发明内容
本发明为了克服上述相关技术存在的缺陷,提供一种车辆定位方法、装置、电子设备、存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本发明的一个方面,提供一种车辆定位方法,包括:
采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据;
基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量,所述状态变量包括车辆的速度变量及位置变量;
根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置;
根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量,将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据,k为大于1的整数。
可选地,采用卡尔曼滤波进行状态变量的预测和更新。
可选地,基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量还包括:
基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量的协方差矩阵预测车辆在k时刻的状态变量的协方差矩阵。
其中,F
k为基于单位时间确定的状态转换矩阵,
为车辆在k-1时刻经更新的状态变量,
为指示加速度的控制变量,B
k为对应于所述控制变量且基于所述单位时间确定的控制矩阵,w
k为第一不确定干扰项,所述单位时间为k时刻和k-1时刻之间的时间差。
可选地,车辆在k时刻的状态变量的协方差矩阵Pk根据如下公式预测:
其中,F
k为基于单位时间确定的状态转换矩阵,
为F
k的转置矩阵,P
k-1为车辆在k-1时刻经更新的状态变量的协方差矩阵,Q
k为根据加速度方差及单位时间确定的第二不确定干扰项。
可选地,根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量包括:
根据所预测的车辆在k时刻的状态变量、在k时刻的状态变量的协方差矩阵及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量及状态变量的协方差矩阵。
可选地,车辆在k时刻的状态变量及状态变量的协方差矩阵根据如下公式更新:
P′k=Pk-K′HkPk;
其中,
为车辆在k时刻经更新的状态变量,
为车辆在k时刻的状态变量,K′为卡尔曼增益中间值,
为车辆在k时刻的观测位置,H
k为观测矩阵,P′
k为车辆在k时刻经更新的状态变量的协方差矩阵,P
k为车辆在k时刻的状态变量的协方差矩阵。
可选地,所述卡尔曼增益中间值K′根据如下公式计算:
其中,P
k为车辆在k时刻的状态变量的协方差矩阵,H
k为观测矩阵,
为观测矩阵的转置矩阵,R
k为观测噪声协方差。
可选地,所述根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置包括:
计算地图道路数据中各道路之间的夹角和各道路的长度;
根据所述车轮传感器的滚动距离数据与各道路的长度之间进行比较以确定车辆在k时刻所在的道路;
计算所述车轮传感器的滚动距离数据与该道路前各道路的总长度之差作为车辆在所确定道路的位置;
根据车辆在所确定道路的位置、所确定道路与前一道路之间的夹角、该道路前各道路的长度及该车辆在k-1时刻的位置确定车辆在k时刻的观测位置。
根据本发明的又一方面,还提供一种车辆定位装置,包括:
采集模块,用于采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据;
预测模块,用于基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量,所述状态变量包括车辆的速度变量及位置变量;
确定模块,用于根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置;
更新模块,用于根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量,将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据,k为大于1的整数。
根据本发明的又一方面,还提供一种电子设备,所述电子设备包括:处理器;存储介质,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面,还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术,本发明的优势在于:
本发明通过采集性导航系统的加速度仪和陀螺仪数据,来预测单位时间后车辆的状态变量,并通过采集车轮传感器的滚动距离数据结合地图数据确定车辆的观测位置,从而更新前述的状态变量,由此,可以获得准确的车辆定位数据,降低噪声,并减小采用单一的数据进行位置估计产生的误差。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此,实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明实施例的车辆定位方法的流程图。车辆定位方法包括如下步骤:
步骤S110:采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据;
步骤S120:基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量,所述状态变量包括车辆的速度变量及位置变量;
步骤S130:根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置;
步骤S140:根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量,将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据,k为大于1的整数。
在本发明提供的车辆定位方法中,通过采集性导航系统的加速度仪和陀螺仪数据,来预测单位时间后车辆的状态变量,并通过采集车轮传感器的滚动距离数据结合地图数据确定车辆的观测位置,从而更新前述的状态变量,由此,可以获得准确的车辆定位数据,降低噪声,并减小采用单一的数据进行位置估计产生的误差。
在本发明的一些实施例中,可以采用卡尔曼滤波进行状态变量的预测和更新。
在本发明的一些实施例中,前述的预测和更新除了状态变量外,还对状态变量的协方差进行处理。具体而言,步骤S120基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量还包括:基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量的协方差矩阵预测车辆在k时刻的状态变量的协方差矩阵。步骤S140:根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量还可以包括:根据所预测的车辆在k时刻的状态变量、在k时刻的状态变量的协方差矩阵及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量及状态变量的协方差矩阵。
具体而言,前述的状态变量
和状态变量的协方差矩阵P
k:
其中,
是车辆在k时刻的状态变量,p
x,p
y为车辆在k时刻x轴与y轴的坐标,v
x,v
y为车辆在k时刻x轴与y轴上的速度,∑
ij表示两者的协方差Cov(i,j),i、j分别在p和v中取,∑
ij用以衡量两者的总体误差,P
k为k时刻的协方差矩阵。
k时刻与k-1时刻的状态关系有:
其中,Δ
t为单位时间,也就是k时刻与k-1时刻的时间差。F
k为状态转换矩阵,
为车辆在k-1时刻的状态变量。
然后,根据随机向量的协方差矩阵的公式:
∑(Ax)=A∑(x)AT
结合上式得到:
其中,P
k-1为车辆在k-1时刻的状态变量的协方差矩阵。结合车辆的惯性导航系统的在k时刻的加速度数据a,根据运动学公式,得到车辆在k时刻的位置
vk=vk-1+aΔt
写成矩阵形式:
其中,
是控制矩阵,
是控制变量
角速度用于确定加速度、速度的方向,即在x轴和y轴上的加速度,考虑第一不确定干扰项w
k,最终先验估计预测方程为:
每一次的状态更新,是在原来的最优估计的基础上,下一次的状态落在一个新的高斯分布区域,需要采用噪声协方差Qk作为第二不确定干扰项。状态变量的协方差Pk的预测根据如下公式获得:
其中,Qk为:
σvel=σacc*Δt
σ表示方差,σ
pos表示位置方差,σ
vel表示速度方差,σ
acc表示加速度方差。至此,先验状态估计结束。
取决于三部分:1)上一次的最优估计,即上一轮卡尔曼滤波的结果;2)确定性的外界影响值,即加速度;3)环境中不确定的干扰,即误差。先验估计协方差矩阵P
k,首先根据k-1次卡尔曼估计(后验估计)的协方差矩阵进行递推,再与外界这次更新中可能对系统造成的不确定性的影响求和得到。
至此,利用
和P
k能够对车辆进行跟踪,但由于惯性导航系统误差的存在,且该误差会迅速积累,导致预估不准确,需要另外一条途径来纠正先验误差。通常情况下,可用GPS数据作为量测结果进行修正,在GPS定位信号弱或者完全消失的情况下,考虑采用车辆的前后轮传感器作为量测结果。
其中,考虑到在车辆行驶过程中,尤其是在隧道中,车辆通常无法超出道路区域行驶,因此考虑可采用地图道路数据,由于车轮滚动距离与地图道路数据都较为精准,可采用车轮滚动距离数据,假设为s,结合地图道路数据,计算车辆位置作为量测结果
在本发明的一些实施例中,所述根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置包括:计算地图道路数据中各道路之间的夹角和各道路的长度;根据所述车轮传感器的滚动距离数据与各道路的长度之间进行比较以确定车辆在k时刻所在的道路;计算所述车轮传感器的滚动距离数据与该道路前各道路的总长度之差作为车辆在所确定道路的位置;根据车辆在所确定道路的位置、所确定道路与前一道路之间的夹角、该道路前各道路的长度及该车辆在k-1时刻的位置确定车辆在k时刻的观测位置。
以图3为例,假设道路数据坐标为p
1=(0,0),
那么p
1,p
2的连线形成的道路的夹角为30°,距离为4,p
2,p
3的连线形成的道路的夹角为45°,距离为2。
在本发明的各个实施例中,上述步骤具体的推导过程如下:
假设地图道路数据坐标为p1,p2,p3……pn,p1为本次计算车辆位置的起点,其后p2,p3……pn为道路中心线数据的拐点坐标,将相邻各点之间的连线(作为道路),计算各道路与x轴的夹角θi和长度li。
以pi为起点(即车辆当前位置),若单位时间内车轮滚动距离s小于等于li,则
zposX=pix+s*cosθi
ZposY=piy+s*sinθi
若s大于li且小于等于li+li+1,则
zposX=p(i+1)x+(s-li)*cosθi+1
zposY=p(i+1)y+(s-li)*sinθi+1
获得车辆在k时刻的观测位置
后,车辆在k时刻的状态变量及状态变量的协方差矩阵根据如下公式更新:
P′k=Pk-K′HkPk;
其中,
为车辆在k时刻经更新的状态变量,
为车辆在k时刻的状态变量,K′为卡尔曼增益中间值,
为车辆在k时刻的观测位置,H
k为观测矩阵,P′
k为车辆在k时刻经更新的状态变量的协方差矩阵,P
k为车辆在k时刻的状态变量的协方差矩阵。其中,观测矩阵
具体而言,所述卡尔曼增益中间值K′根据如下公式计算:
其中,P
k为车辆在k时刻的状态变量的协方差矩阵,H
k为观测矩阵,
为观测矩阵的转置矩阵,R
k为观测噪声协方差。在这次观测中,同样存在误差噪声,由于
服从高斯分布,可用观测噪声协方差来衡量测量水平
其中,I为单位矩阵,σpos表示位置方差。
卡尔曼增益中间值K′根据卡尔曼增益K计算,卡尔曼增益K根据如下公式计算:
具体而言,上述各步骤的原理可以参见图2,根据惯性导航系统(惯导系统)获得状态转换矩阵F
k、控制矩阵B
k、控制变量
及第二不确定干扰项Q
k,结合k-1时刻的状态变量及状态变量的协方差矩阵预测k时刻的状态变量及状态变量的协方差矩阵,根据车轮传感器及地图数据获得观测矩阵H
k、观测噪声协方差R
k及观测位置
对所预测的k时刻的状态变量及状态变量的协方差矩阵进行更新,将更新后的结果作为车辆在k时刻的定位数据,且将所更新的k时刻的状态变量及状态变量的协方差矩阵作为下一次预测的前一时刻的状态变量及状态变量的协方差矩阵,由此实现状态变量及状态变量的协方差矩阵的迭代循环,从而减小误差,获得车辆的精确定位。
以上仅仅是示意性地描述本发明的具体实现方式,上述各步骤可以单独执行或组合执行,在不违背本发明构思的前提下,皆在本发明的保护范围之内。
图4示出了根据本发明实施例的车辆定位装置的示意图。图4示出了根据本发明实施例的车辆定位装置的模块图。车辆定位装置200包括采集模块210、预测模块220、确定模块230、更新模块240。
采集模块210用于采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据;
预测模块220用于基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量,所述状态变量包括车辆的速度变量及位置变量;
确定模块230用于根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置;
更新模块240用于根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量,将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据,k为大于1的整数。
在本发明的示例性实施方式的车辆定位装置中,通过采集性导航系统的加速度仪和陀螺仪数据,来预测单位时间后车辆的状态变量,并通过采集车轮传感器的滚动距离数据结合地图数据确定车辆的观测位置,从而更新前述的状态变量,由此,可以获得准确的车辆定位数据,降低噪声,并减小采用单一的数据进行位置估计产生的误差。
图4仅仅是示意性的示出本发明提供的车辆定位装置200,在不违背本发明构思的前提下,模块的拆分、合并、增加都在本发明的保护范围之内。
在本发明的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被例如处理器执行时可以实现上述任意一个实施例中所述车辆定位方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述车辆定位方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图5所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到租户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中,还提供一种电子设备,该电子设备可以包括处理器,以及用于存储所述处理器的可执行指令的存储器。其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述车辆定位方法方法的步骤。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本发明的这种实施方式的电子设备500。图6显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述车辆定位方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1或2所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得租户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述车辆定位方法。
相比现有技术,本发明的优势在于:
本发明通过采集性导航系统的加速度仪和陀螺仪数据,来预测单位时间后车辆的状态变量,并通过采集车轮传感器的滚动距离数据结合地图数据确定车辆的观测位置,从而更新前述的状态变量,由此,可以获得准确的车辆定位数据,降低噪声,并减小采用单一的数据进行位置估计产生的误差。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。