CN108801250B - 基于水下机器人的实时姿态获取方法及装置 - Google Patents

Abstract

本申请公开了一种基于水下机器人的实时姿态获取方法及装置。该方法包括：获取所述水下机器人的第一水下实时姿态；根据所述机器坐标系和大地坐标系，得到第一转换矩阵；根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态；采用获取所述水下机器人的第一水下实时姿态的方式，通过根据所述机器坐标系和大地坐标系，得到第一转换矩阵，达到了根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态的目的，从而实现了将数据换算到大地坐标系中的技术效果，进而解决了相关技术中通过自身机器坐标系进行数据测量导致的数据不准确的问题。

Description

基于水下机器人的实时姿态获取方法及装置

技术领域

本申请涉及水下姿态获取领域，具体而言，涉及一种基于水下机器人的实时姿态获取方法及装置。

背景技术

卡尔曼滤波是一个最优化自回归数据处理算法。近年来被广泛应用于计算机图像处理方面，在水下机器人控制系统中，需要对陀螺仪、加速度传感器和磁力计传感器所测得的数据进行综合和校正，如果使用简单的均值滤波，很难满足精度和实时性上的要求，故通过卡尔曼滤波将加速度传感器和陀螺仪的数据进行融合，在计算水下无人机的实时姿态时很好地抑制了噪声的干扰作用，以提高测量精度。

发明人发现，相关技术中的水下机器人的实时姿态测量都是基于自身建立的机器坐标系，由于缺乏唯一参照性的数据，并不能准确的反映水下机器人的实时姿态。

因此，急需一种基于水下机器人的实时姿态获取方法及装置，以解决相关技术中通过自身机器坐标系进行数据测量导致的数据不准确的问题。

发明内容

本申请的主要目的在于提供一种基于水下机器人的实时姿态获取方法及装置，以解决相关技术中通过自身机器坐标系进行数据测量导致的数据不准确的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种基于水下机器人的实时姿态获取方法。

根据本申请的基于水下机器人的实时姿态获取方法包括：获取所述水下机器人的第一水下实时姿态，其中，所述第一水下实时姿态用于作为所述水下机器人的机器坐标系的每个轴向上的角度；根据所述机器坐标系和大地坐标系，得到第一转换矩阵；根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态，其中，所述第二水下实时姿态用于作为所述水下机器人的大地坐标系的每个轴向上的角度。

进一步的，所述根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态包括：根据所述第一转换矩阵，将所述机器坐标系中的每个轴向上的角度换算为所述大地坐标系中每个轴向上的角度。

进一步的，所述根据所述机器坐标系和大地坐标系的位置关系，得到第一转换矩阵包括：根据所述机器坐标系与所述大地坐标系的相对位置关系，计算得到第一转换矩阵。

进一步的，所述获取所述水下机器人的第一水下实时姿态包括：

通过设置于所述水下机器人上的加速度传感器，得到所述水下机器人的第一姿态角数据，其中，所述第一姿态角数据为滚动角、俯仰角、偏航角中的任意一种或多种；根据所述第一姿态角数据，构建得到第一观测方程式。

进一步的，所述获取所述水下机器人的第一水下实时姿态还包括：通过设置于所述水下机器人上的陀螺仪传感器，得到所述水下机器人的第一角速度；根据所述第一角速度，构建得到第一状态方程式。

进一步的，所述获取所述水下机器人的第一水下实时姿态还包括：根据所述第一观测方程式和所述第一状态方程式，构建得到第一卡尔曼滤波方程组；通过所述第一卡尔曼滤波方程组，计算得到所述水下机器人的第一水下实时姿态。

进一步的，所述通过所述第一卡尔曼滤波方程组，计算得到所述水下机器人的第一水下实时姿态之后包括：通过设置于所述水下机器人上的磁力传感器，得到第一参照角度；根据所述第一参照角度，对所述第一水下实时姿态中的每个轴向角度进行矫正处理。

为了实现上述目的，根据本申请的另一方面，提供了一种基于水下机器人的实时姿态获取装置。

根据本申请的基于水下机器人的实时姿态获取装置包括：获取单元，用于获取所述水下机器人的第一水下实时姿态；矩阵计算单元，用于根据所述机器坐标系和大地坐标系，得到第一转换矩阵；转换单元，用于根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态。

进一步的，所述获取单元包括：姿态角获取模块，用于通过设置于所述水下机器人上的加速度传感器，得到所述水下机器人的第一姿态角数据；观测方程获取模块，用于根据所述第一姿态角数据，构建得到第一观测方程式；角速度获取模块，用于通过设置于所述水下机器人上的陀螺仪传感器，得到所述水下机器人的第一角速度；状态方程获取模块，用于根据所述第一角速度，构建得到第一状态方程式；卡尔曼方程组获取模块，用于根据所述第一观测方程式和所述第一状态方程式，构建得到第一卡尔曼滤波方程组；实时姿态获取模块，用于通过所述第一卡尔曼滤波方程组，计算得到所述水下机器人的第一水下实时姿态。

进一步的，所述转换单元包括：轴向角度换算模块，用于根据所述第一转换矩阵，将所述机器坐标系中的每个轴向上的角度换算为所述大地坐标系中每个轴向上的角度。

在本申请实施例中，采用获取所述水下机器人的第一水下实时姿态的方式，通过根据所述机器坐标系和大地坐标系，得到第一转换矩阵，达到了根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态的目的，从而实现了将数据换算到大地坐标系中的技术效果，进而解决了相关技术中通过自身机器坐标系进行数据测量导致的数据不准确的问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本发明第一实施例所述的获取方法示意图；

图2是根据本发明第二实施例所述的获取方法示意图；

图3是根据本发明第三实施例所述的获取方法示意图；

图4是根据本发明第四实施例所述的获取方法示意图；

图5是根据本发明第五实施例所述的获取方法示意图；

图6是根据本发明第一实施例所述的获取装置示意图；以及

图7是根据本发明所述获取单元框图示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，该方法包括如下的步骤S101至步骤S103：

步骤S101，获取所述水下机器人的第一水下实时姿态。

优选的，所述第一水下实时姿态用于作为所述水下机器人的机器坐标系的每个轴向上的角度。

具体的，所述水下机器人通过多种感应装置采集感应信号，所述感应装置为设置于所述水下机器人上的三轴陀螺仪传感器、三轴磁力传感器和三轴加速度传感器，统称九轴传感器，在本申请的其他实施例中，所述感应装置也可以是其他可以用于感应角度、角速度、重力、惯性等属性的装置。

具体的，多个所述感应装置采集得到多组姿态数据，通过卡尔曼滤波方程组对多组姿态数据进行平均加权，得到最准确的一组数据。

优选的，所述卡尔曼滤波是一个最优化自回归数据处理算法，通过平均加权处理，能够将多组数据计算得到一组最准确的数据，具体的，所述卡尔曼滤波方式组中最重要的为观测方程式和状态方程式，所述第一姿态角数据用于作为所述观测方程式或所述状态方程式的计算因子。

优选的，所述第一姿态角数据为由所述三轴陀螺仪传感器感应得到的角速度和/或由所述三轴加速度传感器感应得到的姿态角，所述姿态角包括但不限于：滚动角、俯仰角、偏航角。

步骤S102，根据所述机器坐标系和大地坐标系，得到第一转换矩阵。

优选的，上述经过卡尔曼滤波方程组计算得到的实时姿态数据为基于所述水下机器人自身的机器坐标系，由于缺乏唯一参照数据，并不能准确的反映所述水下机器人的实时姿态，因此需要将所述第一水下实时姿态换算到一个准确固定的坐标系中（即大地坐标系）。

具体的，所述大地坐标系是大地测量中以参考椭球面为基准面建立起来的坐标系，地面点的位置用大地经度、大地纬度和大地高度表示，大地坐标系的确立包括选择一个椭球、对椭球进行定位和确定大地起算数据。

步骤S103，根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态。

优选的，所述第二水下实时姿态用于作为所述水下机器人的大地坐标系的每个轴向上的角度。

具体的，通过所述大地坐标系与所述机器坐标系之间的相对位置关系，计算得到所述第一转换矩阵，所述第一转换矩阵用于将基于所述机器坐标系的每个轴向上的角度通过积分相乘，换算为基于所述大地坐标系的每个轴向上的角度。

从以上的描述中，可以看出，本发明实现了如下技术效果：

在本申请实施例中，采用获取所述水下机器人的第一水下实时姿态的方式，通过根据所述机器坐标系和大地坐标系，得到第一转换矩阵，达到了根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态的目的，从而实现了将数据换算到大地坐标系中的技术效果，进而解决了相关技术中通过自身机器坐标系进行数据测量导致的数据不准确的问题。

根据本申请实施例，作为本实施例中的优选，所述根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态包括：根据所述第一转换矩阵，将所述机器坐标系中的每个轴向上的角度换算为所述大地坐标系中每个轴向上的角度。

优选的，将所述机器坐标系中的每个轴向上的角度通过与所述第一转换矩阵进行积分相乘，换算得到基于所述大地坐标系中每个轴向上的角度。

根据本申请实施例，作为本实施例中的优选，所述根据所述机器坐标系和大地坐标系的位置关系，得到第一转换矩阵包括：根据所述机器坐标系与所述大地坐标系的相对位置关系，计算得到第一转换矩阵。

优选的，所述第一转换矩阵用于将基于所述机器坐标系的每个轴向上的角度通过积分相乘，换算为基于所述大地坐标系的每个轴向上的角度。

根据本申请实施例，作为本实施例中的优选，如图2所示，所述获取所述水下机器人的第一水下实时姿态包括如下的步骤S201至步骤S202：

步骤S201，通过设置于所述水下机器人上的加速度传感器，得到所述水下机器人的第一姿态角数据。

优选的，所述第一姿态角数据为滚动角、俯仰角、偏航角中的任意一种或多种。

步骤S202，根据所述第一姿态角数据，构建得到第一观测方程式。

优选的，所述加速度传感器为三轴加速度传感器，为九轴传感器的组成部分，将所述三轴加速度传感器感应得到的姿态角作为观测值，并以此构建观测方程式用于后续计算。

根据本申请实施例，作为本实施例中的优选，如图3所示，所述获取所述水下机器人的第一水下实时姿态还包括如下的步骤S301至步骤S302：

步骤S301，通过设置于所述水下机器人上的陀螺仪传感器，得到所述水下机器人的第一角速度；

优选的，所述陀螺仪传感器为三轴陀螺仪传感器，为九轴传感器的组成部分。

步骤S302，根据所述第一角速度，构建得到第一状态方程式。

优选的，将所述三轴陀螺仪传感器感应得到的角速度作为状态向量，并以此构建状态方程式用于后续计算。

根据本申请实施例，作为本实施例中的优选，如图4所示，所述获取所述水下机器人的第一水下实时姿态还包括如下的步骤S401至步骤S402：

步骤S401，根据所述第一观测方程式和所述第一状态方程式，构建得到第一卡尔曼滤波方程组。

优选的，所述卡尔曼滤波是一个最优化自回归数据处理算法，通过平均加权处理，能够将多组数据计算得到一组最准确的数据，具体的，所述卡尔曼滤波方式组中最重要的为观测方程式和状态方程式，所述第一姿态角数据用于作为所述观测方程式或所述状态方程式的计算因子。

步骤S402，通过所述第一卡尔曼滤波方程组，计算得到所述水下机器人的第一水下实时姿态。

优选的，所述第一水下实时姿态用于作为经过所述第一卡尔曼滤波方程组计算后的所述水下机器人在坐标系中的每个轴向上的角度，所述第一水下实时姿态能够实时反映所述水下机器人在基于自身机器坐标系中每个轴向的角度。

根据本申请实施例，作为本实施例中的优选，如图5所示，所述通过所述第一卡尔曼滤波方程组，计算得到所述水下机器人的第一水下实时姿态之后包括如下的步骤S501至步骤S502：

步骤S501，通过设置于所述水下机器人上的磁力传感器，得到第一参照角度。

优选的，优选的，通过设置于所述水下机器人上的磁力传感器感应得到的大地磁场中的正北方向的角度，并以所述正北角度为参照角度（即所述第一参照角度）。

步骤S502，根据所述第一参照角度，对所述第一水下实时姿态中的每个轴向角度进行矫正处理。

优选的，对经过卡尔曼滤波方程组处理后的角度数据进行校对、矫正，并得到经过矫正后的准确的角度数据。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种用于实施上述基于水下机器人的实时姿态获取方法的装置，如图6所示，该装置包括：获取单元10，用于获取所述水下机器人的第一水下实时姿态；矩阵计算单元20，用于根据所述机器坐标系和大地坐标系，得到第一转换矩阵；转换单元30，用于根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态。

根据本发明实施例，作为本实施例中的优选，所述获取单元10用于获取所述水下机器人的第一水下实时姿态，优选的，所述第一水下实时姿态用于作为所述水下机器人的机器坐标系的每个轴向上的角度，具体的，所述水下机器人通过多种感应装置采集感应信号，所述感应装置为设置于所述水下机器人上的三轴陀螺仪传感器、三轴磁力传感器和三轴加速度传感器，统称九轴传感器，在本申请的其他实施例中，所述感应装置也可以是其他可以用于感应角度、角速度、重力、惯性等属性的装置。

根据本发明实施例，作为本实施例中的优选，所述矩阵计算单元20用于根据所述机器坐标系和大地坐标系，得到第一转换矩阵，优选的，上述经过卡尔曼滤波方程组计算得到的实时姿态数据为基于所述水下机器人自身的机器坐标系，由于缺乏唯一参照数据，并不能准确的反映所述水下机器人的实时姿态，因此需要将所述第一水下实时姿态换算到一个准确固定的坐标系中（即大地坐标系）。

根据本发明实施例，作为本实施例中的优选，所述转换单元30用于根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态，优选的，所述第二水下实时姿态用于作为所述水下机器人的大地坐标系的每个轴向上的角度，具体的，通过所述大地坐标系与所述机器坐标系之间的相对位置关系，计算得到所述第一转换矩阵，所述第一转换矩阵用于将基于所述机器坐标系的每个轴向上的角度通过积分相乘，换算为基于所述大地坐标系的每个轴向上的角度。

根据本申请实施例，作为本实施例中的优选，如图7所示，所述获取单元10包括：姿态角获取模块11，用于通过设置于所述水下机器人上的加速度传感器，得到所述水下机器人的第一姿态角数据；观测方程获取模块12，用于根据所述第一姿态角数据，构建得到第一观测方程式；角速度获取模块13，用于通过设置于所述水下机器人上的陀螺仪传感器，得到所述水下机器人的第一角速度；状态方程获取模块14，用于根据所述第一角速度，构建得到第一状态方程式；卡尔曼方程组获取模块15，用于根据所述第一观测方程式和所述第一状态方程式，构建得到第一卡尔曼滤波方程组；实时姿态获取模块16，用于通过所述第一卡尔曼滤波方程组，计算得到所述水下机器人的第一水下实时姿态。

根据本发明实施例，作为本实施例中的优选，所述姿态角获取模块11用于通过设置于所述水下机器人上的加速度传感器，得到所述水下机器人的第一姿态角数据，优选的，所述第一姿态角数据为滚动角、俯仰角、偏航角中的任意一种或多种。

根据本发明实施例，作为本实施例中的优选，所述观测方程获取模块12用于根据所述第一姿态角数据，构建得到第一观测方程式，优选的，所述加速度传感器为三轴加速度传感器，为九轴传感器的组成部分，将所述三轴加速度传感器感应得到的姿态角作为观测值，并以此构建观测方程式用于后续计算。

根据本发明实施例，作为本实施例中的优选，所述角速度获取模块13用于通过设置于所述水下机器人上的陀螺仪传感器，得到所述水下机器人的第一角速度，优选的，所述陀螺仪传感器为三轴陀螺仪传感器，为九轴传感器的组成部分。

根据本发明实施例，作为本实施例中的优选，所述状态方程获取模块14用于根据所述第一角速度，构建得到第一状态方程式，优选的，将所述三轴陀螺仪传感器感应得到的角速度作为状态向量，并以此构建状态方程式用于后续计算。

根据本发明实施例，作为本实施例中的优选，所述卡尔曼方程组获取模块15用于根据所述第一观测方程式和所述第一状态方程式，构建得到第一卡尔曼滤波方程组，优选的，所述卡尔曼滤波是一个最优化自回归数据处理算法，通过平均加权处理，能够将多组数据计算得到一组最准确的数据，具体的，所述卡尔曼滤波方式组中最重要的为观测方程式和状态方程式，所述第一姿态角数据用于作为所述观测方程式或所述状态方程式的计算因子。

根据本发明实施例，作为本实施例中的优选，所述实时姿态获取模块16用于通过所述第一卡尔曼滤波方程组，计算得到所述水下机器人的第一水下实时姿态，优选的，所述第一水下实时姿态用于作为经过所述第一卡尔曼滤波方程组计算后的所述水下机器人在坐标系中的每个轴向上的角度，所述第一水下实时姿态能够实时反映所述水下机器人在基于自身机器坐标系中每个轴向的角度。

根据本申请实施例，作为本实施例中的优选，所述转换单元30包括：轴向角度换算模块31，用于根据所述第一转换矩阵，将所述机器坐标系中的每个轴向上的角度换算为所述大地坐标系中每个轴向上的角度。

根据本发明实施例，作为本实施例中的优选，所述轴向角度换算模块31用于根据所述第一转换矩阵，将所述机器坐标系中的每个轴向上的角度换算为所述大地坐标系中每个轴向上的角度，优选的，将所述机器坐标系中的每个轴向上的角度通过与所述第一转换矩阵进行积分相乘，换算得到基于所述大地坐标系中每个轴向上的角度。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.一种基于水下机器人的实时姿态获取方法，其特征在于，所述方法包括：

获取所述水下机器人的第一水下实时姿态，

其中，所述第一水下实时姿态用于作为经过第一卡尔曼滤波方程组计算后的所述水下机器人的机器坐标系的每个轴向上的角度；

通过设置于所述水下机器人上的磁力传感器，得到第一参照角度；

根据所述第一参照角度，对所述第一水下实时姿态中的每个轴向角度进行矫正处理；

根据所述机器坐标系和大地坐标系，得到第一转换矩阵；

根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态，

其中，所述第二水下实时姿态用于作为所述水下机器人的大地坐标系的每个轴向上的角度；

其中，所述第一转换矩阵用于将基于所述机器坐标系的每个轴向上的角度通过积分相乘，换算为基于所述大地坐标系的每个轴向上的角度。

2.根据权利要求1所述的实时姿态获取方法，其特征在于，所述根据所述机器坐标系和大地坐标系的位置关系，得到第一转换矩阵包括：

根据所述机器坐标系与所述大地坐标系的相对位置关系，计算得到第一转换矩阵。

3.根据权利要求1所述的实时姿态获取方法，其特征在于，所述获取所述水下机器人的第一水下实时姿态包括：

通过设置于所述水下机器人上的加速度传感器，得到所述水下机器人的第一姿态角数据，其中，所述第一姿态角数据为滚动角、俯仰角、偏航角中的任意一种或多种；

根据所述第一姿态角数据，构建得到第一观测方程式。

4.根据权利要求3所述的实时姿态获取方法，其特征在于，所述获取所述水下机器人的第一水下实时姿态还包括：

通过设置于所述水下机器人上的陀螺仪传感器，得到所述水下机器人的第一角速度；

根据所述第一角速度，构建得到第一状态方程式。

5.根据权利要求4所述的实时姿态获取方法，其特征在于，所述获取所述水下机器人的第一水下实时姿态还包括：

根据所述第一观测方程式和所述第一状态方程式，构建得到第一卡尔曼滤波方程组；

通过所述第一卡尔曼滤波方程组，计算得到所述水下机器人的第一水下实时姿态。

6.一种基于水下机器人的实时姿态获取装置，其特征在于，包括：

获取单元，用于获取所述水下机器人的第一水下实时姿态，

其中，所述第一水下实时姿态用于作为经过第一卡尔曼滤波方程组计算后的所述水下机器人的机器坐标系的每个轴向上的角度；

矩阵计算单元，用于根据所述机器坐标系和大地坐标系，得到第一转换矩阵；

转换单元，用于根据所述第一转换矩阵，将所述第一水下实时姿态转换成基于所述大地坐标系的第二水下实时姿态，

其中，所述第二水下实时姿态用于作为所述水下机器人的大地坐标系的每个轴向上的角度；

其中，所述转换单元包括：轴向角度换算模块，用于根据所述第一转换矩阵，将所述机器坐标系中的每个轴向上的角度换算为所述大地坐标系中每个轴向上的角度；

其中，所述实时姿态获取装置还用于：通过设置于所述水下机器人上的磁力传感器，得到第一参照角度；根据所述第一参照角度，对所述第一水下实时姿态中的每个轴向角度进行矫正处理。

7.根据权利要求6所述的实时姿态获取装置，其特征在于，所述获取单元包括：

姿态角获取模块，用于通过设置于所述水下机器人上的加速度传感器，得到所述水下机器人的第一姿态角数据；

观测方程获取模块，用于根据所述第一姿态角数据，构建得到第一观测方程式；

角速度获取模块，用于通过设置于所述水下机器人上的陀螺仪传感器，得到所述水下机器人的第一角速度；

状态方程获取模块，用于根据所述第一角速度，构建得到第一状态方程式；

卡尔曼方程组获取模块，用于根据所述第一观测方程式和所述第一状态方程式，构建得到第一卡尔曼滤波方程组；

实时姿态获取模块，用于通过所述第一卡尔曼滤波方程组，计算得到所述水下机器人的第一水下实时姿态。

Images