CN114964229A - 航位推算方法、装置及电子设备 - Google Patents

航位推算方法、装置及电子设备 Download PDF

Info

Publication number
CN114964229A
CN114964229A CN202210493162.8A CN202210493162A CN114964229A CN 114964229 A CN114964229 A CN 114964229A CN 202210493162 A CN202210493162 A CN 202210493162A CN 114964229 A CN114964229 A CN 114964229A
Authority
CN
China
Prior art keywords
state quantity
target vehicle
prediction result
current
filter
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.)
Pending
Application number
CN202210493162.8A
Other languages
English (en)
Inventor
李子恒
朱昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Uisee Shanghai Automotive Technologies Ltd
Original Assignee
Uisee Shanghai Automotive Technologies Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Uisee Shanghai Automotive Technologies Ltd filed Critical Uisee Shanghai Automotive Technologies Ltd
Priority to CN202210493162.8A priority Critical patent/CN114964229A/zh
Publication of CN114964229A publication Critical patent/CN114964229A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01C21/1652—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 with ranging devices, e.g. LIDAR or RADAR
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Navigation (AREA)

Abstract

本发明公开了航位推算方法、装置及电子设备，包括：根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对当前状态量进行预测，得到滤波器的状态量预测结果；获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与残差匹配的残差替代量，并根据残差替代量对滤波器的状态量预测结果进行更新；根据更新后的状态量预测结果，以及目标车辆的转向信息，确定与目标车辆对应的航位推算结果。本发明实施例的技术方案可以提高航位推算结果的可靠性。

Description

航位推算方法、装置及电子设备
技术领域
本发明涉及融合定位技术领域，尤其涉及航位推算方法、装置及电子设备。
背景技术
里程计是测量车辆行驶速度和路程的一种传感器，通常与惯性测量单元(Inertial Measurement Unit，IMU)相结合，用于对车辆下一时刻的位置进行预估。但是，对于车辆打滑或数据延迟的情况，里程计监测的车辆速度通常存在误差，容易导致位置预估结果存在偏差。IMU虽然可以提供车辆三维的速度信息，但是由于IMU校准性能较差，使得IMU无法长时间单独使用。
现有技术中在对航位推算方法进行优化时，通常是基于SINS/DR组合导航系统，对里程计打滑导致的测量误差进行修正。但是，这种方法并未考虑里程计存在的其他误差情况，例如数据延迟等，导致航位推算方法具有一定的局限性；其次，现有技术中并未涉及对SINS/DR组合导航系统本身存在的偏差进行修正，导致航位推算结果的可靠性较低。
发明内容
本发明提供了航位推算方法、装置及电子设备，可以提高航位推算结果的可靠性。
根据本发明的一方面，提供了一种航位推算方法，包括：
根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对所述当前状态量进行预测，得到滤波器的状态量预测结果；
获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与所述残差匹配的残差替代量，并根据所述残差替代量对所述滤波器的状态量预测结果进行更新；
根据更新后的状态量预测结果，以及所述目标车辆的转向信息，确定与所述目标车辆对应的航位推算结果。
根据本发明的另一方面，提供了一种航位推算装置，所述装置包括：
状态预测模块，用于根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对所述当前状态量进行预测，得到滤波器的状态量预测结果；
预测结果更新模块，用于获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与所述残差匹配的残差替代量，并根据所述残差替代量对所述滤波器的状态量预测结果进行更新；
推算结果确定模块，用于根据更新后的状态量预测结果，以及所述目标车辆的转向信息，确定与所述目标车辆对应的航位推算结果。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的航位推算方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的航位推算方法。
本发明实施例提供的技术方案，通过根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对当前状态量进行预测得到滤波器的状态量预测结果，获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与残差匹配的残差替代量，并根据残差替代量对滤波器的状态量预测结果进行更新；根据更新后的状态量预测结果，以及目标车辆的转向信息，确定与目标车辆对应的航位推算结果的技术手段，可以提高航位推算结果的可靠性。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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他的附图。
图1是根据本发明实施例提供的一种航位推算方法的流程图；
图2是根据本发明实施例提供的另一种航位推算方法的流程图；
图3是根据本发明实施例提供的另一种航位推算方法的流程图；
图4是根据本发明实施例提供的一种航位推算装置的结构示意图；
图5是实现本发明实施例的航位推算方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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前提下所获得的所有其他实施例，都应当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、系统、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。
由于现有技术中基于SINS/DR组合导航系统，对里程计打滑导致的测量误差进行修正的方法，并未考虑里程计存在的其他误差情况，例如数据延迟等，导致航位推算方法具有一定的局限性，并且导致航位推算结果的可靠性较低，对此本发明提供了一种航位推算方法。
图1为本发明实施例一提供的一种航位推算方法的流程图，本实施例可适用于对车辆的行驶位置进行推算的情况，该方法可以由航位推算装置来执行，该航位推算装置可以采用硬件和/或软件的形式实现，该航位推算装置可配置于电子设备(例如终端或者服务器)中。如图1所示，该方法包括：
步骤110、根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对所述当前状态量进行预测，得到滤波器的状态量预测结果。
在本实施例中，所述目标车辆可以为等待进行航位推算的车辆。可选的，可以根据目标车辆上的里程计，获取目标车辆在当前时刻下的前向速度信息，并根据所述前向速度信息构建滤波器对应的当前状态量。
在一个具体的实施例中，确定滤波器对应的当前状态量之后，可以根据当前状态量，以及目标车辆对应的历史行驶信息(例如历史行驶过程中的速度信息，以及不同时刻对应的位置信息等)，对滤波器下一时刻的状态量进行预测，得到滤波器的状态量预测结果。
步骤120、获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与所述残差匹配的残差替代量，并根据所述残差替代量对所述滤波器的状态量预测结果进行更新。
在本实施例中，所述当前观测车速值可以为目标车辆在当前时刻下的实际车速值。获取到目标车辆对应的当前观测车速值后，可以计算当前观测车速值与状态量预测结果之间的差，并将计算结果作为当前观测车速值与状态量预测结果之间的残差。
在一个具体的实施例中，获取到当前观测车速值与状态量预测结果之间的残差后，可选的，可以对所述残差进行线性或者非线性处理，得到与残差匹配的残差替代量，并按照预设的运算方式，对残差替代量与状态量预测结果进行线性运算，得到更新后的状态量预测结果。
步骤130、根据更新后的状态量预测结果，以及所述目标车辆的转向信息，确定与所述目标车辆对应的航位推算结果。
在此步骤中，获取到更新后的状态量预测结果后，可以在更新后的状态量预测结果中提取目标车辆的实际前向速度，然后根据目标车辆的实际前向速度以及转向信息，对目标车辆下一时刻的位置进行推算，得到目标车辆的航位推算结果。
在本实施例中，通过对滤波器的当前状态量进行预测，并根据目标车辆当前观测车速值与状态量预测结果之间的残差替代量，对滤波器的状态量预测结果进行更新，可以得到更为稳定的车辆状态信息，避免里程计监测误差对航位推算结果的影响。相比于现有技术中基于SINS/DR组合导航系统，对里程计打滑导致的测量误差进行修正的方法而言，本实施例可以对里程计的多种误差情况进行修正，由此可以提高航位推算方法的扩展性，以及航位推算结果的可靠性。
本发明实施例提供的技术方案，通过根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对当前状态量进行预测得到滤波器的状态量预测结果，获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与残差匹配的残差替代量，并根据残差替代量对滤波器的状态量预测结果进行更新；根据更新后的状态量预测结果，以及目标车辆的转向信息，确定与目标车辆对应的航位推算结果的技术手段，可以提高航位推算结果的可靠性。
图2为本实施例提供的另一种航位推算方法的流程图，在本实施例中，本实施例的技术方案可以与上述实施例的方案中的一种或者多种方法进行组合，如图2所示，本实施例提供的方法还可以包括：
步骤201、通过目标车辆上的传感器，获取当前时刻下目标车辆在车体坐标系下的前向加速度测量值以及前向速度测量值。
其中，所述传感器可以包括里程计、IMU以及激光雷达等，本实施例对此并不进行限制。
在本实施例的一个实施方式中，可以通过目标车辆上的IMU获取目标车辆当前时刻下的前向加速度测量值，通过里程计获取目标车辆当前时刻下的前向速度测量值。由于所述前向加速度测量值是基于IMU自身坐标系进行测量，因此，可以根据IMU自身坐标系以及车体坐标系之间的转换关系，将所述前向加速度测量值进行转换，得到目标车辆在车体坐标系下的前向加速度测量值。
步骤202、获取目标车辆在当前时刻下对应的预设前向加速度偏置。
在本实施例中，由于前向加速度测量值与目标车辆的实际前向加速度存在偏差，为了对前向加速度测量值进行校准，还可以获取预设的前向加速度偏置，根据所述预设的前向加速度偏置与前向加速度测量值，得到目标车辆的实际前向加速度。具体的，可以计算前向加速度测量值，与前向加速度偏置之间的差值，将所述差值作为目标车辆的实际前向加速度。
在一个具体的实施例中，所述前向加速度偏置可以实时根据IMU获取的前向加速度测量值，以及里程计获取的前向速度测量值进行确定。
在本实施例的一个实施方式中，通过IMU和里程计分别获取到目标车辆当前时刻下的前向加速度测量值和前向速度测量值后，可以根据所述前向加速度测量值和前向速度测量值，推导目标车辆在下一时刻对应的前向速度估计值，然后将所述前向速度估计值与下一时刻里程计获取的前向速度测量值进行比较，最后根据比较结果确定下一时刻下目标车辆对应的前向加速度偏置。
在本实施例的另一个实施方式中，还可以通过里程计获取目标车辆在当前时刻和下一时刻下分别对应的前向速度测量值，然后根据两个前向速度测量值计算前向加速度，最后将所述前向加速度与IMU获取的前向加速度测量值进行比较，根据比较结果确定前向加速度偏置。
具体的，假设在当前时刻下IMU获取的目标车辆的前向加速度测量值为1，里程计获取的前向速度测量值为0，假设下一时刻与当前时刻之间的时间间隔为1s，由此可以推导出下一时刻目标车辆的前向速度估计值为1，但是在下一时刻里程计获取的前向速度测量值为1.2，也即目标车辆的前向加速度测量值与实际加速度之间的差值为-0.2，由此可以确定目标车辆在下一时刻下对应的前向加速度偏置为-0.2。
这样设置的好处在于，通过结合IMU和里程计分别获取的测量值，可以准确得到目标车辆对应的前向加速度偏置，进而得到更加真实的前向加速度，提高航位推算结果的可靠性。
在一个具体的实施例中，可以通过IMU获取目标车辆当前时刻车体坐标系下Y轴对应的前向加速度测量值。
这样设置的好处在于，仅使用IMU六维量测信息里的Y轴加速度，并融合里程计的速度信息，可以实现对加速度偏置的实时维护，使得航位推算过程不依赖于IMU的内参标定，由此可以消除时间对IMU测量结果的影响，提高航位推算结果的可靠性。
步骤203、根据所述前向速度测量值、前向加速度测量值以及前向加速度偏置，生成目标车辆在当前时刻下的前向速度信息。
在此步骤中，可以根据前向加速度测量值以及前向加速度偏置，得到目标车辆的实际前向加速度，然后将所述实际前向加速度、前向速度测量值以及前向加速度偏置，作为目标车辆在当前时刻下的前向速度信息。
步骤204、根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量。
在一个具体的实施例中，假设当前时刻下目标车辆在车体坐标系下的实际前向加速度为ay、前向加速度偏置为by、前向速度测量值为vy，滤波器对应的当前状态量为X，则有X＝(vy,ay,by)。
步骤205、根据预设的时间间隔，构建与目标车辆对应的状态转移矩阵。
在此步骤中，假设预设的时间间隔为t，则所述状态转移矩阵F可以表示为：
Figure BDA0003631880800000081
步骤206、根据所述状态转移矩阵以及当前状态量，计算得到滤波器的状态量预测结果。
在此步骤中，假设滤波器的状态量预测结果为X'，其中，X'＝FX。
步骤207、获取目标车辆上里程计在当前时刻下采集的当前车速值。
步骤208、根据目标车辆预先标定的速度系数，对所述当前车速值进行校准，得到目标车辆对应的当前观测车速值。
在本实施例中，由于里程计采集的车速值与实际的车速值之间存在偏差，因此，可以根据目标车辆底盘标定的速度系数，对当前车速值进行校准，得到目标车辆在当前时刻下的实际车速值(也即当前观测车速值)。
在一个具体的实施例中，可以将所述当前车速值与速度系数进行相乘，得到目标车辆对应的当前观测车速值。
步骤209、获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差。
步骤210、将所述残差输入至预先构建的神经动力学模型中，通过所述神经动力学模型，计算与所述残差对应的至少一个反馈量。
在本实施例中，神经动力学模型为一种以递归神经网络稳定性为目标而构建的算法模型。将残差输入至神经动力学模型中，神经动力学模型可以基于预先建立的迭代算法对残差进行处理，得到与残差对应的至少一个反馈量。
这样设置的好处在于，通过神经动力学模型对残差进行处理，可以避免异常的残差对滤波器更新造成影响，由此可以得到更为稳定的车辆状态信息，提高航位推算结果的可靠性。
步骤211、根据各所述反馈量，确定与所述残差匹配的残差替代量。
在本实施例中，可选的，可以对各反馈量进行线性处理，得到残差替代量。
在本实施例的一个实施方式中，根据各所述反馈量，确定与所述残差匹配的残差替代量，包括：将各所述反馈量分别对时间进行积分，得到与各所述反馈量对应的积分结果；将各所述反馈量对应的积分结果进行累加，得到与所述残差匹配的残差替代量。
在一个具体的实施例中，将残差输入至神经动力学模型中，通过神经动力学模型输出的反馈量为
Figure BDA0003631880800000091
其中：
Figure BDA0003631880800000092
在本实施例中，A为被动衰变率，代表残差替代量ε的自身衰变率，通常设为1；B和D为对称值，分别表示神经动力学模型对应的输入上下边界值；Si表示当前时刻下神经动力学模型对应的输入值，Si包括刺激性输入值
Figure BDA0003631880800000101
和抑制性输入值
Figure BDA0003631880800000102
在得到上述反馈量后，可以对各反馈量分别对时间进行积分，并将各反馈量对应的积分结果进行累加，得到与所述残差匹配的残差替代量ε。
步骤212、根据所述残差替代量以及预设的卡尔曼增益，对所述滤波器的状态量预测结果进行更新。
在此步骤中，假设预设的卡尔曼增益为K，可以根据下述公式对滤波器的状态量预测结果X'进行更新：
X″＝X′+Kε
其中，X”为滤波器更新后的状态量预测结果。
步骤213、根据更新后的状态量预测结果，以及所述目标车辆的转向信息，确定与所述目标车辆对应的航位推算结果。
本发明实施例提供的技术方案，通过目标车辆上的传感器，获取当前时刻下目标车辆在车体坐标系下的前向加速度测量值以及前向速度测量值，获取目标车辆在当前时刻下对应的预设前向加速度偏置，根据前向速度测量值、前向加速度测量值以及前向加速度偏置生成前向速度信息，根据前向速度信息构建滤波器对应的当前状态量，根据预设时间间隔构建状态转移矩阵，根据状态转移矩阵以及当前状态量，计算得到滤波器的状态量预测结果，获取里程计在当前时刻下采集的当前车速值，根据目标车辆预先标定的速度系数，对当前车速值进行校准，得到目标车辆对应的当前观测车速值，获取当前观测车速值与状态量预测结果之间的残差，将残差输入至神经动力学模型中，通过神经动力学模型计算至少一个反馈量，根据各反馈量确定残差替代量，根据残差替代量以及预设的卡尔曼增益，对滤波器的状态量预测结果进行更新，根据更新后的状态量预测结果以及目标车辆的转向信息，确定与目标车辆对应的航位推算结果的技术手段，可以提高航位推算结果的可靠性。
图3为本实施例提供的另一种航位推算方法的流程图，在本实施例中，本实施例的技术方案可以与上述实施例的方案中的一种或者多种方法进行组合，如图3所示，本实施例提供的方法还可以包括：
步骤301、根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对所述当前状态量进行预测，得到滤波器的状态量预测结果。
步骤302、获取所述滤波器在当前时刻下对应的原始协方差矩阵。
在本实施例中，可选的，如果是首次对目标车辆进行航位推算，则可以根据所述当前状态量计算得到原始协方差矩阵；如果不是首次对目标车辆进行航位推算，则可以获取上一次航位推算过程中生成的协方差矩阵，作为滤波器在当前时刻下对应的原始协方差矩阵。
在一个具体的实施例中，如果是首次对目标车辆进行航位推算，则可以计算当前状态量对应的协方差，并根据当前状态量对应的协方差，构建得到原始协方差矩阵。其中，所述原始协方差矩阵的对角线即为当前状态量对应的协方差。
步骤303、根据所述状态转移矩阵，以及所述滤波器对应的预设噪声矩阵，对所述原始协方差矩阵进行预测，得到协方差矩阵预测结果。
在此步骤中，假设原始协方差矩阵为P，滤波器对应的预设噪声矩阵为Q，则可以根据下述公式对原始协方差矩阵P进行预测：
P'＝FPFT+Q
其中，P'为协方差矩阵预测结果。
步骤304、获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差。
步骤305、将所述残差输入至预先构建的神经动力学模型中，通过所述神经动力学模型，计算与所述残差对应的至少一个反馈量。
步骤306、根据各所述反馈量，确定与所述残差匹配的残差替代量。
步骤307、根据所述协方差矩阵预测结果、滤波器对应的预设观测矩阵以及预设观测噪声矩阵，获得卡尔曼增益。
在此步骤中，假设滤波器对应的预设观测矩阵为H，预设观测噪声矩阵为R，则可以根据下述公式计算卡尔曼增益K：
K＝P'HT(HP'HT+R)-1
步骤308、根据所述残差替代量以及卡尔曼增益，对所述滤波器的状态量预测结果进行更新。
步骤309、根据所述卡尔曼增益、预设单位矩阵以及滤波器对应的预设观测矩阵，对所述协方差矩阵预测结果进行更新，并将更新后的协方差矩阵预测结果，作为滤波器在下一时刻下对应的原始协方差矩阵。
在本实施例中，假设预设的单位矩阵为I，则可以根据下述公式对协方差矩阵预测结果P'进行更新：
P”＝(I-KH)P'
其中，P”为更新后的协方差矩阵预测结果，I为3*3的单位矩阵。
在得到更新后的协方差矩阵预测结果后，可以将所述更新后的协方差矩阵预测结果，作为滤波器在下一时刻下对应的原始协方差矩阵，以便于确定目标车辆下一时刻对应的航位推算结果。
步骤310、根据更新后的状态量预测结果，以及所述目标车辆的转向信息，确定与所述目标车辆对应的航位推算结果。
本发明实施例提供的技术方案，通过根据目标车辆在当前时刻下的前向速度信息构建滤波器对应的当前状态量，并对当前状态量进行预测得到状态量预测结果，获取滤波器在当前时刻下对应的原始协方差矩阵，对原始协方差矩阵进行预测得到协方差矩阵预测结果，获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，将残差输入至神经动力学模型中，通过神经动力学模型计算至少一个反馈量，根据各反馈量确定残差替代量，根据协方差矩阵预测结果、预设观测矩阵以及预设观测噪声矩阵，获得卡尔曼增益，根据残差替代量以及卡尔曼增益，对滤波器的状态量预测结果进行更新，根据卡尔曼增益、预设单位矩阵以及滤波器对应的预设观测矩阵，对协方差矩阵预测结果进行更新，并将更新后的协方差矩阵预测结果，作为滤波器在下一时刻下对应的原始协方差矩阵，根据更新后的状态量预测结果，以及目标车辆的转向信息，确定与目标车辆对应的航位推算结果的技术手段，可以提高航位推算结果的可靠性。
图4为本发明实施例提供的一种航位推算装置的结构示意图，所述航位推算装置包括：状态预测模块410、预测结果更新模块420和推算结果确定模块430。
其中，状态预测模块410，用于根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对所述当前状态量进行预测，得到滤波器的状态量预测结果；
预测结果更新模块420，用于获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与所述残差匹配的残差替代量，并根据所述残差替代量对所述滤波器的状态量预测结果进行更新；
推算结果确定模块430，用于根据更新后的状态量预测结果，以及所述目标车辆的转向信息，确定与所述目标车辆对应的航位推算结果。
本发明实施例提供的技术方案，通过根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对当前状态量进行预测得到滤波器的状态量预测结果，获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与残差匹配的残差替代量，并根据残差替代量对滤波器的状态量预测结果进行更新；根据更新后的状态量预测结果，以及目标车辆的转向信息，确定与目标车辆对应的航位推算结果的技术手段，可以提高航位推算结果的可靠性。
在上述实施例的基础上，所述状态预测模块410包括：
加速度获取单元，用于通过目标车辆上的传感器，获取当前时刻下目标车辆在车体坐标系下的前向加速度测量值以及前向速度测量值；
偏置获取单元，用于通获取目标车辆在当前时刻下对应的预设前向加速度偏置；
速度信息确定单元，用于根据所述前向速度测量值、前向加速度测量值以及前向加速度偏置，生成目标车辆在当前时刻下的前向速度信息；
状态转移矩阵构建单元，用于根据预设的时间间隔，构建与目标车辆对应的状态转移矩阵；
状态量预测单元，用于根据所述状态转移矩阵以及当前状态量，计算得到滤波器的状态量预测结果；
协方差矩阵获取单元，用于获取所述滤波器在当前时刻下对应的原始协方差矩阵；
协方差矩阵预测单元，用于根据所述状态转移矩阵，以及所述滤波器对应的预设噪声矩阵，对所述原始协方差矩阵进行预测，得到协方差矩阵预测结果。
所述预测结果更新模块420，包括：
当前车速值获取单元，用于获取目标车辆上里程计在当前时刻下采集的当前车速值；
车速值校准单元，用于根据目标车辆预先标定的速度系数，对所述当前车速值进行校准，得到所述当前观测车速值；
残差输入单元，用于将所述残差输入至预先构建的神经动力学模型中，通过所述神经动力学模型，计算与所述残差对应的至少一个反馈量；
残差替代量确定单元，用于根据各所述反馈量，确定与所述残差匹配的残差替代量；
滤波器更新单元，用于根据所述残差替代量以及预设的卡尔曼增益，对所述滤波器的状态量预测结果进行更新；
反馈量积分单元，用于将各所述反馈量分别对时间进行积分，得到与各所述反馈量对应的积分结果；
积分结果累加单元，用于将各所述反馈量对应的积分结果进行累加，得到与所述残差匹配的残差替代量；
卡尔曼增益获取单元，用于根据所述协方差矩阵预测结果、滤波器对应的预设观测矩阵以及预设观测噪声矩阵，获得所述卡尔曼增益；
协方差矩阵更新单元，用于根据所述卡尔曼增益、预设单位矩阵以及滤波器对应的预设观测矩阵，对所述协方差矩阵预测结果进行更新，并将更新后的协方差矩阵预测结果，作为滤波器在下一时刻下对应的原始协方差矩阵。
上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如航位推算方法。
在一些实施例中，航位推算方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的航位推算方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行航位推算方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种航位推算方法，其特征在于，包括：
根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对所述当前状态量进行预测，得到滤波器的状态量预测结果；
获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与所述残差匹配的残差替代量，并根据所述残差替代量对所述滤波器的状态量预测结果进行更新；
根据更新后的状态量预测结果，以及所述目标车辆的转向信息，确定与所述目标车辆对应的航位推算结果。
2.根据权利要求1所述的方法，其特征在于，在根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量之前，还包括：
通过目标车辆上的传感器，获取当前时刻下目标车辆在车体坐标系下的前向加速度测量值以及前向速度测量值；
获取目标车辆在当前时刻下对应的预设前向加速度偏置；
根据所述前向速度测量值、前向加速度测量值以及预设的前向加速度偏置，生成目标车辆在当前时刻下的前向速度信息。
3.根据权利要求1所述的方法，其特征在于，对所述当前状态量进行预测，得到滤波器的状态量预测结果，包括：
根据预设的时间间隔，构建与目标车辆对应的状态转移矩阵；
根据所述状态转移矩阵以及当前状态量，计算得到滤波器的状态量预测结果。
4.根据权利要求1所述的方法，其特征在于，在获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差之前，还包括：
获取目标车辆上里程计在当前时刻下采集的当前车速值；
根据目标车辆预先标定的速度系数，对所述当前车速值进行校准，得到所述当前观测车速值。
5.根据权利要求1所述的方法，其特征在于，确定与所述残差匹配的残差替代量，并根据所述残差替代量对所述滤波器的状态量预测结果进行更新，包括：
将所述残差输入至预先构建的神经动力学模型中，通过所述神经动力学模型，计算与所述残差对应的至少一个反馈量；
根据各所述反馈量，确定与所述残差匹配的残差替代量；
根据所述残差替代量以及预设的卡尔曼增益，对所述滤波器的状态量预测结果进行更新。
6.根据权利要求5所述的方法，其特征在于，根据各所述反馈量，确定与所述残差匹配的残差替代量，包括：
将各所述反馈量分别对时间进行积分，得到与各所述反馈量对应的积分结果；
将各所述反馈量对应的积分结果进行累加，得到与所述残差匹配的残差替代量。
7.根据权利要求5所述的方法，其特征在于，在对所述当前状态量进行预测，得到滤波器的状态量预测结果之后，还包括：
获取所述滤波器在当前时刻下对应的原始协方差矩阵；
根据所述状态转移矩阵，以及所述滤波器对应的预设噪声矩阵，对所述原始协方差矩阵进行预测，得到协方差矩阵预测结果；
在根据所述残差替代量以及预设的卡尔曼增益，对所述滤波器的状态量预测结果进行更新之前，还包括：
根据所述协方差矩阵预测结果、滤波器对应的预设观测矩阵以及预设观测噪声矩阵，获得所述卡尔曼增益。
8.根据权利要求7所述的方法，其特征在于，在对所述滤波器的状态量预测结果进行更新之后，还包括：
根据所述卡尔曼增益、预设单位矩阵以及滤波器对应的预设观测矩阵，对所述协方差矩阵预测结果进行更新，并将更新后的协方差矩阵预测结果，作为滤波器在下一时刻下对应的原始协方差矩阵。
9.一种航位推算装置，其特征在于，包括：
状态预测模块，用于根据目标车辆在当前时刻下的前向速度信息，构建滤波器对应的当前状态量，并对所述当前状态量进行预测，得到滤波器的状态量预测结果；
预测结果更新模块，用于获取目标车辆对应的当前观测车速值与状态量预测结果之间的残差，确定与所述残差匹配的残差替代量，并根据所述残差替代量对所述滤波器的状态量预测结果进行更新；
推算结果确定模块，用于根据更新后的状态量预测结果，以及所述目标车辆的转向信息，确定与所述目标车辆对应的航位推算结果。
10.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的航位推算方法。
CN202210493162.8A 2022-05-07 2022-05-07 航位推算方法、装置及电子设备 Pending CN114964229A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210493162.8A CN114964229A (zh) 2022-05-07 2022-05-07 航位推算方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210493162.8A CN114964229A (zh) 2022-05-07 2022-05-07 航位推算方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN114964229A true CN114964229A (zh) 2022-08-30

Family

ID=82971323

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210493162.8A Pending CN114964229A (zh) 2022-05-07 2022-05-07 航位推算方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN114964229A (zh)

Similar Documents

Publication Publication Date Title
US10852139B2 (en) Positioning method, positioning device, and robot
CN110160524B (zh) 一种惯性导航系统的传感器数据获取方法及装置
CN114179825B (zh) 多传感器融合获取量测值置信度方法及自动驾驶车辆
JP7356528B2 (ja) 地図データ処理方法及び装置
CN113029129A (zh) 车辆的定位信息的确定方法、装置、存储介质及程序产品
CN115457152A (zh) 外参标定方法、装置、电子设备及存储介质
CN113029136B (zh) 定位信息处理的方法、设备、存储介质及程序产品
CN113219505B (zh) 用于车路协同隧道场景的采集gps坐标的方法、装置和设备
CN115790665B (zh) 一种陀螺误差补偿方法、装置、电子设备及存储介质
CN113177980A (zh) 用于自动驾驶的目标对象速度确定方法、装置及电子设备
CN109655057B (zh) 一种六推无人机加速器测量值的滤波优化方法及其系统
CN114964229A (zh) 航位推算方法、装置及电子设备
CN115727871A (zh) 一种轨迹质量检测方法、装置、电子设备和存储介质
CN114199236A (zh) 定位数据处理的方法、装置、电子设备和自动驾驶车辆
CN115235527A (zh) 传感器外参标定方法、装置以及电子设备
CN114812576A (zh) 地图匹配方法、装置及电子设备
CN116380056B (zh) 惯性定位方法、装置、电子设备及存储介质
CN115356129A (zh) 车辆底盘参数标定方法、装置、电子设备及存储介质
CN117289686B (zh) 一种参数标定方法、装置、电子设备及存储介质
CN115096304B (zh) 延时误差修正方法、装置、电子设备和存储介质
CN115164888B (zh) 一种误差修正方法、装置、电子设备和存储介质
CN115096328B (zh) 车辆的定位方法、装置、电子设备以及存储介质
CN116817928B (zh) 基于因子图优化的卫导/惯导列车多源融合定位的方法
CN117289238A (zh) 一种激光雷达建图优化方法、装置、设备及介质
CN115755019A (zh) 目标跟踪方法、装置、设备及介质

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