CN116399339B - 基于转向角度融合的惯性导航方法、装置和计算机设备 - Google Patents

基于转向角度融合的惯性导航方法、装置和计算机设备 Download PDF

Info

Publication number
CN116399339B
CN116399339B CN202310672293.7A CN202310672293A CN116399339B CN 116399339 B CN116399339 B CN 116399339B CN 202310672293 A CN202310672293 A CN 202310672293A CN 116399339 B CN116399339 B CN 116399339B
Authority
CN
China
Prior art keywords
identifier
running vehicle
vehicle
running
character
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.)
Active
Application number
CN202310672293.7A
Other languages
English (en)
Other versions
CN116399339A (zh
Inventor
彭炯
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.)
Shenzhen Omni Intelligent Technology Co ltd
Original Assignee
Shenzhen Omni Intelligent Technology Co 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 Shenzhen Omni Intelligent Technology Co ltd filed Critical Shenzhen Omni Intelligent Technology Co ltd
Priority to CN202310672293.7A priority Critical patent/CN116399339B/zh
Publication of CN116399339A publication Critical patent/CN116399339A/zh
Application granted granted Critical
Publication of CN116399339B publication Critical patent/CN116399339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/10—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
    • G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
    • G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Navigation (AREA)

Abstract

本发明提供了一种基于转向角度融合的惯性导航方法、装置和计算机设备，采用加速度传感器测量采集得到行驶车辆的加速度数据；获取加速度传感器的型号信息，以及获取行驶车辆的特征信息；基于行驶车辆的特征信息，在数据库匹配对应的预测模型；将加速度传感器的型号信息以及行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；将所述组合向量输入至所述预测模型中，得到对应的预测结果；其中，所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器；本发明中，针对不同的行驶车辆以及不同的加速度传感器，采用对应的第一卡尔曼滤波器以及第二卡尔曼滤波器进行误差消除处理，具有更强的针对性，提升惯性导航效果。

Description

基于转向角度融合的惯性导航方法、装置和计算机设备
技术领域
本发明涉及车辆导航技术领域，特别涉及一种基于转向角度融合的惯性导航方法、装置和计算机设备。
背景技术
惯性导航系统是以牛顿力学定律为工作原理，利用安装在行驶车辆上的惯性测量元件来测量行驶车辆的加速度信息，通过积分运算得到行驶车辆的位移、速度等导航参数。受实际测量环境的影响，在整个积分运算过程中会不可避免的引入一些误差，且该误差会随时间累积，导致长时间导航工作的精度较差。
目前常用卡尔曼滤波器进行误差消除处理，但是目前通常采用的是通用卡尔曼滤波器进行误差消除处理，不能对不同类型的行驶车辆针对性处理，效果不是很理想。
发明内容
本发明的主要目的为提供一种基于转向角度融合的惯性导航方法、装置和计算机设备，旨在克服无法对不同类型的行驶车辆针对性进行误差消除处理的缺陷。
为实现上述目的，本发明提供了一种基于转向角度融合的惯性导航方法，包括以下步骤：
采用加速度传感器测量采集得到行驶车辆的加速度数据；
获取所述加速度传感器的型号信息，以及获取所述行驶车辆的特征信息；
基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型；
将所述加速度传感器的型号信息以及所述行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；
将所述组合向量输入至所述预测模型中，得到对应的预测结果；其中，所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器；
基于所述第一卡尔曼滤波器对所述加速度数据进行误差消除处理，得到修正加速度数据；
基于所述第二卡尔曼滤波器对所述修正加速度数据进行计算，得到对应的运动数据；
采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹。
进一步地，所述基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型的步骤，包括：
检测所述行驶车辆的特征信息的类型；其中，所述特征信息为标识符以及中文名称中的一种；
若所述行驶车辆的特征信息的类型为标识符类型，则从数据库中获取对应的字符分割策略；
基于所述字符分割策略对所述行驶车辆的特征信息进行字符分割，得到多个字符组合；
从数据库中调用对应的字符组合选取策略，并基于所述字符组合选取策略，从得到的多个字符组合中选取出目标字符组合；
基于所述目标字符组合，在数据库中匹配对应的预测模型；其中，数据库中设置有字符组合与预测模型的映射关系。
进一步地，所述基于所述目标字符组合，在数据库中匹配对应的预测模型的步骤之后，包括：
将多个字符组合中除所述目标字符组合之外的所有字符组合依序进行拼接，得到拼接组合字符；
在所述预测模型被匹配之后，生成一个文件夹，并将所述文件夹的名称标识为所述目标字符组合；
将所述预测模型添加至所述文件夹中进行存储；
将所述拼接组合字符作为加密密码对所述文件夹进行加密，并在数据库中保存加密后的所述文件夹。
进一步地，所述采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹的步骤之后，包括：
将多个字符组合中除所述目标字符组合之外的所有字符组合依序进行拼接，得到拼接组合字符；
在数据库中创建一个文件夹；
基于所述目标字符组合对所述行驶车辆的运动轨迹进行加密处理之后存储在所述文件夹中；
基于所述拼接组合字符对所述文件夹进行加密，并将所述拼接组合字符发送至所述行驶车辆的驾驶用户所关联的终端上。
进一步地，所述采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹的步骤之后，包括：
获取所述行驶车辆的唯一识别号，并基于所述唯一识别号获取所述行驶车辆的类型，判断所述行驶车辆的类型是否为指定车辆类型；
若为指定车辆类型，则生成一个唯一运行轨迹查询码，并将所述唯一运行轨迹查询码拆分为第一标识以及第二标识；
将所述第一标识发送至行驶车辆的驾驶用户所关联的终端上，将所述第二标识发送至管理所述行驶车辆的运行轨迹的管理终端上；
在用户发出查询行驶车辆运动轨迹的查询指令时，在所述行驶车辆的驾驶用户所关联的终端上验证是否接收到用户输入所述第一标识以及第二标识；若接收到，则验证所述查询指令通过，查询对应的行驶车辆运动轨迹；若未接收到，则验证所述查询指令不通过；其中，所述第二标识由所述用户向所述管理终端上的管理用户索取。
进一步地，所述将所述唯一运行轨迹查询码拆分为第一标识以及第二标识的步骤，包括：
分别获取所述驾驶用户以及所述管理用户的权限等级；其中，所述权限等级为1-4的数字，所述权限等级越高，对应的数字越大；
获取所述驾驶用户以及所述管理用户的权限等级之间的目标差值；
判断所述目标差值是否为偶数；其中，所述唯一运行轨迹查询码为偶数；
若所述目标差值为偶数，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二标识，且所述第一标识中的字符数量以及所述第二标识中的字符数量之间的差值等于所述目标差值；
若所述目标差值不为偶数，在所述唯一运行轨迹查询码的末尾添加一个指定字符之后，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二预标识，且所述第一标识中的字符数量以及所述第二预标识中的字符数量之间的差值等于所述目标差值；将所述第二预标识末尾的指定字符剔除，得到第二标识。
本发明还提供了一种基于转向角度融合的惯性导航装置，包括：
第一采集单元，用于采用加速度传感器测量采集得到行驶车辆的加速度数据；
第一获取单元，用于获取所述加速度传感器的型号信息，以及获取所述行驶车辆的特征信息；
匹配单元，用于基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型；
组合单元，用于将所述加速度传感器的型号信息以及所述行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；
预测单元，用于将所述组合向量输入至所述预测模型中，得到对应的预测结果；其中，所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器；
处理单元，用于基于所述第一卡尔曼滤波器对所述加速度数据进行误差消除处理，得到修正加速度数据；
计算单元，用于基于所述第二卡尔曼滤波器对所述修正加速度数据进行计算，得到对应的运动数据；
融合单元，用于采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹。
进一步地，还包括：
第二获取单元，用于获取所述行驶车辆的唯一识别号，并基于所述唯一识别号获取所述行驶车辆的类型，判断所述行驶车辆的类型是否为指定车辆类型；
拆分单元，用于若为指定车辆类型，则生成一个唯一运行轨迹查询码，并将所述唯一运行轨迹查询码拆分为第一标识以及第二标识；
发送单元，用于将所述第一标识发送至行驶车辆的驾驶用户所关联的终端上，将所述第二标识发送至管理所述行驶车辆的运行轨迹的管理终端上；
查询单元，用于在用户发出查询行驶车辆运动轨迹的查询指令时，在所述行驶车辆的驾驶用户所关联的终端上验证是否接收到用户输入所述第一标识以及第二标识；若接收到，则验证所述查询指令通过，查询对应的行驶车辆运动轨迹；若未接收到，则验证所述查询指令不通过；其中，所述第二标识由所述用户向所述管理终端上的管理用户索取。
进一步地，所述拆分单元具体用于：
分别获取所述驾驶用户以及所述管理用户的权限等级；其中，所述权限等级为1-4的数字，所述权限等级越高，对应的数字越大；
获取所述驾驶用户以及所述管理用户的权限等级之间的目标差值；
判断所述目标差值是否为偶数；其中，所述唯一运行轨迹查询码为偶数；
若所述目标差值为偶数，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二标识，且所述第一标识中的字符数量以及所述第二标识中的字符数量之间的差值等于所述目标差值；
若所述目标差值不为偶数，在所述唯一运行轨迹查询码的末尾添加一个指定字符之后，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二预标识，且所述第一标识中的字符数量以及所述第二预标识中的字符数量之间的差值等于所述目标差值；将所述第二预标识末尾的指定字符剔除，得到第二标识。
本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本发明提供的基于转向角度融合的惯性导航方法、装置和计算机设备，通过采用加速度传感器测量采集得到行驶车辆的加速度数据；获取所述加速度传感器的型号信息，以及获取所述行驶车辆的特征信息；基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型；将所述加速度传感器的型号信息以及所述行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；将所述组合向量输入至所述预测模型中，得到对应的预测结果；其中，所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器；使得针对不同的行驶车辆以及不同的加速度传感器，可以采用不同的第一卡尔曼滤波器以及第二卡尔曼滤波器；进而基于所述第一卡尔曼滤波器对所述加速度数据进行误差消除处理，得到修正加速度数据；基于所述第二卡尔曼滤波器对所述修正加速度数据进行计算，得到对应的运动数据；采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹。本发明中，针对不同的行驶车辆以及不同的加速度传感器，采用对应的卡尔曼滤波器进行处理，具有更强的针对性，提升惯性导航效果。
附图说明
图1 是本发明一实施例中基于转向角度融合的惯性导航方法步骤示意图；
图2 是本发明一实施例中基于转向角度融合的惯性导航装置结构框图；
图3 是本发明一实施例的计算机设备的结构示意框图。
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
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，本发明一实施例中提供了一种基于转向角度融合的惯性导航方法，包括以下步骤：
步骤S1，采用加速度传感器测量采集得到行驶车辆的加速度数据；
步骤S2，获取所述加速度传感器的型号信息，以及获取所述行驶车辆的特征信息；
步骤S3，基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型；
步骤S4，将所述加速度传感器的型号信息以及所述行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；
步骤S5，将所述组合向量输入至所述预测模型中，得到对应的预测结果；其中，所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器；
步骤S6，基于所述第一卡尔曼滤波器对所述加速度数据进行误差消除处理，得到修正加速度数据；
步骤S7，基于所述第二卡尔曼滤波器对所述修正加速度数据进行计算，得到对应的运动数据；
步骤S8，采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹。
在本实施例中，如上述步骤S1所述的，上述行驶车辆可以是共享汽车、私人汽车、单车等车辆。上述加速度传感器是上述行驶车辆上预置的传感器装置，其用于采集得到行驶车辆的加速度数据，上述加速度数据由于行驶车辆的类型不同以及加速度传感器的型号不同，会造成对应的误差数据不同。
如上述步骤S2所述的，由于行驶车辆的类型不同以及加速度传感器的型号不同，会造成对应的误差数据不同；因此可以针对性地获取所述加速度传感器的型号信息，以及获取所述行驶车辆的特征信息；上述行驶车辆的特征信息为标识符以及中文名称中的一种，即上述特征信息可以是行驶车辆的唯一标识符或者行驶车辆的中文名称，例如共享汽车。
如上述步骤S3-S5所述的，基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型；将所述加速度传感器的型号信息以及所述行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；应当理解的是，在进行向量化时，可以采用词嵌入模型将上述加速度传感器的型号信息以及所述行驶车辆的特征信息分别映射为一个向量特征，进而将其进行组合，得到上述组合向量。词嵌入模型为预先训练得到的模型，在此不再进行赘述。在本实施例中，还预先训练深度学习模型得到一个预测模型，其用于预测卡尔曼滤波器的类型。因此，将上述组合向量输入至所述预测模型中，得到对应的预测结果；所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器。
进而，如上述步骤S6-S8所述的，基于所述第一卡尔曼滤波器对所述加速度数据进行误差消除处理，得到修正加速度数据；基于所述第二卡尔曼滤波器对所述修正加速度数据进行计算，得到对应的运动数据；上述第一卡尔曼滤波器以及第二卡尔曼滤波器是专门用于对加速度数据进行误差消除处理的滤波器，通过与上述行驶车辆的特征信息以及加速度传感器的型号信号相匹配的第一卡尔曼滤波器以及第二卡尔曼滤波器，使得误差消除处理时具有更强的针对性，提升误差消除效果，进而还通过两个卡尔曼滤波器进行误差消除，也可进一步地提升误差消除效果。最后，采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹。上述融合算法为常规数据融合算法，在此不再进行赘述。
在一实施例中，所述基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型的步骤，包括：
检测所述行驶车辆的特征信息的类型；其中，所述特征信息为标识符以及中文名称中的一种；上述标识符通常是采用一个字符串的形式来表示上述行驶车辆的类型。
若所述行驶车辆的特征信息的类型为标识符类型，则从数据库中获取对应的字符分割策略；若所述行驶车辆的特征信息的类型为中文名称类型，则可以将上述中文名称转换为对应的拼音字符，进而再进行类似的字符分割，在此不再进行赘述。
基于所述字符分割策略对所述行驶车辆的特征信息进行字符分割，得到多个字符组合；上述字符分割策略指的是将特征信息依次分割为至少两个字符组合，且每个字符组合中的字符数量由上述字符分割策略所决定；例如，特征信息为十个字符，字符分割策略为二四四分割策略，则可以将其分割为三个字符组合，且依次包括两个、四个、四个字符。
从数据库中调用对应的字符组合选取策略，并基于所述字符组合选取策略，从得到的多个字符组合中选取出目标字符组合；上述字符组合选取策略指的是从得到多个字符组合中选取出排在第几位的字符组合作为目标字符组合，例如选取第二位。
基于所述目标字符组合，在数据库中匹配对应的预测模型；其中，数据库中设置有字符组合与预测模型的映射关系。在本实施例中，基于上述特征信息一个信息，便可以从中解析出相应的目标字符组合，进而在数据库中匹配对应的预测模型，便于数据表达与识别。
在一实施例中，所述基于所述目标字符组合，在数据库中匹配对应的预测模型的步骤之后，包括：
将多个字符组合中除所述目标字符组合之外的所有字符组合依序进行拼接，得到拼接组合字符；
在所述预测模型被匹配之后，生成一个文件夹，并将所述文件夹的名称标识为所述目标字符组合；
将所述预测模型添加至所述文件夹中进行存储；
将所述拼接组合字符作为加密密码对所述文件夹进行加密，并在数据库中保存加密后的所述文件夹。
在本实施例中，在第一次匹配到对应的预测模型之后，为了便于下一次使用，可以创建一个文件夹保存上述预测模型，而为了将上述文件夹与上述字符组合进行强关联，可以将所述文件夹的名称标识为所述目标字符组合；为了保障上述文件夹中数据的安全性以及私密性，还需要对上述文件夹进行加密。具体地，将多个字符组合中除所述目标字符组合之外的所有字符组合依序进行拼接，得到拼接组合字符；将所述拼接组合字符作为加密密码对所述文件夹进行加密，并在数据库中保存加密后的所述文件夹。这便使得，上述密码无需保存，只需要基于上述特征信息，解析出上述目标字符组合、拼接组合字符便可以得到对应的上述文件夹，并进行解密得到上述预测模型；具体的执行过程在此不再进行赘述。
在一实施例中，所述采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹的步骤之后，包括：
将多个字符组合中除所述目标字符组合之外的所有字符组合依序进行拼接，得到拼接组合字符；
在数据库中创建一个文件夹；
基于所述目标字符组合对所述行驶车辆的运动轨迹进行加密处理之后存储在所述文件夹中；
基于所述拼接组合字符对所述文件夹进行加密，并将所述拼接组合字符发送至所述行驶车辆的驾驶用户所关联的终端上。
在本实施例中，行驶车辆的运动轨迹需要进行保存，因此可以生成一个文件夹用于存储上述运动轨迹；为了保障上述文件夹中运动轨迹的安全性以及私密性，还需要对上述运动轨迹进行加密。具体地，基于所述目标字符组合对所述行驶车辆的运动轨迹进行加密处理之后存储在所述文件夹中。为了进一步地提升上述文件夹的安全性，还需要对上述文件夹进行加密，具体地，基于所述拼接组合字符对所述文件夹进行加密，并将所述拼接组合字符发送至所述行驶车辆的驾驶用户所关联的终端上。
在本实施例中，所述采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹的步骤之后，包括：
获取所述行驶车辆的唯一识别号，并基于所述唯一识别号获取所述行驶车辆的类型，判断所述行驶车辆的类型是否为指定车辆类型；
若为指定车辆类型，则生成一个唯一运行轨迹查询码，并将所述唯一运行轨迹查询码拆分为第一标识以及第二标识；
将所述第一标识发送至行驶车辆的驾驶用户所关联的终端上，将所述第二标识发送至管理所述行驶车辆的运行轨迹的管理终端上；
在用户发出查询行驶车辆运动轨迹的查询指令时，在所述行驶车辆的驾驶用户所关联的终端上验证是否接收到用户输入所述第一标识以及第二标识；若接收到，则验证所述查询指令通过，查询对应的行驶车辆运动轨迹；若未接收到，则验证所述查询指令不通过；其中，所述第二标识由所述用户向所述管理终端上的管理用户索取。
在本实施例中，为了保障用户查询行驶车辆运动轨迹的安全性，提出上述技术方案。通过针对指定车辆类型，生成一个唯一运行轨迹查询码，并将所述唯一运行轨迹查询码拆分为第一标识以及第二标识；将所述第一标识发送至行驶车辆的驾驶用户所关联的终端上，将所述第二标识发送至管理所述行驶车辆的运行轨迹的管理终端上；上述第一标识以及第二标识由不同用户所持有，可以增加被破译的难度，增加数据安全。后续在用户发出查询行驶车辆运动轨迹的查询指令时，在所述行驶车辆的驾驶用户所关联的终端上发出提示，提示用户输入所述第一标识以及第二标识，验证是否接收到用户输入所述第一标识以及第二标识；若接收到，则验证所述查询指令通过，查询对应的行驶车辆运动轨迹；若未接收到，则验证所述查询指令不通过；其中，所述第二标识由所述用户向所述管理终端上的管理用户索取。
在一实施例中，所述将所述唯一运行轨迹查询码拆分为第一标识以及第二标识的步骤，包括：
分别获取所述驾驶用户以及所述管理用户的权限等级；其中，所述权限等级为1-4的数字，所述权限等级越高，对应的数字越大；例如驾驶用户的权限等级为1，管理用户的权限等级为4。
获取所述驾驶用户以及所述管理用户的权限等级之间的目标差值；上述目标差值为-3。
判断所述目标差值是否为偶数；其中，所述唯一运行轨迹查询码为偶数；
若所述目标差值为偶数，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二标识，且所述第一标识中的字符数量以及所述第二标识中的字符数量之间的差值等于所述目标差值；
若所述目标差值不为偶数，在所述唯一运行轨迹查询码的末尾添加一个指定字符之后，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二预标识，且所述第一标识中的字符数量以及所述第二预标识中的字符数量之间的差值等于所述目标差值；将所述第二预标识末尾的指定字符剔除，得到第二标识。在一实施例中，上述目标差值为-3，不为偶数，则需要在唯一运行轨迹查询码的末尾添加一个指定字符，例如X，然后将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二预标识，第二预标识的末尾包括上述指定字符X，且所述第一标识中的字符数量以及所述第二预标识中的字符数量之间的差值等于-3；然后，将所述第二预标识末尾的指定字符X剔除，则得到第二标识。
参照图2，本发明一实施例中还提供了一种基于转向角度融合的惯性导航装置，包括：
第一采集单元，用于采用加速度传感器测量采集得到行驶车辆的加速度数据；
第一获取单元，用于获取所述加速度传感器的型号信息，以及获取所述行驶车辆的特征信息；
匹配单元，用于基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型；
组合单元，用于将所述加速度传感器的型号信息以及所述行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；
预测单元，用于将所述组合向量输入至所述预测模型中，得到对应的预测结果；其中，所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器；
处理单元，用于基于所述第一卡尔曼滤波器对所述加速度数据进行误差消除处理，得到修正加速度数据；
计算单元，用于基于所述第二卡尔曼滤波器对所述修正加速度数据进行计算，得到对应的运动数据；
融合单元，用于采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹。
在一实施例中，上述装置还包括：
第二获取单元，用于获取所述行驶车辆的唯一识别号，并基于所述唯一识别号获取所述行驶车辆的类型，判断所述行驶车辆的类型是否为指定车辆类型；
拆分单元，用于若为指定车辆类型，则生成一个唯一运行轨迹查询码，并将所述唯一运行轨迹查询码拆分为第一标识以及第二标识；
发送单元，用于将所述第一标识发送至行驶车辆的驾驶用户所关联的终端上，将所述第二标识发送至管理所述行驶车辆的运行轨迹的管理终端上；
查询单元，用于在用户发出查询行驶车辆运动轨迹的查询指令时，在所述行驶车辆的驾驶用户所关联的终端上验证是否接收到用户输入所述第一标识以及第二标识；若接收到，则验证所述查询指令通过，查询对应的行驶车辆运动轨迹；若未接收到，则验证所述查询指令不通过；其中，所述第二标识由所述用户向所述管理终端上的管理用户索取。
在一实施例中，所述拆分单元具体用于：
分别获取所述驾驶用户以及所述管理用户的权限等级；其中，所述权限等级为1-4的数字，所述权限等级越高，对应的数字越大；
获取所述驾驶用户以及所述管理用户的权限等级之间的目标差值；
判断所述目标差值是否为偶数；其中，所述唯一运行轨迹查询码为偶数；
若所述目标差值为偶数，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二标识，且所述第一标识中的字符数量以及所述第二标识中的字符数量之间的差值等于所述目标差值；
若所述目标差值不为偶数，在所述唯一运行轨迹查询码的末尾添加一个指定字符之后，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二预标识，且所述第一标识中的字符数量以及所述第二预标识中的字符数量之间的差值等于所述目标差值；将所述第二预标识末尾的指定字符剔除，得到第二标识。
在本实施例中，上述装置实施例中的各个单元的具体实现，请参照上述方法实施例中所述，在此不再进行赘述。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、显示屏、输入装置、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储本实施例中对应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于转向角度融合的惯性导航方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定。
本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种基于转向角度融合的惯性导航方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
综上所述，为本发明实施例中提供的基于转向角度融合的惯性导航方法、装置和计算机设备，通过采用加速度传感器测量采集得到行驶车辆的加速度数据；获取所述加速度传感器的型号信息，以及获取所述行驶车辆的特征信息；基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型；将所述加速度传感器的型号信息以及所述行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；将所述组合向量输入至所述预测模型中，得到对应的预测结果；其中，所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器；使得针对不同的行驶车辆以及不同的加速度传感器，可以采用不同的第一卡尔曼滤波器以及第二卡尔曼滤波器；进而基于所述第一卡尔曼滤波器对所述加速度数据进行误差消除处理，得到修正加速度数据；基于所述第二卡尔曼滤波器对所述修正加速度数据进行计算，得到对应的运动数据；采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹。本发明中，针对不同的行驶车辆以及不同的加速度传感器，采用对应的卡尔曼滤波器进行处理，具有更强的针对性，提升惯性导航效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (5)

1.一种基于转向角度融合的惯性导航方法，其特征在于，包括以下步骤：
采用加速度传感器测量采集得到行驶车辆的加速度数据；
获取所述加速度传感器的型号信息，以及获取所述行驶车辆的特征信息；
基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型；
将所述加速度传感器的型号信息以及所述行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；
将所述组合向量输入至所述预测模型中，得到对应的预测结果；其中，所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器；
基于所述第一卡尔曼滤波器对所述加速度数据进行误差消除处理，得到修正加速度数据；
基于所述第二卡尔曼滤波器对所述修正加速度数据进行计算，得到对应的运动数据；
采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹；
所述基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型的步骤，包括：
检测所述行驶车辆的特征信息的类型；其中，所述特征信息为标识符以及中文名称中的一种；
若所述行驶车辆的特征信息的类型为标识符类型，则从数据库中获取对应的字符分割策略；
基于所述字符分割策略对所述行驶车辆的特征信息进行字符分割，得到多个字符组合；
从数据库中调用对应的字符组合选取策略，并基于所述字符组合选取策略，从得到的多个字符组合中选取出目标字符组合；
基于所述目标字符组合，在数据库中匹配对应的预测模型；其中，数据库中设置有字符组合与预测模型的映射关系；
所述采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹的步骤之后，包括：
获取所述行驶车辆的唯一识别号，并基于所述唯一识别号获取所述行驶车辆的类型，判断所述行驶车辆的类型是否为指定车辆类型；
若为指定车辆类型，则生成一个唯一运行轨迹查询码，并将所述唯一运行轨迹查询码拆分为第一标识以及第二标识；
将所述第一标识发送至行驶车辆的驾驶用户所关联的终端上，将所述第二标识发送至管理所述行驶车辆的运行轨迹的管理终端上；
在用户发出查询行驶车辆运动轨迹的查询指令时，在所述行驶车辆的驾驶用户所关联的终端上验证是否接收到用户输入所述第一标识以及第二标识；若接收到，则验证所述查询指令通过，查询对应的行驶车辆运动轨迹；若未接收到，则验证所述查询指令不通过；其中，所述第二标识由所述用户向所述管理终端上的管理用户索取；
所述将所述唯一运行轨迹查询码拆分为第一标识以及第二标识的步骤，包括：
分别获取所述驾驶用户以及所述管理用户的权限等级；其中，所述权限等级为1-4的数字，所述权限等级越高，对应的数字越大；
获取所述驾驶用户以及所述管理用户的权限等级之间的目标差值；
判断所述目标差值是否为偶数；其中，所述唯一运行轨迹查询码为偶数；
若所述目标差值为偶数，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二标识，且所述第一标识中的字符数量以及所述第二标识中的字符数量之间的差值等于所述目标差值；
若所述目标差值不为偶数，在所述唯一运行轨迹查询码的末尾添加一个指定字符之后，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二预标识，且所述第一标识中的字符数量以及所述第二预标识中的字符数量之间的差值等于所述目标差值；将所述第二预标识末尾的指定字符剔除，得到第二标识。
2.根据权利要求1所述的基于转向角度融合的惯性导航方法，其特征在于，所述基于所述目标字符组合，在数据库中匹配对应的预测模型的步骤之后，包括：
将多个字符组合中除所述目标字符组合之外的所有字符组合依序进行拼接，得到拼接组合字符；
在所述预测模型被匹配之后，生成一个文件夹，并将所述文件夹的名称标识为所述目标字符组合；
将所述预测模型添加至所述文件夹中进行存储；
将所述拼接组合字符作为加密密码对所述文件夹进行加密，并在数据库中保存加密后的所述文件夹。
3.根据权利要求1所述的基于转向角度融合的惯性导航方法，其特征在于，所述采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹的步骤之后，包括：
将多个字符组合中除所述目标字符组合之外的所有字符组合依序进行拼接，得到拼接组合字符；
在数据库中创建一个文件夹；
基于所述目标字符组合对所述行驶车辆的运动轨迹进行加密处理之后存储在所述文件夹中；
基于所述拼接组合字符对所述文件夹进行加密，并将所述拼接组合字符发送至所述行驶车辆的驾驶用户所关联的终端上。
4.一种基于转向角度融合的惯性导航装置，其特征在于，包括：
第一采集单元，用于采用加速度传感器测量采集得到行驶车辆的加速度数据；
第一获取单元，用于获取所述加速度传感器的型号信息，以及获取所述行驶车辆的特征信息；
匹配单元，用于基于所述行驶车辆的特征信息，在数据库匹配对应的预测模型；
组合单元，用于将所述加速度传感器的型号信息以及所述行驶车辆的特征信息分别进行向量化之后，进行组合得到组合向量；
预测单元，用于将所述组合向量输入至所述预测模型中，得到对应的预测结果；其中，所述预测结果包括预测的第一卡尔曼滤波器以及第二卡尔曼滤波器；
处理单元，用于基于所述第一卡尔曼滤波器对所述加速度数据进行误差消除处理，得到修正加速度数据；
计算单元，用于基于所述第二卡尔曼滤波器对所述修正加速度数据进行计算，得到对应的运动数据；
融合单元，用于采用角度传感器对所述行驶车辆的转向角度进行测量，采用融合算法对所述转向角度与所述运动数据进行融合计算，得到所述行驶车辆的运动轨迹；
还包括：
第二获取单元，用于获取所述行驶车辆的唯一识别号，并基于所述唯一识别号获取所述行驶车辆的类型，判断所述行驶车辆的类型是否为指定车辆类型；
拆分单元，用于若为指定车辆类型，则生成一个唯一运行轨迹查询码，并将所述唯一运行轨迹查询码拆分为第一标识以及第二标识；
发送单元，用于将所述第一标识发送至行驶车辆的驾驶用户所关联的终端上，将所述第二标识发送至管理所述行驶车辆的运行轨迹的管理终端上；
查询单元，用于在用户发出查询行驶车辆运动轨迹的查询指令时，在所述行驶车辆的驾驶用户所关联的终端上验证是否接收到用户输入所述第一标识以及第二标识；若接收到，则验证所述查询指令通过，查询对应的行驶车辆运动轨迹；若未接收到，则验证所述查询指令不通过；其中，所述第二标识由所述用户向所述管理终端上的管理用户索取；
所述拆分单元具体用于：
分别获取所述驾驶用户以及所述管理用户的权限等级；其中，所述权限等级为1-4的数字，所述权限等级越高，对应的数字越大；
获取所述驾驶用户以及所述管理用户的权限等级之间的目标差值；
判断所述目标差值是否为偶数；其中，所述唯一运行轨迹查询码为偶数；
若所述目标差值为偶数，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二标识，且所述第一标识中的字符数量以及所述第二标识中的字符数量之间的差值等于所述目标差值；
若所述目标差值不为偶数，在所述唯一运行轨迹查询码的末尾添加一个指定字符之后，将所述唯一运行轨迹查询码从中部进行拆分，拆分为第一标识以及第二预标识，且所述第一标识中的字符数量以及所述第二预标识中的字符数量之间的差值等于所述目标差值；将所述第二预标识末尾的指定字符剔除，得到第二标识；
所述匹配单元，具体用于：
检测所述行驶车辆的特征信息的类型；其中，所述特征信息为标识符以及中文名称中的一种；
若所述行驶车辆的特征信息的类型为标识符类型，则从数据库中获取对应的字符分割策略；
基于所述字符分割策略对所述行驶车辆的特征信息进行字符分割，得到多个字符组合；
从数据库中调用对应的字符组合选取策略，并基于所述字符组合选取策略，从得到的多个字符组合中选取出目标字符组合；
基于所述目标字符组合，在数据库中匹配对应的预测模型；其中，数据库中设置有字符组合与预测模型的映射关系。
5.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。
CN202310672293.7A 2023-06-08 2023-06-08 基于转向角度融合的惯性导航方法、装置和计算机设备 Active CN116399339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310672293.7A CN116399339B (zh) 2023-06-08 2023-06-08 基于转向角度融合的惯性导航方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310672293.7A CN116399339B (zh) 2023-06-08 2023-06-08 基于转向角度融合的惯性导航方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN116399339A CN116399339A (zh) 2023-07-07
CN116399339B true CN116399339B (zh) 2023-08-25

Family

ID=87018422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310672293.7A Active CN116399339B (zh) 2023-06-08 2023-06-08 基于转向角度融合的惯性导航方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN116399339B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3094788A1 (fr) * 2019-04-04 2020-10-09 Renault S.A.S Procédé d’estimation embarqué de la masse d’un véhicule
CN114295126A (zh) * 2021-12-20 2022-04-08 华人运通(上海)自动驾驶科技有限公司 一种基于惯性测量单元的融合定位方法
WO2022184127A1 (zh) * 2021-03-04 2022-09-09 华为技术有限公司 一种车辆、传感器的仿真方法及装置
CN115697802A (zh) * 2020-08-10 2023-02-03 保时捷股份公司 用于预测车辆轨迹的装置和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11790793B2 (en) * 2021-01-08 2023-10-17 Honeywell International Inc. Systems and methods for model based vehicle navigation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3094788A1 (fr) * 2019-04-04 2020-10-09 Renault S.A.S Procédé d’estimation embarqué de la masse d’un véhicule
CN115697802A (zh) * 2020-08-10 2023-02-03 保时捷股份公司 用于预测车辆轨迹的装置和方法
WO2022184127A1 (zh) * 2021-03-04 2022-09-09 华为技术有限公司 一种车辆、传感器的仿真方法及装置
CN114295126A (zh) * 2021-12-20 2022-04-08 华人运通(上海)自动驾驶科技有限公司 一种基于惯性测量单元的融合定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于主成分分析的车辆组合导航系统故障检测与隔离算法;刘江;蔡伯根;王剑;唐涛;;交通运输系统工程与信息;第9卷(第5期);第46-52页 *

Also Published As

Publication number Publication date
CN116399339A (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN111373403B (zh) 一种用于隐藏原始数据以保护个人信息的混淆网络的学习方法和测试方法，以及其学习装置和测试装置
US7418342B1 (en) Autonomous destination determination
US10417907B2 (en) Method for processing measurement data of a vehicle in order to determine the start of a search for a parking space and computer program product
JP2015191273A (ja) 駐車スペース案内システム、駐車スペース案内方法、及びプログラム
US11017320B1 (en) Method for training obfuscation network which conceals original data to be used for machine learning and training surrogate network which uses obfuscated data generated by obfuscation network and learning device using the same and method for testing trained obfuscation network and testing device using the same
US11900224B2 (en) Generating trajectory labels from short-term intention and long-term result
CN110717010A (zh) 一种文本处理方法及系统
CN113032528A (zh) 案件分析方法、装置、设备及存储介质
CN111401282A (zh) 目标检测方法、装置、计算机设备和存储介质
CN111124421B (zh) 区块链智能合约的异常合约数据检测方法和装置
CN116399339B (zh) 基于转向角度融合的惯性导航方法、装置和计算机设备
CN110733443B (zh) 基于车辆的仪表数据处理方法及装置
CN112580457A (zh) 车辆视频的处理方法、装置、计算机设备和存储介质
CN103034866A (zh) 一种目标识别方法、装置及系统
WO2009110410A1 (ja) 画像照合装置、画像照合用特徴量格納記憶媒体、画像照合方法および画像照合用プログラム
CN104680043B (zh) 一种可执行文件的保护方法及装置
US20190188603A1 (en) Weakly-supervised fraud detection for transportation systems via machine learning
Waltereit et al. Route derivation using distances and turn directions
CN113033267B (zh) 车辆定位方法、装置、计算机设备和存储介质
US11866035B2 (en) Personalized safe driving assistance method and system
US11740079B2 (en) Method, computer program and device for determining a vehicle spacing for an observation period
CN113360729A (zh) 基于大数据的信息安全监控方法、系统及云平台
CN111523867B (zh) 人员信息管理方法、计算机设备和存储介质
CN116513212B (zh) 车辆超重检测方法、装置以及车辆
CN113255453A (zh) 车载导航起始点确定方法、装置、计算机设备和存储介质

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