CN113587920A - 运动测量方法、装置、电子设备及计算机可读存储介质 - Google Patents
运动测量方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113587920A CN113587920A CN202010367990.8A CN202010367990A CN113587920A CN 113587920 A CN113587920 A CN 113587920A CN 202010367990 A CN202010367990 A CN 202010367990A CN 113587920 A CN113587920 A CN 113587920A
- Authority
- CN
- China
- Prior art keywords
- virtual sensor
- moment
- state vector
- time
- sensors
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 151
- 238000005259 measurement Methods 0.000 title claims abstract description 123
- 238000000691 measurement method Methods 0.000 title abstract description 30
- 238000000034 method Methods 0.000 claims description 36
- 230000001133 acceleration Effects 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 18
- 230000007704 transition Effects 0.000 claims description 18
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 101150004141 Vcan gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Gyroscopes (AREA)
Abstract
本公开实施例公开了一种运动测量方法、装置、电子设备及计算机可读存储介质,所述运动测量方法包括根据设置在被测对象上的多个传感器的位姿数据、基于所述多个传感器实现的虚拟传感器的位姿数据、所述多个传感器在所述第一时刻的运动测量数据,计算所述虚拟传感器在所述第一时刻的运动测量数据;根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏;根据所述虚拟传感器在所述第一时刻的运动测量数据和所述虚拟传感器在所述第一时刻的零偏,计算所述虚拟传感器在所述第一时刻的输出运动数据,在计算量无较大提升的基础上,提高虚拟传感器输出运动数据的精度。
Description
技术领域
本公开涉及计算机应用技术领域,具体涉及一种运动测量方法、装置、电子设备及计算机可读存储介质。
背景技术
传感器可以设置在无人车、无人机或机器人等设备上,实现定位、建图或感知等功能。由于高精度传感器的成本较高,无法大量应用,因此希望将低成本传感器用于智慧城市、无人车等需要实现定位、建图或感知等功能的应用场景。IMU(Inertial MeasurementUnit,惯性测量单元)阵列的成本与单个IMU的成本差异不大,因此,如果能够基于IMU阵列进行运动测量并提高测量数据的精度,则能够实现以低成本传感器阵列代替昂贵的高成本传感器,促进无人车、无人机或机器人等设备的推广应用。
发明内容
为了解决相关技术中的问题,本公开实施例提供一种运动测量方法、装置、电子设备及计算机可读存储介质。
第一方面,本公开实施例中提供了一种运动测量方法。
具体地,所述运动测量方法,包括:
根据设置在被测对象上的多个传感器的位姿数据、基于所述多个传感器实现的虚拟传感器的位姿数据、所述多个传感器在所述第一时刻的运动测量数据,计算所述虚拟传感器在所述第一时刻的运动测量数据;
根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏;
根据所述虚拟传感器在所述第一时刻的运动测量数据和所述虚拟传感器在所述第一时刻的零偏,计算所述虚拟传感器在所述第一时刻的输出运动数据。
结合第一方面,本公开在第一方面的第一种实现方式中,所述运动测量数据包括测量加速度和测量角速度;
所述零偏包括加速度计零偏和角速度计零偏。
结合第一方面,本公开在第一方面的第二种实现方式中,所述多个传感器的位姿数据包括所述多个传感器相对于所述虚拟传感器的位置和姿态;
所述虚拟传感器的位姿数据包括所述虚拟传感器相对于所述多个传感器的位置和姿态。
结合第一方面,本公开在第一方面的第三种实现方式中,还包括:
根据所述虚拟传感器在所述第一时刻之前的第二时刻的姿态、在所述第二时刻的位置、在所述第二时刻的速度、所述虚拟传感器在所述第二时刻的运动测量数据和所述虚拟传感器在所述第二时刻的零偏,计算所述虚拟传感器在所述第一时刻的标称状态矢量。
结合第一方面,本公开在第一方面的第四种实现方式中,还包括:
根据所述虚拟传感器在所述第一时刻的误差状态矢量的协方差、其他传感器在所述第一时刻的测量结果及与所述其他传感器在所述第一时刻的测量结果对应的噪声水平,计算所述虚拟传感器在所述第一时刻的误差状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量的验后协方差。
结合第一方面,本公开在第一方面的第五种实现方式中,所述根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏,包括:
根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的状态矢量;
根据所述虚拟传感器在所述第一时刻的状态矢量,计算所述虚拟传感器在所述第一时刻的零偏。
结合第一方面的第五种实现方式,本公开在第一方面的第六种实现方式中,所述误差状态矢量包括位置误差、速度误差、姿态误差、零偏误差;
所述标称状态矢量包括标称位置、标称速度、标称姿态、上一时刻零偏;
所述状态矢量包括位置、速度、姿态、零偏。
结合第一方面,本公开在第一方面的第七种实现方式中,还包括:
根据所述虚拟传感器在所述第一时刻之前的第二时刻的参数值,计算所述第二时刻的误差状态转移矩阵,所述参数值包括:所述虚拟传感器的姿态、所述虚拟传感器的位置、所述虚拟传感器的速度、零偏;
根据所述第二时刻的误差状态转移矩阵、所述多个传感器各自的噪声统计数据、所述多个传感器的位姿数据、所述虚拟传感器的位姿数据、所述虚拟传感器在所述第二时刻的测量角速度、所述虚拟传感器在所述第二时刻的姿态、所述虚拟传感器在所述第二时刻之前的第三时刻的角速度计零偏、所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,计算所述虚拟传感器在所述第一时刻的误差状态矢量的协方差。
结合第一方面的第七种实现方式,本公开在第一方面的第八种实现方式中,所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,是使用其他传感器在所述第二时刻的测量结果及与所述其他传感器在所述第二时刻的测量结果对应的噪声水平对所述虚拟传感器在所述第二时刻的误差状态矢量的协方差进行调整后得到的。
第二方面,本公开实施例中提供了一种运动测量方法。
具体地,所述运动测量方法,包括:
获取当前场景的场景信息;
在所述当前场景属于第一预设场景时,执行第一方面、第一方面的第一种实现方式至第八种实现方式任一项所述的方法。
结合第二方面,本公开在第二方面的第一种实现方式中,还包括:
在所述当前场景属于第二预设场景时,根据所述多个传感器在所述第一时刻的测量数据、所述多个传感器各自的噪声统计数据、所述多个传感器各自的零偏数据、所述多个传感器各自的位姿数据、所述虚拟传感器的位姿数据,确定所述虚拟传感器在所述第一时刻的输出运动数据。
第三方面,本公开实施例中提供了一种运动测量装置。
具体地,所述运动测量装置,包括:
第一计算模块,被配置为根据设置在被测对象上的多个传感器的位姿数据、基于所述多个传感器实现的虚拟传感器的位姿数据、所述多个传感器在所述第一时刻的运动测量数据,计算所述虚拟传感器在所述第一时刻的运动测量数据;
第二计算模块,被配置为根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏;
第三计算模块,被配置为根据所述虚拟传感器在所述第一时刻的运动测量数据和所述虚拟传感器在所述第一时刻的零偏,计算所述虚拟传感器在所述第一时刻的输出运动数据。
结合第三方面,本公开在第三方面的第一种实现方式中,所述运动测量数据包括测量加速度和测量角速度;
所述零偏包括加速度计零偏和角速度计零偏。
结合第三方面,本公开在第三方面的第二种实现方式中,所述多个传感器的位姿数据包括所述多个传感器相对于所述虚拟传感器的位置和姿态;
所述虚拟传感器的位姿数据包括所述虚拟传感器相对于所述多个传感器的位置和姿态。
结合第三方面,本公开在第三方面的第三种实现方式中,还包括:
第四计算模块,被配置为根据所述虚拟传感器在所述第一时刻之前的第二时刻的姿态、在所述第二时刻的位置、在所述第二时刻的速度、所述虚拟传感器在所述第二时刻的运动测量数据和所述虚拟传感器在所述第二时刻的零偏,计算所述虚拟传感器在所述第一时刻的标称状态矢量。
结合第三方面,本公开在第三方面的第四种实现方式中,还包括:
第五计算模块,被配置为根据所述虚拟传感器在所述第一时刻的误差状态矢量的协方差、其他传感器在所述第一时刻的测量结果及与所述其他传感器在所述第一时刻的测量结果对应的噪声水平,计算所述虚拟传感器在所述第一时刻的误差状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量的验后协方差。
结合第三方面,本公开在第三方面的第五种实现方式中,所述根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏,包括:
根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的状态矢量;
根据所述虚拟传感器在所述第一时刻的状态矢量,计算所述虚拟传感器在所述第一时刻的零偏。
结合第三方面的第五种实现方式,本公开在第三方面的第六种实现方式中,所述误差状态矢量包括位置误差、速度误差、姿态误差、零偏误差;
所述标称状态矢量包括标称位置、标称速度、标称姿态、上一时刻零偏;
所述状态矢量包括位置、速度、姿态、零偏。
结合第三方面,本公开在第三方面的第七种实现方式中,还包括:
第六计算模块,被配置为根据所述虚拟传感器在所述第一时刻之前的第二时刻的参数值,计算所述第二时刻的误差状态转移矩阵,所述参数值包括:所述虚拟传感器的姿态、所述虚拟传感器的位置、所述虚拟传感器的速度、零偏;
第七计算模块,被配置为根据所述第二时刻的误差状态转移矩阵、所述多个传感器各自的噪声统计数据、所述多个传感器的位姿数据、所述虚拟传感器的位姿数据、所述虚拟传感器在所述第二时刻的测量角速度、所述虚拟传感器在所述第二时刻的姿态、所述虚拟传感器在所述第二时刻之前的第三时刻的角速度计零偏、所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,计算所述虚拟传感器在所述第一时刻的误差状态矢量的协方差。
结合第三方面的第七种实现方式,本公开在第三方面的第八种实现方式中,所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,是使用其他传感器在所述第二时刻的测量结果及与所述其他传感器在所述第二时刻的测量结果对应的噪声水平对所述虚拟传感器在所述第二时刻的误差状态矢量的协方差进行调整后得到的。
第四方面,本公开实施例中提供了一种运动测量装置。
具体地,所述运动测量装置,包括:
获取模块,被配置为获取当前场景的场景信息;
执行模块,被配置为在所述当前场景属于第一预设场景时,实现第二方面、第二方面的第一种实现方式至第八种实现方式任一项所述的装置。
结合第四方面,本公开在第四方面的第一种实现方式中,还包括:
确定模块,被配置为在所述当前场景属于第二预设场景时,根据所述多个传感器在所述第一时刻的测量数据、所述多个传感器各自的噪声统计数据、所述多个传感器各自的零偏数据、所述多个传感器各自的位姿数据、所述虚拟传感器的位姿数据,确定所述虚拟传感器在所述第一时刻的输出运动数据。
第五方面,本公开实施例提供了一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如第一方面、第一方面的第一种实现方式至第八种实现方式、第二方面、第二方面的第一种实现方式任一项所述的方法。
第六方面,本公开实施例中提供了一种计算机可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现如第一方面、第一方面的第一种实现方式至第八种实现方式、第二方面、第二方面的第一种实现方式任一项所述的方法。
根据本公开实施例提供的技术方案,根据设置在被测对象上的多个传感器的位姿数据、基于多个传感器实现的虚拟传感器的位姿数据、多个传感器在第一时刻的运动测量数据,计算虚拟传感器在第一时刻的运动测量数据,根据虚拟传感器在第一时刻的标称状态矢量和虚拟传感器在第一时刻的误差状态矢量,计算虚拟传感器在第一时刻的零偏,根据虚拟传感器在第一时刻的运动测量数据和虚拟传感器在第一时刻的零偏,计算虚拟传感器在第一时刻的输出运动数据。本公开实施例通过左零空间投影可以消去角加速度,即本公开实施例不需要使用角加速度但仍然可以获得较高精度,通过虚拟传感器在第一时刻的误差状态矢量和标称状态矢量确定第一时刻的零偏,以便于修正虚拟传感器在第一时刻的运动测量数据,并获取较为精确的输出运动数据,从而在计算量无较大提升的基础上,提高了虚拟传感器的输出运动数据的精度。
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,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开实施例的运动测量方法的流程图;
图2示出根据本公开实施例的运动测量方法的示意图;
图3示出根据本公开实施例的运动测量方法的示意图;
图4示出根据本公开实施例的根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏的流程图;
图5A和5B示出根据本公开实施例的运动测量方法的应用场景示意图;
图6示出根据本公开实施例的运动测量方法的流程图;
图7示出根据本公开的实施例的运动测量装置的结构框图;
图8示出根据本公开的实施例的运动测量装置的结构框图;
图9示出根据本公开的实施例的电子设备的结构框图;
图10示出适于用来实现根据本公开实施例的运动测量方法的计算机系统的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施例,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施例无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部分、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部分、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
现有技术中,IMU融合算法一般包括以下算法:对于每个IMU分别进行处理,然后采用联邦滤波或集中滤波,该算法的缺点是计算量大,数据传输所占用的带宽较高;对于每个IMU分别进行处理,然后基于每个IMU的位姿数据获取状态向量并预估IMU阵列的运动测量数据,由于该算法需要使用先验进行约束,因此,无法适用于无人机、VR等需要实时更新位姿的应用场景,且计算量大;将IMU阵列融合为虚拟IMU,但是在处理过程中,会忽略角加速度以及杆臂效应,或者将角加速度作为参数进行估计,导致虚拟IMU的运动测量数据的精度较低。
为解决发明人发现的现有技术中的问题而提出本公开。
根据本公开实施例提供的技术方案,根据设置在被测对象上的多个传感器的位姿数据、基于多个传感器实现的虚拟传感器的位姿数据、多个传感器在第一时刻的运动测量数据,计算虚拟传感器在第一时刻的运动测量数据,根据虚拟传感器在第一时刻的标称状态矢量和虚拟传感器在第一时刻的误差状态矢量,计算虚拟传感器在第一时刻的零偏,根据虚拟传感器在第一时刻的运动测量数据和虚拟传感器在第一时刻的零偏,计算虚拟传感器在第一时刻的输出运动数据。本公开实施例通过左零空间投影可以消去角加速度,即本公开实施例不需要使用角加速度但仍然可以获得较高精度,通过虚拟传感器在第一时刻的误差状态矢量和标称状态矢量确定第一时刻的零偏,以便于修正虚拟传感器在第一时刻的运动测量数据,并获取较为精确的输出运动数据,从而在计算量无较大提升的基础上,提高了虚拟传感器的输出运动数据的精度。
图1示出根据本公开实施例的运动测量方法的流程图。如图1所示,所述运动测量方法包括以下步骤S101-S103:
在步骤S101中,根据设置在被测对象上的多个传感器的位姿数据、基于所述多个传感器实现的虚拟传感器的位姿数据、所述多个传感器在所述第一时刻的运动测量数据,计算所述虚拟传感器在所述第一时刻的运动测量数据;
在步骤S102中,根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏;
在步骤S103中,根据所述虚拟传感器在所述第一时刻的运动测量数据和所述虚拟传感器在所述第一时刻的零偏,计算所述虚拟传感器在所述第一时刻的输出运动数据。
根据本公开的实施例,可以将多个传感器设置在被测对象上,分别获取多个传感器在第一时刻的运动测量数据。本公开对传感器和被测对象的种类不做具体限定,可以根据实际需要进行选择,例如,传感器可以包括加速度传感器和陀螺仪传感器,例如可以被实现为IMU等传感器,被测对象可以包括无人车、无人机或机器人等设备。
应理解,本公开实施例将以传感器为IMU为例进行说明,应当了解的是,该示例仅为示例使用,并非是对于本公开的限制。
根据本公开的实施例,所述运动测量数据包括测量加速度和测量角速度。
根据本公开的实施例,IMU包括加速度计和角速度计,其中,加速度计用于获取IMU的加速度,角速度计用于获取IMU的角速度,角速度计例如可以包括陀螺仪等。可以分别获取设置在被测对象上的多个IMU在第一时刻的测量加速度和测量角速度,单个IMU的测量加速度和测量角速度可以分别表示如下:
ωm=Iω+bg+ng,ng~Ν(0,Qg) (1)
am=IRG(Ga-Gg)+ba+na,na~Ν(0,Qa) (2)
其中,ωm为IMU的测量角速度,Iω为IMU在IMU本地坐标系(简称IMU坐标系)下的角速度,bg为IMU的角速度计零偏,ng为IMU的角速度噪声且服从高斯分布Ν(0,Qg),Qg为高斯分布Ν(0,Qg)的参数;am为IMU的测量加速度,IRG为从世界坐标系到IMU坐标系的旋转,Ga为IMU在世界坐标系下的加速度,Gg为IMU在世界坐标系下的重力,ba为IMU的加速度计零偏,na为IMU的加速度噪声且服从高斯分布Ν(0,Qa),Qa为高斯分布Ν(0,Qa)的参数。
根据本公开的实施例,可以分别获取多个传感器的位姿数据,以及基于多个传感器实现的虚拟传感器的位姿数据。例如,IMU阵列包括封装在电路板上的多个MEMS(Microelectromechanical Systems,微机电系统)IMU时,基于多个IMU实现的虚拟传感器即基于IMU阵列实现的虚拟传感器。虚拟传感器不具有实体,而是假想出来的传感器。根据本公开的实施例,可以根据需要将虚拟传感器的位置设置在任意位置。根据本公开的实施例,可以分别获取IMU阵列中多个IMU的位姿数据,以及虚拟传感器的位姿数据。
根据本公开的实施例,所述多个传感器的位姿数据包括所述多个传感器相对于所述虚拟传感器的位置和姿态;所述虚拟传感器的位姿数据包括所述虚拟传感器相对于所述多个传感器的位置和姿态。
在下文中,本公开实施例将以多个传感器为2个IMU(假设为IMU A和IMU B)为例进行说明,应当了解的是,该示例仅为示例使用,并非是对于本公开的限制。
根据本公开的实施例,可以获取IMU A的位姿数据VpA,其中,VpA为当参考系为虚拟传感器V坐标系时,IMU A在虚拟传感器V坐标系下的位置,可以用于表示IMU A相对于虚拟传感器V的位置或者虚拟传感器V相对于IMU A的位置。可以获取IMU B的位姿数据VpB,其中,VpB为当参考系为虚拟传感器V坐标系时,IMU B在虚拟传感器V坐标系下的位置,可以用于表示IMU B相对于虚拟传感器V的位置或者虚拟传感器V相对于IMU B的位置。
根据本公开的实施例,可以获取虚拟传感器V的位姿数据ARV和BRV,其中,ARV为当参考系为IMU A坐标系时,虚拟传感器V坐标系到IMU A坐标系的旋转,即虚拟传感器V相对于IMU A的姿态或者IMU A相对于虚拟传感器V的姿态;BRV为当参考系为IMU B坐标系时,虚拟传感器V坐标系到IMU B坐标系的旋转,即虚拟传感器V相对于IMU B的姿态或者IMU B相对于虚拟传感器V的姿态。
根据本公开的实施例,可以获取IMU A在第一时刻的运动测量数据,包括IMU A的测量角速度ωmA和测量加速度amA。可以获取IMU B在第一时刻的运动测量数据,包括IMU B的测量角速度ωmB和测量加速度amB。
根据本公开的实施例,可以根据IMU A的位姿数据VpA、IMU B的位姿数据VpB、虚拟传感器V的位姿数据ARV和BRV、IMU A在第一时刻的测量角速度ωmA和测量加速度amA,IMU B在第一时刻的测量角速度ωmB和测量加速度amB,计算虚拟传感器V在第一时刻的运动测量数据,例如,虚拟传感器V的测量角速度ωmV和测量加速度amV,其中,虚拟传感器V的测量角速度ωmV和测量加速度amV可以分别表示如下:
其中:
Ν+=(ΝTΝ)-1ΝT (5)
根据本公开的实施例,所述零偏包括加速度计零偏和角速度计零偏。
根据本公开的实施例,可以获取虚拟传感器V在第一时刻的标称状态矢量和虚拟传感器V在第一时刻的误差状态矢量并根据虚拟传感器V在第一时刻的标称状态矢量和虚拟传感器V在第一时刻的误差状态矢量计算虚拟传感器V在第一时刻的零偏,例如,虚拟传感器V在第一时刻的加速度计零偏和角速度计零偏。
根据本公开的实施例,可以根据虚拟传感器V在第一时刻的运动测量数据和虚拟传感器V在第一时刻的零偏,计算虚拟传感器V在第一时刻的输出运动数据,其中,输出运动数据包括输出角速度和输出加速度。具体地,可以根据虚拟传感器V在第一时刻的测量角速度ωmV和虚拟传感器V在第一时刻的角速度计零偏bg,计算虚拟传感器V在第一时刻的输出角速度,其中,输出角速度=ωmV-bg;可以根据虚拟传感器V在第一时刻的测量加速度amV和虚拟传感器V在第一时刻的加速度计零偏ba,计算虚拟传感器V在第一时刻的输出加速度,其中,输出加速度=amV-ba。
根据本公开实施例提供的技术方案,根据设置在被测对象上的多个传感器的位姿数据、基于多个传感器实现的虚拟传感器的位姿数据、多个传感器在第一时刻的运动测量数据,计算虚拟传感器在第一时刻的运动测量数据,根据虚拟传感器在第一时刻的标称状态矢量和虚拟传感器在第一时刻的误差状态矢量,计算虚拟传感器在第一时刻的零偏,根据虚拟传感器在第一时刻的运动测量数据和虚拟传感器在第一时刻的零偏,计算虚拟传感器在第一时刻的输出运动数据。本公开实施例通过左零空间投影可以消去角加速度,即本公开实施例不需要使用角加速度但仍然可以获得较高精度,通过虚拟传感器在第一时刻的误差状态矢量和标称状态矢量确定第一时刻的零偏,以便于修正虚拟传感器在第一时刻的运动测量数据,并获取较为精确的输出运动数据,从而在计算量无较大提升的基础上,提高了虚拟传感器的输出运动数据的精度。
根据本公开的实施例,所述运动测量方法,还包括:
根据所述虚拟传感器在所述第一时刻之前的第二时刻的姿态、在所述第二时刻的位置、在所述第二时刻的速度、所述虚拟传感器在所述第二时刻的运动测量数据和所述虚拟传感器在所述第二时刻的零偏,计算所述虚拟传感器在所述第一时刻的标称状态矢量。
图2示出根据本公开实施例的运动测量方法的示意图。
如图2所示,第二时刻k为第一时刻(k+1)的前一时刻,可以根据虚拟传感器V200在第二时刻k的姿态、位置、速度、运动测量数据和零偏,计算虚拟传感器V200在第一时刻(k+1)的标称状态矢量。
根据本公开的实施例,所述运动测量方法,还包括:
根据所述虚拟传感器在所述第一时刻之前的第二时刻的参数值,计算所述第二时刻的误差状态转移矩阵,所述参数值包括:所述虚拟传感器的姿态、所述虚拟传感器的位置、所述虚拟传感器的速度、零偏;
根据所述第二时刻的误差状态转移矩阵、所述多个传感器各自的噪声统计数据、所述多个传感器的位姿数据、所述虚拟传感器的位姿数据、所述虚拟传感器在所述第二时刻的测量角速度、所述虚拟传感器在所述第二时刻的姿态、所述虚拟传感器在所述第二时刻之前的第三时刻的角速度计零偏、所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,计算所述虚拟传感器在所述第一时刻的误差状态矢量的协方差。
图3示出根据本公开实施例的运动测量方法的示意图。
如图3所示,可以获取虚拟传感器V300在第一时刻(k+1)之前的第二时刻k的参数值,其中,参数值包括:虚拟传感器V300的姿态、虚拟传感器V300的位置、虚拟传感器V300的速度、零偏。可以根据虚拟传感器V300在第二时刻k的参数值计算虚拟传感器V300在第二时刻k的误差状态转移矩阵Φk。
根据本公开的实施例,根据虚拟传感器V300在第二时刻k的误差状态转移矩阵Φk、多个传感器各自的噪声数据、多个传感器的位姿数据、虚拟传感器V300的位姿数据、虚拟传感器V300在第二时刻k的测量角速度、虚拟传感器V300在第二时刻k的姿态、虚拟传感器V300在第二时刻k之前的第三时刻(k-1)的角速度计零偏,计算虚拟传感器V300在第二时刻k的噪声协方差矩阵Qd,其中,噪声协方差矩阵Qd可以表示如下:
Qd=ΦkGQcGTΦk T (6)
其中:
Qg为虚拟传感器V300的角速度噪声ng服从的高斯分布Ν(0,Qg)的参数,Qa为虚拟传感器V300的加速度噪声na服从的高斯分布Ν(0,Qa)的参数;
可以建立IMU的连续时间动态:
bg(t)为虚拟传感器V300的角速度计零偏随着时间t变化的函数,ba为虚拟传感器V300的加速度计零偏随着时间t变化的函数,nωg服从高斯分布Ν(0,Qωg),Qωg为高斯分布Ν(0,Qωg)的参数,nωa服从高斯分布Ν(0,Qωa),Qωa为高斯分布Ν(0,Qωa)的参数;
Qg、Qa、Qωg、Qωa可以根据各IMU的加速度噪声高斯分布函数、角速度噪声高斯分布函数、零偏噪声高斯分布函数和虚拟传感器V300与各IMU之间的相对位置和姿态关系计算得到。
ARV和BRV为虚拟传感器V300的位姿数据,ARV表示当参考系为IMU A坐标系时,虚拟传感器V300坐标系到IMU A坐标系的旋转,BRV表示当参考系为IMU B坐标系时,虚拟传感器V300坐标系到IMU B坐标系的旋转;
VpA为IMU A的位姿数据,VpA表示当参考系为虚拟传感器V300坐标系时,IMU A在虚拟传感器V300坐标系下的位置,VpB为IMU B的位姿数据,VpB表示当参考系为虚拟传感器V300坐标系时,IMU B在虚拟传感器V300坐标系下的位置;
ωmV为虚拟传感器V300的测量角速度,为虚拟传感器V300在第二时刻k的标称角速度计零偏(即,虚拟传感器V300在第二时刻k之前的第三时刻的角速度计零偏),为虚拟传感器V300在第二时刻k的角速度计零偏误差;
根据本公开的实施例,可以根据虚拟传感器V300在第二时刻k的误差状态转移矩阵Φk、虚拟传感器V300在第二时刻k的噪声协方差矩阵Qd和虚拟传感器V300在第二时刻k的误差状态矢量的验后协方差Pk|k,计算虚拟传感器V300在第一时刻(k+1)的误差状态矢量的协方差Pk+1|k,具体可以表示如下:
Pk+1|k=ΦkPk|kΦk T+Qd (12)
根据本公开的实施例,所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,是使用其他传感器在所述第二时刻的测量结果及与所述其他传感器在所述第二时刻的测量结果对应的噪声水平对所述虚拟传感器在所述第二时刻的误差状态矢量的协方差进行调整后得到的。
根据本公开的实施例,可以使用其他传感器在第二时刻k的测量结果及与其他传感器在第二时刻k的测量结果对应的噪声水平对虚拟传感器V300在第二时刻k的误差状态矢量的协方差Pk|k-1进行调整,从而获取虚拟传感器V300在第二时刻k的误差状态矢量的验后协方差Pk|k。例如,可以获取其他传感器在第二时刻的误差状态矢量协方差,将其与误差状态矢量的协方差Pk|k-1进行加权运算,获得虚拟传感器V300在第二时刻k的误差状态矢量的验后协方差Pk|k。
根据本公开的实施例,所述运动测量方法,还包括:
根据所述虚拟传感器在所述第一时刻的误差状态矢量的协方差、其他传感器在所述第一时刻的测量结果及与所述其他传感器在所述第一时刻的测量结果对应的噪声水平,计算所述虚拟传感器在所述第一时刻的误差状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量的验后协方差。
如图3所示,可以根据虚拟传感器V300在第一时刻(k+1)的误差状态矢量的协方差Pk+1|k、其他传感器在第一时刻(k+1)的测量结果及与其他传感器在第一时刻(k+1)的测量结果对应的噪声水平,计算传感器V300在第一时刻(k+1)的误差状态矢量
根据本公开的实施例,可以使用其他传感器在第一时刻(k+1)的测量结果及与其他传感器在第一时刻(k+1)的测量结果对应的噪声水平对虚拟传感器V300在第一时刻(k+1)的误差状态矢量的协方差Pk+1|k进行调整,从而获取虚拟传感器V300在第一时刻(k+1)的误差状态矢量的验后协方差Pk+1|k+1。例如,可以获取所述其他传感器在第一时刻(k+1)的误差状态矢量协方差,将其与误差状态矢量的协方差Pk+1|k进行加权运算,获得虚拟传感器V300在第一时刻(k+1)的误差状态矢量的验后协方差Pk+1|k+1。以便于根据虚拟传感器V300在第一时刻(k+1)的误差状态转移矩阵Φk+1、虚拟传感器V300在第一时刻(k+1)的噪声协方差矩阵Qd和虚拟传感器V300第一时刻(k+1)的误差状态矢量的验后协方差Pk+1|k+1,计算虚拟传感器V300在第一时刻(k+1)的下一时刻(k+2)的误差状态矢量的协方差Pk+2|k+1。
图4示出根据本公开实施例的根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏的流程图。如图4所示,所述步骤S102,即根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏,包括:
在步骤S401中,根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的状态矢量;
在步骤S402中,根据所述虚拟传感器在所述第一时刻的状态矢量,计算所述虚拟传感器在所述第一时刻的零偏。
根据本公开的实施例,所述误差状态矢量包括位置误差、速度误差、姿态误差、零偏误差;
其中,为虚拟传感器V在世界坐标系下的位置误差,为虚拟传感器V在世界坐标系下的速度误差,为虚拟传感器V的角速度计零偏误差,为虚拟传感器V的加速度计零偏误差,为虚拟传感器V在世界坐标系下的姿态(用Hamilton四元数表示)误差(用delta theta表示)。
根据本公开的实施例,所述标称状态矢量包括标称位置、标称速度、标称姿态、上一时刻零偏;所述状态矢量包括位置、速度、姿态、零偏。
根据本公开的实施例,可以获取虚拟传感器V在第一时刻的标称状态矢量可以根据虚拟传感器V在第一时刻的标称状态矢量和虚拟传感器V在第一时刻的误差状态矢量计算虚拟传感器V在第一时刻的状态矢量xk+1,其中,状态矢量xk+1=标称状态矢量+误差状态矢量虚拟传感器V的状态矢量x可以表示如下:
其中,Gp为虚拟传感器V在世界坐标系下的位置,G v为虚拟传感器V在世界坐标系下的速度,bg为虚拟传感器V的角速度计零偏,ba为虚拟传感器V的加速度计零偏,为虚拟传感器V从虚拟传感器V的本地坐标系到世界坐标系的旋转。在确定虚拟传感器V在第一时刻的状态矢量xk+1之后,可以确定虚拟传感器V在第一时刻的角速度计零偏和加速度计零偏。
需要注意的是,在计算标称状态矢量+误差状态矢量时,除姿态分量外的其他分量都可以采用将标称状态矢量和误差状态矢量中的对应分量直接相加的方式,而标称姿态+姿态误差则需要考虑虚拟传感器V的位姿数据,基于标称姿态和姿态误差,通过空间几何方法换算得到。
图5A和5B示出根据本公开实施例的运动测量方法的应用场景示意图。
如图5A所示,应用场景包括9个IMU设置在被测物体上,假设基于9个IMU实现了虚拟传感器V500,应当了解的是,该示例仅为示例使用,并非是对于本公开的限制,本公开中的传感器的数量、种类以及安装位置可以根据实际需要进行设定,本公开对此不作具体限定。
如图5B所示,可以通过电子设备分别获取9个IMU在第一时刻(k+1)的位姿数据、运动测量数据,以及虚拟传感器V500在第一时刻(k+1)的位姿数据。可以根据9个IMU在第一时刻(k+1)的位姿数据、运动测量数据,以及虚拟传感器V500在第一时刻(k+1)的位姿数据,计算虚拟传感器V500在第一时刻(k+1)的运动测量数据。
可以根据虚拟传感器V500在第二时刻k的参数值,计算虚拟传感器V500在第二时刻k的误差状态转移矩阵Φk。可以根据虚拟传感器V500在第二时刻k的误差状态转移矩阵Φk、9个IMU各自的噪声统计数据、9个IMU的位姿数据、虚拟传感器V500在第二时刻k的位姿数据、虚拟传感器V500在第二时刻k的测量角速度、虚拟传感器V500在第二时刻k的姿态、虚拟传感器V500在第二时刻k的误差状态矢量的验后协方差Pk|k、虚拟传感器V500在第二时刻k之前的第三时刻(k-1)的角速度计零偏,计算虚拟传感器V500在第一时刻(k+1)的误差状态矢量的协方差Pk+1|k。
可以根据虚拟传感器V500在第一时刻(k+1)的误差状态矢量的协方差Pk+1|k、其他IMU在第一时刻(k+1)的测量结果及与其他IMU在第一时刻(k+1)的测量结果对应的噪声水平,计算虚拟传感器V500在第一时刻(k+1)的误差状态矢量
可以根据虚拟传感器V500在第一时刻(k+1)的标称状态矢量和虚拟传感器V500在第一时刻(k+1)的误差状态矢量计算虚拟传感器V500在第一时刻(k+1)的状态矢量xk+1,从而确定虚拟传感器V500在第一时刻(k+1)的零偏。
可以根据虚拟传感器V500在第一时刻(k+1)的零偏以及虚拟传感器V500在第一时刻(k+1)的运动测量数据,计算虚拟传感器V500在第一时刻(k+1)的输出运动数据。
根据本公开实施例提供的技术方案,通过虚拟传感器V500在第一时刻(k+1)的误差状态矢量和标称状态矢量确定第一时刻(k+1)的零偏,以便于修正虚拟传感器V500在第一时刻(k+1)的运动测量数据,并获取较为精确的输出运动数据,从而在计算量无较大提升的基础上,提高了虚拟传感器V500的输出运动数据的精度。
图6示出根据本公开实施例的运动测量方法的流程图。如图6所示,所述运动测量方法包括以下步骤S601-S602:
在步骤S601中,获取当前场景的场景信息;
在步骤S602中,在所述当前场景属于第一预设场景时,执行本公开上述实施例中任一实施例所述的方法。
根据本公开的实施例,可以获取当前场景的场景信息,其中,场景信息可以包括场景的精度信息,例如,场景信息可以包括高精度场景、低精度场景等。在当前场景属于第一预设场景时,比如高精度场景,可以执行本公开上述实施例中任一实施例,确定虚拟传感器在第一时刻的输出运动数据,从而在计算量无较大提升的基础上,使虚拟传感器的输出运动数据具有较高的精度,以便适用于高精度场景。
如图6所示,所述运动测量方法,还包括:
在步骤S603中,在所述当前场景属于第二预设场景时,根据所述多个传感器在所述第一时刻的测量数据、所述多个传感器各自的噪声统计数据、所述多个传感器各自的零偏数据、所述多个传感器各自的位姿数据、所述虚拟传感器的位姿数据,确定所述虚拟传感器在所述第一时刻的输出运动数据。
根据本公开的实施例,在当前场景属于第二预设场景时,比如低精度场景,可以根据多个传感器在第一时刻的测量数据、多个传感器各自的噪声统计数据、多个传感器各自的零偏数据,确定多个传感器的在第一时刻的输出运动数据。可以根据多个传感器的在第一时刻的输出运动数据、多个传感器各自的位姿数据、虚拟传感器的位姿数据,通过空间几何方法计算得到虚拟传感器在第一时刻的输出运动数据,从而降低计算量,并使虚拟传感器的输出运动数据的精度可以适用于低精度场景。
根据本公开实施例提供的技术方案,获取当前场景的场景信息,在当前场景属于第一预设场景时,执行本公开上述实施例中任一实施例的方法。从而根据不同的场景,采用不同的运动测量方法,以便于满足不同场景对虚拟传感器的输出运动数据的精度需求或者降低计算量。
图7示出根据本公开的实施例的运动测量装置的结构框图。其中,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图7所示,所述运动测量装置700包括第一计算模块710、第二计算模块720和第三计算模块730。
所述第一计算模块710被配置为根据设置在被测对象上的多个传感器的位姿数据、基于所述多个传感器实现的虚拟传感器的位姿数据、所述多个传感器在所述第一时刻的运动测量数据,计算所述虚拟传感器在所述第一时刻的运动测量数据;
所述第二计算模块720被配置为根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏;
所述第三计算模块730被配置为根据所述虚拟传感器在所述第一时刻的运动测量数据和所述虚拟传感器在所述第一时刻的零偏,计算所述虚拟传感器在所述第一时刻的输出运动数据。
根据本公开实施例提供的技术方案,通过左零空间投影可以消去角加速度,即本公开实施例不需要使用角加速度但仍然可以获得较高精度,通过虚拟传感器在第一时刻的误差状态矢量和标称状态矢量确定第一时刻的零偏,以便于修正虚拟传感器在第一时刻的运动测量数据,并获取较为精确的输出运动数据,从而在计算量无较大提升的基础上,提高了虚拟传感器的输出运动数据的精度。
根据本公开的实施例,所述运动测量数据包括测量加速度和测量角速度;
所述零偏包括加速度计零偏和角速度计零偏。
根据本公开的实施例,所述多个传感器的位姿数据包括所述多个传感器相对于所述虚拟传感器的位置和姿态;
所述虚拟传感器的位姿数据包括所述虚拟传感器相对于所述多个传感器的位置和姿态。
根据本公开的实施例,还包括:
第四计算模块740,被配置为根据所述虚拟传感器在所述第一时刻之前的第二时刻的姿态、在所述第二时刻的位置、在所述第二时刻的速度、所述虚拟传感器在所述第二时刻的运动测量数据和所述虚拟传感器在所述第二时刻的零偏,计算所述虚拟传感器在所述第一时刻的标称状态矢量。
根据本公开的实施例,还包括:
第五计算模块750,被配置为根据所述虚拟传感器在所述第一时刻的误差状态矢量的协方差、其他传感器在所述第一时刻的测量结果及与所述其他传感器在所述第一时刻的测量结果对应的噪声水平,计算所述虚拟传感器在所述第一时刻的误差状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量的验后协方差。
根据本公开的实施例,所述根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏,包括:
根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的状态矢量;
根据所述虚拟传感器在所述第一时刻的状态矢量,计算所述虚拟传感器在所述第一时刻的零偏。
根据本公开的实施例,所述误差状态矢量包括位置误差、速度误差、姿态误差、零偏误差;
所述标称状态矢量包括标称位置、标称速度、标称姿态、上一时刻零偏;
所述状态矢量包括位置、速度、姿态、零偏。
根据本公开的实施例,还包括:
第六计算模块760,被配置为根据所述虚拟传感器在所述第一时刻之前的第二时刻的参数值,计算所述第二时刻的误差状态转移矩阵,所述参数值包括:所述虚拟传感器的姿态、所述虚拟传感器的位置、所述虚拟传感器的速度、零偏;
第七计算模块770,被配置为根据所述第二时刻的误差状态转移矩阵、所述多个传感器各自的噪声统计数据、所述多个传感器的位姿数据、所述虚拟传感器的位姿数据、所述虚拟传感器在所述第二时刻的测量角速度、所述虚拟传感器在所述第二时刻的姿态、所述虚拟传感器在所述第二时刻之前的第三时刻的角速度计零偏、所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,计算所述虚拟传感器在所述第一时刻的误差状态矢量的协方差。
根据本公开的实施例,所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,是使用其他传感器在所述第二时刻的测量结果及与所述其他传感器在所述第二时刻的测量结果对应的噪声水平对所述虚拟传感器在所述第二时刻的误差状态矢量的协方差进行调整后得到的。
图8示出根据本公开的实施例的运动测量装置的结构框图。其中,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图8所示,所述运动测量装置800包括获取模块810和执行模块820。
所述获取模块810被配置为获取当前场景的场景信息;
所述执行模块820被配置为在所述当前场景属于第一预设场景时,实现本公开上述实施例中任一实施例所述的装置。
根据本公开的实施例,还包括:
确定模块830,被配置为在所述当前场景属于第二预设场景时,根据所述多个传感器在所述第一时刻的测量数据、所述多个传感器各自的噪声统计数据、所述多个传感器各自的零偏数据、所述多个传感器各自的位姿数据、所述虚拟传感器的位姿数据,确定所述虚拟传感器在所述第一时刻的输出运动数据。
根据本公开实施例提供的技术方案,获取当前场景的场景信息,在当前场景属于第一预设场景时,实现本公开上述实施例中任一实施例的装置。从而根据不同的场景,采用不同的运动测量方法,以便于满足不同场景对虚拟传感器的输出运动数据的精度需求或者降低计算量。
本公开还公开了一种电子设备,图9示出根据本公开的实施例的电子设备的结构框图。
如图9所示,所述电子设备900包括存储器901和处理器902;其中,
所述存储器901用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器902执行以实现根据本公开的实施例的方法步骤:
根据设置在被测对象上的多个传感器的位姿数据、基于所述多个传感器实现的虚拟传感器的位姿数据、所述多个传感器在所述第一时刻的运动测量数据,计算所述虚拟传感器在所述第一时刻的运动测量数据;
根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏;
根据所述虚拟传感器在所述第一时刻的运动测量数据和所述虚拟传感器在所述第一时刻的零偏,计算所述虚拟传感器在所述第一时刻的输出运动数据。
根据本公开的实施例,所述运动测量数据包括测量加速度和测量角速度;
所述零偏包括加速度计零偏和角速度计零偏。
根据本公开的实施例,所述多个传感器的位姿数据包括所述多个传感器相对于所述虚拟传感器的位置和姿态;
所述虚拟传感器的位姿数据包括所述虚拟传感器相对于所述多个传感器的位置和姿态。
根据本公开的实施例,所述一条或多条计算机指令还被所述处理器执行以实现以下方法步骤:
根据所述虚拟传感器在所述第一时刻之前的第二时刻的姿态、在所述第二时刻的位置、在所述第二时刻的速度、所述虚拟传感器在所述第二时刻的运动测量数据和所述虚拟传感器在所述第二时刻的零偏,计算所述虚拟传感器在所述第一时刻的标称状态矢量。
根据本公开的实施例,所述一条或多条计算机指令还被所述处理器执行以实现以下方法步骤:
根据所述虚拟传感器在所述第一时刻的误差状态矢量的协方差、其他传感器在所述第一时刻的测量结果及与所述其他传感器在所述第一时刻的测量结果对应的噪声水平,计算所述虚拟传感器在所述第一时刻的误差状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量的验后协方差。
根据本公开的实施例,所述根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏,包括:
根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的状态矢量;
根据所述虚拟传感器在所述第一时刻的状态矢量,计算所述虚拟传感器在所述第一时刻的零偏。
根据本公开的实施例,所述误差状态矢量包括位置误差、速度误差、姿态误差、零偏误差;
所述标称状态矢量包括标称位置、标称速度、标称姿态、上一时刻零偏;
所述状态矢量包括位置、速度、姿态、零偏。
根据本公开的实施例,所述一条或多条计算机指令还被所述处理器执行以实现以下方法步骤:
根据所述虚拟传感器在所述第一时刻之前的第二时刻的参数值,计算所述第二时刻的误差状态转移矩阵,所述参数值包括:所述虚拟传感器的姿态、所述虚拟传感器的位置、所述虚拟传感器的速度、零偏;
根据所述第二时刻的误差状态转移矩阵、所述多个传感器各自的噪声统计数据、所述多个传感器的位姿数据、所述虚拟传感器的位姿数据、所述虚拟传感器在所述第二时刻的测量角速度、所述虚拟传感器在所述第二时刻的姿态、所述虚拟传感器在所述第二时刻之前的第三时刻的角速度计零偏、所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,计算所述虚拟传感器在所述第一时刻的误差状态矢量的协方差。
根据本公开的实施例,所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,是使用其他传感器在所述第二时刻的测量结果及与所述其他传感器在所述第二时刻的测量结果对应的噪声水平对所述虚拟传感器在所述第二时刻的误差状态矢量的协方差进行调整后得到的。
本公开还公开了一种电子设备,所述电子设备包括存储器和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现根据本公开的实施例的方法步骤:
获取当前场景的场景信息;
在所述当前场景属于第一预设场景时,执行本公开上述实施例中任一实施例所述的方法。
根据本公开的实施例,所述一条或多条计算机指令还被所述处理器执行以实现以下方法步骤:
在所述当前场景属于第二预设场景时,根据所述多个传感器在所述第一时刻的测量数据、所述多个传感器各自的噪声统计数据、所述多个传感器各自的零偏数据、所述多个传感器各自的位姿数据、所述虚拟传感器的位姿数据,确定所述虚拟传感器在所述第一时刻的输出运动数据。
图10示出适于用来实现根据本公开实施例的运动测量方法的计算机系统的结构示意图。
如图10所示,计算机系统1000包括处理单元1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行上述实施例中的各种处理。在RAM1003中,还存储有系统1000操作所需的各种程序和数据。处理单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。其中,所述处理单元1001可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。
特别地,根据本公开的实施例,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行上述方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,两个接连地表示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。
描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中电子设备或计算机系统中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (15)
1.一种运动测量方法,其特征在于,包括:
根据设置在被测对象上的多个传感器的位姿数据、基于所述多个传感器实现的虚拟传感器的位姿数据、所述多个传感器在所述第一时刻的运动测量数据,计算所述虚拟传感器在所述第一时刻的运动测量数据;
根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏;
根据所述虚拟传感器在所述第一时刻的运动测量数据和所述虚拟传感器在所述第一时刻的零偏,计算所述虚拟传感器在所述第一时刻的输出运动数据。
2.根据权利要求1所述的方法,其特征在于:
所述运动测量数据包括测量加速度和测量角速度;
所述零偏包括加速度计零偏和角速度计零偏。
3.根据权利要求1所述的方法,其特征在于:
所述多个传感器的位姿数据包括所述多个传感器相对于所述虚拟传感器的位置和姿态;
所述虚拟传感器的位姿数据包括所述虚拟传感器相对于所述多个传感器的位置和姿态。
4.根据权利要求1所述的方法,其特征在于,还包括:
根据所述虚拟传感器在所述第一时刻之前的第二时刻的姿态、在所述第二时刻的位置、在所述第二时刻的速度、所述虚拟传感器在所述第二时刻的运动测量数据和所述虚拟传感器在所述第二时刻的零偏,计算所述虚拟传感器在所述第一时刻的标称状态矢量。
5.根据权利要求1所述的方法,其特征在于,还包括:
根据所述虚拟传感器在所述第一时刻的误差状态矢量的协方差、其他传感器在所述第一时刻的测量结果及与所述其他传感器在所述第一时刻的测量结果对应的噪声水平,计算所述虚拟传感器在所述第一时刻的误差状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量的验后协方差。
6.根据权利要求1所述的方法,其特征在于,所述根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏,包括:
根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的状态矢量;
根据所述虚拟传感器在所述第一时刻的状态矢量,计算所述虚拟传感器在所述第一时刻的零偏。
7.根据权利要求6所述的方法,其特征在于:
所述误差状态矢量包括位置误差、速度误差、姿态误差、零偏误差;
所述标称状态矢量包括标称位置、标称速度、标称姿态、上一时刻零偏;
所述状态矢量包括位置、速度、姿态、零偏。
8.根据权利要求1所述的方法,其特征在于,还包括:
根据所述虚拟传感器在所述第一时刻之前的第二时刻的参数值,计算所述第二时刻的误差状态转移矩阵,所述参数值包括:所述虚拟传感器的姿态、所述虚拟传感器的位置、所述虚拟传感器的速度、零偏;
根据所述第二时刻的误差状态转移矩阵、所述多个传感器各自的噪声统计数据、所述多个传感器的位姿数据、所述虚拟传感器的位姿数据、所述虚拟传感器在所述第二时刻的测量角速度、所述虚拟传感器在所述第二时刻的姿态、所述虚拟传感器在所述第二时刻之前的第三时刻的角速度计零偏、所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,计算所述虚拟传感器在所述第一时刻的误差状态矢量的协方差。
9.根据权利要求8所述的方法,其特征在于,所述虚拟传感器在所述第二时刻的误差状态矢量的验后协方差,是使用其他传感器在所述第二时刻的测量结果及与所述其他传感器在所述第二时刻的测量结果对应的噪声水平对所述虚拟传感器在所述第二时刻的误差状态矢量的协方差进行调整后得到的。
10.一种运动测量方法,其特征在于,包括:
获取当前场景的场景信息;
在所述当前场景属于第一预设场景时,执行根据权利要求1~9任一项所述的方法。
11.根据权利要求10所述的方法,其特征在于,还包括:
在所述当前场景属于第二预设场景时,根据所述多个传感器在所述第一时刻的测量数据、所述多个传感器各自的噪声统计数据、所述多个传感器各自的零偏数据、所述多个传感器各自的位姿数据、所述虚拟传感器的位姿数据,确定所述虚拟传感器在所述第一时刻的输出运动数据。
12.一种运动测量装置,其特征在于,包括:
第一计算模块,被配置为根据设置在被测对象上的多个传感器的位姿数据、基于所述多个传感器实现的虚拟传感器的位姿数据、所述多个传感器在所述第一时刻的运动测量数据,计算所述虚拟传感器在所述第一时刻的运动测量数据;
第二计算模块,被配置为根据所述虚拟传感器在所述第一时刻的标称状态矢量和所述虚拟传感器在所述第一时刻的误差状态矢量,计算所述虚拟传感器在所述第一时刻的零偏;
第三计算模块,被配置为根据所述虚拟传感器在所述第一时刻的运动测量数据和所述虚拟传感器在所述第一时刻的零偏,计算所述虚拟传感器在所述第一时刻的输出运动数据。
13.一种运动测量装置,其特征在于,包括:
获取模块,被配置为获取当前场景的场景信息;
执行模块,被配置在所述当前场景属于第一预设场景时,实现根据权利要求12所述的装置。
14.一种电子设备,其特征在于,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以执行根据权利要求1~11中任一项所述的方法步骤。
15.一种可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现根据权利要求1~11中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010367990.8A CN113587920B (zh) | 2020-04-30 | 2020-04-30 | 运动测量方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010367990.8A CN113587920B (zh) | 2020-04-30 | 2020-04-30 | 运动测量方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113587920A true CN113587920A (zh) | 2021-11-02 |
CN113587920B CN113587920B (zh) | 2024-02-20 |
Family
ID=78237047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010367990.8A Active CN113587920B (zh) | 2020-04-30 | 2020-04-30 | 运动测量方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113587920B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006113391A2 (en) * | 2005-04-19 | 2006-10-26 | Jaymart Sensors, Llc | Miniaturized inertial measurement unit and associated methods |
WO2009139979A2 (en) * | 2008-05-15 | 2009-11-19 | Garmin Ltd. | Virtual traffic sensors |
CN101681155A (zh) * | 2007-06-15 | 2010-03-24 | 卡特彼勒公司 | 虚拟传感器系统和方法 |
WO2011064677A2 (en) * | 2009-11-24 | 2011-06-03 | Yost Engineering, Inc. | Combining redundant inertial sensors to create a virtual sensor output |
US20110218753A1 (en) * | 2010-03-05 | 2011-09-08 | Seiko Epson Corporation | Posture information calculation device, posture information calculation system, posture information calculation method, and information storage medium |
CN102706347A (zh) * | 2012-05-17 | 2012-10-03 | 南京航空航天大学 | 一种惯性传感器网络节点装置及其信息融合方法 |
CN104376208A (zh) * | 2014-11-14 | 2015-02-25 | 电子科技大学 | 一种多传感器管理中构建虚拟量测值的方法 |
CN104613963A (zh) * | 2015-01-23 | 2015-05-13 | 南京师范大学 | 基于人体运动学模型的行人导航系统与导航定位方法 |
US20180114140A1 (en) * | 2016-10-26 | 2018-04-26 | International Business Machines Corporation | Automatic identification and deployment of virtual sensor models |
CN110561424A (zh) * | 2019-07-28 | 2019-12-13 | 华南理工大学 | 基于多传感器混合滤波器的在线机器人运动学校准方法 |
-
2020
- 2020-04-30 CN CN202010367990.8A patent/CN113587920B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006113391A2 (en) * | 2005-04-19 | 2006-10-26 | Jaymart Sensors, Llc | Miniaturized inertial measurement unit and associated methods |
CN101681155A (zh) * | 2007-06-15 | 2010-03-24 | 卡特彼勒公司 | 虚拟传感器系统和方法 |
WO2009139979A2 (en) * | 2008-05-15 | 2009-11-19 | Garmin Ltd. | Virtual traffic sensors |
WO2011064677A2 (en) * | 2009-11-24 | 2011-06-03 | Yost Engineering, Inc. | Combining redundant inertial sensors to create a virtual sensor output |
US20110218753A1 (en) * | 2010-03-05 | 2011-09-08 | Seiko Epson Corporation | Posture information calculation device, posture information calculation system, posture information calculation method, and information storage medium |
CN102706347A (zh) * | 2012-05-17 | 2012-10-03 | 南京航空航天大学 | 一种惯性传感器网络节点装置及其信息融合方法 |
CN104376208A (zh) * | 2014-11-14 | 2015-02-25 | 电子科技大学 | 一种多传感器管理中构建虚拟量测值的方法 |
CN104613963A (zh) * | 2015-01-23 | 2015-05-13 | 南京师范大学 | 基于人体运动学模型的行人导航系统与导航定位方法 |
US20180114140A1 (en) * | 2016-10-26 | 2018-04-26 | International Business Machines Corporation | Automatic identification and deployment of virtual sensor models |
CN110561424A (zh) * | 2019-07-28 | 2019-12-13 | 华南理工大学 | 基于多传感器混合滤波器的在线机器人运动学校准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113587920B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544630B (zh) | 位姿信息确定方法和装置、视觉点云构建方法和装置 | |
US11205283B2 (en) | Camera auto-calibration with gyroscope | |
CN112113582A (zh) | 时间同步处理方法、电子设备及存储介质 | |
EP4220086A1 (en) | Combined navigation system initialization method and apparatus, medium, and electronic device | |
CN107576977B (zh) | 基于多源信息自适应融合的无人机导航系统及方法 | |
CN112598731B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 | |
CN111127584A (zh) | 建立视觉地图的方法和装置、电子设备和存储介质 | |
CN103900473A (zh) | 一种基于摄像头与重力感应器融合的智能移动设备六自由度位姿估计方法 | |
CN107942090B (zh) | 一种基于模糊星图提取光流信息的航天器角速度估计方法 | |
CN114419109B (zh) | 一种基于视觉和气压信息融合的飞行器定位方法 | |
CN114445597B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN111998870B (zh) | 一种相机惯导系统的标定方法和装置 | |
CN111986265A (zh) | 用于标定相机方法、装置、电子设备和介质 | |
CN112284381B (zh) | 视觉惯性实时初始化对准方法及系统 | |
CN113031783A (zh) | 运动轨迹更新方法、头戴式显示设备和计算机可读介质 | |
CN113587920B (zh) | 运动测量方法、装置、电子设备及计算机可读存储介质 | |
CN114399587B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN114140538B (zh) | 车载相机位姿调整方法、装置、设备和计算机可读介质 | |
CN115908581A (zh) | 一种车载相机俯仰角标定方法、装置、设备及存储介质 | |
CN115239758A (zh) | 时间戳校正方法、装置、设备、介质及计算机程序产品 | |
CN112633043B (zh) | 一种车道线确定方法、装置、电子设备及存储介质 | |
CN114840703A (zh) | 位姿信息获取方法、装置、设备、介质及产品 | |
CN114494428B (zh) | 车辆位姿矫正方法、装置、电子设备和计算机可读介质 | |
WO2022179047A1 (zh) | 一种状态信息估计方法及装置 | |
CN113029133B (zh) | 机器人、校正方法及计算机可读存储介质 |
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 |