CN112363196B - 车辆属性确定方法、装置、存储介质和电子设备 - Google Patents
车辆属性确定方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112363196B CN112363196B CN202011126585.3A CN202011126585A CN112363196B CN 112363196 B CN112363196 B CN 112363196B CN 202011126585 A CN202011126585 A CN 202011126585A CN 112363196 B CN112363196 B CN 112363196B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- sequence
- acceleration
- posture
- determining
- 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 46
- 230000001133 acceleration Effects 0.000 claims abstract description 160
- 238000012549 training Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000513 principal component analysis Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 5
- 230000036544 posture Effects 0.000 description 89
- 239000011159 matrix material Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
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
- 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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
- G01S19/07—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing data for correcting measured positioning data, e.g. DGPS [differential GPS] or ionosphere corrections
-
- 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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
- G01S19/10—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing dedicated supplementary positioning signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明实施例公开了一种车辆属性确定方法、装置、存储介质和电子设备,通过确定车辆在预定时间段内的表征三轴加速度分量的加速度序列和表征车辆的姿态的车辆姿态序列,根据所述加速度序列和车辆姿态序列确定对应的车辆惯性特征序列。将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型,以确定对应的车辆速度和车辆姿态,并进一步根据所述车辆速度和车辆姿态确定车辆对应的车辆位置。本发明实施例通过车辆绑定的终端设备获取车辆运动中包括三轴加速度和车辆姿态的惯性特征,并基于惯性特征确定车辆的速度、姿态和位置,能够在接收不到GPS信号的情况下根据车辆的惯性特征准确的确定车辆属性。
Description
技术领域
本发明涉及汽车导航领域,尤其涉及一种车辆属性确定方法、装置、存储介质和电子设备。
背景技术
目前的汽车导航通常依赖于GPS卫星定位系统,在汽车驶入隧道、山区、地下停车场等GPS信号无法穿透的区域时难以实现准确定位。为解决这一问题,目前的方法是利用与汽车绑定的终端设备中的惯性传感器获取加速度信息进行计算,以确定车辆的速度、姿态和位置。然而,由于汽车内绑定的终端设备可能摆放的姿势多样,通过终端设备获取的车辆加速度信息等惯性导航信息会有一定的误差,难以保证确定的车辆速度、姿态和位置的准确性。
发明内容
有鉴于此,本发明实施例提供了一种车辆属性确定方法、装置、存储介质和电子设备,旨在通过车辆绑定的终端设备获取车辆运动中包括三轴加速度和车辆姿态的惯性特征,并基于惯性特征准确的确定车辆的速度、姿态和位置。
第一方面,本发明实施例提供了一种车辆属性确定方法,所述方法包括:
确定车辆在预定时间段内的加速度序列和车辆姿态序列,所述加速度序列中各所述加速度用于表征车辆对应的三轴加速度分量,所述车辆姿态序列中各所述车辆姿态用于表征车辆的姿态;
根据所述加速度序列和车辆姿态序列确定对应的车辆惯性特征序列;
将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型,以确定对应的车辆速度和车辆姿态;
根据所述车辆速度和车辆姿态确定车辆对应的车辆位置。
第二方面,本发明实施例提供了一种车辆属性确定装置,所述装置包括:
运动属性确定模块,用于确定车辆在预定时间段内的加速度序列和车辆姿态序列,所述加速度序列中各所述加速度用于表征车辆对应的三轴加速度分量,所述车辆姿态序列中各所述车辆姿态用于表征车辆的姿态;
特征序列确定模块,用于根据所述加速度序列和车辆姿态序列确定对应的车辆惯性特征序列;
速度确定模块,用于将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型,以确定对应的车辆速度和车辆姿态;
车辆属性确定模块,用于根据所述车辆速度和车辆姿态确定车辆对应的车辆位置。
第三方面,本发明实施例提供了一种计算机可读存储介质,用于存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。
第四方面,本发明实施例提供了一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面所述的方法。
本发明实施例通过确定车辆在预定时间段内的表征三轴加速度分量的加速度序列和表征车辆的姿态的车辆姿态序列,根据所述加速度序列和车辆姿态序列确定对应的车辆惯性特征序列。将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型,以确定对应的车辆速度和车辆姿态,并进一步根据所述车辆速度和车辆姿态确定车辆对应的车辆位置。本发明实施例通过车辆绑定的终端设备获取车辆运动中包括三轴加速度和车辆姿态的惯性特征,并基于惯性特征确定车辆的速度、姿态和位置,能够在接收不到GPS信号的情况下根据车辆的惯性特征准确的确定车辆属性。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1为本发明实施例的车辆属性确定方法的应用场景示意图;
图2为本发明实施例的车辆属性确定方法的流程图;
图3为本发明实施例的终端设备对应坐标系的示意图;
图4为本发明实施例的车辆对应坐标系的示意图;
图5为本发明实施例的时域卷积网络模型确定车辆速度和车辆姿态的示意图;
图6为本发明实施例的卷积网络的结构示意图;
图7为本发明实施例的车辆属性确定装置的示意图;
图8为本发明实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
图1为本发明实施例的车辆属性确定方法的应用场景示意图。如图1所示,所述车辆属性确定方法用于确定绑定了终端设备11的车辆10的加速度。在本发明实施例中,车辆10与终端设备11绑定即使所述终端设备11处于可以随车辆10进行运动或停止的状态,所述绑定方式例如可以为将终端设备11放置在车辆10内部或固定在车辆10外部等。所述终端设备11可以是能够运行计算机程序的、具有加速度传感器的通用数据处理终端,例如,智能手机或平板电脑等。
在车辆10行驶过程中,终端设备11可以通过自身设置的三轴加速度传感器获取多个加速度向量,以确定车辆对应的加速度序列;并通过自身设置的陀螺仪传感器获取多个车辆姿态,以确定车辆对应的车辆姿态序列。根据所述加速度序列和车辆姿态序列得到对应的车辆惯性特征序列,以根据所述车辆惯性特征序列确定车辆速度、车辆姿态和车辆位置。
其中,所述车辆速度和车辆姿态通过将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型确定。所述时域卷积网络模型可以部署在终端设备11上,所述终端设备11确定车辆惯性特征序列后直接输入所述时域卷积网络模型以确定车辆速度和车辆姿态。可选地,所述时域卷积网络模型还可以部署在通过网络与终端设备11连接的服务器上,所述终端设备11确定车辆惯性特征序列后上传至服务器,以输入服务器上部署的所述时域卷积网络模型,确定车辆速度和车辆姿态。进一步地,在确定车辆速度和车辆姿态后再根据车辆速度和车辆姿态确定车辆位置。当所述时域卷积网络模型部署在服务器端时,服务器确定车辆速度、姿态和位置后发送至终端设备11。所述服务器可以是单个服务器、也可以是以分布式方式配置的服务器集群。
图2为本发明实施例的车辆属性确定方法的流程图。如图2所示,所述车辆属性确定方法包括以下步骤:
步骤S100、确定车辆在预定时间段内的加速度序列和车辆姿态序列。
具体地,所述加速度序列中各所述加速度用于表征车辆对应的三轴加速度分量,所述车辆姿态序列中各所述车辆姿态用于表征车辆的姿态。在本发明实施例中,所述加速度序列和车辆姿态序列通过车辆绑定的终端设备确定。其中,所述加速度序列通过终端设备中内置的三轴加速度传感器确定,所述车辆姿态序列通过终端设备中内置的陀螺仪传感器确定。所述终端设备可以预先设定一个对应于预定时间段的时刻序列,即序列中第一个时刻为所述预定时间段的开始时刻,最后一个时刻为所述预定时间段的结束时刻。分别确定所述时刻序列中每一个时刻对应的加速度和车辆姿态,以得到所述预定时间段对应的加速度序列和车辆姿态序列。
在车辆移动过程中,终端设备可以以任意姿态与车辆绑定。因此,所述加速度序列中各所述加速度需要基于三轴加速度传感器接收到终端设备对应的加速度转换得到。所述车辆姿态序列中车辆姿态可以根据所述陀螺仪传感器获取的多个角速度确定。本发明实施例中确定加速度序列和车辆姿态序列的过程包括以下步骤:
步骤S110、通过车辆绑定的终端设备基于三轴加速度传感器在预定时间段内按顺序获取加速度向量,以确定车辆对应的加速度序列。
具体地,所述终端设备基于内置三轴加速度传感器确定的加速度向量为终端设备对应的加速度向量。由于终端设备可以以任意姿态与车辆绑定,终端设备对应的加速度向量不一定能够表征车辆对应的加速度向量,需要进一步转换为车辆对应的加速度向量以确定加速度序列。所述根据车辆绑定的终端设备确定车辆对应加速度序列的过程包括以下步骤:
步骤S111、通过车辆绑定的终端设备基于三轴加速度传感器在预定时间段内按顺序获取多个加速度向量。
具体地,所述终端设备可以根据预先设定的对应于预定时间段的时刻序列获取多个加速度向量,即在所述时刻序列中各时刻获取对应的加速度向量。所述加速度向量为三维加速度向量,其中各维度分别表征所述加速度向量在终端设备对应的坐标系中各轴的分量。
图3为本发明实施例的终端设备对应坐标系的示意图,如图3所示,所述终端设备为智能手机。当终端设备对应的三维坐标系中,Z轴垂直于手机屏幕,方向指向屏幕上方。坐标系中的Y轴和X轴平行于手机屏幕,Y轴平行于手机长度方向且方向为由手机底部指向顶部;X平行于手机宽度且方向为由手机左侧指向右侧。在本发明实施例中,终端设备获取的加速度向量中各维度分别用于表征由手机左侧指向右侧的加速度大小、由手机底部指向顶部的加速度大小以及垂直于手机屏幕向上的加速度大小。
步骤S112、对各所述加速度向量进行主成分分析,以确定所述车辆对应的三维坐标系。
具体地,终端设备确定各所述加速度向量后,先确定重力加速度向量的反方向为所述车辆对应三维坐标系的z轴,再对各所述加速度向量进行主成分分析以确定车辆对应三维坐标系的y轴。最后根据车辆对应坐标系的y轴和z轴确定x轴得到车辆对应的三维坐标系。
其中,所述进行主成分分析确定y轴的过程可以为在进行主成分分析之前,终端设备先移除滤波后各所述加速度向量中的重力加速度分量以排除重力加速度的干扰。将所述第三加速度向量投影至第二坐标系中x轴和y轴所在的平面,以得到对应的二维加速度向量。所述投影过程可以为先设定表示x轴和y轴方向的单位向量(cosθ,sinθ),设定预期的投影结果为(xi,yi),i≤k,k为终端设备获取的加速度向量的数量。最后通过对各所述二维加速度向量进行主成分分析,前向估计得到偏差值最小的加速度分量方向。所述确定加速度分量方向的公式如下所示:
其中,由此计算得到的解为/>或/>进而可以确定y轴所在位置。
在确定y轴所在位置后,进一步确定y轴方向。所述确定y轴方向的过程可以为确定各加速度向量投影至所述y轴的第一方向和第二方向对应的分量,以计算对应的置信度。再根据对应的置信度在所述第一方向和第二方向中确定y轴的方向,例如可以选择置信度更大的方向作为y轴的方向。具体而言,终端设备先分别以第一方向和第二方向作为y轴的方向建立第一候选坐标系和第二候选坐标系。将各所述第一加速度向量分别投影至第一候选坐标系和第二候选坐标系的y轴,以得到对应的加速度分量。再通过如下公式确定第一候选坐标系和第二候选坐标系y轴对应的正加速度占比:
再进一步通过激活函数(sigmoid)计算所述正加速度占比得到对应的置信度。在分别确定第一候选坐标系和第二候选坐标系对应的置信度后,终端设备确定其中置信度大的为车辆对应的三维坐标系,即确定对应的第一方向或第二方向为y轴方向。
步骤S113、将各所述加速度向量投影至所述三维坐标系得到对应的车辆加速度,以确定车辆对应的加速度序列。
具体地,终端设备在确定车辆对应的三维坐标系后,将各所述加速度向量投影至所述三维坐标系以得与车辆对应的车辆加速度。其中,所述车辆加速度中的各维度分别用于表征所述加速度向量在三维坐标系中各轴的分量。
图4为本发明实施例的车辆对应坐标系的示意图。如图4所示,所述车辆为在水平面行驶的汽车。在车辆对应的三维坐标系中,Z轴垂直于车辆行驶方向,方向指向上方。坐标系中的Y轴和X轴平行于车辆行驶方向,Y轴平行于车辆长度方向且方向为由车辆尾部指向头部;X平行于车辆宽度且方向为由车辆右侧指向左侧。
步骤S120、通过车辆绑定的终端设备基于陀螺仪传感器在预定时间段内按顺序获取对应的多个角速度,以确定车辆对应的车辆姿态序列。
具体地,所述陀螺仪传感器设置在终端设备上,终端设备可以根据预先设定的对应于预定时间段的时刻序列获取多个角速度,即在所述时刻序列中各时刻获取对应的角速度。
在本发明实施例中,在确定车辆对应的姿态信息之前,需要先获取前一时刻陀螺仪传感器对应的欧拉角和三轴漂移。将所述欧拉角以四元表达式的方式标识,并直接根据所述四元表达式和三轴漂移确定一个七维的车辆姿态信息。再进一步根据前一时刻的车辆姿态信息和下一时刻的角速度确定下一时刻的车辆姿态信息。进一步地,终端设备先根据前一时刻的车辆姿态信息和下一时刻的角速度确定下一时刻的候选姿态信息,再修正所述候选姿态信息以确定对应的车辆姿态信息。所述确定候选姿态信息的公式如下所示:
其中,为基于下一时刻角速度确定的状态转移矩阵,/>为下一时刻的候选姿态信息,xt为前一时刻的车辆姿态信息。所述状态转移矩阵的表达方式如下:
其中,Θ和Ψ的计算过程如下:
其中,ω为角速度,I3×3是一个标识矩阵,[·]×是向量叉乘得到的矩阵表示,03×3为一个维度为3×3的零矩阵。
终端设备在通过上述过程确定候选姿态信息后,计算协方差以减少候选姿态信息中的噪音影响,得到对应的车辆姿态信息。所述车辆姿态信息的确定过程通过如下公式实现:
其中,Pt|t是终端姿态信息xt的协方差矩阵,Q是噪声方差矩阵。Pt+1|t为最终确定的车辆姿态信息。终端设备在分别确定多个角速度对应的车辆姿态信息后,按照各所述车辆姿态信息对应角速度的获取顺序确定车辆姿态信息序列。
步骤S200、根据所述加速度序列和车辆姿态序列确定对应的车辆惯性特征序列。
具体地,所述车辆惯性特征序列用于表征预设时间段内车辆行驶过程中的惯性特征。终端设备在确定加速度序列和车辆姿态序列后,进一步根据加速度序列和车辆姿态序列确定车辆对应的车辆惯性特征序列,用于表征车辆的惯性运动特征。所述确定车辆惯性特征序列的过程包括以下步骤:
步骤S210、确定所述加速度序列和车辆姿态序列中各所述车辆加速度和车辆姿态信息的对应关系。
具体地,终端设备可以根据所述加速度序列中各车辆加速度对应的时刻以及各所述车辆姿态序列中车辆姿态信息对应的时刻确定对应关系。即确定同一时刻对应的车辆加速度和车辆姿态信息为对应关系。
步骤S220、根据对应的车辆加速度修正各所述车辆姿态信息得到车辆惯性特征,以确定对应的车辆惯性特征序列。
具体地,对于各所述车辆加速度,确定对应的观测矩阵H,以计算卡尔曼滤波。再根据卡尔曼滤波的结果修正对应的车辆姿态信息得到车辆惯性特征。其中,车辆姿态信息对应的观测矩阵H为通过如下形式表示的3×7维矩阵:
其中,为车辆姿态信息对应的候选姿态信息/>转化得到的四维矩阵,a为车辆加速度,C(.)为将四元数表达式转化为旋转矩阵的变换算子。
进一步地,在确定观测矩阵H后,通过如下公式计算得到卡尔曼滤波值K:
K=Pt|t+1HT(HPt|t+1HT+R)-1
其中,R为测量噪声。终端设备确定卡尔曼滤波值后通过如下公式修正相应的协方差矩阵:
Pt+1|t+1=(I6×6-KH)Pt+1|t(I6×6-KH)T+KRKT
以进一步地根据修正后的协方差矩阵确定对应的车辆惯性特征xt+1:
在通过上述方法对各所述车辆姿态信息进行修正得到车辆惯性特征后,由各所述车辆惯性特征确定车辆惯性特征序列。
步骤S300、将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型,以确定对应的车辆速度和车辆姿态。
具体地,在确定用于表征车辆运动过程惯性特征的车辆惯性特征序列后,将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型得到车辆速度和车辆姿态。所述车辆速度为对应于所述预定时间段的最后一个时刻的车辆速度,所述车辆姿态为对应于所述预定时间段最后一个时刻的车辆相对于地球坐标系的姿态。所述时域卷积网络模型中包括顺序连接的四个卷积网络以及切片层和全连接层。其中,各所述卷积网络中还包括三个顺序连接的卷积单元和一个残差连接单元,各卷积单元中还包括顺序连接的扩张卷积层、权重归一化层、线性整流层和特征丢弃层(dropout)。
因此,将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型确定对应车辆速度和车辆姿态的过程包括以下步骤:
步骤S310、将所述车辆惯性特征序列依次输入顺序连接的四个卷积网络进行扩张卷积,以确定车辆对应的运动特征。
具体地,所述车辆惯性特征序列输入所述时域卷积网络模型后,依次输入四个顺序连接的卷积网络进行扩张卷积得到用于表征车辆速度和车辆姿态的运动特征,每一个卷积网络的输出作为下一个卷积网络的输入。当所述车辆惯性特征序列或前一个卷积网络的输出输入当前卷积网络后,分别输入三个顺序连接的卷积单元和一个残差连接单元,并将最后一个卷积单元的输出和残差连接单元的输出求和后得到当前卷积网络的输出。进一步地,各卷积单元的输入依次通过扩张卷积层、权重归一化层、线性整流层和特征丢弃层后得到对应的输出。
步骤S320、将所述运动特征依次输入切片层和全连接层,以确定对应的车辆速度和车辆姿态。
具体地,在确定运动特征后,将所述运动特征输入切片层以获取运动特征中的需要的特定要素。将所述特定要素经过全连接层后转换成特定维度,以输出对应的车辆速度和车辆姿态。
图5为本发明实施例的时域卷积网络模型确定车辆速度和车辆姿态的示意图。如图5所示,车辆惯性序列50在输入时域卷积网络模型后,依次通过四个顺序连接的卷积网络51后得到运动特征,再将所述运动特征经过切片层52和全连接层53转换为特定维度后得到对应的车辆速度和车辆姿态54。
图6为本发明实施例的卷积网络的结构示意图。如图6所示,所述卷积网络中包括三个顺序连接的卷积单元60和残差连接单元61。当前卷积网络的输入分别作为三个顺序连接的卷积单元60的输入和残差连接单元61的输入,再合并最后一个卷积单元60的输出和残差连接单元61的输出得到当前卷积网络的输出。
步骤S400、根据所述车辆速度和车辆姿态确定车辆对应的车辆位置。
具体地,在确定表征预设时间段结束时刻的车辆速度和车辆姿态后,终端设备可以根据预设时间开始时刻的车辆速度、车辆姿态和车辆位置以及预设时间段结束时刻的车辆速度和车辆姿态确定预设时间段结束时刻的车辆位置。即可以实现在无GPS信号的状态下根据车辆历史的惯性特征确定车辆位置。
本发明实施例通过车辆绑定的终端设备获取车辆运动中包括三轴加速度和车辆姿态的惯性特征,并基于惯性特征确定车辆的速度、姿态和位置,能够在接收不到GPS信号的情况下根据车辆的惯性特征准确的确定车辆属性。
图7为本发明实施例的车辆属性确定装置的示意图。如图7所示,所述车辆属性确定装置包括运动属性确定模块70、特征序列确定模块71、速度确定模块72和车辆属性确定模块73。
具体地,运动属性确定模块70用于确定车辆在预定时间段内的加速度序列和车辆姿态序列,所述加速度序列中各所述加速度用于表征车辆对应的三轴加速度分量,所述车辆姿态序列中各所述车辆姿态用于表征车辆的姿态。特征序列确定模块71用于根据所述加速度序列和车辆姿态序列确定对应的车辆惯性特征序列。速度确定模块72用于将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型,以确定对应的车辆速度和车辆姿态。车辆属性确定模块73用于根据所述车辆速度和车辆姿态确定车辆对应的车辆位置。
进一步地,所述运动属性确定模块70包括:
加速度序列确定子模块,用于通过车辆绑定的终端设备基于三轴加速度传感器在预定时间段内按顺序获取加速度向量,以确定车辆对应的加速度序列;
姿态序列确定子模块,用于通过车辆绑定的终端设备基于陀螺仪传感器在预定时间段内按顺序获取对应的多个角速度,以确定车辆对应的车辆姿态序列。
进一步地,所述加速度序列确定子模块包括:
向量获取单元,用于通过车辆绑定的终端设备基于三轴加速度传感器在预定时间段内按顺序获取多个加速度向量;
主成分分析单元,用于对各所述加速度向量进行主成分分析,以确定所述车辆对应的三维坐标系;
加速度序列确定单元,用于将各所述加速度向量投影至所述三维坐标系得到对应的车辆加速度,以确定车辆对应的加速度序列。
进一步地,所述姿态序列确定子模块包括:
角速度获取单元,用于通过车辆绑定的终端设备基于陀螺仪传感器在预定时间段内按顺序获取对应的多个角速度;
姿态序列确定单元,用于根据各所述角速度确定车辆对应的车辆姿态信息,以确定对应的车辆姿态序列。
进一步地,所述特征序列确定模块71包括:
对应关系确定子模块,用于确定所述加速度序列和车辆姿态序列中各所述车辆加速度和车辆姿态信息的对应关系;
惯性特征确定子模块,用于根据对应的车辆加速度修正各所述车辆姿态信息得到车辆惯性特征,以确定对应的车辆惯性特征序列。
进一步地,所述时域卷积网络包括顺序连接的四个卷积网络以及切片层和全连接层;
所述速度确定模块72包括:
卷积子模块,用于将所述车辆惯性特征序列依次输入顺序连接的四个卷积网络进行扩张卷积,以确定车辆对应的运动特征;
角速度确定子模块,用于将所述运动特征依次输入切片层和全连接层,以确定对应的车辆速度和车辆姿态。
进一步地,各所述卷积网络中包括三个顺序连接的卷积单元和一个残差连接单元,各所述卷积单元中包括顺序连接的扩张卷积层、权重归一化层、线性整流层和特征丢弃层。
本发明实施例的车辆属性确定装置能够通过车辆绑定的终端设备获取车辆运动中包括三轴加速度和车辆姿态的惯性特征,并基于惯性特征确定车辆的速度、姿态和位置。实现了在接收不到GPS信号的情况下根据车辆的惯性特征准确的确定车辆属性。
图8为本发明实施例的电子设备的示意图。如图8所示,图8所示的电子设备为通用地址查询装置,其包括通用的计算机硬件结构,其至少包括处理器80和存储器81。处理器80和存储器81通过总线82连接。存储器81适于存储处理器80可执行的指令或程序。处理器80可以是独立的微处理器,也可以是一个或者多个微处理器集合。由此,处理器80通过执行存储器81所存储的指令,从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线82将上述多个组件连接在一起,同时将上述组件连接到显示控制器83和显示装置以及输入/输出(I/O)装置84。输入/输出(I/O)装置84可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地,输入/输出装置84通过输入/输出(I/O)控制器85与系统相连。
本领域的技术人员应明白,本申请的实施例可提供为方法、装置(设备)或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品。
本申请是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。
这些计算机程序指令可以存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现流程图一个流程或多个流程中指定的功能。
也可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
本发明的另一实施例涉及一种非易失性存储介质,用于存储计算机可读程序,所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指定相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种车辆属性确定方法,其特征在于,所述方法包括:
确定车辆在预定时间段内的加速度序列和车辆姿态序列,所述加速度序列中各车辆加速度用于表征车辆对应的三轴加速度分量,所述车辆姿态序列中各所述车辆姿态用于表征车辆的姿态;
根据所述加速度序列和车辆姿态序列确定对应的车辆惯性特征序列;
将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型,以确定对应的车辆速度和车辆姿态;
根据所述车辆速度和车辆姿态确定车辆对应的车辆位置。
2.根据权利要求1所述的方法,其特征在于,所述确定车辆在预定时间段内的加速度序列和车辆姿态序列包括:
通过车辆绑定的终端设备基于三轴加速度传感器在预定时间段内按顺序获取加速度向量,以确定车辆对应的加速度序列;
通过车辆绑定的终端设备基于陀螺仪传感器在预定时间段内按顺序获取对应的多个角速度,以确定车辆对应的车辆姿态序列。
3.根据权利要求2所述的方法,其特征在于,所述通过车辆绑定的终端设备基于三轴加速度传感器在预定时间段内按顺序获取加速度向量,以确定车辆对应的加速度序列包括:
通过车辆绑定的终端设备基于三轴加速度传感器在预定时间段内按顺序获取多个加速度向量;
对各所述加速度向量进行主成分分析,以确定所述车辆对应的三维坐标系;
将各所述加速度向量投影至所述三维坐标系得到对应的车辆加速度,以确定车辆对应的加速度序列。
4.根据权利要求2所述的方法,其特征在于,所述通过车辆绑定的终端设备基于陀螺仪传感器在预定时间段内按顺序获取对应的多个角速度,以确定车辆对应的车辆姿态序列包括:
通过车辆绑定的终端设备基于陀螺仪传感器在预定时间段内按顺序获取对应的多个角速度;
根据各所述角速度确定车辆对应的车辆姿态信息,以确定对应的车辆姿态序列。
5.根据权利要求1所述的方法,其特征在于,所述根据所述加速度序列和车辆姿态序列确定对应的车辆惯性特征序列包括:
确定所述加速度序列和车辆姿态序列中各所述车辆加速度和车辆姿态信息的对应关系;
根据对应的车辆加速度修正各所述车辆姿态信息得到车辆惯性特征,以确定对应的车辆惯性特征序列。
6.根据权利要求1所述的方法,其特征在于,所述时域卷积网络包括顺序连接的四个卷积网络以及切片层和全连接层;
所述将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型,以确定对应的车辆速度和车辆姿态包括:
将所述车辆惯性特征序列依次输入顺序连接的四个卷积网络进行扩张卷积,以确定车辆对应的运动特征;
将所述运动特征依次输入切片层和全连接层,以确定对应的车辆速度和车辆姿态。
7.根据权利要求6所述的方法,其特征在于,各所述卷积网络中包括三个顺序连接的卷积单元和一个残差连接单元,各所述卷积单元中包括顺序连接的扩张卷积层、权重归一化层、线性整流层和特征丢弃层。
8.一种车辆属性确定装置,其特征在于,所述装置包括:
运动属性确定模块,用于确定车辆在预定时间段内的加速度序列和车辆姿态序列,所述加速度序列中各车辆加速度用于表征车辆对应的三轴加速度分量,所述车辆姿态序列中各所述车辆姿态用于表征车辆的姿态;
特征序列确定模块,用于根据所述加速度序列和车辆姿态序列确定对应的车辆惯性特征序列;
速度确定模块,用于将所述车辆惯性特征序列输入预先训练得到的时域卷积网络模型,以确定对应的车辆速度和车辆姿态;
车辆属性确定模块,用于根据所述车辆速度和车辆姿态确定车辆对应的车辆位置。
9.根据权利要求8所述的装置,其特征在于,所述运动属性确定模块包括:
加速度序列确定子模块,用于通过车辆绑定的终端设备基于三轴加速度传感器在预定时间段内按顺序获取加速度向量,以确定车辆对应的加速度序列;
姿态序列确定子模块,用于通过车辆绑定的终端设备基于陀螺仪传感器在预定时间段内按顺序获取对应的多个角速度,以确定车辆对应的车辆姿态序列。
10.根据权利要求9所述的装置,其特征在于,所述加速度序列确定子模块包括:
向量获取单元,用于通过车辆绑定的终端设备基于三轴加速度传感器在预定时间段内按顺序获取多个加速度向量;
主成分分析单元,用于对各所述加速度向量进行主成分分析,以确定所述车辆对应的三维坐标系;
加速度序列确定单元,用于将各所述加速度向量投影至所述三维坐标系得到对应的车辆加速度,以确定车辆对应的加速度序列。
11.根据权利要求9所述的装置,其特征在于,所述姿态序列确定子模块包括:
角速度获取单元,用于通过车辆绑定的终端设备基于陀螺仪传感器在预定时间段内按顺序获取对应的多个角速度;
姿态序列确定单元,用于根据各所述角速度确定车辆对应的车辆姿态信息,以确定对应的车辆姿态序列。
12.根据权利要求8所述的装置,其特征在于,所述特征序列确定模块包括:
对应关系确定子模块,用于确定所述加速度序列和车辆姿态序列中各所述车辆加速度和车辆姿态信息的对应关系;
惯性特征确定子模块,用于根据对应的车辆加速度修正各所述车辆姿态信息得到车辆惯性特征,以确定对应的车辆惯性特征序列。
13.根据权利要求8所述的装置,其特征在于,所述时域卷积网络包括顺序连接的四个卷积网络以及切片层和全连接层;
所述速度确定模块包括:
卷积子模块,用于将所述车辆惯性特征序列依次输入顺序连接的四个卷积网络进行扩张卷积,以确定车辆对应的运动特征;
角速度确定子模块,用于将所述运动特征依次输入切片层和全连接层,以确定对应的车辆速度和车辆姿态。
14.根据权利要求13所述的装置,其特征在于,各所述卷积网络中包括三个顺序连接的卷积单元和一个残差连接单元,各所述卷积单元中包括顺序连接的扩张卷积层、权重归一化层、线性整流层和特征丢弃层。
15.一种计算机可读存储介质,用于存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。
16.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011126585.3A CN112363196B (zh) | 2020-10-20 | 2020-10-20 | 车辆属性确定方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011126585.3A CN112363196B (zh) | 2020-10-20 | 2020-10-20 | 车辆属性确定方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112363196A CN112363196A (zh) | 2021-02-12 |
CN112363196B true CN112363196B (zh) | 2023-10-31 |
Family
ID=74510500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011126585.3A Active CN112363196B (zh) | 2020-10-20 | 2020-10-20 | 车辆属性确定方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112363196B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112762933B (zh) * | 2021-04-07 | 2021-07-09 | 智道网联科技(北京)有限公司 | 基于神经网络模型的车辆定位方法及装置 |
CN115615428B (zh) * | 2022-10-17 | 2024-02-02 | 中国电信股份有限公司 | 终端的惯性测量单元的定位方法、装置、设备和可读介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012193965A (ja) * | 2011-03-15 | 2012-10-11 | Mitsubishi Electric Corp | 位置標定装置、位置標定装置の位置標定方法および位置標定プログラム |
CN109059909A (zh) * | 2018-07-23 | 2018-12-21 | 兰州交通大学 | 基于神经网络辅助的卫星/惯导列车定位方法与系统 |
CN109756837A (zh) * | 2017-11-03 | 2019-05-14 | 北京嘀嘀无限科技发展有限公司 | 定位方法及装置 |
CN110097055A (zh) * | 2019-04-29 | 2019-08-06 | 上海工程技术大学 | 一种基于栅格卷积神经网络的车辆姿态检测方法及系统 |
CN110553643A (zh) * | 2019-09-17 | 2019-12-10 | 电子科技大学 | 一种基于神经网络的行人自适应零速更新点选取方法 |
CN110869807A (zh) * | 2017-07-31 | 2020-03-06 | 北京嘀嘀无限科技发展有限公司 | 用于确定车辆定位的系统和方法 |
CN111060946A (zh) * | 2018-10-17 | 2020-04-24 | 三星电子株式会社 | 用于估计位置的方法和装置 |
CN111551174A (zh) * | 2019-12-18 | 2020-08-18 | 无锡北微传感科技有限公司 | 基于多传感器惯性导航系统的高动态车辆姿态计算方法及系统 |
CN113167586A (zh) * | 2018-11-30 | 2021-07-23 | 泰雷兹控股英国有限公司 | 用于确定载运工具的位置的方法和装置 |
-
2020
- 2020-10-20 CN CN202011126585.3A patent/CN112363196B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012193965A (ja) * | 2011-03-15 | 2012-10-11 | Mitsubishi Electric Corp | 位置標定装置、位置標定装置の位置標定方法および位置標定プログラム |
CN110869807A (zh) * | 2017-07-31 | 2020-03-06 | 北京嘀嘀无限科技发展有限公司 | 用于确定车辆定位的系统和方法 |
CN109756837A (zh) * | 2017-11-03 | 2019-05-14 | 北京嘀嘀无限科技发展有限公司 | 定位方法及装置 |
CN109059909A (zh) * | 2018-07-23 | 2018-12-21 | 兰州交通大学 | 基于神经网络辅助的卫星/惯导列车定位方法与系统 |
CN111060946A (zh) * | 2018-10-17 | 2020-04-24 | 三星电子株式会社 | 用于估计位置的方法和装置 |
CN113167586A (zh) * | 2018-11-30 | 2021-07-23 | 泰雷兹控股英国有限公司 | 用于确定载运工具的位置的方法和装置 |
CN110097055A (zh) * | 2019-04-29 | 2019-08-06 | 上海工程技术大学 | 一种基于栅格卷积神经网络的车辆姿态检测方法及系统 |
CN110553643A (zh) * | 2019-09-17 | 2019-12-10 | 电子科技大学 | 一种基于神经网络的行人自适应零速更新点选取方法 |
CN111551174A (zh) * | 2019-12-18 | 2020-08-18 | 无锡北微传感科技有限公司 | 基于多传感器惯性导航系统的高动态车辆姿态计算方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于多传感器的智能车辆姿态解算方法;王润民;胡锦超;任亮;徐志刚;闵海根;;测控技术(第09期);第15-19、24页 * |
基于手机惯性传感器与多特征CNN的驾驶行为识别算法;谢 非等;中国惯性技术学报;第27卷(第3期);第288-294页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112363196A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106814753B (zh) | 一种目标位置矫正方法、装置及系统 | |
WO2022088973A1 (zh) | 展示车辆的行驶状态的方法以及电子设备 | |
CN112363196B (zh) | 车辆属性确定方法、装置、存储介质和电子设备 | |
CN107389968B (zh) | 一种基于光流传感器和加速度传感器的无人机定点实现方法和装置 | |
CN112744313B (zh) | 一种机器人状态估计方法、装置、可读存储介质及机器人 | |
US11312430B2 (en) | Method and system for lean angle estimation of motorcycles | |
CN103940442A (zh) | 一种采用加速收敛算法的定位方法及装置 | |
CN110440797A (zh) | 车辆姿态估计方法及系统 | |
CN110440827A (zh) | 一种参数误差的标定方法、装置及存储介质 | |
CN111223145A (zh) | 数据处理方法、系统、服务装置及其存储介质 | |
EP3227634B1 (en) | Method and system for estimating relative angle between headings | |
JP2014240266A (ja) | センサドリフト量推定装置及びプログラム | |
US10197402B2 (en) | Travel direction information output apparatus, map matching apparatus, travel direction information output method, and computer readable medium | |
CN112904884A (zh) | 足式机器人轨迹跟踪方法、设备及可读存储介质 | |
US20130085712A1 (en) | Inertial sensing input apparatus and method thereof | |
CN109506674A (zh) | 一种加速度的校正方法及装置 | |
CN109827572A (zh) | 一种检测车位置预测的方法及装置 | |
CN112325877B (zh) | 车辆属性确定方法、装置、存储介质和电子设备 | |
CN108225368B (zh) | 计步装置和计步方法 | |
CN106931965A (zh) | 一种确定终端姿态的方法及装置 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN112327004B (zh) | 车辆加速度确定方法、装置、存储介质和电子设备 | |
CN111964676A (zh) | 航姿解算方法、装置、电子设备及计算机可读存储介质 | |
CN106574830A (zh) | 使用软约束和惩罚函数初始化惯性传感器 | |
CN108413970B (zh) | 一种定位方法、云系统、电子设备及计算机程序产品 |
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 |