CN109827569A - 无人车定位方法及*** - Google Patents
无人车定位方法及*** Download PDFInfo
- Publication number
- CN109827569A CN109827569A CN201910128546.8A CN201910128546A CN109827569A CN 109827569 A CN109827569 A CN 109827569A CN 201910128546 A CN201910128546 A CN 201910128546A CN 109827569 A CN109827569 A CN 109827569A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- measurement unit
- inertial measurement
- positioning device
- coordinate system
- 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 34
- 230000004807 localization Effects 0.000 title claims abstract description 13
- 230000001133 acceleration Effects 0.000 claims abstract description 126
- 238000005259 measurement Methods 0.000 claims abstract description 68
- 238000001914 filtration Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本发明是关于一种无人车定位方法及***,属于车辆工程技术领域,该无人车定位***包括:视觉定位装置和惯性导航装置,惯性导航装置包括惯性测量单元,惯性导航装置用于获取惯性测量单元的状态信息,并将该状态信息发送至视觉定位装置,该状态信息包括惯性测量单元在载体坐标系下的比力加速度,以及惯性测量单元的欧拉角;视觉定位装置用于确定比力加速度的估计值,并根据该比力加速度的估计值和欧拉角确定惯性测量单元的线性加速度,再根据惯性测量单元的线性加速度确定无人车的位置信息,解决了相关技术中无人车定位精度较低的问题,通过视觉定位装置和惯性导航装置来确定无人车的位置信息,提高了定位精度,用于对无人车进行定位。
Description
技术领域
本发明涉及车辆工程技术领域,特别涉及一种无人车定位方法及***。
背景技术
无人驾驶汽车(以下简称无人车)是一种智能汽车,也称为轮式移动机器人。无人车基于车载导航***感知车辆周围环境,并根据感知所获得的道路,车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。定位技术是车载导航***的一个关键技术,无人车常采用全球卫星导航***(Global NavigationSatellite System,GNSS)实现定位,GNSS可以提供全球性的、高精度的定位服务,但是受到卫星轨道误差、时钟误差以及信号传播误差等的影响,GNSS的定位精度仅能达到米级,定位精度较低。虽然通过载波相位差分技术可以将定位精度提高到厘米级,但在建筑物密集的城市区域,由于卫星信号受到阻挡以及多路径效应的其他因素干扰,GNSS常常无法满足无人车的定位需求。
相关技术中,为了弥补GNSS的缺陷,常采用基于航位推算的自主定位方法来提高车载导航***的定位精度与鲁棒性,在该方法中,采用惯性导航***(InertialNavigation System,INS)中的惯性传感器测量载体相对于惯性空间的角速度和加速度,并对测量的值进行积分来推算载体的导航参数,之后基于该导航参数得到无人车的位置信息。然而,在GNSS信号受干扰区域GNSS和INS的组合***的误差会随着时间而逐渐积累,导致定位精度较低。
发明内容
本发明实施例提供了一种无人车定位方法及***,可以解决相关技术中无人车定位精度较低的问题。所述技术方案如下:
根据本发明实施例的第一方面,提供一种无人车定位***,包括:视觉定位装置和惯性导航装置,所述惯性导航装置包括惯性测量单元,
所述惯性导航装置用于获取所述惯性测量单元的状态信息,并将所述状态信息发送至所述视觉定位装置,所述状态信息包括所述惯性测量单元在载体坐标系下的比力加速度,以及所述惯性测量单元的欧拉角,所述欧拉角包括横滚角、俯仰角和航向角;
所述视觉定位装置用于确定所述比力加速度的估计值,并根据所述比力加速度的估计值和所述欧拉角确定所述惯性测量单元的线性加速度;
所述视觉定位装置还用于根据所述惯性测量单元的线性加速度确定所述无人车的位置信息。
可选地,所述视觉定位装置用于:
根据所述比力加速度的估计值和所述欧拉角,采用速度计算公式确定所述惯性测量单元在导航坐标系下的速度;
根据所述惯性测量单元在导航坐标系下的速度确定所述惯性测量单元的线性加速度;
所述速度计算公式为:所述n表示导航坐标系,所述b
表示载体坐标系,所述为所述惯性测量单元在导航坐标系下的速度,所述fb为所述惯性测量单元在载体坐标系下的比力加速度的估计值,所述gn为所述惯性测量单元在导航坐标系下的重力加速度,所述为所述惯性测量单元的欧拉角从载体坐标系到导航坐标系的变换矩阵,
其中,所述α为横滚角,所述β为俯仰角,所述γ为航向角。
可选地,所述惯性导航装置还用于确定所述无人车的行驶信息,并将所述行驶信息发送至所述视觉定位装置,所述行驶信息包括所述无人车在导航坐标系下的位置信息,所述无人车的行驶速度和所述无人车的线性加速度;
所述视觉定位装置用于根据所述惯性测量单元的线性加速度和所述惯性导航装置确定的所述无人车的行驶信息估计所述无人车的位置信息。
可选地,所述惯性导航装置用于:
根据上一次确定的所述无人车的行驶信息,采用卡尔曼滤波算法确定所述无人车的行驶信息。
可选地,所述视觉定位装置用于:
根据所述比力加速度和自回归滑动平均模型中的滑动平均参数,通过一次卡尔曼滤波确定所述比力加速度的估计值。
根据本发明实施例的第二方面,提供一种无人车定位方法,用于无人车定位***,所述无人车定位***包括:视觉定位装置和惯性导航装置,所述视觉定位装置和所述惯性导航装置电连接,所述惯性导航装置包括惯性测量单元,所述方法包括:
所述惯性导航装置获取所述惯性测量单元的状态信息,并将所述状态信息发送至所述视觉定位装置,所述状态信息包括所述惯性测量单元在载体坐标系下的比力加速度,以及所述惯性测量单元的欧拉角,所述欧拉角包括横滚角、俯仰角和航向角;
所述视觉定位装置确定所述比力加速度的估计值,并根据所述比力加速度的估计值和所述欧拉角确定所述惯性测量单元的线性加速度;
所述视觉定位装置根据所述惯性测量单元的线性加速度确定所述无人车的位置信息。
可选地,所述视觉定位装置根据所述比力加速度的估计值和所述欧拉角确定所述惯性测量单元的线性加速度,包括:
所述视觉定位装置根据所述比力加速度的估计值和所述欧拉角,采用速度计算公式确定所述惯性测量单元在导航坐标系下的速度;
所述视觉定位装置根据所述惯性测量单元在导航坐标系下的速度确定所述惯性测量单元的线性加速度;
所述速度计算公式为:所述n表示导航坐标系,所述b表示载体坐标系,所述为所述惯性测量单元在导航坐标系下的速度,所述fb为所述惯性测量单元在载体坐标系下的比力加速度的估计值,所述gn为所述惯性测量单元在导航坐标系下的重力加速度,所述为所述惯性测量单元的欧拉角从载体坐标系到导航坐标系的变换矩阵,
其中,所述α为横滚角,所述β为俯仰角,所述γ为航向角。
可选地,所述方法还包括:
所述惯性导航装置确定所述无人车的行驶信息,并将所述行驶信息发送至所述视觉定位装置,所述行驶信息包括所述无人车在导航坐标系下的位置信息,所述无人车的行驶速度和所述无人车的线性加速度;
所述视觉定位装置根据所述惯性测量单元的线性加速度确定所述无人车的位置信息,包括:
所述视觉定位装置根据所述惯性测量单元的线性加速度和所述惯性导航装置确定的所述无人车的行驶信息估计所述无人车的位置信息。
可选地,所述惯性导航装置确定所述无人车的行驶信息,包括:
所述惯性导航装置根据上一次确定的所述无人车的行驶信息,采用卡尔曼滤波算法确定所述无人车的行驶信息。
可选地,所述视觉定位装置确定所述比力加速度的估计值,包括:
所述视觉定位装置根据所述比力加速度和自回归滑动平均模型中的滑动平均参数,通过一次卡尔曼滤波确定所述比力加速度的估计值。
本发明实施例提供的技术方案至少包括以下有益效果:
惯性导航装置用于获取IMU的状态信息,该状态信息包括IMU的比力加速度和欧拉角,视觉定位装置用于确定比力加速度的估计值,根据比力加速度的估计值和欧拉角确定IMU的线性加速度,并根据该线性加速度来确定无人车的位置信息,该无人车定位***融合了惯性导航装置和视觉定位装置来确定无人车的位置信息,相较于GNSS和INS的组合***,避免了误差累积,提高了无人车的定位精度,且定位成本较低。
附图说明
为了更清楚地说明本发明的实施例,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种无人车定位***的结构示意图;
图2是本发明实施例提供的一种无人车定位方法的流程图;
图3是本发明实施例提供的一种确定IMU的线性加速度的流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
图1是本发明实施例提供的一种无人车定位***的结构示意图,如图1所示,该无人车定位***100包括:视觉定位装置110和惯性导航装置120,惯性导航装置120包括惯性测量单元(Inertial measurement unit,IMU)121。
惯性导航装置120用于获取IMU121的状态信息,并将该状态信息发送至视觉定位装置110,该状态信息包括IMU121在载体坐标系下的比力加速度,以及IMU121的欧拉角。IMU121的欧拉角包括IMU121的横滚角、俯仰角和航向角。IMU121在载体坐标系下的比力加速度为IMU121相对于地心惯性坐标系的旋转角速度在载体坐标系下的投影数据。
视觉定位装置110用于确定比力加速度的估计值,并根据该比力加速度的估计值和IMU121的欧拉角确定IMU121的线性加速度。
视觉定位装置110还用于根据IMU121的线性加速度确定无人车的位置信息。
本发明实施例提供的无人车定位***,惯性导航装置用于获取IMU的状态信息,该状态信息包括IMU的比力加速度和欧拉角,视觉定位装置用于确定比力加速度的估计值,根据比力加速度的估计值和欧拉角确定IMU的线性加速度,并根据该线性加速度来确定无人车的位置信息,该无人车定位***融合了惯性导航装置和视觉定位装置来确定无人车的位置信息,相较于GNSS和INS的组合***,避免了误差累积,提高了无人车的定位精度,且定位成本较低。
可选地,视觉定位装置110具体用于:根据比力加速度和自回归滑动平均模型中的滑动平均参数,通过一次卡尔曼滤波确定比力加速度的估计值。其中,根据自回归滑动平均模型中的滑动平均参数,通过一次卡尔曼滤波确定指定数据的估计值的具体过程可以参考相关技术。
可选地,在确定IMU121的线性加速度时,视觉定位装置110具体用于:
根据比力加速度的估计值和欧拉角,采用速度计算公式确定IMU121在导航坐标系下的速度;
根据IMU121在导航坐标系下的速度确定IMU121的线性加速度aIMU。
速度对时间的导数为线性加速度。具体地,在得到IMU121在导航坐标系下的速度之后,视觉定位装置110可以对速度进行求导以得到线性加速度。
用于确定IMU121在导航坐标系下的速度的速度计算公式为:n表示导航坐标系,b表示载体坐标系,为IMU在导航坐标系下的速度,fb为IMU在载体坐标系下的比力加速度的估计值,gn为IMU在导航坐标系下的重力加速度,为IMU的欧拉角从载体坐标系到导航坐标系的变换矩阵,也称作IMU的姿态矩阵。
其中,α为横滚角,β为俯仰角,γ为航向角。
可选地,在一种可实现方式中,惯性导航装置120还用于确定无人车的行驶信息,并将该行驶信息发送至视觉定位装置110。无人车的行驶信息包括无人车在导航坐标系下的位置信息,无人车的行驶速度和无人车的线性加速度。相应地,视觉定位装置110用于根据IMU121的线性加速度和惯性导航装置120确定的无人车的行驶信息估计无人车的位置信息。
具体地,在确定无人车的行驶信息时,惯性导航装置120用于根据上一次确定的无人车的行驶信息,采用卡尔曼滤波算法确定无人车的行驶信息。例如,惯性导航装置120用于采用第一确定公式确定无人车的行驶信息,第一确定公式为:
W表示过程噪声,W为正态分布的白色噪声,P(W)~N(0,Q),W服从于均值为0,协方差为Q的正态分布,Q为过程激励噪声协方差矩阵。k表示周期序号。T为第k个周期和第k-1个周期之间的时间间隔,示例地,T可以为10ms(毫秒)。X(k-1)为惯性导航装置120上一次确定的无人车的行驶信息。在第一确定公式中,X=[p va]T,p为无人车在导航坐标系下的位置信息,v为无人车的行驶速度,a为无人车的线性加速度。惯性导航装置120首次确定无人车的行驶信息的方式可以参考相关技术。
惯性导航装置120用于采用第一确定公式得到无人车的行驶信息,即得到无人车在导航坐标系下的位置信息,无人车的行驶速度和无人车的线性加速度。
可选地,视觉定位装置110用于采用第二确定公式,根据IMU121的线性加速度和惯性导航装置120确定的无人车的行驶信息估计无人车的位置信息,第二确定公式为:
V表示观测噪声,V为正态分布的白色噪声,V与第一确定公式中的W为相互独立的正态分布的白色噪声,P(V)~N(0,R),V服从于均值为0,协方差为R的正态分布,R为观测噪声协方差矩阵。k表示周期序号。X(k)为惯性导航装置120确定的无人车的行驶信息。Z(k)=[pvision,0,aIMU]T,pvision为估计的无人车的位置信息,aIMU为IMU的线性加速度。视觉定位装置110用于采用第二确定公式估计无人车的位置信息pvision。
在本发明实施例中,视觉定位装置110可以包括视觉传感器,惯性导航装置120可以为惯性导航***。
本发明实施例提供的无人车定位***是一种基于视觉定位装置和惯性导航装置的无人车空间位置组合定位***,该***能够使无人车确定行驶速度,行驶方向,行驶路径等信息,该***将视觉定位装置和惯性导航装置相结合,能够补偿单一传感器性能的不足。
综上所述,本发明实施例提供的无人车定位***,惯性导航装置用于获取IMU的状态信息,该状态信息包括IMU的比力加速度和欧拉角,视觉定位装置用于确定比力加速度的估计值,根据比力加速度的估计值和欧拉角确定IMU的线性加速度,并根据该线性加速度来确定无人车的位置信息,该无人车定位***融合了惯性导航装置和视觉定位装置来确定无人车的位置信息,相较于GNSS和INS的组合***,避免了误差累积,提高了无人车的定位精度,且定位成本较低。
图2示出了本发明实施例提供的一种无人车定位方法的流程图。该无人车定位方法可以用于图1所示的无人车定位***100,如图1所示,该无人车定位***100包括:视觉定位装置110和惯性导航装置120,视觉定位装置110和惯性导航装置120电连接,惯性导航装置120包括IMU121。
如图2所示,该无人车定位方法包括:
步骤210、惯性导航装置获取IMU的状态信息。
IMU的状态信息包括IMU在载体坐标系下的比力加速度,以及IMU的欧拉角,IMU的欧拉角包括IMU的横滚角、俯仰角和航向角。
IMU在载体坐标系下的比力加速度为IMU相对于地心惯性坐标系的旋转角速度在载体坐标系下的投影数据。
步骤220、惯性导航装置将IMU的状态信息发送至视觉定位装置。
步骤230、视觉定位装置确定比力加速度的估计值,并根据比力加速度的估计值和欧拉角确定IMU的线性加速度。
其中,视觉定位装置确定比力加速度的估计值可以包括:视觉定位装置根据比力加速度和自回归滑动平均模型中的滑动平均参数,通过一次卡尔曼滤波确定比力加速度的估计值。其中,根据自回归滑动平均模型中的滑动平均参数,通过一次卡尔曼滤波确定指定数据的估计值的具体过程可以参考相关技术。
如图3所示,视觉定位装置根据比力加速度的估计值和欧拉角确定IMU的线性加速度,可以包括:
步骤231、视觉定位装置根据比力加速度的估计值和欧拉角,采用速度计算公式确定IMU在导航坐标系下的速度。
速度计算公式为:n表示导航坐标系,b表示载体坐标系,为IMU在导航坐标系下的速度,fb为IMU在载体坐标系下的比力加速度的估计值,gn为IMU在导航坐标系下的重力加速度,为IMU的欧拉角从载体坐标系到导航坐标系的变换矩阵。
α为横滚角,β为俯仰角,γ为航向角。
步骤232、视觉定位装置根据IMU在导航坐标系下的速度确定IMU的线性加速度。
视觉定位装置根据步骤231确定的IMU在导航坐标系下的速度确定IMU的线性加速度aIMU。具体地,视觉定位装置110用于对速度进行求导得到线性加速度。
步骤240、惯性导航装置确定无人车的行驶信息。
无人车的行驶信息包括无人车在导航坐标系下的位置信息,无人车的行驶速度和无人车的线性加速度。
其中,步骤240可以包括:惯性导航装置根据上一次确定的无人车的行驶信息,采用卡尔曼滤波算法确定无人车的行驶信息。
具体地,惯性导航装置可以采用第一确定公式确定无人车的行驶信息,第一确定公式为:
W表示过程噪声,W为正态分布的白色噪声,P(W)~N(0,Q),W服从于均值为0,协方差为Q的正态分布,Q为过程激励噪声协方差矩阵。k表示周期序号。T为第k个周期和第k-1个周期之间的时间间隔。X(k-1)为惯性导航装置上一次确定的无人车的行驶信息。在第一确定公式中,X=[p va]T,p为无人车在导航坐标系下的位置信息,v为无人车的行驶速度,a为无人车的线性加速度。
步骤250、惯性导航装置将无人车的行驶信息发送至视觉定位装置。
步骤260、视觉定位装置根据IMU的线性加速度和惯性导航装置确定的无人车的行驶信息估计无人车的位置信息。
具体地,视觉定位装置可以采用第二确定公式,根据IMU的线性加速度和惯性导航装置确定的无人车的行驶信息估计无人车的位置信息,第二确定公式为:
V表示观测噪声,V为正态分布的白色噪声,V与第一确定公式中的W为相互独立的正态分布的白色噪声,P(V)~N(0,R),V服从于均值为0,协方差为R的正态分布,R为观测噪声协方差矩阵。k表示周期序号。X(k)为惯性导航装置确定的无人车的行驶信息。Z(k)=[pvision,0,aIMU]T,pvision为估计的无人车的位置信息,aIMU为IMU的线性加速度,即步骤230中确定的IMU的线性加速度。
进一步地,下一次估计无人车的位置信息时,在步骤240中,惯性导航装置可以基于步骤260中估计的无人车的位置信息pvision得到无人车的行驶信息,进而使视觉定位装置根据IMU的线性加速度和惯性导航装置确定的无人车的行驶信息估计无人车的位置信息。
综上所述,本发明实施例提供的无人车定位方法,惯性导航装置能够获取惯性测量单元的状态信息,该状态信息包括比力加速度和欧拉角,视觉定位装置再确定比力加速度的估计值,根据比力加速度的估计值和欧拉角确定惯性测量单元的线性加速度,之后根据线性加速度确定无人车的位置信息,由于该方法融合惯性导航装置和视觉定位装置来确定无人车的位置信息,所以相较于GNSS和INS的组合***,避免了误差累积,提高了无人车的定位精度,且定位成本较低。
需要说明的是,本发明实施例提供的无人车定位方法的步骤的先后顺序可以进行适当调整,无人车定位方法的步骤也可以根据情况进行相应增减。任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本发明的保护范围之内,因此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的方法的具体步骤,可以参考前述装置实施例中***和装置的具体工作过程,在此不再赘述。
本领域技术人员在考虑说明书及实践这里发明的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种无人车定位***,其特征在于,包括:视觉定位装置和惯性导航装置,所述惯性导航装置包括惯性测量单元,
所述惯性导航装置用于获取所述惯性测量单元的状态信息,并将所述状态信息发送至所述视觉定位装置,所述状态信息包括所述惯性测量单元在载体坐标系下的比力加速度,以及所述惯性测量单元的欧拉角,所述欧拉角包括横滚角、俯仰角和航向角;
所述视觉定位装置用于确定所述比力加速度的估计值,并根据所述比力加速度的估计值和所述欧拉角确定所述惯性测量单元的线性加速度;
所述视觉定位装置还用于根据所述惯性测量单元的线性加速度确定所述无人车的位置信息。
2.根据权利要求1所述的***,其特征在于,所述视觉定位装置用于:
根据所述比力加速度的估计值和所述欧拉角,采用速度计算公式确定所述惯性测量单元在导航坐标系下的速度;
根据所述惯性测量单元在导航坐标系下的速度确定所述惯性测量单元的线性加速度;
所述速度计算公式为:所述n表示导航坐标系,所述b表示载体坐标系,所述为所述惯性测量单元在导航坐标系下的速度,所述fb为所述惯性测量单元在载体坐标系下的比力加速度的估计值,所述gn为所述惯性测量单元在导航坐标系下的重力加速度,所述为所述惯性测量单元的欧拉角从载体坐标系到导航坐标系的变换矩阵,
其中,所述α为横滚角,所述β为俯仰角,所述γ为航向角。
3.根据权利要求1所述的***,其特征在于,
所述惯性导航装置还用于确定所述无人车的行驶信息,并将所述行驶信息发送至所述视觉定位装置,所述行驶信息包括所述无人车在导航坐标系下的位置信息,所述无人车的行驶速度和所述无人车的线性加速度;
所述视觉定位装置用于根据所述惯性测量单元的线性加速度和所述惯性导航装置确定的所述无人车的行驶信息估计所述无人车的位置信息。
4.根据权利要求3所述的***,其特征在于,所述惯性导航装置用于:
根据上一次确定的所述无人车的行驶信息,采用卡尔曼滤波算法确定所述无人车的行驶信息。
5.根据权利要求1所述的***,其特征在于,所述视觉定位装置用于:
根据所述比力加速度和自回归滑动平均模型中的滑动平均参数,通过一次卡尔曼滤波确定所述比力加速度的估计值。
6.一种无人车定位方法,其特征在于,用于无人车定位***,所述无人车定位***包括:视觉定位装置和惯性导航装置,所述视觉定位装置和所述惯性导航装置电连接,所述惯性导航装置包括惯性测量单元,所述方法包括:
所述惯性导航装置获取所述惯性测量单元的状态信息,并将所述状态信息发送至所述视觉定位装置,所述状态信息包括所述惯性测量单元在载体坐标系下的比力加速度,以及所述惯性测量单元的欧拉角,所述欧拉角包括横滚角、俯仰角和航向角;
所述视觉定位装置确定所述比力加速度的估计值,并根据所述比力加速度的估计值和所述欧拉角确定所述惯性测量单元的线性加速度;
所述视觉定位装置根据所述惯性测量单元的线性加速度确定所述无人车的位置信息。
7.根据权利要求6所述的方法,其特征在于,所述视觉定位装置根据所述比力加速度的估计值和所述欧拉角确定所述惯性测量单元的线性加速度,包括:
所述视觉定位装置根据所述比力加速度的估计值和所述欧拉角,采用速度计算公式确定所述惯性测量单元在导航坐标系下的速度;
所述视觉定位装置根据所述惯性测量单元在导航坐标系下的速度确定所述惯性测量单元的线性加速度;
所述速度计算公式为:所述n表示导航坐标系,所述b表示载体坐标系,所述为所述惯性测量单元在导航坐标系下的速度,所述fb为所述惯性测量单元在载体坐标系下的比力加速度的估计值,所述gn为所述惯性测量单元在导航坐标系下的重力加速度,所述为所述惯性测量单元的欧拉角从载体坐标系到导航坐标系的变换矩阵,
其中,所述α为横滚角,所述β为俯仰角,所述γ为航向角。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
所述惯性导航装置确定所述无人车的行驶信息,并将所述行驶信息发送至所述视觉定位装置,所述行驶信息包括所述无人车在导航坐标系下的位置信息,所述无人车的行驶速度和所述无人车的线性加速度;
所述视觉定位装置根据所述惯性测量单元的线性加速度确定所述无人车的位置信息,包括:
所述视觉定位装置根据所述惯性测量单元的线性加速度和所述惯性导航装置确定的所述无人车的行驶信息估计所述无人车的位置信息。
9.根据权利要求8所述的方法,其特征在于,所述惯性导航装置确定所述无人车的行驶信息,包括:
所述惯性导航装置根据上一次确定的所述无人车的行驶信息,采用卡尔曼滤波算法确定所述无人车的行驶信息。
10.根据权利要求6所述的方法,其特征在于,所述视觉定位装置确定所述比力加速度的估计值,包括:
所述视觉定位装置根据所述比力加速度和自回归滑动平均模型中的滑动平均参数,通过一次卡尔曼滤波确定所述比力加速度的估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910128546.8A CN109827569A (zh) | 2019-02-21 | 2019-02-21 | 无人车定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910128546.8A CN109827569A (zh) | 2019-02-21 | 2019-02-21 | 无人车定位方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109827569A true CN109827569A (zh) | 2019-05-31 |
Family
ID=66864033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910128546.8A Pending CN109827569A (zh) | 2019-02-21 | 2019-02-21 | 无人车定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109827569A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114008410A (zh) * | 2019-06-14 | 2022-02-01 | 赛峰电子与防务公司 | 用于监测惯性测量单元的性能的方法 |
CN115103437A (zh) * | 2022-04-27 | 2022-09-23 | 电子科技大学 | 一种蓝牙和惯性测量单元的紧耦合室内定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
CN102768042A (zh) * | 2012-07-11 | 2012-11-07 | 清华大学 | 一种视觉-惯性组合导航方法 |
CN103424114A (zh) * | 2012-05-22 | 2013-12-04 | 同济大学 | 一种视觉导航/惯性导航的全组合方法 |
CN106767791A (zh) * | 2017-01-13 | 2017-05-31 | 东南大学 | 一种采用基于粒子群优化的ckf的惯性/视觉组合导航方法 |
KR20170091199A (ko) * | 2016-01-29 | 2017-08-09 | 한국기술교육대학교 산학협력단 | Ins 및 gps를 이용한 무인 자동차 제어 장치 및 방법 |
CN107063246A (zh) * | 2017-04-24 | 2017-08-18 | 齐鲁工业大学 | 一种视觉导航/惯性导航的松散组合导航方法 |
CN109186597A (zh) * | 2018-08-31 | 2019-01-11 | 武汉大学 | 一种基于双mems-imu的室内轮式机器人的定位方法 |
-
2019
- 2019-02-21 CN CN201910128546.8A patent/CN109827569A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
CN103424114A (zh) * | 2012-05-22 | 2013-12-04 | 同济大学 | 一种视觉导航/惯性导航的全组合方法 |
CN102768042A (zh) * | 2012-07-11 | 2012-11-07 | 清华大学 | 一种视觉-惯性组合导航方法 |
KR20170091199A (ko) * | 2016-01-29 | 2017-08-09 | 한국기술교육대학교 산학협력단 | Ins 및 gps를 이용한 무인 자동차 제어 장치 및 방법 |
CN106767791A (zh) * | 2017-01-13 | 2017-05-31 | 东南大学 | 一种采用基于粒子群优化的ckf的惯性/视觉组合导航方法 |
CN107063246A (zh) * | 2017-04-24 | 2017-08-18 | 齐鲁工业大学 | 一种视觉导航/惯性导航的松散组合导航方法 |
CN109186597A (zh) * | 2018-08-31 | 2019-01-11 | 武汉大学 | 一种基于双mems-imu的室内轮式机器人的定位方法 |
Non-Patent Citations (1)
Title |
---|
高明: "基于视觉和惯性导航的水下机器人组合定位设计", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114008410A (zh) * | 2019-06-14 | 2022-02-01 | 赛峰电子与防务公司 | 用于监测惯性测量单元的性能的方法 |
CN115103437A (zh) * | 2022-04-27 | 2022-09-23 | 电子科技大学 | 一种蓝牙和惯性测量单元的紧耦合室内定位方法 |
CN115103437B (zh) * | 2022-04-27 | 2024-03-15 | 电子科技大学 | 一种蓝牙和惯性测量单元的紧耦合室内定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106289275B (zh) | 用于改进定位精度的单元和方法 | |
KR100580628B1 (ko) | 이동물체의 진행방향 추정 방법 및 시스템 | |
EP1315945B1 (en) | Calibration of multi-axis accelerometer in vehicle navigation system using gps data | |
KR100518852B1 (ko) | 차량의 후진 개선 추측항법 | |
US6474159B1 (en) | Motion-tracking | |
JP5036462B2 (ja) | ナビゲーション・システムおよびナビゲーション方法 | |
EP1612514B1 (en) | System for navigation redundancy | |
US20100191461A1 (en) | System and method of lane path estimation using sensor fusion | |
CN110221332A (zh) | 一种车载gnss/ins组合导航的动态杆臂误差估计和补偿方法 | |
CN114286924B (zh) | 用于确定车辆轨迹的方法和装置 | |
CN102436004A (zh) | 定位***及定位方法 | |
CN109059909A (zh) | 基于神经网络辅助的卫星/惯导列车定位方法与*** | |
CN109186597A (zh) | 一种基于双mems-imu的室内轮式机器人的定位方法 | |
CN113670334B (zh) | 一种飞行汽车的初始对准方法和装置 | |
CN108303079B (zh) | 一种水下usbl反向应用的数据平滑方法 | |
CN109931955A (zh) | 基于状态相关李群滤波的捷联惯性导航***初始对准方法 | |
CN110207691A (zh) | 一种基于数据链测距的多无人车协同导航方法 | |
CN111854740A (zh) | 能够在交通工具中进行航位推算的惯性导航*** | |
CN109827569A (zh) | 无人车定位方法及*** | |
CN109470243A (zh) | 一种基于加计内阻尼的组合导航***及其导航方法 | |
CN108680159A (zh) | 一种基于数据融合的机器人定位方法 | |
CN105874352B (zh) | 使用旋转半径确定设备与船只之间的错位的方法和装置 | |
CN114789439A (zh) | 斜坡定位校正方法、装置、机器人及可读存储介质 | |
CN104864868A (zh) | 一种基于近距离地标测距的组合导航方法 | |
GB2465673A (en) | Apparatus for determining the attitude of an object |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190531 |
|
RJ01 | Rejection of invention patent application after publication |