CN112050829B - 一种运动状态确定方法及装置 - Google Patents
一种运动状态确定方法及装置 Download PDFInfo
- Publication number
- CN112050829B CN112050829B CN201910493764.1A CN201910493764A CN112050829B CN 112050829 B CN112050829 B CN 112050829B CN 201910493764 A CN201910493764 A CN 201910493764A CN 112050829 B CN112050829 B CN 112050829B
- Authority
- CN
- China
- Prior art keywords
- grid
- velocity
- cell
- sensor
- velocity vector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 116
- 239000013598 vector Substances 0.000 claims abstract description 774
- 238000005259 measurement Methods 0.000 claims abstract description 474
- 238000012545 processing Methods 0.000 claims description 36
- 230000003068 static effect Effects 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 description 59
- 239000011159 matrix material Substances 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012804 iterative process Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 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
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
- G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Radar Systems Or Details Thereof (AREA)
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请实施例公开了一种运动状态确定方法及设备，属于传感器领域。该方法包括：根据来自传感器的测量数据确定速度网格W1中网格单元的权重，其中，该速度网格W1包含多个网格单元，该多个网格单元中的每个网格单元对应一个速度矢量，每个速度矢量包括至少一个速度分量，该测量数据包括速度测量值；根据网格单元的权重确定传感器的运动状态，该传感器的运动状态包括传感器的速度矢量，该传感器的速度矢量包括至少一个速度分量。通过实施本申请实施例，可准确地确定地出传感器的运动状态，可以用于辅助驾驶和自动驾驶、无人机、舰载以及星载传感器等。
Description
技术领域
本申请涉及传感器技术领域，尤其涉及一种运动状态确定方法及装置。
背景技术
在先进驾驶辅助系统(advanced driver assistant system，ADAS)或者自动驾驶(autonomous driving，AD)系统中通常配置多种传感器，例如雷达、声纳、超声波传感器、视觉传感器如摄像头等，用于感知周边环境及目标信息。利用上述传感器获取的信息，可以实现对周边环境及物体的分类、识别以及跟踪等功能。上述传感器的平台可以是车载、舰载、机载或者星载系统等。这些传感器配置于传感器平台上，可提供移动设备周围的相对参考系运动的目标或相对参考系静止的目标的测量数据，所述参考系可以是大地或者相对于大地的惯性坐标系等。例如，相对参考系运动的目标可以为车辆和行人等。相对参考系静止的目标可以为障碍物、护栏、路沿、灯杆、周围的树木和建筑物等。测量数据可包括目标相对于传感器的距离、目标相对于传感器的方位角、目标相对于传感器的俯仰角、目标相对于传感器的径向速度和目标相对于传感器的散射截面积中的一种或多种。
相对于固定位置的传感器，配置于可移动设备上的传感器的运动将造成以下诸多影响：第一方面，相对参考系运动的目标和相对参考系静止的目标通常采用不同的方法分析和处理，对相对参考系运动的目标通常需要分类、识别和跟踪。对相对参考系静止的目标通常需要分类和识别，为自动驾驶提供额外信息，如规避障碍物、提供可行驶区域等。传感器的运动将导致无法区分相对参考系运动的目标和相对参考系静止的目标，进而不能对相对参考系运动的目标和相对参考系静止的目标采用不同的方法分析和处理；第二方面，对相对参考系运动的目标的跟踪通常基于模型，传统的目标运动模型通常假定相对地面或者大地坐标系，传感器的运动将导致上述传统模型失效或者跟踪性能下降。因此，有必要估计传感器的运动状态特别是其速度，以补偿上述影响。
在现有技术中，获取传感器的运动状态的方式包括：(1)利用全球卫星导航系统(global navigation satellite system，GNSS)例如全球定位系统(global positioningsystem，GPS)卫星可以得到本车的位置，根据多个时刻的具体位置即可得到本车的运动状态。但是民用GNSS的精度较低，一般在米量级，因此通常存在较大误差。(2)通过移动设备上的惯性测量单元(inertial measurement unit，IMU)来测量传感器的速度矢量。然而IMU测量的速度矢量通常基于加速度计测量的加速度得到，测量误差会随时间累积，此外，易受电磁干扰的影响。因此，如何准确地确定传感器的运动状态特别是速度矢量是目前亟待解决的问题。
发明内容
本申请实施例提供了一种运动状态确定方法及设备，能够准确地确定传感器的运动状态。
第一方面，本申请实施例提供了一种运动状态确定方法，该方法包括：根据来自传感器的测量数据确定速度网格W1中网格单元的权重，其中，该速度网格W1包含多个网格单元，该多个网格单元中的每个网格单元对应一个速度矢量，每个速度矢量包括至少一个速度分量，该测量数据包括速度测量值；根据网格单元的权重确定传感器的运动状态，该传感器的运动状态包括传感器的速度矢量，该传感器的速度矢量包括至少一个速度分量。基于第一方面所描述的方法，可根据传感器的测量数据准确地确定传感器的速度矢量。
可选的，该传感器的运动状态除了包括传感器的速度矢量之外，还可以进一步包括传感器的位置。例如，可以以指定的时间起点或者初始位置作为参考，根据速度矢量和时间间隔得到该传感器的位置。
作为一种可选的实施方式，速度网格W1是根据分辨单元大小以及参考速度矢量中的至少一个确定的。具体地，速度网格W1是根据参考速度矢量和速度网格W1的各个维度方向的分辨单元大小中的至少一个确定的。
可选的，速度网格W1可根据分辨单元大小以及参考速度矢量中的至少一个，以及根据分辨单元数量、速度分量的最小速度以及速度分量的速度范围中的至少一个确定。具体地，速度网格W1是根据参考速度矢量和速度网格W1的各个维度方向的分辨单元大小中的至少一个，以及速度网格W1的各个维度方向的分辨单元数量、速度网格W1的各个速度分量的最小速度以及速度网格W1的各个速度分量的速度范围中的至少一个确定。
可选的，速度网格W1可以用于确定传感器的速度矢量，此时速度网格W1的网格单元对应传感器的候选速度矢量；速度网格W1也可以用于确定传感器测量的相对于参考系静止的目标的速度，此时速度网格W1的网格单元对应相对于参考系静止的目标的候选速度矢量。例如，以车载或者无人机机载传感器为例，该参考系可以是大地坐标系，或者相对于大地匀速运动的惯性坐标系，相对于参考系静止的目标可以是周边环境中的物体，例如护栏、道路边沿、灯杆、建筑物等。
作为一种可选的实施方式，根据网格单元的权重确定传感器的速度矢量的具体实施方式为：根据速度网格W1的第一网格单元确定传感器的运动状态，该速度网格W1的第一网格单元为速度网格W1中权重最大的网格单元，或者，该速度网格W1的第一网格单元为速度网格W1中权重最大的网格单元的邻域中与参考速度矢量最接近的网格单元，或者，该速度网格W1的第一网格单元为速度网格W1的多个极大权重网格单元中对应的速度矢量与一个参考速度矢量最接近的网格单元。其中，该极大权重网格单元可以为权重大于阈值的网格单元，或者，该极大权重网格单元可以为权重大小排序在预设位置之前的网格单元。基于该可选的实施方式，根据速度网格W1的第一网格单元对应的速度矢量能够准确地确定传感器的运动状态。
作为一种可选的实施方式，根据来自传感器的测量数据确定速度网格W1中网格单元的权重的具体实施方式为：根据第n个测量数据确定第二网格单元(i，j)，并根据加权增量或者加权因子对第二网格单元(i，j)进行加权，其中，第二网格单元(i，j)对应的速度矢量满足
根据第n个测量数据确定第二网格单元(i，j，k)，并根据加权增量或者加权因子对第二网格单元(i，j，k)进行加权，其中，第二网格单元(i，j，k)对应的速度矢量满足
其中，θn为第n个测量数据包括的方位角测量值，
为第n个测量数据包括的俯仰角测量值，
为第n个测量数据包括的径向速度测量值，vx(i)为第二网格单元对应的速度矢量在x轴的分量，vy(j)为第二网格单元对应的速度矢量在y轴的分量，vz(k)为第二网格单元的速度矢量在z轴的分量，T1和T2为非负门限值。基于该可选的实施方式，可只对第二网格单元进行加权，忽略其它低概率的网络单元，可以有效减少需要计算加权增量或者加权因子的网格单元，从而有效降低计算量。
作为一种可选的实施方式，根据来自传感器的测量数据确定速度网格W1中网格单元的权重的具体实施方式为：根据第n个测量数据确定第二网格单元(i，j)，并根据加权增量或者加权因子对第二网格单元(i，j)进行加权，其中，第二网格单元(i，j)对应的速度矢量满足
根据第n个测量数据确定第二网格单元(i，j，k)，并根据加权增量或者加权因子对第二网格单元(i，j，k)进行加权，其中，第二网格单元(i，j，k)对应的速度矢量满足
其中，θn为第n个测量数据包括的方位角测量值，
为第n个测量数据包括的俯仰角测量值，
为第n个测量数据包括的径向速度测量值，vx(i)为第二网格单元对应的速度矢量在x轴的分量，vy(j)为第二网格单元对应的速度矢量在y轴的分量，vz(k)为第二网格单元的速度矢量在z轴的分量，T1和T2为非负门限值。基于该可选的实施方式，可只对第二网格单元进行加权，忽略其它低概率的网络单元，可以有效减少需要计算加权增量或者加权因子的网格单元，从而有效降低计算量。
可选的，对于该来自传感器的一个测量数据，可以对速度网格W1中的一个网格单元确定一个加权增量，通过累加来自传感器的一个或者多个测量数据对应的加权增量，确定速度网格W1中网格单元的权重；此时网格单元的权重是以累加和形式得到。可选的，对于该来自传感器的一个测量数据，可以对速度网格W1中的一个网格单元的确定一个加权因子，通过累乘来自传感器的一个或者多个测量数据对应的加权因子，确定速度网格W1中网格单元的权重；此时网格单元的权重是以乘积形式得到。也就是说，可以以加权增量的形式对网格单元进行加权，或者可以以乘积的形式对网格单元进行加权。
作为一种可选的实施方式，速度网格W1中的网格单元的加权增量或者加权因子为预设值，或者，速度网格W1中的网格单元的加权增量或者加权因子为根据第n个测量数据确定的值，或者，速度网格W1中的网格单元的加权增量或者加权因子为根据第n个测量数据、预设目标类型对应的散射面积的分布确定的值。通过该方式能够更加精确地得到网格单元的权重，从而有利于更精确地得到传感器的运动状态特别是速度矢量。
作为一种可选的实施方式，速度网格W1的第一网格单元为速度网格W1中权重最大的网格单元；速度网格W1中具有多个权重最大的网格单元时，速度网格W1的第一网格单元为多个权重最大的网格单元中对应的速度矢量最大的网格单元；其中，速度矢量最大可以是指速度矢量的范数最大或者速率最大。该范数可以为欧氏范数或者为其他类型的范数。或者，速度网格W1中具有多个权重最大的网格单元时，速度网格W1的第一网格单元为多个权重最大的网格单元中对应的速度矢量与参考速度矢量最接近的网格单元。速度矢量与参考速度矢量最接近是指速度矢量与参考速度矢量之间的距离最小，该距离可以是欧氏距离或马氏距离或其他类型的距离。
作为一种可选的实施方式，根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：确定速度网格W1的第一网格单元对应的速度矢量为传感器的速度矢量。在该可选的实施方式中，速度网格W1的第一网格单元的速度矢量在速度网格W1的多个速度矢量中最有可能为传感器的速度矢量。因此，可以将速度网格W1的第一网格单元对应的速度矢量直接确定为传感器的速度矢量。
作为一种可选的实施方式，根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：确定速度网格W1的第一网格单元对应的速度矢量的各个速度分量的相反数为传感器的速度矢量的各个速度分量。在该可选的实施方式中，速度网格W1的第一网格单元对应的速度矢量在速度网格W1的多个速度矢量中最有可能为相对参考系静止的目标对应的速度矢量。由于传感器的速度矢量与相对参考系静止的目标的速度矢量的速度分量大小相同，但方向相反。因此，可以将速度网格W1的第一网格单元对应的速度矢量的各个速度分量的相反数确定为传感器的速度矢量的各个速度分量。
作为一种可选的实施方式，根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：确定速度网格Wm的第一网格单元，其中，该速度网格Wm包括多个网格单元，该速度网格Wm的每个网格单元对应一个速度矢量，该速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，该速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，该速度网格Wm的分辨单元大小小于或等于速度网格Wm-1的分辨单元大小，该速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，该速度网格Wm的网格单元的权重根据传感器的测量数据确定；其中，m＝1，2，..，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量为传感器的速度矢量。在该可选的实施方式中，确定速度网格W1的第一网格单元对应的速度矢量之后，会进行M-1次迭代，以确定传感器的速度矢量。基于该可选的实施方式，能够更加准确地确定传感器的速度矢量。
作为一种可选的实施方式，根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：确定速度网格Wm的第一网格单元，其中，该速度网格Wm包括多个网格单元，该速度网格Wm的每个网格单元对应一个速度矢量，该速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，该速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，该参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，该速度网格Wm的分辨单元大小小于或等于速度网格Wm-1的分辨单元大小，该速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，该速度网格Wm的网格单元的权重根据传感器的测量数据确定；其中，m＝1，2，..，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量的各个速度分量的相反数为传感器的速度矢量的各个速度分量。在该可选的实施方式中，确定速度网格W1的第一网格单元对应的速度矢量之后，会进行M-1次迭代，以确定传感器的速度矢量。基于该可选的实施方式，能够更加准确地确定传感器的速度矢量。
作为一种可选的实施方式，确定传感器的速度矢量之后，还可根据传感器的速度矢量从测量数据中确定相对参考系静止的目标的测量数据。基于该可选的实施方式，能够将相对参考系运动的目标的测量数据和相对参考系静止的目标的测量数据进行分离。
作为一种可选的实施方式，根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：根据速度网格W1的第一网格单元对应的速度矢量从测量数据中确定相对参考系静止的目标的测量数据；根据相对参考系静止的目标的测量数据确定传感器的速度矢量。基于该可选的实施方式，能够准确地确定传感器的速度矢量。
作为一种可选的实施方式，根据相对参考系静止的目标的测量数据确定传感器的速度矢量的具体实施方式为：确定速度网格Wm的第一网格单元，其中，该速度网格Wm包括多个网格单元，该速度网格Wm的每个网格单元对应一个速度矢量，该速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，该速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，该参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，该速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小，该速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，该速度网格Wm的网格单元的权重根据最新确定的相对参考系静止的目标的测量数据确定，该最新确定的相对参考系静止的目标的测量数据是根据速度网格Wm-1的第一网格单元对应的速度矢量确定的；其中，m＝1，2，..，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量为传感器的速度矢量。在该可选的实施方式中，根据速度网格W1的第一网格单元对应的速度矢量从测量数据中确定相对参考系静止的目标的测量数据之后，会根据相对参考系静止的目标的测量数据进行M-1次迭代，以确定传感器的速度矢量。因此，基于该可选的实施方式，能够更加准确地确定传感器的速度矢量。
作为一种可选的实施方式，根据相对参考系静止的目标的测量数据确定传感器的速度矢量的具体实施方式为：确定速度网格Wm的第一网格单元，其中，该速度网格Wm包括多个网格单元，该速度网格Wm的每个网格单元对应一个速度矢量，该速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，该速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，该参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，该速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小，速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，该速度网格Wm的网格单元的权重根据最新确定的相对参考系静止的目标的测量数据确定，该最新确定的相对参考系静止的目标的测量数据是根据速度网格Wm-1的第一网格单元对应的速度矢量确定的；其中，m＝1，2，..，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量的各个速度分量的相反数为传感器的速度矢量的各个速度分量。在该可选的实施方式中，根据速度网格W1的第一网格单元对应的速度矢量从测量数据中确定相对参考系静止的目标的测量数据之后，会根据相对参考系静止的目标的测量数据进行M-1次迭代，以确定传感器的速度矢量。因此，基于该可选的实施方式，能够更加准确地确定传感器的速度矢量。
作为一种可选的实施方式，根据相对参考系静止的目标的测量数据确定传感器的速度矢量的具体实施方式为：根据以下测量方程确定传感器的速度矢量
其中，
为第k个相对参考系静止的目标的径向速度测量值，
为径向速度测量误差，vs为传感器的速度矢量，vs为2维矢量，hk＝[cosθk sinθk]；或者，vs为3维矢量，
θk为第k个相对参考系静止的目标的方位角测量值，
为第k个相对参考系静止的目标的俯仰角测量值。基于该可选的实施方式，能够更加准确地确定传感器的速度矢量。
作为一种可选的实施方式，根据相对参考系静止的目标的测量数据确定传感器的速度矢量的具体实施方式为：根据以下测量方程确定传感器的速度矢量
其中，
为第k个相对参考系静止的目标的径向速度测量值，vT为相对于参考系静止的目标的速度矢量，
为径向速度测量误差，vT为2维矢量，hk＝[cosθk sinθk]；或者，vT为3维矢量，
其中，θk为第k个相对参考系静止的目标的方位角测量值，
为第k个相对参考系静止的目标的俯仰角测量值。利用vs＝-vT可得到传感器的速度矢量vs。基于该可选的实施方式，能够更加准确地确定传感器的速度矢量。
作为一种可选的实施方式，根据测量方程确定传感器的速度矢量的具体实施方式为：根据测量方程，基于最小二乘方法和/或序贯分块滤波得到传感器的速度矢量。基于该可选的实施方式，能够更加准确地确定传感器的速度矢量。
作为一种可选的实施方式，根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：根据速度网格W1的第一网格单元对应的速度矢量或速度网格Wm的第一网格单元对应的速度矢量或根据相对于参考系静止的目标对应的测量数据估计得到的传感器速度矢量和第一速度矢量确定传感器的速度矢量，该第一速度矢量包括基于上一帧测量数据确定的传感器的速度矢量和/或传感器的参考速度矢量。其中，传感器的参考速度矢量可以是IMU或其他装置测量出的传感器的速度矢量。基于该可选的实施方式，可以利用运动的时间和/或空间相关性，基于当前测量数据得到传感器的速度矢量以及参考速度矢量和/或上一次确定的传感器的速度矢量，可以更准确地确定传感器的速度矢量。
第二方面，提供了一种运动状态确定装置，可执行上述第一方面和第一方面的可选的实施方式中任意一项的方法。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的单元。该单元可以是软件和/或硬件。基于同一发明构思，该运动状态确定装置解决问题的原理以及有益效果可以参见上述第一方面和第一方面的可选的实施方式中任意一项的方法以及有益效果，重复之处不再赘述。
第三方面，提供了一种运动状态确定装置，该运动状态确定装置包括处理器以及通信接口。可选的，所述装置还包括存储器，处理器、通信接口和存储器相连。
一种可选的设计中，通信接口可以为收发器或者独立设置的接收器和发射器。通信接口用于实现与其他网元之间的通信。
又一种可选的设计中，通信接口可以为接口电路，所述接口电路用于所述处理器获取或者输出信息或数据。例如，所述接口电路用于所述处理器从存储器读取数据或者写入数据，又如，所述接口电路用于所述处理器接收来自装置外部的信息或数据，或者向装置外部发送信息或数据。
其中，所述存储器用于存储程序，该处理器调用存储在该存储器中的程序以实现上述第一方面和第一方面的可选的实施方式中任意一项的方法，该运动状态确定装置解决问题的实施方式以及有益效果可以参见上述第一方面和第一方面的可选的实施方式中任意一项的方法以及有益效果，重复之处不再赘述。
第四方面，提供了一种计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面和第一方面的可选的实施方式中任意一项的方法。
第五方面，提供了一种芯片产品，执行上述第一方面和第一方面的可选的实施方式中任意一项的方法。
第六方面，提了供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面和第一方面的可选的实施方式中任意一项的方法。
附图说明
图1是本申请实施例提供的一种系统架构的示意图；
图2是本申请实施例提供的一种测量数据的示意图；
图3是本申请实施例提供的一种运动状态确定方法的流程示意图；
图4是本申请实施例提供的一种速度网格的示意图；
图5是本申请实施例提供的另一种速度网格的示意图；
图6是本申请实施例提供的又一种速度网格的示意图；
图7是本申请实施例提供的另一种运动状态确定方法的流程示意图；
图8是本申请实施例提供的又一种速度网格的示意图；
图9是本申请实施例提供的一种运动状态确定装置的结构示意图；
图10是本申请实施例提供的另一种运动状态确定装置的结构示意图。
具体实施方式
下面结合附图对本申请具体实施例作进一步的详细描述。
本申请实施例提供了一种运动状态确定方法及运动状态确定装置，能够准确地确定传感器的运动状态，特别是速度矢量。
为了能够更好地理解本申请实施例，下面对本申请实施例可应用的系统架构进行说明。
图1是本申请实施例提供的一种系统架构的示意图。如图1所示，该系统架构中包括传感器平台。传感器平台中配置有传感器。该系统架构中还包括运动状态确定装置。其中，该运动状态确定装置可以部署于传感器平台中，即该运动状态确定装置可以与传感器平台集成于一体。或者，该运动状态确定装置可以部署于传感器平台之外，该运动状态确定装置与传感器平台通过无线网络进行通信。图1以运动状态确定装置部署于传感器平台中为例。
其中，传感器平台可以为可移动的设备。例如，传感器平台可以为车载平台，如汽车、摩托车或者自行车等。或者，传感器平台可以为舰载平台，如船只、轮船、汽艇等。或者，传感器平台可以为车载平台可以是机载平台，如无人机、直升机或者喷气式飞机、气球等。或者，传感器平台可以为星载平台，如卫星等。
其中，所述传感器可以是雷达传感器，例如，毫米波雷达或者激光雷达。或者，所述传感器可以是声纳或者超声波传感器。或者，所述传感器也可以是视觉传感器或者成像传感器，如摄像头或者摄像机或者成像雷达如激光雷达、合成孔径雷达等。或者，所述传感器也可以是具有测量频移能力的测向传感器器，所述测向传感器器通过测量接收信号相对已知频率的频移得到径向速度信息。
需要进一步指出的是，此处传感器的物理构成可以是一个或者多个物理传感器。例如，该一个或者多个物理传感器的中各个物理传感器可以分别测量方位角、俯仰角以及径向速度，也可以是从该一个或者多个物理传感器的测量数据导出所述方位角、俯仰角以及径向速度，此处不做限定。
该传感器可以对周围的目标(如相对参考系静止的目标或相对参考系运动的目标、障碍物、建筑物等)进行测量，得到周围目标的测量数据。例如，以雷达为例，如图2所示，测量数据可以包括目标相对于传感器的距离r，目标相对于传感器的方位角θ，目标相对于传感器的俯仰角
目标相对于传感器的径向速度
和散射截面积中的一种或多种。
下面进一步对本申请所提供的运动状态确定方法及运动状态确定装置进行介绍。
请参见图3，图3是本申请实施例提供的一种运动状态确定方法的流程示意图。该方法的执行主体可以是传感器系统或者融合感知系统或者集成上述系统的规划/控制系统如辅助驾驶或者自动驾驶系统等。或者，该方法的执行主体也可以是软件或者硬件(如与相应传感器通过无线或者有线连接或者集成在一起的运动状态确定装置)。以下不同的执行步骤可以集中式也可以分布式实现。如图3所示，该运动状态确定方法包括如下步骤301和步骤302，其中：
301、根据来自传感器的测量数据确定速度网格W1中网格单元的权重。
其中，在步骤301中，传感器的测量数据包括速度测量值，该速度测量值可以是径向速度测量值，例如，周围环境物体或者目标相对于传感器的径向速度
可选的，该测量数据还可以包括角度测量值，例如，目标相对于传感器的方位角θ和/或俯仰角
可选的，该传感器的测量数据还可以包括目标相对于传感器的距离r，以及散射截面积中的一种或多种。此外，该传感器的测量数据还可以包括周围环境物体或者目标相对于传感器的方向余弦值；上述测量值还可以是传感器原始测量数据变换之后得到的信息，例如，方向余弦值可以从目标相对于传感器的方位角和/或俯仰角得到，或者从目标的直角坐标位置和距离测量得到。具体的，方向余弦与方位角和/或俯仰角的对应关系如下：
对于2维速度矢量：
Λx＝cosθ，Λy＝sinθ
Λx，Λy为方向余弦，其中θ为方位角；
对于3维速度矢量：
其中Λx，Λy和Λz为方向余弦，θ为方位角，
为俯仰角。下文中所阐述的公式或者计算方式中，方向余弦以及方位角和/或俯仰角可以根据上述对应关系进行互换。
或者，步骤301中的测量数据还可以是传感器测量得到的其他数据，本申请实施例不做限定。
其中，该来自传感器的测量数据，可以是来自传感器的一帧测量数据。以雷达或者声纳传感器为例，该传感器可以周期性或者非周期性地发射信号并从接收到的回波信号中得到测量数据。例如，所述发射信号可以是线性调频信号，通过回波信号的时延可以得到目标的距离信息，通过多个回波信号之间的相位差可以得到该目标相对于传感器的径向速度测量值，通过传感器的多个发射和/或接收天线阵列几何，可以得到目标相对于传感器的角度测量值。此外，所述传感器也可以是无源的传感器，通过被动接收一定时间内的信号，得到目标相对于传感器的角度测量值。此外，也可以测量接收信号的频率相对于参考频率的偏移从而得到目标的径向速度测量值。可以理解的是，由于周边环境物体或者目标的多样性，该传感器可以获得传感器视场内的多个测量数据供后续使用。传感器可以以固定时间长度为周期来对周围目标进行周期性测量，也可以或者按照指定的时间窗对指定的区域进行触发性测量。无论周期性测量还是触发性测量，所述传感器都可以得到一帧或者多帧测量数据，每一帧测量数据可包括多个测量数据，每一帧测量数据可以看作是传感器对周围环境物体或者目标的一次“快照”。
其中，速度网格W1包含多个网格单元，该多个网格单元中的每个网格单元对应一个速度矢量，每个速度矢量包括至少一个速度分量。
可选的，每个网格单元对应的速度矢量可以由网格单元在各个维度的索引和各个维度的分辨单元的大小确定。
该速度网格W1可以是1维网格，此时网格单元对应的速度矢量包括一个速度分量。例如，如图4所示，速度网格W1为1维网格，包括5个网格单元，每个网格单元对应一个速度矢量，该速度矢量包括一个X轴的速度分量vx。或者，该速度矢量包括一个Y轴的速度分量vy，或者，该速度矢量包括一个Z轴的速度分量vz，图4所示的速度网格W1以速度矢量包括速度分量vx为例。
其中，每个网格单元可以以索引i表示。网格单元i对应的速度矢量为vx(i)。图4所示的1维速度网格W1的分辨单元大小可以等于相邻两个网格单元对应的速度矢量之差的绝对值，或者速度网格W1中网格单元的步长。例如，速度网格W1的分辨单元大小为0.5m/s(米每秒)，网格单元i对应的速度矢量vx(i)＝0.5·im/s。需要指出的是，索引的取值范围和起始值，可以根据需要灵活设置，在此不赘述。
所述速度网格W1可以是2维网格，此时网格单元对应的速度矢量包括两个速度分量。例如，如图5所示，速度网格W1包括25个网格单元，每个网格单元对应一个速度矢量，该速度矢量包括X轴的速度分量vx和Y轴的速度分量vy。或者，该速度矢量包括Y轴的速度分量vy和Z轴的速度分量vz，或者，该速度矢量包括X轴的速度分量vx和Z轴的速度分量vz。图5所示的速度网格W1以速度矢量包括速度分量vx和速度分量vy为例。如图5所示，速度网格W1为2维网格，包括vx和vy两个维度。速度网格W1在vx维度包括5个网格单元，i＝0，1，..，4，在vy维度包括5个网格单元，j＝0，1，..，4。因此，速度网格W1总共包括25个网格单元。
其中，每个网格单元可以用索引(i，j)表示，例如，索引值i＝0，1，...，Nvx-1，j＝0，1，...，Nvy-1。其中，Nvx为速度网格W1在vx维度的分辨单元数量；Nvy为速度网格W1在vy维度的分辨单元数量，Nvx和Nvy为正整数。网格单元(i，j)对应的速度矢量为[vx(i) vy(j)]T。其中[]T表示矩阵或者矢量的转置。速度网格W1在vx维度的分辨单元大小为vx，res，速度网格W1在vy维度的分辨单元大小为vy，res。其中，vx，res可以与vy，res相同，或者不同。显然，vx，res可以等于速度网格W1在vx维度相邻的两个网格单元对应的速度分量vx之差的绝对值，或者速度网格W1在vx维度的步长。vy，res可以等于速度网格W1在vy维度相邻的两个网格单元对应的速度分量vy之差的绝对值，或者速度网格W1在vy维度的步长。例如，以vx，res和vy，res分别为0.5m/s和0.25为例。网格单元(i，j)对应的速度矢量为[vx(i) vy(j)]T等于[0.5·i 0.25·j]T。其他分辨单元大小同理，需要指出的是，索引的取值范围和起始值以及各个维度的分辨单元的大小，可以根据需要灵活设置，在此不赘述。
该速度网格W1可以是3维网格，此时网格单元对应的速度矢量包括三个速度分量。例如，如图6所示，速度网格W1包括125个网格单元，每个网格单元对应一个速度矢量，该速度矢量包括X轴的速度分量vx、Y轴的速度分量vy和Z轴的速度分量vz。如图6所示，速度网格W1为3维网格，包括vx、vy和vz三个维度。速度网格W1在vx维度包括5个网格单元i＝0，1，..，4，在vy维度包括5个网格单元，j＝0，1，..，4，在vz维度包括5个网格单元，k＝0，1，..，4。因此，速度网格W1总共包括125个网格单元。
其中，每个网格单元可以用索引(i，j，k)表示，例如索引值i＝0，1，...，Nvx-1，j＝0，1，...，Nvy-1，k＝0，1，...，Nvz-1。Nvx为速度网格W1在vx维度的分辨单元数量；Nvy为速度网格W1在vy维度的分辨单元数量；Nvz为速度网格W1在vz维度的分辨单元数量；其中，Nvx、Nvy和Nvz为正整数。网格单元(i，j，k)对应的速度矢量为[vx(i) vy(j) vz(k)]T，其中[]T表示矩阵或者矢量的转置。速度网格W1在vx维度的分辨单元大小为vx，res，速度网格W1在vy维度的分辨单元大小为vy，res，速度网格W1在vz维度的分辨单元大小为vz，res。其中，vx，res、vy，res和vz，res三者可以相同，或者不同。vx，res可以等于速度网格W1在vx维度相邻的两个网格单元对应的速度分量vx之差的绝对值，或者速度网格W1在vx维度的步长。vy，res可以等于速度网格W1在vy维度相邻的两个网格单元对应的速度分量vy之差的绝对值，或者速度网格W1在vy维度的步长。vz，res可以等于速度网格W1在vz维度相邻的两个网格单元对应的速度分量vz之差的绝对值，或者速度网格W1在vz维度的步长。例如，以vx，res、vy，res和vz，res分别为0.5m/s、1.0m/s和2.5m/s为例，网格单元(i，j，k)对应的速度矢量[vx(i) vy(j) vz(k)]T＝[0.5·i 1.0·j 2.5·k]T。其他网格单元的分辨单元大小同理，需要指出的是，索引的取值范围和起始值以及各个维度的分辨单元的大小，可以根据需要灵活设置，在此不赘述。
其中，上述速度网格W1可以用于确定传感器的速度矢量，此时速度网格W1的网格单元对应传感器的候选速度矢量；上述速度网格W1也可以用于确定传感器测量的目标的速度，此时速度网格W1的网格单元对应目标的候选速度矢量。该传感器测量的目标，可以是相对于参考系静止的目标。例如，以车载或者无人机机载传感器为例，所述参考系可以是大地坐标系，或者相对于大地匀速运动的惯性坐标系，所述目标可以是周边环境中的物体，例如护栏、道路边沿、灯杆、建筑物等。以舰载传感器为例，所述目标可以是水面浮标、灯塔、岸边或者岛屿建筑物等。以星载传感器为例，所述目标参照物可以是相对于恒星或者卫星静止或者匀速运动的参照物如飞船等。
作为一种可选的实施方式，速度网格W1是根据网格的分辨单元大小以及参考速度矢量中的至少一个确定的。具体地，速度网格W1是根据参考速度矢量和速度网格W1的各个维度方向的分辨单元大小中的至少一个确定的。其中，该参考速度矢量可以是来自其它装置或者是其它传感器得到的速度矢量。例如，参考速度矢量可以是由IMU得到的传感器的速度矢量或者参考速度矢量通过传感器所在的车辆的控制器局域网络(Controller AreaNetwork，CAN)总线得到；该参考速度矢量也可以是事先设置的传感器或/目标的速度矢量初始值，例如该速度矢量初始值可以是利用本发明提供的方法，利用初始设定的参数如分辨单元大小，确定的速度矢量值。
可选的，速度网格W1可根据网格的分辨单元大小以及参考速度矢量中的至少一个，以及根据分辨单元数量、速度分量的最小速度以及速度分量的速度范围中的至少一个确定。具体地，速度网格W1是根据参考速度矢量和速度网格W1的各个维度方向的分辨单元大小中的至少一个，以及速度网格W1的各个维度的分辨单元数量、速度网格W1的各个速度分量的最小速度以及速度网格W1的各个速度分量的速度范围中的至少一个确定。
也就是说，在执行步骤301之前，还可确定速度网格W1。以下分别对确定速度网格W1的三种具体方式进行详细地介绍。
方式一：根据参考速度矢量以及速度网格W1各个维度的分辨单元大小和数量确定速度网格W1。
其中，该参考速度矢量可以从其它传感器如IMU或其它设备如传感器所在的平台自身设备如传感器所在车的CAN总线得到。该参考速度矢量也可以是事先设置的传感器或/目标的速度矢量初始值，例如该速度矢量初始值可以是利用本发明提供的方法，利用初始设定的参数如分辨单元大小，确定的速度矢量值。
速度网格W1在各个维度的分辨单元的大小和数量可以是预先设置的或者按照预定义的规则配置的，可以是用户输入的，或者是默认设置的。
该参考速度矢量等于速度网格W1中指定位置的网格单元对应的速度矢量或者指定位置的两个或者多个网格单元对应的速度矢量之间。例如，参考速度矢量等于速度网格W1位于中心位置或者靠近中心位置的网格单元对应的速度矢量，或者，所述参考速度矢量在围绕所述速度网格W1中心位置的两个或者多个网格单元对应的速度矢量之间。
以2维速度网格W1为例，其网格单元对应的速度矢量包括vx和vy两个速度分量。参考速度矢量的两个分量分别为vx，ref和vy，ref，所述参考速度矢量等于速度网格中的位置为(i0，j0)的网格单元对应的速度矢量。速度网格W1中每个网格单元(i，j)对应的速度分量分别为
vx(i)＝vx，ref+(i-i0)·vx，res，i＝0，1，...，Nvx-1； (1)
vy(j)＝vy，ref+(j-j0)·vy，res，j＝0，1，...，Nvy-1； (2)
其中，vx，res和vy，res分别为速度网格W1在vx维度和vy维度的分辨单元大小，Nvx和Nvy分别为速度网格W1在vx维度和vy维度的分辨单元的数量。
可选的，参考速度矢量可以等于网格单元(i0，j0)对应的速度矢量，其中，i0可以是0，1，...，Nvx-1，j0可以是0，1，...，Nvy-1。优选的，网格单元(i0，j0)位于速度网格的中心位置或者靠近中心位置，例如i0可以是Nvx/2，Nvx/2-1或者Nvx/2+1，j0可以是Nvy/2，Nvy/2-1或者Nvy/2+1。
速度网格W1在vx维度和vy维度的分辨单元大小分别为vx，res＝2.5m/s，vy，res＝0.5m/s。速度网格W1在vx维度和vy维度的分辨单元数量均为25。因此，速度网格W1中心网格单元为网格单元(12，12)。假设，参考速度矢量为[10 2]T，则网格单元(12，12)对应的速度矢量为[10 10]T。则网格单元(i，j)对应的速度分量分别为
vx(i)＝10+(i-12)·2.5＝-20+i·2.5，i＝0，1，...，24；
vy(j)＝2+(j-12)·0.5＝-4+j·0.5，j＝0，1，...，24。
可根据相同原理确定出其他所有网格单元对应的速度矢量。
以3维速度网格W1为例，速度网格中每个网格单元(i，j，k)对应的速度分量可以分别为
vx(i)＝vx，ref+(i-i0)·vx，res，i＝0，1，...，Nvx-1； (3)
vy(j)＝vy，ref+(j-j0)·vy，res，j＝0，1，...，Nvy-1； (4)
vz(k)＝vz，ref+(k-k0)·vz，res，k＝0，1，...，Nvz-1； (5)
其中，vx，res、vy，res和vz，res分别为速度网格W1在vx、vy和vz维度的分辨单元大小，Nvx、Nvy和Nvz分别为速度网格W1在vx、vy和vz维度的分辨单元的数量。参考速度矢量[vx，ref vy，refvz，ref]T与网格单元(i0，j0，k0)对应的速度矢量相等。其中i0可以是0，1，...，Nvx-1，j0可以是0，1，...，Nvy-1，k0可以是0，1，...，Nvz-1。优选的，网格单元(i0，j0，k0)位于速度网格的中心位置或者靠近中心位置，例如i0可以是Nvx/2，Nvx/2-1或者Nvx/2+1，j0可以是Nvy/2，Nvy/2-1或者Nvy/2+1，k0可以是Nvz/2，Nvz/2-1或者Nvz/2+1。
类似的，对于1维和3维速度网格W1，可以采用类似上述方法确定速度网格W1，在此不赘述。
方式二：根据速度网格W1的各个速度分量的最小值、速度网格W1在各个维度的分辨单元的大小和数量确定速度网格W1。
其中，速度网格W1的各个速度分量的最小值、速度网格W1各个维度的分辨单元大小和数量可以由用户输入，或者默认设置。
以2维速度网格W1为例，每个网格单元(i，j)对应的速度矢量包括两个速度分量，其中，vx(i)＝vx，min+i·vx，res，i＝0，1，..，Nvx-1。vy(j)＝vy，min+j·vy，res，j＝0，1，..，Nvy-1。vx，min和vy，min分别为速度网格W1的速度分量vx和vy的最小值。Nvx和Nvy分别为速度网格W1在vx和vy维度的分辨单元数量。vx，res和vy，res分别为速度网格W1在vx维度和vy维度的分辨单元大小。
以vx，min＝-20m/s，vy，min＝-10m/s，vx，res＝0.25m/s，vy，res＝0.5m/s为例，如图5所示，Nvx＝40，Nvx＝20，则有网格单元(i，j)对应的速度矢量为[vx(i) vy(j)]T＝[-20+0.25·i -10+0.5·j]T，i＝0，1，...，Nvx-1，j＝0，1，...，Nvy-1。
方式三：根据速度网格W1的各个速度分量的取值范围和速度网格W1在各个维度的分辨单元大小确定速度网格W1。
其中，速度网格W1的各个速度分量的范围和速度网格W1在各个维度的分辨单元大小可以是用户输入的，或者是默认设置的。例如，速度网格W1的各个速度分量的范围可以根据传感器平台速度矢量的各个分量的范围确定；或者，速度网格W1的各个速度分量的范围可以根据传感器测量的目标的速度矢量的各个分量的范围确定。
以2维速度网格W1为例，每个网格单元(i，j)对应的速度矢量包括vx和vy两个速度分量。其速度分量的取值范围分别为[vx，min，vy，min]和[vx，max，vy，max]，速度网格W1在vx和vy维度的分辨单元大小分别为vx，res和vy，res。每个网格单元(i，j)对应的速度矢量分别为
vx(i)＝vx，min+i·vx，res，i＝0，1，...，Nvx-1； (6)
vy(j)＝vy，min+j·vy，res，j＝0，1，...，Nvy-1； (7)
其中，Nvx＝1+(vx，max-vx，min)/vx，res和Nvy＝1+(vy，max-vy，min)/vy，res分别为速度网格W1在vx和vy维度的分辨单元数量。
以车载传感器为例，vx对应的速度范围可以为[-30，40]m/s，vy对应的速度范围为[-10，10]m/s。vx维度和vy维度的分辨单元大分别为vx，res＝2m/s，vy，res＝1m/s。可以确定速度网格W1在vx维度和vy维度包括的分辨单元的数量分别为Nvx＝36，Nvx＝21。从而可以确定速度网格W1中各个网格单元对应的速度分量分别为vx(i)＝-20+2·i，i＝0，...，35；vy(j)＝-10+1·j，j＝0，...，20。
本申请实施例中，根据来自传感器的测量数据确定速度网格W1中网格单元的权重。
具体的，对于所述来自传感器的一个测量数据，可以对速度网格W1中的一个网格单元确定一个加权增量，通过累加来自传感器的一个或者多个测量数据对应的加权增量，确定速度网格W1中网格单元的权重；此时网格单元的权重是以累加和形式得到。
例如，以2维速度网格为例，速度网格W1中网格单元(i，j)的权重可以表示为
其中，w(i，j)为网格单元(i，j)的权重，wn(i，j)为根据第n个测量数据确定的网格单元(i，j)的加权增量，Nm为测量数据的数量。
例如，以3维速度网格为例，速度网格中网格单元(i，j，k)的权重可以表示为
其中，w(i，j，k)为网格单元(i，j，k)的权重，wn(i，j，k)为根据第n个测量数据确定的网格单元(i，j，k)的加权增量，Nm为测量数据的数量。
或者，具体的，对于所述来自传感器的一个测量数据，可以对速度网格W1中的一个网格单元的确定一个加权因子，通过累乘来自传感器的一个或者多个测量数据对应的加权因子，确定速度网格W1中网格单元的权重；此时网格单元的权重是以乘积形式得到。
例如，以2维速度网格为例，速度网格中网格单元(i，j)的权重可以表示为
其中，w(i，j)为网格单元(i，j)的权重，fn(i，j)为根据第n个测量数据确定的网格单元(i，j)的加权因子，Nm为测量数据的数量。
例如，以3维速度网格为例，速度网格中网格单元(i，j，k)的权重可以表示为
其中，w(i，j，k)为网格单元(i，j，k)的权重，fn(i，j，k)为根据第n个测量数据确定的网格单元(i，j，k)的加权因子，Nm为测量数据的数量。
本申请全文中网格单元的权重可以以上述累加和形式或者乘积形式得到。
具体的，对于所述来自传感器的一个测量数据，可以对速度网格W1中的每一个网格单元确定一个加权增量值或者加权因子。也可以根据来自传感器的一个测量数据，确定对应的速度网格W1中的部分网格单元，从而确定对应的网格单元的一个加权增量值或者加权因子。
下面对如何根据来自传感器的一个测量数据，确定对应的速度网格W1中的部分网格单元进行详细地介绍。
以2维速度网格W1为例，可以通过以下方式一确定速度网格W1中的与一个测量数据对应的网格单元。
方式一：根据第n个测量数据确定速度网格W1中的第二网格单元(i，j)，并根据加权增量或者加权因子对所述第二网格单元(i，j)进行加权，该第二网格单元(i，j)对应的速度矢量满足
其中，θn和
分别为第n个测量数据包括的方位角测量值和径向速度测量值，vx(i)和vy(j)分别为网格单元(i，j)对应的速度矢量在X轴和Y轴的速度分量；T1为非负门限值。例如，T1可以为分辨单元大小vx，res和vy，res的最大值或者最小值。
其中，如果第n个测量数据来源于相对参考系静止的目标，传感器相对于该相对参考系静止的目标的径向速度
与该相对参考系静止的目标相对于传感器的径向速度
互为相反数，即
如果传感器的速度矢量为[vx(i) vy(j)]T，则有
其中，
为测量噪声和分辨单元量化噪声引起的误差。因此，如果第n个测量数据来源于相对参考系静止的目标，则满足不等式(12)的网格单元(i，j)对应的速度矢量以更高的概率为传感器的速度矢量。因此，对满足上述不等式的网格单元(i，j)加权，忽略其它低概率的网络单元，可以有效减少需要计算加权增量或者加权因子的网格单元，从而有效降低计算量。
可选的，作为一种实现，对于第n个测量数据，可以通过遍历速度网格中的网格单元，得到满足上述不等式(12)的网格单元(i，j)。具体地，传感器的一帧测量数据中第n个测量数据至少包括方位角测量值θn和径向速度测量值
对于速度网格中的网格单元(i，j)，如果网格单元(i，j)对应的速度矢量[vx(i) vy(j)]T满足不等式(12)，则计算网格单元(i，j)对应的加权增量wn(i，j)或者加权因子fn(i，j)。否则，可以不必计算网格单元(i，j)对应的加权增量wn(i，j)，或者加权因子fn(i，j)，或者等价地，令网格单元(i，j)对应的加权增量wn(i，j)为0或者常数，或者加权因子fn(i，j)为1或者常数。
可选的，作为另一种实现，对于第n个测量数据，可以通过遍历速度网格中其中一个维度的分辨单元，并利用上述不等式(12)，确定另外一个维度的分辨单元，从而得到满足上述不等式(12)的网格单元，并计算该网格单元对应的加权增量或者加权因子。
以2维速度网格为例，可以遍历vx维度的分辨单元i，例如i＝0，...，Nvx-1，对于每个分辨单元i，可以确定vy维度的1个或者多个分辨单元j，分辨单元j满足
从而确定第n个测量数据对应的网格单元(i，j)。
或者，可以遍历vy维度的分辨单元j，例如j＝0，...，Nvj-1，对于每个分辨单元j，可以确定vx维度的1个或者多个分辨单元i，分辨单元i满足
从而确定第n个测量数据对应的网格单元(i，j)。
或者，在|sinθn|≥|cosθn|时，遍历vx维度的分辨单元i，通过(13)确定vy维度的1个或者多个分辨单元j，从而确定第n个测量数据对应的网格单元(i，j)；在|sinθn|≤|cosθn|时，遍历vy维度的分辨单元j，通过(14)，确定vx维度的1个或者多个分辨单元i，从而确定第n个测量数据对应的网格单元(i，j)。
在上述公式(13)或者(14)中，
表示上取整操作，也就是取不小于x的最小整数；
表示下取整操作，也就是取不大于x的最大整数；round(x)表示四含五入取整操作，也就是通过对x的小数部分四舍五入而得到整数。
举例来说，如图5所示，速度网格W1包括网格单元(0，0)～网格单元(4，4)总共25个网格单元。可以逐一检查网格单元(i，j)，i＝0，1，..，4，j＝0，1，..，4，如果网格单元(i，j)对应的速度矢量vx(i)和vy(j)满足不等式(12)，则可以计算网格单元(i，j)对应的加权增量或者加权因子；再如，可以逐一检查vx维度的分辨单元i，i＝0，1，..，4，并根据(13)确定vy维度的1个或者多个分辨单元j，从而确定网格单元(i，j)，并计算网格单元(i，j)对应的加权增量或者加权因子；再如，可以逐一检查vy维度的分辨单元j，j＝0，1，..，4，并根据(14)确定vx维度的1个或者多个分辨单元i，从而确定网格单元(i，j)，并计算网格单元(i，j)对应的加权增量或者加权因子；或者，如果|sinθn|≥|cosθn|，可以逐一检查vx维度的分辨单元i，i＝0，1，..，4，并根据(13)确定vy维度的1个或者多个分辨单元j。否则可以逐一检查vy维度的分辨单元j，j＝0，1，..，4，并根据(14)确定vx维度的1个或者多个分辨单元i，从而确定网格单元(i，j)，并计算网格单元(i，j)对应的加权增量或者加权因子。
与之类似，对于给定的第n个测量数据，例如包括方位角测量值、俯仰角测量值和径向速度测量值，可以得到3维速度网格中第n个测量数据对应的网格单元(i，j，k)，此处不进一步赘述。
对于速度网格中的网格单元(i，j)，如果网格单元(i，j)对应的速度矢量[vx(i) vy(j)]T满足不等式(12)或者(13)或者(14)，则计算网格单元(i，j)对应的加权增量wn(i，j)或者加权因子fn(i，j)。否则，可以不必计算网格单元(i，j)对应的加权增量wn(i，j)，或者加权因子fn(i，j)，或者等价地，令网格单元(i，j)对应的加权增量wn(i，j)为0或者常数，或者加权因子fn(i，j)为1或者常数。
以下描述第二网格单元的加权增量或者加权因子。
需要指出的是，以下加权增量或者加权因子的计算可以用于第二网格单元，也可以用于第n个测量数据对速度网格中的任一网格单元。
可选的，网格单元(i，j)的加权增量或者加权因子可以为预设值。例如，该预设值可以为1或2或其他预配置的常数值。
可选的，网格单元(i，j)的加权增量或者加权因子可以根据第n个测量数据确定。通过该方式能够更加精确地进行加权，从而有利于更精确地得到传感器的运动状态特别是速度矢量。
具体的，网格单元(i，j)的加权增量或者加权因子可以是第n个测量数据的指数函数或者或者一次或者二次函数；例如所述指数函数可以是指数概率密度函数或者是正态概率密度函数形式，再如所述一次或者二次函数可以是指数概率密度函数的对数形式或者是正态概率密度函数的对数形式等。
例如，对于第n个测量数据，其测量数据包括方位角和径向速度测量值，网格单元(i，j)的加权增量wn(i，j)可以为
或者，
或者，
或者，
可选的，对于第n个测量数据，网格单元(i，j)的加权因子fn(i，j)可以为
或者，
对于公式(15)-(20)，其中，σ为标准差，σ可以为预先设定的常数。或者，σ可以根据径向速度的测量误差得到。例如，σ可以根据以下得到
其中，
为径向速度的测量误差；Δ为补偿项。Δ可以为预先设定的常数。或者，Δ可以根据速度网格W1的分辨单元大小确定。例如，Δ可以根据以下公式得到
其中，
为方位角测量误差的方差，
和
为速度网格在Vx和Vy维度量化误差的方差，例如，
和
可以分别为
vx，res和vy，res分别为速度网格W1在vx维度和vy维度的分辨单元大小。a0和β0为配置参数。例如，
β0＝2。
可选的，网格单元(i，j)的加权增量或者加权因子可以根据第n个测量数据、预设目标类型对应的散射面积的分布确定，其中，第n个测量数据包括散射面积测量值。
可选的，该预设目标类型对应的散射面积的分布可以由均值和标准差确定。
其中，该散射面积可以是雷达散射截面积(radar cross-section，RCS)。或者，该散射面积可以是声纳或者超声波传感器的散射面积。该预设目标类型对应的散射面积的分布可以通过统计各种场景下各种目标的测量值确定。例如，该预设目标类型对应的散射面积的分布可根据交通中所涉及的目标如护栏、道路边沿、灯杆以及附近建筑物、相对参考系运动的目标如车辆、行人等的测量数据得到。
通过该方式除了利用目标的速度和角度测量值之外，可以利用目标的散射截面积特征，从而利用目标的特征差异，能够更精确地进行加权，从而有利于更精确地得到传感器的运动状态特别是速度矢量。
具体的，网格单元(i，j)的加权增量或者加权因子包含的散射截面积特征项可以是第n个测量数据中散射截面积测量值的指数函数或者或者一次或者二次函数；例如所述指数函数可以是指数概率密度函数或者是正态概率密度函数形式，再如所述一次或者二次函数可以是指数概率密度函数的对数形式或者是正态概率密度函数的对数形式等。
例如，对于第n个测量数据，网格单元(i，j)的加权增量wn(i，j)可以为
或者，
或者，
或者，
其中，w′n(i，j)可以可以为常数。或者，w′n(i，j)也可以为公式(15)或者公式(16)中的wn(i，j)。
可选的，对于第n个测量数据，网格单元(i，j)的加权因子fn(i，j)可以为
或者，
其中，f′n(i，j)可以为常数。或者，f′n(i，j)也可以为公式(19)或者公式(20)中的fn(i，j)。
其中，σ可参见上述对σ的描述。a0和β0为配置参数。例如，
β0＝2。CSn为第n个测量数据包括的散射面积测量值。
为预设目标类型c对应的散射面积的均值。σCS(c)为预设目标类型c对应的散射面积的标准差。其中，预设目标类型c可以为静止障碍物、道路边沿或护栏等。例如，对于道路边沿或者护栏，典型值可以为
(分贝平方米)，σCS(c)＝8.2dBm2。ac和βc为配置参数。例如，
βc＝2。
以3维速度网格W1为例，此时网格单元对应的速度矢量包括三个速度分量，可以通过以下方式二确定速度网格W1中与一个测量数据对应的网格单元及其权重。
方式二：根据第n个测量数据确定速度网格W1中的第二网格单元(i，j，k)，并根据加权增量或者加权因子对所述第二网格单元(i，j，k)进行加权，所述第二网格单元(i，j，k)对应的速度矢量满足
其中，θn，
和
分别为第n个测量数据包括的方位角、俯仰角和径向运度的测量值。vx(i)，vy(j)和vz(k)分别为第二网格单元(i，j，k)对应的速度矢量在X轴、Y轴和Z轴的速度分量。T2为非负门限值，例如T2可以为分辨单元大小vx，res、vy，res和vz，res的最大值或者最小值。
与上述2维速度矢量或者2维速度网格类似，如果第n个测量数据来源于相对参考系静止的目标，传感器相对于所述相对参考系静止的目标的径向速度
与所述相对参考系静止的目标相对于传感器的径向速度
互为相反数，即
因此，如果第n个测量数据来源于相对参考系静止的目标，则满足不等式(29)的网格单元(i，j，k)对应的速度矢量以更高的概率为传感器的速度矢量。因此，对满足上述不等式的网格单元(i，j，k)加权，忽略其它低概率的网络单元，可以有效减少需要计算加权增量或者加权因子的网格单元，从而有效降低计算量。
可选的，作为一种实现，对于第n个测量数据，可以依次通过遍历速度网格中各个维度的分辨单元，并利用上述不等式(29)，从而得到满足上述不等式(29)的网格单元，并计算该网格单元对应的加权增量或者加权因子。
可选的，作为另一种实现，对于第n个测量数据，可以通过遍历速度网格中其中一个维度的分辨单元，并利用上述不等式(29)，确定另外一个或者两个维度的分辨单元，从而得到满足上述不等式(29)的网格单元，并计算该网格单元对应的加权增量或者加权因子。原理与方式一类似，在此不一一赘述。
对于速度网格中的网格单元(i，j，k)，如果网格单元(i，j，k)对应的速度矢量[vx(i) vy(j) vz(k)]T满足不等式(29)或者与(13)(14)类似的不等式，则计算网格单元(i，j，k)对应的加权增量wn(i，j，k)或者加权因子fn(i，j，k)。否则，可以不必计算网格单元(i，j，k)对应的加权增量wn(i，j，k)，或者加权因子fn(i，j，k)，或者等价地，令网格单元(i，j，k)对应的加权增量wn(i，j，k)为0或者常数，或者加权因子fn(i，j，k)为1或者常数。
以下描述第n个测量数据对应的网格单元的加权增量或者加权因子。
需要指出的是，以下加权增量或者加权因子的计算可以用于第二网格单元，也可以用于第n个测量数据对速度网格中的任一网格单元。
可选的，网格单元(i，j，k)的加权增量或者加权因子可以为预设值。例如，该预设值可以为1或2或其他预配置的常数值。
可选的，网格单元(i，j，k)的加权增量或者加权因子可以根据第n个测量数据确定。通过该方式能够更加精确地进行加权，从而有利于更精确地得到传感器的运动状态特别是速度矢量。
具体的，网格单元(i，j，k)的加权增量或者加权因子可以是第n个测量数据的指数函数或者或者一次或者二次函数；例如所述指数函数可以是指数概率密度函数或者是正态概率密度函数形式，再如所述一次或者二次函数可以是指数概率密度函数的对数形式或者是正态概率密度函数的对数形式等。
例如，对于第n个测量数据，其测量数据包括方位角、俯仰角和径向速度测量值，网格单元(i，j，k)的加权增量wn(i，j，k)可以为
或者，
或者，
或者，
可选的，对于第n个测量数据，网格单元(i，j，k)的加权因子fn(i，j，k)可以为
或者，
对于公式(30)-(35)，其中，σ为标准差，σ可以为预先设定的常数。或者，σ可以根据径向速度的测量误差得到。例如，σ可以根据以下得到
其中，
为径向速度的测量误差；Δ为补偿项。Δ可以为预先设定的常数。或者，Δ可以根据速度网格W1的分辨单元大小确定。例如，可以根据以下公式得到
vh＝vx(i)cosθn+vy(j)sinθn (38)
其中，
和
分别为方位角和俯仰角测量误差的方差，
和
分别为速度网格在vx、vy和vz维度量化误差的方差，例如，
和
可以分别为
其中，vx，res、vy，res和vz，res分别为速度网格W1在vx、vy和vz维度的分辨单元大小。其中，a0和β0为配置参数。例如，
β0＝2。
可选的，网格单元(i，j，k)的加权增量或者加权因子可以根据第n个测量数据、预设目标类型对应的散射面积的分布确定，其中，该第n个测量数据包括散射面积测量值。
具体的，所述预设目标类型对应的散射面积的分布可以由均值和标准差确定。该散射面积可以是雷达或者声纳或者超声波等传感器的散射截面积。
通过该方式除了利用目标的速度和角度测量值之外，可以利用目标的散射截面积特征，从而利用目标的特征差异，能够更加精确地进行加权，从而有利于更精确地得到传感器的运动状态特别是速度矢量。
具体的，网格单元(i，j，k)的加权增量或者加权因子包含的散射截面积特征项可以是第n个测量数据中散射截面积测量值的指数函数或者或者一次或者二次函数；例如所述指数函数可以是指数概率密度函数或者是正态概率密度函数形式，再如所述一次或者二次函数可以是指数概率密度函数的对数形式或者是正态概率密度函数的对数形式等。
例如，对于第n个测量数据，网格单元(i，j，k)的加权增量wn(i，j，k)可以为
或者，
或者，
或者，
其中，w′n(i，j，k)可以可以为常数。或者，w′n(i，j，k)也可以为公式(30)或者公式(31)中的wn(i，j，k)。
可选的，对于第n个测量数据，网格单元(i，j，k)的加权因子fn(i，j，k)可以为
或者，
其中，f′n(i，j，k)可以为常数。或者，f′n(i，j，k)也可以为公式(34)或者公式(35)中的fn(i，j，k)。
其中，σ为标准差，σ可以为预先设定的常数。或者，σ可以根据径向速度的测量误差得到。a0和β0为配置参数。例如，
β0＝2。CSn为第n个测量数据包括的散射面积测量值。
为预设目标类型c对应的散射面积的均值。σCS(c)为预设目标类型c对应的散射面积的标准差。其中，预设目标类型c可以为静止障碍物、道路边沿或护栏等。例如，对于道路边沿或者护栏，典型值可以为
σCS(c)＝8.2dBm2。ac和βc为配置参数。例如，
βc＝2。
以2维速度网格W1为例，此时网格单元对应的速度矢量包括两个速度分量，可以通过以下方式三确定速度网格W1中中与一个测量数据对应的网格单元及其权重。
方式三：根据第n个测量数据确定速度网格W1中的第二网格单元(i，j)，并根据加权增量或者加权因子对该第二网格单元(i，j)进行加权，该第二网格单元(i，j)对应的速度矢量满足
其中，θn和
分别为第n个测量数据包括的方位角和径向速度的测量值。vx(i)和vy(j)分别为第二网格单元对应的速度矢量在X轴和Y轴的分量，T1为非负门限值，例如T1可以为分辨单元大小vx，res和vy，res的最大值或者最小值。
其中，如果第n个测量数据来源于相对参考系静止的目标，传感器相对于所述相对参考系静止的目标的径向速度
与所述相对参考系静止的目标n相对于传感器的径向速度
互为相反数，即
如果传感器的速度矢量为[vx(i) vy(j)]T，则有
其中
为测量噪声和分辨单元量化噪声引起的误差。因此，如果第n个测量数据来源于相对参考系静止的目标，则满足不等式(45)的网格单元(i，j)对应的速度矢量以更高的概率为传感器的速度矢量的相反数。因此，对满足上述不等式的网格单元(i，j)加权，忽略其它低概率的网络单元，可以有效减少需要计算加权增量或者加权因子的网格单元，从而有效降低计算量。
其中，方法三中确定一个测量数据对应的网格单元的原理与方式一类似，只是第二网格单元(i，i)对应的速度矢量满足的不等式不同，在此就不再举例描述如何确定第n个测量数据对应的网格单元。
对于速度网格中的网格单元(i，j)，如果网格单元(i，j)对应的速度矢量[vx(i) vy(j)]T满足不等式(45)，则计算网格单元(i，j)对应的加权增量wn(i，j)或者加权因子fn(i，j)。否则，可以不必计算网格单元(i，j)对应的加权增量wn(i，j)，或者加权因子fn(i，j)，或者等价地，令网格单元(i，j)对应的加权增量wn(i，j)为0或者常数，或者加权因子fn(i，j)为1或者常数。
以下描述第n个测量数据对应的网格单元的加权增量或者加权因子。
需要指出的是，以下加权增量或者加权因子的计算可以用于第二网格单元，也可以用于第n个测量数据对速度网格中的任一网格单元。
可选的，网格单元(i，j)的加权增量或者加权因子可以为预设值。例如，该预设值可以为1或2或其它预配置的常数值。
可选的，网格单元(i，j)的加权增量或者加权因子可以根据第n个测量数据确定。通过该方式能够更加精确地进行加权，从而有利于更精确地得到传感器的运动状态特别是速度矢量。
具体的，网格单元(i，j)的加权增量或者加权因子可以是第n个测量数据的指数函数或者或者一次或者二次函数；例如所述指数函数可以是指数概率密度函数或者是正态概率密度函数形式，再如所述一次或者二次函数可以是指数概率密度函数的对数形式或者是正态概率密度函数的对数形式等。
例如，对于第n个测量数据，其测量数据包括方位角和径向速度的测量值，网格单元(i，j)的加权增量wn(i，j)可以为
或者，
或者，
或者，
可选的，对于第n个测量数据，网格单元(i，j)的加权因子fn(i，j)可以为
或者，
对于公式(46)-(51)，其中，σ为标准差，σ可以为预先设定的常数。或者，σ可以根据径向速度的测量误差得到。例如，σ可以根据(21)得到。a0和β0为配置参数。例如，
β0＝2。
可选的，网格单元(i，j)的加权增量或者加权因子可以根据第n个测量数据、预设目标类型对应的散射面积的分布确定，其中，该第n个测量数据包括散射面积测量值。
具体的，所述预设目标类型对应的散射面积的分布可以由均值和标准差确定。
其中，该散射面积可以是雷达散射截面积。或者，是声纳或者超声波传感器的散射面积。通过该方式除了利用目标的速度和角度测量值之外，可以利用目标的散射截面积特征，从而利用目标的特征差异，能够更加精确地进行加权，从而有利于更精确地得到传感器的运动状态特别是速度矢量。
例如，对于第n个测量数据，网格单元(i，i)的加权增量wn(i，j)可以如(23)或者(24)或者(25)或者(26)所示。其中，w′n(i，j)可以可以为常数，或者，也可以为公式(46)或者公式(47)中的wn(i，j)。
可选的，对于第n个测量数据，网格单元(i，j)的加权因子fn(i，j)可以如(27)或者(28)所示，其中，f′n(i，j)可以为常数，例如，f′n(i，j)也可以为公式(50)或者公式(51)中的fn(i，j)。
以3维速度速度网格W1为例，此时网格单元对应的速度矢量包括三个速度分量，可以通过以下方式四确定速度网格W1中与一个测量数据对应的网格单元及其权重。
方式四：根据第n个测量数据确定速度网格W1中的第二网格单元(i，j，k)，并根据加权增量或者加权因子对该第二网格单元(i，j，k)进行加权，该第二网格单元(i，j，k)对应的速度矢量满足
其中，θn，
和
分别为第n个测量数据包括的方位角、俯仰角和径向速度的测量值，vx(i)，vy(j)和vz(k)分别为第二网格单元(i，j，k)对应的速度矢量在X轴、Y轴和Z轴的速度分量。T2为非负门限值。例如，T2可以为分辨单元大小vx，res、vy，res和vz，res的最大值或者最小值。
与上述2维速度矢量或者2维速度网格类似，如果第n个测量数据来源于相对参考系静止的目标，传感器相对于所述相对参考系静止的目标的径向速度
与所述相对参考系静止的目标相对于传感器的径向速度
互为相反数，即
因此，如果第n个测量数据来源于相对参考系静止的目标，则满足不等式(52)的网格单元(i，j，k)对应的速度矢量以更高的概率为传感器的速度矢量的相反数。由于环境中相对参考系静止的目标的数量较多，网格单元的权重越高，该网格单元对应的速度矢量为相对参考系静止的目标的速度矢量的可能性越大。相对参考系静止的目标的速度矢量的相反数就为传感器的速度矢量。因此，对满足上述不等式的网格单元(i，i)加权，忽略其它低概率的网络单元，可以有效减少需要计算加权增量或者加权因子的网格单元，从而有效降低计算量。
其中，方法四中一个测量数据对应的网格单元的原理与方式二类似，只是第二网格单元(i，i，k)对应的速度矢量满足的关系不同，在此就不再举例描述如何确定第n个测量数据对应的网格单元。
对于速度网格中的网格单元(i，j，k)，如果网格单元(i，j，k)对应的速度矢量[vx(i) vy(j) vz(k)]T满足不等式(52)，则计算网格单元(i，j，k)对应的加权增量wn(i，j，k)或者加权因子fn(i，j，k)。否则，可以不必计算网格单元(i，j，k)对应的加权增量wn(i，j，k)，或者加权因子fn(i，j，k)，或者等价地，令网格单元(i，j，k)对应的加权增量wn(i，j，k)为0或者常数，或者加权因子fn(i，j，k)为1或者常数。
以下描述第n个测量数据对应的网格单元的加权增量或者加权因子。
需要指出的是，以下加权增量或者加权因子的计算可以用于第二网格单元，也可以用于第n个测量数据对速度网格中的任一网格单元。
可选的，网格单元(i，j，k)的加权增量或者加权因子可以为预设值。例如，该预设值可以为1或2或其它预配置的常数值。
可选的，网格单元(i，j，k)的加权增量或者加权因子根据第n个测量数据确定。通过该方式能够更加精确地进行加权，从而有利于更精确地得到传感器的运动状态特别是速度矢量。
具体的，网格单元(i，j，k)的加权增量或者加权因子可以是第n个测量数据的指数函数或者或者一次或者二次函数；例如所述指数函数可以是指数概率密度函数或者是正态概率密度函数形式，再如所述一次或者二次函数可以是指数概率密度函数的对数形式或者是正态概率密度函数的对数形式等。
例如，对于第n个测量数据，其测量数据包括方位角、俯仰角和径向速度测量值，网格单元(i，j，k)的加权增量wn(i，j，k)可以为
或者，
或者，
或者，
可选的，对于第n个测量数据，网格单元(i，j，k)的加权因子fn(i，j，k)可以为
或者，
对于公式(53)-(58)，其中，σ为标准差，σ可以为预先设定的常数。或者，σ可以根据径向速度的测量误差得到。例如，例如，σ可以根据(36)-(38)式得到。a0和β0为配置参数。例如，
β0＝2。
可选的，网格单元(i，j，k)的加权增量或者加权因子可以根据第n个测量数据、预设目标类型对应的散射面积的分布确定，其中，其中第n个测量数据包括散射面积测量值。
具体的，所述预设目标类型对应的散射面积的分布可以由均值和标准差确定。该散射面积可以是雷达或者声纳或者超声波等传感器的散射截面积。
通过该方式除了利用目标的速度和角度测量值之外，可以利用目标的散射截面积特征，从而利用目标的特征差异，能够更加精确地进行加权，从而有利于更精确地得到传感器的运动状态特别是速度矢量。
例如，对于第n个测量数据，网格单元(i，j，k)的加权增量wn(i，j，k)可以如(39)或者(40)或者(41)或者(42)。其中，w′n(i，j，k)可以可以为常数。或者，w′n(i，j，k)也可以为公式(53)或者公式(54)中的wn(i，j，k)。
可选的，对于第n个测量数据，网格单元(i，j，k)的加权因子fn(i，j，k)可以如(43)或者(44)。其中，f′n(i，j，k)可以为常数。或者，fn(i，j，k)也可以为公式(57)或者公式(58)中的fn(i，j，k)。
302、根据速度网格W1中网格单元的权重确定传感器的运动状态。其中，该传感器的运动状态包括传感器的速度矢量。
其中，所述网格单元的权重可以是多个测量数据在该网格单元的加权增量之和。例如，2维网格单元的权重如(8)式所示，3维网格单元的权重如(9)式所示。网格单元的权重也可以是该多个测量数据在该网格单元的加权因子之积。例如，2维网格单元的权重如(10)式所示，3维网格单元的权重如(11)式所示。
本申请实施例中，该传感器的速度矢量维度和包含的速度分量与速度网格或者网格单元的维度和速度分量相同。例如，如果1维速度网格W1或者网格单元对应的速度矢量包括速度分量vx，则传感器的速度矢量为1维且包括速度分量vx。如果2速度网格W1或者网格单元对应的速度矢量包括速度分量vx和速度分量vy，则传感器的速度矢量为2维矢量，包括速度分量vx和速度分量vy；类似地，对于3维速度网格，传感器的速度矢量为3维矢量，包括速度分量vx、vy和vz。
可选的，该传感器的运动状态除了包括传感器的速度矢量之外，还可以进一步包括所述传感器的位置。例如，可以以指定的时间起点或者初始位置作为参考，根据速度矢量和时间间隔得到所述传感器的位置。
可选的，该根据速度网格W1中网格单元的权重确定传感器的运动状态，可以包括：根据速度网格W1中网格单元的权重确定一个第一网格单元，该第一网格单元对应的速度矢量为传感器的速度矢量。
具体的，此时该速度网格W1中的网格单元对应于一个传感器的候选速度矢量；该网格单元及权重可以根据(8)-(11)，(12)-(44)式中的一个或者多个组合确定。
可选的，该第一网格单元可以是该速度网格W1中权重最大的网格单元；该第一网格单元也可以是该速度网格W1中权重最大的网格单元的邻域中与一个参考速度矢量最接近的网格单元；所述第一网格单元也可以是该速度网格W1中的多个极大权重网格单元对应的速度矢量与一个参考速度矢量最接近的网格单元。其中，极大权重网格单元可以为权重大于阈值的网格单元，或者，极大权重网格单元可以为权重最大的N个网格单元。
例如，如图4所示，以速度网格包括网格单元0～网格单元4为例。如果网格单元0～网格单元4中网格单元3的权重最大，则第一网格单元可以为网格单元3。或者，如果网格单元3的权重最大，网格单元2和网格单元4处于网格单元3的邻域中。网格单元2对应的速度矢量与参考速度矢量最接近，则第一网格单元可以为网格单元2。或者，如果网格单元0～网格单元5中网格单元2和网格单元3的权重大于阈值，并且网格单元2对应的速度矢量与参考速度矢量最接近，则第一网格单元可以为网格单元2。或者，极大权重网格单元可以为权重最大的N个网格单元，例如，将网格单元0～网格单元4按照权重从大到小进行排序，得到的排序结果为网格单元4、网格单元3、网格单元2、网格单元1和网格单元0。极大权重网格单元为权重最大的3个网格单元。那么，网格单元4、网格单元3、网格单元2为极大权重网格单元。如果网格单元2对应的速度矢量与参考速度矢量最接近，则第一网格单元可以为网格单元2。速度网格W1的网格单元对应的速度矢量包括多个速度分量时同理，在此不赘述。
本发明实施例，根据来自传感器的测量数据确定速度网格W1中网格单元的权重，其中，所述测量数据至少包含速度测量值，根据速度网格中网格单元的权重确定传感器的运动状态，所述传感器的运动状态至少包括传感器的速度矢量。由于传感器与传感器测量的目标之间存在相对运动，传感器的测量数据可以包含对所述相对运动的速度的测量值。此外，传感器测量的目标中相对于参考系静止的目标分布多样且数据众多，其速度矢量与传感器速度的各个分量互为相反数，速度网格中与传感器速度矢量对应的网格单元的权重将最大。因此，利用本发明所述的方法，可以有效利用与参考系相对静止的众多目标对应的测量数据，有效降低测量误差或者干扰的影响，从而使得这种确定运动状态的方式获得更高的精度；此外，所述方法利用单帧数据即可确定传感器的速度矢量，从而可以获得很好的实时性。
可选的，所述根据速度网格中网格单元的权重确定传感器的运动状态，也可以包括：根据速度网格中网格单元的权重确定一个第一网格单元，所述传感器的速度矢量的各个速度分量为所述第一网格单元对应的速度矢量各个速度分量的相反数。
具体的，此时所述速度网格中的网格单元对应于一个传感器测量的目标的候选速度矢量；所述传感器测量的目标可以是相对于参考系静止的目标，例如所述参考系可以是大地坐标系或者相对于大地的惯性坐标系等。
所述网格单元的权重可以根据(8)-(11)，(23)-(26)，(45)-(58)式中的一个或者多个组合确定。
可选的，该第一网格单元可以是所述速度网格W1中权重最大的网格单元；所述第一网格单元也可以是所述速度网格W1中权重最大的网格单元的邻域中与一个参考速度矢量最接近的网格单元；所述第一网格单元也可以是所述速度网格W1中的多个极大权重网格单元对应的速度矢量与一个参考速度矢量最接近的网格单元。关于速度网格W1的第一网格单元的描述具体可参见上述方法实施例中的描述，在此不赘述。
本发明实施例，根据来自传感器的测量数据确定速度网格中网格单元的权重，其中所述测量数据至少包含速度测量值，根据速度网格中网格单元的权重确定传感器的运动状态，所述传感器的运动状态至少包括传感器的速度矢量。由于传感器测量的目标与传感器之间存在相对运动，传感器的测量数据可以包含对所述相对运动的速度的测量值，此外，传感器测量的目标中相对于参考系静止的目标分布多样且数据众多，速度网格中与所述相对于参考系静止的目标的速度矢量对应的网格单元的权重将最大。因此，利用本发明所述的方法，可以有效利用与参考系相对静止的众多目标对应的测量数据，有效降低测量误差或者干扰的影响，得到相对于参考系静止的目标的速度矢量，其速度矢量的各个速度分量与传感器速度的各个速度分量互为相反数，从而使得这种方法可以获得高精度的传感器运动状态；此外，所述方法利用单帧数据即可确定传感器的速度矢量，从而可以获得很好的实时性。
以上所述第一网格单元可以根据速度网格中所有网格单元的权重确定，或者，也可以根据所述速度网格的部分网格单元的权重确定，例如，速度网格中的对角线或者次对角线或者反对角线或者次反对角线位置的网格单元；再如，速度网格中其对应的速度矢量在参考速度矢量的邻域内的网格单元等。利用上述部分网格单元，可以有效减小搜索的运算量，同时保证不过多损失其搜索结果的正确性。
请参见图7，图7是本申请实施例提供的一种运动状态确定方法的流程示意图。如图7所示，该运动状态确定方法包括如下步骤701和步骤702，步骤702为步骤302的具体实施方式，其中：
701、根据来自传感器的测量数据确定速度网格W1中网格单元的权重。
其中，步骤701的具体实现原理与步骤301相同，具体可参见步骤301的实现原理，在此不赘述。
702、根据速度网格W1的第一网格单元确定传感器的运动状态。
其中，该速度网格W1的第一网格单元可以为速度网格W1中权重最大的网格单元。该第一网格单元也可以是所述速度网格中权重最大的网格单元的邻域中与一个参考速度矢量最接近的网格单元；该第一网格单元也可以是所述速度网格中的多个极大权重网格单元对应的速度矢量与一个参考速度矢量最接近的网格单元。关于速度网格W1的第一网格单元的描述具体可参见上述方法实施例中的描述，在此不赘述。
如果速度网格W1的网格单元对应的速度矢量为传感器的候选速度矢量，则速度网格W1的第一网格单元的速度矢量在速度网格W1的多个速度矢量中最可能为传感器的速度矢量。因此，根据第一网格单元能够准确地确定出传感器的速度矢量。
如果速度网格W1的网格单元对应的速度矢量为传感器测量的目标的候选速度矢量，则速度网格W1的第一网格单元的速度矢量在速度网格W1的多个速度矢量中最可能为相对于参考系静止的目标的速度矢量。相对参考系静止的目标的速度矢量的各个速度分量与传感器的速度矢量的各个速度分量大小相等但是方向相反，因此，传感器的速度矢量的各个速度分量为相对于参考系静止的目标的速度矢量的各个速度分量的相反数。传感器测量的目标中相对于参考系静止的目标分布多样且数据众多，因此，根据第一网格单元也能够准确地相对于参考系静止的目标的速度矢量从而准确确定传感器的速度矢量。因此，基于图7所描述的方法，能够准确地确定传感器的速度矢量。
作为一种可选的实施方式，速度网格W1中具有多个权重最大的网格单元时，速度网格W1的第一网格单元为多个权重最大的网格单元中对应的速度矢量最大的网格单元。例如，在图5所示的速度网格W1中，如果网格单元(3，3)与网格单元(4，4)的权重最大，则速度网格W1的第一网格单元为网格单元(3，3)与网格单元(4，4)中速度矢量最大的网格单元。速度矢量最大可以是指速度矢量的范数最大或者速率最大。该范数可以为欧氏范数或者为其他类型的范数。例如，网格单元(3，3)的速度矢量的欧氏范数为
网格单元(4，4)的速度矢量的欧氏范数为
如果
大于
则网格单元(3，3)为速度网格W1的第一网格单元。
作为一种可选的实施方式，速度网格W1中具有多个权重最大的网格单元时，速度网格W1的第一网格单元为多个权重最大的网格单元中对应的速度矢量与参考速度矢量最接近的网格单元。传感器的参考速度矢量可以是IMU或其他设备检测到的，也可以是利用本发明迭代得到的速度矢量。速度矢量与参考速度矢量最接近是指速度矢量与参考速度矢量之间的距离最小，该距离可以是欧氏距离或马氏距离或其他类型的距离。例如，在图5所示的速度网格W1中，如果网格单元(3，3)与网格单元(4，4)的权重最大。参考速度矢量为(vxc，Vyc)。网格单元(3，3)与参考速度矢量(Vxc，Vyc)之间的欧氏距离为
网格单元(4，4)与参考速度矢量(Vxc，Vyc)之间的欧氏距离为
如果
小于
则网格单元(3，3)为速度网格W1的第一网格单元。
其中，传感器的运动状态包括传感器的速度矢量。可选的，传感器的运动状态除了包括传感器的速度矢量之外，还可以进一步包括其他数据，例如该传感器的位置。
以下对根据速度网格W1的第一网格单元对应的速度矢量确定传感器的运动状态的六种方式进行介绍，当然运动状态确定装置根据速度网格W1的第一网格单元对应的速度矢量确定传感器的运动状态的具体实施方式还可以是其他方式，本申请实施例不做限定。
方式一：根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：确定速度网格W1的第一网格单元对应的速度矢量为传感器的速度矢量。
在方式一中，速度网格W1的第一网格单元的速度矢量在速度网格W1的多个速度矢量中最有可能为传感器的速度矢量。因此，可以直接确定速度网格W1的第一网格单元对应的速度矢量为传感器的速度矢量。
方式二：根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：确定速度网格W1的第一网格单元对应的速度矢量各个分量的相反数为所述传感器的速度矢量的各个速度分量。即所述传感器的速度矢量的各个速度分量等于速度网格W1的第一网格单元对应的速度矢量各个速度分量的相反数。在方式二中，速度网格W1的第一网格单元对应的速度矢量在速度网格W1的多个速度矢量中最有可能为相对参考系静止的目标对应的速度矢量。由于传感器的速度矢量中的速度分量与相对参考系静止的目标的速度矢量中的速度分量大小相同，但方向相反。因此，可以确定速度网格W1的第一网格单元对应的速度矢量各个分量的相反数为传感器的速度矢量的各个速度分量。例如，速度网格W1的第一网格单元对应的速度矢量为(5，4)，则传感器的速度矢量为(-5，-4)。
方式三：根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：确定速度网格Wm的第一网格单元，其中，该速度网格Wm包括多个网格单元，该速度网格Wm的每个网格单元对应一个速度矢量，该速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量。该速度网格Wm根据参考速度矢量以及该速度网格Wm各个维度的分辨单元大小确定，该参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，该速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小。该速度网格Wm的第一网格单元根据该速度网格Wm中网格单元的权重确定，该速度网格Wm的网格单元的权重根据传感器的测量数据确定。其中，m＝1，2，...，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量为传感器的速度矢量。
可选的，该速度网格Wm的第一网格单元可以为该速度网格Wm中权重最大的网格单元。或者，该速度网格Wm的第一网格单元也可以是速度网格Wm中权重最大的网格单元的邻域中与一个参考速度矢量最接近的网格单元；或者，该速度网格Wm的第一网格单元也可以是速度网格Wm中的多个极大权重网格单元对应的速度矢量与一个参考速度矢量最接近的网格单元。该速度网格Wm的第一网格单元的具体实现原理与速度网格W1的第一网格单元类似，在此不赘述。
具体的，该参考速度矢量可以与速度网格Wm的一个网格单元对应的速度矢量相等。优选的，该参考速度矢量可以与速度网格Wm中心位置的网格单元对应的速度矢量相等，也可以与靠近中心位置的网格单元对应的速度矢量相等；以2维网格为例，所述网格可以类似于(1)式和(2)式得到，此处不赘述。
以2维速度网格Wm，m＝1，2，...，M，M为3为例。如图8所示，确定速度网格W1的第一网格单元之后，根据所述第一网格单元对应的速度矢量，确定速度网格W2。其中，速度网格W2包括的网格单元的数量可以与速度网格W1包括的分辨单元数量相同或者不相同。图8以速度网格W2包括的网格单元的数量与速度网格W1包括的分辨单元数量相同为例。所述速度网格W1的第一网格单元对应的速度矢量作为参考速度矢量，参考速度矢量与速度网格W2的位于中心位置的网格单元对应的速度矢量相等。速度网格W2的分辨单元大小小于速度网格W1的分辨单元大小。例如，如图8所示，速度网格W2在vx维度和vy维度的分辨单元大小分别为速度网格W1在vx维度和vy维度的分辨单元大小的1/2。根据速度网格W2的中心位置的网格单元对应的速度矢量、速度网格W2在各个维度的分辨单元的大小和数量，可以确定出速度网格W2，如前所述，类似于(1)式和(2)式。确定速度网格W2之后，采用与确定速度网格W1的网格单元的权重相同的原理，根据来自传感器的测量数据确定速度网格W2的各个网格单元的权重。然后确定速度网格W2的第一网格单元，速度网格W2的第一网格单元为速度网格W2中权重最大的网格单元。
如图8所示，确定速度网格W2的第一网格单元之后，可以根据所述速度网格W2的第一网格单元对应的速度矢量，确定速度网格W3。其中，速度网格W3包括的网格单元的数量可以与速度网格W2包括的分辨单元数量相同或者不相同。图8以速度网格W3包括的网格单元的数量与速度网格W2包括的分辨单元数量相同为例。所述速度网格W2的第一网格单元对应的速度矢量作为参考速度矢量，所述参考速度矢量与速度网格W3的中心位置的网格单元对应的速度矢量相等。速度网格W3的分辨单元大小小于速度网格W2的分辨单元大小。例如，如图8所示，速度网格W3在vx维度和vy维度的分辨单元大小均为速度网格W2在vx维度和vy维度的分辨单元大小的1/2。根据速度网格W3的中心位置的网格单元对应的速度矢量、速度网格W3在各个维度的分辨单元的大小和数量，可以确定出速度网格W3，如前所述，类似于(3)式和(4)式。确定速度网格W3之后，采用与确定速度网格W1的网格单元的权重相同的原理，根据来自传感器的测量数据确定速度网格W3的各个网格单元的权重。然后确定速度网格W3的第一网格单元，速度网格W3的第一网格单元为速度网格W3中权重最大的网格单元。最后，确定速度网格W3的第一网格单元对应的速度矢量为传感器的速度矢量。
如上所述，可以把速度网格Wm-1的第一网格单元的速度矢量作为速度网格Wm的参考速度矢量；根据所述速度网格Wm的参考速度矢量以及速度网格Wm各个维度的分辨单元大小和数量，确定速度网格Wm；根据传感器的测量数据确定速度网格Wm的网格单元的权重；根据速度网格Wm的网格单元的权重确定传感器的运动状态特别是传感器的速度矢量。所述传感器传感器的速度矢量是WM的第一网格单元对应的速度矢量。
可选的，速度网格Wm的参考速度矢量不一定是速度网格Wm中心位置的网格单元对应的速度矢量，由于离散化等原因，速度网格Wm的参考速度矢量可以是速度网格Wm的中心位置的领域位置的网格单元对应的速度矢量，也可以是稍微偏离速度网格Wm的中心位置的网格单元对应的速度矢量。
可见，在方式三中，确定速度网格W1的第一网格单元对应的速度矢量之后，会进行m-1次迭代，以确定传感器的速度矢量。由于速度网格Wm-1的第一网格的速度矢量可以作为速度网格Wm的参考速度矢量，此外，所述Wm各个维度的分辨单元大小可以小于Wm-1各个维度的分辨单元大小，同时Wm各个维度的分辨单元的数量可以等于Wm-1各个维度的分辨单元的数量。因此，方式三可以以较大的分辨单元得到一个初始的速度网格，从而快速得到一个初始的传感器速度矢量，迭代过程逐步缩小分辨单元的大小，从而提高传感器速度矢量的精度，也就是更加准确地确定传感器的速度矢量；同时，避免了直接以极小的分辨单元大小确定速度网格造成的极大运算量消耗问题。
方式四：根据速度网格W1的第一网格单元确定传感器的速度矢量的具体实施方式为：确定速度网格Wm的第一网格单元。其中，该速度网格Wm包括多个网格单元，该速度网格Wm的每个网格单元对应一个速度矢量，该速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量。该速度网格Wm根据参考速度矢量以及该速度网格Wm各个维度的分辨单元大小确定，该参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小。该速度网格Wm的第一网格单元根据该速度网格Wm中网格单元的权重确定，该速度网格Wm的网格单元的权重根据传感器的测量数据确定。其中m＝1，2，...，M，M为整数；确定传感器的速度矢量各个分量的大小为速度网格WM的第一网格单元对应的速度矢量各个分量的相反数。
可选的，速度网格Wm的第一网格单元为速度网格Wm中权重最大的网格单元。或者，该速度网格Wm的第一网格单元也可以是速度网格Wm中权重最大的网格单元的邻域中与一个参考速度矢量最接近的网格单元；或者，该速度网格Wm的第一网格单元也可以是速度网格Wm中的多个极大权重网格单元对应的速度矢量与一个参考速度矢量最接近的网格单元。该速度网格Wm的第一网格单元的具体实现原理与速度网格W1的第一网格单元类似，在此不赘述。
具体的，该参考速度矢量可以与速度网格Wm的一个网格单元对应的速度矢量相等，优选的，可以与速度网格Wm的中心位置的网格单元对应的速度矢量相等，也可以与靠近中心位置的网格单元对应的速度矢量相等；以2维网格为例，所述网格可以类似于(1)式和(2)式得到，此处不赘述。由于离散化等原因，速度网格Wm-1的第一网格单元对应的速度矢量可以是稍微偏离速度网格Wm的中心网格单元的网格单元对应的速度矢量。
其中，方式三和方式四的区别在于，方式三中速度网格W1～速度网格Wm中网格单元对应的速度矢量为传感器的候选速度矢量。方式四中速度网格W1～速度网格Wm中网格单元对应的速度矢量为传感器测量的目标的候选速度矢量。方式四确定速度网格Wm的第一网格单元的原理与方式三中确定速度网格Wm的第一网格单元的原理相同，在此不再举例赘述。速度网格Wm的第一网格单元对应的速度矢量为相对于参考系静止的目标的速度矢量。由于传感器的速度矢量与相对参考系静止的目标的速度矢量大小相同，但方向相反。因此，可以将传感器的速度矢量各个分量确定为速度网格WM的第一网格单元对应的速度矢量各个分量的相反数。
可见，在方式四中，确定速度网格W1的第一网格单元对应的速度矢量之后，会进行m-1次迭代，以确定传感器的速度矢量。由于速度网格Wm-1的第一网格的速度矢量可以作为速度网格Wm的参考速度矢量，此外，所述Wm各个维度的分辨单元大小可以小于Wm-1各个维度的分辨单元大小，同时Wm各个维度的分辨单元的数量可以等于Wm-1各个维度的分辨单元的数量。因此，方式四可以以较大的分辨单元得到一个初始的速度网格，从而快速得到一个初始的传感器速度矢量，迭代过程逐步缩小分辨单元的大小，从而提高传感器速度矢量的精度，也就是更加准确地确定传感器的速度矢量；同时，避免了直接以极小的分辨单元大小确定速度网格造成的极大运算量消耗问题。
作为一种可选的实施方式，在确定传感器的速度矢量之后，还可根据传感器的速度矢量从测量数据中确定相对参考系静止的目标的测量数据。基于该可选的实施方式，能够将相对参考系运动的目标的测量数据和相对参考系静止的目标的测量数据进行分离。
可选的，以2维速度矢量为例，传感器的速度矢量为
如果第n个测量数据满足
则第n个测量数据为相对参考系静止的目标的测量数据，否则为动目标的测量数据。其中，DT为非负门限值，θn和
分别为第n个测量数据中的方位角和径向速度测量值。
可选的，以3维速度矢量为例，假设传感器的速度矢量为
如果第n个测量数据满足
则第n个测量数据为相对参考系静止的目标的测量数据，否则为动目标的测量数据。其中，DT为非负门限值，θn，
和
分别为第n个测量数据中的方位角、俯仰角和径向速度测量值。
需要指出的是，以上方法中还可以基于传感器的方向余弦测量值而不是方位角测量值或者方位角和俯仰角测量值，确定上述传感器的运动状态。此时，上述公式中的参数可以按以下公式替换：(以下公式仅体现了方向余弦和方位角或者方位角和俯仰角之间的关系，并未体现n，本领域技术人员可知，对于第n个测量数据的方向余弦值需要对应于第n个测量数据中的方位角、俯仰角等)
对于2维速度矢量：
Λx＝cosθ，Λy＝sinθ
Λx，Λy为方向余弦，其中θ为方位角；
对于3维速度矢量：
其中Λx，Λy和Λz为方向余弦，θ为方位角，
为俯仰角。
方式五：根据速度网格W1的第一网格单元确定传感器的速度矢量的具体实施方式为：根据速度网格W1的第一网格单元对应的速度矢量从测量数据中确定相对参考系静止的目标的测量数据；根据相对参考系静止的目标的测量数据确定传感器的速度矢量。基于该可选的实施方式，能够准确地确定传感器的速度矢量。可选的，所述参考系可以是大地参考系，或者相对大地的惯性坐标系等。
可选的，速度网格W1的网格单元对应的速度矢量为传感器的候选速度矢量。速度网格W1中的第一网格单元对应的速度矢量在速度网格W1的多个速度矢量中最有可能为传感器的速度矢量。速度网格W1的第一网格单元为(i*，j*)，对应的速度矢量为
如果第n个测量数据满足(59)式，则第n个测量数据为相对参考系静止的目标的测量数据。
可选的，速度网格W1的网格单元对应的速度矢量为传感器的候选速度矢量。速度网格W1中的第一网格单元对应的速度矢量在速度网格W1的多个速度矢量中最有可能为传感器的速度矢量。速度网格W1的第一网格单元为(i*，j*，k*)，对应的速度矢量为
如果第n个测量数据满足(60)式，则第n个测量数据为相对参考系静止的目标的测量数据。
可选的，速度网格W1的网格单元对应的速度矢量为传感器测量的目标的候选速度矢量。速度网格W1中的第一网格单元对应的速度矢量在速度网格W1的多个速度矢量中最有可能为相对参考系静止的目标的速度矢量。假设速度网格W1的第一网格单元为(i*，j*)，对应的速度矢量为
如果第n个测量数据满足
则第n个测量数据为相对参考系静止的目标的测量数据。其中，DT为非负门限值。
可选的，速度网格W1的网格单元对应的速度矢量为传感器测量的目标的候选速度矢量。速度网格W1中的第一网格单元对应的速度矢量在速度网格W1的多个速度矢量中最有可能为相对参考系静止的目标的速度矢量。假设速度网格W1的第一网格单元为(i*，j*，k*)，对应的速度矢量为
如果第n个测量数据满足
则第n个测量数据为相对参考系静止的目标的测量数据。其中，DT为非负门限值。
可选的，在方式五中，根据相对于参考系静止的目标的测量数据确定传感器的速度矢量的第一种具体实施方式可以为：确定速度网格Wm的第一网格单元。其中，该速度网格Wm包括多个网格单元，该速度网格Wm的每个网格单元对应一个速度矢量，该速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量。该速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，该参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，该速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小。该速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，该速度网格Wm的网格单元的权重根据最新确定的相对参考系静止的目标的测量数据确定，该最新确定的相对参考系静止的目标的测量数据是根据速度网格Wm-1的第一网格单元对应的速度矢量确定的。其中m＝1，2，...，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量为传感器的速度矢量。
可选的，速度网格Wm的第一网格单元为速度网格Wm中权重最大的网格单元。或者，该速度网格Wm的第一网格单元也可以是速度网格Wm中权重最大的网格单元的邻域中与一个参考速度矢量最接近的网格单元；或者，该速度网格Wm的第一网格单元也可以是速度网格Wm中的多个极大权重网格单元对应的速度矢量与一个参考速度矢量最接近的网格单元。该速度网格Wm的第一网格单元的具体实现原理与速度网格W1的第一网格单元类似，在此不赘述。
具体的，所述参考速度矢量可以与速度网格Wm的一个网格单元对应的速度矢量相等，优选的，可以与速度网格Wm中心位置的网格单元对应的速度矢量相等，也可以与靠近中心位置的网格单元对应的速度矢量相等；以2维网格为例，所述网格可以类似于(1)式和(2)式得到，此处不赘述。
以2维速度网格Wm，m＝1，2，...，M，M为3为例。确定速度网格W1的第一网格单元之后，根据速度网格W1的第一网格单元从来自传感器的测量数据中确定相对参考系静止的目标的测量数据。如图8所示，确定速度网格W1的第一网格单元之后，确定速度网格W2。速度网格W2的每个网格单元对应一个速度矢量。其中，速度网格W2包括的网格单元的数量可以与速度网格W1包括的分辨单元数量相同或者不相同。图8以速度网格W2包括的网格单元的数量与速度网格W1包括的分辨单元数量相同为例。
所述速度网格W1的第一网格单元对应的速度矢量作为参考速度矢量，参考速度矢量与速度网格W2的位于中心位置的网格单元对应的速度矢量相等。速度网格W2的分辨单元大小小于速度网格W1的分辨单元大小网格单元对应的速度矢量相等。速度网格W2的分辨单元大小小于速度网格W1的分辨单元大小。例如，如图8所示，速度网格W2在vx维度和vy维度的分辨单元大小分别为速度网格W1在vx维度和vy维度的分辨单元大小的1/2。根据速度网格W2的中心位置的网格单元对应的速度矢量、速度网格W2在各个维度的分辨单元大小和数量，就能确定出速度网格W2。确定速度网格W2之后，根据相对参考系静止的目标的测量数据确定速度网格W2的网格单元的权重。然后确定速度网格W2的第一网格单元，速度网格W2的第一网格单元为速度网格W2中权重最大的网格单元。
如图8所示，确定速度网格W2的第一网格单元之后，根据速度网格W2的第一网格单元对应的速度矢量，从来自传感器的一帧测量数据中再次分离出相对于参考系静止的目标队赢得的测量数据，或从上次确定的相对于参考系静止的目标的测量数据中再次分离出相对于参考系静止的目标的测量数据。确定速度网格W2的第一网格单元之后，可以根据所述速度网格W2的第一网格单元对应的速度矢量，确定速度网格W3。其中，速度网格W3包括的网格单元的数量可以与速度网格W2包括的分辨单元数量相同或者不相同。图8以速度网格W3包括的网格单元的数量与速度网格W2包括的分辨单元数量相同为例。速度网格W3中心位置的网格单元对应的速度矢量等于速度网格W2的第一网格单元对应的速度矢量。速度网格W3的分辨单元大小小于或者等于速度网格W2的分辨单元大小。例如，如图8所示，速度网格W3在vx维度和vy维度的分辨单元大小分别等于速度网格W2在vx维度和vy维度的分辨单元大小的1/2。根据速度网格W3中心位置的网格单元对应的速度矢量、速度网格W3在各个维度的分辨单元的大小和数量，可以确定出速度网格W3。确定速度网格W3之后，根据最新确定的相对于参考系静止的目标的测量数据确定速度网格W3的网格单元的权重。再确定速度网格W3的第一网格单元，速度网格W3的第一网格单元为速度网格W3中权重最大的网格单元。最后，确定速度网格W3的第一网格单元对应的速度矢量为传感器的速度矢量。
如上所述，可以把速度网格Wm-1的第一网格的速度矢量作为速度网格Wm的参考速度矢量；根据所述速度网格Wm的参考速度矢量以及速度网格Wm各个维度的分辨单元大小和数量，确定速度网格Wm；根据最新确定的相对于参考系静止的目标的测量数据，确定速度网格Wm的网格单元的权重；根据速度网格Wm的网格单元的权重确定传感器的运动状态特别是传感器的速度矢量。所述传感器传感器的速度矢量是WM的第一网格单元对应的速度矢量。
可选的，速度网格Wm的参考速度矢量不一定是速度网格Wm的中心位置的网格单元对应的速度矢量，由于离散化等原因，速度网格Wm的参考速度矢量可以是速度网格Wm的中心位置的领域位置的网格单元对应的速度矢量，也可以是稍微偏离速度网格Wm中心位置的网格单元的网格单元对应的速度矢量。
可见，在根据相对于参考系静止的目标的测量数据确定传感器的速度矢量的第一种具体实施方式中，根据速度网格W1的第一网格单元对应的速度矢量，从测量数据中确定相对于参考系静止的目标的测量数据，可以根据相对于参考系静止的目标的测量数据进行m-1次迭代，以确定传感器的速度矢量。通过该第一种具体实施方式，可以有效分离出相对于参考系静止的目标的数据，减少或者避免将动目标的测量数据对网格单元的加权，从而减少或者避免动目标的测量数据的干扰，因此，能够更加准确地确定传感器的速度矢量。
可选的，在方式五中，根据相对于参考系静止的目标的测量数据确定传感器的速度矢量的第二种具体实施方式可以为：确定速度网格Wm的第一网格单元。其中，该速度网格Wm包括多个网格单元，该速度网格Wm的每个网格单元对应一个速度矢量，该速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量。该速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，该参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，该速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小。该速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，该速度网格Wm的网格单元的权重根据最新确定的相对参考系静止的目标的测量数据确定，该最新确定的相对参考系静止的目标的测量数据是根据速度网格Wm-1的第一网格单元对应的速度矢量确定的。其中m＝1，2，...，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量中各个速度分量的相反数为传感器的速度矢量中的各个速度分量。
可选的，该速度网格Wm的第一网格单元可以为该速度网格Wm中权重最大的网格单元。或者，该速度网格Wm的第一网格单元也可以是速度网格Wm中权重最大的网格单元的邻域中与一个参考速度矢量最接近的网格单元；或者，该速度网格Wm的第一网格单元也可以是速度网格Wm中的多个极大权重网格单元对应的速度矢量与一个参考速度矢量最接近的网格单元。该速度网格Wm的第一网格单元的具体实现原理与速度网格W1的第一网格单元类似，在此不赘述。
具体的，所述参考速度矢量可以与速度网格Wm的一个网格单元对应的速度矢量相等，优选的，可以与速度网格Wm中心位置的网格单元对应的速度矢量，也可以与靠近中心位置的网格单元对应的速度矢量相等；由于离散化等原因，速度网格Wm-1的第一网格单元对应的速度矢量可以是稍微偏离速度网格Wm的中心网格单元的网格单元对应的速度矢量。
其中，根据相对于参考系静止的目标的测量数据确定传感器的速度矢量的具体实施方式一和根据相对于参考系静止的目标的测量数据确定传感器的速度矢量的具体实施方式二的区别在于，具体实施方式一中速度网格W1～速度网格Wm中网格单元对应的速度矢量为传感器的候选速度矢量。具体实施方式二中速度网格W1～速度网格Wm中网格单元对应的速度矢量为传感器测量的目标的候选速度矢量。具体实施方式一确定速度网格Wm的第一网格单元的原理与具体实施方式二中确定速度网格Wm的第一网格单元的原理相同，在此不再举例赘述。在具体实施方式二中，速度网格Wm的第一网格单元对应的速度矢量为相对于参考系静止的目标的速度矢量。由于传感器的速度矢量与相对参考系静止的目标的速度矢量大小相同，但方向相反。因此，可以将速度网格WM的第一网格单元对应的速度矢量中各个速度分量的相反数确定为传感器的速度矢量中的各个速度分量。
可见，在根据相对于参考系静止的目标的测量数据确定传感器的速度矢量的第二种具体实施方式中，根据速度网格W1的第一网格单元对应的速度矢量从测量数据中确定相对于参考系静止的目标的测量数据之后，会根据相对于参考系静止的目标的测量数据进行M-1次迭代，以确定传感器的速度矢量。因此，通过该第二种具体实施方式，可以以较大的分辨单元得到一个初始的速度网格，从而快速得到一个初始的传感器速度矢量，迭代过程逐步缩小分辨单元的大小，从而提高传感器速度矢量的精度，也就是能够更加准确地确定传感器的速度矢量；同时，避免了直接以极小的分辨单元大小确定速度网格造成的极大运算量消耗问题。
可选的，在方式五中，运动状态确定装置根据相对于参考系静止的目标的测量数据确定传感器的速度矢量的第三种具体实施方式可以为：
根据以下测量方程确定传感器的速度矢量
或者
其中，vs为传感器的速度矢量，vT为相对于参考系静止的目标的速度矢量，易知，vs＝-vT。
因此，可以直接根据式(61)得到所述传感器的速度矢量vs，或者等价地，根据式(62)得到相对于参考系静止的目标的速度矢量vT，利用vs＝-vT得到所述传感器的速度矢量vs。以下(61)为例说明，基于(62)可以等价对应得到，本文不进一步赘述。
上述
为第k个相对于参考系静止的目标的径向速度测量值，
为径向速度测量误差，其均值为0，方差为
其取值依赖于传感器的性能。
以2维速度矢量为例，vs和hk可以分别为
vs＝[vs，x vs，y]T (63)
hk＝[cosθk sinθk] (64)
其中vs，x和vs，y为传感器速度矢量的两个分量，[]T表示矩阵或者矢量的转置，θk为第k个相对于参考系静止的目标的方位角测量值；
以3维速度矢量为例，vs和hk可以分别为
vs＝[vs，x vs，y vs，z]T (65)
其中vs，x，vs，y和vs，z为传感器速度矢量的三个速度分量，θk为第k个相对于参考系静止的目标的方位角测量值，
为第k个相对于参考系静止的目标的俯仰角测量值；
具体的，可以根据上述测量方程(61)或(62)，基于最小二乘(least squared，LS)估计和/或序贯分块滤波确定传感器的速度矢量。
需要指出的是，以上方法中还可以基于传感器的方向余弦测量值而不是方位角测量值或者方位角和俯仰角测量值，确定上述传感器的运动状态。此时，上述公式中的参数可以按以下公式替换：(以下公式仅体现了方向余弦和方位角或者方位角和俯仰角之间的关系，并未体现k，本领域技术人员可知，对于第k个相对于参考系精致的目标的方向余弦值需要对应于第k个相对于参考系静止的目标的方位角、俯仰角等)
对于2维速度矢量：
Λx＝cosθ，Λy＝sinθ
Λx，Λy为方向余弦，其中θ为方位角；
对于3维速度矢量：
其中Λx，Λy和Λz为方向余弦，θ为方位角，
为俯仰角。
方案一：基于最小二乘(least squared，LS)估计确定所述传感器的速度矢量。
具体的，可以基于径向速度矢量和及其对应的测量矩阵得到所述传感器的速度矢量的最小二乘估计值。可选的，所述传感器的速度矢量的最小二乘估计值为：
或者
其中，
为传感器的速度矢量的最小二乘估计值，即
为确定的传感器的速度矢量。
或者
其中，
为传感器的速度矢量的正则化最小二乘估计值，即
为确定的传感器的速度矢量。R为半正定矩阵或者正定矩阵，用于正则化，例如
R＝α·I (70)
其中，|为N1阶的单位阵，α为非负或者正常数，例如
其中，径向速度矢量
为由所述相对于参考系静止的目标对应的N1个测量数据中的N1个径向速度测量值组成的矢量；矩阵
为与径向速度矢量
对应的测量矩阵，N1为大于1的正整数。
径向速度矢量
和对应的测量矩阵
满足以下测量方程，
具体的，所述径向速度矢量
可以表示为
其中，
表示所述相对于参考系静止的目标对应的第i1个径向速度测量值，
为与之对应的测量误差矢量，由对应的径向速度测量误差组成，如前述；与之相对应，测量矩阵
可以表示为
可选的，以传感器获得方位角和径向速度测量值为例，所述径向速度测量矩阵
由
组成，其中
为方位角测量值，其中N1≥2。
可选的，以传感器获得方位角、俯仰角和径向速度测量值为例，上述径向速度测量矩阵
由
组成，其中
为方位角测量值，
为俯仰角测量值，其中N1≥3。
作为一种实现，上述
或者
的选择，应该使得彼此间隔尽量大，可以得到更为精确的最小二乘估计。彼此间隔尽量大的角度选择可以使得上述测量矩阵的条件数尽可能小。
可选的，该径向速度矢量中的各个径向速度分量的选择使得对应的测量矩阵的各个列矢量尽量彼此正交。
方案二：基于序贯分块滤波确定所述传感器的运动状态。
具体的，可以根据M个径向速度矢量及其对应的测量矩阵，基于序贯分块滤波得到所述传感器的运动状态，其中，序贯滤波每次使用所述相对于参考系静止的目标对应的径向速度矢量由K个径向速度测量值组成。
可选的，序贯滤波的第m次估计公式如下：
其中，Gm为增益矩阵；
由K个径向速度测量值组成，Hm，K由K个径向速度测量矩阵组成，如前述。对于二维速度矢量估计K≥2；对于三维速度矢量估计K≥3。
可选的，所述增益矩阵可以为
其中，Rm，K为径向速度矢量测量误差协方差矩阵，例如，可以为
Pm，1|1＝(I-Gm-1Hm-1，K)Pm，1|0 (76)
Pm，1|0＝Pm-1，1|1 (77)
可选的，作为一种实现，可以根据先验信息得到初始估计及其协方差P0，1|1＝P0。
P0＝Q (78)
其中，Q为预先设定的速度估计协方差矩阵。其中，
为确定的传感器的速度矢量。
方案三：基于最小二乘和序贯分块滤波确定所述传感器的运动状态。
具体的，可以将所述相对于参考系静止的目标对应的传感器的测量数据分为两部分。其中第一部分数据用于得到所述传感器的速度矢量的最小二乘估计值；第二部分数据用于得到所述传感器的速度矢量的序贯分块滤波估计值；所述传感器的速度矢量的最小二乘估计值作为序贯分块滤波的初始值。
可选的，作为一种实现，可以根据最小二乘估计得到初始估计及其协方差P0，1|1＝P0。
P0＝PLS (80)
其中，
或者
或者，根据正则化最小二乘估计得到初始估计及其协方差P0，1|1＝P0。
P0＝PRLS (82)
其中，
其中，
为传感器速度的第m次序贯分块滤波值，IK为KxK单位矩阵。
可选的，上述
和Hm，K对于不同的m可以互不相同；K的取值对于不同的m可以相同，可以不同，可以视情况不同选择；上述序贯滤波估计可以有效减少测量噪声的影响，从而提高传感器运动度速度矢量估计的精度。
需要说明的是，可以首先得到相对于参考系静止的目标的速度矢量，根据以下关系得到传感器的速度矢量
或者
其中，
为相对于参考系静止的目标的速度矢量的最小二乘估计值，即可以认为
为确定的相对于参考系静止的目标的速度矢量。
或者
其中，
为相对于参考系静止的目标的速度矢量的正则化最小二乘估计值。即可以认为
为确定的相对于参考系静止的目标的速度矢量。
或者
其中，Gm，
Hm，K，Pm-1如前述。
以传感器的方位角和径向速度测量和K＝2为例，第m个径向速度矢量表示为
其中，
分别为所述相对于参考系静止的目标的第m组测量数据中的第1和第2个径向速度测量值；与之对应的测量矩阵为
其中，θm，i，i＝1，2为所述相对于参考系静止的目标的第m组测量数据中的第i个方位角测量值。
类似地，以传感器的方位角、俯仰角和径向速度测量和K＝3为例，第m个径向速度矢量表示为
其中，
分别为所述相对于参考系静止的目标的第m组测量数据中第i个径向速度测量值；与之对应的测量矩阵为
其中，θm，i，i＝1，2，3分别为所述相对于参考系静止的目标的第m组测量数据中第i个方位角测量值，
分别为所述相对于参考系静止的目标的第m组测量数据中第i个俯仰角测量值。
作为一种实现，M组测量数据的选择，应当使得各组测量数据对应的测量矩阵的条件数尽可能小。
作为一种实现，上述θm，i，i＝1，2或者
选择，应该使得对应的测量矩阵的各个列矢量尽量彼此正交。
方式六：根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：根据速度网格W1的第一网格单元对应的速度矢量或速度网格Wm的第一网格单元对应的速度矢量或根据相对于参考系静止的目标对应的测量数据估计得到的传感器速度矢量和第一速度矢量确定传感器的速度矢量，该第一速度矢量包括基于上一帧测量数据确定的传感器的速度矢量和/或传感器的参考速度矢量。其中，传感器的参考速度矢量可以是IMU或其他装置测量出的传感器的速度矢量。
可选的，传感器的速度矢量可以为
vs＝α·vs，c+(1-α)·vs，p
其中，α≥0，例如，α等于0.5或0.6或0.75或0.8等。vs，c为速度网格W1的第一网格单元对应的速度矢量，速度网格Wm的第一网格单元对应的速度矢量，或根据相对于参考系静止的目标对应的测量数据估计得到的传感器速度矢量；vs，p为基于上一帧测量数据确定的传感器的速度矢量和/或传感器的参考速度矢量。
也就是说，当前传感器的速度矢量是根据参考速度矢量和/或上一次确定的传感器的速度矢量来确定的。原因在于，由于运动的时间和/或空间相关性，在短时间内传感器的速度矢量不可能变化很大，并且根据测量数据计算出的传感器的速度矢量不可能与参考速度矢量相差很大。因此，需要结合上一次确定的传感器的速度矢量和/或传感器的参考速度矢量来确定当前传感器的速度矢量。例如，将上述方法一～方法五中的任意一种方式确定出的传感器的速度矢量称为速度矢量1。根据速度网格W1的第一网格单元对应的速度矢量确定速度矢量1之后，如果速度矢量1与上一次的传感器的速度矢量相差不大，或者速度矢量1与参考速度矢量相差不大，则可确定当前传感器的速度矢量为速度矢量1。否则，不将速度矢量1确定为当前传感器的速度矢量。
可见，通过方式六，可以利用运动的时间和/或空间相关性，基于当前测量数据得到传感器的速度矢量以及参考速度矢量和/或上一次确定的传感器的速度矢量，可以更准确地确定传感器的速度矢量。
本发明实施例可以根据上述方法示例对设备进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
请参见图9，图9示出了本申请实施例的一种运动状态确定设备的结构示意图。图9所示的运动状态确定装置可以用于执行上述图3或图7所描述的方法实施例中运动状态确定装置的部分或全部功能。图9所示的运动状态确定装置可以包括第一处理模块901和第二处理模块902。其中：
第一处理模块901，用于根据来自传感器的测量数据确定速度网格W1中网格单元的权重，其中，该速度网格W1包含多个网格单元，该多个网格单元中的每个网格单元对应一个速度矢量，每个速度矢量包括至少一个速度分量，该测量数据包括速度测量值；
第二处理模块902，用于根据网格单元的权重确定传感器的运动状态，该传感器的运动状态包括传感器的速度矢量，该传感器的速度矢量包括至少一个速度分量。
如何确定速度网格W1中网格单元的权重以及根据权重确定传感器的运动状态可参见上述方法实施例中的描述。例如，网格单元的权重可以根据(8)-(11)，(23)-(26)，(45)-(58)式中的一个或者多个组合确定。
作为一种可选的实施方式，该速度网格W1是根据分辨单元大小以及参考速度矢量中的至少一个确定的。
作为一种可选的实施方式，该速度网格W1还根据分辨单元数量、速度分量的最小速度以及速度分量的速度范围中的至少一个确定。
如何确定速度网格W1可参见上述方法实施例中的描述。例如，速度网格W1可以根据(1)-(7)式中的一个或者多个组合确定。
作为一种可选的实施方式，第二处理模块902根据网格单元的权重确定传感器的运动状态的方式具体为：根据速度网格W1的第一网格单元确定传感器的运动状态，该速度网格W1的第一网格单元为速度网格W1中权重最大的网格单元，或者，该速度网格W1的第一网格单元为速度网格W1中权重最大的网格单元的邻域中与参考速度矢量最接近的网格单元，或者，该速度网格W1的第一网格单元为速度网格W1的多个极大权重网格单元中对应的速度矢量与一个参考速度矢量最接近的网格单元。
作为一种可选的实施方式，第一处理模块901根据来自传感器的测量数据确定速度网格W1中网格单元的权重的方式具体为：
根据第n个测量数据确定第二网格单元(i，j)，并根据加权增量或者加权因子对第二网格单元(i，j)进行加权，其中，第二网格单元(i，j)对应的速度矢量满足
根据第n个测量数据确定第二网格单元(i，j，k)，并根据加权增量或者加权因子对第二网格单元(i，j，k)进行加权，其中，第二网格单元(i，j，k)对应的速度矢量满足
其中，θn为第n个测量数据包括的方位角测量值，
为第n个测量数据包括的俯仰角测量值，
为第n个测量数据包括的径向速度测量值，vx(i)为第二网格单元对应的速度矢量在x轴的分量，vy(j)为第二网格单元对应的速度矢量在y轴的分量，vz(k)为第二网格单元的速度矢量在z轴的分量，T1和T2为非负门限值。
该实施方式的具体实现原理可参见上述方法实施例中确定速度网格W1中的与一个测量数据对应的网格单元的方式一和方式二的描述，在此不赘述。
作为一种可选的实施方式，第一处理模块901根据来自传感器的测量数据确定速度网格W1中网格单元的权重的方式具体为：
根据第n个测量数据确定第二网格单元(i，j)，并根据加权增量或者加权因子对第二网格单元(i，j)进行加权，其中，第二网格单元(i，j)对应的速度矢量满足
根据第n个测量数据确定第二网格单元(i，j，k)，并根据加权增量或者加权因子对第二网格单元(i，j，k)进行加权，其中，第二网格单元(i，j，k)对应的速度矢量满足
其中，θn为第n个测量数据包括的方位角测量值，
为第n个测量数据包括的俯仰角测量值，
为第n个测量数据包括的径向速度测量值，vx(i)为第二网格单元对应的速度矢量在x轴的分量，vy(j)为第二网格单元对应的速度矢量在y轴的分量，vz(k)为第二网格单元的速度矢量在z轴的分量，T1和T2为非负门限值。
该实施方式的具体实现原理可参见上述方法实施例中确定速度网格W1中的与一个测量数据对应的网格单元的方式三和方式四的描述，在此不赘述。
作为一种可选的实施方式，速度网格W1中的网格单元的加权增量或者加权因子为预设值，或者，速度网格W1中的网格单元的加权增量或者加权因子为根据第n个测量数据确定的值，或者，速度网格W1中的网格单元的加权增量或者加权因子为根据第n个测量数据、预设目标类型对应的散射面积的分布确定的值。
该实施方式的具体实现原理可参见上述方法实施例中确定加权增量的描述，在此不赘述。例如，加权增量可根据(15)～(28)、(30)～(44)、(46)～(51)、(53)～(58)式中的一个或者多个组合确定。
作为一种可选的实施方式，速度网格W1的第一网格单元为速度网格W1中权重最大的网格单元；速度网格W1中具有多个权重最大的网格单元时，速度网格W1的第一网格单元为多个权重最大的网格单元中对应的速度矢量最大的网格单元；或者，速度网格W1中具有多个权重最大的网格单元时，速度网格W1的第一网格单元为多个权重最大的网格单元中对应的速度矢量与参考速度矢量最接近的网格单元。
作为一种可选的实施方式，第二处理模块902根据速度网格W1的第一网格单元确定传感器的运动状态的方式具体为：确定速度网格W1的第一网格单元对应的速度矢量为传感器的速度矢量。
作为一种可选的实施方式，第二处理模块902根据速度网格W1的第一网格单元确定传感器的运动状态的方式具体为：确定速度网格W1的第一网格单元对应的速度矢量的各个速度分量的相反数为传感器的速度矢量的各个速度分量。
作为一种可选的实施方式，第二处理模块902根据速度网格W1的第一网格单元确定传感器的运动状态的方式具体为：确定速度网格Wm的第一网格单元，其中，速度网格Wm包括多个网格单元，速度网格Wm的每个网格单元对应一个速度矢量，速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，速度网格Wm的分辨单元大小小于或等于速度网格Wm-1的分辨单元大小，速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，速度网格Wm的网格单元的权重根据传感器的测量数据确定；其中，m＝1，2，..，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量为传感器的速度矢量。
作为一种可选的实施方式，第二处理模块902根据速度网格W1的第一网格单元确定传感器的运动状态的方式具体为：确定速度网格Wm的第一网格单元，其中，速度网格Wm包括多个网格单元，速度网格Wm的每个网格单元对应一个速度矢量，速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，速度网格Wm的分辨单元大小小于或等于速度网格Wm-1的分辨单元大小，速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，速度网格Wm的网格单元的权重根据传感器的测量数据确定；其中，m＝1，2，..，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量的各个速度分量的相反数为传感器的速度矢量的各个速度分量。
作为一种可选的实施方式，运动状态确定装置还包括：第三处理模块，用于根据传感器的速度矢量从测量数据中确定相对参考系静止的目标的测量数据。
作为一种可选的实施方式，第二处理模块902根据速度网格W1的第一网格单元确定传感器的运动状态的方式具体为：根据速度网格W1的第一网格单元对应的速度矢量从测量数据中确定相对参考系静止的目标的测量数据；根据相对参考系静止的目标的测量数据确定传感器的速度矢量。
作为一种可选的实施方式，第二处理模块902根据相对参考系静止的目标的测量数据确定传感器的速度矢量的方式具体为：确定速度网格Wm的第一网格单元，其中，速度网格Wm包括多个网格单元，速度网格Wm的每个网格单元对应一个速度矢量，速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小，速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，速度网格Wm的网格单元的权重根据最新确定的相对参考系静止的目标的测量数据确定，最新确定的相对参考系静止的目标的测量数据是根据速度网格Wm-1的第一网格单元对应的速度矢量确定的；其中，m＝1，2，..，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量为传感器的速度矢量。
作为一种可选的实施方式，第二处理模块902根据相对参考系静止的目标的测量数据确定传感器的速度矢量的方式具体为：确定速度网格Wm的第一网格单元，其中，速度网格Wm包括多个网格单元，速度网格Wm的每个网格单元对应一个速度矢量，速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，速度网格Wm根据参考速度矢量以及速度网格Wm各个维度的分辨单元大小确定，参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小，速度网格Wm的第一网格单元根据速度网格Wm中网格单元的权重确定，速度网格Wm的网格单元的权重根据最新确定的相对参考系静止的目标的测量数据确定，最新确定的相对参考系静止的目标的测量数据是根据速度网格Wm-1的第一网格单元对应的速度矢量确定的；其中，m＝1，2，..，M，M为整数。确定速度网格WM的第一网格单元对应的速度矢量的各个速度分量的相反数为传感器的速度矢量的各个速度分量。
作为一种可选的实施方式，第二处理模块902根据以下测量方程确定传感器的速度矢量
其中，
为第k个相对参考系静止的目标的径向速度测量值，vs为传感器的速度矢量，
为
的径向速度测量误差，当速度网格W1中每个网格单元对应的速度矢量包括两个速度分量时，hk＝[cosθk sinθk]，当速度网格W1中每个网格单元对应的速度矢量包括三个速度分量时，
为第k个相对参考系静止的目标的俯仰角测量值，θk为第k个相对参考系静止的目标的方位角测量值。
该实施方式的具体实现原理可参见上述方法实施例中确定速度矢量的对应描述，在此不赘述。
作为一种可选的实施方式，第二处理模块902根据以下测量方程确定传感器的速度矢量
其中，
为第k个相对参考系静止的目标的径向速度测量值，vs为传感器的速度矢量，
为
的径向速度测量误差，当速度网格W1中每个网格单元对应的速度矢量包括两个速度分量时，hk＝[cosθk sinθk]，当速度网格W1中每个网格单元对应的速度矢量包括三个速度分量时，
为第k个相对参考系静止的目标的俯仰角测量值，θk为第k个相对参考系静止的目标的方位角测量值。
该实施方式的具体实现原理可参见上述方法实施例中确定速度矢量的对应描述，在此不赘述。
作为一种可选的实施方式，根据测量方程确定传感器的速度矢量的具体实施方式为：根据测量方程，基于最小二乘方法和/或序贯分块滤波得到传感器的速度矢量。
该实施方式的具体实现原理可参见上述方法实施例中基于最小二乘方法和/或序贯分块滤波得到传感器的速度矢量的描述，在此不赘述。例如，可参见(67)～(92)式对应的描述。
作为一种可选的实施方式，根据速度网格W1的第一网格单元确定传感器的运动状态的具体实施方式为：根据速度网格W1的第一网格单元对应的速度矢量或速度网格Wm的第一网格单元对应的速度矢量或根据相对于参考系静止的目标对应的测量数据估计得到的传感器速度矢量和第一速度矢量确定传感器的速度矢量，该第一速度矢量包括基于上一帧测量数据确定的传感器的速度矢量和/或传感器的参考速度矢量。其中，传感器的参考速度矢量可以是IMU或其他装置测量出的传感器的速度矢量。
基于同一发明构思，本申请实施例中提供的运动状态确定装置解决问题的原理与本申请方法实施例的原理相似，因此该装置的具体实施原理可以参见方法的实施原理，为简洁描述，在这里不再赘述。
请参见图10，图10是本申请实施例公开的一种运动状态确定装置的结构示意图。如图10所示，该运动状态确定装置包括处理器1001、存储器1002和通信接口1003。其中，处理器1001、存储器1002和通信接口1003相连。
其中，处理器1001可以是中央处理器(central processing unit，CPU)，通用处理器，协处理器，数字信号处理器(digital signal processor，DSP)，专用集成电路(application-specific integrated circuit，ASIC)，现场可编程门阵列(fieldprogrammable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。该处理器1001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。
其中，通信接口1003用于实现与其他设备或同一运动状态确定装置中的其他通信组件之间的通信。
其中，处理器1001调用存储器1002中存储的程序代码，可执行上述方法实施例中运动状态确定装置所执行的步骤。存储器1002还用于存储执行上述方法过程中的缓存数据。存储器1002与处理器1001相互耦合，可选的，还可以集成在一起。上述第一处理模块、第二处理模块和第三处理模块可通过处理器1001实现。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在处理器上运行时，上述方法实施例的方法流程得以实现。
本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在处理器上运行时，上述方法实施例的方法流程得以实现。
当使用软件实现本申请所提供的装置时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地实现本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
本申请实施例还提供了一种芯片系统，该芯片系统包括处理器，用于支持运动状态确定装置以实现上述实施例中所涉及的功能，例如生成或处理上述方法中所涉及的数据和/或信息。可选的，所述芯片系统还包括接口电路，所述处理器通过所述接口电路获取信息或者输出信息。这里需要说明的是，所述芯片系统可以为集成电路。进一步，所述集成电路上包含至少一个晶体管和/或至少一个逻辑门。
进一步可选的，所述芯片系统还可以包括存储器，该存储器，用于保存必要的程序指令和数据。所述处理器可以调用并执行所述程序指令，以实现本申请所提供的方法。该芯片系统，可以由芯片构成，也可以包含芯片和其他分立器件。
基于同一发明构思，本申请实施例中提供的运动状态确定装置解决问题的原理与本申请方法实施例中运动状态确定装置的原理相似，因此各设备的实施可以参见方法的实施，为简洁描述，在这里不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，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申请各实施例技术方案的范围。
Claims (24)
1.一种运动状态确定方法，其特征在于，所述方法包括：
根据来自传感器的测量数据确定速度网格W1中网格单元的权重，其中，所述速度网格W1包含多个网格单元，所述多个网格单元中的每个网格单元对应一个速度矢量，每个所述速度矢量包括至少一个速度分量，所述测量数据包括速度测量值，所述速度网格W1是根据分辨单元大小以及参考速度矢量中的至少一个确定的，所述速度网格W1还根据分辨单元数量、速度分量的最小速度以及速度分量的速度范围中的至少一个确定，所述参考速度矢量为所述速度网格W1中指定位置的网格单元对应的速度矢量或者所述参考速度矢量为所述速度网格W1中指定位置的两个或者多个网格单元对应的速度矢量之间的速度矢量；
根据所述网格单元的权重确定所述传感器的运动状态，所述传感器的运动状态包括所述传感器的速度矢量，所述传感器的速度矢量包括至少一个速度分量。
2.根据权利要求1所述的方法，其特征在于，所述根据所述网格单元的权重确定所述传感器的运动状态，包括：
根据所述速度网格W1的第一网格单元确定所述传感器的运动状态，所述速度网格W1的第一网格单元为所述速度网格W1中权重最大的网格单元，或者，所述速度网格W1的第一网格单元为所述速度网格W1中权重最大的网格单元的邻域中与参考速度矢量最接近的网格单元，或者，所述速度网格W1的第一网格单元为所述速度网格W1的多个极大权重网格单元中对应的速度矢量与一个参考速度矢量最接近的网格单元。
3.根据权利要求1或2所述的方法，其特征在于，所述根据来自传感器的测量数据确定速度网格W1中网格单元的权重，包括：
根据第n个测量数据确定第二网格单元(i，j)，并根据加权增量或者加权因子对所述第二网格单元(i，j)进行加权，其中，所述第二网格单元(i，j)对应的速度矢量满足
根据第n个测量数据确定第二网格单元(i，j，k)，并根据加权增量或者加权因子对所述第二网格单元(i，j，k)进行加权，其中，所述第二网格单元(i，j，k)对应的速度矢量满足
其中，所述θn为第n个测量数据包括的方位角测量值，所述
为第n个测量数据包括的俯仰角测量值，所述
为第n个测量数据包括的径向速度测量值，所述vx(i)为所述第二网格单元对应的速度矢量在x轴的分量，所述vy(j)为所述第二网格单元对应的速度矢量在y轴的分量，所述vz(k)为所述第二网格单元的速度矢量在z轴的分量，所述T1和所述T2为非负门限值。
4.根据权利要求3所述的方法，其特征在于，所述速度网格W1中的网格单元的加权增量或者加权因子为预设值，或者，所述速度网格W1中的网格单元的加权增量或者加权因子为根据第n个测量数据确定的值，或者，所述速度网格W1中的网格单元的加权增量或者加权因子为根据所述第n个测量数据、预设目标类型对应的散射面积的分布确定的值。
5.根据权利要求2所述的方法，其特征在于，所述速度网格W1的第一网格单元为所述速度网格W1中权重最大的网格单元；
所述速度网格W1中具有多个权重最大的网格单元时，所述速度网格W1的第一网格单元为所述多个权重最大的网格单元中对应的速度矢量最大的网格单元；或者，
所述速度网格W1中具有多个权重最大的网格单元时，所述速度网格W1的第一网格单元为所述多个权重最大的网格单元中对应的速度矢量与参考速度矢量最接近的网格单元。
6.根据权利要求2所述的方法，其特征在于，所述根据所述速度网格W1的第一网格单元确定所述传感器的运动状态，包括：
确定所述速度网格W1的第一网格单元对应的速度矢量为所述传感器的速度矢量。
7.根据权利要求2所述的方法，其特征在于，所述根据所述速度网格W1的第一网格单元确定所述传感器的运动状态，包括：
确定速度网格Wm的第一网格单元，其中，所述速度网格Wm包括多个网格单元，所述速度网格Wm的每个网格单元对应一个速度矢量，所述速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，所述速度网格Wm根据参考速度矢量以及所述速度网格Wm各个维度的分辨单元大小确定，所述参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，所述速度网格Wm的分辨单元大小小于或等于速度网格Wm-1的分辨单元大小，所述速度网格Wm的第一网格单元根据所述速度网格Wm中网格单元的权重确定，所述速度网格Wm的网格单元的权重根据所述传感器的测量数据确定，其中，m＝1,2,…,M，M为整数；
确定所述速度网格WM的第一网格单元对应的速度矢量为所述传感器的速度矢量。
8.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
根据所述传感器的速度矢量从所述测量数据中确定相对参考系静止的目标的测量数据。
9.根据权利要求2所述的方法，其特征在于，所述根据所述速度网格W1的第一网格单元确定所述传感器的运动状态，包括：
根据所述速度网格W1的第一网格单元对应的速度矢量从所述测量数据中确定相对参考系静止的目标的测量数据；
根据所述相对参考系静止的目标的测量数据确定所述传感器的速度矢量。
10.根据权利要求9所述的方法，其特征在于，所述根据所述相对参考系静止的目标的测量数据确定所述传感器的速度矢量，包括：
确定速度网格Wm的第一网格单元，其中，所述速度网格Wm包括多个网格单元，所述速度网格Wm的每个网格单元对应一个速度矢量，所述速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，所述速度网格Wm根据参考速度矢量以及所述速度网格Wm各个维度的分辨单元大小确定，所述参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，所述速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小，所述速度网格Wm的第一网格单元根据所述速度网格Wm中网格单元的权重确定，所述速度网格Wm的网格单元的权重根据最新确定的相对参考系静止的目标的测量数据确定，所述最新确定的相对参考系静止的目标的测量数据是根据速度网格Wm-1的第一网格单元对应的速度矢量确定的，其中m＝1,2,…,M，M为整数；
确定所述速度网格WM的第一网格单元对应的速度矢量为所述传感器的速度矢量。
11.根据权利要求9所述的方法，其特征在于，根据以下测量方程确定所述传感器的速度矢量
其中，所述
为第k个相对参考系静止的目标的径向速度测量值，所述
为径向速度测量误差，所述vs为所述传感器的速度矢量，所述vs为2维矢量，所述hk＝[cosθk sinθk]；或者，所述vs为3维矢量，所述
其中，所述θk为第k个相对参考系静止的目标的方位角测量值，所述
为第k个相对参考系静止的目标的俯仰角测量值。
12.根据权利要求11所述的方法，其特征在于，根据所述测量方程确定传感器的速度矢量，包括：
根据所述测量方程，基于最小二乘方法和/或序贯分块滤波得到所述传感器的速度矢量。
13.一种运动状态确定装置，其特征在于，所述运动状态确定装置包括：
第一处理模块，用于根据来自传感器的测量数据确定速度网格W1中网格单元的权重，其中，所述速度网格W1包含多个网格单元，所述多个网格单元中的每个网格单元对应一个速度矢量，每个所述速度矢量包括至少一个速度分量，所述测量数据包括速度测量值，所述速度网格W1是根据分辨单元大小以及参考速度矢量中的至少一个确定的，所述速度网格W1还根据分辨单元数量、速度分量的最小速度以及速度分量的速度范围中的至少一个确定，所述参考速度矢量为所述速度网格W1中指定位置的网格单元对应的速度矢量或者所述参考速度矢量为所述速度网格W1中指定位置的两个或者多个网格单元对应的速度矢量之间的速度矢量；
第二处理模块，用于根据所述网格单元的权重确定所述传感器的运动状态，所述传感器的运动状态包括所述传感器的速度矢量，所述传感器的速度矢量包括至少一个速度分量。
14.根据权利要求13所述的运动状态确定装置，其特征在于，所述第二处理模块根据所述网格单元的权重确定所述传感器的运动状态的方式具体为：
根据所述速度网格W1的第一网格单元确定所述传感器的运动状态，所述速度网格W1的第一网格单元为所述速度网格W1中权重最大的网格单元，或者，所述速度网格W1的第一网格单元为所述速度网格W1中权重最大的网格单元的邻域中与参考速度矢量最接近的网格单元，或者，所述速度网格W1的第一网格单元为所述速度网格W1的多个极大权重网格单元中对应的速度矢量与一个参考速度矢量最接近的网格单元。
15.根据权利要求13或14所述的运动状态确定装置，其特征在于，所述第一处理模块根据来自传感器的测量数据确定速度网格W1中网格单元的权重的方式具体为：
根据第n个测量数据确定第二网格单元(i，j)，并根据加权增量或者加权因子对所述第二网格单元(i，j)进行加权，其中，所述第二网格单元(i，j)对应的速度矢量满足
根据第n个测量数据确定第二网格单元(i，j，k)，并根据加权增量或者加权因子对所述第二网格单元(i，j，k)进行加权，其中，所述第二网格单元(i，j，k)对应的速度矢量满足
其中，所述θn为第n个测量数据包括的方位角测量值，所述
为第n个测量数据包括的俯仰角测量值，所述
为第n个测量数据包括的径向速度测量值，所述vx(i)为所述第二网格单元对应的速度矢量在x轴的分量，所述vy(j)为所述第二网格单元对应的速度矢量在y轴的分量，所述vz(k)为所述第二网格单元的速度矢量在z轴的分量，所述T1和所述T2为非负门限值。
16.根据权利要求15所述的运动状态确定装置，其特征在于，所述速度网格W1中的网格单元的加权增量或者加权因子为预设值，或者，所述速度网格W1中的网格单元的加权增量或者加权因子为根据第n个测量数据确定的值，或者，所述速度网格W1中的网格单元的加权增量或者加权因子为根据所述第n个测量数据、预设目标类型对应的散射面积的分布确定的值。
17.根据权利要求14所述的运动状态确定装置，其特征在于，所述速度网格W1的第一网格单元为所述速度网格W1中权重最大的网格单元；
所述速度网格W1中具有多个权重最大的网格单元时，所述速度网格W1的第一网格单元为所述多个权重最大的网格单元中对应的速度矢量最大的网格单元；或者，
所述速度网格W1中具有多个权重最大的网格单元时，所述速度网格W1的第一网格单元为所述多个权重最大的网格单元中对应的速度矢量与参考速度矢量最接近的网格单元。
18.根据权利要求14所述的运动状态确定装置，其特征在于，所述第二处理模块根据所述速度网格W1的第一网格单元确定所述传感器的运动状态的方式具体为：
确定所述速度网格W1的第一网格单元对应的速度矢量为所述传感器的速度矢量。
19.根据权利要求14所述的运动状态确定装置，其特征在于，所述第二处理模块根据所述速度网格W1的第一网格单元确定所述传感器的运动状态的方式具体为：
确定速度网格Wm的第一网格单元，其中，所述速度网格Wm包括多个网格单元，所述速度网格Wm的每个网格单元对应一个速度矢量，所述速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，所述速度网格Wm根据参考速度矢量以及所述速度网格Wm各个维度的分辨单元大小确定，所述参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，所述速度网格Wm的分辨单元大小小于或等于速度网格Wm-1的分辨单元大小，所述速度网格Wm的第一网格单元根据所述速度网格Wm中网格单元的权重确定，所述速度网格Wm的网格单元的权重根据所述传感器的测量数据确定，其中m＝1,2,…,M，M为整数；
确定所述速度网格WM的第一网格单元对应的速度矢量为所述传感器的速度矢量。
20.根据权利要求13或14所述的运动状态确定装置，其特征在于，所述运动状态确定装置还包括：
第三处理模块，用于根据所述传感器的速度矢量从所述测量数据中确定相对参考系静止的目标的测量数据。
21.根据权利要求14所述的运动状态确定装置，其特征在于，所述第二处理模块根据所述速度网格W1的第一网格单元确定所述传感器的运动状态的方式具体为：
根据所述速度网格W1的第一网格单元对应的速度矢量从所述测量数据中确定相对参考系静止的目标的测量数据；
根据所述相对参考系静止的目标的测量数据确定所述传感器的速度矢量。
22.根据权利要求21所述的运动状态确定装置，其特征在于，所述第二处理模块根据所述相对参考系静止的目标的测量数据确定所述传感器的速度矢量的方式具体为：
确定速度网格Wm的第一网格单元，其中，所述速度网格Wm包括多个网格单元，所述速度网格Wm的每个网格单元对应一个速度矢量，所述速度网格Wm的每个网格单元对应的速度矢量包括至少一个速度分量，所述速度网格Wm根据参考速度矢量以及所述速度网格Wm各个维度的分辨单元大小确定，所述参考速度矢量为速度网格Wm-1的第一网格单元对应的速度矢量，所述速度网格Wm的分辨单元大小小于或者等于速度网格Wm-1的分辨单元大小，所述速度网格Wm的第一网格单元根据所述速度网格Wm中网格单元的权重确定，所述速度网格Wm的网格单元的权重根据最新确定的相对参考系静止的目标的测量数据确定，所述最新确定的相对参考系静止的目标的测量数据是根据速度网格Wm-1的第一网格单元对应的速度矢量确定的，其中m＝1,2,…,M，M为整数；
确定所述速度网格WM的第一网格单元对应的速度矢量为所述传感器的速度矢量。
23.根据权利要求21所述的运动状态确定装置，其特征在于，所述第二处理模块根据以下测量方程确定所述传感器的速度矢量
其中，所述
为第k个相对参考系静止的目标的径向速度测量值，所述
为径向速度测量误差，所述vs为所述传感器的速度矢量，所述vs为2维矢量，所述hk＝[cosθk sinθk]；或者，所述vs为3维矢量，所述
所述θk为第k个相对参考系静止的目标的方位角测量值，所述
为第k个相对参考系静止的目标的俯仰角测量值。
24.根据权利要求23所述的运动状态确定装置，其特征在于，所述第二处理模块根据所述测量方程确定传感器的速度矢量的方式具体为：
根据所述测量方程，基于最小二乘方法和/或序贯分块滤波得到所述传感器的速度矢量。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910493764.1A CN112050829B (zh) | 2019-06-06 | 2019-06-06 | 一种运动状态确定方法及装置 |
| PCT/CN2020/094020 WO2020244521A1 (zh) | 2019-06-06 | 2020-06-02 | 一种运动状态确定方法及装置 |
| EP20817880.6A EP3964794A4 (en) | 2019-06-06 | 2020-06-02 | METHOD AND DEVICE FOR MOTION STATE DETERMINATION |
| US17/542,991 US20220091252A1 (en) | 2019-06-06 | 2021-12-06 | Motion state determining method and apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910493764.1A CN112050829B (zh) | 2019-06-06 | 2019-06-06 | 一种运动状态确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112050829A CN112050829A (zh) | 2020-12-08 |
| CN112050829B true CN112050829B (zh) | 2023-04-07 |
Family
ID=73609626
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910493764.1A Active CN112050829B (zh) | 2019-06-06 | 2019-06-06 | 一种运动状态确定方法及装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20220091252A1 (zh) |
| EP (1) | EP3964794A4 (zh) |
| CN (1) | CN112050829B (zh) |
| WO (1) | WO2020244521A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102019132363A1 (de) * | 2019-11-28 | 2021-06-02 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Betreiben einer Umgebungserfassungsvorrichtung mit einer gridbasierten Auswertung und mit einer Fusionierung, sowie Umgebungserfassungsvorrichtung |
| CN111624572B (zh) * | 2020-05-26 | 2023-07-18 | 京东方科技集团股份有限公司 | 一种人体手部与人体手势识别的方法及装置 |
Family Cites Families (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07307890A (ja) * | 1992-06-09 | 1995-11-21 | Takahiro Nakamura | 移動ベクトル検出機能付き撮像装置 |
| US5565871A (en) * | 1995-02-10 | 1996-10-15 | Applied Concepts Inc. | Police traffic radar for allowing manual rejection of incorrect patrol speed display |
| US6148269A (en) * | 1998-07-20 | 2000-11-14 | General Electric Company | Wheel diameter calibration system for vehicle slip/slide control |
| DE19928082C2 (de) * | 1999-06-11 | 2001-11-29 | Ddg Ges Fuer Verkehrsdaten Mbh | Filterungsverfahren zur Bestimmung von Reisegeschwindigkeiten bzw. -zeiten und Domänen-Restgeschwindigkeiten |
| US6438491B1 (en) * | 1999-08-06 | 2002-08-20 | Telanon, Inc. | Methods and apparatus for stationary object detection |
| US6661370B2 (en) * | 2001-12-11 | 2003-12-09 | Fujitsu Ten Limited | Radar data processing apparatus and data processing method |
| US8013781B2 (en) * | 2008-09-24 | 2011-09-06 | Lockheed Martin Corporation | Method and apparatus for radar surveillance and detection of sea targets |
| US8044851B2 (en) * | 2009-04-17 | 2011-10-25 | Mstar Semiconductor, Inc. | Method for suppressing multipath errors in a satellite navigation receiver |
| JP2011220844A (ja) * | 2010-04-09 | 2011-11-04 | Seiko Epson Corp | 位置算出方法及び位置算出装置 |
| JP5206752B2 (ja) * | 2010-08-30 | 2013-06-12 | 株式会社デンソー | 走行環境認識装置 |
| KR101171593B1 (ko) * | 2010-11-08 | 2012-08-07 | 아주대학교산학협력단 | 3차원 가속도 센서를 이용한 실시간 칼로리 계산방법 |
| CN103837157A (zh) * | 2014-03-26 | 2014-06-04 | 向杰 | 一种运动测量方法及装置 |
| JP6413457B2 (ja) * | 2014-08-08 | 2018-10-31 | 株式会社デンソー | 降水判定装置 |
| JP6425130B2 (ja) * | 2014-12-18 | 2018-11-21 | パナソニックＩｐマネジメント株式会社 | レーダ装置及びレーダ状態推定方法 |
| US9939524B2 (en) * | 2015-02-04 | 2018-04-10 | Honeywell International Inc. | Systems and methods for measuring velocity with a radar altimeter |
| CN104684041B (zh) * | 2015-02-06 | 2018-01-12 | 中国科学院上海微系统与信息技术研究所 | 一种支持大规模节点应用的实时无线传感网路由方法 |
| US9817109B2 (en) * | 2015-02-27 | 2017-11-14 | Texas Instruments Incorporated | Gesture recognition using frequency modulated continuous wave (FMCW) radar with low angle resolution |
| EP3093686B1 (en) * | 2015-05-14 | 2018-04-11 | STMicroelectronics Srl | Hardware accelerator, corresponding apparatus and method, for instance for anti-collision systems for motor vehicles |
| CN106569260B (zh) * | 2015-10-10 | 2019-01-08 | 中国石油化工股份有限公司 | 针对高陡构造地区二维地震变速空校成图方法 |
| DE102015222884A1 (de) * | 2015-11-19 | 2017-05-24 | Conti Temic Microelectronic Gmbh | Radarsystem mit verschachtelt seriellem Senden und parallelem Empfangen |
| JP6239664B2 (ja) * | 2016-03-16 | 2017-11-29 | 株式会社デンソーアイティーラボラトリ | 周辺環境推定装置及び周辺環境推定方法 |
| JP6778873B2 (ja) * | 2016-08-10 | 2020-11-04 | パナソニックＩｐマネジメント株式会社 | レーダ設置角度算出装置、レーダ装置およびレーダ設置角度算出方法 |
| US10481243B2 (en) * | 2016-10-31 | 2019-11-19 | Aptiv Technologies Limited | Automated vehicle radar system with self-calibration |
| WO2018154367A1 (en) * | 2017-02-23 | 2018-08-30 | Kpit Technologies Limited | System and method for target track management of an autonomous vehicle |
| US11255959B2 (en) * | 2017-06-02 | 2022-02-22 | Sony Corporation | Apparatus, method and computer program for computer vision |
| CN107289951B (zh) * | 2017-07-31 | 2020-05-12 | 电子科技大学 | 一种基于惯性导航的室内移动机器人定位方法 |
| CN107421537B (zh) * | 2017-09-14 | 2020-07-17 | 桂林电子科技大学 | 基于惯性传感器刚体网格的物体运动姿态感知方法和系统 |
| US11204647B2 (en) * | 2017-09-19 | 2021-12-21 | Texas Instruments Incorporated | System and method for radar gesture recognition |
| US11392668B2 (en) * | 2017-09-30 | 2022-07-19 | Huawei Technologies Co., Ltd. | Attitude matrix calculation method and device |
| EP3710852A1 (en) * | 2017-11-13 | 2020-09-23 | Robin Radar Facilities BV | Radar based system and method for detection of an object and generation of plots holding radial velocity data, and system for detection and classification of unmanned aerial vehicles, uavs |
| DE102018201570A1 (de) * | 2018-02-01 | 2019-08-01 | Robert Bosch Gmbh | Multiple-Target-Object-Tracking-Verfahren, Vorrichtung und Computerprogramm zum Durchführen eines Multiple-Target-Object-Tracking für bewegliche Objekte |
| US10404261B1 (en) * | 2018-06-01 | 2019-09-03 | Yekutiel Josefsberg | Radar target detection system for autonomous vehicles with ultra low phase noise frequency synthesizer |
| US10754032B2 (en) * | 2018-06-21 | 2020-08-25 | Intel Corporation | Perception device |
| CN108761514A (zh) * | 2018-08-03 | 2018-11-06 | 北斗国信智能科技（北京）有限公司 | 一种融合北斗或gps和传感器的定位系统及定位方法 |
| JP7139794B2 (ja) * | 2018-08-31 | 2022-09-21 | 株式会社デンソー | スケールファクタ学習装置、スケールファクタ学習プログラムおよび記憶媒体 |
| US11422253B2 (en) * | 2018-11-19 | 2022-08-23 | Tdk Corportation | Method and system for positioning using tightly coupled radar, motion sensors and map information |
| US11155258B2 (en) * | 2019-03-25 | 2021-10-26 | GM Global Technology Operations LLC | System and method for radar cross traffic tracking and maneuver risk estimation |
-
2019
- 2019-06-06 CN CN201910493764.1A patent/CN112050829B/zh active Active
-
2020
- 2020-06-02 WO PCT/CN2020/094020 patent/WO2020244521A1/zh unknown
- 2020-06-02 EP EP20817880.6A patent/EP3964794A4/en not_active Withdrawn
-
2021
- 2021-12-06 US US17/542,991 patent/US20220091252A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP3964794A4 (en) | 2022-07-13 |
| US20220091252A1 (en) | 2022-03-24 |
| CN112050829A (zh) | 2020-12-08 |
| EP3964794A1 (en) | 2022-03-09 |
| WO2020244521A1 (zh) | 2020-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200216076A1 (en) | Method for determining the location of an ego-vehicle | |
| US11525682B2 (en) | Host vehicle position estimation device | |
| CN107274721B (zh) | 一种智能交通系统中多车辆协作定位方法 | |
| CN110889808A (zh) | 一种定位的方法、装置、设备及存储介质 | |
| CN112051575B (zh) | 一种毫米波雷达与激光雷达的调整方法及相关装置 | |
| US20220091252A1 (en) | Motion state determining method and apparatus | |
| WO2022174392A1 (zh) | 定位方法和装置 | |
| CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
| US20240152159A1 (en) | Devices, systems and methods for navigating a mobile platform | |
| Rabe et al. | Ego-lane estimation for downtown lane-level navigation | |
| CN112799079B (zh) | 一种数据关联方法及装置 | |
| CN112639524B (zh) | 一种目标检测方法及装置 | |
| CN113591890A (zh) | 一种聚类的方法和装置 | |
| US20220089166A1 (en) | Motion state estimation method and apparatus | |
| CN113470342B (zh) | 一种自运动估计的方法及装置 | |
| US10330769B1 (en) | Method and apparatus for geolocating emitters in a multi-emitter environment | |
| CN106885567A (zh) | 一种惯导协作定位方法及定位设备 | |
| CN111123323B (zh) | 一种提高便携设备定位精度的方法 | |
| EP3654065B1 (en) | Apparatus and method for characterizing an object based on measurement samples from one or more location sensors | |
| CN113591891A (zh) | 一种聚类的方法和装置 | |
| CN112737644A (zh) | 无人机蜂群的自定位方法及装置 | |
| CN114076946A (zh) | 一种运动估计方法及装置 | |
| Hao et al. | Data map characteristic in aided navigation | |
| KR20240080778A (ko) | 레이더를 이용한 무인 이동체의 속도 추정 | |
| US10896326B2 (en) | Triangulation method for determining target position |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |