CN110361003B

CN110361003B - 信息融合方法、装置、计算机设备和计算机可读存储介质

Info

Publication number: CN110361003B
Application number: CN201810311649.3A
Authority: CN
Inventors: 黄科科; 阳春华; 刘一顺; 张亦弛; 陈宇
Original assignee: Central South University
Current assignee: Central South University
Priority date: 2018-04-09
Filing date: 2018-04-09
Publication date: 2023-06-30
Anticipated expiration: 2038-04-09
Also published as: CN110361003A

Abstract

本发明提供一种信息融合方法、装置、计算机设备和计算机可读存储介质。该方法包括：根据当前时刻的二维码位置坐标及二维码位置坐标与导航对象实际位置坐标之间的偏差坐标，确定导航对象当前时刻的绝对位置坐标，并根据该绝对位置坐标及当前时刻的航位推算坐标确定第一差值，再根据前一时刻的Kalman滤波增益、前一时刻第一测量噪声值、当前时刻航位推算坐标的均方差矩阵及第一差值，确定当前时刻的第二测量噪声值，最后根据第一差值、当前时刻的航位推算坐标、当前时刻航位推算坐标的均方差矩阵以及第二测量噪声值确定导航对象当前时刻的融合坐标。该方法可以使得滤波结果收敛，大大提高了融合坐标结果的精度，提高了对导航对象坐标定位的准确性。

Description

信息融合方法、装置、计算机设备和计算机可读存储介质

技术领域

本发明涉及导航技术领域，特别是涉及一种信息融合方法、装置、计算机设备和计算机可读存储介质。

背景技术

目前，随着信息技术的发展日益加快，智能车在运输、生产、巡检等领域得到了广泛应用。智能车的导航方式有多种，使用较多的是惯性导航和视觉二维码导航，单独使用惯性导航实时性好、抗干扰性强，但在长时间运行下会产生累计误差，而使用视觉二维码导航在单个二维码处导航精度高，但导航过程不连续、可靠性低。因此，惯性-视觉组合导航技术以其优势互补特性，成为了导航领域的一个重要发展方向，而如何将惯性导航和视觉二维码导航中的信息数据进行融合也成为了重要的研究课题。

传统技术在将惯性导航和视觉二维码导航中的信息数据融合方面，主要使用的是自适应卡尔曼滤波算法，将视觉二维码导航下的坐标信息与惯性导航下的坐标信息进行融合，以修正惯性导航长时间运行带来的误差。

但是，传统技术在坐标信息融合过程中滤波结果容易发散，导致无法为智能车提供准确的导航。

发明内容

基于此，有必要针对传统技术在坐标信息融合过程中滤波结果容易发散，导致无法为智能车提供准确的导航的问题，提供一种信息融合方法、装置、计算机设备和计算机可读存储介质。

第一方面，本发明实施例提供一种信息融合方法，包括：

根据当前时刻获取的二维码的位置坐标、以及当前时刻测量的所述二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标，确定所述导航对象当前时刻的绝对位置坐标；

根据导航对象前一时刻的航位推算坐标以及航位推算算法，获取所述导航对象当前时刻的航位推算坐标，并确定所述当前时刻的航位推算坐标和所述当前时刻的绝对位置坐标之间的第一差值；

根据所述导航对象前一时刻的Kalman滤波增益、测量前一时刻的偏差坐标时的第一测量噪声值、所述当前时刻的航位推算坐标的均方差矩阵以及所述第一差值，确定测量所述当前时刻的偏差坐标时的第二测量噪声值；其中，所述第二测量噪声值大于0；

根据所述第一差值、所述当前时刻的航位推算坐标、所述当前时刻的航位推算坐标的均方差矩阵以及所述第二测量噪声值，确定所述导航对象在当前时刻的融合坐标。

上述信息融合方法，计算机设备首先根据当前时刻获取的二维码的位置坐标、以及当前时刻测量的二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标，确定导航对象当前时刻的绝对位置坐标，并根据当前时刻的绝对位置坐标以及获取的导航对象当前时刻的航位推算坐标确定第一差值，然后再根据导航对象前一时刻的Kalman滤波增益、测量前一时刻的偏差坐标时的第一测量噪声值、当前时刻的航位推算坐标的均方差矩阵及上述第一差值，确定测量当前时刻的偏差坐标时的第二测量噪声值，最后根据第一差值、当前时刻的航位推算坐标、当前时刻的航位推算坐标的均方差矩阵以及第二测量噪声值确定导航对象在当前时刻的融合坐标。由于在计算过程中能够保证第二测量噪声的值始终为正数，进而可以使得Kalman滤波增益小于1，从而使得滤波结果收敛，大大提高了融合坐标结果的精度，提高了对导航对象坐标定位的准确性。

第二方面，本发明实施例提供一种信息融合装置，包括：

第一确定模块，用于根据当前时刻获取的二维码的位置坐标、以及当前时刻测量的所述二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标，确定所述导航对象当前时刻的绝对位置坐标；

第二确定模块，用于根据导航对象前一时刻的航位推算坐标以及航位推算算法，获取所述导航对象当前时刻的航位推算坐标，并确定所述当前时刻的航位推算坐标和所述当前时刻的绝对位置坐标之间的第一差值；

第三确定模块，用于根据所述导航对象前一时刻的Kalman滤波增益、测量前一时刻的偏差坐标时的第一测量噪声值、所述当前时刻的航位推算坐标的均方差矩阵以及所述第一差值，确定测量所述当前时刻的偏差坐标时的第二测量噪声值；其中，所述第二测量噪声值大于0；

第四确定模块，用于根据所述第一差值、所述当前时刻的航位推算坐标、所述当前时刻的航位推算坐标的均方差矩阵以及所述第二测量噪声值，确定所述导航对象在当前时刻的融合坐标。

第三方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

上述信息融合装置、计算机设备和计算机可读存储介质，能够根据当前时刻获取的二维码的位置坐标、以及当前时刻测量的二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标，确定导航对象当前时刻的绝对位置坐标，并根据当前时刻的绝对位置坐标以及获取的导航对象当前时刻的航位推算坐标确定第一差值，然后再根据导航对象前一时刻的Kalman滤波增益、测量前一时刻的偏差坐标时的第一测量噪声值、当前时刻的航位推算坐标的均方差矩阵及上述第一差值，确定测量当前时刻的偏差坐标时的第二测量噪声值，最后根据第一差值、当前时刻的航位推算坐标、当前时刻的航位推算坐标的均方差矩阵以及第二测量噪声值确定导航对象在当前时刻的融合坐标。由于在计算过程中能够保证第二测量噪声的值始终为正数，进而可以使得Kalman滤波增益小于1，从而使得滤波结果收敛，大大提高了融合坐标结果的精度，提高了对导航对象坐标定位的准确性。

附图说明

图1为一个实施例提供的智能车的结构示意图；

图2为一个实施例提供的信息融合方法的流程示意图；

图3为一个实施例提供的导航对象的行驶路线模型图；

图4为另一个实施例提供的信息融合方法的流程示意图；

图5为又一个实施例提供的信息融合方法的流程示意图；

图6为又一个实施例提供的信息融合方法的流程示意图；

图7为一个实施例提供的信息融合方法的具体过程；

图8为一个实施例提供的信息融合装置的结构示意图；

图9为另一个实施例提供的信息融合装置的结构示意图；

图10为又一个实施例提供的信息融合装置的结构示意图；

图11为一个实施例中计算机设备的内部结构图。

具体实施方式

目前，智能车在运输、生产、巡检等领域的应用越来越广泛，通常对智能车的导航模式有惯性导航和视觉二维码导航。惯性导航模式是利用上一时刻的位置坐标、速度及偏航角推算出当前时刻的位置坐标，并将偏航角作为航向角，该导航模式实时性好、抗干扰性强，但在测量速度及计算偏航角过程中会产生误差，以致推算出的位置坐标与智能车实际所在的位置坐标有偏差，因此长时间使用惯性导航模式会产生累计误差，导致对智能车的定位不准确。使用视觉二维码导航模式，首先在地面上预设一个坐标系，并铺设多个带有位置信息的二维码，当智能车经过二维码时，可以获取二维码的位置信息及智能车与二维码之间的位置偏差，进而计算出智能车的绝对位置坐标，即智能车在预设坐标系下的位置坐标。该导航模式在单个二维码处导航精度高，但因二维码铺设的不连续，导致视觉二维码模式下的导航过程可靠性低。因此，可以将惯性导航和视觉二维码导航进行组合，在智能车未经过二维码时，使用惯性导航模式进行导航；在智能车经过二维码时，将视觉二维码模式下计算出的绝对位置坐标与惯性导航模式下推算出的位置坐标进行融合，以修正惯性导航模式产生的累计误差。

本发明实施例提供的信息融合方法，可以适用于如图1所示的智能车。该智能车可以包括陀螺仪11、加速度计12、速度编码器13、二维码扫码仪14以及计算单元15。其中，陀螺仪11可以实时测量智能车的角速度，可以为单轴陀螺仪、三轴陀螺仪以及三轴微电子机械系统(Micro Electro Mechanical Systems，简称MEMS)陀螺仪。加速度计12可以实时测量智能车的加速度，可以为加速度传感器、三轴MEMS加速度计等。可选的，计算单元15可以利用所测得的加速度对角速度进行校正，获得更精确的角速度，进而可以将精确的角速度解算为智能车的仰俯角、摇滚角及偏航角。速度编码器13可以实时测量智能车的行驶速度，可以为速度传感器、速度测量仪以及高精度速度编码器。可选的，计算单元15可以利用所测得的行驶速度、解算得到的偏航角及智能车上一时刻的位置坐标，采用航位推算算法推算出当前时刻的位置坐标。二维码扫码仪14可以用于当智能车经过地面铺设的二维码时，读取二维码的坐标信息及测量智能车与二维码的位置关系，该二维码扫码仪14可以为二维码扫码枪、扫码相机等。可选的，计算单元15可以利用读取的二维码坐标信息及测量的智能车与二维码的位置关系，得到智能车的绝对位置坐标，进而将该绝对位置坐标与上述推算出的位置坐标进行融合。

传统技术在将智能车视觉二维码导航中的绝对位置坐标与惯性导航中推算出的位置坐标进行数据融合时，主要使用的是自适应卡尔曼滤波算法，但在融合过程中滤波结果容易发散，导致无法为智能车提供准确的导航。本发明实施例提供的信息融合方法、装置、计算机设备和计算机可读存储介质旨在解决传统技术的如上技术问题。

为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案做进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

需要说明的是，下述方法实施例的执行主体可以是信息融合装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。下述方法实施例的执行主体以计算机设备为例来进行说明。

图2为一个实施例提供的信息融合方法的流程示意图，本实施例涉及的是计算机设备确定导航对象当前时刻的绝对位置坐标及当前时刻的航位推算坐标与绝对位置坐标的第一差值，并确定测量当前时刻偏差坐标时的第二测量噪声值，最后根据第一差值、当前时刻的航位推算坐标、当前时刻的航位推算坐标的均方差矩阵及第二测量噪声值确定导航对象当前时刻融合坐标的具体过程。如图2所示，该方法包括：

S101，根据当前时刻获取的二维码的位置坐标、以及当前时刻测量的所述二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标，确定所述导航对象当前时刻的绝对位置坐标。

具体的，在地面上铺设二维码时可以预设一个相应的坐标系，则二维码在该预设坐标系中的位置坐标为固定准确的，可以将每个二维码的位置坐标信息与对应的二维码进行关联存储。可选的，可以选取二维码的铺设方向为Y轴，垂直于二维码的铺设方向为X轴。当导航对象经过地面上的二维码时，通过二维码扫码仪14扫描二维码，可以获取该二维码的位置坐标，同时也可以测量出二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标。计算机设备可以根据上述二维码的位置坐标及偏差坐标，确定该导航对象当前时刻的绝对位置坐标(X_e,Y_e)，记为Z_k，即该导航对象在预设坐标系下的位置坐标。

例如，假设二维码的位置坐标为(2，3)，导航对象与该二维码在X轴正方向的偏差坐标Δx为0.4，在Y轴正方向的偏差坐标Δy为0.6，则计算机设备可以确定该导航对象当前时刻的绝对位置坐标Z_k为(2+0.4，3+0.6)，即(2.4，3.6)。

S102，根据导航对象前一时刻的航位推算坐标以及航位推算算法，获取所述导航对象当前时刻的航位推算坐标，并确定所述当前时刻的航位推算坐标和所述当前时刻的绝对位置坐标之间的第一差值。

具体的，在惯性导航模式下，计算机设备可以根据导航对象前一时刻的航位推算坐标以及航位推算算法，确定该导航对象当前时刻的航位推算坐标(X_i,Y_i)，记为X(k|k-1)，进而可以确定该导航对象当前时刻的航位推算坐标X(k|k-1)与上述当前时刻的绝对位置坐标Z_k的第一差值，记为

可选的，计算机设备可以根据公式/>

确定第一差值，还可以根据公式/>

或包含Z_k-HX(k|k-1)的其他关系式确定第一差值，其中H为单位矩阵。

其中，在惯性导航模式下，假设导航对象的行驶路线为一曲线，在单位时间段内，可以将行驶路线近似为直线，其行驶路线模型可以参见图3所示。假设导航对象开始行驶的起始位置为O(X_i(0),Y_i(0))，在k-1时刻导航对象的速度、偏航角和位置坐标分别为V(k-1)、ψ_i(k-1)、(X_i(k-1),Y_i(k-1))，可选的，计算机设备可以根据航位推算算法公式

计算出k时刻导航对象的位置坐标。

其中，上述速度V(k-1)可以利用速度编码器13测量得到，同时还可以利用陀螺仪11和加速度计12测量得到导航对象的角速度w和加速度a。可选的，计算机设备可以利用滤波误差校正算法，使用加速度a对角速度w进行误差校正，得到最优角速度w'。然后再利用四元数姿态解算法对最优角速度w'进行解算，得到导航对象的仰俯角θ、摇滚角γ、偏航角ψ。本实施例对计算机设备如何根据导航对象的角速度w和加速度a确定导航对象的偏航角ψ不做限定，只要计算机设备能确定出导航对象的偏航角ψ即可。

S103，根据所述导航对象前一时刻的Kalman滤波增益、测量前一时刻的偏差坐标时的第一测量噪声值、所述当前时刻的航位推算坐标的均方差矩阵以及所述第一差值，确定测量所述当前时刻的偏差坐标时的第二测量噪声值；其中，所述第二测量噪声值大于0。

具体的，Kalman滤波增益K_k是Kalman滤波过程中的一个重要参数，其值小于1时，表示滤波结果收敛，融合后的数据结果更为精确。测量噪声值R(k)为上述测量二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标时的影响噪声。当导航对象处于当前时刻时，其前一时刻的Kalman滤波增益K_k-1和第一测量噪声值R(k-1)均为已知，计算机设备可以根据导航对象前一时刻的Kalman滤波增益K_k-1、测量前一时刻的偏差坐标时的第一测量噪声值R(k-1)、当前时刻的航位推算坐标的均方差矩阵P(k|k-1)及上述第一差值

确定出测量当前时刻的偏差坐标时的第二测量噪声值R(k)。其中，R(k)的初始值可以由实验测试数据得到，且为大于0的正数。

可选的，计算机设备可以根据导航对象前一时刻融合坐标的均方差矩阵与当前时刻导航对象内部系统噪声矩阵，确定当前时刻的航位推算坐标的均方差矩阵P(k|k-1)。

可选的，计算机设备可以根据公式

确定第二测量噪声值R(k)，其中d_k为预设的加权系数。可选的，计算机设备还可以根据包含

的其他关系式，确定第二测量噪声值R(k)。本实施例对计算机设备如何根据导航对象前一时刻的Kalman滤波增益K_k-1、测量前一时刻的偏差坐标时的第一测量噪声值R(k-1)、当前时刻的航位推算坐标的均方差矩阵P(k|k-1)及上述第一差值/>

确定第二测量噪声值R(k)不做限定，只要计算机设备能确定出第二测量噪声值R(k)，且保证R(k)的值为正数即可。

S104，根据所述第一差值、所述当前时刻的航位推算坐标、所述当前时刻的航位推算坐标的均方差矩阵以及所述第二测量噪声值，确定所述导航对象在当前时刻的融合坐标。

具体的，在计算机设备确定了上述第一差值

当前时刻的航位推算坐标X(k|k-1)、当前时刻的航位推算坐标的均方差矩阵P(k|k-1)以及第二测量噪声值R(k)之后，便可以根据这些参数确定导航对象在当前时刻的融合坐标M(k)。

可选的，计算机设备可以首先根据当前时刻的航位推算坐标的均方差矩阵P(k|k-1)以及第二测量噪声值R(k)确定当前时刻的Kalman滤波增益K_k，然后再根据Kalman滤波增益K_k、上述第一差值

及当前时刻的航位推算坐标X(k|k-1)确定导航对象在当前时刻的融合坐标M(k)。可选的，计算机设备可以根据公式/>

或包含

的其他关系式确定当前时刻的Kalman滤波增益K_k，然后可以根据公式/>

或包含/>

的其他关系式确定导航对象在当前时刻的融合坐标M(k)。本实施例对计算机设备如何根据第一差值/>

当前时刻的航位推算坐标X(k|k-1)、当前时刻的航位推算坐标的均方差矩阵P(k|k-1)以及第二测量噪声值R(k)确定导航对象在当前时刻的融合坐标M(k)不做限定，只要计算机设备能够确定出导航对象在当前时刻的融合坐标M(k)即可。

进一步的，当计算机设备确定了融合坐标M(k)之后，可以将融合坐标M(k)替换当前时刻的航位推算坐标X(k|k-1)，以使导航对象在离开地面铺设的二维码之后，开始下一周期的惯性导航时，具有更精确的定位坐标，从而修正了惯性导航模式下的定位误差。

本实施例提供的信息融合方法，计算机设备首先根据当前时刻获取的二维码的位置坐标、以及当前时刻测量的二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标，确定导航对象当前时刻的绝对位置坐标Z_k，并根据当前时刻的绝对位置坐标Z_k以及获取的导航对象当前时刻的航位推算坐标X(k|k-1)确定第一差值

然后再根据导航对象前一时刻的Kalman滤波增益K_k-1、测量前一时刻的偏差坐标时的第一测量噪声值R(k-1)、当前时刻的航位推算坐标的均方差矩阵P(k|k-1)及上述第一差值/>

确定测量当前时刻的偏差坐标时的第二测量噪声值R(k)，最后根据第一差值/>

当前时刻的航位推算坐标X(k|k-1)、当前时刻的航位推算坐标的均方差矩阵P(k|k-1)以及第二测量噪声值R(k)确定导航对象在当前时刻的融合坐标M(k)。由于在计算过程中能够保证R(k)的值始终为正数，进而可以使得Kalman滤波增益K_k小于1，从而使得滤波结果收敛，大大提高了融合坐标结果的精度，提高了对导航对象坐标定位的准确性。

图4为另一个实施例提供的信息融合方法的流程示意图，本实施例涉及的是计算机设备确定导航对象当前时刻的绝对位置坐标及当前时刻的航位推算坐标与绝对位置坐标的第一差值，并确定测量当前时刻偏差坐标时的第二测量噪声值，最后根据第一差值、当前时刻的航位推算坐标、当前时刻的航位推算坐标的均方差矩阵及第二测量噪声值确定导航对象当前时刻融合坐标的另一具体过程。如图4所示，该方法包括：

S201，根据当前时刻获取的二维码的位置坐标、以及当前时刻测量的所述二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标，确定所述导航对象当前时刻的绝对位置坐标。

该S201的过程可以参见上述图2所示实施例的步骤S101，其实现过程类似，在此不再赘述。

S202，根据导航对象前一时刻的航位推算坐标以及航位推算算法，获取所述导航对象当前时刻的航位推算坐标，并确定所述当前时刻的航位推算坐标和所述当前时刻的绝对位置坐标之间的第一差值。

该S202的过程可以参见上述图2所示实施例的步骤S102，其实现过程类似，在此不再赘述。

S203，根据公式(1)：

确定测量所述当前时刻的偏差坐标时的第二测量噪声值R(k)；其中，所述d_k为预设的加权系数，所述R(k-1)为所述第一测量噪声值，所述H为单位矩阵，所述K_k-1为所述导航对象前一时刻的Kalman滤波增益，所述P(k|k-1)为所述当前时刻的航位推算坐标的均方差矩阵，所述/>

为所述第一差值。

具体的，在当前时刻，导航对象测量前一时刻的偏差坐标时的第一测量噪声值R(k-1)、前一时刻的Kalman滤波增益K_k-1均为已知，且在步骤S202中计算机设备已确定出当前时刻的航位推算坐标和当前时刻的绝对位置坐标之间的第一差值

并且，计算机设备可以根据导航对象前一时刻融合坐标的均方差矩阵与当前时刻导航对象内部系统噪声矩阵，确定当前时刻的航位推算坐标的均方差矩阵P(k|k-1)。当计算机设备确定了上述参数R(k-1)、K_k-1、/>

P(k|k-1)后，可以根据公式(1)：

确定测量当前时刻的偏差坐标时的第二测量噪声值R(k)。可选的，计算机设备还可以根据包含

的其他关系式确定测量当前时刻的偏差坐标时的第二测量噪声值R(k)。

其中，上述公式(1)中的d_k为预设的加权系数。可选的，计算机设备可以根据公式d_k＝(1-b)/(1-b^k)或包含(1-b)/(1-b^k)的其他关系式确定d_k，其中，b为遗忘因子，其取值范围为0＜b＜1，k为表示当前时刻的整数值。因此，可以确保上述公式(1)中的每项因子都为正数，进而可以确保R(k)的值为正数。

S204，根据所述第一差值、所述当前时刻的航位推算坐标、所述当前时刻的航位推算坐标的均方差矩阵以及所述第二测量噪声值，确定所述导航对象在当前时刻的融合坐标。

该S204的过程可以参见上述图2所示实施例的步骤S104，其实现过程类似，在此不再赘述。

利用公式(1)确定测量当前时刻的偏差坐标时的第二测量噪声值R(k)，最后根据第一差值/>

当前时刻的航位推算坐标X(k|k-1)、当前时刻的航位推算坐标的均方差矩阵P(k|k-1)以及第二测量噪声值R(k)确定导航对象在当前时刻的融合坐标M(k)。由于在利用公式(1)计算R(k)过程中能够保证R(k)的值始终为正数，进而可以使得Kalman滤波增益K_k小于1，从而使得滤波结果收敛，大大提高了融合坐标结果的精度，提高了对导航对象坐标定位的准确性。

作为上述实施例的一种可能的实施方式，上述S103中当前时刻的航位推算坐标的均方差矩阵的获取方式可以包括：将所述导航对象前一时刻的融合坐标的均方差矩阵与预设的系统噪声矩阵进行求和操作，得到的结果作为所述当前时刻的航位推算坐标的均方差矩阵。

具体的，计算机设备可以对导航对象前一时刻的融合坐标的均方差矩阵L(k-1)与事先预设的系统噪声矩阵Q(k)进行求和，将结果确定为当前时刻的航位推算坐标的均方差矩阵P(k|k-1)。可选的，计算机设备可以根据公式P(k|k-1)＝L(k-1)+Q(k)或包含L(k-1)+Q(k)的其他关系式确定当前时刻的航位推算坐标的均方差矩阵P(k|k-1)。

可选的，计算机设备还可以根据公式P(k|k-1)＝AL(k-1)A^T+Q(k)确定当前时刻的航位推算坐标的均方差矩阵P(k|k-1)，也可以根据包含AL(k-1)A^T+Q(k)的其他关系式确定当前时刻的航位推算坐标的均方差矩阵P(k|k-1)。其中，上述A为单位矩阵，L(k-1)为导航对象前一时刻的融合坐标的均方差矩阵，Q(k)为预设的系统噪声矩阵。可选的，可以确定

其中，q_-enco为导航对象的速度测量值的协方差，q_-gyro为导航对象的角速度测量值的协方差。

本实施例提供的信息融合方法，计算机设备根据导航对象前一时刻的融合坐标的均方差矩阵L(k-1)与预设的系统噪声矩阵Q(k)进行求和操作，确定当前时刻的航位推算坐标的均方差矩阵P(k|k-1)。在计算航位推算坐标的均方差矩阵P(k|k-1)时，由于系统噪声主要由导航对象内部机理决定，噪声影响相对稳定，因此使用固定的预设系统噪声矩阵Q(k)值进行计算，减少了坐标融合过程的计算量，提高了计算效率。

图5为又一个实施例提供的信息融合方法的流程示意图，本实施例涉及的是计算机设备根据判断条件确定测量当前时刻的偏差坐标时的第二测量噪声值的具体过程。在上述实施例的基础上，可选的，如图5所示，在步骤S203之前，该方法包括：

S301，判断所述

的值是否小于或者等于HL(k-1)H^T+R(k-1)。

具体的，计算机设备在确定测量当前时刻的偏差坐标时的第二测量噪声值R(k)之前，首先根据协方差匹配技术的思想判断当前滤波是否收敛，即判断上述第一差值

的关系式/>

的值是否小于或等于HL(k-1)H^T+R(k-1)的值，其中，L(k-1)为导航对象前一时刻的融合坐标的均方差矩阵，R(k-1)为测量前一时刻的偏差坐标时的第一测量噪声值，H为单位矩阵。

可选的，计算机设备还可以根据上述第一差值

的关系式/>

的值是否小于或等于包含HL(k-1)H^T+R(k-1)的其他关系式，判断当前滤波是否收敛。

S302，若是，则将所述第一测量噪声值确定所述第二测量噪声值。

具体的，若上述S301的判断条件成立，则说明当前滤波收敛，不需要重新更新的R(k)值，计算机设备可以直接将第一测量噪声值确定为第二测量噪声值，即R(k)＝R(k-1)。

S303，若否，则根据公式(1)：

确定测量所述当前时刻的偏差坐标时的第二测量噪声值R(k)。

具体的，若上述S301的判断条件不成立，则说明当前时刻滤波发散，计算机设备可以根据公式

重新确定测量当前时刻的偏差坐标时的第二测量噪声值R(k)，以使当前时刻滤波收敛。

本实施例提供的信息融合方法，计算机设备在确定测量当前时刻的偏差坐标时的第二测量噪声值R(k)之前，首先判断当前滤波是否收敛，若收敛，则将第一测量噪声值确定为第二测量噪声值，若发散，则根据公式(1)重新确定R(k)的值。本实施例在计算R(k)过程中，能够保证R(k)的值始终为正数，进而可以使得Kalman滤波增益K_k小于1，从而使得滤波结果收敛，大大提高了融合坐标结果的精度，提高了对导航对象坐标定位的准确性。并且，计算机设备不需要在每个坐标融合过程中重新计算第二测量噪声值R(k)的值，大大减少了坐标融合过程的计算量，提高了计算效率。

图6为又一个实施例提供的信息融合方法的流程示意图，本实施例涉及的是计算机设备确定导航对象当前时刻的偏航角及绝对方向角，并确定导航对象的融合航向角的具体过程。在上述实施例的基础上，可选的，如图6所示，该方法还包括：

S401，根据测量得到的所述导航对象的加速度和角速度，利用四元数姿态解算法，获取所述导航对象当前时刻的偏航角。

具体的，在惯性导航模式下，导航对象可以利用陀螺仪11测量得到当前时刻的三轴角速度w_x、w_y、w_z，可以利用加速度计12测量得到当前时刻的三轴加速度a_x、a_y、a_z。由于陀螺仪11测量数据带有一定的误差，长时间使用会产生累计误差，因此计算机设备可以利用加速度对角速度进行滤波误差校正，获得精确的三轴角速度w'_x、w'_y、w'_z。然后，计算机设备可以根据四元数姿态计算法，对精确的三轴角速度w'_x、w'_y、w'_z进行解算，进而确定导航对象当前时刻的仰俯角θ_i、摇滚角γ_i、偏航角ψ_i。

可选的，计算机设备可以根据陀螺仪11积分推算出一个三轴加速度v_x、v_y、v_z，接下来对a_x、a_y、a_z和v_x、v_y、v_z进行向量叉积运算，可以确定陀螺仪11积分推算的加速度和加速度计12测得的加速度之间的偏差，然后根据该偏差及该偏差的积分值对陀螺仪11测量得到的三轴角速度w_x、w_y、w_z进行滤波误差校正，确定精确的三轴角速度w'_x、w'_y、w'_z。

可选的，在计算机设备确定了精确的三轴角速度w'_x、w'_y、w'_z之后，可以确定角速度四元数的更新矩阵及四元数微分方程，然后利用四阶龙格-库塔法对四元数微分方程进行解算，进而确定导航对象当前时刻的仰俯角θ_i、摇滚角γ_i、偏航角ψ_i。

S402，将所述二维码的排列方向确定为第一方向，并将所述导航对象的行驶方向与第二方向之间的夹角确定为所述导航对象的绝对方向角；其中，所述第一方向与所述第二方向垂直。

具体的，将地面上铺设的二维码的排列方向确定为第一方向，可选的，可以假设该第一方向为坐标系中的Y轴正方向。当导航对象经过二维码时，可以通过二维码扫码仪14测量出该导航对象行驶方向与第一方向的第一夹角，计算机设备可以根据该第一夹角确定导航对象行驶方向与第二方向的第二夹角，即为绝对方向角ψ_e，可选的，可以假设该第二方向为坐标系中的X轴正方向。

例如，假设导航对象行驶方向与第一方向的第一夹角为30°，则计算机设备可以确定该导航对象行驶方向与第二方向的第二夹角为(90°-30°)，即绝对方向角ψ_e为60°。

S403，根据所述偏航角、所述绝对方向角、测量所述导航对象角速度时测量误差的方差值、测量所述导航对象的行驶方向与第一方向之间的夹角时测量误差的方差值，确定所述导航对象的融合航向角。

具体的，当计算机设备确定了上述偏航角ψ_i和绝对方向角ψ_e之后，可以根据偏航角ψ_i、绝对方向角ψ_e、上述测量导航对象角速度时测量误差的方差值、上述测量导航对象的行驶方向与第一方向之间的夹角时测量误差的方差值，确定导航对象的融合航向角ψ(k)。

可选的，计算机设备可以根据公式

或包含/>

的其他关系式确定导航对象的融合航向角。其中，ψ_i为偏航角，ψ_e为绝对方向角，δ_i为测量导航对象角速度时测量误差的方差值，δ_e为测量导航对象的行驶方向与第一方向之间的夹角时测量误差的方差值。在初始时刻，δ_i和δ_e的值可以通过实验测试获取，在导航对象行驶过程中，可选的，δ_i的值可以保持不变，δ_e的值可以由上述第二测量噪声值R(k)进行估计。本实施例对计算机设备如何根据偏航角ψ_i、绝对方向角ψ_e、测量导航对象角速度时测量误差的方差值δ_i、测量导航对象的行驶方向与第一方向之间的夹角时测量误差的方差值δ_e确定导航对象的融合航向角ψ(k)不做限定，只要计算机设备能够确定融合航向角ψ(k)即可。

本实施例提供的信息融合方法，计算机设备首先根据测量得到的导航对象的加速度和角速度以及四元数姿态计算法，获取导航对象当前时刻的偏航角ψ_i，然后确定导航对象的绝对方向角ψ_e，最后根据偏航角ψ_i、绝对方向角ψ_e、测量导航对象角速度时测量误差的方差值、测量导航对象的行驶方向与第一方向之间的夹角时测量误差的方差值确定导航对象的融合航向角ψ(k)。本实施例将偏航角和绝对方向角进行融合，能够修正惯性导航模式下偏航角的误差，大大提高了导航对象航向角的精度。

应该理解的是，虽然图2、图4-图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图4-图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

为了便于本领域技术人员的理解，下面以图示方式介绍信息融合方法的具体过程。如图7所示，在惯性导航模式下，通过陀螺仪11测量导航对象当前时刻的角速度w_x、w_y、w_z，通过加速度计12测量导航对象当前时刻的加速度a_x、a_y、a_z，通过速度编码器13测量导航对象当前时刻的行驶速度V。然后，计算机设备可以利用滤波误差校正算法将加速度a_x、a_y、a_z对角速度w_x、w_y、w_z进行校正，得到精确的三轴角速度w'_x、w'_y、w'_z。再利用四元数姿态解算法对精确的三轴角速度w'_x、w'_y、w'_z进行解算，得到导航对象当前时刻的仰俯角θ_i、摇滚角γ_i、偏航角ψ_i。最后，计算机设备可以根据速度V、偏航角ψ_i及当前时刻导航对象的位置坐标，利用航位推算法推算出下一时刻导航对象的位置坐标(X_i,Y_i)。

假设下一时刻导航对象经过地面铺设的二维码，通过二维码扫码仪14扫描二维码，可以获取该二维码的位置坐标，同时也可以测量出二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标以及导航对象行驶方向与二维码排列方向的夹角，进而计算机设备可以确定导航对象下一时刻的绝对位置坐标(X_e,Y_e)及绝对方向角ψ_e。然后，计算机设备便可以将下一时刻的绝对位置坐标(X_e,Y_e)与航位推算位置坐标(X_i,Y_i)进行融合，将下一时刻的绝对方向角ψ_e与偏航角ψ_i进行融合，确定导航对象精确的位置坐标及航向角。

图8为一个实施例提供的信息融合装置的结构示意图。如图8所示，该装置包括：第一确定模块21、第二确定模块22、第三确定模块23和第四确定模块24。

具体的，第一确定模块21，用于根据当前时刻获取的二维码的位置坐标、以及当前时刻测量的所述二维码的位置坐标与导航对象的实际位置坐标之间的偏差坐标，确定所述导航对象当前时刻的绝对位置坐标。

第二确定模块22，用于根据导航对象前一时刻的航位推算坐标以及航位推算算法，获取所述导航对象当前时刻的航位推算坐标，并确定所述当前时刻的航位推算坐标和所述当前时刻的绝对位置坐标之间的第一差值。

第三确定模块23，用于根据所述导航对象前一时刻的Kalman滤波增益、测量前一时刻的偏差坐标时的第一测量噪声值、所述当前时刻的航位推算坐标的均方差矩阵以及所述第一差值，确定测量所述当前时刻的偏差坐标时的第二测量噪声值；其中，所述第二测量噪声值大于0。

第四确定模块24，用于根据所述第一差值、所述当前时刻的航位推算坐标、所述当前时刻的航位推算坐标的均方差矩阵以及所述第二测量噪声值，确定所述导航对象在当前时刻的融合坐标。

在其中一个实施例中，上述第三确定模块23，具体用于根据公式：

为所述第一差值。

在其中一个实施例中，上述第三确定模块23，具体用于将所述导航对象前一时刻的融合坐标的均方差矩阵与预设的系统噪声矩阵进行求和操作，得到的结果作为所述当前时刻的航位推算坐标的均方差矩阵。

在其中一个实施例中，上述第三确定模块23，具体用于根据公式：P(k|k-1)＝AL(k-1)A^T+Q(k)确定所述当前时刻的航位推算坐标的均方差矩阵P(k|k-1)；其中，所述A为单位矩阵，所述L(k-1)为所述导航对象前一时刻的融合坐标的均方差矩阵，所述

为预设的系统噪声矩阵，所述q_-enco为所述导航对象的速度测量值的协方差，所述q_-gyro为所述导航对象的角速度测量值的协方差。

本实施例提供的信息融合装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

图9为另一个实施例提供的信息融合装置的结构示意图。在上述图8所示实施例的基础上，如图9所示，该装置还包括：判断模块25。

具体的，判断模块25，用于在上述第三确定模块23根据公式

确定测量所述当前时刻的偏差坐标时的第二测量噪声值R(k)之前，判断所述/>

的值是否小于或者等于HL(k-1)H^T+R(k-1)。

相应的，

若是，上述第三确定模块23具体用于将所述第一测量噪声值确定所述第二测量噪声值；

若否，上述第三确定模块23具体用于根据公式：

确定测量所述当前时刻的偏差坐标时的第二测量噪声值R(k)。

图10为又一个实施例提供的信息融合装置的结构示意图。在上述图8或者图9实施例的基础上，如图10所示，该装置还包括：获取模块26、第五确定模块27和第六确定模块28。

具体的，获取模块26，用于根据测量得到的所述导航对象的加速度和角速度，利用四元数姿态解算法，获取所述导航对象当前时刻的偏航角。

第五确定模块27，用于将所述二维码的排列方向确定为第一方向，并将所述导航对象的行驶方向与第二方向之间的夹角确定为所述导航对象的绝对方向角；其中，所述第一方向与所述第二方向垂直。

第六确定模块28，用于根据所述偏航角、所述绝对方向角、测量所述导航对象角速度时测量误差的方差值、测量所述导航对象的行驶方向与第一方向之间的夹角时测量误差的方差值，确定所述导航对象的融合航向角。

在其中一个实施例中，上述第六确定模块28，具体用于根据公式

确定所述导航对象的融合航向角；其中，ψ_i为所述偏航角，ψ_e为所述绝对方向角，δ_i为所述测量所述导航对象角速度时测量误差的方差值，δ_e为所述测量所述导航对象的行驶方向与第一方向之间的夹角时测量误差的方差值。

关于信息融合装置的具体限定可以参见上文中对于信息融合方法的限定，在此不再赘述。上述信息融合装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信息融合方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。