JP2021177168A - 車両のデッドレコニング方法、装置、デバイス、記憶媒体、及びプログラム - Google Patents

Abstract

【課題】デッドレコニング結果の精度を高めること。【解決手段】本発明は、車両のデッドレコニング方法、装置、デバイス、記憶媒体、及びプログラムを開示し、車両制御、インテリジェント運転、自動運転分野に関する。具体的に、車両の車輪速度情報に基づいて、当該車両の位置姿勢増分を得、当該車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、当該車両の現在時刻の位置姿勢に対してデッドレコニングを行う。本発明によれば、車輪速度情報を利用して位置姿勢増分を得、さらに位置姿勢増分を利用してデッドレコニングを行い、それによって累計誤差を減らし、デッドレコニング結果の精度を高めることができる。【選択図】図１

Description

本発明は、車両技術分野に関し、特に車両制御、インテリジェント運転、自動運転分野に関する。

通常、車両のデッドレコニングシステムは、ＩＭＵ（Ｉｎｅｒｔｉａｌ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ、慣性計測装置）及び車速センサーを含む。まず、ＩＭＵの３軸のジャイロと３軸の加速度情報に対して積分を行い、車両姿勢、速度及び位置の先験的予測を取得する。そして、カルマンフィルタリングモデルを利用して、車両の速度状態を修正し、ポステリオリ位置姿勢推定を得る。

しかしながら、このような観測は車速情報だけによるものであり、速度状態しか修正されず、長距離のＤＲ（Ｄｅａｄ−Ｒｅｃｋｏｎｉｎｇ、デッドレコニング）において、誤差がたくさん累計され、長いトンネル、谷間等のような測位信号の悪い場面に対するデッドレコニング精度要求を満たすのは困難である。

本発明は、車両のデッドレコニング方法、装置、デバイス及び記憶媒体を提供する。

本発明の１様態では、車両のデッドレコニング方法を提供し、当該方法は、
車両の車輪速度情報に基づいて、当該車両の位置姿勢増分を得ることと、
当該車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、当該車両の現在時刻の位置姿勢に対してデッドレコニングを行うことと、を含む。

本発明の他方の様態では、車両のデッドレコニング装置を提供し、当該装置は、
車両の車輪速度情報に基づいて、当該車両の位置姿勢増分を得るように構成される増分モジュールと、
当該車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、当該車両の現在時刻の位置姿勢に対してデッドレコニングを行うように構成される推定モジュールと、を備える。

本発明によれば、車輪速度情報を利用して位置姿勢増分を得てから、さらに位置姿勢増分を利用してデッドレコニングを行い、それによって累計誤差を減らし、デッドレコニング結果の精度を高めることができる。

なお、ここで記載されている内容は、本発明の実施形態においてキーとなっている、又は重要視されている特徴、本発明の範囲を限定しているわけではない。本発明の他の特徴は下記の明細書の記載によって理解を促す。

本発明の実施形態による車両のデッドレコニング方法のフローチャートである。 本発明のもう１つの実施形態による車両のデッドレコニング方法のフローチャートである。 本発明のもう１つの実施形態による車両のデッドレコニング方法のフローチャートである。 本発明のもう１つの実施形態による車両のデッドレコニング方法のフローチャートである。 例示的な測位システムのアーキテクチャの模式図である。 例示的な測位システムの動作フローチャートを示す図である。 車輪速度を導き出す原理の模式図である。 車輪速度位置姿勢の推測原理の模式図である。 デッドレコニングの縦方向位置誤差の推測距離による変化曲線の例を示す図である。 デッドレコニングの横方向位置誤差の推測距離による変化曲線の例を示す図である。 本発明の１つの実施形態による車両のデッドレコニング装置のブロック図である。 本発明の１つの実施形態による車両のデッドレコニング装置のブロック図である。 本発明の実施形態における車両のデッドレコニング方法を実現するための電子デバイスのブロック図である。

上記の図面は、よりよく本発明を理解させるためのものであり、本発明を限定するものではない。

以下、添付図面を参照しながら、本発明の例示的な実施形態について説明するが、理解を容易にするために本発明の実施形態の様々な詳細が含まれており、それらは単なる例示的なものと見なすべきである。したがって、当業者は、本発明の範囲及び旨から逸脱することがなく、本発明の明細書に記載された実施形態に対して様々な変更及び修正を行うことができることを理解すべきである。同様に、以下の説明では、明瞭かつ簡潔のために、公知の機能及び構造についての説明を省略する。

図１は、本発明の１つの実施形態による車両のデッドレコニング方法のフローチャートであり、当該方法は下記のステップを含み得る。

Ｓ１０１において、車両の車輪速度情報に基づいて、当該車両の位置姿勢増分を得る。

Ｓ１０２において、当該車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、当該車両の現在時刻の位置姿勢に対してデッドレコニングを行う。

デッドレコニングは、通常、初期位置に変位ベクトルを累計して現在位置を計算し、デッドレコニングは、情報を累計するプロセスである。ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ、グローバル測位システム）／ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ、グローバルナビゲーション衛星システム）の信号が悪く、測位困難又は測位不可となった場合、各種のセンサー（ジャイロセンサー、加速度センサー、速度パルス等）からの情報によって、デッドレコニングを行って現在位置を得、それによって高精度測位を維持することができる。デッドレコニングは、車両ナビゲーション等の場面に適用されることができ、例えば、車両制御装置によって本発明の実施形態における車両のデッドレコニング方法を実行し、正確の位置姿勢と速度等情報を得、ナビゲーションを補助する。本発明の実施形態における車両は、人間操作の車両、自動運転の車両等を含むことができる。

車両の車輪速度情報は車輪の回転を含み、車輪速度センサー等によって車輪の回転を測定することができる。例えば、車両が四つの車輪があり、車両運転中、車輪速度センサーを利用してぞれぞれの車輪の回転を測定することができる。同一時刻における車両の車速は１つだけであるが、車両のそれぞれの車輪の回転は異なる可能性があり、特にカーブを曲がる場合、左輪と右輪の回転が相違し得る。

例示的に、車両の位置姿勢情報は、車両の位置座標と車体姿勢角とを含む。位置姿勢増分は、位置増分と姿勢増分とを含み得る。例えば、姿勢増分は進路増分を含み得る。

本実施形態において、ＧＰＳ／ＧＮＳＳ信号の品質が悪い場合、本発明の実施形態における車両のデッドレコニング方法を採用することができ、車輪速度情報に基づいて、当該車両の位置姿勢増分を得てから、当該車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、車両の現在時刻の位置姿勢観測を得る。現在時刻の位置姿勢観測、先験的位置姿勢、及びカルマンフィルタリングモデルに基づいて、ポステリオリ位置姿勢推定を得、それによってデッドレコニングの精度を高めることができる。

ＧＰＳ／ＧＮＳＳ信号の品質が良い場合、相関技術における車両のデッドレコニング方法を採用することができ、即ち、ＩＭＵの３軸のジャイロと３軸の加速度情報に対して積分を行い、車両姿勢、速度、及び位置の先験的予測を得、そして、カルマンフィルタリングモデルを利用し、車速観測をナビゲーション座標系に変換し、車両速度状態を修正し、ポステリオリ位置姿勢推定を得る。

本発明の実施形態において、車輪速度情報を利用して位置姿勢増分を得てから、さらに位置姿勢増分を利用してデッドレコニングを行い、それによって累計誤差を減らし、デッドレコニング結果の精度を高めることができる。

図２は、本発明のもう１つの実施形態による車両のデッドレコニング方法のフローチャートである。当該実施形態における車両のデッドレコニング方法は、上記の実施形態の各ステップを含み得る。本実施形態は、可能な実施形態において、Ｓ１０１は以下を含む、

Ｓ２０１において、当該車輪速度情報に基づいて、当該車両の位置増分を得る。

本実施形態において、車輪速度情報を利用して位置増分を得、さらに位置増分を利用してデッドレコニングを行い、それによって車両位置の累計誤差を減らし、デッドレコニングする車両位置の精度を高めることができる。

可能な実施形態において、Ｓ２０１は、
左車輪速度、右車輪速度、車輪半径、及び隣接する時刻の間の時間長に基づいて、後軸中心の運動弧長を計算することと、
当該後軸中心の運動弧長と進路角に基づいて、当該車両の位置増分を計算することと、を含む。

通常、車両の後軸が非ステアリング用であり、後軸に２つの後輪が接続される。本実施形態において、左車輪速度は、後軸に接続される左側の後輪の車輪速度であり得り、右車輪速度は、後軸に接続される右側の後輪の車輪速度であり得る。

例示的に、左車輪速度をw_lとし、右車輪速度をw_rとし、車輪半径をrとし、隣接する時刻の間の時間長をdtとする場合、下記の式において、後軸中心の運動弧長d_centerを計算することができる。

例示的に、後軸中心の運動弧長をd_centerとし、進路角をθとする場合、下記の式において、当該車両の位置増分Δwheel_posを計算することができる。

例えば、ナビゲーション座標系がＥＮＵ座標系であり、ｘ軸が東向きを表し、ｙ軸が北向きを表し、ｚ軸が上向きを表し、d_centercos(θ)が、車輪がｘ軸方向の位置増分を表し、d_centersin(θ)が、車輪がy軸方向の位置増分を表し、０が、車両がｚ軸方向の位置増分を表す。

本実施形態において、後軸の左車輪速度、右車輪速度、車輪半径、及び隣接する時刻の間の時間長に基づいて、後軸中心の運動弧長を計算し、さらに後軸中心の運動弧長と進路角に基づいて、車両の位置増分を計算し、さらに位置増分を利用してデッドレコニングを行うことができ、それによって車両位置の累計誤差を減らし、デッドレコニングする車両位置の精度を高めることができる。

可能な実施形態において、Ｓ１０２は以下を含み、
Ｓ２０２において、当該車両の位置増分と直前時刻の位置に基づいて、当該車両の現在時刻の位置観測を得る。

例示的に、_state_at_wheel_prevが車両の直前時刻の位置を表し、z_{wheel_pos}が現在時刻で車輪速度によって導き出される位置観測を表すとした場合、z_{wheel_pos}＝_state_at_wheel_prev + Δwheel_posである。

本実施形態において、位置増分と直前時刻の位置を利用して、当該車両の現在時刻の位置観測を得ることができ、より正確の車両位置を得ることができる。

可能な実施形態において、Ｓ１０２は、以下をさらに含み、
Ｓ２０３において、当該車両の現在時刻の位置観測と当該車両の現在時刻の位置先験との位置差値を計算し、当該位置差値をカルマンフィルタリングモデルに入力し、現在時刻の最適位置推定を得る。

例示的に、_state_at_wheelが現在時刻の車両の位置を表し、h_{wheel_pos}が現在時刻の位置先験を表すとした場合、h_{wheel_pos}＝_state_at_wheelである。位置観測z_{wheel_pos}と位置先験との差値inno_{weheel_pos}を
inno_{weheel_pos}＝z_{wheel_pos}−h_{wheel_pos}と表すことができる。

当該inno_{weheel_pos}をカルマンフィルタリングモデルに入力し、車両の現在時刻における最適位置推定を得ることができる。

例示的に、現在時刻の位置先験h_{wheel_pos}が運動方程式によって得られ、下記の式の位置予測方程式を参照する。
P_k+1＝p_k＋v_k×d_t
ここで、P_k+1が現在時刻（時刻ｋ＋１）の位置先験h_{wheel_pos}であり、P_kが直前時刻（時刻ｋ）の車両位置であり、v_kが、直前時刻の車両の東向き、北向き及び上向きの速度であり、d_tが、隣接する時刻の間の時間長である。ここで、時刻ｋ＋１と時刻kの時間間隔はd_tである。

本実施形態において、現在時刻の位置観測と当該車両の現在時刻の位置先験との位置差値を、カルマンフィルタリングモデルに入力し、現在時刻の最適位置推定をより正確に得ることができる。

図３は、本発明のもう１つの実施形態による車両のデッドレコニング方法のフローチャートである。当該実施形態における車両のデッドレコニング方法は、上記のいずれの実施形態の各ステップを含み得る。本実施形態において、可能な実施形態において、Ｓ１０１は以下を含み、

Ｓ３０１において、当該車輪速度情報に基づいて、当該車両の進路増分を得る。

本実施形態において、車輪速度情報を利用して進路増分を得、さらに進路増分を利用してデッドレコニングを行い、車両進路の累計誤差を減らし、デッドレコニングする車両進路の精度を高めることができる。

可能な実施形態において、Ｓ３０１は、
左車輪速度と右車輪速度との差値、輪距、及び車輪半径に基づいて、前記車両の進路角速度を計算することと、
当該車両の進路角速度と隣接する時刻の間の時間長に基づいて、当該車両の進路増分を計算することと、を含む。

車輪速度を用いて位置推定を行うことには累計誤差が生じるが、隣接する時刻における推算が安定で信用性がある。そのため、隣接する時刻における車輪速度を選択して位置増分の推算を行うことができる。

例示的に、左車輪速度w_lと右車輪速度w_rとの差値、車両後軸の輪距Ｌ、及び車輪半径ｒに基づいて、車両の進路角速度ω_tを、以下の式で表すことができる。

例示的に、ω_t＝d_θ/d_t、d_θが進路増分を表し、d_tが隣接する時刻の間の時間長を表し、d_tは０に近づくことができる。進路増分Δwheel_theta（即ち、d_θ）は、Δwheel_theta＝ω_td_tと表すことができる。

本実施形態において、左車輪速度と右車輪速度との差値、輪距、及び車輪半径に基づいて、前記車両の進路角速度を計算し、車両の進路角速度と隣接する時刻の間の時間長に基づいて、車両の進路増分を計算する。そして、進路増分を利用してデッドレコニングを行うことができ、車両進路の累計誤差を減らし、デッドレコニングする車両進路の精度を高めることができる。

可能な実施形態において、Ｓ１０２は、以下を含み、
Ｓ３０２において、当該車両の進路増分と直前時刻の進路角に基づいて、当該車両の現在時刻の進路観測を得る。

車輪速度を用いて進路推定を行うことには累計誤差が生じるが、隣接する時刻における推算は、安定で信頼性がある。そのため、隣接する時刻における車輪速度を選択して進路増分を推算することができる。

例示的に、_state_at_wheel_prevが直前時刻の車両の進路を表し、Δwheel_headingが車輪速度によって直前時刻と現在時刻との間で推算される進路増分を表し、z_{wheel_heading}が現在時刻で車輪速度によって推算される進路観測を表すとした場合、z_{wheel_heading}＝_state_at_wheel_prev＋Δwheel_thetaである。

本実施形態において、進路増分と直前時刻の位置を利用して、当該車両の現在時刻の進路観測を得ることができ、より正確の車両進路を得ることができる。

可能な実施形態において、Ｓ１０２はさらに以下を含み、
Ｓ３０３において、当該車両の現在時刻の進路観測と当該車両の現在時刻の進路先験との進路差値を計算し、当該進路差値をカルマンフィルタリングモデルに入力し、現在時刻の最適進路推定を得る。

例示的に、h_{wheel_heading}が現在時刻の進路先験を表し、_state_at_wheelが現在時刻の車両の進路を表すとした場合、h_{wheel_heading}＝_state_at_wheelである。進路観測と進路先験との差値がinno_{wheel_heading}を、
inno_{wheel_heading}＝z_{wheel_heading}−h_{wheel_heading}と表すことができる。

当該inno_{wheel_heading}をカルマンフィルタリングモデルに入力し、車両の現在時刻の最適進路推定を得ることができる。

例示的に、現在時刻の進路先験h_{wheel_heading}が運動方程式によって得られることができ、下記の式の姿勢予測方程式を参照する。

ここで、q_k+1が現在時刻の車両姿勢四元数を表し、q_kが直前時刻の車両姿勢四元数を表し、ω_k+1が、現在時刻のＩＭＵの３軸のジャイロの測定値を表し、ω_bkが、アルゴリズムで推定されるＩＭＵの３軸のアングルウォークノイズであり、〇中に×の記号が四元数の掛け算を表す。例えば、車両姿勢が進路角を含むことを例として説明すると、q_k+1を現在時刻の進路角に代入し、q_kを直前時刻の進路角に代入する。

例示的に、位置差値と進路差値とをカルマンフィルタリングモデルにそれぞれ入力し、車両の現在時刻の最適位置推定と最適進路推定を得ることができる。下記の式を参照し、
ポステリオリ位置姿勢推定を以下の式で表すことができる。

ポステリオリ位置姿勢共分散マトリックスを下記の式のように更新する。

本実施形態において、現在時刻の進路観測と当該車両の現在時刻の位置先験との進路差値を、カルマンフィルタリングモデルに入力し、それによって、得られる現在時刻の最適進路推定はより正確である。

図４は、本発明のもう１つの実施形態による車両のデッドレコニング方法のフローチャートである。当該実施形態における車両のデッドレコニング方法は、上記のいずれかの実施形態の各ステップを含み得る。本実施形態において、可能な実施形態において、当該方法はさらに以下を含み、
Ｓ４０１において、当該車輪速度情報に基づいて、当該車両の速度を計算する。

本実施形態において、車輪速度情報を利用して車両の速度を得、さらに車両の速度を利用してデッドレコニングを行い、デッドレコニングの観測量を充実することができ、ＩＭＵによる累計誤差を減らし、デッドレコニングする車両速度の精度を高めることができる。

可能な実施形態において、Ｓ４０１は、
左車輪速度、右車輪速度、及び車輪半径に基づいて、左輪線速度と右輪線速度とを計算することと、
当該左輪線速度と当該右輪線速度に基づいて、後軸中心線速度を計算することと、を含む。

本実施形態において、左車輪速度、右車輪速度、及び車輪半径に基づいて、左輪線速度と右輪線速度とを計算し、さらに当該左輪線速度と当該右輪線速度との平均値を計算し、後軸中心線速度を得、後軸中心線速度を車両の速度とすることによって、得られる車両の速度はより正確である。

例示的に、左車輪速度をw_lとし、右車輪速度をw_rとする場合、左輪の線速度v_lと右輪の線速度v_rは、
v_l＝w_l×r、
v_r＝w_r×r
とそれぞれ表すことができる。このように、後軸中心の線速度v_mv_mは、左輪の線速度v_lと右輪の線速度v_rとの平均値、即ち、以下に等しい。

可能な実施形態において、当該方法は、以下をさらに含み、
Ｓ４０２において、後軸測定縦方向速度と実速度との比例係数、後軸中心線速度、及び車体座標系からナビゲーション座標系への変換マトリックスに基づいて、当該車両の車速観測を得る。

例示的に、後軸測定縦方向速度と実速度との比例係数をscalとし、車体座標系からナビゲーション座標系への変換マトリックスを以下とする。

ここで、ｎがｎａｖｉｇａｔｉｏｎ（ナビゲーション）であり、ｂがｂｏｄｙ（車体）であり、後軸中心線速度がv_mである。

車体座標系の縦方向をｘ軸とし、横方向をｙ軸とし、鉛直方向をｚ軸とすると、v_x、v_y、v_zが、車両縦方向、横方向、及び鉛直方向の速度を表し、車両の車速観測z_wheelは、以下のように表せる。

本実施形態において、車輪速度情報を利用して車両の速度を得、さらにカルマンフィルタリングモデルの変換マトリックスを利用して、当該速度を車体座標系からナビゲーション座標系に変換し、デッドレコニングの観測量を充実することができ、ＩＭＵによる累計誤差を減らし、デッドレコニングする車両速度の精度を高めることができる。

応用例において、図５に示すように、低コストのＩＭＵと車輪速度を利用した測位システムは、安価なＩＭＵ、車輪速度ＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ、コントローラエリアネットワーク）、及びＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ、グローバルナビゲーション衛星システム）センサーデータを含み得る。ＩＭＵによって、位置姿勢の先験的推定のための３軸角速度と加速度を取得することができる。ここで、車輪速度ＣＡＮによって、デッドレコニングの位置姿勢観測のための後輪車輪速度を解析することができる。ＧＮＳＳによって、正常差分におけるデータ融合と正確測定のための現在の車両の速度、位置及び進路を得ることができる。

第１部分、先験的位置姿勢とカルマンフィルタリングモデル
１．１、姿勢予測

ここで、q_k+1が現在時刻の車両姿勢四元数を表し、q_kが直前時刻の車両姿勢四元数を表し、ω_k+1が現在時刻におけるＩＭＵの３軸のジャイロの測定値を表し、ω_bkがアルゴリズムで推定されるＩＭＵの３軸のアングルウォークノイズであり、〇中に×の記号が四元数の掛け算を表す。

１．２、速度予測

ここで、v_k+1が現在時刻の車両の東向き、北向き及び上向きの速度を表し、v_kが、直前時刻の車両速度を表し、a_k+1が現在時刻におけるＩＭＵの３軸のジャイロの測定値を表し、a_bkがアルゴリズムで推定されるＩＭＵ３軸加速度ウォークノイズであり、車体座標系からナビゲーション座標系への変換マトリックスが以下である。

１．３、位置予測
p_k+1＝p_k＋v_k×d_t
ここで、p_k+1が現在時刻の位置先験h_{wheel_pos}であり、p_kが直前時刻の車両位置であり、v_kが直前時刻の車両の東向き、北向き及び上向きの速度であり、d_tが隣接する時刻の間の時間長である。

１．５、カルマンゲインK_k+1を下記の式のように更新する

第２部分：車輪速度情報によるデッドレコニング原理
２．１、測位アルゴリズムプロセス
図６は、測位アルゴリズムプロセスの一例であり、まず、ＩＭＵの３軸のアングル（角速度）と加速度データとを取得することができる。３軸のジャイロと加速度データとに対して積分を行い、車両速度と位置姿勢の先験的推定を得る。その後、システムによってＧＮＳＳの差分状態を判定し、ＧＮＳＳデータが使えるか否かを判定する。例えば、ＧＮＳＳの品質が良く、ＧＮＳＳデータが使えるとした場合、ＧＮＳＳから得られた速度、位置、進路情報、及び車輪速度で算出された縦方向速度を利用して、カルマンフィルタリングモデルによってデータ融合を行い、ＩＭＵの３軸のアングル、加速度のウォークノイズ、車速比例係数、車両速度、及び位置姿勢誤差を推定する。ＧＮＳＳの品質が芳しくなく、ＧＮＳＳデータが使えない場合、本発明の実施形態におけるデッドレコニング方法を採用し、車輪速度情報、例えば後輪車輪速度を利用して、車両後軸横縦方向速度、進路角速度、位置増分、及び進路増分を推定する。その後、車輪速度によって推定された速度、位置増分、及び進路増分に基づいて、カルマンフィルタリングモデルを採用してデッドレコニングを行う。それによって、車両の速度、位置姿勢の最適推定を得る。

２．２、車輪速度観測融合の実現方式
後輪（左後輪、右後輪）車輪速度情報に基づいて、車両運動学モデルを利用して、車両縦方向、横方向速度、進路角速度、及び位置姿勢に対して推定を行う。推定された位置姿勢を位置と進路の観測とし、カルマンフィルタリングモデルを導入し、アルゴリズムのデッドレコニング性能、及び低速、渋滞場面の測位能力を向上させる。

例えば、車輪速度センサーに対する観測融合は、主に下記を含み、即ち、
車輪速度情報による車両縦方向、横方向速度、及び進路角速度の推定、
車輪速度情報による位置増分と進路増分位置姿勢推定、及び、
車両縦方向、横方向速度、位置増分、及び進路増分による観測更新、を含む。

２．３、デッドレコニングのメリット
デッドレコニング能力の向上によって、下記場面の測位能力を有効に向上させることができ、即ち、
ＧＰＳデータ品質が悪い時の測位システムのデッドレコニング能力を向上させ、
低速渋滞場面の測位能力（例えば車速が５ｍ／ｓより低い）を向上させ、
大きいカーブ（２つの高架橋の交差部のインターチェンジ、システムインターチェンジ又は基幹立体交差橋と言い、英語はＪｕｎｃｔｉｏｎであり、ＪＣＴと略称する）、急カーブ等の場面の測位能力を向上させることができる。

２．４、車輪速度による車両縦方向、横方向速度、及び進路角速度の推定原理
後軸両輪の車輪速度を例として、車両横縦方向速度及び進路角速度を下記のように導き出し、即ち、
図７を参照し、車両物理パラメータとして輪距がＬであり、車輪半径がｒである。
車輪速度センサー（車輪速度計とも言う）によって、左車輪速度w_lと右車輪速度w_rを得ることができ、車輪の滑りを考慮しなければ、左／右輪の線速度は、
v_l＝w_l×r
v_r＝w_r×r
と表すことができ、ここで、v_lが左輪の線速度を表し、v_rが右輪の線速度を表す。

左／右輪線速度によって後軸中心の線速度v_mを下記のように導き出すことができ、その方向は後軸に垂直であるため、以下の通りとなる。

可能な実施形態において、進路増分の導出原理は、
左車輪速度w_l、右車輪速度w_r、車輪半径ｒ、及び隣接する時刻の間の時間長dtに基づいて、左輪と右輪の運動弧長増分ds_l及びds_rを得ることができる。当該左輪と右輪の運動弧長増分、及び輪距Ｌに基づいて、車両の進路増分d_θを得ることができる。

また、車両の進路増分と隣接する時刻の間の時間長に基づいて、車両の進路角速度ωを得ることができる。後軸中心線速度v_mと進路角速度に基づいて、カーブの曲り半径Ｒを得ることができる。

２．５、車輪速度による位置姿勢の推測原理
可能な実施形態において、位置増分を導き出す原理は、
直前時刻の後軸中心の位置(x,y)、直前時刻の後軸中心の進路角θ、及びカーブの曲り半径Ｒに基づいて、回転中心Ｐの位置（P_x,P_y）（）を得ることができる。回転中心Ｐの位置（P_x,P_y）、直前時刻の後軸中心の位置(x,y)、進路増分φ、及び後軸中心運動弧長に基づいて、現在時刻の後軸中心の位置(x′,y′)(x',y')を得ることができる。現在時刻の後軸中心の位置と直前時刻の後軸中心の位置に基づいて、位置増分を得ることができる。

例示的に、図８に示すように、車両がdt時刻を経由して回転中心Ｐを中心として角度φ曲り、r_centerが後軸中心のカーブの曲り半径であり、r_leftが後軸左輪のカーブの曲り半径であり、r_rightが後軸右輪のカーブの曲り半径である。

直前時刻の後軸中心の位置姿勢(x,y,θ)から現在時刻の後軸中心の位置姿勢(x′,y′,θ′)に移動し、その場合、回転中心Ｐの座標（P_x,P_y）（）を、以下のように表すことができる。

ここで、r_centerがカーブの曲り半径Ｒであり、また、回転半径と称することもできる。Ｐから後軸中心(x,y)又は(x′,y′)までの距離がr_centerであり、(x,y)が直前時刻の後軸中心の位置であり、(x′,y′)が現在時刻の後軸中心の位置である。θが直前時刻の後軸中心の進路角であり、θ′が現在時刻の後軸中心の進路角である。

回転中心Ｐの座標に基づいて、(x′,y′,θ′)の座標を下記のように導出することができる。

また、直前時刻の後軸中心の進路角θ、進路増分φ（即ち、d_θ）に基づいて、下記の式のように、現在時刻の後軸中心の進路角θ′を得ることができ、
θ′＝θ＋φ＝θ＋ωd_t
ここで、ωが車両の進路角速度であり、d_tが隣接する時刻の間の時間長である。

２．６、車両縦方向、横方向速度、及び後軸縦方向速度ｓｃａｌｅによる観測の更新
車輪速度モデルに基づいて、車両後軸中心の横縦方向速度を推定しており、そのため、推定された横縦方向速度を速度観測として状態の修正と更新に用いる。

上記の車輪速度モデルによって車両縦方向速度を導き出すことができ、後軸が非ステアリング軸であるため、横方向と鉛直方向の速度をゼロと大まかに見なすことができる。車体座標系の縦方向をｘ軸とし、横方向をｙ軸として、鉛直方向をｚ軸とすると、v_x、v_y、v_zが車両縦方向、横方向、及び鉛直方向の速度を表す。ここで、v_xは上記の後軸中心線速度v_mの計算方式を参照することができる。v_x、v_y、v_zの計算方程式は、下記のようになる。

２．７、車輪速度推定による位置増分に基づいて位置に対して観測の更新を行う
上記の導出プロセスを参照し、車輪速度モデルに基づいて、隣接する時刻の車両位置の変換関係を推定することができ、即ち、以下の通りである。

そのため、隣接する時刻で、車輪速度によって導出される位置増分（例えば、ナビゲーション座標系がＥＮＵ座標系である場合、ｘ軸が東向きを表し、ｙ軸が北向きを表し、ｚ軸が上向きを表す）は、下記の式に表すことができ、ここでd_centerが、隣接する時刻の車両運動の弧長を表し、θが車両進路（真東方向との夾角）を表す。

ナビゲーション座標系が変化した場合、上記の車両進路等の計算式も、それに応じて変更することができる。

車輪速度を用いて位置推定を行うことには累計誤差が生じるが、隣接する時刻における推算は、安定で信頼性がある。そのため、下記のように、隣接する時刻における車輪速度を選択して位置増分の推算を行うことができ、ここで_state_at_wheel_prevが直前時刻の車両の位置を表し、Δwheel_posが車輪速度によって直前時刻と現在時刻との間で算出される位置増分を表し、_state_at_wheelが現在時刻の車両の位置を表す。
z_{wheel_pos}＝_state_at_wheel_prev＋Δwheel_pos
h_{wheel_pos}＝_state_at_wheel
z_{wheel_pos}が現在時刻で車輪速度によって導き出される位置観測を表し、h_{wheel_pos}が、現在時刻の位置先験を表し、その場合、位置観測と位置先験との差値は、
inno_{wheel_pos}＝z_{wheel_pos}−h_{wheel_pos}
と表すことができる。

２．８、車輪速度推定による進路増分に基づいて、進路に対して観測更新を行う
車輪速度モデルによって、隣接する時刻の車両進路の変換関係を推定しているため、車輪速度モデルで推定された進路増分を利用して観測更新を行うことができ、進路の予測精度を向上させることができる。

上記の導出によって、車両の進路角速度ω_tを、下記の式のように、左／右車輪速度w_l、w_rの差値によって算出することができ、ここでＬが輪距を表し、ｒが車輪半径である。

その場合、隣接する時刻の進路増分Δwheel_theta（即ち、d_θ）は、
Δwheel_theta＝ω_td_t
と表すことができ、車輪速度を用いて進路推定を行うことには累計誤差が生じるが、隣接する時刻における推算は、安定で信頼性がある。そのため隣接する時刻における車輪速度を選択して進路増分を推算することができる。

仮に、_state_at_wheel_prevが直前時刻の車両の進路を表し、Δwheel_headingが車輪速度によって直前時刻と現在時刻との間で算出される進路増分を表し、_state_at_wheelが、現在時刻の車両の進路を表し、d_tが隣接する時刻の間の時間長であり、
z_{wheel_heading}＝_state_at_wheel_prev＋Δwheel_theta
h_{wheel_heading}＝_state_at_wheel
となり、z_{wheel_heading}が、現在時刻で車輪速度によって導き出される進路観測であり、h_{wheel_heading}が現在時刻の進路先験であり、その場合、進路観測と進路先験との差値は、
inno_{wheel_heading}＝z_{wheel_heading}−h_{wheel_heading}
と表すことができ、また、上記の位置観測と位置先験との差値、及び進路観測と進路先験との差値を、カルマンフィルタリングモデルに代入することができ、それによって、より正確な位置姿勢推定を得ることができる。

例示的に、下記において、具体的な値を本発明の実施形態における主な式に代入して車両のデッドレコニングのプロセスを説明する。

車輪速度センサーを利用してある時刻の左輪線速度v_l＝w_l×r＝14.063m/sを得ることができ、右輪線速度がv_r＝w_r×r＝13.953m/sであり、隣接する時刻のサンプリング間隔がd_t＝１０１ｍｓであり、後輪軸距Ｌが１．９３５ｍであり、前のサンプリング間隔における車両進路θが１６０．３３７°である場合、以下のようになる。

また、直前時刻の車両ナビゲーション座標位置が_state_at_wheel_prev＝(-452.789、122.191、0)である場合、車輪速度によって得られる現在時刻の位置姿勢観測は、以下のようになる。

その後、上記の位置姿勢観測をカルマンフィルタリングモデルに入力し、最適の位置姿勢推定を得ることができる。

図９、図１０に、相関方法と本発明におけるデッドレコニング方法とが、２．５ｋｍのトンネルの場面において初期化してＤＲ推算した横縦方向推算誤差を対比した結果を示しており、デッドレコニングの横縦方向誤差の推測距離による変化曲線（真の値が高精度と慣性ナビゲーションの組み合わせＳＰＡＮ−ＣＰＴのデータである）であり、単位がｍであり、よって、本発明におけるデッドレコニング方法は、２．５ｋｍの推測距離内で、測位システムの横縦方向位置の推算誤差を著しく低減することができる。

本発明は、車輪速度情報を十分に利用し、まず、後輪車輪速度差異に基づいて、車両進路角速度と縦方向速度を推定し、その後、車輪速度モデルによって、隣接する２回の車輪速度データの位置と進路変化量を推算する。本発明における方法は、相関技術のデッドレコニング方法と比較し、車輪速度を利用して推定された速度、位置増分及び進路情報を、共にカルマンフィルタリングモデルの観測として利用して、位置姿勢推定モデルの速度、位置、及び進路観測を充実することができ、同時にＩＭＵの３軸のアングル、加速度のウォークノイズに対して推定を行い、長距離のデッドレコニングにおいて、ＩＭＵの３軸のジャイロと３軸の加速度情報の積分による累計誤差を著しく減らすことができる。

図１１は、本発明の１つの実施形態における車両のデッドレコニング装置のブロック図である。当該装置は増分モジュール４１、推定モジュール４２を備える。

増分モジュール４１は、車両の車輪速度情報に基づいて、当該車両の位置姿勢増分を得るように構成される。

推定モジュール４２は、当該車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、当該車両の現在時刻の位置姿勢に対してデッドレコニングを行うように構成される。

可能な実施形態において、図１２に示すように、当該増分モジュール４１は、
当該車輪速度情報に基づいて、当該車両の位置増分を得るように構成される位置増分サブモジュール４１１を含む。

可能な実施形態において、当該位置増分サブモジュール４１１は、具体的に、左車輪速度、右車輪速度、車輪半径、及び隣接する時刻の間の時間長に基づいて、後軸中心の運動弧長を計算し、当該後軸中心の運動弧長と進路角に基づいて、当該車両の位置増分を計算するように構成される。

可能な実施形態において、当該推定モジュール４２は、
当該車両の位置増分と直前時刻の位置に基づいて、当該車両の現在時刻の位置観測を得るように構成される位置観測サブモジュール４２１を含む。

可能な実施形態において、当該推定モジュール４２は、
当該車両の現在時刻の位置観測と当該車両の現在時刻の位置先験との位置差値を計算し、当該位置差値をカルマンフィルタリングモデルに入力し、現在時刻の最適位置推定を得るように構成される位置推定サブモジュール４２２をさらに含む。

可能な実施形態において、当該増分モジュール４１は、
当該車輪速度情報に基づいて、当該車両の進路増分を得るように構成される進路増分サブモジュール４１２をさらに含む。

可能な実施形態において、当該進路増分サブモジュール４１２は、具体的に、左車輪速度と右車輪速度との差値、輪距、及び車輪半径に基づいて、当該車両の進路角速度を計算し、当該車両の進路角速度と隣接する時刻の間の時間長に基づいて、当該車両の進路増分を計算するように構成される。

可能な実施形態において、当該推定モジュール４２は、
当該車両の進路増分と直前時刻の進路角に基づいて、当該車両の現在時刻の進路観測を得るように構成される進路観測サブモジュール４２３をさらに含む。

可能な実施形態において、当該推定モジュール４２は、
当該車両の現在時刻の進路観測と当該車両の現在時刻の進路先験との進路差値を計算し、当該進路差値をカルマンフィルタリングモデルに入力し、現在時刻の最適進路推定を得るように構成される進路推定サブモジュール４２４を含む。

可能な実施形態において、当該装置は、
当該車輪速度情報に基づいて、当該車両の速度を計算するように構成される速度モジュール５１をさらに含む。

可能な実施形態において、当該速度モジュール５１は、具体的に、当該左車輪速度、右車輪速度、及び車輪半径に基づいて、左輪線速度と右輪線速度とを計算し、当該左輪線速度と当該右輪線速度に基づいて、後軸中心線速度を計算するように構成される。

可能な実施形態において、当該装置は、
後軸測定縦方向速度と実速度との比例係数、後軸中心線速度、及び車体座標系からナビゲーション座標系への変換マトリックスに基づいて、当該車両の車速観測を得るように構成される速度観測モジュール５２をさらに含む。

本発明の実施形態における各装置内の各モジュールの機能は、上記の方法の対応的な記載を参照することができ、ここでは省略する。

本発明の実施形態によれば、本発明は電子デバイスと読取可能な記憶媒体をさらに提供する。

図１３は、本発明の実施形態における車両のデッドレコニング方法に基づいた電子デバイスのブロック図である。電子デバイスは、各形式のデジタルコンピュータを指し、例えば、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、個人デジタルアシスタント、サーバ、ブレードサーバ、大型コンピュータ、及びその他の適合するコンピュータが挙げられる。電子デバイスは、各形式の移動装置をさらに指し、例えば、個人デジタルアシスタント、セルラー電話、スマートフォン、ウェアラブルデバイス、及びその他の類似のコンピュータ装置が挙げられる。本発明に記載されているコンポーネント、それらの接続関係、及び機能は例示的なものに過ぎず、本発明に記載・特定されているものの実現を限定するわけではない。

図１３に示すように、当該電子デバイスは、１つ又は複数のプロセッサ９０１、メモリ９０２、及び各部品を接続するためのインターフェースを含み、高速インターフェースと低速インターフェースを含む。各部品が異なるバスによって接続され、共通マザーボードに装着することができ、又は必要に応じて他の方式で装着することがもできる。プロセッサは、電子デバイスで実行する命令を実行することができ、メモリに記憶される命令、又は外部入力／出力装置（例えば、インターフェースにカップリングする表示デバイス）に記憶され、ＧＵＩに表示するグラフィック情報の命令を含む。その他の実施形態において、必要があれば、複数のプロセッサ及び／又は複数のバス及び複数のメモリを一緒に使用することができる。同様に、複数の電子デバイスを接続することができ、各デバイスが各自の必要な操作を提供する（例えば、サーバアレイとしての１グループのブレードサーバ、又は、複数のプロセッサシステム）。図１３では１つのプロセッサ９０１を例としている。

メモリ９０２は、本発明に提供される非一時的コンピュータ可読記憶媒体である。ここで、当該メモリに少なくとも１つのプロセッサで実行する命令が記憶され、当該少なくとも１つのプロセッサに、本発明に提供される車両のデッドレコニング方法を実行させる。本発明の非一時的コンピュータ可読記憶媒体にコンピュータ命令が記憶され、当該コンピュータ命令は、コンピュータに本発明に提供される車両のデッドレコニング方法を実行させる。
メモリ９０２は、非一時的コンピュータ可読記憶媒体として、非一時的ソフトウェアプログラムを記憶するためのものであってもよく、非一時的コンピュータは、プログラム、及びモジュールを実行することができ、例えば、本発明の実施形態における車両のデッドレコニング方法が対応するプログラム命令／モジュール（例えば、図１１に示される増分モジュール４１及び推定モジュール４２）が挙げられる。プロセッサ９０１は、メモリ９０２に記憶される非一時的ソフトウェアプログラム、命令、及びモジュールを実行することによって、サーバの各機能及びデータ処理を実行し、即ち、上記の方法実施形態における車両のデッドレコニング方法を実現する。

メモリ９０２は、プログラム記憶領域とデータ記憶領域を含み、ここで、プログラム記憶領域に、オペレーションシステム、少なくとも１つの機能に必要なアプリケーションプログラムが記憶され得、データ記憶領域に、車両のデッドレコニング方法による電子デバイスの使用によって生成されるデータ等が記憶され得る。また、メモリ９０２は、高速ランダムアクセスメモリを含み得、非一時的メモリも含み得、例えば、少なくとも１つのディスク記憶素子、フラッシュ素子、又はその他の非一時的固体メモリ素子を含む。幾つかの実施形態において、メモリ９０２はプロセッサ９０１から遠隔に設置されるメモリを選択的に含み、これらの遠隔メモリは、ネットワークによって車両のデッドレコニング方法を実行する電子デバイスに接続されることができる。上記のネットワークは、インターネット、イントラネット、ローカルエリアネットワーク、移動通信ネットワーク及びそれらの組み合わせを例として含むが、それらを限定しない。

車両のデッドレコニング方法を実行する電子デバイスは、入力装置９０３及び出力装置９０４をさらに含み得る。プロセッサ９０１、メモリ９０２、入力装置９０３、及び出力装置９０４は、バス又は他の方式で接続されることができ、図１３ではバスによる接続を例としている。

入力装置９０３は入力された数字又は文字情報を受け取ることができ、車両のデッドレコニング方法を実行する電子デバイスのユーザ設定及び機能制御に関連するキーボード信号入力を生成し、例えば、タッチスクリーン、テンキー、マウス、トラックプレート、タッチタブレット、インジケーター、１つ又は複数のマウスボタン、トラックボール、ジョイスティックなどの入力装置が挙げられる。出力装置９０４は、表示用デバイス、照明補助装置（例えば、ＬＥＤ）及び触覚型フィードバック装置（例えば、振動モーター）等を含み得る。当該表示用デバイスは、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、及びプラズマディスプレイを含むが、それらを限定しない。幾つかの実施形態において、表示用デバイスは、タッチスクリーンであってもよい。

本発明におけるシステム及び技術に係る様々な実施形態は、デジタル電子回路システム、集積回路システム、専用集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔｓ、ＡＳＩＣ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／またはこれらの組み合わせによって実現されることができる。これらの様々な実施形態は、１つまたは複数のコンピュータプログラムにおいて実装されてもよく、この１つまたは複数のコンピュータプログラムは、少なくとも１つのプログラマブルプロセッサを含むプログラム可能なシステム上で実行されてもよく、及び／または解釈されてもよく、このプログラマブルプロセッサは、専用または汎用のプログラマブルプロセッサであってもよく、記憶システム、少なくとも１つの入力装置、及び少なくとも１つの出力装置より、データと命令を受信し、記憶システム、少なくとも１つの入力装置、及び少なくとも１つの出力装置に、データと命令を送信する。

これらの計算プログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、またはコードともいう）は、プログラマブルプロセッサのマシン命令を含み、プロセス指向及び／またはオブジェクト指向プログラミング言語、及び／またはアセンブリ／マシン言語を用いてこれらの計算プログラムを実施することができる。本発明で使用されるように、「機械可読媒体」及び「コンピュータ可読媒体」という用語は、マシン命令及び／またはデータをプログラマブルプロセッサに提供するための任意のコンピュータプログラム製品、デバイス、及び／または装置（例えば、磁気ディスク、光ディスク、メモリ、編集可能論理デバイス（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅ、ＰＬＤ）を意味し、機械読み取り可能な信号としてのマシン命令を受信する機械可読媒体を含む。「機械読み取り可能な信号」という用語は、マシン命令及び／またはデータをプログラマブルプロセッサに提供するための任意の信号を意味する。

ユーザとのイントラクションを提供するために、本発明で説明されているシステムや技術は、コンピュータ上で実施されてもよく、また、ユーザに情報を表示するための表示装置（例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ、ブラウン管）またはＬＣＤ（液晶ディスプレイ）モニタ）と、入力をコンピュータに提供するためのキーボード及びポインティングデバイス（例えば、マウスまたはトラックボール）とを備えてもよい。他の種類の装置も、ユーザとのイントラクションを提供するために使用され得る。例えば、ユーザに提供されたフィードバックは、任意の形態のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバック）であってもよく、ユーザからの入力は、いかなる形式（音響入力、音声入力、または触覚入力を含む）で受信されてもよい。

本発明で説明されているシステム及び技術は、バックグラウンド構成要素を含む計算システム（例えば、データサーバとして）、または中間部構成要素を含む計算システム（例えば、アプリケーションサーバ）、または、フロントエンド構成要素を含む計算システム（例えば、グラフィカルユーザインタフェースまたはネットワークブラウザを備えたユーザコンピュータであって、ユーザがこのグラフィカルユーザインタフェースまたはネットワークブラウザを介して本発明で説明されたシステム及び技術に係る実施形態とインタラクションを行うことができるユーザコンピュータ）に実行されてもよく、または、このようなバックグラウンド構成要素、中間部構成要素、またはフロントエンド構成要素の任意の組合せを含む計算システムにおいて実行されてもよい。システムの構成要素は、任意の形態または媒体のデジタルデータ通信（例えば、通信ネットワーク）によって相互に接続されてもよい。通信ネットワークの例えとして、ローカルネットワーク（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ，ＬＡＮ）、広域ネットワーク（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ，ＷＡＮ）及びインターネットを含む。

コンピュータシステムは、クライアントとサーバを含み得る。通常、クライアントとサーバは、互いに離れており、通信ネットワークを介してインタラクションを行うことが一般的である。対応するコンピュータで動作することで、クライアント−サーバの関係を有するコンピュータプログラムによってクライアントとサーバの関係を生み出す。サーバは、クラウドサーバであってもよく、クラウド計算サーバ又はクラウドホストとも称し、クラウド計算サービス体系におけるホスト製品であり、従来の物理ホストと仮想専用サーバ（ＶＰＳ）でのサービスに存在する管理難度が大きく、サービス拡張性が弱い欠点を解決することができる。

本発明の実施形態の技術案によって、車輪速度情報を利用して位置姿勢増分を得、さらに位置姿勢増分を利用してデッドレコニングを行い、それによって累計誤差を減らし、デッドレコニング結果の精度を高めることができる。

上記の様々な態様のフローを使用して、ステップを新たに順序付け、追加、または削除することが可能であることを理解すべきである。例えば、本発明で記載された各ステップは、並列に実行しても良いし、順次に実行しても良いし、異なる順序で実行しても良い。本発明で開示された技術案が所望する結果を実現することができる限り、本発明ではこれに限定されない。

上記具体的な実施形態は、本発明の保護範囲に対する限定を構成するものではない。当業者は、設計事項やその他の要因によって、様々な修正、組み合わせ、サブ組み合わせ、及び代替が可能であることを理解するべきである。本発明の要旨及び原則内における変更、均等な置換及び改善等は、いずれも本発明の保護範囲に含まれるべきである。

Claims (27)

1. 車両のデッドレコニング方法であって、
   車両の車輪速度情報に基づいて、前記車両の位置姿勢増分を得ることと、
   前記車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、前記車両の現在時刻の位置姿勢に対してデッドレコニングを行うことと、を含む、
   車両のデッドレコニング方法。
2. 車両の車輪速度情報に基づいて、前記車両の位置姿勢増分を得ることは、
   前記車輪速度情報に基づいて、前記車両の位置増分を得ることを含む、
   請求項１に記載の車両のデッドレコニング方法。
3. 前記車輪速度情報に基づいて、前記車両の位置増分を得ることは、
   左車輪速度、右車輪速度、車輪半径、及び隣接する時刻の間の時間長に基づいて、後軸中心の運動弧長を計算することと、
   前記後軸中心の運動弧長と進路角に基づいて、前記車両の位置増分を計算することと、を含む、
   請求項２に記載の車両のデッドレコニング方法。
4. 前記車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、前記車両の現在時刻の位置姿勢に対してデッドレコニングを行うことは、
   前記車両の位置増分と直前時刻の位置に基づいて、前記車両の現在時刻の位置観測を得ることを含む、
   請求項２に記載の車両のデッドレコニング方法。
5. 前記車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、前記車両の現在時刻の位置姿勢に対してデッドレコニングを行うことは、
   前記車両の現在時刻の位置観測と前記車両の現在時刻の位置先験との位置差値を計算し、前記位置差値をカルマンフィルタリングモデルに入力し、現在時刻の最適位置推定を得ることをさらに含む、
   請求項４に記載の車両のデッドレコニング方法。
6. 車両の車輪速度情報に基づいて、前記車両の位置姿勢増分を得ることは、
   前記車輪速度情報に基づいて、前記車両の進路増分を得ることを含む、
   請求項１に記載の車両のデッドレコニング方法。
7. 前記車輪速度情報に基づいて、前記車両の進路増分を得ることは、
   左車輪速度と右車輪速度との差値、輪距、及び車輪半径に基づいて、前記車両の進路角速度を計算することと。
   前記車両の進路角速度と隣接する時刻の間の時間長に基づいて、前記車両の進路増分を計算することと、を含む、
   請求項６に記載の車両のデッドレコニング方法。
8. 前記車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、前記車両の現在時刻の位置姿勢に対してデッドレコニングを行うことは、
   前記車両の進路増分と直前時刻の進路角に基づいて、前記車両の現在時刻の進路観測を得ることを含む、
   請求項６に記載の車両のデッドレコニング方法。
9. 前記車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、前記車両の現在時刻の位置姿勢に対してデッドレコニングを行うことは、
   前記車両の現在時刻の進路観測と前記車両の現在時刻の進路先験との進路差値を計算し、前記進路差値をカルマンフィルタリングモデルに入力し、現在時刻の最適進路推定を得ることをさらに含む、
   請求項８に記載の車両のデッドレコニング方法。
10. 前記車輪速度情報に基づいて、前記車両の速度を計算することをさらに含む、
    請求項１〜９のいずれか１項に記載の車両のデッドレコニング方法。
11. 前記車輪速度情報に基づいて、前記車両の速度を計算することは、
    左車輪速度、右車輪速度、及び車輪半径に基づいて、左輪線速度と右輪線速度とを計算することと、
    前記左輪線速度と前記右輪線速度に基づいて、後軸中心線速度を計算することと、を含む、
    請求項１０に記載の車両のデッドレコニング方法。
12. 後軸測定縦方向速度と実速度との比例係数、後軸中心線速度、及び車体座標系からナビゲーション座標系への変換マトリックスに基づいて、前記車両の車速観測を得ることをさらに含む、
    請求項１０に記載の車両のデッドレコニング方法。
13. 車両のデッドレコニング装置であって、
    車両の車輪速度情報に基づいて、前記車両の位置姿勢増分を得る増分モジュールと、
    前記車両の位置姿勢増分と直前時刻の位置姿勢に基づいて、前記車両の現在時刻の位置姿勢に対してデッドレコニングを行う推定モジュール、を備える、
    車両のデッドレコニング装置。
14. 前記増分モジュールは、
    前記車輪速度情報に基づいて、前記車両の位置増分を得る位置増分サブモジュールを備える、
    請求項１３に記載の車両のデッドレコニング装置。
15. 前記位置増分サブモジュールは、具体的に、左車輪速度、右車輪速度、車輪半径、及び隣接する時刻の間の時間長に基づいて、後軸中心の運動弧長を計算し、前記後軸中心の運動弧長と進路角に基づいて、前記車両の位置増分を計算するように構成される、
    請求項１４に記載の車両のデッドレコニング装置。
16. 前記推定モジュールは、
    前記車両の位置増分と直前時刻の位置に基づいて、前記車両の現在時刻の位置観測を得る位置観測サブモジュールを備える
    請求項１４に記載の車両のデッドレコニング装置。
17. 前記推定モジュールは、
    前記車両の現在時刻の位置観測と前記車両の現在時刻の位置先験との位置差値を計算し、前記位置差値をカルマンフィルタリングモデルに入力し、現在時刻の最適位置推定を得る位置推定サブモジュールをさらに備える、
    請求項１６に記載の車両のデッドレコニング装置。
18. 前記増分モジュールは、
    前記車輪速度情報に基づいて、前記車両の進路増分を得る進路増分サブモジュールをさらに備える、
    請求項１３に記載の車両のデッドレコニング装置。
19. 前記進路増分サブモジュールは、左車輪速度と右車輪速度との差値、輪距、及び車輪半径に基づいて、前記車両の進路角速度を計算し、前記車両の進路角速度と隣接する時刻の間の時間長に基づいて、前記車両の進路増分を計算するように構成される、
    請求項１８に記載の車両のデッドレコニング装置。
20. 前記推定モジュールは、
    前記車両の進路増分と直前時刻の進路角に基づいて、前記車両の現在時刻の進路観測を得る進路観測サブモジュールをさらに備える、
    請求項１８に記載の車両のデッドレコニング装置。
21. 前記推定モジュールは、
    前記車両の現在時刻の進路観測と前記車両の現在時刻の進路先験との進路差値を計算し、前記進路差値をカルマンフィルタリングモデルに入力し、現在時刻の最適進路推定を得る進路推定サブモジュールをさらに備える、
    請求項２０に記載の車両のデッドレコニング装置。
22. 前記車輪速度情報に基づいて、前記車両の速度を計算する速度モジュールをさらに備える、
    請求項１３〜２１のいずれか１項に記載の車両のデッドレコニング装置。
23. 前記速度モジュールは、左車輪速度、右車輪速度、及び車輪半径に基づいて、左輪線速度と右輪線速度とを計算し、前記左輪線速度と前記右輪線速度に基づいて、後軸中心線速度を計算するように構成される、
    請求項２２に記載の車両のデッドレコニング装置。
24. 後軸測定縦方向速度と実速度との比例係数、後軸中心線速度、及び車体座標系からナビゲーション座標系への変換マトリックスに基づいて、前記車両の車速観測を得る速度観測モジュールをさらに備える、
    請求項２２に記載の車両のデッドレコニング装置。
25. 電子デバイスであって、
    少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサに通信接続するメモリと、を備え、
    前記メモリには、前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令は、前記少なくとも１つのプロセッサによって実行される場合、前記少なくとも１つのプロセッサに、請求項１〜１２のいずれか１項に記載の車両のデッドレコニング方法を実行させる、
    電子デバイス。
26. 前記コンピュータに、請求項１〜１２のいずれか１項に記載の車両のデッドレコニング方法を実行させる命令を記憶するための非一時的コンピュータ可読記憶媒体。
27. コンピュータにおいて、プロセッサにより実行されると、請求項１〜１２いずれか１項に記載の車両のデッドレコニング方法を実現することを特徴とするプログラム。

Images