CN116698019A - 一种基于多传感器的组合导航方法及装置 - Google Patents
一种基于多传感器的组合导航方法及装置 Download PDFInfo
- Publication number
- CN116698019A CN116698019A CN202210179201.7A CN202210179201A CN116698019A CN 116698019 A CN116698019 A CN 116698019A CN 202210179201 A CN202210179201 A CN 202210179201A CN 116698019 A CN116698019 A CN 116698019A
- Authority
- CN
- China
- Prior art keywords
- state quantity
- stage filter
- sensor
- navigation
- sensor 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000004927 fusion Effects 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 10
- 230000008878 coupling Effects 0.000 abstract description 6
- 238000010168 coupling process Methods 0.000 abstract description 6
- 238000005859 coupling reaction Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 15
- 238000001914 filtration Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G01C21/1656—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 passive imaging devices, e.g. cameras
-
- 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
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
-
- 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
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
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
本说明书公开了一种基于多传感器的组合导航方法及装置,可先获取多种传感器采集的传感器数据。之后,按照第一组合方式,将对应传感器的传感器数据输入第二级滤波器进行信息融合,得到局部状态量的状态估计值。然后,按照第二组合方式,将对应的至少部分第二级滤波器的输出结果或若干种传感器的传感器数据输入第三级滤波器进行信息融合,得到全局状态量的状态估计值。最后,将不同数据源对各导航状态量的状态估计值输入第四级滤波器,得到各导航状态量的最终估计值。通过组合不同传感器,构建多个具备独立导航能力的组合导航系统对导航状态量进行冗余估计,使其在组合导航过程中保持互相独立,避免发生故障耦合,提升了导航系统可靠性与容错性。
Description
技术领域
本申请涉及无人驾驶技术领域,尤其涉及一种基于多传感器的组合导航方法及装置。
背景技术
随着无人驾驶技术的发展,无人机的应用领域也越来越广泛。为了提高无人机的导航定位能力及可靠性,通常采用基于多传感器的组合导航算法对无人机进行定位,以避免飞行过程中由于个别传感器失效造成定位不准的情况,以及弥补单一定位算法的不足。
目前,常见的一种组合导航方式是基于联邦滤波的多源融合组合导航方法,如图1所示。以捷联惯导系统(Strapdown inertial navigation system,SINS)作为参考导航源,分别与全球导航卫星系统(Global Navigation Satellite System,GNSS)、里程计以及高度计等其他导航源进行融合,通过各子滤波器得到各状态量的估计值。之后,将各子滤波器输出的状态估计值以及协方差矩阵输入至主滤波器中,以在主滤波器中进行信息融合得到最优估计。
但是,上述基于联邦滤波的组合导航方法,各子滤波器的输出结果严重依赖于参考导航源,当参考导航源出现异常时,组合导航系统无法进行准确定位。
发明内容
本说明书实施例提供一种基于多传感器的组合导航方法及装置,用于部分解决现有技术中的问题。
本说明书实施例采用下述技术方案:
本说明书提供的一种基于多传感器的组合导航方法,包括:
获取多种类型的传感器采集的传感器数据;
确定对应于局部状态量的若干第一组合方式,并针对确定出的每种第一组合方式,将该第一组合方式对应的若干种传感器的传感器数据输入第二级滤波器,进行信息融合,得到所述第二级滤波器的输出结果,所述第二级滤波器的输出结果中至少包括局部状态量的状态估计值;
确定对应于全局状态量的若干第二组合方式,并针对确定出的每种第二组合方式,将该第二组合方式对应的传感器数据,输入第三级滤波器,进行信息融合,得到所述第三级滤波器的输出结果,所述第三级滤波器的输出结果中至少包括全局状态量的状态估计值,所述第二组合方式对应的传感器数据至少包括部分第二级滤波器的输出结果或若干种传感器的传感器数据;
针对每个导航状态量,将至少部分第三级滤波器的输出结果以及至少部分对应于该导航状态量的第二级滤波器的输出结果,输入该导航状态量对应的第四级滤波器,得到所述第四级滤波器输出的该导航状态量的最终估计值,以基于各导航状态量的最终估计值,确定无人驾驶设备的当前状态。
可选地,将该第一组合方式对应的若干传感器的传感器数据输入第二级滤波器之前,所述方法还包括:
针对每种传感器,根据该种传感器的传感器特性,通过第一级滤波器对该种传感器采集的传感器数据进行滤波处理。
可选地,将该第一组合方式对应的若干传感器的传感器数据输入第二级滤波器之前,所述方法还包括:
针对每种传感器采集的传感器数据,检测该种传感器采集的传感器数据中的异常值,并对检测到的异常值进行补偿。
可选地,至少部分类型的传感器的数量为多个;
获取多种类型的传感器采集的传感器数据,具体包括:
针对每种类型的传感器,当该类型的传感器数量为多个时,确定该类型的各候选传感器输出的传感器数据;
根据各候选传感器输出的传感器数据的状态变化,确定各候选传感器的质量指标;
根据各候选传感器的质量指标,从各候选传感器中确定该类型对应的目标传感器,并将所述目标传感器采集的传感器数据,作为该种传感器采集的传感器数据;
其中,所述质量指标包括测量精度、数据噪声、数据变化率中的至少一种。
可选地,得到所述第四级滤波器输出的该导航状态量的最终估计值,具体包括:
确定历史时刻得到该导航状态量的最终估计值,作为先验信息;
根据所述先验信息,以及至少部分第三级滤波器输出的该导航状态量的协方差矩阵,确定所述第三级滤波器输出的该导航状态量的状态估计值的置信度;
根据所述先验信息,以及至少部分第二级滤波器输出的该导航状态量的协方差矩阵,确定所述第二级滤波器输出的该导航状态量的状态估计值的置信度;
根据各第三级滤波器输出的该导航状态量的状态估计值及其置信度,至少部分第二级滤波器输出的该导航状态量的状态估计至及其置信度,得到所述第四级滤波器输出的该导航状态量的最终估计值。
可选地,得到所述第四级滤波器输出的该导航状态量的最终估计值之前,所述方法还包括:
判断该导航状态量的最终估计值与上一时刻的最终估计值是否一致;
若是,通过所述第四级滤波器输出该导航状态量的最终估计值;
若否,对该导航状态量的最终估计值进行补偿,并通过所述第四级滤波器输出的该导航状态量补偿后的最终估计值。
本说明书提供一种基于多传感器的组合导航装置,包括:
获取模块,配置为获取多种类型的传感器采集的传感器数据;
第一确定模块,配置为确定对应于局部状态量的若干第一组合方式,并针对确定出的每种第一组合方式,将该第一组合方式对应的若干种传感器的传感器数据输入第二级滤波器,进行信息融合,得到所述第二级滤波器的输出结果,所述第二级滤波器的输出结果中至少包括局部状态量的状态估计值;
第二确定模块,配置为确定对应于全局状态量的若干第二组合方式,并针对确定出的每种第二组合方式,将该第二组合方式对应的传感器数据,输入第三级滤波器,进行信息融合,得到所述第三级滤波器的输出结果,所述第三级滤波器的输出结果中至少包括全局状态量的状态估计值,所述第二组合方式对应的传感器数据至少包括部分第二级滤波器的输出结果或若干种传感器的传感器数据;
第三确定模块,配置为针对每个导航状态量,将至少部分第三级滤波器的输出结果以及至少部分对应于该导航状态量的第二级滤波器的输出结果,输入该导航状态量对应的第四级滤波器,得到所述第四级滤波器输出的该导航状态量的最终估计值,以基于各导航状态量的最终估计值,确定无人驾驶设备的当前状态。
可选地,所述第三确定模块具体用于,确定历史时刻得到该导航状态量的最终估计值,作为先验信息;根据所述先验信息,以及至少部分第三级滤波器输出的该导航状态量的协方差矩阵,确定各第三级滤波器输出的该导航状态量的状态估计值的置信度;根据所述先验信息,以及至少部分第二级滤波器输出的该导航状态量的协方差矩阵,确定所述第二级滤波器输出的该导航状态量的状态估计值的置信度;根据各第三级滤波器输出的该导航状态量的状态估计值及其置信度、各第二级滤波器输出的该导航状态量的状态估计值及其置信度,确定所述第四级滤波器输出的该导航状态量的最终估计值。
本说明书提供的一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于多传感器的组合导航方法。
本说明书提供的一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述基于多传感器的组合导航方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书中,可先获取多种类型的传感器采集的传感器数据。之后,确定对应于局部状态量的若干第一组合方式,并分别按照各第一组合方式,将对应传感器的传感器数据输入第二级滤波器中进行信息融合,得到局部状态量的状态估计值。然后,确定对应于全局状态量的若干第二组合方式,并按照各第二组合方式,将对应的传感器数据输入第三级滤波器中进行信息融合,得到全局状态量的状态估计值。其中,第二组合方式对应的传感器数据至少包括部分第二级滤波器的输出结果或若干种传感器的传感器数据。最后,将不同数据源对各导航状态量的状态估计值输入第四级滤波器中,得到各导航状态量的最终估计值。通过组合不同传感器,构建多个具备独立导航能力的组合导航系统对导航状态量进行冗余估计,使其在组合导航过程中保持互相独立,避免发生故障耦合,提升了导航系统可靠性与容错性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为现有的一种基于联邦滤波的多源融合组合导航的结构图;
图2为本说明书实施例提供的一种基于多传感器的组合导航方法的流程示意图;
图3为本说明书实施例提供的一种组合导航系统的架构示意图;
图4为本说明书实施例提供的一种组合导航系统的架构示意图;
图5为本说明书实施例提供的一种基于多传感器的组合导航装置的结构示意图;
图6为本说明书实施例提供的实现基于多传感器的组合导航方法的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于说明书中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
本说明书提供一种基于多传感器的组合导航方法,以下结合附图,详细说明本申请各实施例提供的技术方案。
图2为本说明书实施例提供的一种基于多传感器的组合导航方法的流程示意图,具体可包括以下步骤:
S100:获取多种类型的传感器采集的传感器数据。
目前,为了保障无人驾驶设备导航定位能力的可靠性,通常采用多种类型的传感器进行组合导航,避免个别传感器失效,以及弥补单一定位算法的不足。
于是在本说明书中基于多种传感器进行组合导航时,可先获取无人驾驶设备上配置的多种传感器当前采集的传感器数据。其中,传感器类型至少包括惯性测量单元(inertial measurement unit,IMU)、全球导航卫星系统(Global Navigation SatelliteSystem,GNSS)、磁力计、气压计以及距离传感器(Time of Flight,TOF)、相机等。
需要说明的是,本说明书中的基于多传感器的组合导航方法,可由无人驾驶设备作为执行主体执行,也可由控制无人驾驶设备行驶的服务器执行。当由服务器执行组合导航方法时,无人驾驶设备可将各种传感器采集的传感器数据发送至后台服务器,使服务器根据多种传感器采集的传感器数据,确定该无人驾驶设备的当前状态,以进行控制决策。为方便描述,后续以无人驾驶设备执行该组合导航方法为例进行说明。
进一步的,为了滤除各传感器数据中的干扰信号,针对每种传感器,可根据该种传感器的传感器特性,通过第一级滤波器对该种传感器采集的传感器数据进行滤波处理。其中,当传感器采集的传感器数据为高频数据时,滤除其中干扰产生的低频漂移,当传感器采集的传感器数据为低频数据时,消除其中产生的高频噪声。
在本说明书一种实施例中,当得到各传感器采集的传感器数据后,还需对采集到的各传感器数据进行故障检测,筛除各传感器数据中的突变点。其中,可按照固定大小的窗口在传感器信号上滑动,并针对每个滑动窗口内的采样点,确定各采样点的数据标准差,之后基于3σ准则,从各采样点中检测出异常值,对检测出为异常值的离群点进行剔除,或按照该滑动窗口内的各采样点的数据标准差,对离群点进行数据补偿,缩小离群点的数据差异。
另外,为了避免传感器突发故障致使导航系统失效的问题,提高传感器的可靠性,在本说明书中对于状态检测重要性较高的传感器类型,如IMU、GNSS等,可分别设置多个候选传感器。在导航过程中,可追踪各候选传感器输出的传感器数据的状态变化,确定各候选传感器的质量指标。之后,根据各候选传感器的质量指标,从各候选传感器中筛选该类型对应的目标传感器,并将该目标传感器采集的传感器数据作为该种传感器采集的传感器数据。其中,传感器输出的传感器数据越稳定、数据噪声越小、数据跳变越少,则传感器的质量越好。
当然,若各候选传感器的测量精度不同时,按照测量精度的优先级顺序,优先选取测量精度较高的候选传感器,作为目标传感器。
在本说明书一种或多种实施例中,由于不同种类的传感器的采集频率不完全相同,因此在后续进行组合导航之前,还需对各传感器采集的传感器数据进行时间同步处理,确定在同一时间下各传感器的传感器数据。并且,各传感器采集的传感器数据是相对于自身传感器坐标系的,如,IMU确定出的无人驾驶设备的位置,是相对于IMU坐标系起点的相对位置,于是还需对各传感器采集的传感器数据进行空间对齐,将各传感器数据转换到同一参考坐标系下。
S102:确定对应于局部状态量的若干第一组合方式,并针对确定出的每种第一组合方式,将该第一组合方式对应的若干种传感器的传感器数据输入第二级滤波器,进行信息融合,得到所述第二级滤波器的输出结果。
在获取到无人驾驶设备上多种传感器采集的传感器数据后,便可对多种传感器采集数据进行信息融合,以得到更为准确的状态估计结果。
在本说明书一种实施例中,可采用两种及其以上的异构传感器采集的传感器数据,进行信息融合,实现对无人驾驶设备的部分导航状态量的预估。其中,无人驾驶设备的导航状态量至少包括位置、速度、姿态等导航数据。
具体的,在对局部的导航状态量进行预估时,可从对应于各局部状态量的各种传感器的组合方式中,确定至少部分组合方式,作为第一组合方式。如,将传感器IMU与磁力计组合,根据采集的各传感器数据,预估无人驾驶设备的姿态信息。将气压计、距离传感器以及相机组合,通过采集的各传感器数据,预估无人驾驶设备的高度信息。将GNSS、IMU与磁力计组合,通过GNSS双天线采集的传感器数据,得到无人驾驶设备相对于地理北极的航向角度,再通过IMU与磁力计得到磁航向信息,并基于双天线航向与磁航向融合,预估无人驾驶设备的飞行航向。将IMU与相机组合,通过采集的各传感器数据,预估无人驾驶设备的位姿和速度等等。
之后,针对确定出的每种第一组合方式,将该第一组合方式对应的若干种传感器的传感器数据,输入第二级滤波器中,进行局部滤波,得到该第二级滤波器的输出结果。其中,该输出结果中包含该第一组合方式对应的局部状态量的状态估计值及协方差矩阵。
S104:确定对应于全局状态量的若干第二组合方式,并针对确定出的每种第二组合方式,将该第二组合方式对应的传感器数据,输入第三级滤波器,进行信息融合,得到所述第三级滤波器的输出结果。
在本说明书中通过第二级滤波器得到各局部状态量后,便可基于各局部状态量,预测全局状态量的估计值。
具体的,在对全局的导航状态量进行预估时,可从对应于全局状态量的各传感器的组合方式中,确定至少部分组合方式,作为第二组合方式。其中,该第二组合方式为求解出局部状态量的若干第二级滤波器与若干种传感器的组合。如,将相机、IMU与GNSS进行组合,预测全局状态量的估计值。其中,相机与IMU对应于上述第二级滤波器的第一组合方式。
之后,针对确定出的每种第二组合方式,将该第二组合方式对应的传感器数据,作为第三级滤波器的输入,进行全局滤波,得到第三级滤波器的输出结果。其中,第三级滤波器的输出结果中包含全局状态量的状态估计值及协方差矩阵。第二组合方式对应的传感器数据至少包括部分第二级滤波器的输出结果或若干种传感器的传感器数据。
当然,在本说明书一种实施例中,由于多种传感器采集的传感器数据可涵盖导航所需的全部状态量,于是可基于各种传感器直接采集的传感器数据,预测全局状态量的估计值。如,GNSS与IMU的组合,激光雷达设备与IMU的组合等,通过融合采集的传感器数据,预测无人驾驶设备的位置、姿态和速度等全局状态量的估计值。其中,GNSS与IMU可根据需要,采用松耦合、紧耦合、深耦合的集成方式,本说明书对此不做限制。
在本说明书中,第二级滤波器与第三级滤波器可采用传统的卡尔曼滤波、其衍生的扩展卡尔曼滤波等,还可采用其它滤波算法,如粒子滤波、序贯融合、因子图优化、卷积神经网络等。
S106:针对每个导航状态量,将至少部分第三级滤波器的输出结果以及至少部分对应于该导航状态量的第二级滤波器的输出结果,输入该导航状态量对应的第四级滤波器,得到所述第四级滤波器输出的该导航状态量的最终估计值,以基于各导航状态量的最终估计值,确定无人驾驶设备的当前状态。
当确定出不同数据源预测的各导航状态量的估计值后,可为每个导航状态量分别设置一个决策模块,以决策筛选出各导航状态量的最优估计值。
具体的,针对每个导航状态量,从至少部分第三级滤波器的输出结果中,确定对应该导航状态量的状态估计值和协方差矩阵,以及从各第二级滤波器的输出结果中,确定至少部分对应于该导航状态量的状态估计值以及协方差矩阵。之后,将不同数据源对应于该导航状态量的状态估计值以及协方差矩阵,输入该导航状态量对应的第四级滤波器中,得到该第四级滤波器输出的最终估计值,即为该导航状态量的最优估计值。之后,根据无人驾驶设备的各导航状态量的最终估计值,确定该无人驾驶设备的当前状态。
进一步的,在该导航状态量对应的第四级滤波器中,对于来自不同数据源的状态估计值,可先进行数据自检,之后根据多个数据源的状态估计值进行互检。其中,在进行数据自检时,可获取上一时刻输出的该导航状态量的最终估计值,并与该数据源预测的状态估计值作差,若差值小于预设差值,则保留该数据源预测的状态估计值,否则表明该数据源预测的状态估计值产生突变,可剔除该异常值。在进行互检时,可采用卡方检验的方法,以其中一个数据源预测的状态估计值作为参考,分别确定各其它数据源预测的状态估计值的偏差程度,并剔除偏差较大的值。
更进一步的,在该导航状态量对应的第四级滤波器中,还可确定历史时刻得到的该导航状态量的最终估计值,作为先验信息。之后,根据已知的先验信息,以及至少部分第三级滤波器输出的该导航状态量的协方差矩阵,确定第三级滤波器输出的该导航状态量的状态估计值的置信度。以及根据已知的先验信息,以及至少部分第二级滤波器输出的该导航状态量的协方差矩阵,确定第二级滤波器输出的该导航状态量的状态估计值的置信度。最后,根据各第三级滤波器输出的该导航状态量的状态估计值及其置信度、各第二级滤波器输出的该导航状态量的状态估计值及其置信度,从中筛选置信度最高的状态估计值,作为该导航状态量的最终估计值。
由于无人驾驶设备的位置、速度等不会发生突变,为了保持状态变化的连续性,在输出最终估计值之前,还需判断该导航状态量的最终估计值与上一时刻的最终估计值是否一致,若当前的最终估计值与上一时刻相同,则直接输出该最终估计值。否则,对该导航状态量的最终估计值进行补偿,保持该导航状态量从上一时刻到当前时刻的平滑。
图3为本说明书实施例提供的组合导航系统的架构示意图,该组合导航系统包含有惯性测量单元IMU、全球导航卫星系统GNSS、磁力计(Magnetic)、气压计(baroscope)以及相机等多种传感器。之后,从对应于局部状态量的各传感器的组合方式中。确定至少部分组合方式作为第一组合方式,并将对应组合的各传感器的传感器数据,输入对应的第二级滤波器中,进行局部滤波,得到局部状态量的状态估计值。图中示例性的分别将IMU和Magn采集的传感器数据输入至第二级滤波器B1中,得到当前姿态的状态估计值。将GNSS、IMU和Magn采集的传感器数据输入至第二级滤波器B2中,得到当前航向的状态估计值。将IMU和相机采集的传感器数据输入至第二级滤波器B3中,得到当前位姿和速度的状态估计值。
然后,从对应于全局状态量的各传感器的组合方式中,确定至少部分组合方式作为第二组合方式,并将对应的传感器数据,输入对应的第三级滤波器中,进行全局滤波,得到全局状态量的状态估计值。其中,第二组合方式对应的传感器数据包括至少部分第二级滤波器的输出结果或若干种传感器的传感器数据。图中示例性的分别将IMU和GNSS采集的传感器数据输入至第三级滤波器C1中,得到当前位置、速度以及姿态的状态估计值。将IMU和激光雷达采集的传感器数据输入至第三级滤波器C2中,得到当前位置、速度以及姿态的状态估计值。将GNSS采集的传感器数据,以及第二级滤波器B3的输出结果,输入至第三级滤波器C3中,得到当前位置、速度以及姿态的状态估计值。
最后,针对每个导航状态量,将不同数据源对应于该导航状态量的状态估计值,输入至对应的第四级滤波器中,分别得到各导航状态量的最终估计值。
并且,还需将导航系统输出的最终结果,反馈至第二级滤波器和第三级滤波器中,对各滤波器输出的状态估计值进行修正,以基于修改后的参数,预测下一时刻的导航状态量。
进一步的,为了提高传感器的可靠性,在传感器数据输出第二级滤波器之前,可通过第一级滤波器对各传感器数据进行滤波处理,滤除其中的噪声。如图4所示,各传感器采集的传感器数据,分别输入至第一级滤波器中,滤除其中的干扰噪声,并通过异常值检测剔除离群点。其中,对于状态预测重要性较高的传感器IMU和GNSS,可设置多个候选传感器,当检测传感器出现故障时,可进行切换。
如图2所示的基于多传感器的组合导航方法,可先获取多种传感器采集的传感器数据。之后,分别按照第一组合方式,将对应传感器的传感器数据输入第二级滤波器中进行信息融合,得到局部状态量的状态估计值。按照第二组合方式,将对应的传感器数据与局部状态量的状态估计值输入第三级滤波器中进行信息融合,得到全局状态量的状态估计值。最后,将不同数据源对各导航状态量的状态估计值输入第四级滤波器中,得到各导航状态量的最终估计值。通过组合不同传感器,构建多个具备独立导航能力的组合导航系统对导航状态量进行冗余估计,使其在组合导航过程中保持互相独立,避免发生故障耦合,提升了导航系统可靠性与容错性。
本说明书所示的组合导航方法,综合各组合导航系统的冗余估计结果,得到的导航状态量的最优估计结果,使导航结果更加准确。并且,通过在组合算法层面,自由调整组合的各传感器数据,支持即插即用的方式,具备灵活性与较高的可拓展性。
另外,在本说明书中,对于不存在先后输入关系的第二级滤波器与第三级滤波器,步骤S102与步骤S104的先后执行顺序不做限制,可按照滤波器的运行频率执行。而对于存在先后输入关系的第二级滤波器与第三级滤波器,则需先执行步骤S102,再执行步骤S104。
基于图2所示的一种基于多传感器的组合导航方法,本说明书实施例还对应提供一种基于多传感器的组合导航装置的结构示意图,如图5所示。
图5为本说明书实施例提供的一种基于多传感器的组合导航装置的结构示意图,包括:
获取模块200,配置为获取多种类型的传感器采集的传感器数据;
第一确定模块202,配置为确定对应于局部状态量的若干第一组合方式,并针对确定出的每种第一组合方式,将该第一组合方式对应的若干种传感器的传感器数据输入第二级滤波器,进行信息融合,得到所述第二级滤波器的输出结果,所述第二级滤波器的输出结果中至少包括局部状态量的状态估计值;
第二确定模块204,配置为确定对应于全局状态量的若干第二组合方式,并针对确定出的每种第二组合方式,将该第二组合方式对应的传感器数据,输入第三级滤波器,进行信息融合,得到所述第三级滤波器的输出结果,所述第三级滤波器的输出结果中至少包括全局状态量的状态估计值,所述第二组合方式对应的传感器数据至少包括部分第二级滤波器的输出结果或若干种传感器的传感器数据;
第三确定模块206,配置为针对每个导航状态量,将至少部分第三级滤波器的输出结果以及至少部分对应于该导航状态量的第二级滤波器的输出结果,输入该导航状态量对应的第四级滤波器,得到所述第四级滤波器输出的该导航状态量的最终估计值,以基于各导航状态量的最终估计值,确定无人驾驶设备的当前状态。
可选地,所述第一确定模块202还用于,针对每种传感器,根据该种传感器的传感器特性,通过第一级滤波器对该种传感器采集的传感器数据进行滤波处理。
可选地,所述第一确定模块202还用于,针对每种传感器采集的传感器数据,检测该种传感器采集的传感器数据中的异常值,并对检测到的异常值进行补偿。
可选地,至少部分类型的传感器的数量为多个,所述获取模块200具体用于,针对每种类型的传感器,当该类型的传感器数量为多个时,确定该类型的各候选传感器输出的传感器数据,根据各候选传感器输出的传感器数据的状态变化,确定各候选传感器的质量指标,根据各候选传感器的质量指标,从各候选传感器中确定该类型对应的目标传感器,并将所述目标传感器采集的传感器数据,作为该种传感器采集的传感器数据,其中,所述质量指标包括测量精度、数据噪声、数据变化率中的至少一种。
可选地,所述第三确定模块206具体用于,确定历史时刻得到该导航状态量的最终估计值,作为先验信息,根据所述先验信息,以及至少部分第三级滤波器输出的该导航状态量的协方差矩阵,确定所述第三级滤波器输出的该导航状态量的状态估计值的置信度,根据所述先验信息,以及至少部分第二级滤波器输出的该导航状态量的协方差矩阵,确定所述第二级滤波器输出的该导航状态量的状态估计值的置信度,根据各第三级滤波器输出的该导航状态量的状态估计值及其置信度、各第二级滤波器输出的该导航状态量的状态估计值及其置信度,确定所述第四级滤波器输出的该导航状态量的最终估计值。
可选地,所述第三确定模块206还用于,判断该导航状态量的最终估计值与上一时刻的最终估计值是否一致,若是,通过所述第四级滤波器输出该导航状态量的最终估计值,若否,对该导航状态量的最终估计值进行补偿,并通过所述第四级滤波器输出的该导航状态量补偿后的最终估计值。
本说明书实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图2提供的基于多传感器的组合导航方法。
根据图2所示的基于多传感器的组合导航方法,本说明书实施例还提出了图6所示的电子设备的示意结构图。如图6,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图2所示的基于多传感器的组合导航方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和生成专用的集成电路芯片。而且,如今,取代手工地生成集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种基于多传感器的组合导航方法,其特征在于,包括:
获取多种类型的传感器采集的传感器数据;
确定对应于局部状态量的若干第一组合方式,并针对确定出的每种第一组合方式,将该第一组合方式对应的若干种传感器的传感器数据输入第二级滤波器,进行信息融合,得到所述第二级滤波器的输出结果,所述第二级滤波器的输出结果中至少包括局部状态量的状态估计值;
确定对应于全局状态量的若干第二组合方式,并针对确定出的每种第二组合方式,将该第二组合方式对应的传感器数据,输入第三级滤波器,进行信息融合,得到所述第三级滤波器的输出结果,所述第三级滤波器的输出结果中至少包括全局状态量的状态估计值,所述第二组合方式对应的传感器数据至少包括部分第二级滤波器的输出结果或若干种传感器的传感器数据;
针对每个导航状态量,将至少部分第三级滤波器的输出结果以及至少部分对应于该导航状态量的第二级滤波器的输出结果,输入该导航状态量对应的第四级滤波器,得到所述第四级滤波器输出的该导航状态量的最终估计值,以基于各导航状态量的最终估计值,确定无人驾驶设备的当前状态。
2.如权利要求1所述的方法,其特征在于,将该第一组合方式对应的若干种传感器的传感器数据输入第二级滤波器之前,所述方法还包括:
针对每种传感器,根据该种传感器的传感器特性,通过第一级滤波器对该种传感器采集的传感器数据进行滤波处理。
3.如权利要求1所述的方法,其特征在于,将该第一组合方式对应的若干种传感器的传感器数据输入第二级滤波器之前,所述方法还包括:
针对每种传感器采集的传感器数据,检测该种传感器采集的传感器数据中的异常值,并对检测到的异常值进行补偿。
4.如权利要求1所述的方法,其特征在于,至少部分类型的传感器的数量为多个;
获取多种类型的传感器采集的传感器数据,具体包括:
针对每种类型的传感器,当该类型的传感器数量为多个时,确定该类型的各候选传感器输出的传感器数据;
根据各候选传感器输出的传感器数据的状态变化,确定各候选传感器的质量指标;
根据各候选传感器的质量指标,从各候选传感器中确定该类型对应的目标传感器,并将所述目标传感器采集的传感器数据,作为该种传感器采集的传感器数据;
其中,所述质量指标包括测量精度、数据噪声、数据变化率中的至少一种。
5.如权利要求1所述的方法,其特征在于,得到所述第四级滤波器输出的该导航状态量的最终估计值,具体包括:
确定历史时刻得到该导航状态量的最终估计值,作为先验信息;
根据所述先验信息,以及至少部分第三级滤波器输出的该导航状态量的协方差矩阵,确定所述第三级滤波器输出的该导航状态量的状态估计值的置信度;
根据所述先验信息,以及至少部分第二级滤波器输出的该导航状态量的协方差矩阵,确定所述第二级滤波器输出的该导航状态量的状态估计值的置信度;
根据各第三级滤波器输出的该导航状态量的状态估计值及其置信度、各第二级滤波器输出的该导航状态量的状态估计值及其置信度,确定所述第四级滤波器输出的该导航状态量的最终估计值。
6.如权利要求1所述的方法,其特征在于,得到所述第四级滤波器输出的该导航状态量的最终估计值之前,所述方法还包括:
判断该导航状态量的最终估计值与上一时刻的最终估计值是否一致;
若是,通过所述第四级滤波器输出该导航状态量的最终估计值;
若否,对该导航状态量的最终估计值进行补偿,并通过所述第四级滤波器输出的该导航状态量补偿后的最终估计值。
7.一种基于多传感器的组合导航装置,其特征在于,包括:
获取模块,配置为获取多种类型的传感器采集的传感器数据;
第一确定模块,配置为确定对应于局部状态量的若干第一组合方式,并针对确定出的每种第一组合方式,将该第一组合方式对应的若干种传感器的传感器数据输入第二级滤波器,进行信息融合,得到所述第二级滤波器的输出结果,所述第二级滤波器的输出结果中至少包括局部状态量的状态估计值;
第二确定模块,配置为确定对应于全局状态量的若干第二组合方式,并针对确定出的每种第二组合方式,将该第二组合方式对应的传感器数据,输入第三级滤波器,进行信息融合,得到所述第三级滤波器的输出结果,所述第三级滤波器的输出结果中至少包括全局状态量的状态估计值,所述第二组合方式对应的传感器数据至少包括部分第二级滤波器的输出结果或若干种传感器的传感器数据;
第三确定模块,配置为针对每个导航状态量,将至少部分第三级滤波器的输出结果以及至少部分对应于该导航状态量的第二级滤波器的输出结果,输入该导航状态量对应的第四级滤波器,得到所述第四级滤波器输出的该导航状态量的最终估计值,以基于各导航状态量的最终估计值,确定无人驾驶设备的当前状态。
8.如权利要求7所述的装置,其特征在于,所述第三确定模块具体用于,确定历史时刻得到该导航状态量的最终估计值,作为先验信息;根据所述先验信息,以及至少部分第三级滤波器输出的该导航状态量的协方差矩阵,确定各第三级滤波器输出的该导航状态量的状态估计值的置信度;根据所述先验信息,以及至少部分第二级滤波器输出的该导航状态量的协方差矩阵,确定所述第二级滤波器输出的该导航状态量的状态估计值的置信度;根据各第三级滤波器输出的该导航状态量的状态估计值及其置信度,至少部分第二级滤波器输出的该导航状态量的状态估计至及其置信度,得到所述第四级滤波器输出的该导航状态量的最终估计值。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~6任一所述的方法。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210179201.7A CN116698019A (zh) | 2022-02-25 | 2022-02-25 | 一种基于多传感器的组合导航方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210179201.7A CN116698019A (zh) | 2022-02-25 | 2022-02-25 | 一种基于多传感器的组合导航方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116698019A true CN116698019A (zh) | 2023-09-05 |
Family
ID=87822640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210179201.7A Pending CN116698019A (zh) | 2022-02-25 | 2022-02-25 | 一种基于多传感器的组合导航方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116698019A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2022
- 2022-02-25 CN CN202210179201.7A patent/CN116698019A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111077555B (zh) | 一种定位方法及装置 | |
CN111797906B (zh) | 基于视觉和惯性里程定位的方法及装置 | |
CN116740361B (zh) | 一种点云分割方法、装置、存储介质及电子设备 | |
CN113109851A (zh) | 一种异常检测方法、装置、存储介质及电子设备 | |
CN116698019A (zh) | 一种基于多传感器的组合导航方法及装置 | |
CN111288971A (zh) | 一种视觉定位方法及装置 | |
CN112762965A (zh) | 一种磁力计校准方法以及装置 | |
CN116309823A (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
CN111192303A (zh) | 一种点云数据处理方法及装置 | |
CN116347623B (zh) | 一种任务调度的方法、装置、存储介质及电子设备 | |
CN113887351B (zh) | 一种用于无人驾驶的障碍物检测方法及障碍物检测装置 | |
CN116929407A (zh) | 一种自适应数据校准方法及装置 | |
CN116300842A (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 | |
CN111798489B (zh) | 一种特征点跟踪方法、设备、介质及无人设备 | |
CN117095371A (zh) | 一种目标检测方法及检测装置 | |
CN113048989B (zh) | 一种无人驾驶设备的定位方法及定位装置 | |
CN112712561A (zh) | 一种建图方法、装置、存储介质及电子设备 | |
CN112393723B (zh) | 一种定位方法、设备、介质及无人设备 | |
CN114115247B (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 | |
JPWO2020230228A1 (ja) | ロケータ装置およびその精度評価システムならびに測位方法 | |
CN114332226A (zh) | 一种位姿优化方法及装置 | |
CN116242385A (zh) | 一种视觉导航数据校准方法及装置 | |
CN115776345B (zh) | 一种干扰测量的方法、装置、存储介质及电子设备 | |
CN116625372A (zh) | 一种多源无人机导航方法、装置、存储介质及电子设备 | |
CN116184466A (zh) | 一种确定无人机降落点的方法及装置 |
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 |