CN114252100B - 传感器在线标定方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种传感器在线标定方法、装置、设备及存储介质，该方法包括获取目标传感器采集的静止系统的输出均值和输出方差值，对输出均值和输出方差值进行迭代，获得第一标定值和第二标定值，当第一标定值和第二标定值处于正常状态，且第一标定值、第二标定值和迭代次数满足标定条件，则更新第一标定值和第二标定值，获得目标传感器的标定参数，根据标定参数对非静止系统的输出值进行标定，得到真实值。本发明通过提供一种轻量化的在线标定方法，对传感器在静止系统下的极少量在线数据进行采集，在满足当前获取的在线数据非异常且符合标定条件时，利用在线数据生成标定参数，实现传感器的在线标定，提升传感器标定的可实施性，降低了标定误差。

Description

传感器在线标定方法、装置、设备及存储介质

技术领域

本发明涉及传感器标定技术领域，尤其涉及到一种传感器在线标定方法、装置、设备及存储介质。

背景技术

受限于电子器件误差、制造误差、测量原理以及设备安装问题，传感器系统在静止状态下的输出一般和真实值有一定偏差。

然而实际中受到各种因素影响，每个传感器的参数都不一致，系数也可能受到环境的影响而变化，因此需要单独多点标定，工作量较大，并且不能覆盖所有工况，不易实施。同时，现有传感器标定方案，通常为离线标定，标定完成后对传感器的移动可能导致前一次的标定失效，实用性差。因此，如何降低传感器标定的误差，以及提升标定的及时性和可实施性是一个亟需解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种传感器在线标定方法、装置、设备及存储介质，旨在解决目前传感器标定的误差大、及时性差可实施性不高的技术问题。

为实现上述目的，本发明提供一种传感器在线标定方法，所述方法包括以下步骤：

获取目标传感器在检测静止系统的初始采样时刻的输出值，基于所述输出值，确定所述目标传感器的输出均值和输出方差值；

对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值；

若检测到所述第一标定值或所述第二标定值为异常状态，则将所述初始采样时刻更新为当前时刻，并返回执行所述获取目标传感器在检测静止系统的初始采样时刻的输出值步骤；

若检测到所述第一标定值和所述第二标定值为正常状态，判断所述第一标定值、第二标定值和迭代次数是否满足标定条件；

若是，将所述输出均值更新为第一标定值，将所述输出方差值更新为第二标定值，并利用所述输出均值和所述输出方差值，获得标定参数，以使在目标传感器采集非静止系统的输出值时，利用所述标定参数，确定所述非静止系统的真实值；

否则，基于历史迭代数据和当前时刻输出值，确定目标传感器的输出均值和输出方差值，返回执行所述对所述输出均值和输出方差值进行迭代步骤。

可选的，所述对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值步骤，具体包括：

获取当前迭代次数，对所述输出均值和所述输出方差值进行迭代，以确定第一标定值和第二标定值；

所述第一标定值的表达式为：

所述第二标定值的表达式为：

其中，所述counter为迭代次数，mean为输出均值，sigma为输出方差值，val为当前时刻的输出值。

可选的，所述异常状态为第一标定值满足第一异常条件或第二标定值满足第二异常条件，所述正常状态为第一标定值不满足第一异常条件且第二标定值不满足第二异常条件；

所述第一异常条件为：|val-mean_temp|＞thresh1；

所述第二异常条件为：|sigma|＞thresh2；

其中，thresh1为第一预设值，thresh2为第二预设值。

可选的，所述判断所述第一标定值、第二标定值和迭代次数是否满足标定条件步骤，具体包括：

判断所述第一标定值是否满足均值条件，所述第二标定值是否满足关联条件，且所述迭代次数是否满足数据量条件。

可选的，所述标定条件中：

所述均值条件的表达式为：|mean-mean_temp|<tolerance；

所述关联条件的表达式为：sigma<mean_temp*thresh_error；

所述数据量条件为：counter＞thresh_counter

其中，tolerance为第三预设值，thresh_error为第四预设值，thresh_counter为第五预设值。

可选的，所述标定参数包括目标传感器的缩放因子、零偏移量和误差范围；所述利用所述输出均值和所述输出方差值，获得标定参数步骤，具体包括：

获取系统属性值，并基于所述系统属性值和所述输出均值，确定目标传感器的缩放因子k；

获取静止系统的理论输出值out_{zero_theory}，并基于所述理论输出值out_{zero_theory}和缩放因子k，确定目标传感器的零偏移量B；

利用所述输出方差值，确定目标传感器的误差范围ε。

可选的，所述利用所述标定参数，确定所述非静止系统的真实值步骤，具体包括：

利用所述标定参数对所述输出值进行处理，以获得真实值；

所述非静止系统的真实值的表达式为：out_theory＝k(out+B±ε)；

其中：out_theory为非静止系统的真实值，out为非静止系统的输出值。

此外，为了实现上述目的，本发明还提供了一种传感器在线标定装置，所述传感器在线标定装置包括：

确定模块，用于获取目标传感器在检测静止系统的初始采样时刻的输出值，基于所述输出值，确定所述目标传感器的输出均值和输出方差值；

迭代模块，用于对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值；

更新模块，用于若检测到所述第一标定值或所述第二标定值为异常状态，则将所述初始采样时刻更新为当前时刻，并返回执行所述获取目标传感器在检测静止系统的初始采样时刻的输出值步骤；

判断模块，用于若检测到所述第一标定值和所述第二标定值为正常状态，判断所述第一标定值、第二标定值和迭代次数是否满足标定条件；

标定模块，用于若是，将所述输出均值更新为第一标定值，将所述输出方差值更新为第二标定值，并利用所述输出均值和所述输出方差值，获得标定参数，以使在目标传感器采集非静止系统的输出值时，利用所述标定参数，确定所述非静止系统的真实值；

循环模块，用于否则，基于历史迭代数据和当前时刻输出值，确定目标传感器的输出均值和输出方差值，返回执行所述对所述输出均值和输出方差值进行迭代步骤。

此外，为了实现上述目的，本发明还提供了一种传感器在线标定设备，所述传感器在线标定设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的传感器在线标定程序，所述传感器在线标定程序被所述处理器执行时实现如上所述的传感器在线标定方法的步骤。

此外，为了实现上述目的，本发明还提供了一种存储介质，所述存储介质上存储有传感器在线标定程序，所述传感器在线标定程序被处理器执行时实现如上所述的传感器在线标定方法的步骤。

获取目标传感器在检测静止系统的初始采样时刻的输出值，基于所述输出值，确定所述目标传感器的输出均值和输出方差值；

对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值；

若检测到所述第一标定值或所述第二标定值为异常状态，则将所述初始采样时刻更新为当前时刻，并返回执行所述获取目标传感器在检测静止系统的初始采样时刻的输出值步骤；

若检测到所述第一标定值和所述第二标定值为正常状态，判断所述第一标定值、第二标定值和迭代次数是否满足标定条件；

若是，将所述输出均值更新为第一标定值，将所述输出方差值更新为第二标定值，并利用所述输出均值和所述输出方差值，获得标定参数，以使在目标传感器采集非静止系统的输出值时，利用所述标定参数，确定所述非静止系统的真实值；

否则，获取所述初始采样时刻到当前时刻之间的输出值，并基于所述输出值，确定目标传感器的输出均值和输出方差值，返回执行所述对所述输出均值和输出方差值进行迭代步骤

本发明实施例提出的一种传感器在线标定方法、装置、设备及存储介质，该方法包括获取目标传感器采集的静止系统的输出均值和输出方差值，对输出均值和输出方差值进行迭代，获得第一标定值和第二标定值，当第一标定值和第二标定值处于正常状态时，若第一标定值、第二标定值和迭代次数满足标定条件，则更新第一标定值和第二标定值，以获得目标传感器的标定参数，根据标定参数对非静止系统的输出值进行标定，得到真实值。本发明通过提供一种轻量化的在线标定方法，对传感器在静止系统下的极少量在线数据进行采集，在满足当前获取的在线数据非异常且符合标定条件时，利用在线数据生成标定参数，实现传感器的在线标定，提升传感器标定的可实施性，降低了标定误差。

附图说明

图1为本发明实施例中传感器在线标定设备的结构示意图；

图2为本发明实施例中传感器在线标定方法的流程示意图；

图3为本发明实施例中加速度传感器进行在线标定的加速度曲线图；

图4为图3的局部曲线放大图；

图5为本发明实施例中传感器在线标定装置的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

受限于电子器件误差、制造误差、测量原理以及设备安装问题，传感器系统在静止状态下的输出一般和真实值有一定偏差。

然而实际中受到各种因素影响，每个传感器的参数都不一致，系数也可能受到环境的影响而变化，因此需要单独多点标定，工作量较大，并且不能覆盖所有工况，不易实施。同时，现有传感器标定方案，通常为离线标定，标定完成后对传感器的移动可能导致前一次的标定失效，实用性差。因此，如何提高传感器标定的效率以及精度，以使传感器在使用时具有较高的实用性，是一个亟需解决的技术问题。

为了解决这一问题，提出本发明的传感器在线标定方法的各个实施例。本发明提供的传感器在线标定方法通过提供一种轻量化的在线标定方法，对传感器在静止系统下的极少量在线数据进行采集，在满足当前获取的在线数据非异常且符合标定条件时，利用在线数据生成标定参数，实现传感器的在线标定，提升传感器标定的可实施性，降低了标定误差。

参照图1，图1为本发明实施例方案涉及的传感器在线标定设备的结构示意图。

设备可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment，UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile station，MS)等。设备可能被称为用户终端、便携式终端、台式终端等。

通常，设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的传感器在线标定程序，所述传感器在线标定程序配置为实现如前所述的传感器在线标定方法的步骤。

处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关传感器在线标定操作，使得传感器在线标定模型可以自主训练学习，提高效率和准确度。

存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的传感器在线标定方法。

在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。

通信接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。通信接口303通过外围设备用于接收用户上传的多个移动终端的移动轨迹以及其他数据。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信，从而可获取多个移动终端的移动轨迹以及其他数据。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(WirelessFidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near FieldCommunication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

本领域技术人员可以理解，图1中示出的结构并不构成对传感器在线标定设备的限定，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。

本发明实施例提供了一种传感器在线标定方法，参照图2，图2为本发明传感器在线标定方法的第一实施例的流程示意图。

本实施例中，所述传感器在线标定方法包括以下步骤：

步骤S100，获取目标传感器在检测静止系统的初始采样时刻的输出值，基于所述输出值，确定所述目标传感器的输出均值和输出方差值。

容易理解的，为了对传感器进行标定，以获得最真实的检测值，通过对传感器的输出进行分析，通常传感器输出为一个N维矢量out，out＝[y1,y2,…,yn]，目前的传感器的真实值out_theory和输出值out都满足如下条件out_theory＝k(out+B±ε)；其中k、B、ε分别为N维矢量代表缩放因子、零偏移量和误差范围。

传感器标定一般会在零输入状态(即静止状态下)进行标定，理论上在静止条件下传感器系统(例如，力传感器，加速度传感器，位移等传感器等)真实值out_{zero_theory}应该为一个常数，然而实际输出一般为out_zero，由于out_{zero_theory}＝k*(out_zero+B±ε)，并且out_{zero_theory}和out_zero已知，k、B和ε一般由零响应稳定输出和系统固有属性决定。

本实施例中，为了对传感器进行在线标定，需要获得目标传感器在零响应稳定输出环境下的标定参数，即缩放因子、零偏移量和误差范围，在获得标定参数后，可对目标传感器在非静止状态的输出值进行标定，获得真实值。

具体而言，在实际应用中，先对目标系统进行上电，待目标系统运行至静止状态时，利用目标传感器对目标系统的对应参数在每个采样时刻进行持续的输出值采集，此时，可得到目标传感器在系统静止下的输出值和真实值，其中，真实值为一个固定常数。

在获得静止系统的输出值后，利用该输出值计算目标传感器在初始采样时刻到当前采样时刻的输出均值和输出方差值，此时，由于当前采样时刻为初始采样时刻，因此输出均值和输出方差值为当前采样时刻采集的输出值的输出均值和输出方差值，即输出均值为输出值，输出方差值为0。

步骤S200，对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值。

具体而言，在输出均值和输出方差值进行迭代前，获取当前迭代次数，并在迭代后更新迭代次数，同时根据输出均值和输出方差值，获得第一标定值和第二标定值。

需要说明的是，第一标定值的表达式为：

第二标定值的表达式为：

其中，所述counter为迭代次数，mean为输出均值，sigma为输出方差值，val为当前时刻的输出值。

步骤S300，若检测到所述第一标定值或所述第二标定值为异常状态，则将所述初始采样时刻更新为当前时刻，并返回执行所述获取目标传感器在检测静止系统的初始采样时刻的输出值步骤。

具体而言，在确定第一标定值和第二标定值后，判断第一标定值或第二标定值是否为异常状态，若是，则表明初始时刻采集的输出值出现很大的偏差，不属于有效数据，不能用作标定，需要重新采集目标传感器的输出值。

基于此，将初始采样时刻更新为当前时刻，返回执行获取目标传感器在检测静止系统的初始采样时刻的输出值，并基于所述输出值，确定所述目标传感器的输出均值和输出方差值，对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值，并进行再一次判断。

步骤S400，若检测到所述第一标定值和所述第二标定值为正常状态，判断所述第一标定值、第二标定值和迭代次数是否满足标定条件。

具体而言，若判断第一标定值和第二标定值皆为正常状态，则表明初始时刻采集的输出值属于有效数据，可利用第一标定值和第二标定值进行后续标定过程。

需要说明的是，在本实施例中，异常状态为第一标定值满足第一异常条件或第二标定值满足第二异常条件，而正常状态为第一标定值不满足第一异常条件且第二标定值不满足第二异常条件；第一异常条件为|val-mean_temp|＞thresh1；第二异常条件为：|sigma|＞thresh2；其中，thresh1为第一预设值，thresh2为第二预设值。

进一步的，标定条件包括均值条件、关联条件和数据量条件，即第一标定值是否满足均值条件，第二标定值是否满足关联条件，且迭代次数是否满足数据量条件。

其中，均值条件的表达式为：|mean-mean_temp|<tolerance；所述关联条件的表达式为：sigma<mean_temp*thresh_error；所述数据量条件为：counter＞thresh_counter。tolerance为第三预设值，thresh_error为第四预设值，thresh_counter为第五预设值。

容易理解的，均值条件为判断连续N(大于等于2)次迭代容差是否小于容差(当需要判断N次迭代时误差时，需要有一个N-1大小的数组来记录历史均值数据，实现滑窗式的迭代)；数据量条件为判断样本数据是否足够，从统计学上保证可靠；关联条件为传感器静态输出方差小于均值的一定范围。

步骤S500，若是，将所述输出均值更新为第一标定值，将所述输出方差值更新为第二标定值，并利用所述输出均值和所述输出方差值，获得标定参数，以使在目标传感器采集非静止系统的输出值时，利用所述标定参数，确定所述非静止系统的真实值；

具体而言，在判断所述第一标定值、第二标定值和迭代次数满足标定条件后，则将输出均值更新为第一标定值，将输出方差更新为第二标定值，即更新mean＝mean_temp，sigma＝sigma_temp，在此之后，结束标定过程，并利用输出均值和输出方差值计算标定参数。

最后，利用标定参数可实现对非静止系统的输出值的标定，以获得真实值。其中，标定参数包括目标传感器的缩放因子k、零偏移量B和误差范围ε，因此，获得标定参数的过程为：获取系统属性值，并基于所述系统属性值和所述输出均值，确定目标传感器的缩放因子k；获取静止系统的理论输出值out_{zero_theory}，并基于所述理论输出值out_{zero_theory}和缩放因子k，确定目标传感器的零偏移量B；利用所述输出方差值，确定目标传感器的误差范围ε。利用所述标定参数对所述输出值进行处理，以获得真实值；所述非静止系统的真实值的表达式为：out_theory＝k(out+B±ε)；其中：out_theory为非静止系统的真实值，out为非静止系统的输出值。

容易理解的，根据静止系统的传感器误差表达式：out_{zero_theory}＝k*(out_zero+B±ε)；其中，out_{zero_theory}为已知常数，将out_zero用输出均值mean替换，ε用输出方差值sigma替换，缩放因子k通过系统属性值和输出均值获得，即可得到出零偏移量B。

在此之后，根据非静止系统的传感器误差公式：out_theory＝k(out+B±ε)，在获得输出值out时，得到非静止系统的真实值out_theory。

步骤S600，否则，基于历史迭代数据和当前时刻输出值，确定目标传感器的输出均值和输出方差值，返回执行所述对所述输出均值和输出方差值进行迭代步骤。

需要说明的是，在判断所述第一标定值、第二标定值和迭代次数不满足标定条件后，则基于历史迭代数据和当前时刻输出值，确定目标传感器的输出均值和输出方差值，即根据前一次迭代的输出均值和输出方差值以及当前时刻的输出值，来确定目标传感器在当前时刻的输出均值和输出方差值。在此之后，重新迭代与判断过程，直至第一标定值、第二标定值和迭代次数满足标定条件。

在本实施例中，通过提供一种轻量化的在线标定方法，对传感器在静止系统下的极少量在线数据进行采集，在满足当前获取的在线数据非异常且符合标定条件时，利用在线数据生成标定参数，实现对传感器的在线标定，提高了传感器标定的实用性以及标定效率。

为了便于理解，下面提供基于加速度传感器的在线标定过程，基于如图2所示的传感器在线标定方法的实施例。

容易理解的，加速度传感器一般采用测力的原理，并且基于量程输出一个整数值。在标准水平面放置时，理论上水平面方向上的X，Y，Z轴加速度为0，此时对应的加速度传感器输出值应该为out_zero为一个3维矢量[valx,valy,valz]，记为val。其对应的真实值out_{zero_theory}应该为0矢量。同样真实值和输出也满足out_theory＝k(out+B±ε)。同时k取决于三个方向的均值和加速度传感器分辨率，其中k＝[k_x,k_y,k_z]。其中k_x,k_y,k_z分别为三个方向的分辨率。加速度传感器在线标定过程如下：

1.先初始化mean＝0，sigma＝0，计数器(标量)counter＝0。

2.压入数据val并计算。

counter＝counter+1。

3.判断当前数据是否异常(虽然传感器数据有一定误差，但是整体上不会出现很大的偏差，因此当输出出现很大偏差时，一般都不是有效数据，此时系统处于已经偏离合理范围，输出的数据属于无效数据，不能参数迭代，下面两个参数thresh1，thresh2)都可以根据系统本身特性以及传感器数据手册确定出。如果下面这两个条件至少有一个满足，|val-mean_temp|＞thresh1，|sigma|＞thresh2，则认为数据出现异常，需要重置所有状态为初始值，即回到第一步重新开始迭代，否则执行第4步。

4.判断是否满足以下3个条件。

|mean-mean_temp|<tolerance，均值条件，连续N(大于等于2)次迭代容差是否小于容差(当需要判断N次迭代时误差时，需要有一个N-1大小的数组来记录历史均值数据，实现滑窗式的迭代，减少计算量，本实施例中以2次为例，因此只需通过单独变量记录即可)。

counter＞thresh_counter，数据量条件，是否有足够样本数据，从统计学上保证可靠。

sigma<mean_temp*thresh_error，传感器静态输出均值小于偏差的一定范围。

5.如果同时满足这三个条件，则更新mean＝mean_temp，sigma＝sigma_temp，并且标定结束，否则继续返回第2步继续迭代，直至收敛。

6.得到了加速度传感器静止状态标定值后，可以基于公式分别计算出B＝out_{zero_theory}/k-mean，进一步针对非静止状态基于公式out_{zero_theory}＝k*(out_zero+B±ε)可以求得真实加速度值。

在上述在线标定过程中，valx：为x方向传感器的输出值，valy：为y方向传感器的输出值，valz：为z方向传感器的输出值，为了便于表示，将三者组成一个向量记为val，val＝[valx,valy,valz]。meanx,meany,meanz分别代表静止状态下传感器3个方向响应的均值，记为mean。sigmax,sigmay,sigmaz分别代表静止状态下传感器3个方向响应的误差，记为sigma。counter为一个标量，是计数器；mean_temp为临时计算出的均值；sigma_temp为临时计算出的误差；thresh1，thresh2分别为一个阈值；tolerance为均值的容差；thresh_counter为有效计算的数据个数阈值；thresh_error为一个误差占均值的百分比阈值；real为真实计算出的数据值。

如图3-图4所示，为采用本实施例进行电梯加速度传感器在线标定的加速度响应曲线图，由图可知，在开始运动阶段，由于电梯的晃动等环境因素，加速度曲线会出现一段异常数据，在平稳阶段，由于电梯加速阶段持续的时间及其短，所有数据基本平稳，通过上述的在线标定方法，可以快速的剔除前面的无效数据，最终基于整个流程完成标定工作，从图3中可以看出静止状态加速度数据可以通过上述方式快速完成在线标定工作。

参照图5，图5为本发明传感器在线标定装置实施例的结构框图。

如图5所示，本发明实施例提出的传感器在线标定装置包括：

确定模块10，用于获取目标传感器在检测静止系统的初始采样时刻的输出值，基于所述输出值，确定所述目标传感器的输出均值和输出方差值；

迭代模块20，用于对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值；

更新模块30，用于若检测到所述第一标定值或所述第二标定值为异常状态，则将所述初始采样时刻更新为当前时刻，并返回执行所述获取目标传感器在检测静止系统的初始采样时刻的输出值步骤；

判断模块40，用于若检测到所述第一标定值和所述第二标定值为正常状态，判断所述第一标定值、第二标定值和迭代次数是否满足标定条件；

标定模块50，用于若是，将所述输出均值更新为第一标定值，将所述输出方差值更新为第二标定值，并利用所述输出均值和所述输出方差值，获得标定参数，以使在目标传感器采集非静止系统的输出值时，利用所述标定参数，确定所述非静止系统的真实值；

循环模块60，用于否则，基于历史迭代数据和当前时刻输出值，确定目标传感器的输出均值和输出方差值，返回执行所述对所述输出均值和输出方差值进行迭代步骤。

本发明传感器在线标定装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有传感器在线标定程序，所述传感器在线标定程序被处理器执行时实现如上文所述的传感器在线标定方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

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，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。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可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等，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的方法。

Claims (9)

1.一种传感器在线标定方法，其特征在于，所述方法包括以下步骤：

获取目标传感器在检测静止系统的初始采样时刻的输出值，基于所述输出值，确定所述目标传感器的输出均值和输出方差值；

对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值；

若检测到所述第一标定值或所述第二标定值为异常状态，则将所述初始采样时刻更新为当前时刻，并返回执行所述获取目标传感器在检测静止系统的初始采样时刻的输出值步骤；其中，对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值步骤，具体包括：

获取当前迭代次数，对所述输出均值和所述输出方差值进行迭代，以确定第一标定值和第二标定值；

所述第一标定值的表达式为：

所述第二标定值的表达式为：

其中，所述counter为迭代次数，mean为输出均值，sigma为输出方差值，val为当前时刻的输出值；

若检测到所述第一标定值和所述第二标定值为正常状态，判断所述第一标定值、第二标定值和迭代次数是否满足标定条件；

若是，将所述输出均值更新为第一标定值，将所述输出方差值更新为第二标定值，并利用所述输出均值和所述输出方差值，获得标定参数，以使在目标传感器采集非静止系统的输出值时，利用所述标定参数，确定所述非静止系统的真实值；

否则，基于历史迭代数据和当前时刻输出值，确定目标传感器的输出均值和输出方差值，返回执行所述对所述输出均值和输出方差值进行迭代步骤。

2.如权利要求1所述的传感器在线标定方法，其特征在于，所述异常状态为第一标定值满足第一异常条件或第二标定值满足第二异常条件，所述正常状态为第一标定值不满足第一异常条件且第二标定值不满足第二异常条件；

所述第一异常条件为：|val-mean_temp|>thresh1；

所述第二异常条件为：|sigma|>thresh2；

其中，thresh1为第一预设值，thresh2为第二预设值。

3.如权利要求1所述的传感器在线标定方法，其特征在于，所述判断所述第一标定值、第二标定值和迭代次数是否满足标定条件步骤，具体包括：

判断所述第一标定值是否满足均值条件，所述第二标定值是否满足关联条件，且所述迭代次数是否满足数据量条件。

4.如权利要求3所述的传感器在线标定方法，其特征在于，所述标定条件中：

所述均值条件的表达式为：|mean-mean_temp|<tolerance；

所述关联条件的表达式为：sigma<mean_temp*thresh_error；

所述数据量条件为：counter>thresh_counter

其中，tolerance为第三预设值，thresh_error为第四预设值，thresh_counter为第五预设值。

5.如权利要求1所述的传感器在线标定方法，其特征在于，所述标定参数包括目标传感器的缩放因子、零偏移量和误差范围；所述利用所述输出均值和所述输出方差值，获得标定参数步骤，具体包括：

获取系统属性值，并基于所述系统属性值和所述输出均值，确定目标传感器的缩放因子k；

获取静止系统的理论输出值out_{zero_}，并基于所述理论输出值out_{zero_}和缩放因子k，确定目标传感器的零偏移量B；

利用所述输出方差值，确定目标传感器的误差范围ε。

6.如权利要求5所述的传感器在线标定方法，其特征在于，所述利用所述标定参数，确定所述非静止系统的真实值步骤，具体包括：

利用所述标定参数对所述输出值进行处理，以获得真实值；

所述非静止系统的真实值的表达式为：out_theory＝k(out+B±ε)；

其中：out_theory为非静止系统的真实值，out为非静止系统的输出值。

7.一种传感器在线标定装置，其特征在于，所述传感器在线标定装置包括：

确定模块，用于获取目标传感器在检测静止系统的初始采样时刻的输出值，基于所述输出值，确定所述目标传感器的输出均值和输出方差值；

迭代模块，用于对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值；其中，对所述输出均值和输出方差值进行迭代，获得第一标定值和第二标定值步骤，具体包括：

获取当前迭代次数，对所述输出均值和所述输出方差值进行迭代，以确定第一标定值和第二标定值；

所述第一标定值的表达式为：

所述第二标定值的表达式为：

其中，所述counter为迭代次数，mean为输出均值，sigma为输出方差值，val为当前时刻的输出值；

更新模块，用于若检测到所述第一标定值或所述第二标定值为异常状态，则将所述初始采样时刻更新为当前时刻，并返回执行所述获取目标传感器在检测静止系统的初始采样时刻的输出值步骤；

判断模块，用于若检测到所述第一标定值和所述第二标定值为正常状态，判断所述第一标定值、第二标定值和迭代次数是否满足标定条件；

标定模块，用于若是，将所述输出均值更新为第一标定值，将所述输出方差值更新为第二标定值，并利用所述输出均值和所述输出方差值，获得标定参数，以使在目标传感器采集非静止系统的输出值时，利用所述标定参数，确定所述非静止系统的真实值；

循环模块，用于否则，基于历史迭代数据和当前时刻输出值，确定目标传感器的输出均值和输出方差值，返回执行所述对所述输出均值和输出方差值进行迭代步骤。

8.一种传感器在线标定设备，其特征在于，所述传感器在线标定设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的传感器在线标定程序，所述传感器在线标定程序被所述处理器执行时实现如权利要求1至6中任一项所述的传感器在线标定方法的步骤。

9.一种存储介质，其特征在于，所述存储介质上存储有传感器在线标定程序，所述传感器在线标定程序被处理器执行时实现如权利要求1至6中任一项所述的传感器在线标定方法的步骤。

Images