CN113030504A - 车辆测速方法、装置、车载计算机设备和存储介质 - Google Patents
车辆测速方法、装置、车载计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113030504A CN113030504A CN202110305030.3A CN202110305030A CN113030504A CN 113030504 A CN113030504 A CN 113030504A CN 202110305030 A CN202110305030 A CN 202110305030A CN 113030504 A CN113030504 A CN 113030504A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- angle
- sideslip angle
- centroid
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开实施例涉及一种车辆测速方法、装置、车载计算机设备、存储介质以及计算机程序产品,涉及车辆测速技术领域。该车辆测速方法基于车载测速装置测得的速度测量值和侧滑角获取车辆的初始质心速度,通过侧滑角对车载测速装置测得的速度测量值进行修正,得到修正后的初始质心速度,相比于现有技术中直接将速度测量值作为质心速度的方式提高了初始质心速度的准确性,进一步的,通过对初始质心速度进行滤波去噪处理,得到优化后的质心速度,进一步提高了质心速度的准确性,提高了车辆速度的精度。
Description
技术领域
本公开涉及车辆测速技术领域,特别是涉及一种车辆测速方法、装置、车载计算机设备、存储介质以及计算机程序产品。
背景技术
无人驾驶车辆,简称无人车,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。无人车在行驶的过程中,需要根据无人车的速度来修改车辆驾驶策略,因此,无人车的速度的准确性对无人车而言非常重要。
现有技术中,一般是将车载测速装置测得的速度确定为车辆质心的速度,即车辆的速度。然而,一方面车载测速装置常常不是安装于车体的质心位置;另一方面,如图1所示,图1中将车辆简化为两轮车,其中,车辆上A和B之间的填充区域表示后车轮,B和C之间的填充区域表示前车轮,此时,车辆围绕瞬时中心O点旋转,车辆上A、B和C三点的瞬时速度的大小和方向都不相同,因此可知,车载测速装置测得的速度并不能直接作为车辆质心的速度。
因此,基于现有技术确定的车辆质心的速度不准确。
发明内容
本公开实施例提供一种车辆测速方法、装置、车载计算机设备、存储介质以及计算机程序产品,可以提高车辆的质心速度的准确性。
第一方面,本公开实施例提供一种车辆测速方法,该方法包括:
获取车辆的侧滑角,侧滑角为车辆的速度方向与车辆的行驶方向之间的夹角;
根据车载测速装置测得的速度测量值和侧滑角获取车辆的初始质心速度;
对初始质心速度进行滤波去噪处理,得到优化后的质心速度。
第二方面,本公开实施例提供一种车辆测速装置,该装置包括:
获取模块,用于获取车辆的侧滑角,侧滑角为车辆的速度方向与车辆的行驶方向之间的夹角;
质心速度确定模块,用于根据车载测速装置测得的速度测量值和侧滑角获取车辆的初始质心速度;
优化模块,用于对初始质心速度进行滤波去噪处理,得到优化后的质心速度。
第三方面,本公开实施例提供一种车载计算机设备,车载计算机设备包括存储器以及处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面所示的方法的步骤。
第四方面,本公开实施例提供一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面所示的方法的步骤。
第五方面,本公开实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面所示的方法的步骤。
本公开实施例提供的车辆测速方法、装置、车载计算机设备、存储介质以及计算机程序产品,可以提高车辆速度的精度。该车辆测速方法基于车载测速装置测得的速度测量值和侧滑角获取车辆的初始质心速度,通过侧滑角对车载测速装置测得的速度测量值进行修正,得到修正后的初始质心速度,相比于现有技术中直接将速度测量值作为质心速度的方式提高了初始质心速度的准确性,进一步的,通过对初始质心速度进行滤波去噪处理,得到优化后的质心速度,进一步提高了质心速度的准确性,提高了车辆速度的精度。
附图说明
图1为现有技术提供的车辆示意图;
图2为一个实施例中车载计算机设备的内部结构图;
图3为一个实施例中车辆测速方法的流程示意图;
图4为一个实施例中一种获取车辆的侧滑角的方法的流程示意图;
图5为一个实施例中简化后的车辆模型中的速度分解示意图;
图6为另一个实施例中车辆测速方法的流程示意图;
图7为一个实施例中车辆测速装置的结构框图。
具体实施方式
为了使本公开实施例的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本公开实施例进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本公开实施例,并不用于限定本公开实施例。
首先,在具体介绍本公开实施例的技术方案之前,先对本公开实施例基于的技术背景或者技术演进脉络进行介绍。
无人车主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目的。为了提高无人车的驾驶性能,一般采用多传感器融合的方式来采集无人车周边环境信息,并根据多传感器数据的融合结果来调整无人车的驾驶策略。
现有技术中,四轮车的前面两个车轮具有相同的转向角度和转向速度,后面两个车轮也是如此,因此一般可以将四轮车简化为与自行车类似的两轮车模型,该两轮车模型中垂直方向的运动被忽略,仅根据车辆沿车体朝向的加速度和前轮的转向角度描述车辆的运动情况。车载测速装置测量可以测量其所在的位置处的速度,并将测得的车辆速度作为车辆质心速度,并基于车载测速装置测量到的车辆速度进行后续的多传感器数据融合。然而,一方面,车辆在转弯的情况下,车辆上的不同位置处的瞬时速度的大小和方向都不相同;另一方面,由于车载测速装置常常不是安装于车体的质心位置,因此车载测速装置测量到的车辆速度并不是真实的车辆质心速度,由于车载测速装置测量到的车辆速度与真实的车辆质心速度之间存在差异,导致基于车载测速装置测量到的车辆速度进行后续的多传感器数据融合会带来系统性的偏差,从而降低无人车的定位精度。
为了提高车辆质心速度的精度,本公开实施例提供了一种车辆测速方法,该方法基于车载测速装置测得的速度测量值和侧滑角获取车辆的初始质心速度,通过侧滑角对车载测速装置测得的速度测量值进行修正,得到修正后的初始质心速度,相比于现有技术中直接将速度测量值作为质心速度的方式提高了初始质心速度的准确性,进一步的,通过对初始质心速度进行滤波去噪处理,得到优化后的质心速度,进一步提高了质心速度的准确性,提高了车辆速度的精度。
下面结合本公开实施例所应用的场景,对本公开实施例涉及的技术方案进行介绍。
本公开实施例提供的车辆测速方法的应用环境可以包括车辆,该车辆上设置有车载测速装置和车载计算机设备,其中,该车载测速装置安装于车辆上,用于测量车辆速度,并将测得的速度测量值发送给该车载计算机设备,该车载计算机设备可以用于实现本公开实施例提供的车辆测试方法。
其中,该车载计算机设备的内部结构如图2所示,该车载计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该车载计算机设备的处理器用于提供计算和控制能力。该车载计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该车载计算机设备的数据库用于存储与本公开提供的车辆测速方法相关的预设数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆测试方法。
在一个实施例中,如图3所示,提供了一种车辆测速方法,该方法应用于图1所示的车辆中,包括以下步骤:
步骤301,获取车辆的侧滑角。
侧滑角为车辆的速度方向与车辆的行驶方向之间的夹角。
本公开实施例中,车辆的侧滑角是指车辆在转弯时车辆的速度的方向与车辆的行驶方向之间的夹角,如图4所示的β角。
本公开实施例中,可以通过测量车载测速装置与车辆质心位置的位置偏移,然后通过预设的旋转矩阵和该位置偏移得到车辆质心的位置坐标,进而确定车辆质心的速度的方向;通过对车辆航向数据进行方位变换,得到车辆的行驶方向,可选的,车辆质心的速度的方向可以使用车辆质心航向角表示,车辆的行驶方向可以使用车辆航向角表示,然后基于车辆的速度的方向与车辆的行驶方向计算车辆的侧滑角。
步骤302,根据车载测速装置测得的速度测量值和侧滑角获取车辆的初始质心速度。
本公开实施例中,可以基于侧滑角获取速度补偿系数,然后基于速度补偿系数和车载测速装置测得的速度测量值得到车辆的初始质心速度。
可选的,基于侧滑角获取速度补偿系数的过程可以包括:基于侧滑角的正弦值与余弦值的比值确定该速度补偿系数。
可选的,基于侧滑角获取速度补偿系数的过程还可以包括:基于侧滑角与预设系数的乘积得到目标侧滑角,然后基于侧滑角的余弦值与目标侧滑角的余弦值的比值确定该速度补偿系数。
可选的,基于速度补偿系数和车载测速装置测得的速度测量值得到车辆的初始质心速度的过程可以包括:将速度补偿系数和车载测速装置测得的速度测量值的乘积作为辆的初始质心速度。
步骤303,对初始质心速度进行滤波去噪处理,得到优化后的质心速度。
可选的,本公开实施例中,可以基于滤波器对初始质心速度进行滤波去噪处理,得到优化后的质心速度。
本公开实施例提供的车辆测速方法,基于车载测速装置测得的速度测量值和侧滑角获取车辆的初始质心速度,通过侧滑角对车载测速装置测得的速度测量值进行修正,得到修正后的初始质心速度,相比于现有技术中直接将速度测量值作为质心速度的方式提高了初始质心速度的准确性,进一步的,通过对初始质心速度进行滤波去噪处理,得到优化后的质心速度,进一步提高了质心速度的准确性,提高了车辆速度的精度。
在实际应用中,在得到车辆速度之后,可以基于车辆速度确定车辆的位置。由于通过测量得到的车辆的位置测量值是存在误差的,因此直接根据车辆的位置测量进行车辆定位,会导致车辆定位结果不准确。为了提高车辆定位结果的准确性,本公开实施例提供了一种确定车辆位置的方法,该方法包括:
获取车辆的位置测量值,对初始质心速度和位置测量值进行滤波去噪处理,得到优化后的质心速度和优化后的车辆位置。
其中,车辆的位置测量值可以是基于GNSS(英文:Global Navigation SatelliteSystem,中文:全球导航卫星系统)或者基于Lidar(英文:light detection and ranging,中文:光探测和测距)测量得到的。
本公开实施例中,通过对初始质心速度和位置测量值同时进行滤波去噪处理的方式,实现了在对车辆的位置测量值进行优化的过程中,将车辆的速度的影响考虑在内的目的,从而提高了车辆位置的准确性。
在本公开的另一个实施例中,如图4所示,其示出了另一种获取车辆的侧滑角的方法,该方法包括:
步骤401,获取车辆的方向盘转角。
本公开实施例中,车辆的方向盘转角δs可以通过传感器测量得到。
步骤402,根据方向盘转角计算车辆的前轮转向角。
本公开实施例中,方向盘转角δs与前轮转向角δf之间具有固定的传动比γsteer-gear,根据该方向盘转角δs和传动比γsteer-gear可以计算得到前轮转向角δf。
步骤403,根据前轮转向角获取车辆的侧滑角。
由于车辆的基本布局是前轮转向,而后轮固定不动,并且前轮在转向时两轮的偏差较小可以忽略不急,因此我们将车辆模型简化成两轮的模型。如图5所示,图5为简化后的车辆模型中的速度分解示意图,其中,车载测速装置安装在如图5中IMU所在位置,车辆质心简化为车辆的几何中心,用center标注。lf表示车辆中心位置到前轴的距离,lr表示车辆中心位置到后轴的距离,δf为前轮转向角,β为车辆的侧滑角。Ψ是车辆的航向角,v为车辆的速度。可以看出,车辆的不同位置具有不同的速度大小和方向。
结合图5示出的内容,车载计算机设备获取车辆的侧滑角β的过程可以是:调用预先设置有侧滑角运算模型,将前轮转向角、车辆中心位置到前轴的距离和车辆中心位置到后轴的距离输入到该侧滑角运算模型中,得到车辆的侧滑角β。
本公开实施例中,基于车辆的方向盘转角确定前轮转向角,然后基于前轮转向角获取车辆的侧滑角,提高了车辆的侧滑角的准确性,从而提高了确定出的初始质心速度的准确性。
在本公开的另一种可选的实现方式中,侧滑角包括车辆质心的侧滑角和车载测速装置的侧滑角,其中,根据前轮转向角获取车辆的侧滑角包括获取车辆质心的侧滑角和获取车载测速装置的侧滑角,下面对该两种侧滑角的获取过程分别进行说明:
第一,获取车辆质心的侧滑角。
本公开实施例中,车载计算机设备可以获取车辆的车辆质心到前轴的第一距离l1和车辆的车辆质心到后轴的第二距离l2;根据前轮转向角δf、第一距离l1和第二距离l2计算车辆质心的侧滑角。
第二,获取车载测速装置的侧滑角。
本公开实施例中,获取车载测速装置到前轴的第三距离l3和车载测速装置到后轴的第四距离l4;根据前轮转向角δf、第三距离l3和第四距离l4计算车载测速装置的侧滑角。
本公开实施例中,通过分别获取车辆质心的侧滑角和车载测速装置的侧滑角可以提高侧滑角的精度,为后续更加精确地获取初始质心速度做好数据铺垫,避免给后续数据处理过程带来误差。
本公开实施例中,如图6所示,提供了另一种车辆测速方法,该方法包括:
步骤601,获取车辆质心的侧滑角和车载测速装置的侧滑角。
可以参考上述实施例公开的内容获取车辆质心的侧滑角βcenter和车载测速装置的侧滑角βimu。
步骤602,根据车辆质心的侧滑角和车载测速装置的侧滑角确定修正系数。
可选的,本公开实施例中,可以基于车辆质心的侧滑角与车载测速装置的侧滑角的比值确定修正系数。
可选的,本公开实施例中,可以基于车辆质心的侧滑角的余弦值与车载测速装置的侧滑角的余弦值的比值确定修正系数。
步骤603,根据修正系数和速度测量值获取车辆的初始质心速度。
可选的,本公开实施例中,可以根据修正系数和速度测量值的乘积得到车辆的初始质心速度。
本公开实施例中,通过分别获取车辆质心的侧滑角和车载测速装置的侧滑角提高修正系数的准确性,从而提高初始质心速度的准确性,为后续对初始质心速度进行优化进行数据铺垫。
步骤604,对初始质心速度进行滤波去噪处理,得到优化后的质心速度。
可选的,本公开实施例中,基于预设的卡尔曼滤波器对初始质心速度进行滤波去噪处理,得到优化后的质心速度。
现有技术中,在使用卡尔曼滤波器进行空间三维位置姿态估计的时候,通常会将三个维度解耦,视为三个独立的运动进行估计,该三个方向的速度分量是基于设备估计的方位角被分解到三轴坐标系上的,然而,此分解过程将方位角估计的误差引入了速度测量值中,从而给后续的状态估计带来额外的误差。
为了进一步提高优化后的质心速度的精度,本公开实施例提供另一种优化方法,该方法包括:
步骤A1,根据侧滑角和车辆的航向角确定初始质心速度对应的速度二维分量。其中,速度二维分量包括第一速度矢量和第二速度矢量,第一速度矢量与第二速度矢量方向垂直。
步骤A2,将速度二维分量输入到卡尔曼滤波器中,得到优化后的质心速度。
其中,速度v可以表示为二维向量其中,vxy即vz即vxy和vz分别表示局部坐标系下车辆水平速度和竖直方向的速度。表示vxy的误差,表示vz的误差,位置p和姿态q是定义在全局坐标系下的三维向量,δp表示位置p的误差,δq表示姿态q的误差,而加速度偏置a_b和陀螺仪偏置w_b是定义在车体坐标系下的三维向量,δa_b表示加速度偏置a_b的误差,δw_b表示陀螺仪偏置w_b的误差。
其中,全局坐标系(UTM坐标系、墨卡托坐标系等)和局部坐标系。其中全局坐标系是独立于车体运动的绝对坐标系,局部坐标系是与车体相对固定的坐标系,如以车的几何中心为坐标原点,沿车体中轴向前的方向、车体横轴向左方向和车体底盘平面向上方向为坐标系的三维正方向。
由于本公开实施例中,相比于现有技术中的三维分量变为了二维分量,因此需要对卡尔曼滤波器中的部分参数进行重新设计,该重新设计包括对速度的优化模型的重新设计,以及对位置的优化模型的重新设计。由于速度会对位置产生直接影响,在速度的分量从三维分量变为二维分量的情况下,车辆的位置分量也相应地会发生变化,下面分别对该两种参数的优化模型进行说明。
第一,位置p的误差状态可以由如下公式更新:
δp←δp+(RR1δv-R[R1v]×δθ)Δt
其中R为名义状态的旋转矩阵可以将水平方向和竖直方向的二维速度向量转化成沿车体纵向、横向和竖直方向的三维速度分量。根据车辆的运动特性,车体横向的速度可以忽略不计,因此车体水平方向的速度分量可以等同于车体纵向的速度。
第二,速度v的误差状态可以由如下公式更新:
δv←δv+R2(-δab)Δt+vi
其中表示将加速度在车体坐标系下的纵向、横向和竖直方向的三维加速度向量转化成沿水平方向和竖直方向的二维加速度向量,根据车辆的运动特性,车体横向的加速度产生的横向速度可以忽略不计,因此横向加速度被忽略不计。
本公开实施例中,通过在局部坐标下描述车辆的运动速度,可以直接与传感器测量的加速度进行计算,不需要借助车辆航向角将全局坐标系下的速度转换到局部坐标,减少了一次航向角测量误差的引入。
进一步的,本公开实施例中,一方面基于对车载速度测量设备的速度测量值进行修正,计算出车体的初始质心速度。另一方面,结合车辆主要做沿车体纵向运动的运动学特性,重新设计卡尔曼滤波器,将组合惯导设备测量的水平速度直接作为车辆运动速度,来避免三轴速度分解引入的额外误差。
应该理解的是,虽然图3至图6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图3至图6中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种车辆测速装置700,包括:获取模块701、质心速度确定模块702和优化模块703,其中:
获取模块701,用于获取车辆的侧滑角,侧滑角为车辆的速度方向与车辆的行驶方向之间的夹角;
质心速度确定模块702,用于根据车载测速装置测得的速度测量值和侧滑角获取车辆的初始质心速度;
优化模块703,用于对初始质心速度进行滤波去噪处理,得到优化后的质心速度。
在本公开的一个实施例中,获取模块701具体用于:获取车辆的方向盘转角;根据方向盘转角计算车辆的前轮转向角;根据前轮转向角获取车辆的侧滑角。
在本公开的一个实施例中,侧滑角包括车辆质心的侧滑角和车载测速装置的侧滑角,获取模块701具体用于:获取车辆的车辆质心到前轴的第一距离和车辆的车辆质心到后轴的第二距离;获取车载测速装置到前轴的第三距离和车载测速装置到后轴的第四距离;根据前轮转向角、第一距离和第二距离计算车辆质心的侧滑角;根据前轮转向角、第三距离和第四距离计算车载测速装置的侧滑角。
在本公开的一个实施例中,侧滑角包括车辆质心的侧滑角和车载测速装置的侧滑角,质心速度确定模块702具体用于:根据车辆质心的侧滑角和车载测速装置的侧滑角确定修正系数;根据修正系数和速度测量值获取车辆的初始质心速度。
在本公开的一个实施例中,质心速度确定模块702具体用于:根据车辆质心的侧滑角的余弦值与车载测速装置的侧滑角的余弦值的比值确定修正系数。
在本公开的一个实施例中,优化模块703具体用于:基于预设的卡尔曼滤波器对初始质心速度进行滤波去噪处理,得到优化后的质心速度。
在本公开的一个实施例中,优化模块703具体用于:根据侧滑角和车辆的航向角确定初始质心速度对应的速度二维分量,其中,速度二维分量包括第一速度矢量和第二速度矢量,第一速度矢量与第二速度矢量方向垂直;将速度二维分量输入到卡尔曼滤波器中,得到优化后的质心速度。
在本公开的一个实施例中,获取模块701具体用于:获取车辆的位置测量值;优化模块703具体用于:对初始质心速度和位置测量值进行滤波去噪处理,得到优化后的车辆位置。
关于车辆测速装置的具体限定可以参见上文中对于车辆测速方法的限定,在此不再赘述。上述车辆测速装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以以硬件形式内嵌于或独立于共享车辆中的处理器中,也可以以软件形式存储于共享车辆中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在本公开的一个实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,该非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。该存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法。
在本公开的一个实施例中,还提供了一种程序产品,该计算机程序产品包括计算机程序,该计算机程序被处理器执行时可以实现上述方法。该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这些计算机指令时,可以全部或部分地按照本公开实施例所述的流程或功能实现上述方法中的部分或者全部。
示例性的,本申请实施例公开了:
TS1、一种车辆测速方法,所述方法包括:
获取车辆的侧滑角,所述侧滑角为所述车辆的速度方向与所述车辆的行驶方向之间的夹角;
根据车载测速装置测得的速度测量值和所述侧滑角获取所述车辆的初始质心速度;
对所述初始质心速度进行滤波去噪处理,得到优化后的质心速度。
TS2、根据条款TS1所述的方法,其特征在于,所述获取车辆的侧滑角,包括:
获取所述车辆的方向盘转角;
根据所述方向盘转角计算所述车辆的前轮转向角;
根据所述前轮转向角获取所述车辆的侧滑角。
TS3、根据条款TS2所述的方法,所述侧滑角包括车辆质心的侧滑角和所述车载测速装置的侧滑角,所述根据所述前轮转向角获取所述车辆的侧滑角,包括:
获取所述车辆的车辆质心到前轴的第一距离和所述车辆的车辆质心到后轴的第二距离;
获取所述车载测速装置到所述前轴的第三距离和所述车载测速装置到所述后轴的第四距离;
根据所述前轮转向角、所述第一距离和所述第二距离计算所述车辆质心的侧滑角;
根据所述前轮转向角、所述第三距离和所述第四距离计算所述车载测速装置的侧滑角。
TS4、根据条款TS1至TS3任一项所述的方法,所述侧滑角包括车辆质心的侧滑角和所述车载测速装置的侧滑角,所述根据车载测速装置测得的速度测量值和所述侧滑角获取所述车辆的初始质心速度,包括:
根据所述车辆质心的侧滑角和所述车载测速装置的侧滑角确定修正系数;
根据所述修正系数和所述速度测量值获取所述车辆的初始质心速度。
TS5、根据条款TS4所述的方法,根据所述车辆质心的侧滑角和所述车载测速装置的侧滑角确定修正系数,包括:
根据所述车辆质心的侧滑角的余弦值与所述车载测速装置的侧滑角的余弦值的比值确定所述修正系数。
TS6、根据条款TS1所述的方法,所述对所述初始质心速度进行滤波去噪处理,得到优化后的质心速度,包括:
基于预设的卡尔曼滤波器对所述初始质心速度进行滤波去噪处理,得到优化后的所述质心速度。
TS7、根据条款TS6所述的方法,所述基于预设的卡尔曼滤波器对所述初始质心速度进行滤波去噪处理,得到优化后的所述质心速度,包括:
根据所述侧滑角和所述车辆的航向角确定所述初始质心速度对应的速度二维分量,其中,所述速度二维分量包括第一速度矢量和第二速度矢量,所述第一速度矢量与所述第二速度矢量方向垂直;
将所述速度二维分量输入到所述卡尔曼滤波器中,得到优化后的所述质心速度。
TS7、根据条款TS6所述的方法,所述方法还包括:
获取车辆的位置测量值;
对所述初始质心速度和所述位置测量值进行滤波去噪处理,得到优化后的车辆位置。
TS9、一种车辆测速装置,所述装置包括:
获取模块,用于获取车辆的侧滑角,所述侧滑角为所述车辆的速度方向与所述车辆的行驶方向之间的夹角;
质心速度确定模块,用于根据车载测速装置测得的速度测量值和所述侧滑角获取所述车辆的初始质心速度;
优化模块,用于对所述初始质心速度进行滤波去噪处理,得到优化后的质心速度。
TS10、一种车载计算机设备,所述车载计算机设备包括存储器以及处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现条款TS1至TS8中任一项所述的方法的步骤。
TS11、一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现条款TS1至TS8中任一项所述的方法的步骤。
TS12、一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现条款TS1至TS8中任一项所述的方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本公开实施例所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本公开实施例的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开实施例构思的前提下,还可以做出若干变形和改进,这些都属于本公开实施例的保护范围。因此,本公开实施例专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆测速方法,其特征在于,所述方法包括:
获取车辆的侧滑角,所述侧滑角为所述车辆的速度方向与所述车辆的行驶方向之间的夹角;
根据车载测速装置测得的速度测量值和所述侧滑角获取所述车辆的初始质心速度;
对所述初始质心速度进行滤波去噪处理,得到优化后的质心速度。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆的侧滑角,包括:
获取所述车辆的方向盘转角;
根据所述方向盘转角计算所述车辆的前轮转向角;
根据所述前轮转向角获取所述车辆的侧滑角。
3.根据权利要求2所述的方法,其特征在于,所述侧滑角包括车辆质心的侧滑角和所述车载测速装置的侧滑角,所述根据所述前轮转向角获取所述车辆的侧滑角,包括:
获取所述车辆的车辆质心到前轴的第一距离和所述车辆的车辆质心到后轴的第二距离;
获取所述车载测速装置到所述前轴的第三距离和所述车载测速装置到所述后轴的第四距离;
根据所述前轮转向角、所述第一距离和所述第二距离计算所述车辆质心的侧滑角;
根据所述前轮转向角、所述第三距离和所述第四距离计算所述车载测速装置的侧滑角。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述侧滑角包括车辆质心的侧滑角和所述车载测速装置的侧滑角,所述根据车载测速装置测得的速度测量值和所述侧滑角获取所述车辆的初始质心速度,包括:
根据所述车辆质心的侧滑角和所述车载测速装置的侧滑角确定修正系数;
根据所述修正系数和所述速度测量值获取所述车辆的初始质心速度。
5.根据权利要求1所述的方法,其特征在于,所述对所述初始质心速度进行滤波去噪处理,得到优化后的质心速度,包括:
基于预设的卡尔曼滤波器对所述初始质心速度进行滤波去噪处理,得到优化后的所述质心速度。
6.根据权利要求5所述的方法,其特征在于,所述基于预设的卡尔曼滤波器对所述初始质心速度进行滤波去噪处理,得到优化后的所述质心速度,包括:
根据所述侧滑角和所述车辆的航向角确定所述初始质心速度对应的速度二维分量,其中,所述速度二维分量包括第一速度矢量和第二速度矢量,所述第一速度矢量与所述第二速度矢量方向垂直;
将所述速度二维分量输入到所述卡尔曼滤波器中,得到优化后的所述质心速度。
7.一种车辆测速装置,其特征在于,所述装置包括:
获取模块,用于获取车辆的侧滑角,所述侧滑角为所述车辆的速度方向与所述车辆的行驶方向之间的夹角;
质心速度确定模块,用于根据车载测速装置测得的速度测量值和所述侧滑角获取所述车辆的初始质心速度;
优化模块,用于对所述初始质心速度进行滤波去噪处理,得到优化后的质心速度。
8.一种车载计算机设备,其特征在于,所述车载计算机设备包括存储器以及处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110305030.3A CN113030504B (zh) | 2021-03-18 | 2021-03-18 | 车辆测速方法、装置、车载计算机设备和存储介质 |
PCT/CN2022/078561 WO2022193940A1 (zh) | 2021-03-18 | 2022-03-01 | 车辆测速方法、装置、车载计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110305030.3A CN113030504B (zh) | 2021-03-18 | 2021-03-18 | 车辆测速方法、装置、车载计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113030504A true CN113030504A (zh) | 2021-06-25 |
CN113030504B CN113030504B (zh) | 2023-03-07 |
Family
ID=76472738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110305030.3A Active CN113030504B (zh) | 2021-03-18 | 2021-03-18 | 车辆测速方法、装置、车载计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113030504B (zh) |
WO (1) | WO2022193940A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1134898A (zh) * | 1995-03-30 | 1996-11-06 | 丰田自动车株式会社 | 随车辆转弯而变化的运动状态量的推断方法 |
JP2003217082A (ja) * | 2002-01-21 | 2003-07-31 | Nippon Signal Co Ltd:The | 画像式速度検知システム及び画像式速度検知方法 |
CN108873043A (zh) * | 2018-05-09 | 2018-11-23 | 华南农业大学 | 车辆侧滑角度的计算方法及装置 |
CN111645699A (zh) * | 2020-06-10 | 2020-09-11 | 北京理工大学 | 基于多传感器信息融合的模型自适应侧向速度估计方法 |
CN112489447A (zh) * | 2020-11-24 | 2021-03-12 | 杭州海康威视数字技术股份有限公司 | 一种车辆行驶速度的检测方法、装置、系统及电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102556075B (zh) * | 2011-12-15 | 2015-04-01 | 东南大学 | 一种基于改进扩展卡尔曼滤波的车辆运行状态估计方法 |
EP3209529B1 (en) * | 2014-10-20 | 2019-02-06 | Politecnico di Milano | Method for estimating a vehicle side slip angle, computer program implementing said method, control unit having said computer program loaded, and vehicle comprising said control unit |
CN108162976A (zh) * | 2017-12-21 | 2018-06-15 | 江苏大学 | 一种基于稀疏网格求积卡尔曼滤波的车辆行驶状态估计方法 |
CN109190171B (zh) * | 2018-08-02 | 2022-06-17 | 武汉中海庭数据技术有限公司 | 一种基于深度学习的车辆运动模型优化的方法 |
-
2021
- 2021-03-18 CN CN202110305030.3A patent/CN113030504B/zh active Active
-
2022
- 2022-03-01 WO PCT/CN2022/078561 patent/WO2022193940A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1134898A (zh) * | 1995-03-30 | 1996-11-06 | 丰田自动车株式会社 | 随车辆转弯而变化的运动状态量的推断方法 |
JP2003217082A (ja) * | 2002-01-21 | 2003-07-31 | Nippon Signal Co Ltd:The | 画像式速度検知システム及び画像式速度検知方法 |
CN108873043A (zh) * | 2018-05-09 | 2018-11-23 | 华南农业大学 | 车辆侧滑角度的计算方法及装置 |
CN111645699A (zh) * | 2020-06-10 | 2020-09-11 | 北京理工大学 | 基于多传感器信息融合的模型自适应侧向速度估计方法 |
CN112489447A (zh) * | 2020-11-24 | 2021-03-12 | 杭州海康威视数字技术股份有限公司 | 一种车辆行驶速度的检测方法、装置、系统及电子设备 |
Non-Patent Citations (1)
Title |
---|
陈志军 等: "车辆横摆角速度的智能手机提取方法", 《交通运输工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
WO2022193940A1 (zh) | 2022-09-22 |
CN113030504B (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022007437A1 (zh) | 传感器安装偏差角的标定方法、组合定位系统和车辆 | |
CN110554376A (zh) | 用于运载工具的雷达测程法 | |
JP7036080B2 (ja) | 慣性航法装置 | |
JP6669199B2 (ja) | センサ校正装置、及びセンサ校正プログラム | |
WO2023071442A1 (zh) | 一种数据处理方法和装置 | |
KR102331312B1 (ko) | 차량 내부 센서, 카메라, 및 gnss 단말기를 이용한 3차원 차량 항법 시스템 | |
EP4220086A1 (en) | Combined navigation system initialization method and apparatus, medium, and electronic device | |
CN111751857A (zh) | 一种车辆位姿的估算方法、装置、存储介质及系统 | |
WO2014179640A1 (en) | Integrated grade and pitch estimation using a three-axis inertial-measuring device | |
CN113819905A (zh) | 一种基于多传感器融合的里程计方法及装置 | |
US20160137209A1 (en) | Motion-based multi-sensor calibration | |
EP4345421A2 (en) | Method for calibrating sensor parameters based on autonomous driving, apparatus, storage medium, and vehicle | |
JP2014240266A (ja) | センサドリフト量推定装置及びプログラム | |
CN113008229B (zh) | 一种基于低成本车载传感器的分布式自主组合导航方法 | |
CN112046491B (zh) | 车轮侧偏刚度的估算方法、装置、车辆及可读存储介质 | |
CN116576849A (zh) | 一种基于gmm辅助的车辆融合定位方法及系统 | |
CN113030504B (zh) | 车辆测速方法、装置、车载计算机设备和存储介质 | |
CN116337053A (zh) | 车辆导航方法、装置、电子设备及存储介质 | |
US10661830B1 (en) | Yaw orientation error detection | |
CN114475581A (zh) | 基于轮速脉冲和imu卡尔曼滤波融合的自动泊车定位方法 | |
CN114019954A (zh) | 航向安装角标定方法、装置、计算机设备和存储介质 | |
CN111469855A (zh) | 一种车辆运动参数的计算方法 | |
CN112611377A (zh) | 一种用于小车室外导航的状态预测方法、装置及存储介质 | |
JP2021018112A (ja) | 自己位置推定装置 | |
US20220276054A1 (en) | Estimation device, estimation method, program product for estimation |
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 |