应的所述路面平整度卡尔曼滤波系统的协方差矩阵。