CN112660143A

CN112660143A - 一种纵向车速估算方法及装置

Info

Publication number: CN112660143A
Application number: CN202011564009.7A
Authority: CN
Inventors: 丁少兵; 刘国瑞; 张荡; 延仲毅; 张志刚
Original assignee: Zhejiang Geely Holding Group Co Ltd; Ningbo Geely Automobile Research and Development Co Ltd
Current assignee: Zhejiang Geely Holding Group Co Ltd; Zhejiang Zeekr Intelligent Technology Co Ltd
Priority date: 2020-12-25
Filing date: 2020-12-25
Publication date: 2021-04-16
Anticipated expiration: 2040-12-25
Also published as: CN112660143B

Abstract

本发明公开了一种纵向车速估算方法及装置，包括：对获取到的当前时间周期车辆各个轮胎对应的第一轮速进行修正得到各个轮胎的第二轮速；根据各个轮胎的所述第二轮速、上一时间周期估算的车速确定加速度车速和加速度方差；根据上一时间周期各个轮胎的第二轮速及修正后的整车加速度确定轮速车速和轮速方差；根据所述加速度车速、所述加速度方差、所述轮速车速和所述轮速方差得到当前周期估算的车速。本发明基于数据融合的车速估计方法依据模糊逻辑来判断加速度车速与轮速车速的可信度，尽可能地减小了噪声的影响，并且从含有噪声的测量值中得到系统的最优估计。

Description

一种纵向车速估算方法及装置

技术领域

本发明涉及车辆主动安全领域，特别涉及一种纵向车速估算方法及装置。

背景技术

近年来，汽车主动安全电控技术及其相关控制策略发展迅速，车辆运行状态估计是汽车动力学中的重要问题，是实现汽车主动安全控制系统的关键技术之一。其中，参考车速的估计最为重要。目前对车速的估算方法主要分为两类：直接测量法。该方法大多利用多普勒雷达/第五轮传感器/光电式非接触传感器等价格昂贵的外设传感器来获取相对精确的车速信息，但由于外设传感器价格较贵且受环境影响较大，不适用于批量生产；间接车辆法，该方法主要包括斜率法/最大轮速法/基于卡尔曼的估计方法等。车速估算成本较高。

因此，亟需提供一种纵向车速估算的技术方案，在车辆未配备V-BOX的情况下，如何利用基本的传感器信号信息估算出车辆的参考车速，为车辆主动安全控制奠下基础，减少事故的发生。

发明内容

针对现有技术的上述问题，本发明提供一种纵向车速估算方法，包括：

对获取到的当前时间周期车辆各个轮胎对应的第一轮速进行修正得到各个轮胎的第二轮速；

根据各个轮胎的所述第二轮速、上一时间周期估算的车速确定加速度车速和加速度方差；

根据上一时间周期各个轮胎的第二轮速及修正后的整车加速度确定轮速车速和轮速方差；

根据所述加速度车速、所述加速度方差、所述轮速车速和所述轮速方差得到当前周期估算的车速。

进一步地、所述对获取到的当前时间周期车辆各个轮胎对应的第一轮速进行修正得到各个轮胎的第二轮速，包括：

获取车辆的各个轮胎对应的所述第一轮速、方向盘转角和横摆角速度；

根据所述方向盘转角和所述横摆角速度将各个所述第一轮速修正至车辆质心处得到所述各个轮胎的第二轮速。

进一步地、所述修正后的整车加速度是通过以下方式获取的：

根据获取到的前后电机扭矩和当前位置的坡道参数对整车加速度修正得到所述修正后的整车加速度。

进一步地、所述根据所述加速度车速、加速度方差、轮速车速和轮速方差得到当前周期估算的车速，包括：

将所述加速度车速、所述加速度方差、所述轮速车速和所述轮速方差输入至卡尔曼滤波组件中，输出所述当前周期估算的车速。

进一步地、还包括：

对所述当前周期估算的车速进行修正得到纵向估算的车速。

进一步地、所述将所述加速度车速、所述加速度方差、所述轮速车速和所述轮速方差输入至卡尔曼滤波组件中，输出所述当前周期估算的车速，包括：

通过模糊控制器，调整所述加速度方差和所述轮速方差在所述卡尔曼滤波组件中的权重值；

基于所述权重值对所述加速度车速和所述轮速车速进行处理，输出所述当前周期估算的车速。

另一方面，本发明提供一种纵向车速估算装置，包括：

轮速修正模块，被配置为执行对获取到的当前时间周期车辆各个轮胎对应的第一轮速进行修正得到各个轮胎的第二轮速；

第一参数确定模块，被配置为执行根据各个轮胎的所述第二轮速、上一时间周期估算的车速确定加速度车速和加速度方差；

第二参数确定模块，被配置为执行根据上一时间周期各个轮胎的第二轮速及修正后的整车加速度确定轮速车速和轮速方差；

车速估算模块，被配置为执行根据所述加速度车速、所述加速度方差、所述轮速车速和所述轮速方差得到当前周期估算的车速。

进一步地、还包括：

车速修正模块，被配置为执行对所述当前周期估算的车速进行修正得到纵向估算的车速。

另一方面，本发明提供一种纵向车速估算设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现如上述所述的纵向车速估算方法。

再一方面，本发明提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由处理器加载并执行以实现如上述所述的纵向车速估算方法。

本发明提供的一种纵向车速估算方法及装置，具有如下有益效果：

本发明基于数据融合的车速估算方法依据模糊逻辑来判断加速度车速与轮速车速的可信度，减小了噪声的影响，得到系统的最优估计。

利用坡道信息和前后电机的扭矩信息对加速度计测量到的加速度进行修正；利用方向盘转角与横摆角速度信息对轮速传感器测量到的轮速进行修正，提高了纵向车速估算的准确性。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1是本申请实施例提供的第一种纵向车速估算方法的流程示意图；

图2是本申请实施例提供的第二种纵向车速估算方法的流程示意图；

图3是本申请实施例提供的第三种纵向车速估算方法的流程示意图；

图4是本申请实施例提供的第四种纵向车速估算方法的流程示意图；

图5是本发明实施例提供的一种加速度差的隶属度函数示意图；

图6是本发明实施例提供的一种速度差的隶属度函数示意图；

图7是本发明实施例提供的一种R_v的隶属度函数示意图；

图8是本发明实施例提供的一种R_a的隶属度函数示意图；

图9是本发明实施例提供的一种纵向车速估算方法装置的结构示意图；

图10是本发明实施例提供的一种电子设备的结构示意图。

其中，710-轮速修正模块，720-第一参数确定模块，730-第二参数确定模块，740-车速估算模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明为克服现有技术中存在的以下问题提出的：

在运动控制系统中，往往将轮速传感器测量到的速度与加速度计测量到的加速度进行单独处理，没有将两者的信息进行数据融合。由物理定律可知，加速度与速度成导数关系，所以两者的数据存在着内在的联系，完全可以根据信息融合理论对两者数据进行综合处理，从而得到更加准确的结果。

在运动控制系统中，往往将轮速传感器测量到的速度与加速度计测量到的加速度直接处理，没有根据车辆当前的运动状态，例如转向，爬坡，侧倾，俯仰等，进行相关的计算修正。

如图1所示，图1是本申请实施例提供的第一种纵向车速估算方法的流程示意图，本方法的执行主体可以是汽车(例如，纯电动汽车、混动汽车、传统燃油汽车)的行车电脑(ECU，Electronic Control Unit)包括：

S102、对获取到的当前时间周期车辆各个轮胎对应的第一轮速进行修正得到各个轮胎的第二轮速。

在一些可能的实施例中，图2是本申请实施例提供的第二种纵向车速估算方法的流程示意图，如图2所示，所述对获取到的当前时间周期车辆各个轮胎对应的第一轮速进行修正得到各个轮胎的第二轮速，包括：

S202、获取车辆的各个轮胎对应的所述第一轮速、方向盘转角和横摆角速度。

在具体的实施过程中，第一轮速、方向盘转角和横摆角速度均可以通过设置在车辆的传感器获得，第一轮速表征车辆各个轮胎的运转速度，方向盘转角表征车辆的期望允许方向，横摆角速度是指汽车绕垂直轴的偏转，该偏转的大小代表汽车的稳定程度。

S204、根据所述方向盘转角和所述横摆角速度将各个所述第一轮速修正至车辆质心处得到所述各个轮胎的第二轮速。

在具体的实施过程中，通过车辆其他传感器信号对轮速进行预处理，为了使轮速信息更具表征性，通过方向盘转角与横摆角速度等传感器信号信息将轮速传感器采集的第一轮速修正至车辆质心处得到第二轮速。

S104、根据各个轮胎的所述第二轮速、上一时间周期估算的车速确定加速度车速和加速度方差。

在一些可能的实施例中，通过估算的上一时间周期估算的车速与各个修正后的轮速(即第二轮速)，判断车辆打滑程度，并依据车辆打滑程度确定加速度车速和加速度方差。加速度方差可以是表征车辆打滑程度。加速度车速和加速度方差旨在利用加速度信息计算粗略的满足正态分布的车速信息。当修正后的整车加速度为a时，可以通过V_k+1＝V_k+aΔt获取正态分布下满足加速度方差为σ_a的加速度车速V_a，其中，k为时间周期，Δt为相邻时间周期的时间间隔。

S106、根据上一时间周期各个轮胎的第二轮速及修正后的整车加速度确定轮速车速和轮速方差。

在具体的实施过程中，通过估算的轮速变化率与修正后的整车加速度，判断车辆打滑程度，并依据车辆打滑程度确定轮速车速和轮速方差，轮速方差可以是表征车辆打滑程度。轮速车速和轮速方差旨在利用轮速信息计算粗略的满足正态分布的车速信息。

可以根据车辆打滑情况分配不同的两种可信度方差，可以理解的是，轮速方差和加速度方差是为了确定第二轮速与修正后的整车加速度的可信度。

在一些可能的实施例中，所述修正后的整车加速度是通过以下方式获取的：

在具体的实施过程中，利用前后电机扭矩与坡道信息对整车加速度进行修正，得到修正后的整车加速度a，并通过V_k+1＝V_k+aΔt获取正态分布下满足加速度方差为σ_a的加速度车速V_a，其中，k为时间周期，Δt为相邻时间周期的时间间隔。

根据不同的打滑情况来确定车辆四个车轮轮速信息的可信度，并根据四个第二轮速求得正态分布下满足轮速方差为σ_whl的轮速车速V_whl。

在具体的实施过程中，加速度计采集到的纵向加速度带有纵向坡道和车辆俯仰的影响，不代表整车的实际加速度，所以需要根据坡道对加速度信号进行修正。

S104和S106分别通过估算的上一时间周期估算的车速与各个修正后的第二轮速，判断车辆打滑程度；通过估算的轮速变化率与修正后的整车加速度，判断车辆打滑程度；通过两种打滑程度的判断，综合得出当前各轮的打滑程度。

S108、根据所述加速度车速、所述加速度方差、所述轮速车速和所述轮速方差得到当前周期估算的车速。

在具体的实施过程中，可以将两个正态分布下粗略的车速融合为一个相对较为精确的估计车速。

本发明基于数据融合的车速估计方法依据模糊逻辑来判断加速度车速与轮速车速的可信度，尽可能地减小了噪声的影响，并且从含有噪声的测量值中得到系统的最优估计。

利用坡道信息和前后电机的扭矩信息对加速度计测量到的加速度进行修正；利用方向盘转角与横摆角速度信息对轮速传感器测量到的速度进行修正。提高了车速估算的准确性。

在上述实施例基础上，本说明书一个实施例中，图3是本申请实施例提供的第三种纵向车速估算方法的流程示意图，如图3所示，所述根据所述加速度车速、加速度方差、轮速车速和轮速方差得到当前周期估算的车速，包括：

S402、将所述加速度车速、所述加速度方差、所述轮速车速和所述轮速方差输入至卡尔曼滤波组件中，输出所述当前周期估算的车速。

在具体的实施过程中，当前周期估算的车速是通过卡尔曼滤波组件对加速度车速、加速度方差、轮速车速和轮速方差进行处理后输出的。卡尔曼滤波组件采用数据融合的方式并基于各个轮胎的打滑程度确定加速度车速和轮速车速的可信度，以此为基础输出当前周期估算的车速。

在上述实施例基础上，本说明书一个实施例中，还包括：

对所述当前周期估算的车速进行修正得到纵向估算的车速。

在具体的实施过程中，纵向估算的车速是利用车辆相对稳态时的车速修正当前周期估算的车速得到的，车辆相对稳态可以是四轮均不打滑的场景。

在上述实施例基础上，本说明书一个实施例中，图4是本申请实施例提供的第四种纵向车速估算方法的流程示意图，如图4所示，所述将所述加速度车速、所述加速度方差、所述轮速车速和所述轮速方差输入至卡尔曼滤波组件中，输出所述当前周期估算的车速，包括：

S4022、通过模糊控制器，调整所述加速度方差和所述轮速方差在所述卡尔曼滤波组件中的权重值；

S4024、基于所述权重值对所述加速度车速和所述轮速车速进行处理，输出所述当前周期估算的车速。

以下描述扩展k卡尔曼滤波组件的设计。

假设离散对象的系统状态方程和测量方程分别为：

X_k+1＝A*X_k+B*(U_k+ξ_k) (1)

Y_k＝C*X_k+λ_k (2)

式中，A、B、C分别为系统矩阵、输入矩阵和测量矩阵；X_k、U_k、Y_k分别为k时刻的状态变量列矩阵、输入变量(或控制变量)列矩阵和输出变量(或测量变量)列矩阵；ξ_k和λ_k分别为系统噪声列矩阵和测量噪声列矩阵，假设它们为零均值、独立的高斯分布噪声，其协方差矩阵分别为Q和R。

k为当前采样时刻；k+1为当前采样时刻的下一时刻。

卡尔曼滤波算法基于系统的状态空间表达式(1)、(2)，进行如下时间更新和测量校正运算。时间更新是根据当前采样时刻的估计值X_k预测下一时刻的动态值X_k+1，_k：

X_k+1，_k＝A*X_k+B*U_k (3)

由于系统噪声ξ_k的存在，上式的结果与真实值存在误差，误差的协方差为：

P_k+1，_k＝X_k+1-X_k+1，_k＝A*P_k*A^T+Q_k (4)

因此，需要定义增益矩阵K，以校正时间更新中产生的误差：

K_k+1，_k＝P_k+1，_k*C^T*(C*P_k+1，_k*C^T+R_k)^-1 (5)

测量校正是利用增益矩阵和测量变量对初步预测的动态值X_k+1，k进行修正，得到下一时刻估计值X_k+1：

最后，更新估计误差的协方差,用于下一采样时刻的迭代估算：

P_k+1＝(I-K_k+1*C)*P_k+1,k (7)

I是单位矩阵。

卡尔曼滤波组件根据去噪后的最小或最大轮速车速V_wh1和加速度车速V_a，估算出车辆的前当前周期估算的车速V_est，对应的离散状态方程和测量方程为：

V_est＝V_a+K(V_whl-V_a) (8)

其中，K为增益，是由方差σ_a与σ_whl计算得到。

由式(1)～(8)便可以构建卡尔曼滤波组件，利用Matlab软件的函数编辑功能，

可以方便地编写卡尔曼滤波组件的M文件。

以下描述模糊控制器的设计。

为了使算法在不同行驶工况下都具有良好的适应性和估算精度，本发明通过模糊控制器实时调整卡尔曼滤波组件的参数σ_a和σ_whl，一方面进一步补偿卡尔曼滤波组件中的误差，另一方面实时改变轮速车速和加速度车速在估计算法中的权重程度。

图5是本发明实施例提供的一种加速度差的隶属度函数示意图，如图5所示，模糊控制器的输入为加速度车速、加速度方差、轮速车速和轮速方差。

车辆在正常行驶状态下，卡尔曼滤波组件能够较好的估计车身真实速度，但是在车轮产生滑移时，卡尔曼滤波组件如果还是跟随车轮速度，则不能准确反映车身速度，这也就要求我们根据不同工况，对车辆加速度以及轮速之间的权重区分，通过对卡尔曼滤波组件的了解，我们知道滤波器的协方差矩阵R(k)，Q(k)，P(k)并且改变ε(k)的协方差等都能够有效改变加速度与速度之间的权重，进而调整车辆的速度估计。具体参数我们通过模糊控制来实现，模糊控制器的输入有两个，分别是

和|a_w-a_m|，他们分别是真实速度估计值与速度测量值之差，以及车轮加速度与车辆加速度之差，这里我们分别以v和a代替。v和a的论域分别为[0,50]和[0,10]，通过它来确定R_v和R_a的值，它们的论域分别是[5*10^-4，5*10^-2]和[2.3*10^-3，2.3*10^-1]。模糊规则表的建立主要是根据前人积累的经验以及专家建议的基础上得出，为确保数据的真实性，我们还通过不同工况对模型进行了验证，证明能够比较好的反映真实情况。

表1：输入协方差Rv的模糊规则表

这里的S,M,L分别代表模糊子集，分别是小，中等以及大，他们对应的隶属度函数见图6所示，图6是本发明实施例提供的一种速度差的隶属度函数示意图。模糊规则表中的逻辑关系其实比较容易理解，比如车辆在输入加速度误差a，速度误差v都比较小的时候，输入加速度误差a为S，速度误差v为S时，证明车辆车轮轮速能够较好的反映车辆速度，这时候我们应当对车轮轮速观测值有较大的权重，根据卡尔曼滤波器的公式可以知道，噪声协方差的值越小，那么观测值权重越大，所以在这种情况下，Rv更值得相信，这时也可以知道对车身加速度的权重比较小，相应的加速度观测噪声协方差应当比较大，见表2。这种时候对应工况车辆在正常工况运行。当车辆在输入加速度误差a为L，速度误差v为L时，表明车辆加速度与车轮加速度相差较大，车辆真实速度与车轮观测速度相差较大，相对应的典型工况是车辆刹车，这时候车轮轮速不能准确反映车辆速度，因此，对轮速观测值权重减少，而对车辆加速度权重增大，故而模糊规则表中输出R_v为L，R_a为S。当车辆在输入加速度误差a为L，速度误差v为S时，典型工况是车辆低速启动时候，车身加速度较小，但车轮加速度较大，但由于摩擦力存在车辆速度变化不大，这时候加速度信号噪声较大，应当更多权重放于速度上。所以输入R_v为S，R_a为L。对应每组数据都能找到相应工况解释，这也是模糊规则表建立的基础。

表1：输入协方差Ra的模糊规则表

最后通过解模糊化来确定R_v和R_a的值，它们的论域分别是[5*10^-4，5*10^-2]和[2.3*10^-3，2.3*10^-1]。对应R_v和R_a的隶属度函数见图7和8，图7是本发明实施例提供的一种Rv的隶属度函数示意图，图8是本发明实施例提供的一种Ra的隶属度函数示意图，选择重心法作为解模糊化算法，能够较好的确定卡尔曼滤波器的参数。

本发明中，所建立的系统离散状态方程和测量方程能正确地描述输入输出关系；卡尔曼滤波组件能在模糊控制器的调节作用下，实时准确地估算不同路面条件和行驶工况下的车速。

另外，本发明中，以加速度车速和轮速车速与上一时间周期的车速做为判断车轮滑移状态的依据，并以此作为模糊控制器的输入，所设计的模糊规则能根据车辆的滑移率改变轮速信号和车身加速度信号在估计算法中的权重值，以实时调整滤波器的参数，使得估计算法具有较强的自适应性。

在没有搭建复杂的车辆模型的情况下，可以采用最基本的传感器信号和轮速信号等估算出车辆的参考车速。

另一方面，本说明书实施例提供一种纵向车速估算装置，图9是本发明实施例提供的一种纵向车速估算方法装置的结构示意图，如图9所示，包括：

在上述实施例基础上，本说明书一个实施例中，还包括：

需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

另一方面，图10是本发明实施例提供的一种电子设备的结构示意图，如图10所示，本发明提供一种纵向车速估算设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现如上述所述的纵向车速估算方法。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。本发明实施例所提供测试方法，其实现原理及产生的技术效果和前述系统实施例相同，为简要描述，方法实施例部分未提及之处，可参考前述系统实施例中相应内容。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品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方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。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，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动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。

上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个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-Okly Memory)、随机存取存储器(RAM，Rakdom Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在一个具体的实施例中，如图10所示，其示出了本发明实施例提供的电子设备的结构示意图。所述电子设备800可以包括一个或一个以上计算机可读存储介质的存储器810、一个或者一个以上处理核心的处理器820、输入单元830、显示单元840、射频(RadioFrequekcy，RF)电路850、无线保真(wireless fidelity，WiFi)模块860以及电源870等部件。本领域技术人员可以理解，图10中示出的电子设备结构并不构成对电子设备800的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

所述存储器810可用于存储软件程序以及模块，所述处理器820通过运行或执行存储在所述存储器810的软件程序以及模块，以及调用存储在存储器810内的数据，从而执行各种功能应用以及数据处理。所述存储器810可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据所述电子设备的使用所创建的数据等。此外，存储器810可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器810还可以包括存储器控制器，以提供处理器820对存储器810的访问。

所述处理器820是电子设备800的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器810内的软件程序和/或模块，以及调用存储在存储器810内的数据，执行电子设备800的各种功能和处理数据，从而对电子设备800进行整体监控。所述处理器820可以是中央处理器(Cektral Processikg Ukit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Sigkal Processor，DSP)、专用集成电路(Applicatiok SpecificIktegrated Circuit，ASIC)、现成可编程门阵列(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。

所述输入单元830可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元830可包括图像输入设备831以及其他输入设备832。图像输入设备831可以是摄像头，也可以是光电扫描设备。除了图像输入设备831，输入单元830还可以包括其他输入设备832。具体地，其他输入设备832可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

所述显示单元840可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元840可包括显示面板841，可选的，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、有机发光二极管(Orgakic Light-Emittikg Diode，OLED)等形式来配置显示面板841。

所述RF电路850可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器820处理；另外，将涉及上行的数据发送给基站。通常，RF电路850包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、低噪声放大器(Low Koise Amplifier，LKA)、双工器等。此外，RF电路850还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobilecommukicatiok，GSM)、通用分组无线服务(Gekeral Packet Radio Service，GPRS)、码分多址(Code Divisiok Multiple Access，CDMA)、宽带码分多址(Widebakd Code DivisiokMultiple Access，WCDMA)、长期演进(Lokg Term Evolutiok，LTE)、电子邮件、短消息服务(Short Messagikg Service，SMS)等。

WiFi属于短距离无线传输技术，电子设备800通过WiFi模块860可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图10示出了WiFi模块860，但是可以理解的是，其并不属于电子设备800的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

所述电子设备800还包括给各个部件供电的电源870(比如电池)，优选的，电源可以通过电源管理系统与处理器820逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源870还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

需要说明的是，尽管未示出，所述电子设备800还可以包括蓝牙模块等，在此不再赘述。

本发明实施例还提供了一种存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、该至少一段程序、该代码集或指令集可由电子设备的处理器执行以完成上述任一所述的纵向车速估算方法。

可选地，在本发明实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Okly Memory，ROM)、随机存取存储器(Rakdom Access Memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备和存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以上述权利要求的保护范围为准。

Claims

1.一种纵向车速估算方法，其特征在于，包括：

2.根据权利要求1所述的纵向车速估算方法，其特征在于，所述对获取到的当前时间周期车辆各个轮胎对应的第一轮速进行修正得到各个轮胎的第二轮速，包括：

3.根据权利要求1所述的纵向车速估算方法，其特征在于，所述修正后的整车加速度是通过以下方式获取的：

4.根据权利要求1所述的纵向车速估算方法，其特征在于，所述根据所述加速度车速、加速度方差、轮速车速和轮速方差得到当前周期估算的车速，包括：

5.根据权利要求1所述的纵向车速估算方法，其特征在于，还包括：

对所述当前周期估算的车速进行修正得到纵向估算的车速。

6.根据权利要求4所述的纵向车速估算方法，其特征在于，所述将所述加速度车速、所述加速度方差、所述轮速车速和所述轮速方差输入至卡尔曼滤波组件中，输出所述当前周期估算的车速，包括：

7.一种纵向车速估算装置，其特征在于，包括：

8.根据权利要求7所述的纵向车速估算装置，其特征在于，还包括：

9.一种纵向车速估算设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现如权利要求1-6任一所述的纵向车速估算方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由处理器加载并执行以实现如权利要求1-6任一所述的纵向车速估算方法。