CN115752471A - 一种传感器数据的处理方法、设备及计算机可读存储介质 - Google Patents
一种传感器数据的处理方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115752471A CN115752471A CN202211439032.2A CN202211439032A CN115752471A CN 115752471 A CN115752471 A CN 115752471A CN 202211439032 A CN202211439032 A CN 202211439032A CN 115752471 A CN115752471 A CN 115752471A
- Authority
- CN
- China
- Prior art keywords
- data
- sensors
- module
- preset
- sensing data
- 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
Links
- 238000003672 processing method Methods 0.000 title claims description 15
- 238000000034 method Methods 0.000 claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 53
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 24
- 239000000872 buffer Substances 0.000 claims abstract description 19
- 230000008878 coupling Effects 0.000 claims abstract description 12
- 238000010168 coupling process Methods 0.000 claims abstract description 12
- 238000005859 coupling reaction Methods 0.000 claims abstract description 12
- 238000007499 fusion processing Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 68
- 238000001914 filtration Methods 0.000 claims description 30
- 238000005070 sampling Methods 0.000 claims description 21
- 238000007493 shaping process Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种传感器数据的处理方法、设备及计算机可读存储介质,其中,该方法包括:对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据;通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据;以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息。本发明实现了一种多传感数据处理和融合方案,使得航空器能够获取到精确度和带宽更高、稳定性和鲁棒性更佳的运动信息。
Description
技术领域
本发明涉及无人驾驶航空器技术领域,尤其涉及一种传感器数据的处理方法、设备及计算机可读存储介质。
背景技术
在现有的无人驾驶航空器技术中,导航系统首先从各个传感器模块获取航空器的原始运动数据,该原始运动数据包括IMU(Inertial Measurement Unit,惯性测量单元)的角速率/加速度信息、GNSS(Global Navigation Satellite System,全球导航卫星系统)的速度/位置信息、BARO(气压计)的大气信息、MAG(磁力计)的地磁信息等原始观测数据;然后,由导航系统针对上述各个传感器执行单传感器观测,以此获取各个传感器所表征的运动信息。但是,上述单传感器观测方案所得到的运行信息普遍存在精度差、带宽低以及鲁棒性不佳等缺陷。
在导航系统将上述原始观测数据解算为制导和控制所需的运动信息时,如何对上述各个传感器的原始观测数据进行处理和融合,以提升滤波解算的精度和数值的稳定性,成为目前亟待解决的技术问题。
发明内容
为了解决现有技术中的上述技术缺陷,本发明提出了一种传感器数据的处理方法,该方法包括:
对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据;
通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据;
以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息,其中,将所述数据融合的观测模型解耦为与各个所述传感器对应的独立的测量方程,并对所述测量方程得到的各个所述传感器的测量值以序贯融合的方式参与测量更新。
可选地,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,包括:
将加速度计数据、陀螺仪数据、磁罗盘数据以及气压计数据作为第一类传感器数据,以及将导航定位数据作为第二类传感器数据;
通过预设的外设总线接口以中断驱动的方式采集所述第一类传感器数据,以及通过预设的串口总线接口以主循环定时轮询的方式采集所述第二类传感器数据。
可选地,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括:
在对所述加速度计数据和所述陀螺仪数据进行解算时的每一解算周期内,对连续多个采样值进行角增量积累,得到每一所述解算周期的积累值;
在进行所述解算时,以所述积累值替代单次采样所述加速度计数据和所述陀螺仪数据,作为预设的惯导算法的输入量。
可选地,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括:
比对主导航定位模块的第一精度状态和备份导航定位模块的第二精度状态,并在所述第一精度状态劣于所述第二精度状态时,将所述备份导航定位模块切换为所述主导航定位模块;
根据所述精度状态包含的星数和精度因子对所述导航定位数据中属于坏值的数据帧进行剔除。
可选地,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括:
实时监测主气压计模块的第一气压计采样数据和备份气压计模块的第二气压计采样数据;
在第一预设时长内所述第一气压计采用数据出现无测量值或者在第二预设时长内所述第一气压计采用数据出现测量值不变动时,将所述备份气压计模块切换为所述主气压计模块。
可选地,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括:
实时监测主磁力计模块的第一模块数据和备份磁力计模块的第二模块数据;
在所述第一模块数据劣于所述第二模块数据,或者在第三预设时长内所述第一模块数据为空时,将所述备份磁力计模块切换为所述主磁力计模块。
可选地,所述通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据,包括:
根据各个所述传感器的更新率设置与各个所述传感器对应的长度的缓冲器,并通过各个所述缓冲器分别保存预设时段的各个所述传感器的历史数据帧,其中,在所述历史数据帧的每帧数据中携带经过迟滞修正的时间戳;
在应用预设滤波算法的量测更新阶段,比对所述时间戳,以使更新率慢的所述历史数据帧对其更新率快的所述历史数据帧所表征的所述运动状态。
可选地,所述以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息,其中,将所述数据融合的观测模型解耦为与各个所述传感器对应的独立的测量方程,并对所述测量方程得到的各个所述传感器的测量值以序贯融合的方式参与测量更新,包括:
在预设的定位精度范围内,以扩大的各个所述传感器的观测噪声作为扩展卡尔曼滤波的噪声参数设定;
将所述第三传感数据的惯导解算作为所述扩展卡尔曼滤波的状态预测,其中,分别建立磁力计模块、气压计模块以及导航定位模块的所述观测模型,并将各个所述观测模型的所述测量值参与至所述扩展卡尔曼滤波的所述测量更新。
可选地,所述方法还包括:
根据所述扩展卡尔曼滤波的状态误差协方差矩阵计算得到状态估计的置信度;
在所述置信度超过预设阈值时,确定滤波算法的健康程度低于预期值,并采用另一套独立运行的备份滤波器进行状态估计。
可选地,所述方法还包括:
在预设时长内,若所述导航定位模块的所述状态估计的置信度超过所述预设阈值,则强制所述扩展卡尔曼滤波进入预设的无导航定位的辅助模式;
在所述辅助模式下保留对惯性测量单元、所述磁力计模块以及所述气压计模块的数据解算,并执行预设的无位置观测操作。
可选地,所述方法还包括:
根据所述状态估计的不确定度和新息,评估各个所述传感器的原始观测数据;
在使用所述原始观测数据作量测更新前,剔除质量差于预期的所述原始观测数据。
本发明还提出了一种传感器数据的处理设备,该设备包括存储器、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计算机程序,所述计算机程序被所述处理器执行时实现如上任一项所述的传感器数据的处理方法的步骤。
本发明还提出了一种计算机可读存储介质,该计算机可读存储介质上存储有传感器数据的处理程序,传感器数据的处理程序被处理器执行时实现如上述任一项所述的传感器数据的处理方法的步骤。
实施本发明的传感器数据的处理方法、设备及计算机可读存储介质,通过对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据;通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据;以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息,其中,将所述数据融合的观测模型解耦为与各个所述传感器对应的独立的测量方程,并对所述测量方程得到的各个所述传感器的测量值以序贯融合的方式参与测量更新。本发明实现了一种多传感数据处理和融合方案,使得航空器能够获取到精确度和带宽更高、稳定性和鲁棒性更佳的运动信息。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明传感器数据的处理方法第一实施例的流程图;
图2是本发明传感器数据的处理方法第二实施例的第一流程图;
图3是本发明传感器数据的处理方法第二实施例的第二流程图;
图4是本发明传感器数据的处理方法第二实施例的第三流程图;
图5是本发明传感器数据的处理方法第二实施例的第四流程图;
图6是本发明传感器数据的处理方法第二实施例的第五流程图;
图7是本发明传感器数据的处理方法第三实施例的流程图;
图8是本发明传感器数据的处理方法第四实施例的流程图;
图9是本发明传感器数据的处理方法第五实施例的第一流程图;
图10是本发明传感器数据的处理方法第五实施例的第二流程图;
图11是本发明传感器数据的处理方法第五实施例的第三流程图;
图12是本发明传感器数据的处理方法第二实施例的第一类传感器数据的采集控制逻辑示意图;
图13是本发明传感器数据的处理方法第二实施例的第二类传感器数据的采集控制逻辑示意图;
图14是本发明传感器数据的处理方法第三实施例的传感数据缓存结构示意图;
图15是本发明传感器数据的处理方法第四实施例的数据处理框图。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
实施例一
图1是本发明传感器数据的处理方法第一实施例的流程图。一种传感器数据的处理方法,该方法包括:
S1、对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据;
S2、通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据;
S3、以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息,其中,将所述数据融合的观测模型解耦为与各个所述传感器对应的独立的测量方程,并对所述测量方程得到的各个所述传感器的测量值以序贯融合的方式参与测量更新。
在本实施例中,首先,对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据。其中,第一传感数据是飞行器的导航系统从各个传感器模块获取的飞行器原始运动数据,该第一传感数据包括IMU(Inertial Measurement Unit,惯性测量单元)的角速率/加速度信息、GNSS(GlobalNavigation Satellite System,全球导航卫星系统)的速度/位置信息、BARO(气压计)的大气信息、MAG(磁力计)的地磁信息等原始观测数据。在本实施例中,在获取到上述第一传感数据后,将第一传感数据作为观测输入,执行滤波校正和野值剔除的预处理操作,从而完成对第一传感数据的初步整形和筛选,得到本实施例的第二传感数据。
在本实施例中,在得到本实施例的第二传感数据之后,通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据。其中,考虑到各个传感器的原始观测数据的采样率跨度较大,且各个传感器的观测滞后程度也存在差异,因此,本实施例在对上述第二传感数据进行融合之前,对该第二传感数据进行数据同步,从而在时序上完成对各个传感器采样的对其,得到本实施例的第三传感数据。
在本实施例中,在得到本实施例的第三传感数据之后,以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息,其中,将所述数据融合的观测模型解耦为与各个所述传感器对应的独立的测量方程,并对所述测量方程得到的各个所述传感器的测量值以序贯融合的方式参与测量更新。在本实施例中,对预处理后的第三传感数据,采用基于EKF(ExtendedKalmanFilter,扩展卡尔曼滤波)最优估计技术,执行IMU、GPS、BARO以及MAG等多传感数据的融合操作,以及解算出航空器的控制所需的姿态、速度以及位置等运动信息。
可以看出,在本实施例中,与现有的单传感器观测方案相比,采用多传感器数据融合技术可获得更精确、更高带宽以及更鲁棒的运动信息。
本实施例的有益效果在于,通过对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据;通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据;以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息,其中,将所述数据融合的观测模型解耦为与各个所述传感器对应的独立的测量方程,并对所述测量方程得到的各个所述传感器的测量值以序贯融合的方式参与测量更新。本实施例实现了一种多传感数据处理和融合方案,使得航空器能够获取到精确度和带宽更高、稳定性和鲁棒性更佳的运动信息。
实施例二
图2是本发明传感器数据的处理方法第二实施例的第一流程图,基于上述实施例,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,包括如下步骤:
S01、将加速度计数据、陀螺仪数据、磁罗盘数据以及气压计数据作为第一类传感器数据,以及将导航定位数据作为第二类传感器数据;
S02、通过预设的外设总线接口以中断驱动的方式采集所述第一类传感器数据,以及通过预设的串口总线接口以主循环定时轮询的方式采集所述第二类传感器数据。
在本实施例中,请参考图12,该图示出了第一类传感器数据的采集控制逻辑。其中,针对IMU、BARO以及MAG产生的数据,首先,以相应的传感器中断输出引脚产生相应的脉冲跳变信号,由该脉冲跳变信号控制相应中断引脚的中断服务程序;然后,通过该中断服务程序以预设的SPI/IIC外设总线驱动读取数据存放到各个传感器的数据缓存中;最后,由预设的软件主循环读取当前已经存放的传感器数据。
在本实施例中,请参考图13,该图示出了第二类传感器数据的采集控制逻辑。其中,针对GNSS产生的数据,首先,由预设的串口驱动通过DMA(Direct Memory Access,直接存储器访问)接收GNSS所产生的数据;然后,将GNSS产生的数据存放到串口驱动的接收缓存中;最后,由预设的软件主循环定时读取并解析GNSS产生的数据。
图3是本发明传感器数据的处理方法第二实施例的第二流程图,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括如下步骤:
S11、在对所述加速度计数据和所述陀螺仪数据进行解算时的每一解算周期内,对连续多个采样值进行角增量积累,得到每一所述解算周期的积累值;
S12、在进行所述解算时,以所述积累值替代单次采样所述加速度计数据和所述陀螺仪数据,作为预设的惯导算法的输入量。
在本实施例中,采用低通数字滤波器对IMU的陀螺仪和加速度计的原始观测进行数据整形,从而抑制高频噪声信号,避免高频干扰进入导航解算影响后续EKF解算的精度。
在本实施例中,考虑到后续惯导解算采用的是角增量算法,因此,本实施例对IMU的角速率观测做角增量换算处理。
在本实施例中,考虑到IMU更新率一般远高于导航解算频率,因此,本实施例针对每一解算周期,对周期内连续多个采样值作角增量累积,并以累积值代替单次IMU采样作为惯导算法的输入进行解算,由此,在保证精度的同时,降低对飞行器计算资源的消耗。
图4是本发明传感器数据的处理方法第二实施例的第三流程图,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括如下步骤:
S13、比对主导航定位模块的第一精度状态和备份导航定位模块的第二精度状态,并在所述第一精度状态劣于所述第二精度状态时,将所述备份导航定位模块切换为所述主导航定位模块;
S14、根据所述精度状态包含的星数和精度因子对所述导航定位数据中属于坏值的数据帧进行剔除。
在本实施例中,在飞行器的飞控内设置两个独立的GPS模块,其中,一个为主模块,另一个备份。
在本实施例中,实时对比两个GPS模块的精度状态,当判定主GPS模块的精度不足、且其精度劣于备份GPS模块的精度时,将主GPS模块自动切换到备份GPS模块,从而将采集到较优的导航定位数据输入至后续的数据融合流程。
在本实施例中,在对GPS的导航定位数据执行数据融合之前,根据GPS的星数、精度因子等信息,判定当前GPS的导航定位数据侦是否为坏值,若是坏值,则不使用当前数据侦进行数据融合。
图5是本发明传感器数据的处理方法第二实施例的第四流程图,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括如下步骤:
S15、实时监测主气压计模块的第一气压计采样数据和备份气压计模块的第二气压计采样数据;
S16、在第一预设时长内所述第一气压计采用数据出现无测量值或者在第二预设时长内所述第一气压计采用数据出现测量值不变动时,将所述备份气压计模块切换为所述主气压计模块。
在本实施例中,在飞行器的飞控内设置两个独立的气压计模块,其中,一个为主模块,作为第一气压计,另一个为备份模块,作为第二气压计。
在本实施例中,实时监测两个气压计采样,当主气压计模块出现长时间无测量值、或者长时间测量值不变动的情况时,认为主气压计模块不健康,此时,将主气压计自动切换到备份气压计,并采用备份气压计的观测数据进行后续的数据融合。
图6是本发明传感器数据的处理方法第二实施例的第五流程图,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括如下步骤:
S17、实时监测主磁力计模块的第一模块数据和备份磁力计模块的第二模块数据;
S18、在所述第一模块数据劣于所述第二模块数据,或者在第三预设时长内所述第一模块数据为空时,将所述备份磁力计模块切换为所述主磁力计模块。
在本实施例中,在飞行器的飞控内设置两个独立的磁力计模块,其中,一个为主模块,另一个备份模块。
在本实施例中,由滤波器状态估计评估主模块数据质量,在该数据质量恶劣、或长时间无数据时,将主模块切换为备份模块,并采用备份模块的观测数据进行后续的数据融合。
本实施例的有益效果在于,通过对各个传感器的原始观测数据进行比对、数据整形以及数据筛选的预处理,有效地避免各个传感器可能出现的野值、坏值或高噪声观测被输入至后续的数据融合,提高了EKF的解算精度和数值稳定性。
实施例三
图7是本发明传感器数据的处理方法第三实施例的流程图,基于上述实施例,所述通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据,包括如下步骤:
S21、根据各个所述传感器的更新率设置与各个所述传感器对应的长度的缓冲器,并通过各个所述缓冲器分别保存预设时段的各个所述传感器的历史数据帧,其中,在所述历史数据帧的每帧数据中携带经过迟滞修正的时间戳;
S22、在应用预设滤波算法的量测更新阶段,比对所述时间戳,以使更新率慢的所述历史数据帧对其更新率快的所述历史数据帧所表征的所述运动状态。
在本实施例中,考虑到各个传感器的数据采样率跨度较大,例如,一种IMU模块的采样率是819.2Hz,一种GNSS模块的采样率是5Hz,同时,考虑到不同类型的各个传感器的观测滞后程度也存在差异,即使对照各个传感器的最新采样,也未必能表征同一时刻的运动,尤其对高机动飞行而言,这种采样率和观测滞后差异将对运动时序的表征带来较大影响。因此,本实施例在对上述预处理后的数据进行融合前,设计相应的数据同步机制,从时序上对各个传感器的采样进行对齐。
在本实施例中,通过预设的数据缓冲器实现上述同步机制。其中,请参考图14示出的传感数据缓存结构,考虑到每个传感器的更新率不同,本实施例首先根据不同的更新率分别设置不同长度的缓冲器,通过各个缓冲器保存对应传感器最近一段时间内的历史数据帧;然后,基于每帧数据所携带的经过迟滞修正的时间戳,在滤波算法的量测更新阶段,通过上述时间戳的对比,使得更新率慢的传感器与更新率快的传感器所表征的运动状态保持对其,由此,提高后续解算的精度和滤波稳定性。
实施例四
图8是本发明传感器数据的处理方法第四实施例的流程图,基于上述实施例,所述以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息,其中,将所述数据融合的观测模型解耦为与各个所述传感器对应的独立的测量方程,并对所述测量方程得到的各个所述传感器的测量值以序贯融合的方式参与测量更新,包括如下步骤:
S31、在预设的定位精度范围内,以扩大的各个所述传感器的观测噪声作为扩展卡尔曼滤波的噪声参数设定;
S32、将所述第三传感数据的惯导解算作为所述扩展卡尔曼滤波的状态预测,其中,分别建立磁力计模块、气压计模块以及导航定位模块的所述观测模型,并将各个所述观测模型的所述测量值参与至所述扩展卡尔曼滤波的所述测量更新。
在本实施例中,针对IMU、GNSS、BARO以及MAG的多传感器数据融合,采用EKF实现。
在本实施例中,针对上述EKF的噪声参数设定,在预设的定位精度范围内,以扩大的各个所述传感器的观测噪声作为扩展卡尔曼滤波的噪声参数设定。即,在不明显影响定位精度的前提下,适度夸大传感器观测噪声的设定,从而有效提升滤波解算过程的健壮性。
在本实施例中,请参考图15示出的数据处理框图,其中,以捷联惯导模型为核心建立系统方程,将惯导解算作为EKF的状态预测部分。分别对IMU、GNSS、BARO以及MAG的多传感器建立系统观测模型,对惯导更新进行状态预测,并将位置/速度融合、大气数据融合、磁场数据融合作为量测更新参与至EKF融合。在本实施例中,通过多次迭代计算实时估计出IMU的零偏和温漂等状态,从而抑制观测噪声,以及修正惯导解算累积误差,以此获得高带宽、稳定、精确的运动信息。
在本实施例中,通过上述算法模型,以松耦合形式实现多传感器数据融合。其中,采用松耦合的方式,保持GNSS和BARO的独立性,即,在检测到某单一传感器数据质量变差时,可以及时予以隔离,而不影响到其它独立传感器的正常工作,从而提升导航系统的容错能力。
在本实施例中,在滤波算法的实现上,为避免对计算资源的过份占用,对滤波的量测更新部分使用序贯更新算法。其中,对GNSS、BARO以及MAG等传感器的观测状态,保持各自独立,并将上述观测模型解耦成几个单传感器独立的量测方程。可以看出,本实施例对各个传感器的测量值,以序贯融合的方式参与EKF的量测更新,由此,有效地避免了高阶矩阵的求逆运算,提高了滤波计算的实时性。
实施例五
图9是本发明传感器数据的处理方法第五实施例的第一流程图,基于上述实施例,所述方法还包括如下步骤:
S41、根据所述扩展卡尔曼滤波的状态误差协方差矩阵计算得到状态估计的置信度;
S42、在所述置信度超过预设阈值时,确定滤波算法的健康程度低于预期值,并采用另一套独立运行的备份滤波器进行状态估计。
在本实施例中,首先,通过扩展卡尔曼滤波的状态误差协方差矩阵,计算相应的状态估计的置信度(或不确定度);然后,根据该置信度可以评估滤波算法的健康程度。其中,将不确定度超出阈值的情况确认为状态估计不可信,此时,切换至另一套独立运行的备份滤波器执行状态估计。
图10是本发明传感器数据的处理方法第五实施例的第二流程图,所述方法还包括如下步骤:
S43、在预设时长内,若所述导航定位模块的所述状态估计的置信度超过所述预设阈值,则强制所述扩展卡尔曼滤波进入预设的无导航定位的辅助模式;
S44、在所述辅助模式下保留对惯性测量单元、所述磁力计模块以及所述气压计模块的数据解算,并执行预设的无位置观测操作。
在本实施例中,若GNSS观测数据在长时间内,没有通过置信度检测,则触发超时机制,强制EKF进入无GNSS辅助模式,仅保留姿态和气压高度解算,并通知控制器需要采取无位置观测的应对措施。
图11是本发明传感器数据的处理方法第五实施例的第三流程图,所述方法还包括:
S45、根据所述状态估计的不确定度和新息,评估各个所述传感器的原始观测数据;
S46、在使用所述原始观测数据作量测更新前,剔除质量差于预期的所述原始观测数据。
在本实施例中,通过上述状态估计不确定度以及结合新息,评估各个传感器的原始观测是否可用,其中,在使用原始观测数据作量测更新前,剔除质量差的原始观测数据,从而保护滤波器不接受坏值的影响。
本实施例的有益效果在于,通过设置滤波器的监测机制,实时地检测滤波器的健康状态,一方面,避免外界干扰、硬件故障等极端因素对传感器的原始观测数据的污染,另一方面,也避免了给导航解算结果和滤波器稳定性带来不利影响。
实施例六
基于上述实施例,本发明还提出了一种传感器数据的处理设备,该设备包括存储器、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计算机程序,所述计算机程序被所述处理器执行时实现如上任一项所述的传感器数据的处理方法的步骤。
需要说明的是,上述设备实施例与方法实施例属于同一构思,其具体实现过程详细见方法实施例,且方法实施例中的技术特征在设备实施例中均对应适用,这里不再赘述。
实施例七
基于上述实施例,本发明还提出了一种计算机可读存储介质,该计算机可读存储介质上存储有传感器数据的处理程序,传感器数据的处理程序被处理器执行时实现如上述任一项所述的传感器数据的处理方法的步骤。
需要说明的是,上述介质实施例与方法实施例属于同一构思,其具体实现过程详细见方法实施例,且方法实施例中的技术特征在介质实施例中均对应适用,这里不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (13)
1.一种传感器数据的处理方法,其特征在于,所述方法包括:
对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据;
通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据;
以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息,其中,将所述数据融合的观测模型解耦为与各个所述传感器对应的独立的测量方程,并对所述测量方程得到的各个所述传感器的测量值以序贯融合的方式参与测量更新。
2.根据权利要求1所述的传感器数据的处理方法,其特征在于,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,包括:
将加速度计数据、陀螺仪数据、磁罗盘数据以及气压计数据作为第一类传感器数据,以及将导航定位数据作为第二类传感器数据;
通过预设的外设总线接口以中断驱动的方式采集所述第一类传感器数据,以及通过预设的串口总线接口以主循环定时轮询的方式采集所述第二类传感器数据。
3.根据权利要求2所述的传感器数据的处理方法,其特征在于,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括:
在对所述加速度计数据和所述陀螺仪数据进行解算时的每一解算周期内,对连续多个采样值进行角增量积累,得到每一所述解算周期的积累值;
在进行所述解算时,以所述积累值替代单次采样所述加速度计数据和所述陀螺仪数据,作为预设的惯导算法的输入量。
4.根据权利要求2所述的传感器数据的处理方法,其特征在于,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括:
比对主导航定位模块的第一精度状态和备份导航定位模块的第二精度状态,并在所述第一精度状态劣于所述第二精度状态时,将所述备份导航定位模块切换为所述主导航定位模块;
根据所述精度状态包含的星数和精度因子对所述导航定位数据中属于坏值的数据帧进行剔除。
5.根据权利要求2所述的传感器数据的处理方法,其特征在于,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括:
实时监测主气压计模块的第一气压计采样数据和备份气压计模块的第二气压计采样数据;
在第一预设时长内所述第一气压计采用数据出现无测量值或者在第二预设时长内所述第一气压计采用数据出现测量值不变动时,将所述备份气压计模块切换为所述主气压计模块。
6.根据权利要求2所述的传感器数据的处理方法,其特征在于,所述对由飞行器的多个传感器获取的第一传感数据按所述传感器的类别分别进行预设的比对、整形以及筛选处理,得到第二传感数据,还包括:
实时监测主磁力计模块的第一模块数据和备份磁力计模块的第二模块数据;
在所述第一模块数据劣于所述第二模块数据,或者在第三预设时长内所述第一模块数据为空时,将所述备份磁力计模块切换为所述主磁力计模块。
7.根据权利要求1所述的传感器数据的处理方法,其特征在于,所述通过预设的数据缓冲器和各个所述传感器表征的运动状态对所述第二传感数据进行对齐处理,得到第三传感数据,包括:
根据各个所述传感器的更新率设置与各个所述传感器对应的长度的缓冲器,并通过各个所述缓冲器分别保存预设时段的各个所述传感器的历史数据帧,其中,在所述历史数据帧的每帧数据中携带经过迟滞修正的时间戳;
在应用预设滤波算法的量测更新阶段,比对所述时间戳,以使更新率慢的所述历史数据帧对其更新率快的所述历史数据帧所表征的所述运动状态。
8.根据权利要求1所述的传感器数据的处理方法,其特征在于,所述以松耦合方式对所述第三传感数据进行数据融合处理,并解算得到当前所需的运动信息,其中,将所述数据融合的观测模型解耦为与各个所述传感器对应的独立的测量方程,并对所述测量方程得到的各个所述传感器的测量值以序贯融合的方式参与测量更新,包括:
在预设的定位精度范围内,以扩大的各个所述传感器的观测噪声作为扩展卡尔曼滤波的噪声参数设定;
将所述第三传感数据的惯导解算作为所述扩展卡尔曼滤波的状态预测,其中,分别建立磁力计模块、气压计模块以及导航定位模块的所述观测模型,并将各个所述观测模型的所述测量值参与至所述扩展卡尔曼滤波的所述测量更新。
9.根据权利要求8所述的传感器数据的处理方法,其特征在于,所述方法还包括:
根据所述扩展卡尔曼滤波的状态误差协方差矩阵计算得到状态估计的置信度;
在所述置信度超过预设阈值时,确定滤波算法的健康程度低于预期值,并采用另一套独立运行的备份滤波器进行状态估计。
10.根据权利要求9所述的传感器数据的处理方法,其特征在于,所述方法还包括:
在预设时长内,若所述导航定位模块的所述状态估计的置信度超过所述预设阈值,则强制所述扩展卡尔曼滤波进入预设的无导航定位的辅助模式;
在所述辅助模式下保留对惯性测量单元、所述磁力计模块以及所述气压计模块的数据解算,并执行预设的无位置观测操作。
11.根据权利要求9所述的传感器数据的处理方法,其特征在于,所述方法还包括:
根据所述状态估计的不确定度和新息,评估各个所述传感器的原始观测数据;
在使用所述原始观测数据作量测更新前,剔除质量差于预期的所述原始观测数据。
12.一种传感器数据的处理设备,其特征在于,所述设备包括存储器、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计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至11中任一项所述的传感器数据的处理方法的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有传感器数据的处理程序,所述传感器数据的处理程序被处理器执行时实现如权利要求1至11中任一项所述的传感器数据的处理方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211439032.2A CN115752471A (zh) | 2022-11-17 | 2022-11-17 | 一种传感器数据的处理方法、设备及计算机可读存储介质 |
PCT/CN2023/131500 WO2024104337A1 (zh) | 2022-11-17 | 2023-11-14 | 一种传感器数据的处理方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211439032.2A CN115752471A (zh) | 2022-11-17 | 2022-11-17 | 一种传感器数据的处理方法、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115752471A true CN115752471A (zh) | 2023-03-07 |
Family
ID=85372424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211439032.2A Pending CN115752471A (zh) | 2022-11-17 | 2022-11-17 | 一种传感器数据的处理方法、设备及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115752471A (zh) |
WO (1) | WO2024104337A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720153A (zh) * | 2023-05-29 | 2023-09-08 | 淮阴工学院 | 一种基于多传感器的信息融合系统及方法 |
CN117451034A (zh) * | 2023-12-25 | 2024-01-26 | 天津云圣智能科技有限责任公司 | 一种自主导航的方法、装置、存储介质及电子设备 |
WO2024104337A1 (zh) * | 2022-11-17 | 2024-05-23 | 亿航智能设备(广州)有限公司 | 一种传感器数据的处理方法、设备及计算机可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464152B (zh) * | 2009-01-09 | 2010-11-10 | 哈尔滨工程大学 | 一种sins/gps组合导航系统自适应滤波方法 |
CN107621264B (zh) * | 2017-09-30 | 2021-01-19 | 华南理工大学 | 车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法 |
CN108680942B (zh) * | 2018-09-07 | 2018-12-07 | 湖南天羿领航科技有限公司 | 一种惯性/多天线gnss组合导航方法及装置 |
US11099277B2 (en) * | 2018-11-19 | 2021-08-24 | Intel Corporation | Apparatus, system and method of synchronization between Global Navigation Satellite System (GNSS) measurements and inertial measurements |
CN113959447B (zh) * | 2021-10-19 | 2023-06-27 | 北京京航计算通讯研究所 | 相对导航高噪声量测量识别方法、装置、设备和存储介质 |
CN114812544A (zh) * | 2022-04-15 | 2022-07-29 | 中国航空工业集团公司西安飞行自动控制研究所 | 一种松耦合导航的量测信息不同步处理方法 |
CN115752471A (zh) * | 2022-11-17 | 2023-03-07 | 亿航智能设备(广州)有限公司 | 一种传感器数据的处理方法、设备及计算机可读存储介质 |
-
2022
- 2022-11-17 CN CN202211439032.2A patent/CN115752471A/zh active Pending
-
2023
- 2023-11-14 WO PCT/CN2023/131500 patent/WO2024104337A1/zh unknown
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024104337A1 (zh) * | 2022-11-17 | 2024-05-23 | 亿航智能设备(广州)有限公司 | 一种传感器数据的处理方法、设备及计算机可读存储介质 |
CN116720153A (zh) * | 2023-05-29 | 2023-09-08 | 淮阴工学院 | 一种基于多传感器的信息融合系统及方法 |
CN117451034A (zh) * | 2023-12-25 | 2024-01-26 | 天津云圣智能科技有限责任公司 | 一种自主导航的方法、装置、存储介质及电子设备 |
CN117451034B (zh) * | 2023-12-25 | 2024-04-02 | 天津云圣智能科技有限责任公司 | 一种自主导航的方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2024104337A1 (zh) | 2024-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115752471A (zh) | 一种传感器数据的处理方法、设备及计算机可读存储介质 | |
CA2701529C (en) | System and method for intelligent tuning of kalman filters for ins/gps navigation applications | |
CN112285676B (zh) | 激光雷达与imu外参标定方法及装置 | |
JP2021105614A (ja) | 位置決め方法、位置決め装置、電子機器、車端機器、自動運転車、コンピュータ可読記憶媒体及びコンピュータプログラム | |
CN111076722B (zh) | 基于自适应的四元数的姿态估计方法及装置 | |
CN112762944B (zh) | 零速区间检测及零速更新方法 | |
US8892385B2 (en) | System and method for use with an accelerometer to determine a frame of reference | |
CN108627152B (zh) | 一种微型无人机基于多传感器数据融合的导航方法 | |
CN114136315B (zh) | 一种基于单目视觉辅助惯性组合导航方法及系统 | |
CN111026081B (zh) | 一种误差计算方法、装置、设备及存储介质 | |
CN112946681B (zh) | 融合组合导航信息的激光雷达定位方法 | |
CN114179825A (zh) | 多传感器融合获取量测值置信度方法及自动驾驶车辆 | |
CN107943859B (zh) | 海量传感器数据收集处理及反馈的系统和方法 | |
WO2017141469A1 (ja) | 位置推定装置 | |
CN117848389A (zh) | 导航对准方法、导航设备及导航系统 | |
CN111982179B (zh) | 异常检测设备、异常检测方法以及计算机可读介质 | |
CN111486840A (zh) | 机器人定位方法、装置、机器人及可读存储介质 | |
CN116481543A (zh) | 一种移动机器人多传感器融合双层滤波定位方法 | |
CN114001730B (zh) | 融合定位方法、装置、计算机设备和存储介质 | |
CN114299192B (zh) | 定位建图的方法、装置、设备和介质 | |
CN115037703B (zh) | 数据处理方法、装置、计算机存储介质及计算机程序产品 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN115112119A (zh) | 一种基于lstm神经网络辅助的车载导航方法 | |
CN113884089A (zh) | 一种基于曲线匹配的相机杆臂补偿方法及系统 | |
WO2024037295A1 (zh) | 定位 |
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 |