CN112130188B - 车辆定位方法、设备及云服务器 - Google Patents

车辆定位方法、设备及云服务器 Download PDF

Info

Publication number
CN112130188B
CN112130188B CN202011323830.XA CN202011323830A CN112130188B CN 112130188 B CN112130188 B CN 112130188B CN 202011323830 A CN202011323830 A CN 202011323830A CN 112130188 B CN112130188 B CN 112130188B
Authority
CN
China
Prior art keywords
vehicle
data
accelerometer
gyroscope
output data
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
Application number
CN202011323830.XA
Other languages
English (en)
Other versions
CN112130188A (zh
Inventor
贾双成
费再慧
朱磊
李成军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mushroom Car Union Information Technology Co Ltd
Original Assignee
Mushroom Car Union Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mushroom Car Union Information Technology Co Ltd filed Critical Mushroom Car Union Information Technology Co Ltd
Priority to CN202011323830.XA priority Critical patent/CN112130188B/zh
Publication of CN112130188A publication Critical patent/CN112130188A/zh
Application granted granted Critical
Publication of CN112130188B publication Critical patent/CN112130188B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • 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
    • 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
    • G01C21/18—Stabilised platforms, e.g. by gyroscope

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本申请是关于一种车辆定位方法、设备及云服务器。所述方法包括：接收车载智能设备上传的车辆参数，其中，所述车辆参数包括：卫星定位数据、所述车辆行驶过程中的姿态数据，其中，所述姿态数据包括所述车载智能设备的加速度计的动态输出数据和所述车载智能设备的陀螺仪的动态输出数据；根据所述卫星定位数据确定所述车辆的初始位姿数据；根据所述车辆行驶过程中的姿态数据和所述初始位姿数据，生成所述车辆的定位数据。本申请提供的方案，能够持续提供车辆的高精度的定位数据。

Description

车辆定位方法、设备及云服务器
技术领域
本申请涉及导航技术领域，尤其涉及一种车辆定位方法、设备及云服务器。
背景技术
网络定位是指通过特定的定位技术来获取载体的位置信息，并进行标注的技术或服务。在一种基于GPS模块的网络定位方式中，利用载体上的GPS 模块将载体的位置参考信号发送到定位后台来实现定位。
基于GPS模块的网络定位方式具有性能好、精度高、应用广的特点。但在某些场景下，例如桥下，涵洞，隧道，密集楼宇之间等定位信号不好的位置，相关技术的基于GPS模块的网络定位方式的定位偏差很大，甚至无法提供定位结果，无法持续提供高精度的网络定位。
发明内容
为克服相关技术中存在的问题，本申请提供一种车辆定位方法、设备及云服务器，能够持续提供车辆的高精度的定位数据。
本申请第一方面提供一种车辆定位方法，所述方法包括：
接收车载智能设备上传的车辆参数，其中，所述车辆参数包括：卫星定位数据、所述车辆行驶过程中的姿态数据，其中，所述姿态数据包括所述车载智能设备的加速度计的动态输出数据和所述车载智能设备的陀螺仪的动态输出数据；
根据所述卫星定位数据确定所述车辆的初始位姿数据；
根据所述车辆行驶过程中的姿态数据和所述初始位姿数据，生成所述车辆的定位数据。
优选的，所述根据所述车辆行驶过程中的姿态数据和所述初始位姿数据，生成所述车辆的定位数据，包括：
获取加速度计标定参数值和陀螺仪标定参数值；
根据加速度计标定参数值和陀螺仪标定参数值分别对接收的所述加速度计的动态输出数据和所述陀螺仪的动态输出数据进行校正，分别获得加速度计动态校正数据和陀螺仪动态校正数据；
根据所述初始位姿数据、加速度计动态校正数据和陀螺仪动态校正数据，生成所述车辆的定位数据。
优选的，所述获取加速度计标定参数值和陀螺仪标定参数值，包括：
接收车载智能设备上传的所述车辆不同姿态时的加速度计静态输出数据和陀螺仪静态输出数据；
根据接收的加速度计静态输出数据、以及预存的第一标定模型，获得加速度计标定参数值；
利用所述加速度计标定参数值对接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据；
根据接收的陀螺仪静态输出数据、所述加速度计静态校正数据、以及预存的第二标定模型，获得陀螺仪标定参数值。
优选的，所述根据接收的陀螺仪静态输出数据、所述加速度计静态校正数据、以及预存的第二标定模型，获得陀螺仪标定参数值，包括：
根据接收的陀螺仪静态输出数据、以及预存的第二标定模型，采用Allan方差计算获得所述陀螺仪标定参数值的零偏；
根据接收的陀螺仪静态输出数据、所述加速度计静态校正数据、以及预存的第二标定模型，采用优化方式计算获得所述陀螺仪标定参数值的刻度因数和安装误差。
优选的，所述方法还包括:向所述车载智能设备发送所述车辆的定位数据。
本申请第二方面提供另一种车辆定位方法，所述方法包括：
通过车载智能设备采集车辆参数，其中，所述车辆参数包括：卫星定位数据、所述车辆行驶过程中的姿态数据，其中，所述姿态数据包括所述车载智能设备的加速度计的动态输出数据和所述车载智能设备的陀螺仪的动态输出数据；
将所述车辆参数上传至云服务器；
接收所述云服务器根据所述车辆行驶过程中的姿态数据和初始位姿数据生成的所述车辆的定位数据，其中，所述初始位姿数据根据所述卫星定位数据确定。
本申请第三方面提供一种车载智能设备，所述车载智能设备包括：
采集单元，用于通过车载智能设备采集车辆参数，其中，所述车辆参数包括：卫星定位数据、所述车辆行驶过程中的姿态数据，其中，所述姿态数据包括所述车载智能设备的加速度计的动态输出数据和所述车载智能设备的陀螺仪的动态输出数据；
上传单元，将所述采集单元采集的车辆参数上传至云服务器；
第一接收单元，用于接收所述云服务器根据所述上传单元上传的车辆行驶过程中的姿态数据和初始位姿数据生成的所述车辆的定位数据，其中，所述初始位姿数据根据所述卫星定位数据确定。
本申请第四方面提供一种云服务器，所述云服务器包括：
第二接收单元，用于接收车载智能设备上传的车辆参数，其中，所述车辆参数包括：卫星定位数据、所述车辆行驶过程中的姿态数据，其中，所述姿态数据包括所述车载智能设备的加速度计的动态输出数据和所述车载智能设备的陀螺仪的动态输出数据；
初始位姿获取单元，用于根据所述第二接收单元接收的卫星定位数据确定所述车辆的初始位姿数据；
定位单元，用于根据所述第二接收单元接收的所述车辆行驶过程中的姿态数据和所述初始位姿获取单元确定的初始位姿数据，生成所述车辆的定位数据。
优选的，所述云服务器还包括参数获取单元、校正单元；
所述参数获取单元，用于获取加速度计标定参数值和陀螺仪标定参数值；
所述校正单元，用于根据所述参数获取单元获取的加速度计标定参数值和陀螺仪标定参数值分别对所述第二接收单元接收的所述加速度计的动态输出数据和所述陀螺仪的动态输出数据进行校正，分别获得加速度计动态校正数据和陀螺仪动态校正数据；
所述定位单元，还用于根据所述初始位姿获取单元确定的初始位姿数据、所述校正单元获得的加速度计动态校正数据和陀螺仪动态校正数据，生成所述车辆的定位数据。
优选的，所述云服务器还包括发送单元；
所述发送单元，用于向所述车载智能设备发送所述定位单元生成的所述车辆的定位数据。
本申请第五方面提供一种电子设备，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
本申请第六方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果：
本申请实施例示出的车辆定位方法，合理利用车载智能设备的卫星定位模块、加速度计和陀螺仪的功能，在卫星定位模块信号不好网络定位无效时，能够利用惯性测量单元的加速度计的动态输出数据和陀螺仪的动态输出数据对所述车辆进行网络定位，能够持续提供所述车辆的高精度的定位数据。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本申请一实施例的车辆定位方法的流程示意图；
图2是本申请另一实施例的车辆定位方法的流程示意图；
图3是本申请另一实施例的车辆定位方法的流程示意图；
图4是本申请一实施例的车载智能设备的结构示意图；
图5是本申请一实施例的云服务器的结构示意图；
图6是本申请另一实施例的云服务器的结构示意图；
图7是本申请一实施例的车辆定位系统的结构示意图；
图8是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
本申请实施例提供一种车辆定位方法，能够持续提供车辆的高精度的定位数据。
以下结合附图详细描述本申请实施例的技术方案。
实施例一：
图1是本申请一实施例的车辆定位方法的流程示意图。
参见图1，一种车辆定位方法，包括：
在步骤101中，接收车载智能设备上传的车辆参数，其中，车辆参数包括：卫星定位数据、车辆行驶过程的中的姿态数据，其中，姿态数据包括车载智能设备的加速度计的动态输出数据和车载智能设备的陀螺仪的动态输出数据。
在一实施例中，车辆装载有车载智能设备，车载智能设备包括惯性测量单元和卫星定位模块。卫星定位模块可以用于测得车辆的卫星定位数据，惯性测量单元包括加速度计和陀螺仪，可以分别用于测量车辆的角速度和加速度，并以此估计出车辆的轨迹，获得车辆的定位数据。卫星定位模块例如可以是但不限于GPS（Global Positioning System，全球定位系统）模块。
在一实施例中，可以将惯性测量单元设置于车辆内的车载智能设备内，也可以设置于车载智能设备外，但都与车载智能设备之间可以进行通信交互。车载智能设备分别获取车辆行驶过程的加速度计的动态输出数据和陀螺仪的动态输出数据，将加速度计的动态输出数据和陀螺仪的动态输出数据上传。
在一实施例中，可以将卫星定位模块设置于车辆内的车载智能设备内，也可以设置于车载智能设备外，但都与车载智能设备之间可以进行通信交互。车载智能设备可以获取卫星定位模块信号良好时的卫星定位数据，将卫星定位数据上传。
在步骤102中，根据卫星定位数据确定车辆的初始位姿数据。
在一实施例中，卫星定位数据可以是GPS模块测得的车辆的地理位置信息，车辆的地理位置信息可以包括车辆的位置、车辆的速度、车辆的姿态，通过地理位置信息获得车辆的位置变化和姿态变化，确定车辆在待估计轨迹段的初始位姿数据，初始位姿数据包括起点位置
Figure 151019DEST_PATH_IMAGE001
、起点速度
Figure 590091DEST_PATH_IMAGE002
和起点航向角
Figure 131931DEST_PATH_IMAGE003
。
在一具体实施方式中，车辆装载的GPS模块测得的车辆的地理位置信息包括车辆的经度信息、纬度信息、东向速度信息和北向速度信息。可以根据GPS模块测得的地理位置信息确定车辆的位置、速度、姿态。
在步骤103中，根据车辆行驶过程中的姿态数据和初始位姿数据，生成车辆的定位数据。
在一实施例中，车辆的定位数据可以包括车辆的位置、速度、航向角。
在一具体实施方式中，车辆行驶的过程中，车辆的运动可视为二维平面上的运动。可以根据车辆的起点位置
Figure 631045DEST_PATH_IMAGE001
、起点速度
Figure 258335DEST_PATH_IMAGE004
和起点航向角
Figure 501098DEST_PATH_IMAGE003
，加速度计的动态输出数据和陀螺仪的动态输出数据，计算车辆的行驶距离和航向角度的变化，即可以推算出车辆的运动轨迹数据，生成车辆的定位数据。运动轨迹数据包括不同时刻i对应的各轨迹点的位姿数据，包括车辆的位置
Figure 163023DEST_PATH_IMAGE005
，速度
Figure 833039DEST_PATH_IMAGE006
，航向角
Figure 682046DEST_PATH_IMAGE007
。
可以采用以下公式进行轨迹点位姿数据的推算：
Figure 728500DEST_PATH_IMAGE008
式中，
Figure 244932DEST_PATH_IMAGE009
为前一时刻i-1的轨迹点与后一时刻i的轨迹点之间的时间间隔，
Figure 85849DEST_PATH_IMAGE010
为加速度计在时刻i的动态输出数据，
Figure 156573DEST_PATH_IMAGE011
为陀螺仪在时刻i的动态输出数据。
在一实施例中，加速度计的动态输出数据可以是车辆行驶过程加速度计测得的加速度，陀螺仪的动态输出数据可以是车辆行驶过程陀螺仪测得的角速度。
本申请实施例示出的车辆定位方法，合理利用车载智能设备的卫星定位模块、加速度计和陀螺仪的功能，在卫星定位模块信号不好网络定位无效时，能够利用惯性测量单元的加速度计的动态输出数据和陀螺仪的动态输出数据对车辆进行网络定位，能够持续提供车辆的高精度的定位数据。
实施例二：
图2是本申请另一实施例的车辆定位方法的流程示意图。图2相对于图1更详细描述了本申请方案。
参见图2，一种车辆定位方法，包括：
在步骤201中，接收车载智能设备上传的车辆不同姿态时的加速度计静态输出数据和陀螺仪静态输出数据。
在一实施例中，接收车载智能设备上传车辆在不同位姿时，加速度计分别测得的加速度计静态输出数据和陀螺仪分别测得的陀螺仪静态输出数据。
在一具体实施方式中，将车辆停于平整路面，转动车辆使其保持不同位姿，不同位姿车辆保持30秒以上的静止状态，加速度计分别测得加速度计静态输出数据和陀螺仪分别测得陀螺仪静态输出数据。车辆可以分别转动不同角度，不同角度包括90度、180度、270度、360度，在车辆转动不同角度的不同位姿下，使车辆处于静止状态，静止状态时间在30秒以上，惯性测量单元至少重复3次采集加速度计静态输出数据和陀螺仪静态输出数据。
在一具体实施方式中，惯性测量单元的单个采样周期为
Figure 475559DEST_PATH_IMAGE012
，惯性测量单元在车辆处于不同位姿时保持静止状态的静置时间内至少获得加速度计测得的N个加速度计静态输出数据和陀螺仪测得的N个陀螺仪静态输出数据，N为大于等于50的整数。
在步骤202中，根据接收的加速度计静态输出数据、以及预存的第一标定模型，获得加速度计标定参数值。
在一实施例中，可以根据接收的车载智能设备上传的车辆不同姿态时的加速度计静态输出数据和陀螺仪静态输出数据，分别获取加速度计标定参数值和陀螺仪标定参数值。可以根据接收的加速度计静态输出数据获得加速度计标定参数值；利用加速度计标定参数值对加速度计静态输出数据进行校正，获得加速度计静态校正数据；根据加速度计静态校正数据、陀螺仪静态输出数据获得陀螺仪标定参数值。这样可以避免加速度计标定参数值和陀螺仪标定参数值在获得过程的相互影响，提高了加速度计标定参数值和陀螺仪标定参数值的准确性；同时，降低加速度计标定参数值和陀螺仪标定参数值获取的复杂度和计算量，提高加速度计标定参数值和陀螺仪标定参数值的获取效率。
在一具体实施方式中，加速度计标定参数值可以包括加速度计的零偏
Figure 846497DEST_PATH_IMAGE013
、刻度因数
Figure 872964DEST_PATH_IMAGE014
和安装误差
Figure 696564DEST_PATH_IMAGE015
，加速度计完整的误差模型可以表示为：
Figure 819241DEST_PATH_IMAGE016
式中，
Figure 310265DEST_PATH_IMAGE017
表示加速度计校正数据，
Figure 227405DEST_PATH_IMAGE018
表示加速度计测得的加速度计输出数据，
Figure 272722DEST_PATH_IMAGE019
表示加速度计测量噪声，在获取加速度计静态输出数据时可以取一个时间段内的平均值，因此，在计算过程忽略不考虑加速度计测量噪声。加速度计的误差模型可以表示为：
Figure 199089DEST_PATH_IMAGE020
在一具体实施方式中，惯性测量单元静态下由于只受重力的影响，加速度计三个轴上的静态输出数据的归一化值在理论上应等于重力加速度值。因此，预存的用于获得加速度计标定参数值的第一标定模型可以表示为：
Figure 544620DEST_PATH_IMAGE021
式中，
Figure 632662DEST_PATH_IMAGE022
是当地的重力加速度，
Figure 430853DEST_PATH_IMAGE023
是车辆处于不同位姿静止状态的时刻k加速度计测得的加速度计静态输出数据，加速度计静态输出数据可以是加速度计静态输出的加速度，h为加速度计的归一化，
Figure 895333DEST_PATH_IMAGE024
是待求解的加速度计标定参数值。加速度计标定参数值可以包括加速度计的零偏
Figure 95370DEST_PATH_IMAGE013
、刻度因数
Figure 354313DEST_PATH_IMAGE014
和安装误差
Figure 639801DEST_PATH_IMAGE015
其中的至少一项。
比较车辆处于不同位姿时静止状态的加速度计静态输出数据的归一化值与重力加速度值，利用Levenberg-Marquardt算法，将加速度计测得的N个加速度计静态输出数据的N个归一化值代入第一标定模型，选取残差最小的一组参数值为加速度计标定参数值，加速度计标定参数值可以包括加速度计三个敏感轴的零偏
Figure 173550DEST_PATH_IMAGE013
、刻度因数
Figure 962515DEST_PATH_IMAGE014
和安装误差
Figure 657938DEST_PATH_IMAGE015
其中的至少一项。
在一实施例中，Levenberg-Marquardt法，也称作阻尼最小二乘法，结合了高斯牛顿法和梯度下降法的优点，拟合非线性函数的系数，利用最小二乘法，使得函数的均方误差最小。Levenberg-Marquardt法也可认为是采用了信赖域法的高斯牛顿法。
在步骤203中，利用加速度计标定参数值对接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据。
在一具体实施方式中，可以利用加速度计的误差模型：
Figure 165143DEST_PATH_IMAGE020
、加速度计标定参数值对接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据。
在步骤204中，根据接收的陀螺仪静态输出数据、加速度计静态校正数据、以及预存的第二标定模型，获得陀螺仪标定参数值。
在一具体实施方式中，陀螺仪标定参数值可以包括陀螺仪的零偏
Figure 237004DEST_PATH_IMAGE025
、刻度因数
Figure 880475DEST_PATH_IMAGE026
和安装误差
Figure 12379DEST_PATH_IMAGE027
其中的至少一项。可以根据接收的陀螺仪静态输出数据、以及预存的用于获得陀螺仪标定参数值的第二标定模型，采用Allan方差计算获得陀螺仪的零偏。具体为：
陀螺仪输出速率
Figure 9810DEST_PATH_IMAGE028
可表示为：
Figure 885362DEST_PATH_IMAGE029
式中，
Figure 383339DEST_PATH_IMAGE030
、
Figure 686145DEST_PATH_IMAGE031
分别为
Figure 902362DEST_PATH_IMAGE032
、
Figure 316026DEST_PATH_IMAGE033
时刻陀螺仪的输出角度，
Figure 934089DEST_PATH_IMAGE012
为
Figure 407796DEST_PATH_IMAGE034
、
Figure 376889DEST_PATH_IMAGE033
时刻时间间隔，也即是单个采样周期，可以表示为
Figure 328665DEST_PATH_IMAGE035
。
Allan方差
Figure 801234DEST_PATH_IMAGE036
可按下式估算：
Figure 445842DEST_PATH_IMAGE037
式中，
Figure 636652DEST_PATH_IMAGE038
，
Figure 392118DEST_PATH_IMAGE039
为采样频率，把N个采样值
Figure 250353DEST_PATH_IMAGE040
分成指定长度M的序列号，计算出每串的平均值
Figure 534704DEST_PATH_IMAGE041
，k=1、2、3……K，K=N/M，即可计算获得Allan方差。
可以采用计算获得的Allan方差
Figure 478389DEST_PATH_IMAGE036
，根据以下用于获得陀螺仪标定参数值的零偏
Figure 771967DEST_PATH_IMAGE025
的第二标定模型计算陀螺仪三个敏感轴的零偏
Figure 484708DEST_PATH_IMAGE025
。
第二标定模型：
Figure 205540DEST_PATH_IMAGE042
在一具体实施方式中，可以根据接收的陀螺仪静态输出数据、加速度计静态校正数据、以及预存的用于获得陀螺仪标定参数值的第二标定模型，采用优化方式计算获得陀螺仪标定参数值的刻度因数
Figure 373871DEST_PATH_IMAGE026
和安装误差
Figure 471140DEST_PATH_IMAGE027
。具体为：
由加速度计静态校正数据得到一个时刻k-1的加速度向量
Figure 38388DEST_PATH_IMAGE043
，在陀螺仪测得的N个陀螺仪静态输出数据
Figure 195700DEST_PATH_IMAGE044
中，通过积分陀螺仪k-1时刻和k时刻的陀螺仪静态输出数据得到k时刻的重力向量
Figure 582819DEST_PATH_IMAGE045
，陀螺仪静态输出数据可以是陀螺仪测得的角速度，定义运算符
Figure 218199DEST_PATH_IMAGE046
，则：
Figure 905533DEST_PATH_IMAGE047
式中，
Figure 233746DEST_PATH_IMAGE046
可以是通过积分输入角速度来计算最终方向的任何积分算法。
陀螺仪任意转动，积分得到的角度和加速度计静态校正数据求得的角度比较，得到用于获得陀螺仪标定参数值的刻度因数
Figure 373740DEST_PATH_IMAGE026
和安装误差
Figure 547233DEST_PATH_IMAGE027
的第二标定模型：
Figure 89072DEST_PATH_IMAGE048
式中，
Figure 322608DEST_PATH_IMAGE049
表示陀螺仪校正数据，
Figure 949898DEST_PATH_IMAGE050
表示陀螺仪测得的陀螺仪静态输出数据，
Figure 927081DEST_PATH_IMAGE025
表示陀螺仪的零偏，
Figure 323428DEST_PATH_IMAGE026
表示陀螺仪的刻度因数，
Figure 993443DEST_PATH_IMAGE027
表示陀螺仪的安装误差，
Figure 842451DEST_PATH_IMAGE051
是由加速度计静态校正数据得到的时刻k的实际的重力向量。利用Levenberg-Marquardt算法，将N个不同时刻的加速度计静态校正数据得到的实际的重力向量和通过积分陀螺仪N个不同时刻的陀螺仪静态输出数据得到的重力向量代入标定模型，选取残差最小的一组参数值为陀螺仪的三个敏感轴的刻度因数
Figure 888904DEST_PATH_IMAGE026
和安装误差
Figure 874178DEST_PATH_IMAGE027
。
在步骤205中，接收车载智能设备上传的车辆参数，其中，车辆参数包括：卫星定位数据、车辆行驶过程中的姿态数据，其中，姿态数据包括车载智能设备的加速度计的动态输出数据和车载智能设备的陀螺仪的动态输出数据。
在一实施例中，车辆装载有车载智能设备，车载智能设备包括惯性测量单元和卫星定位模块。卫星定位模块可以用于测得车辆的卫星定位数据，惯性测量单元包括加速度计和陀螺仪，可以分别用于测量车辆的角速度和加速度，并以此估计出车辆的轨迹，生成车辆的定位数据。卫星定位模块例如可以是但不限于GPS（Global Positioning System，全球定位系统）模块。
在一实施例中，可以将惯性测量单元设置于车辆内的车载智能设备内，也可以设置于车载智能设备外，但都与车载智能设备之间可以进行通信交互。车载智能设备分别获取车辆行驶过程的加速度计的动态输出数据和陀螺仪的动态输出数据，将加速度计的动态输出数据和陀螺仪的动态输出数据上传。
在一实施例中，可以将卫星定位模块设置于车辆内的车载智能设备内，也可以设置于车载智能设备外，但都与车载智能设备之间可以进行通信交互。车载智能设备可以获取卫星定位模块信号良好时的卫星定位数据，将卫星定位数据上传。
在步骤206中，根据卫星定位数据确定车辆的初始位姿数据。
该步骤可以参见步骤102的描述，此处不再赘述。
在步骤207中，根据加速度计标定参数值和陀螺仪标定参数值分别对接收的加速度计的动态输出数据和陀螺仪的动态输出数据进行校正，分别获得加速度计动态校正数据和陀螺仪动态校正数据。
在一具体实施方式中，可以利用加速度计的误差模型：
Figure 449515DEST_PATH_IMAGE020
、加速度计标定参数值对接收的加速度计的动态输出数据进行校正，获得加速度计动态校正数据；可以利用陀螺仪的误差模型：
Figure 51398DEST_PATH_IMAGE052
、陀螺仪标定参数值对接收的陀螺仪的动态输出数据进行校正，获得陀螺仪动态校正数据。
在步骤208中，根据初始位姿数据、加速度计动态校正数据和陀螺仪动态校正数据，生成车辆的定位数据。
在一实施例中，车辆的定位数据可以包括车辆的位置、速度、航向角。
在一具体实施方式中，车辆行驶的过程中，车辆的运动可视为二维平面上的运动。可以根据车辆的起点位置
Figure 638893DEST_PATH_IMAGE001
、起点速度
Figure 9831DEST_PATH_IMAGE053
和起点航向角
Figure 756070DEST_PATH_IMAGE054
，加速度计动态校正数据和陀螺仪动态校正数据，计算车辆的行驶距离和航向角度的变化，即可以推算出车辆的运动轨迹数据，生成车辆的定位数据。运动轨迹数据包括不同时刻i对应的各轨迹点的位姿数据，包括车辆的位置
Figure 845249DEST_PATH_IMAGE055
，速度
Figure 702347DEST_PATH_IMAGE056
，航向角
Figure 662213DEST_PATH_IMAGE007
。
可以采用以下公式进行轨迹点位姿数据的推算：
Figure 110511DEST_PATH_IMAGE057
式中，
Figure 421407DEST_PATH_IMAGE009
为前一时刻i-1的轨迹点与后一时刻i的轨迹点之间的时间间隔，
Figure 82196DEST_PATH_IMAGE058
为加速度计在时刻i的加速度计动态校正数据，
Figure 427726DEST_PATH_IMAGE059
为陀螺仪在时刻i的陀螺仪动态校正数据。
在一实施例中，加速度计动态校正数据可以是车辆行驶过程加速度计测得的利用加速度计标定参数值校正后的加速度，陀螺仪动态校正数据可以是车辆行驶过程陀螺仪测得的利用陀螺仪标定参数值校正后的角速度。
在步骤209中，向车载智能设备发送车辆的定位数据。
在一实施例中，可以向车载智能设备发送车辆的定位数据，可以为车载智能设备在定位导航时提供实时精准的车辆的定位数据。
本申请实施例示出的车辆定位方法，合理利用车载智能设备的卫星定位模块、加速度计和陀螺仪的功能，在卫星定位模块信号不好网络定位无效时，能够利用惯性测量单元的加速度计的动态输出数据和陀螺仪的动态输出数据对车辆进行网络定位，能够持续提供车辆的高精度的定位数据。
进一步的，本申请实施例示出的车辆定位方法，实时获取加速度计标定参数值和陀螺仪标定参数值，分别对接收的加速度计的动态输出数据和陀螺仪的动态输出数据进行校正，根据初始位姿数据、加速度计动态校正数据和陀螺仪动态校正数据，生成车辆的定位数据，能够消除惯性测量单元的累积误差，能够保证持续提供的车辆的定位数据的精度。
实施例三：
图3是本申请另一实施例的车辆定位方法的流程示意图。
参见图3，一种车辆定位方法，包括：
在步骤301中，通过车载智能设备采集车辆参数，其中，车辆参数包括：卫星定位数据、车辆行驶过程中的姿态数据，其中，姿态数据包括车载智能设备的加速度计的动态输出数据和车载智能设备的陀螺仪的动态输出数据。
在一实施例中，车辆装载有车载智能设备，车载智能设备包括惯性测量单元和卫星定位模块。卫星定位模块可以用于测得车辆的卫星定位数据，惯性测量单元包括加速度计和陀螺仪，可以分别用于测量车辆的角速度和加速度，并以此估计出车辆的轨迹，生成车辆的定位数据。卫星定位模块例如可以是但不限于GPS（Global Positioning System，全球定位系统）模块。该步骤车载智能设备的具体设置和采集车辆参数的方法可以参见图1和图2的描述，此处不再赘述。
在步骤302中，将车辆参数上传至云服务器。
在一实施例中，在车载智能设备采集车辆的车辆参数后，将车辆参数上传至云服务器。
在步骤303中，接收云服务器根据车辆行驶过程中的姿态数据和初始位姿数据生成的车辆的定位数据，其中，初始位姿数据根据卫星定位数据确定。
在一实施例中，云服务器在接收到车载智能设备上传的车辆参数后，根据车辆参数生成车辆的定位数据，云服务器将车辆的定位数据发送至车载智能设备；车载智能设备接收云服务器根据车辆行驶过程中的车辆参数生成的车辆的定位数据。该步骤生成车辆的定位数据的具体方法可以参见图1和图2的描述，此处不再赘述。
与前述应用功能实现方法实施例相对应，本申请还提供了一种车载智能设备、云服务器、电子设备及相应的实施例。
实施例四：
图4是本申请一实施例的车载智能设备的结构示意图。
参见图4，一种车载智能设备40，该车载智能设备40包括采集单元401、上传单元402、第一接收单元403。
采集单元401，用于通过车载智能设备采集车辆参数，其中，车辆参数包括：卫星定位数据、车辆行驶过程中的姿态数据，其中，姿态数据包括车载智能设备的加速度计的动态输出数据和车载智能设备的陀螺仪的动态输出数据。
在一实施例中，车辆装载有车载智能设备，车载智能设备包括惯性测量单元和卫星定位模块。采集单元401可以通过卫星定位模块采集车辆的卫星定位数据，惯性测量单元包括加速度计和陀螺仪，采集单元401可以分别通过加速度计和陀螺仪采集车辆的角速度和加速度，并以此估计出车辆的轨迹，生成车辆的定位数据。卫星定位模块例如可以是但不限于GPS（Global Positioning System，全球定位系统）模块。本实施例的车载智能设备的具体设置和采集单元401采集车辆参数的功能可以参见图1和图2的描述，此处不再赘述。
上传单元402，将采集单元401采集的车辆参数上传至云服务器。
在一实施例中，在采集单元401通过车载智能设备采集车辆的车辆参数后，上传单元402将车辆参数上传至云服务器。
第一接收单元403，用于接收云服务器根据上传单元402上传的车辆行驶过程中的姿态数据和初始位姿数据生成的车辆的定位数据，其中，初始位姿数据根据卫星定位数据确定。
在一实施例中，云服务器在接收到上传单元402上传的车辆参数后，根据车辆参数生成车辆的定位数据，云服务器将车辆的定位数据发送至车载智能设备；第一接收单元403接收云服务器根据车辆行驶过程中的车辆参数生成的车辆的定位数据。云服务器生成车辆的定位数据的功能可以参见图5和图6的描述，此处不再赘述。
实施例五：
图5是本申请一实施例的云服务器的结构示意图。
参见图5，一种云服务器，该云服务器50包括第二接收单元501、初始位姿获取单元502、定位单元503。
第二接收单元501，用于接收车载智能设备上传的车辆参数，其中，车辆参数包括：卫星定位数据、车辆行驶过程中的姿态数据，其中，姿态数据包括车载智能设备的加速度计的动态输出数据和陀螺仪的动态输出数据。
在一实施例中，车辆装载有车载智能设备，车载智能设备包括惯性测量单元和卫星定位模块。卫星定位模块可以用于测得车辆的卫星定位数据，惯性测量单元包括加速度计和陀螺仪，可以分别用于测量车辆的角速度和加速度，并以此估计车辆的轨迹，生成车辆的定位数据。卫星定位模块例如可以是但不限于GPS（Global Positioning System，全球定位系统）模块。
在一实施例中，可以将惯性测量单元设置于车辆内的车载智能设备内，也可以设置于车载智能设备外，但都与车载智能设备之间可以进行通信交互。车载智能设备分别获取车辆行驶过程的加速度计的动态输出数据和陀螺仪的动态输出数据，将加速度计的动态输出数据和陀螺仪的动态输出数据上传，第二接收单元501接收车载智能设备上传的加速度计的动态输出数据和陀螺仪的动态输出数据。
在一实施例中，可以将卫星定位模块设置于车辆内的车载智能设备内，也可以设置于车载智能设备外，但都与车载智能设备之间可以进行通信交互。车载智能设备可以获取卫星定位模块信号良好时的卫星定位数据，将卫星定位数据上传，第二接收单元501接收车载智能设备上传的卫星定位数据。
初始位姿获取单元502，用于根据第二接收单元501接收的卫星定位数据，确定车辆的初始位姿数据，初始位姿数据包括起点位置、起点速度和起点航向角。
在一实施例中，卫星定位数据可以是GPS模块测得的车辆的地理位置信息，车辆的地理位置信息可以包括车辆的位置、车辆的速度、车辆的姿态，初始位姿获取单元502通过地理位置信息获得车辆的位置变化和姿态变化，确定车辆在待估计轨迹段的初始位姿数据，初始位姿数据包括起点位置
Figure 515768DEST_PATH_IMAGE001
、起点速度
Figure 313960DEST_PATH_IMAGE004
和起点航向角
Figure 778439DEST_PATH_IMAGE003
。
在一具体实施方式中，车辆装载的GPS模块测得的车辆的地理位置信息包括车辆的经度信息、纬度信息、东向速度信息和北向速度信息。初始位姿获取单元502可以根据GPS模块测得的地理位置信息获得车辆的位置、速度、姿态。
定位单元503，用于根据第二接收单元501接收的车辆行驶过程中的姿态数据和初始位姿获取单元502确定的初始位姿数据，生成车辆的定位数据。
在一实施例中，定位单元503生成的车辆的定位数据可以包括车辆的位置、速度、航向角。
在一具体实施方式中，车辆行驶的过程中，车辆的运动可视为二维平面上的运动。定位单元503可以根据初始位姿获取单元502确定的车辆的起点位置
Figure 978476DEST_PATH_IMAGE001
、起点速度
Figure 502998DEST_PATH_IMAGE060
和起点航向角
Figure 522907DEST_PATH_IMAGE003
、以及第二接收单元501接收的加速度计的动态输出数据和陀螺仪的动态输出数据，计算车辆的行驶距离和航向角度的变化，即可以推算出车辆的运动轨迹数据，生成车辆的定位数据。运动轨迹数据包括不同时刻i对应的各轨迹点的位姿数据，包括车辆的位置
Figure 791077DEST_PATH_IMAGE005
，速度
Figure 580042DEST_PATH_IMAGE006
，航向角
Figure 541045DEST_PATH_IMAGE007
。
定位单元503可以采用以下公式进行轨迹点位姿数据的推算：
Figure 313829DEST_PATH_IMAGE008
式中，
Figure 845742DEST_PATH_IMAGE009
为前一时刻i-1的轨迹点与后一时刻i的轨迹点之间的时间间隔，
Figure 20372DEST_PATH_IMAGE010
为加速度计在时刻i的动态输出数据，
Figure 621117DEST_PATH_IMAGE011
为陀螺仪在时刻i的动态输出数据。
在一实施例中，加速度计的动态输出数据可以是车辆行驶过程加速度计测得的加速度，陀螺仪的动态输出数据可以是车辆行驶过程陀螺仪测得的角速度。
本申请实施例示出的技术方案，合理利用车载智能设备的卫星定位模块、加速度计和陀螺仪的功能，在卫星定位模块信号不好网络定位无效时，能够利用惯性测量单元的加速度计的动态输出数据和陀螺仪的动态输出数据进行车辆的网络定位，能够持续提供车辆的高精度的定位数据。
实施例六：
图6是本申请另一实施例的云服务器的结构示意图。图6相对于图5更详细描述了本申请方案。
参见图6，一种云服务器，该云服务器50包括第二接收单元501、初始位姿获取单元502、定位单元503、参数获取单元601、校正单元602、发送单元603。
初始位姿获取单元502的功能可以参见图5所示。
第二接收单元501，用于接收车载智能设备上传的车辆不同姿态时的加速度计静态输出数据和陀螺仪静态输出数据。
在一实施例中，第二接收单元501接收车载智能设备上传车辆在不同位姿时，加速度计分别测得的加速度计静态输出数据和陀螺仪分别测得的陀螺仪静态输出数据。
在一具体实施方式中，将车辆停于平整路面，转动车辆使其保持不同位姿，不同位姿车辆保持30秒以上的静止状态，加速度计分别测得加速度计静态输出数据和陀螺仪分别测得陀螺仪静态输出数据。车辆可以分别转动不同角度，不同角度包括90度、180度、270度、360度，在车辆转动不同角度的不同位姿下，使车辆处于静止状态，静止状态时间在30秒以上，惯性测量单元至少重复3次采集加速度计静态输出数据和陀螺仪静态输出数据。
在一具体实施方式中，惯性测量单元的单个采样周期为
Figure 881197DEST_PATH_IMAGE012
，惯性测量单元在车辆处于不同位姿时保持静止状态的静置时间内至少获得加速度计测得的N个加速度计静态输出数据和陀螺仪测得的N个陀螺仪静态输出数据，N为大于等于50的整数。
参数获取单元601，用于获取加速度计标定参数值和陀螺仪标定参数值，参数获取单元601包括第一标定子单元6011、第二标定子单元6012；第一标定子单元6011，用于根据第二接收单元501接收的加速度计静态输出数据、以及预存的第一标定模型，获得加速度计标定参数值，加速度计标定参数值包括加速度计的零偏、刻度因数和安装误差其中的至少一项。
校正单元602，用于利用第一标定子单元6011获得的加速度计标定参数值对第二接收单元501接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据。
第二标定子单元6012，用于根据第二接收单元501接收的陀螺仪静态输出数据、校正单元602获得的加速度计静态校正数据、以及预存的第二标定模型，获得陀螺仪标定参数值，陀螺仪标定参数值包括陀螺仪的零偏、刻度因数和安装误差其中的至少一项。
在一实施例中，参数获取单元601可以根据第二接收单元501接收的车载智能设备上传的车辆不同姿态时的加速度计静态输出数据和陀螺仪静态输出数据，分别获取加速度计标定参数值和陀螺仪标定参数值。第一标定子单元6011可以根据第二接收单元501接收的加速度计静态输出数据获得加速度计标定参数值；校正单元602利用第一标定子单元6011获得的加速度计标定参数值对第二接收单元501接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据；第二标定子单元6012根据校正单元602获得的加速度计静态校正数据、第二接收单元501接收的陀螺仪静态输出数据获得陀螺仪标定参数值。这样可以避免加速度计标定参数值和陀螺仪标定参数值在获得过程的相互影响，提高了加速度计标定参数值和陀螺仪标定参数值的准确性；同时，降低加速度计标定参数值和陀螺仪标定参数值获取的复杂度和计算量，提高加速度计标定参数值和陀螺仪标定参数值的获取效率。
在一具体实施方式中，第一标定子单元6011获得的加速度计标定参数值可以包括加速度计的零偏
Figure 225591DEST_PATH_IMAGE013
、刻度因数
Figure 254727DEST_PATH_IMAGE014
和安装误差
Figure 291953DEST_PATH_IMAGE015
，加速度计完整的误差模型可以表示为：
Figure 773750DEST_PATH_IMAGE016
式中，
Figure 187414DEST_PATH_IMAGE017
表示标定后加速度计校正数据，
Figure 805477DEST_PATH_IMAGE018
表示加速度计测得的加速度计输出数据，
Figure 279184DEST_PATH_IMAGE019
表示加速度计测量噪声，在获取加速度计静态输出数据时可以取一个时间段内的平均值，因此，在计算过程忽略不考虑加速度计测量噪声。加速度计的误差模型可以表示为：
Figure 982697DEST_PATH_IMAGE020
在一具体实施方式中，惯性测量单元静态下由于只受重力的影响，加速度计三个轴上的静态输出数据的归一化值在理论上应等于重力加速度值。因此，预存的用于获得加速度计标定参数值的第一标定模型可以表示为：
Figure 934473DEST_PATH_IMAGE021
式中，
Figure 672622DEST_PATH_IMAGE022
是当地的重力加速度，
Figure 317230DEST_PATH_IMAGE023
是车辆处于不同位姿静止状态的时刻k加速度计测得的加速度计静态输出数据，加速度计静态输出数据可以是加速度计静态输出的加速度，h为加速度计的归一化，
Figure 773619DEST_PATH_IMAGE024
是待求解的加速度计标定参数值。加速度计标定参数值可以包括加速度计的零偏
Figure 263506DEST_PATH_IMAGE013
、刻度因数
Figure 856161DEST_PATH_IMAGE014
和安装误差
Figure 406091DEST_PATH_IMAGE015
其中的至少一项。
第一标定子单元6011比较车辆处于不同位姿时静止状态的加速度计静态输出数据的归一化值与重力加速度值，利用Levenberg-Marquardt算法，将加速度计测得的N个加速度计静态输出数据的N个归一化值代入第一标定模型，选取残差最小的一组参数值为加速度计标定参数值，加速度计标定参数值可以包括加速度计三个敏感轴的零偏
Figure 349777DEST_PATH_IMAGE013
、刻度因数
Figure 643355DEST_PATH_IMAGE014
和安装误差
Figure 359025DEST_PATH_IMAGE015
其中的至少一项。
在一具体实施方式中，校正单元602可以利用加速度计的误差模型：
Figure 814278DEST_PATH_IMAGE061
、加速度计标定参数值对第二接收单元501接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据。
在一具体实施方式中，第二标定子单元6012获得的陀螺仪标定参数值可以包括陀螺仪的零偏
Figure 245259DEST_PATH_IMAGE025
、刻度因数
Figure 342528DEST_PATH_IMAGE026
和安装误差
Figure 909775DEST_PATH_IMAGE027
其中的至少一项。第二标定子单元6012可以根据第二接收单元501接收的陀螺仪静态输出数据、以及预存的用于获得陀螺仪标定参数值的第二标定模型，采用Allan方差计算获得陀螺仪的零偏。具体为：
陀螺仪输出速率
Figure 801508DEST_PATH_IMAGE028
可表示为：
Figure 454206DEST_PATH_IMAGE029
式中，
Figure 355166DEST_PATH_IMAGE030
、
Figure 776920DEST_PATH_IMAGE031
分别为
Figure 839554DEST_PATH_IMAGE032
、
Figure 979549DEST_PATH_IMAGE033
时刻陀螺仪的输出角度，
Figure 684199DEST_PATH_IMAGE012
为
Figure 226039DEST_PATH_IMAGE034
、
Figure 459574DEST_PATH_IMAGE033
时刻时间间隔，也即是单个采样周期，可以表示为
Figure 86865DEST_PATH_IMAGE035
。
第二标定子单元6012可按下式估算Allan方差
Figure 329627DEST_PATH_IMAGE036
：
Figure 725974DEST_PATH_IMAGE037
式中，
Figure 395989DEST_PATH_IMAGE038
，
Figure 513506DEST_PATH_IMAGE039
为采样频率，把N个采样值
Figure 28800DEST_PATH_IMAGE040
分成指定长度M的序列号，计算出每串的平均值
Figure 545232DEST_PATH_IMAGE041
，k=1、2、3……K，K=N/M，即可计算获得Allan方差。
第二标定子单元6012可以采用计算获得的Allan方差
Figure 120570DEST_PATH_IMAGE036
，根据以下用于获得陀螺仪标定参数值的零偏
Figure 722453DEST_PATH_IMAGE025
的第二标定模型计算陀螺仪三个敏感轴的零偏
Figure 41439DEST_PATH_IMAGE025
。
第二标定模型：
Figure 412377DEST_PATH_IMAGE042
在一具体实施方式中，第二标定子单元6012可以根据第二接收单元501接收的陀螺仪静态输出数据、校正单元602获得的加速度计静态校正数据、以及预存的用于获得陀螺仪标定参数值的第二标定模型，采用优化方式计算获得陀螺仪标定参数值的刻度因数
Figure 158616DEST_PATH_IMAGE026
和安装误差
Figure 982216DEST_PATH_IMAGE027
。具体为：
第二标定子单元6012由加速度计静态校正数据得到一个时刻k-1的加速度向量
Figure 370472DEST_PATH_IMAGE043
，在陀螺仪测得的N个陀螺仪静态输出数据
Figure 330338DEST_PATH_IMAGE044
中，通过积分陀螺仪k-1时刻和k时刻的陀螺仪静态输出数据得到k时刻的重力向量
Figure 513057DEST_PATH_IMAGE062
，陀螺仪静态输出数据可以是陀螺仪测得的角速度，定义运算符
Figure 823953DEST_PATH_IMAGE046
，则：
Figure 750321DEST_PATH_IMAGE047
式中，
Figure 564693DEST_PATH_IMAGE046
可以是通过积分输入角速度来计算最终方向的任何积分算法。
陀螺仪任意转动，积分得到的角度和加速度计静态校正数据求得的角度比较，得到用于获得陀螺仪标定参数值的刻度因数
Figure 183893DEST_PATH_IMAGE026
和安装误差
Figure 982085DEST_PATH_IMAGE027
的第二标定模型：
Figure 446564DEST_PATH_IMAGE048
式中，
Figure 115443DEST_PATH_IMAGE049
表示标定后陀螺仪校正数据，
Figure 905544DEST_PATH_IMAGE050
表示陀螺仪测得的陀螺仪静态输出数据，
Figure 925453DEST_PATH_IMAGE025
表示陀螺仪的零偏，
Figure 196553DEST_PATH_IMAGE026
表示陀螺仪的刻度因数，
Figure 251097DEST_PATH_IMAGE027
表示陀螺仪的安装误差，
Figure 946520DEST_PATH_IMAGE051
是由加速度计静态校正数据得到的时刻k的实际的重力向量。第二标定子单元6012利用Levenberg-Marquardt算法，将N个不同时刻的加速度计静态校正数据得到的实际的重力向量和通过积分陀螺仪N个不同时刻的陀螺仪静态输出数据得到的重力向量代入标定模型，选取残差最小的一组参数值为陀螺仪的三个敏感轴的刻度因数
Figure 453725DEST_PATH_IMAGE026
和安装误差
Figure 260007DEST_PATH_IMAGE027
。
第二接收单元501，用于接收车载智能设备上传的车辆参数，其中，车辆参数包括：卫星定位数据、车辆行驶过程中的姿态数据，其中，姿态数据包括车载智能设备的加速度计的动态输出数据和车载智能设备的陀螺仪的动态输出数据。
在一实施例中，车辆装载有车载智能设备，车载智能设备包括惯性测量单元和卫星定位模块。卫星定位模块可以用于测得车辆的卫星定位数据，惯性测量单元包括加速度计和陀螺仪，可以分别用于测量车辆的角速度和加速度，并以此估计出车辆的轨迹，生成车辆的定位数据。卫星定位模块例如可以是但不限于GPS（Global Positioning System，全球定位系统）模块。
在一实施例中，可以将惯性测量单元设置于车辆内的车载智能设备内，也可以设置于车载智能设备外，但都与车载智能设备之间可以进行通信交互。车载智能设备分别获取车辆行驶过程的加速度计的动态输出数据和陀螺仪的动态输出数据，将加速度计的动态输出数据和陀螺仪的动态输出数据上传，第二接收单元501接收车载智能设备上传的加速度计的动态输出数据和陀螺仪的动态输出数据。
在一实施例中，可以将卫星定位模块设置于车辆内的车载智能设备内，也可以设置于车载智能设备外，但都与车载智能设备之间可以进行通信交互。车载智能设备可以获取卫星定位模块信号良好时的卫星定位数据，将卫星定位数据上传，第二接收单元501接收车载智能设备上传的卫星定位数据。
校正单元602，还用于根据参数获取单元601获取的加速度计标定参数值和陀螺仪标定参数值分别对第二接收单元501接收的加速度计的动态输出数据和陀螺仪的动态输出数据进行校正，分别获得加速度计动态校正数据和陀螺仪动态校正数据。
在一具体实施例方式中，校正单元602可以利用加速度计的误差模型：
Figure 434636DEST_PATH_IMAGE061
、第一标定子单元6011获得的加速度计标定参数值对第二接收单元501接收的加速度计的动态输出数据进行校正，获得加速度计动态校正数据；校正单元602可以利用陀螺仪的误差模型：
Figure 35382DEST_PATH_IMAGE063
、第二标定子单元6012获得的陀螺仪标定参数值对第二接收单元501接收的陀螺仪的动态输出数据进行校正，获得陀螺仪动态校正数据。
定位单元503，还用于根据初始位姿获取单元502确定的初始位姿数据、校正单元602获得的加速度计动态校正数据和陀螺仪动态校正数据，生成车辆的定位数据。
在一实施例中，定位单元503生成的车辆的定位数据可以包括车辆的位置、速度、航向角。
在一具体实施方式中，车辆行驶的过程中，车辆的运动可视为二维平面上的运动。定位单元503可以根据初始位姿获取单元502获得的车辆的起点位置
Figure 295462DEST_PATH_IMAGE001
、起点速度
Figure 905435DEST_PATH_IMAGE053
和起点航向角
Figure 668992DEST_PATH_IMAGE064
，校正单元602获得的加速度计动态校正数据和陀螺仪动态校正数据，计算车辆的行驶距离和航向角度的变化，即可以推算出车辆的运动轨迹数据，生成车辆的定位数据。运动轨迹数据包括不同时刻i对应的各轨迹点的位姿数据，包括车辆的位置
Figure 706218DEST_PATH_IMAGE055
，速度
Figure 188015DEST_PATH_IMAGE056
，航向角
Figure 601678DEST_PATH_IMAGE007
。
定位单元503可以采用以下公式进行轨迹点位姿数据的推算：
Figure 219742DEST_PATH_IMAGE057
其中，
Figure 693448DEST_PATH_IMAGE009
为前一时刻i-1的轨迹点与后一时刻i的轨迹点之间的时间间隔，
Figure 662541DEST_PATH_IMAGE058
为加速度计在时刻i的加速度计动态校正数据，
Figure 348737DEST_PATH_IMAGE059
为陀螺仪在时刻i的陀螺仪动态校正数据。
在一实施例中，校正单元602获得的加速度计动态校正数据可以是车辆行驶过程加速度计测得的利用加速度计标定参数值校正后的加速度，校正单元602获得的陀螺仪动态校正数据可以是车辆行驶过程陀螺仪测得的利用陀螺仪标定参数值校正后的角速度。
发送单元603，向车载智能设备发送定位单元503生成的车辆的定位数据。
在一实施例中，发送单元603可以向车载智能设备发送定位单元503生成的车辆的定位数据，可以为车载智能设备在定位导航时提供实时精准的车辆的定位数据。
本申请实施例示出的技术方案，合理利用车载智能设备的卫星定位模块、加速度计和陀螺仪的功能，在卫星定位模块信号不好网络定位无效时，能够利用惯性测量单元的加速度计的动态输出数据和陀螺仪的动态输出数据进行车辆的网络定位，能够持续提供车辆的高精度的定位数据。
进一步的，本申请实施例示出的技术方案，实时获取加速度计标定参数值和陀螺仪标定参数值，分别对接收的加速度计的动态输出数据和陀螺仪的动态输出数据进行校正，根据初始位姿数据、加速度计动态校正数据和陀螺仪动态校正数据，生成车辆的定位数据，能够消除惯性测量单元的累积误差，能够保证持续提供的车辆的定位数据的精度。
实施例七：
图7是本申请一实施例的车辆定位系统的结构示意图。
参见图7，一种车辆定位系统，该系统包括车载智能设备40和云服务器50。
车载智能设备40，用于采集车辆参数，并上传车辆参数至云服务器50，其中，车辆参数包括：卫星定位数据、车辆行驶过程中的姿态数据，其中，姿态数据包括车载智能设备的加速度计的动态输出数据和陀螺仪的动态输出数据。
在一实施例中，车载智能设备40的具体设置和功能可以参见图1和图2的描述，此处不再赘述。
云服务器50，用于接收车载智能设备40上传的车辆参数，根据接收的车辆参数中的卫星定位数据确定车辆的初始位姿数据，根据初始位姿数据、接收的加速度计的动态输出数据和陀螺仪的动态输出数据，生成车辆的定位数据。
在一实施例中，云服务器50生成车辆的定位数据的功能可以参见图5和图6的描述，此处不再赘述。
图8是本申请实施例示出的电子设备的结构示意图。
参见图8，电子设备80包括存储器801和处理器802。
处理器802可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、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 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器801可以包括各种类型的存储单元，例如系统内存、只读存储器（ROM），和永久存储装置。其中，ROM可以存储处理器802或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置（例如磁或光盘、闪存）作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备（例如软盘、光驱）。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器801可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片（DRAM，SRAM，SDRAM，闪存，可编程只读存储器），磁盘和/或光盘也可以采用。在一些实施方式中，存储器801可以包括可读和/或写的可移除的存储设备，例如激光唱片（CD）、只读数字多功能光盘（例如DVD-ROM，双层DVD-ROM）、只读蓝光光盘、超密度光盘、闪存卡（例如SD卡、min SD卡、Micro-SD卡等等）、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器801上存储有可执行代码，当可执行代码被处理器802处理时，可以使处理器802执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本申请的方案。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细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和模块并不一定是本申请所必须的。另外，可以理解，本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种非暂时性机器可读存储介质（或计算机可读存储介质、或机器可读存储介质），其上存储有可执行代码（或计算机程序、或计算机指令代码），当所述可执行代码（或计算机程序、或计算机指令代码）被电子设备（或电子设备、服务器等）的处理器执行时，使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是，结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (7)

1.一种车辆定位方法，其特征在于，包括：
接收车载智能设备上传的车辆参数，其中，所述车辆参数包括：卫星定位数据、所述车辆的姿态数据，其中，所述姿态数据包括所述车载智能设备的加速度计的动态输出数据、所述车载智能设备的陀螺仪的动态输出数据、以及所述车辆不同姿态时的加速度计静态输出数据和陀螺仪静态输出数据；
根据所述卫星定位数据确定所述车辆的初始位姿数据；
根据接收的加速度计静态输出数据、以及预存的第一标定模型，获得加速度计标定参数值；
利用所述加速度计标定参数值对接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据；
根据接收的陀螺仪静态输出数据、所述加速度计静态校正数据、以及预存的第二标定模型，获得陀螺仪标定参数值；
根据加速度计标定参数值和陀螺仪标定参数值分别对接收的所述加速度计的动态输出数据和所述陀螺仪的动态输出数据进行校正，分别获得加速度计动态校正数据和陀螺仪动态校正数据；
根据所述初始位姿数据、加速度计动态校正数据和陀螺仪动态校正数据，生成所述车辆的定位数据。
2.根据权利要求1所述的方法，其特征在于，所述根据接收的陀螺仪静态输出数据、所述加速度计静态校正数据、以及预存的第二标定模型，获得陀螺仪标定参数值，包括：
根据接收的陀螺仪静态输出数据、以及预存的第二标定模型，采用Allan方差计算获得所述陀螺仪标定参数值的零偏；
根据接收的陀螺仪静态输出数据、所述加速度计静态校正数据、以及预存的第二标定模型，采用优化方式计算获得所述陀螺仪标定参数值的刻度因数和安装误差。
3.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:向所述车载智能设备发送所述车辆的定位数据。
4.一种车辆定位方法，其特征在于，包括：
通过车载智能设备采集车辆参数，其中，所述车辆参数包括：卫星定位数据、所述车辆的姿态数据，其中，所述姿态数据包括所述车载智能设备的加速度计的动态输出数据、所述车载智能设备的陀螺仪的动态输出数据、以及所述车辆不同姿态时的加速度计静态输出数据和陀螺仪静态输出数据；
将所述车辆参数上传至云服务器，其中，所述云服务器根据所述卫星定位数据确定所述车辆的初始位姿数据，根据接收的加速度计静态输出数据、以及预存的第一标定模型，获得加速度计标定参数值，利用所述加速度计标定参数值对接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据，根据接收的陀螺仪静态输出数据、所述加速度计静态校正数据、以及预存的第二标定模型，获得陀螺仪标定参数值，根据加速度计标定参数值和陀螺仪标定参数值分别对接收的所述加速度计的动态输出数据和所述陀螺仪的动态输出数据进行校正，分别获得加速度计动态校正数据和陀螺仪动态校正数据，根据所述初始位姿数据、加速度计动态校正数据和陀螺仪动态校正数据，生成所述车辆的定位数据；
接收所述云服务器生成的所述车辆的定位数据。
5.一种车载智能设备，其特征在于，包括：
采集单元，用于通过车载智能设备采集车辆参数，其中，所述车辆参数包括：卫星定位数据、所述车辆的姿态数据，其中，所述姿态数据包括所述车载智能设备的加速度计的动态输出数据、所述车载智能设备的陀螺仪的动态输出数据、以及所述车辆不同姿态时的加速度计静态输出数据和陀螺仪静态输出数据；
上传单元，用于将所述采集单元采集的车辆参数上传至云服务器，其中，所述云服务器根据所述卫星定位数据确定所述车辆的初始位姿数据，根据接收的加速度计静态输出数据、以及预存的第一标定模型，获得加速度计标定参数值，利用所述加速度计标定参数值对接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据，根据接收的陀螺仪静态输出数据、所述加速度计静态校正数据、以及预存的第二标定模型，获得陀螺仪标定参数值，根据加速度计标定参数值和陀螺仪标定参数值分别对接收的所述加速度计的动态输出数据和所述陀螺仪的动态输出数据进行校正，分别获得加速度计动态校正数据和陀螺仪动态校正数据，根据所述初始位姿数据、加速度计动态校正数据和陀螺仪动态校正数据，生成所述车辆的定位数据；
第一接收单元，用于接收所述云服务器生成的所述车辆的定位数据。
6.一种云服务器，其特征在于，包括：
第二接收单元，用于接收车载智能设备上传的车辆参数，其中，所述车辆参数包括：卫星定位数据、所述车辆的姿态数据，其中，所述姿态数据包括所述车载智能设备的加速度计的动态输出数据、所述车载智能设备的陀螺仪的动态输出数据、以及所述车辆不同姿态时的加速度计静态输出数据和陀螺仪静态输出数据；
初始位姿获取单元，用于根据所述第二接收单元接收的卫星定位数据确定所述车辆的初始位姿数据；
参数获取单元，用于根据所述第二接收单元接收的加速度计静态输出数据、以及预存的第一标定模型，获得加速度计标定参数值，根据所述第二接收单元接收的陀螺仪静态输出数据、校正单元获得的所述加速度计静态校正数据、以及预存的第二标定模型，获得陀螺仪标定参数值；
校正单元，用于利用所述参数获取单元获得的加速度计标定参数值对所述第二接收单元接收的加速度计静态输出数据进行校正，获得加速度计静态校正数据，根据所述参数获取单元获得的加速度计标定参数值和陀螺仪标定参数值分别对所述第二接收单元接收的所述加速度计的动态输出数据和所述陀螺仪的动态输出数据进行校正，分别获得加速度计动态校正数据和陀螺仪动态校正数据；
定位单元，用于根据所述初始位姿获取单元确定的初始位姿数据、所述校正单元获得的加速度计动态校正数据和陀螺仪动态校正数据，生成所述车辆的定位数据。
7.根据权利要求6所述的云服务器，其特征在于，所述云服务器还包括发送单元；
所述发送单元，用于向所述车载智能设备发送所述定位单元生成的所述车辆的定位数据。
CN202011323830.XA 2020-11-23 2020-11-23 车辆定位方法、设备及云服务器 Active CN112130188B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011323830.XA CN112130188B (zh) 2020-11-23 2020-11-23 车辆定位方法、设备及云服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011323830.XA CN112130188B (zh) 2020-11-23 2020-11-23 车辆定位方法、设备及云服务器

Publications (2)

Publication Number Publication Date
CN112130188A CN112130188A (zh) 2020-12-25
CN112130188B true CN112130188B (zh) 2021-03-02

Family

ID=73852265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011323830.XA Active CN112130188B (zh) 2020-11-23 2020-11-23 车辆定位方法、设备及云服务器

Country Status (1)

Country Link
CN (1) CN112130188B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113405554A (zh) * 2021-06-29 2021-09-17 东风汽车集团股份有限公司 基于卫星定位系统的车辆姿态计算方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106324645A (zh) * 2016-08-19 2017-01-11 付寅飞 一种基于惯性导航和卫星差分定位的车辆精准定位方法
CN110006421A (zh) * 2019-03-27 2019-07-12 湖北三江航天万峰科技发展有限公司 一种基于mems和gps的车载导航方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120086598A1 (en) * 2010-10-08 2012-04-12 Canadian Space Agency Apparatus and methods for driftless attitude determination and reliable localization of vehicles
CN204425410U (zh) * 2015-03-10 2015-06-24 武汉泰通卫星技术发展有限责任公司 一种车联网系统
CN106647541A (zh) * 2017-02-16 2017-05-10 桑德科技(重庆)有限公司 一种车联网模块
CN108535755B (zh) * 2018-01-17 2021-11-19 南昌大学 基于mems的gnss/imu车载实时组合导航方法
CN110221333B (zh) * 2019-04-11 2023-02-10 同济大学 一种车载ins/od组合导航系统的量测误差补偿方法
CN110501024B (zh) * 2019-04-11 2023-03-28 同济大学 一种车载ins/激光雷达组合导航系统的量测误差补偿方法
CN110780326A (zh) * 2019-09-26 2020-02-11 上海瀚所信息技术有限公司 一种车载组合导航系统和定位方法
CN110779521A (zh) * 2019-11-12 2020-02-11 成都中科微信息技术研究院有限公司 一种多源融合的高精度定位方法与装置
CN111721289B (zh) * 2020-06-28 2022-06-03 阿波罗智能技术(北京)有限公司 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106324645A (zh) * 2016-08-19 2017-01-11 付寅飞 一种基于惯性导航和卫星差分定位的车辆精准定位方法
CN110006421A (zh) * 2019-03-27 2019-07-12 湖北三江航天万峰科技发展有限公司 一种基于mems和gps的车载导航方法及系统

Also Published As

Publication number Publication date
CN112130188A (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
US9921065B2 (en) Unit and method for improving positioning accuracy
CN111928869B (zh) 车辆运动轨迹估计方法、装置及电子设备
CN108731667B (zh) 用于确定无人驾驶车辆的速度和位姿的方法和装置
CN108594283B (zh) Gnss/mems惯性组合导航系统的自由安装方法
CN112461269B (zh) 惯性测量单元标定方法、设备及服务器
JP2000506604A (ja) 改良された車両ナビゲーションシステム及びその方法
CN112146683B (zh) 惯性测量单元标定参数调整方法、装置及电子设备
JP6060642B2 (ja) 自己位置推定装置
CN111982158B (zh) 一种惯性测量单元标定方法及装置
CN111928847A (zh) 惯性测量单元位姿数据优化方法、装置及电子设备
CN112762933A (zh) 基于神经网络模型的车辆定位方法及装置
CN115407376A (zh) 车辆定位校准方法、装置、计算机设备、存储介质
CN113091770A (zh) 惯性测量传感器的零偏的补偿方法
CN112130188B (zh) 车辆定位方法、设备及云服务器
CN113607176B (zh) 组合导航系统轨迹输出方法及装置
CN113252060B (zh) 基于神经网络模型的车辆轨迹推算方法及装置
CN106646569A (zh) 一种导航定位方法及设备
CN113917512B (zh) 自动驾驶车辆的定位方法、装置、电子设备及存储介质
CN113175936B (zh) 基于神经网络模型的车辆轨迹推算方法及装置
CN110567456A (zh) 基于抗差卡尔曼滤波的bds/ins组合列车定位方法
JP6531768B2 (ja) センサ誤差補正装置及び方法
CN112348903B (zh) 行车记录仪外参数标定方法、装置及电子设备
Shaukat et al. Robust vehicle localization with gps dropouts
Farroni et al. A comparison among different methods to estimate vehicle sideslip angle
Huttner et al. Offset and misalignment estimation for the online calibration of an MEMS-IMU using FIR-filter modulating functions

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