CN104880172B - 基于卡尔曼滤波的路面平整度测量方法及装置 - Google Patents
基于卡尔曼滤波的路面平整度测量方法及装置 Download PDFInfo
- Publication number
- CN104880172B CN104880172B CN201510318734.9A CN201510318734A CN104880172B CN 104880172 B CN104880172 B CN 104880172B CN 201510318734 A CN201510318734 A CN 201510318734A CN 104880172 B CN104880172 B CN 104880172B
- Authority
- CN
- China
- Prior art keywords
- measuring device
- sampling point
- road
- flatness
- kalman filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000006073 displacement reaction Methods 0.000 claims abstract description 68
- 238000005070 sampling Methods 0.000 claims description 295
- 230000001133 acceleration Effects 0.000 claims description 79
- 238000012360 testing method Methods 0.000 claims description 54
- 239000011159 matrix material Substances 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 24
- 238000012935 Averaging Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 241001672694 Citrus reticulata Species 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000014509 gene expression Effects 0.000 description 13
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006757 chemical reactions by type Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/30—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring roughness or irregularity of surfaces
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
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
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Hk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，Fk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，Pk|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，Pk-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，Qk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，Hk＝[1 0 00]。
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：
xk＝Fkxk-1+Bkuk+wk
其中，xk是第k个采样点对应的卡尔曼滤波系统的状态变量，xk-1是第k-1个采样点对应的卡尔曼滤波系统的状态变量，Bk是第k个采样点对应的卡尔曼滤波系统的输入参数，uk是第k个采样点对应的卡尔曼滤波系统的控制量，wk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：
其中，yk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：
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：
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：
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(tn-1),a(tn)，
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(τm-1),dmi(τm)
假设相邻的两个采样点分别在τk-1和τk产生，其中τk-1是第k-1个采样点对应的时间，τk是第k个采样点对应的时间，ti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：
ti-1＜τk-1≤ti＜ti+1＜…＜ti+L-1≤τk＜ti+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：
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xk＝Fkxk-1+Bkuk+wk，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Bk＝0，该路面平整度卡尔曼滤波系统的过程噪声wk的取值范围为(0，Qk)，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Pk|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Sk；
根据Sk，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Kk；
根据Kk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Pk|k＝(1-KkHk)Pk|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Pk|k。
其中，Rk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，zk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Pk|k的初始值可以为P0|0＝I4x4，Rk的取值可以为Rk＝2.02*10-4，Pk|k的取值可以为Pk|k-1的取值可以为Sk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Qk和Rk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Hk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，Fk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，Gk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，ak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，ak-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，Pk|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，Pk-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xk＝Fkxk-1+Bkuk+wk，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wk为0，也就是Qk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Gk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Pk|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Sk；
根据Sk，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Kk；
根据Kk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Pk|k＝(1-KkHk)Pk|k-1获取第k个采样点对应的协方差矩阵。
其中，Rk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，zk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Pk|k的初始值可以为P0|0＝I4x4，Rk的取值可以为Rk＝2.02*10-4，Pk|k的取值可以为Pk|k-1的取值可以为Sk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Fk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Fk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Fk的矩阵表达式如下：
对应的，RMA模型的状态方程表达式如下：
其中，
(2)上述路面平整度卡尔曼滤波系统的状态模型Fk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 Reversed Moving 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Fk的矩阵表达式如下：
具体的，ERMA模型的状态方程表达式如下：
其中，
(3)上述路面平整度卡尔曼滤波系统的状态模型Fk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(Infinite Impulse 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Fk的矩阵表达式如下：
具体的，IIR模型的状态方程表达式如下：
其中，
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Hk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，Fk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，Pk|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，Pk-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，Qk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Pk|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Sk；根据Sk，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Kk；根据Kk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Pk|k＝(1-KkHk)Pk|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Pk|k；
其中，Rk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，zk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Hk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，Fk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，Gk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，ak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，ak-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，Pk|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，Pk-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Pk|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Sk；根据Sk，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Kk；根据Kk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Pk|k＝(1-KkHk)Pk|k-1获取第k个采样点对应的协方差矩阵；
其中，Rk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，zk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Fk为：
或者，
或者，
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 (9)
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Hk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，Fk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，Pk|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，Pk-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，Qk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，Hk＝[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Pk|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Sk；
根据所述Sk，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Kk；
根据所述Kk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Pk|k＝(1-KkHk)Pk|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Pk|k；
其中，Rk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，zk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Hk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，Fk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，Gk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，ak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，ak-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，Pk|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，Pk-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Pk|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Sk；
根据所述Sk，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Kk；
根据所述Kk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Pk|k＝(1-KkHk)Pk|k-1获取第k个采样点对应的协方差矩阵；
其中，Rk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，zk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。
7.一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。
8.根据权利要求7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Hk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，Fk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，Pk|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，Pk-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，Qk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。
9.根据权利要求7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Hk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，Fk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，Gk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，ak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，ak-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，Pk|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，Pk-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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510318734.9A CN104880172B (zh) | 2015-06-11 | 2015-06-11 | 基于卡尔曼滤波的路面平整度测量方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510318734.9A CN104880172B (zh) | 2015-06-11 | 2015-06-11 | 基于卡尔曼滤波的路面平整度测量方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104880172A CN104880172A (zh) | 2015-09-02 |
| CN104880172B true CN104880172B (zh) | 2017-09-15 |
Family
ID=53947761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510318734.9A Active CN104880172B (zh) | 2015-06-11 | 2015-06-11 | 基于卡尔曼滤波的路面平整度测量方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104880172B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105606062B (zh) * | 2016-03-11 | 2018-04-20 | 北京经纬恒润科技有限公司 | 一种路面粗糙度识别方法及装置 |
| CN108170912B (zh) * | 2017-12-18 | 2021-04-06 | 同济大学 | 一种机场跑道平整度评价的方法 |
| CN108180983A (zh) * | 2017-12-29 | 2018-06-19 | 燕山大学 | 自适应时频域混合滤波的应急救援车辆振动位移重构方法 |
| CN108417065B (zh) * | 2018-03-21 | 2020-09-29 | 成都雅骏汽车制造有限公司 | 一种基于智能手机和导航应用的坑洼路面预警方法 |
| CN111750824A (zh) * | 2020-06-05 | 2020-10-09 | 广州极飞科技有限公司 | 地势状态确定方法和装置、电子设备及存储介质 |
| CN113389115B (zh) * | 2021-05-19 | 2022-05-13 | 哈尔滨工业大学（深圳） | 车辆特性和路面平整度检测方法、装置、设备及存储介质 |
| CN113932758B (zh) * | 2021-09-15 | 2022-12-20 | 同济大学 | 一种路面平整度预测方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2938028Y (zh) * | 2006-06-13 | 2007-08-22 | 武汉武大卓越科技有限责任公司 | 路面平整度测量装置 |
| CN102607505A (zh) * | 2012-03-23 | 2012-07-25 | 中国科学院深圳先进技术研究院 | 道路平整度检测方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI337585B (en) * | 2008-10-16 | 2011-02-21 | Univ Nat Chiao Tung | Road angle estimation system and its method |
-
2015
- 2015-06-11 CN CN201510318734.9A patent/CN104880172B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2938028Y (zh) * | 2006-06-13 | 2007-08-22 | 武汉武大卓越科技有限责任公司 | 路面平整度测量装置 |
| CN102607505A (zh) * | 2012-03-23 | 2012-07-25 | 中国科学院深圳先进技术研究院 | 道路平整度检测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 卡尔曼时间序列模型预测路面平整度指数;颜可珍等;《路基工程》;20120831(第4期);第1-3页 * |
| 卡尔曼滤波在路面检测信号处理中的应用;申继鹏;《中国高新技术企业》;20150531(第13期);第42-43页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104880172A (zh) | 2015-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104880172B (zh) | 基于卡尔曼滤波的路面平整度测量方法及装置 | |
| Eichstädt et al. | Deconvolution filters for the analysis of dynamic measurement processes: a tutorial | |
| CN112180899B (zh) | 一种间歇异常测量检测下系统的状态估计方法 | |
| JP6215527B2 (ja) | 物理量計測装置及び物理量計測方法 | |
| CN110375772B (zh) | 自适应卡尔曼滤波的环形激光器随机误差建模与补偿方法 | |
| CN110530509B (zh) | 基于最大熵谱分析的高速动车组轴箱振动主频预测方法 | |
| TWI481892B (zh) | 脈波雷達測距裝置及其測距演算法 | |
| CN111561930A (zh) | 一种车载mems陀螺仪随机漂移误差的抑制方法 | |
| CN115964603B (zh) | 一种基于改进Kalman滤波的机动目标跟踪方法 | |
| CN111623779A (zh) | 一种适用于噪声特性未知的时变系统自适应级联滤波方法 | |
| CN110677140B (zh) | 一种含未知输入和非高斯量测噪声的随机系统滤波器 | |
| JP2018204952A (ja) | 変位量算出システム、プログラム及び記録媒体 | |
| CN109725188B (zh) | 一种电流测量方法和装置 | |
| CN105133472B (zh) | 路面平整度测量方法及惯性式检测仪 | |
| CN104266636B (zh) | 一种用于高速视频测量建筑物模型健康监测目标点加速度解算方法 | |
| Barajas et al. | Towards an on-chip signal processing solution for the online calibration of SS-OCT systems | |
| CN112836166B (zh) | 基于响应峰分析的等间采样实验监测数据一阶微分算法 | |
| KR101649198B1 (ko) | 빔형성 정보 기반 최적 스무딩 필터를 이용한 객체 궤적 추정 방법 및 장치 | |
| CN114184209A (zh) | 用于低速检测平台系统的惯性误差抑制方法 | |
| JP5797135B2 (ja) | 濾波装置および濾波方法 | |
| CN112541157A (zh) | 一种信号频率精确估计方法 | |
| CN107506779B (zh) | 一种植物茎干含水量的估算方法及系统 | |
| CN105136067A (zh) | 相移法相位测量轮廓术可调参数的优化选用方法 | |
| CN106597021B (zh) | 一种基于调制函数的加速度计测量通道延迟时间估计方法 | |
| JP2004020427A (ja) | ノイズ除去方法及びノイズ除去フィルタ |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |