CN109668553A - 基于惯性的导航设备和基于相对预积分的惯性导航方法 - Google Patents

基于惯性的导航设备和基于相对预积分的惯性导航方法 Download PDF

Info

Publication number
CN109668553A
CN109668553A CN201811128799.7A CN201811128799A CN109668553A CN 109668553 A CN109668553 A CN 109668553A CN 201811128799 A CN201811128799 A CN 201811128799A CN 109668553 A CN109668553 A CN 109668553A
Authority
CN
China
Prior art keywords
information
coordinate system
mobile object
sensor
integration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811128799.7A
Other languages
English (en)
Inventor
金东信
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.)
Hanhuadi Fos Co Ltd
Hanwha Defense Co Ltd
Original Assignee
Hanhuadi Fos 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 Hanhuadi Fos Co Ltd filed Critical Hanhuadi Fos Co Ltd
Publication of CN109668553A publication Critical patent/CN109668553A/zh
Pending legal-status Critical Current

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
    • 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
    • G01C21/10—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
    • G01C21/10—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
    • G01C21/185—Compensation of inertial measurements, e.g. for temperature effects for gravity
    • 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
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G01D1/04—Measuring arrangements giving results other than momentary value of variable, of general application giving integrated values
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

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

Abstract

提供一种基于惯性的导航设备和基于相对预积分的惯性导航方法。所述基于惯性的导航设备包括：第一传感器，基于第一坐标系检测并输出关于正在移动的移动物体的运动信息；第二传感器，基于第二坐标系检测并输出关于与移动物体的运动相关的平移加速度和旋转角速度的惯性数据；控制器，基于运动信息和惯性数据，每第一时间确定关于移动物体在参考坐标系中的位置、速度和姿态的姿势信息。

Description

基于惯性的导航设备和基于相对预积分的惯性导航方法
本申请要求于2017年10月12日提交到韩国知识产权局的第10-2017-0132748号韩国专利申请的优先权，所述韩国专利申请的公开通过引用全部包含于此。
技术领域
与示例性实施例一致的设备和方法涉及一种基于惯性的导航设备和基于相对预积分(preintegration)的基于惯性的导航方法。
背景技术
通过惯性测量设备，导航***使用陀螺仪确定方位，并使用加速度计来计算运动位移。当输入初始位置时，惯性导航***即使在移动物体移动时也可一直计算并检测移动物体的位置和速度。惯性导航***在短时间内提供非常准确的导航性能，而不受恶劣天气或干扰的影响。然而，由于误差在加速度和加速度中的速度分量的积分期间累积，因此，当惯性导航***用于长距离时，导航误差增加。
具体地讲，惯性导航***可通过使用被称为惯性测量单元(IMU)的基于微机电***(MEMS)的惯性***来估计移动物体的位置。惯性导航***通过使用预设的导航计算算法来检测关于移动物体的位置信息。在这种情况下，由于通过经由对由IMU获得的惯性数据(例如，加速度、角速度等)进行积分计算期望的物理量的方法来获得位置信息，因此，误差随时间连续累积的漂移现象发生。因此，整个***的准确度被降低。此外，根据现有技术的导航***可确定：即使当移动物体停止时，移动物体的运动(例如，俯仰、翻滚、偏航等)也由于移动物体的振动或噪声等而改变，或者由于移动物体的振动或噪声等而存在前速度。这种错误的确定可由于累积的漂移现象而进一步增加位置信息的误差。
此外，惯性测量设备测量包括重力的值，并且应将在惯性传感器的坐标系中测量的值变换为作为一般参考坐标系的地球坐标系中的值，以便去除不必要的重力信息。在这方面，惯性测量设备每次需要新的初始条件以对由惯性传感器测量的值进行积分。在这种情况下，因为为了积分而每次使用新的初始条件，所以操作量显著地增加，惯性测量设备的操作速度显著地降低。
最近，为了解决上述问题，正在研究如下替代方案：通过将检测运动的另一环境传感器结合到惯性导航***等并对位置进行校正，来使惯性传感器的误差累积最小化。此外，为了减少惯性测量设备中的过多的积分处理，正在开发预积分方法。具体地讲，预积分方法可通过预先对在预设时间段期间累积的惯性数据进行积分来计算预积分值，其中，该预积分值是移动物体在预设时间段期间移动的位置改变量、速度改变量和姿态改变量。在“ToddLupton和Salah Sukkarieh”的“Visual-Inertial-Aided Navigation for High-DynamicMotion in Built Environments Without Initial Conditions(在没有初始条件的情况下的构建环境中的用于高动态运动的视觉-惯性辅助的导航)的中提供了它的详细描述。
然而，即使在应用预积分方法时，也需要将由另一传感器获得的姿势信息与由惯性测量设备获得的姿势信息进行比较，并且在它们之间需要进行坐标变换。环境传感器和惯性测量设备基于不同的坐标系来分别计算移动物体的姿势。为了比较该姿势，需要将这些传感器中的一个传感器的坐标系变换为另一传感器的坐标系，然后将变换的坐标系变换为原始坐标系的处理。该处理需要许多操作处理和大量处理时间，以便获得关于移动物体的姿势信息。
发明内容
一个或多个示例实施例提供一种基于惯性的导航设备和基于相对预积分的基于惯性的导航方法，所述设备包括：第一传感器，检测移动物体的运动信息；第二传感器，测量作为关于移动物体的旋转加速度和平移加速度的信息的惯性数据，所述方法包括：通过对第二传感器的惯性数据进行预积分来计算预积分值，通过反映相对动态部分来估计预测将在第一传感器的位置处计算的相对预积分量；在没有坐标变换的情况下将第二姿势信息与第一姿势信息进行比较以迅速并准确地去除第二姿势信息的误差，其中，第二姿势信息是通过第二传感器获得的移动物体的姿势信息，第一姿势信息是通过第一传感器获得的移动物体的姿势信息。
示例实施例的另外的方面将在下面的描述中部分地阐述，并且部分通过该描述将是清楚的，或者可通过本实施例的实践来获知。
根据一个或多个示例实施例，提供一种基于惯性的导航设备，所述导航设备可包括：第一传感器，被配置为基于第一坐标系检测并输出关于正在移动的移动物体的运动信息；第二传感器，被配置为基于第二坐标系检测并输出关于与移动物体的运动相关的平移加速度和旋转角速度的惯性数据；控制器，被配置为基于运动信息和惯性数据，在每个第一时间确定关于移动物体在参考坐标系中的位置、速度和姿态的姿势信息，其中，控制器还被配置为：基于运动信息计算关于移动物体的第一姿势信息；通过对惯性数据进行预积分来基于外部校正值估计相对预积分量，其中，外部校正值是第一坐标系与第二坐标系之间的预设关系，相对预积分量包括在第一坐标系中预测的移动物体在第一时间期间的位置改变量、速度改变量和姿态改变量；基于相对预积分量和外部校正值计算与惯性数据对应的关于移动物体的第二姿势信息；通过将第一姿势信息与第二姿势信息进行比较来校正第二姿势信息的误差；将校正了误差的第二姿势信息确定为关于移动物体的姿势信息。
控制器可通过基于与之前确定的关于移动物体的姿势信息对应的移动物体的坐标系来确定正在移动的移动物体的旋转度并对惯性数据进行预积分，来计算包括第二坐标系中的位置改变量、速度改变量和姿态改变量的预积分量。
控制器可基于预积分量和第一坐标系与第二坐标系之间的位移差来估计在第一坐标系中预测的相对预积分量。
控制器可基于惯性数据计算角加速度和角速度，基于计算的角加速度、计算的角速度和所述差计算所述预积分量与在第一坐标系中预测的预积分量之间的差量，并基于所述预积分量和所述差量估计相对预积分量。
控制器可通过反映第一坐标系与第二坐标系之间的旋转位移差来计算第二姿势信息。
控制器可通过包含第一变量来估计相对预积分量，并通过包含第二变量来计算第二姿势信息，其中，第一变量是与第一坐标系和第二坐标系之间的位移差对应的变量，第二变量是与第一坐标系和第二坐标系之间的旋转位移差对应的变量。
控制器可通过将第一姿势信息与第二姿势信息进行比较并确定第一变量的值和第二变量的值，来设置外部校正值。
控制器可计算反映确定的第一变量的值和第二变量的值的第二姿势信息。
第一传感器可通过使用相机和激光雷达中的至少一个来检测移动物体的运动。
根据一个或多个示例实施例，提供一种基于相对预积分的基于惯性的导航方法。所述导航方法可包括：从第一传感器获得运动信息，其中，第一传感器基于第一坐标系检测移动物体的运动；从第二传感器获得惯性数据，其中，第二传感器基于第二坐标系检测根据移动物体的运动测量的平移加速度和旋转角速度；基于运动信息和惯性数据，在每个第一时间确定关于移动物体在参考坐标系中的位置、速度和姿态的姿势信息，其中，确定姿势信息的步骤包括：基于运动信息计算关于移动物体的第一姿势信息；通过对惯性数据进行预积分来基于外部校正值估计相对预积分量，其中，外部校正值是第一坐标系与第二坐标系之间的关系，相对预积分量包括在第一坐标系中预测的移动物体在第一时间期间的位置改变量、速度改变量和姿态改变量；基于估计的相对预积分量和外部校正值，计算与惯性数据对应的关于移动物体的第二姿势信息；通过将第一姿势信息与第二姿势信息进行比较来校正第二姿势信息的误差；将校正了误差的第二姿势信息确定为关于移动物体的姿势信息。
估计相对预积分量的步骤可包括：基于与之前确定的关于移动物体的姿势信息对应的移动物体的坐标系来确定移动物体的旋转度；基于确定的旋转度来估计包括第二坐标系中的位置改变量、速度改变量和姿态改变量的预积分量。
估计相对预积分量的步骤可包括：通过反映第一坐标系与第二坐标系之间的位移差来估计在第一坐标系中预测的相对预积分量。
估计相对预积分量的步骤可包括：基于惯性数据计算角加速度和角速度；基于计算的角加速度、计算的角速度和所述差，计算所述预积分量与在第一坐标系中预测的预积分量之间的差量；基于所述预积分量和所述差量估计相对预积分量。
所述导航方法还可包括通过反映第一坐标系与第二坐标系之间的旋转位移差来计算第二姿势信息。
估计相对预积分量的步骤可包括：通过包含第一变量估计相对预积分量，其中，第一变量是与第一坐标系和第二坐标系之间的位移差对应的变量。计算第二姿势信息的步骤可包括：通过包含第二变量来计算第二姿势信息，其中，第二变量是与第一坐标系和第二坐标系之间的旋转位移差对应的变量。
所述导航方法还可包括：通过将第一姿势信息与第二姿势信息进行比较来确定第一变量的值和第二变量的值，从而设置外部校正值。
计算第二姿势信息的步骤还可包括：计算反映确定的第一变量的值和第二变量的值的第二姿势信息。
这里，在作为第一传感器与第二传感器之间的坐标的位移和旋转位移的差的外部校正值未被预先设置的情况下，所述设备和方法可估计包括第一变量和第二变量的第二姿势信息，并通过将第一姿势信息输入到第二姿势信息中来准确地确定针对位移和旋转位移的外部校正值，其中，第一变量是与位移对应的变量，第二变量是与旋转位移对应的变量。
附图说明
通过以下结合附图对示例实施例的描述，本发明构思的这些和/或其他方面将变得清楚和更容易理解，其中：
图1是根据示例实施例的包括基于惯性的导航设备的移动物体的视图；
图2A和图2B是根据示例实施例的用于解释根据移动物体的姿势信息的改变的预积分方法的示图；
图3是示出根据示例实施例的用于解释相对预积分方法的移动物体的运动的示图；
图4是根据示例实施例的基于惯性的导航设备的内部配置的示图；
图5是根据示例实施例的用于解释基于相对预积分的基于惯性的导航方法的流程图；
图6是根据示例实施例的用于解释在基于相对预积分的基于惯性的导航方法中确定外部校正值的方法的流程图。
具体实施方式
由于发明构思考虑各种改变和大量实施例，因此，示例性实施例将在附图中示出并在书面描述中详细描述。当参照根据附图描述的示例实施例时，本发明构思的效果和特性以及实现本发明构思的效果和特性的方法将是清楚的。然而，本公开可以以许多不同的形式实现，并且不应该被解释为限于在此阐述的示例。
在下文中，将参照示出了本发明构思的示例实施例的附图更全面地描述本发明构思。当参照附图进行描述时，附图中相同的参考标号表示相同的或相应的元件，并且将省略其重复描述。
将理解，尽管在此可使用术语“第一”、“第二”等来描述各种组件，但是这些组件不应被这些术语限制。这些组件仅用于将一个组件与另一组件区分开来。
如在此使用的，除非上下文明确另有指示，否则单数形式也意图包括复数形式。还将理解，在此使用的术语“包括”指定存在叙述的特征或组件，但不排除存在或添加一个或多个其他特征或组件。为了便于解释，附图中元件的大小可能被夸大。换句话说，由于为了便于解释，附图中的元件的大小和厚度被任意地示出，因此下面的实施例不限于此。
图1是根据示例实施例的包括基于惯性的导航设备的移动物体的视图。
参照图1，移动物体10包括基于惯性的导航设备100，并可通过基于惯性的导航设备100获得与关于移动物体10的位置、速度和姿态有关的姿势信息。这里，关于位置、速度和姿态的姿势信息是基于参考坐标系的姿势信息。
移动物体10包括至少一个刚体，并可通过使用内燃机(诸如，发动机)来移动。移动物体10可沿着各种路径进行各种移动。同时，尽管移动物体10在图1中被示为汽车，但是本发明构思的应用不限于此，并可延伸到具有运动的所有对象(诸如，火车、摩托车、电动自行车，或者人、动物等)。
基于惯性的导航设备100可包括可检测移动物体10的运动的至少两个或更多个传感器。基于惯性的导航设备100可基于由两个传感器获得的运动信息来确定关于移动物体10的位置、速度和姿态的姿势信息。基于惯性的导航设备100可包括可检测移动物体10的惯性值(诸如，加速度、角加速度等)的惯性传感器。惯性传感器可提供关于在包括x，y和z的三个轴的预设坐标系中表示的惯性的值。预设坐标系可根据移动物体10的姿势而相对于作为地球坐标系的参考坐标系具有预设旋转位移。基于惯性的导航设备100可根据运动通过将作为由惯性传感器获得的惯性值的惯性数据和从与惯性传感器不同的传感器获得的运动信息进行组合来确定关于移动物体10的姿势信息。
同时，关于移动物体10的位置、速度和姿态的姿势信息是基于参考坐标系的姿势信息。同时，在惯性导航中用于通知移动物体10的位置的坐标系(诸如，像全球定位***(GPS)的地球坐标系，即全球参考导航框架(globally referenced navigation frame))可被设置为参考坐标系。
根据示例实施例，基于惯性的导航设备100可包括至少两个传感器，该至少两个传感器可通过不同坐标系来分别检测移动物体10的运动。基于惯性的导航设备100可获得作为由惯性传感器获得的惯性值的惯性数据，并获得作为来自其他传感器的关于移动物体10的运动的信息的运动信息。基于惯性的导航设备100可基于惯性数据来估计在其他传感器的坐标系中预测的运动改变量(例如，位置改变量、速度改变量和姿态改变量)，并基于估计的运动改变量来计算基于其他传感器的坐标系预测的关于移动物体10的姿势信息。基于惯性的导航设备100可将通过惯性数据获得的关于移动物体10的姿势信息与通过其他传感器计算的关于移动物体10的姿势信息进行比较，并校正它们之间的误差。基于惯性的导航设备100可去除传感器之间的误差或使误差累积最小化。也就是说，基于惯性的导航设备100可通过关于其他传感器的运动信息来校正由于惯性传感器的噪声和偏置而引起的误差。
图2A和图2B是根据示例实施例的解释根据关于移动物体的姿势信息的改变的预积分方法的示图。
参照图2A，虚线表示移动物体10的轨道，虚线上的点(例如，图2A中的点A)表示已经获得惯性数据的点。惯性数据被变换到如点划线所示的参考坐标系中。这里，参考坐标系表示在惯性导航中用于通知移动物体10的位置的坐标系(诸如，像GPS的地球坐标系，即全球参考导航框架)。
为了获得导航信息，在积分之前，惯性数据应被变换到如点划线所示的参考坐标系(Xn，Yn，Zn)。为了补偿对惯性数据的积分具有非线性影响的重力部分，需要估计初始姿态。这种应用需要获得初始化程序或初始条件的方法。也就是说，为了通过对惯性数据进行积分来获得关于移动物体10的姿势信息，应确定初始姿态的初始值。
具体地讲，在基于惯性数据计算关于移动物体10的姿势信息时，可应用使用同时定位与地图构建(simultaneous localization and mapping，SLAM)应用的惯性导航算法，其中，该SLAM应用使用检测移动物体10的运动的相机从参考坐标系检测的值。这种应用可用于地球曲率可忽略的小区域中。在这种情况下，可通过下面的等式来简化惯性数据的积分。
这里，和分别是在从移动物体10的坐标系到参考坐标系的旋转期间的旋转矩阵和旋转速率矩阵。这里，和是在时间t2基于参考坐标系计算的移动物体10的位置、速度和姿态，和是在时间t1计算的移动物体10的位置、速度和姿态，其中，和表示初始值。是根据惯性数据的平移加速度的值，是根据惯性数据的角速度的值。表示关于的用于创建预积分的惯性数据的偏置值,表示关于的用于创建预积分的惯性数据的偏置值。gn表示重力矢量。
在通过等式1至等式3计算关于移动物体10的姿势信息的情况下，在将测量的惯性数据变换到参考坐标系之后，每次都要校正地球的重力值，然后才可执行惯性数据的积分。也就是说，为了获得关于移动物体10的姿势信息，每当初始值改变时，应重新对惯性数据进行积分。如上所述，从惯性数据获得关于移动物体10的姿势信息的方法由于连续的重新积分而需要大量的操作，并需要高性能控制器。
在惯性数据可在移动物体10的初始条件未知的条件下是预先可积分的情况下，例如扩展卡尔曼滤波器(EKF)等可将大量惯性数据处理为一个惯性数据并解决上述问题。这样的方法被称为预积分。下面参照图2B来描述预积分。
参照图2B，虚线表示移动物体10的轨道，虚线上的点(例如，图2B中的点B)表示已经获得惯性数据的点。如虚线所示，基于关于移动物体10的之前的姿势信息中的移动物体10的坐标系来对惯性数据进行积分。这里，移动物体10的坐标系表示预先设置到移动物体10自身的坐标系。例如，在移动物体10是汽车的情况下，移动物体10的坐标系可将前进方向设置为x轴，将侧向设置为y轴，将面对天空的方向设置为z轴。同时，可通过关于移动物体10的预设姿势信息来设置移动物体10在特定点处的坐标系。
如图2B中所示，预积分基于前一姿势中的移动物体10的坐标系对所需的姿势信息之间(第一姿势与第二姿势之间，第二姿势与第三姿势之间，以及第三姿势与第四姿势之间)存在的惯性数据进行积分。在应用导航时，姿势信息可响应于小于惯性传感器的检测速度的其他传感器的检测速度来计算。例如，相机的帧速度远低于惯性传感器的感测速度。因此，在相机获得运动信息的时间间隔期间测量的大量惯性数据被累积，并且累积的惯性数据可被预积分并被处理为一个惯性值。
在这种情况下，等式1至等式3可被修改为下面的等式4至等式6。这些等式用于在最后的移动物体10的坐标系中执行积分的情况。也就是说，可通过基于具有第一姿势信息的移动物体10-1的坐标系执行积分来计算关于具有第二姿势信息的移动物体10-2的姿势信息。
这里，和是在时间t1基于移动物体10的坐标系的旋转矩阵和旋转速率矩阵，ft b是根据惯性数据的平移加速度的值，是根据惯性数据的角速度的值。在积分开始进行的时间t1的旋转矩阵的初始条件是作为单位矩阵(恒等矩阵)的例如，如图2B中所示，当移动物体10从第一姿势信息移动到第二姿势信息(从移动物体10(10-1)具有姿势1的第一位置移动到移动物体10(10-2)具有姿势2的第二位置)时，旋转矩阵是当移动物体10从第二姿势信息移动到第三姿势信息(从第二位置移动到移动物体10(10-3)具有姿势3的第三位置)时，旋转矩阵是当移动物体10从第三姿势信息移动到第四姿势信息(从第三位置移动到移动物体10(10-4)具有姿势4的第四位置)时，旋转矩阵是以这种方式，可基于前一移动物体10的坐标系来计算关于移动物体10的当前姿势信息。
同时，上述等式仍可提供基于预设坐标系计算的关于移动物体10的姿势信息。然而，可基于具有第一姿势信息的移动物体10-1的坐标系来执行两个姿势之间(例如，第一姿势(姿势1)和第二姿势(姿势2)之间)的惯性数据的积分，并且只有在完成该积分之后，该积分才可被变换到参考坐标系中。
等式4至等式6是在移动物体10的坐标系中执行的积分。在移动物体10的坐标系中可完全知道移动物体10的状态，因此，即使在没有初始条件的情况下，也可对惯性数据进行预积分。当提取等式4至等式6中的惯性数据的被积函数时，可获得下面的等式。
等式7至等式9(即，和)分别是当移动物体10从第一姿势信息移动到第二姿势信息(从姿势1到姿势2)时的位置改变量、速度改变量和姿态改变量的部分，并且可在没有初始条件的情况下进行预积分。同时，将位置改变量、速度改变量和姿态改变量定义为预积分量。
预积分的部分可用作代替两个姿势之间观察的惯性数据的一个改变量。一旦计算出预积分的部分，则关于改变量的项，等式4至等式6可使用等式10至等式12来代替，其中，EulerFromD CM()表示再变换到用于估计状态的欧拉(Euler)表示的方向余弦矩阵(Direction Cosines Matrix，DCM)()。由于重力矢量函数部分不包括取决于时间的项，因此，可简化这个关系式中的重力项的积分。姿态分量的增量与之前的姿态旋转矩阵相乘，然后被变换回到用于估计状态的欧拉表示。这样做以避免在这可能针对所使用的更长的集成积分(integration integrals)不再有效时被欧拉旋转速率矩阵使用的小角度近似。此外，在原始陀螺仪观测的情况下，姿态分量的增量表示在集成积分期间的姿态的实际改变，而不是旋转速率。
在根据预积分的基于惯性的导航中，可通过对从前一姿势信息已经被输出的点到关于移动物体10的当前姿势信息将要被请求的点的惯性数据进行预积分，在不需要根据初始条件的改变进行重新积分的情况下，快速地计算关于移动物体10的姿势信息。
图3是示出根据示例实施例的用于解释相对预积分方法的移动物体的运动的示图。
参照图3，具有第一姿势信息的移动物体10-1移动为具有第二姿势信息的移动物体10-2。在这种情况下，第一传感器110和第二传感器120由于相对坐标系差异而具有不同的位置改变量和速度改变量。然而，由于第一传感器110和第二传感器120被设置到作为移动物体10的一部分的相同的刚体，所以它们的旋转角度相同，第一传感器110和第二传感器120具有相同的姿态改变量。
第一传感器110可被固定到移动物体10，以检测关于移动物体10的运动的信息。第一传感器110可被安装在移动物体10的预设位置，以基于预设的第一坐标系111来检测关于移动物体10的运动的信息。例如，第一传感器110可包括可通过使用视觉信息来检测关于移动物体10的运动的信息的相机或激光雷达。第一传感器110可输出运动信息，该运动信息是关于基于第一坐标系111检测的移动物体10的运动的信息。
第二传感器120可被安装到移动物体10，使得第二传感器120与第一传感器110分开。第二传感器120可根据移动物体10的运动来检测惯性信息或数据(诸如，平移加速度和角加速度)，并输出惯性数据。例如，第二传感器120可包括加速度计、角速度计和高度计中的至少一个，并检测关于移动物体10的惯性信息或数据。如图3中所示，在第二传感器120中预先设置第二坐标系121，其中，第二坐标系121与第一传感器110的第一坐标系111不同。第二传感器120可基于第二坐标系121检测并输出惯性数据。
同时，第一传感器110的第一坐标系111可以是相对于参照图2A所述的参考坐标系具有预设旋转位移的坐标系。同样地，第二传感器120的第二坐标系121可以是相对于参考坐标系具有预设旋转位移的坐标系，并且可以是相对于第一坐标系111具有预设旋转位移的坐标系。
同时，包括在第二传感器120中的惯性传感器根据其在移动物体10中的布置的位置而具有不同的检测的惯性值。因此，在第二传感器120的位置处检测的惯性数据具有与在第一传感器110的位置处检测的惯性数据的值不同的值。
根据示例实施例，图1中所示的基于惯性的导航设备100可基于从第二传感器120获得的惯性数据以及第一坐标系111与第二坐标系121之间的位移差(或者第一传感器110与第二传感器120之间的位置差)来估计第一传感器110的位置处的相对预积分量。具体地讲，参照图2B所述的等式7至等式9可通过反映该位移差而被修改为下面的等式。
这里，和是通过参照图2B所述的预积分方法计算的预积分量，是第二传感器120与第一传感器110之间的位置差或者坐标系之间的位移差值。例如，当在x，y和z的坐标系中第二传感器120被设置在(0，0，1)处，并且第一传感器110被设置在(2，0，1)处时，可被设置为(2，0，0)。
和是根据的值而改变的位置改变量和速度改变量的相对的差量。也就是说，可通过将和反映到等式7至等式9来估计作为相对预积分量的和其中，相对预积分量由第一传感器110在具有预设位移差的位置处被预测。也就是说，可通过将差量加到预积分量来计算相对预积分量。同时，可通过下面的等式来获得和
这里，是角加速度，是角速度，[·]x是斜对称矩阵(skew symmetry matrix)。具体地讲，基于惯性的导航设备100可通过惯性数据来计算角加速度和角速度；通过将计算的角加速度和角速度反映到等式16和等式17来获得和通过将和乘以从而根据的差异来计算差量；通过将差量加到和来计算基于第一坐标系111预测的相对预积分量，其中，和是根据预积分基于第二坐标系121计算的预积分量。同时，等式13至等式17是通过将相对动态方面反映到现有技术的预积分方程而新定义的相对预积分方程。
换句话说，可通过使用等式13至等式17来考虑根据第一传感器110与第二传感器120之间的位置差(即，第一坐标系111与第二坐标系121之间的位移差)而改变的位置改变量和速度改变量，可基于由第二传感器120检测的惯性数据以及该位置差来估计作为在第一传感器110的位置处被预测的位置改变量和速度改变量的相对预积分量。
根据示例实施例，基于惯性的导航设备100可基于由第二传感器120检测的惯性数据来估计在第一传感器110的位置处预测的第二姿势信息。控制器130(参见图4)可通过使用反映相对动态部分的相对预积分量来估计第二姿势信息。具体地讲，基于惯性的导航设备100可通过下面反映等式13至等式17的等式来估计第二姿势信息，其中，第二姿势信息是作为另一传感器的第一传感器110的位置处的相对姿势信息。
和是通过使用第二传感器120的惯性数据，基于作为另一传感器的第一传感器110的坐标系估计的作为移动物体10的位置、速度和姿态的第二姿势信息。这里，是旋转位移，其中，该旋转位移是允许第二坐标系121的x，y和z轴与第一坐标系111的x，y和z轴一致的坐标旋转值，并且是外部校正值。与形成逆关系，是第一传感器110处的初始重力值。也就是说，可基于估计的相对预积分量和旋转位移来估计和同时，和是可从由基于惯性的导航设备100之前刚确定的关于移动物体10的姿势信息获得的值(例如，初始值)，其中，在图3中，j是2，i是1。Δtij是移动物体10的两个位置j和i之间的时间差。
图4是根据示例实施例的基于惯性的导航设备的内部配置的示图。
参照图4，基于惯性的导航设备100包括第一传感器110、第二传感器120、控制器130和存储器140。
基于惯性的导航设备100可从第二传感器120和第一传感器110分别获得惯性数据和运动信息，其中，第二传感器120根据移动物体10的运动来测量惯性信息或数据，第一传感器110是检测移动物体10的运动的另一传感器。基于惯性的导航设备100可基于从第二传感器120获得的惯性数据来计算关于移动物体10的位置、速度和姿态的姿势信息，将与从第一传感器110获得的运动信息对应的姿势信息和基于惯性数据计算的姿势信息进行比较，以校正基于惯性数据计算的姿势信息的误差。
同时，如图2B中所示，基于惯性的导航设备100可基于之前确定的移动物体10的坐标系来计算相对于移动物体10的坐标系的旋转角度，并通过使用计算的旋转角度来对惯性数据进行预积分。移动物体10的坐标系表示预先设置到移动物体10的坐标系。例如，在移动物体10是汽车的情况下，移动物体10的坐标系可将前进方向设置为x轴，将侧向设置为y轴，将面对天空的方向设置为z轴。例如，在第一时间点确定关于移动物体10的姿势信息，然后在第二时间点再次确定关于移动物体的姿势信息的情况下，基于惯性的导航设备100可基于移动物体10-1(参见图2B)在第一时间点的姿势信息来确定移动物体在第一时间点的坐标系，确定移动物体10-2(参见图2B)的坐标系从确定的移动物体10-1的坐标系旋转了多少(参见图2B)，并执行预积分。
基于惯性的导航设备100可通过基于移动物体10已经从之前的移动物体10的坐标系旋转了多少，使用对第一姿势信息与第二姿势信息之间从惯性传感器获得的惯性数据等进行预积分的预积分方法，来计算参照图3所述的预积分量和相对预积分量。
控制器130可基于关于第一传感器110的运动信息和第二传感器120的惯性数据每第一预设时间计算关于移动物体10的姿势信息。这里，第一预设时间可基于第一传感器110和第二传感器120之中的具有低的检测速度的传感器来设置。例如，在第一传感器110是相机并每秒检测移动物体10的运动两次，第二传感器120是惯性传感器并每秒检测移动物体10的运动两百次的情况下，第一预设时间可基于第一传感器110的检测速度被设置为0.5秒或1秒。也就是说，第一预设时间可被设置为等于或大于第一传感器110和第二传感器120之中的具有低的检测速度的传感器的检测速度的值。
控制器130可包括可处理数据的所有类型的单元(诸如，处理器)。这里，例如，“处理器”可表示内置在硬件中并具有物理结构化电路以便执行由包括在程序中的代码或命令表示的功能的数据处理单元。尽管内置在硬件中的数据处理单元的示例可包括处理单元(诸如，微处理器、中央处理器(CPU)、处理器核、多处理器、专用集成电路(ASIC)和现场可编程门阵列(FPGA))，但是实施例不限于此。
同时，控制器130可包括根据由控制器130执行的功能基础而划分的单个处理器或多个处理器。通常，控制器130可包括一个处理器和/或操作器；根据关于第一传感器110的运动信息来计算第一姿势信息；通过对第二传感器120的惯性数据进行预积分来估计相对预积分量；基于估计的相对预积分量来估计第二姿势信息；通过将第二姿势信息与第一姿势信息进行比较来校正第二姿势信息的误差；确定关于移动物体10的当前姿势信息。与此不同，控制器130可包括：第一姿势信息计算器、预积分量估计器、第二姿势信息计算器、误差校正器和姿势信息确定单元，其中，第一姿势信息计算器根据运动信息来计算第一姿势信息，预积分量估计器通过对惯性数据进行预积分来估计相对预积分量，第二姿势信息计算器基于相对预积分量来计算第二姿势信息，误差校正器通过将第二姿势信息与第一姿势信息进行比较来校正第二姿势信息的误差，姿势信息确定单元将校正了误差的第二姿势信息确定为关于移动物体10的姿势信息。
根据示例实施例，第一姿势信息计算器、预积分量估计器、第二姿势信息计算器、误差校正器和姿势信息确定单元中的至少一个可被实现为执行上述各个功能的不同数量的硬件、软件和/或固件结构。例如，这些组件、元件、模块和单元中的至少一个可使用可通过一个或多个微处理器或其他控制设备的控制来执行各个功能的直接电路结构(例如，存储器、处理器、逻辑电路、查找表等)。此外，这些组件、元件，模块和单元中的至少一个可由包含用于执行特定逻辑功能的一个或多个可执行指令的模块、程序或代码的一部分来特定地实现，并且可由一个或多个微处理器或其他控制设备来执行。此外，这些组件、元件、模块和单元中的至少一个还可包括单独的处理器(诸如，执行各个功能的中央处理器(CPU)、微处理器等)或者由单独的处理器来实现。这些组件、元件、模块和单元中的两个或更多个可被组合成执行组合的两个或更多个组件、元件、模块和单元的所有操作或功能的一个单一组件、元件、模块或单元。这些组件、元件、模块和单元中的至少一个的功能中的至少部分功能可由这些组件、元件、模块和单元中的另一个来执行。此外，组件、元件、模块和单元之间的通信可通过总线来执行。上面的示例实施例的功能方面可以以在一个或多个处理器上执行的算法实现。此外，这些组件、元件、模块或单元可利用用于电子配置、信号处理和/或控制、数据处理等的任何数量的现有技术。
存储器140临时或永久地存储由控制器130处理的数据、指令、程序、程序代码或它们的组合等。尽管存储器140可包括磁存储介质或闪存存储介质，但是实施例不是限于此。除了由控制器130处理的数据和命令之外，存储器140还可临时或永久地存储由第一传感器110和第二传感器120检测的运动信息和惯性数据。
根据示例实施例的控制器130可基于关于第一传感器110的运动信息来计算作为关于移动物体10的姿势信息的第一姿势信息。例如，第一传感器110可包括相机，控制器130可通过将由相机顺序地捕捉的第一图像和第二图像进行比较来估计移动物体10的位置、速度和姿态。具体地讲，控制器130可在考虑与第一图像的特定像素对应的像素在第二图像中移动了多少，关于特定像素的深度信息的改变量，第一图像与第二图像之间的时间差等的情况下来估计移动物体10在参考坐标系中的位置、速度和姿态。
根据示例实施例，控制器130可预先设置作为第一坐标系与第二坐标系之间的关系的外部校正值。如参照图3所述，外部校正值是针对第一坐标系与第二坐标系之间的位移差的值，以及针对第一坐标系与第二坐标系之间的旋转位移差的值。控制器130可通过对由第二传感器120测量的惯性数据进行预积分来基于作为外部校正值的位移差计算作为在第一传感器110的位置处预测的预积分量的相对预积分量。控制器130可基于作为外部校正值的旋转位移差和相对预积分量来计算在第一传感器110的位置处估计的第二姿势信息。
根据示例实施例，控制器130可根据基于位移差和从第二传感器120获得的惯性数据的预积分来估计在第一传感器110的位置处预测的相对预积分量。如参照图3所述，控制器130可通过凭借等式7至等式9对惯性数据进行预积分来计算预积分量，并基于等式16和等式17以及第一坐标系与第二坐标系之间的位移差来计算差量。控制器130可通过将预积分量和差量相加来计算相对预积分量。
同时，由于控制器130每第一时间确定关于移动物体10的姿势信息，因此，控制器130通过对在第一时间期间检测的惯性数据进行预积分来计算预积分量，其中，第一时间期间是在确定关于移动物体10的姿势信息之后直到再次确定关于移动物体10的姿势信息的持续时间。此外，控制器130可通过以下操作来估计相对预积分量：在第一时间期间从惯性数据计算角加速度和角速度；通过将计算的角加速度和角速度反映到等式16和等式17来估计与位置差对应的差量；将估计的差量加到预积分量。同时，由于控制器130根据参照图2B所述的预积分来对惯性数据进行积分，因此，控制器130可通过预积分从惯性数据计算相对预积分量，其中，该预积分反映了基于之前确定的移动物体10的坐标系移动的移动物体10的旋转角度。
如上所述，作为第一坐标系与第二坐标系之间的关系的外部校正值被预先设置，控制器130可通过使用外部校正值来估计反映相对动态的第二姿势信息。可通过使用参照图3所述的等式18至等式20来估计第二姿势信息。这里，外部校正值表示第一坐标系与第二坐标系之间的位移的值和旋转位移的值。例如，在x，y，z坐标系中，当惯性测量单元被设置在(0，0，1)处，并且另一传感器被设置在(2，0，1)处时，位移的差值可被设置为(2，0，0)。旋转位移表示允许第一坐标系的x，y和z轴与第二坐标系的x，y和z轴一致的旋转角度。同时，在反映相对预积分量和可在第一坐标系中预测估计的第二姿势信息的旋转量的点处，第一姿势信息和第二姿势信息具有彼此对应的关于移动物体10的位置、速度和姿态的信息，并且仅根据传感器的误差而在误差值方面不同。
同时，可在考虑第一传感器110与第二传感器120之间分开的距离以及每个传感器的坐标轴来预先设置外部校正值，或者控制器130可通过使用下面参照图6所述的方法来设置外部校正值。参照图6描述直接计算和设置外部校正值的方法。
通常，使用预积分的惯性导航设备(未示出)可与另一传感器一起使用，以便计算关于移动物体的姿势信息。在这种情况下，该另一传感器和惯性传感器分别使用不同的坐标系。例如，当通过使用从该另一传感器计算的关于移动物体10的姿势信息来校正从惯性传感器计算的关于移动物体10的姿势信息的误差时，从该另一传感器计算的关于移动物体10的姿势信息被变换到惯性传感器的坐标系，将移动物体10的运动限制在惯性传感器的坐标系中的移动物体10的运动，并且还需要将它的值变换到相机的坐标系的处理。这种坐标变换增加了惯性导航设备的操作量，并且可显著地延迟关于移动物体10的姿势信息的确定。这种坐标变换在使用预积分的惯性导航设备中还需要两个传感器之间的坐标变换处理。
与此不同，根据上述示例实施例的基于惯性的导航设备100基于惯性数据和外部校正值来估计在作为另一传感器的第一传感器110的位置处预测的姿势信息。在这种情况下，控制器130可在没有坐标变换的情况下直接将第一姿势信息与第二姿势信息进行比较，迅速地校正第二姿势信息的误差，并迅速地提供校正了误差的第二姿势信息作为关于移动物体10的姿势信息。也就是说，由于控制器130可根据基于惯性数据估计的相对预积分量和外部校正值来估计可在第一坐标系中预测的第二姿势信息，因此，控制器130可在没有坐标变换的情况下通过直接将第二姿势信息与第一姿势信息进行比较来校正第二姿势信息的误差。同时，对于通过将第二姿势信息与第一姿势信息进行比较来校正第二姿势信息的误差的方法，可使用改进的加权最小二乘法(mWLS)或非线性回归方法等。本发明构思不限于此。
图5是根据示例实施例的用于解释基于相对预积分的基于惯性的导航方法的流程图。
图5中所示的流程图包括在图4中所示的基于惯性的导航设备100中按时间序列处理的操作。因此，尽管在下面被省略，但是上面参照图4的描述也被应用于图5中所示的流程图。
参照图5，在S101中，基于惯性的导航设备100可从第一传感器110和第二传感器120获得运动信息和/或惯性数据，其中，第一传感器110通过检测移动物体10的运动获得运动信息，第二传感器120获得关于移动物体10的惯性数据。同时，第一传感器110的检测频率(检测速度)具有小于第二传感器120的检测频率的值。例如，第一传感器110可以以每秒10次的频率来检测图1中所示的移动物体10的运动，第二传感器120可以以每秒100次的频率来检测图1中所示的移动物体10的运动。在这种情况下，每当获得一次运动信息时，基于惯性的导航设备100可获得多次惯性数据。
如参照图2B所述，基于惯性的导航设备100可对惯性数据进行预积分，而不管初始值如何。在S102中，基于惯性的导航设备100可在考虑基于之前确定的移动物体10的坐标系的旋转角度的情况下，通过参照图3所述的等式7至等式9来对惯性数据进行预积分。此外，基于惯性的导航设备100可通过使用参照图3所述的等式17和等式18以及位移来计算差量。
基于惯性的导航设备100可参照图4所述每第一时间确定关于移动物体10的姿势信息，并连续对在从姿势信息正好之前已经被确定的点的第一时间期间检测的惯性数据进行预积分。
在S103中，确定第一时间是否过去。在S104中，当第一时间过去时，基于惯性的导航设备100可基于预积分量和差量来计算相对预积分量，其中，预积分量是通过对第一时间的惯性数据进行预积分而获得的结果值。这里，如参照图4所述，相对预积分量根据第一坐标系与第二坐标系之间的位移差来反映相对动态部分。也就是说，估计的相对预积分量包括关于移动物体10的位置改变量和速度改变量的信息，其中，该信息反映了可在假设第二传感器120被设置在第一传感器110处的情况下预测的相对差。
在S106中，基于惯性的导航设备100可基于运动信息计算第一姿势信息，其中，该运动信息是在第一坐标系中检测的运动信息，该第一姿势信息是基于参照图1所述的参考坐标系的关于移动物体10的位置、速度和姿态的信息。
在S105中，基于惯性的导航设备100可从通过反映作为参照图4所述的外部校正值的旋转位移的相对预积分量来估计第二姿势信息。这里，第二姿势信息是可基于由第二传感器120检测的惯性数据和外部校正值在作为另一传感器的第一传感器110的位置处估计的姿势信息。可通过使用参照图4所述的等式18至等式20来估计第二姿势信息。
在S107中，基于惯性的导航设备100可通过将计算的第一姿势信息与估计的第二姿势信息进行比较来校正第二姿势信息的误差。具体地讲，第二姿势信息包括偏差值和噪声等的误差。第一姿势信息包括偏差值和噪声等的误差。基于惯性的导航设备100可通过将第一姿势信息和第二姿势信息进行比较来计算可使第一姿势信息和第二姿势信息的误差最小化的值，并校正第二姿势信息，使得第二姿势信息的误差基于计算的值被最小化。
在S108中，基于惯性的导航设备100可将校正的第二姿势信息确定为关于移动物体10的姿势信息。
图6是根据示例实施例的用于解释在基于相对预积分的基于惯性的导航方法中确定外部校正值的方法的流程图。
图6中所示的流程图包括在图4中所示的基于惯性的导航设备100中按时间序列处理的操作。因此，尽管在下面被省略，但是上面参照图4的描述也被应用于图6中所示的流程图。
参照图6，在S110中，在没有预先设置外部校正值或者预设条件被满足的情况下，基于惯性的导航设备100可需要设置外部校正值。预设条件是物理影响被累积到移动物体10，因而过去了改变预设外部校正值所需的时间的情况，或者是通过用户请求重置外部校正值的情况。
在S111中，基于惯性的导航设备100计算参照图3所述的预积分量和差量，差量包括作为未确定变量的第一变量的。也就是说，基于惯性的导航设备100可使用第一变量基于等式13至等式15来执行预积分。
在S112中，确定第一时间是否过去。在S113中，基于惯性的导航设备100可基于惯性数据根据预积分来估计相对预积分量，直到参照图4所述的第一时间过去为止。在这种情况下，相对预积分量包括第一变量。
在S115中，基于惯性的导航设备100可根据从第一传感器110获得的运动信息，基于参照图2A所述的参考坐标来计算第一姿势信息。
在S114中，基于惯性的导航设备100可通过使用包括第一变量的相对预积分量和作为变量的参照图3所述的第二变量的来估计作为与参照图3所述的等式18至等式20对应的第二姿势信息的和在这种情况下，第二姿势信息包括第一变量和第二变量。
基于惯性的导航设备100可通过计算的第一姿势信息获得包括第一变量和第二变量的第二姿势信息中的和的值。在S116中，基于惯性的导航设备100可通过将通过第一姿势信息获得的和的值输入到等式18至等式20来计算第一变量和第二变量。
基于惯性的导航设备100可将确定的第一变量和第二变量设置为新的外部校正值，并且在设置完成之后，基于惯性的导航设备100可通过使用新设置的外部校正值来计算关于移动物体10的姿势信息。
因此，基于惯性的导航设备100通过使用预积分方法来对检测的惯性数据进行预积分，并可通过计算反映相对动态的相对预积分量基于另一传感器的坐标系来估计关于移动物体10的姿势信息。由此，基于惯性的导航设备100可在没有坐标变换的情况下，通过迅速地将基于惯性数据估计的关于移动物体10的姿势信息与基于由另一传感器检测的运动信息的关于移动物体10的姿势信息进行比较，来校正基于惯性数据估计的关于移动物体10的姿势信息的误差。此外，即使在未设置外部校正值或者需要重置外部值的情况下，基于惯性的导航设备100也可讯速地找出并设置外部校正值。
上述示例实施例可以以通过计算机上的各种组件可执行的计算机程序的形式实现，并且计算机程序可被记录在非暂时性计算机可读记录介质上。在这种情况下，非暂时性计算机可读记录介质的示例包括磁记录介质(诸如，硬盘，软盘和磁带)，光学记录介质(诸如，光盘只读存储器(CD-ROM)和数字通用盘(DVD))，磁光记录介质(诸如，软式光盘)以及被专门配置为存储和执行程序命令的硬件装置(诸如，ROM、随机存取存储器(RAM)以及闪存)。此外，非暂时性计算机可读记录介质可包括在网络上以可传输形式体现的无形介质，并且可以是例如以软件或应用的形式体现并经由网络可传输和可分布的介质。
同时，计算机程序可以是针对本发明构思专门设计和配置的计算机程序，或者可以是本领域的计算机程序员已知的和可获得的计算机程序。计算机程序的示例包括可由编译器生成的机器语言代码，以及可由计算机通过使用解释器执行的高级语言代码。
在此示出和描述的特定实施方式是本发明构思的说明性示例，并且不意在以任何方式限制本发明构思的范围。为简明的目的，可不详细地描述传统电子、控制***、软件开发和***的其他功能方面。此外，在所呈现的各个图中所示的连接线或连接器意在表示各种元件之间的示例性功能关系和/或物理或逻辑结合。应注意，许多替代的或附加的功能关系、物理连接或逻辑连接可在实际装置中存在。此外，除非该元件被具体地描述为“必要的”或“关键的”，否则没有任何项或组件对本发明构思的实践是必不可少的。
因此，本发明构思的精神不应限于上述实施例，不仅所附权利要求而且它的等同物或它的等同修改的所有范围都落入在本发明构思的精神内。

Claims (20)

1.一种基于惯性的导航设备，包括：
第一传感器，被配置为基于第一坐标系检测并输出关于正在移动的移动物体的运动信息；
第二传感器，被配置为基于第二坐标系检测并输出关于与移动物体的运动相关的平移加速度和旋转角速度的惯性数据；
控制器，被配置为基于运动信息和惯性数据，每第一时间确定关于移动物体在参考坐标系中的位置、速度和姿态的姿势信息，
其中，控制器还被配置为：
基于运动信息计算关于移动物体的第一姿势信息；
通过对惯性数据进行预积分来基于外部校正值估计相对预积分量，其中，外部校正值是第一坐标系与第二坐标系之间的预设关系，相对预积分量包括在第一坐标系中预测的移动物体在第一时间期间的位置改变量、速度改变量和姿态改变量；
基于相对预积分量和外部校正值，计算与惯性数据对应的关于移动物体的第二姿势信息；
通过将第一姿势信息与第二姿势信息进行比较来校正第二姿势信息的误差；
将校正了误差的第二姿势信息确定为关于移动物体的姿势信息。
2.根据权利要求1所述的导航设备，其中，控制器通过基于与之前确定的关于移动物体的姿势信息对应的移动物体的坐标系来确定正在移动的移动物体的旋转角度并对惯性数据进行预积分，来计算包括第二坐标系中的位置改变量、速度改变量和姿态改变量的预积分量。
3.根据权利要求2所述的导航设备，其中，控制器基于预积分量和第一坐标系与第二坐标系之间的位移差来估计在第一坐标系中预测的相对预积分量。
4.根据权利要求3所述的导航设备，其中，控制器基于惯性数据计算角加速度和角速度，基于计算的角加速度、计算的角速度和所述位移差计算所述预积分量与在第一坐标系中预测的预积分量之间的差量，并基于所述预积分量和所述差量估计相对预积分量。
5.根据权利要求4所述的导航设备，其中，控制器通过反映第一坐标系与第二坐标系之间的旋转位移差来计算第二姿势信息。
6.根据权利要求1所述的导航设备，其中，控制器通过包含与第一坐标系和第二坐标系之间的位移差对应的第一变量来估计相对预积分量，并通过包含与第一坐标系和第二坐标系之间的旋转位移差对应的第二变量来计算第二姿势信息。
7.根据权利要求6所述的导航设备，其中，控制器通过将第一姿势信息与第二姿势信息进行比较并确定第一变量的值和第二变量的值，来设置外部校正值。
8.根据权利要求7所述的导航设备，其中，控制器计算反映确定的第一变量的值和第二变量的值的第二姿势信息。
9.根据权利要求1所述的导航设备，其中，第一传感器通过使用相机和激光雷达中的至少一个来检测移动物体的运动。
10.根据权利要求1所述的导航设备，其中，第一传感器的检测频率小于第二传感器的检测频率。
11.根据权利要求1所述的导航设备，其中，第一传感器和第二传感器被布置在移动物体中，
其中，控制器在假设第二传感器被设置在第一传感器处的情况下估计相对预积分量。
12.一种基于相对预积分的基于惯性的导航方法，所述导航方法包括：
从第一传感器获得运动信息，其中，第一传感器基于第一坐标系检测移动物体的运动；
从第二传感器获得惯性数据，其中，第二传感器基于第二坐标系检测根据移动物体的运动测量的平移加速度和旋转角速度；
基于运动信息和惯性数据，每第一时间确定关于移动物体在参考坐标系中的位置、速度和姿态的姿势信息，
其中，确定姿势信息的步骤包括：
基于运动信息计算关于移动物体的第一姿势信息；
通过对惯性数据进行预积分来基于外部校正值估计相对预积分量，其中，外部校正值是第一坐标系与第二坐标系之间的关系，相对预积分量包括在第一坐标系中预测的移动物体在第一时间期间的位置改变量、速度改变量和姿态改变量；
基于估计的相对预积分量和外部校正值，计算与惯性数据对应的关于移动物体的第二姿势信息；
通过将第一姿势信息与第二姿势信息进行比较来校正第二姿势信息的误差；
将校正了误差的第二姿势信息确定为关于移动物体的姿势信息。
13.根据权利要求12所述的导航方法，其中，估计相对预积分量的步骤包括：
基于与之前确定的关于移动物体的姿势信息对应的移动物体的坐标系来确定移动物体的旋转角度；
基于确定的旋转角度来估计包括第二坐标系中的位置改变量、速度改变量和姿态改变量的预积分量。
14.根据权利要求13所述的导航方法，其中，估计相对预积分量的步骤还包括：通过反映第一坐标系与第二坐标系之间的位移差来估计在第一坐标系中预测的相对预积分量。
15.根据权利要求14所述的导航方法，其中，通过反映第一坐标系与第二坐标系之间的位移差来估计在第一坐标系中预测的相对预积分量的步骤包括：
基于惯性数据计算角加速度和角速度；
基于计算的角加速度、计算的角速度和所述位移差，计算所述预积分量与在第一坐标系中预测的预积分量之间的差量；
基于所述预积分量和所述差量估计相对预积分量。
16.根据权利要求15所述的导航方法，其中，计算第二姿势信息的步骤包括：通过反映第一坐标系与第二坐标系之间的旋转位移差来计算第二姿势信息。
17.根据权利要求12所述的导航方法，其中，估计相对预积分量的步骤包括：通过包含与第一坐标系和第二坐标系之间的位移差对应的第一变量来估计相对预积分量，
其中，计算第二姿势信息的步骤包括：通过包含与第一坐标系和第二坐标系之间的旋转位移差对应的第二变量来计算第二姿势信息。
18.根据权利要求17所述的导航方法，还包括：通过将第一姿势信息与第二姿势信息进行比较来确定第一变量的值和第二变量的值，从而设置外部校正值。
19.根据权利要求18所述的导航方法，其中，计算第二姿势信息的步骤包括：计算反映确定的第一变量的值和第二变量的值的第二姿势信息。
20.根据权利要求12所述的导航方法，其中，第一传感器的检测频率小于第二传感器的检测频率。
CN201811128799.7A 2017-10-12 2018-09-27 基于惯性的导航设备和基于相对预积分的惯性导航方法 Pending CN109668553A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170132748A KR102440358B1 (ko) 2017-10-12 2017-10-12 관성 기반 항법 장치 및 상대사전적분에 따른 관성 기반 항법 방법
KR10-2017-0132748 2017-10-12

Publications (1)

Publication Number Publication Date
CN109668553A true CN109668553A (zh) 2019-04-23

Family

ID=66096405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811128799.7A Pending CN109668553A (zh) 2017-10-12 2018-09-27 基于惯性的导航设备和基于相对预积分的惯性导航方法

Country Status (3)

Country Link
US (1) US10907969B2 (zh)
KR (1) KR102440358B1 (zh)
CN (1) CN109668553A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110780325A (zh) * 2019-08-23 2020-02-11 腾讯科技（深圳）有限公司 运动对象的定位方法及装置、电子设备
CN111811537A (zh) * 2020-07-02 2020-10-23 重庆青年职业技术学院 一种捷联惯性导航的误差补偿方法及导航***
WO2021196983A1 (zh) * 2020-03-30 2021-10-07 华为技术有限公司 一种自运动估计的方法及装置
WO2022057350A1 (zh) * 2020-09-17 2022-03-24 江苏大学 一种基于非线性积分补偿的组合运动测量***的惯性预积分方法

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110207692B (zh) * 2019-05-13 2021-03-30 南京航空航天大学 一种地图辅助的惯性预积分行人导航方法
JP2022553202A (ja) 2019-10-18 2022-12-22 マジック リープ， インコーポレイテッド 視覚的慣性オドメトリのための重力推定およびバンドル調整
CN113065572B (zh) * 2019-12-31 2023-09-08 北京凌宇智控科技有限公司 多传感器融合的数据处理方法、定位装置及虚拟现实设备
CN111351487B (zh) * 2020-02-20 2024-06-25 达闼机器人股份有限公司 多传感器的时钟同步方法、装置及计算设备
US11725944B2 (en) 2020-03-02 2023-08-15 Apollo Intelligent Driving Technology (Beijing) Co, Ltd. Method, apparatus, computing device and computer-readable storage medium for positioning
US11688157B2 (en) * 2020-04-23 2023-06-27 International Business Machines Corporation Shopper analysis using an acceleration sensor and imaging
JP2023527357A (ja) * 2020-05-29 2023-06-28 マジック リープ， インコーポレイテッド 角加速の決定
CN113739819B (zh) * 2021-08-05 2024-04-16 上海高仙自动化科技发展有限公司 校验方法、装置、电子设备、存储介质及芯片
CN113873637A (zh) * 2021-10-26 2021-12-31 上海瑾盛通信科技有限公司 定位方法、装置、终端和存储介质
CN115307646B (zh) * 2022-10-08 2023-03-24 浙江光珀智能科技有限公司 一种多传感器融合的机器人定位方法、***及装置
CN115575890A (zh) * 2022-12-08 2023-01-06 泉州装备制造研究所 电磁空间象限的识别方法、装置、存储介质及电子设备
CN116718153B (zh) * 2023-08-07 2023-10-27 成都云智北斗科技有限公司 一种基于gnss和ins的形变监测方法及***
CN117824635B (zh) * 2024-03-04 2024-05-07 北京星际导控科技有限责任公司 一种阵列式惯性测量装置和自适应惯性测量方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2639283B2 (ja) * 1992-06-03 1997-08-06 株式会社デンソー 方位センサ装置
US7162367B2 (en) * 1999-11-29 2007-01-09 American Gnc Corporation Self-contained/interruption-free positioning method and system thereof
FR2878954B1 (fr) 2004-12-07 2007-03-30 Sagem Systeme de navigation inertielle hybride base sur un modele cinematique
KR100761011B1 (ko) * 2006-05-30 2007-09-21 학교법인 인하학원 카메라형 태양센서를 이용한 관성항법시스템의자세보정장치 및 방법
US8374783B2 (en) * 2007-10-10 2013-02-12 Leica Geosystems Ag Systems and methods for improved position determination of vehicles
JP2009236532A (ja) * 2008-03-26 2009-10-15 Seiko Epson Corp 測位方法、プログラム及び測位装置
KR101239864B1 (ko) 2010-04-13 2013-03-18 위드로봇 주식회사 다중 센서를 이용한 항법시스템 및 그 제공방법
FR2977314B1 (fr) * 2011-06-29 2013-07-12 Ixblue Dispositif et procede de navigation integrant plusieurs systemes inertiels de navigation hybrides
JP2013181900A (ja) * 2012-03-02 2013-09-12 Seiko Epson Corp 姿勢算出方法、位置算出方法及び姿勢算出装置
GB2501466A (en) * 2012-04-02 2013-10-30 Univ Oxford Localising transportable apparatus
KR101229958B1 (ko) 2012-05-30 2013-02-05 삼성탈레스 주식회사 Ｇｐｓ 수신 불가 지역에서의 보행자 위치정보 시스템 및 위치정보 획득 방법
KR102016551B1 (ko) * 2014-01-24 2019-09-02 한화디펜스 주식회사 위치 추정 장치 및 방법
US10162362B2 (en) * 2016-08-29 2018-12-25 PerceptIn, Inc. Fault tolerance to provide robust tracking for autonomous positional awareness
US10281279B2 (en) * 2016-10-24 2019-05-07 Invensense, Inc. Method and system for global shape matching a trajectory
US10317214B2 (en) * 2016-10-25 2019-06-11 Massachusetts Institute Of Technology Inertial odometry with retroactive sensor calibration

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110780325A (zh) * 2019-08-23 2020-02-11 腾讯科技（深圳）有限公司 运动对象的定位方法及装置、电子设备
CN110780325B (zh) * 2019-08-23 2022-07-19 腾讯科技（深圳）有限公司 运动对象的定位方法及装置、电子设备
WO2021196983A1 (zh) * 2020-03-30 2021-10-07 华为技术有限公司 一种自运动估计的方法及装置
CN111811537A (zh) * 2020-07-02 2020-10-23 重庆青年职业技术学院 一种捷联惯性导航的误差补偿方法及导航***
CN111811537B (zh) * 2020-07-02 2023-09-08 重庆青年职业技术学院 一种捷联惯性导航的误差补偿方法及导航***
WO2022057350A1 (zh) * 2020-09-17 2022-03-24 江苏大学 一种基于非线性积分补偿的组合运动测量***的惯性预积分方法

Also Published As

Publication number Publication date
KR102440358B1 (ko) 2022-09-05
KR20190041315A (ko) 2019-04-22
US20190113347A1 (en) 2019-04-18
US10907969B2 (en) 2021-02-02

Similar Documents

Publication Publication Date Title
CN109668553A (zh) 基于惯性的导航设备和基于相对预积分的惯性导航方法
US20200124421A1 (en) Method and apparatus for estimating position
US9071829B2 (en) Method and system for fusing data arising from image sensors and from motion or position sensors
CN109887057A (zh) 生成高精度地图的方法和装置
CN109540126A (zh) 一种基于光流法的惯性视觉组合导航方法
KR102627453B1 (ko) 위치 추정 장치 및 방법
CN110146909A (zh) 一种定位数据处理方法
KR101890612B1 (ko) 적응적 관심영역 및 탐색창을 이용한 객체 검출 방법 및 장치
CN109141411B (zh) 定位方法、定位装置、移动机器人及存储介质
US11983890B2 (en) Method and apparatus with motion information estimation
CN104913775A (zh) 无人机对地高度的测量方法、无人机定位方法及装置
CN109769206B (zh) 一种室内定位融合方法、装置、存储介质及终端设备
CN109579830A (zh) 智能机器人的导航方法和导航***
CN117367419A (zh) 机器人定位方法、装置和计算可读存储介质
CN109827595A (zh) 室内惯性导航仪方向校准方法、室内导航装置及电子设备
Panahandeh et al. Vision-aided inertial navigation using planar terrain features
Forno et al. Techniques for improving localization applications running on low-cost IoT devices
CN117015719A (zh) 用于确定刚体的运动状态的方法
EP3392748B1 (en) System and method for position tracking in a virtual reality system
US11620846B2 (en) Data processing method for multi-sensor fusion, positioning apparatus and virtual reality device
CN115585805A (zh) 车辆定位方法、定位装置、定位***以及车辆
CN115540854A (zh) 一种基于uwb辅助的主动定位方法、设备和介质
CN114001730B (zh) 融合定位方法、装置、计算机设备和存储介质
JP2023506533A (ja) モバイルデバイス用のカメラシステム、１つのカメラを位置決めするための方法、および、複数のカメラを位置決めするための方法
CN108253936B (zh) 一种减小光轴指向随机误差的无人机目标定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190423

WD01 Invention patent application deemed withdrawn after publication