CN110095118A - 一种车身姿态角的实时测量方法及*** - Google Patents

一种车身姿态角的实时测量方法及*** Download PDF

Info

Publication number
CN110095118A
CN110095118A CN201910476459.1A CN201910476459A CN110095118A CN 110095118 A CN110095118 A CN 110095118A CN 201910476459 A CN201910476459 A CN 201910476459A CN 110095118 A CN110095118 A CN 110095118A
Authority
CN
China
Prior art keywords
angle
matrix
attitude
differential equation
quaternary number
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
CN201910476459.1A
Other languages
English (en)
Inventor
王向周
郑戍华
赵莎莎
张宁宁
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201910476459.1A priority Critical patent/CN110095118A/zh
Publication of CN110095118A publication Critical patent/CN110095118A/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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种车身姿态角的实时测量方法及***。所述实时测量方法包括：获取车辆行驶中的运动参数；根据所述运动参数确定方向余弦矩阵；根据所述方向余弦矩阵确定姿态矩阵；确定四元数微分方程；根据所述四元数微分方程描述所述姿态矩阵，确定描述后的姿态矩阵；根据所述描述后的姿态矩阵确定不同时刻的姿态角；获取车辆行驶中的加速度；以所述四元数微分方程的四元数作为状态变量，以所述加速度作为观测量，并加入噪声统计信息，利用卡尔曼滤波器对所述姿态角进行优化校正，确定最佳姿态角。采用本发明所提供的实时测量方法及***能够提高车辆姿态角测量精准度、降低计算量。

Description

一种车身姿态角的实时测量方法及***
技术领域
本发明涉及车身姿态角实时测量领域，特别是涉及一种车身姿态角的实时测量方法及***。
背景技术
姿态角可以理解为一个坐标系到另一个坐标系的旋转，确定不同的坐标系，其求解的姿态角会有所差别。在惯性器件的使用中通常采用载体坐标系和导航坐标系；导航坐标系是惯性导航***求解导航参数时所采用的坐标系，多数直接采用地理坐标系。载体的姿态和航向就是确立载体坐标系和导航坐标系之间的关系，可以理解为刚体的定点旋转理论，通常用横滚角、俯仰角和航向角来表示；横滚角是指车身绕纵轴的倾斜角度，俯仰角指车身绕横轴的倾斜角度，航向角指车辆纵向速度方向与地理子午线北的夹角。
惯性导航***包括平台式惯性导航***和捷联式惯性导航***。平台式惯性导航***是用物理平台模拟导航坐标系，姿态解算过程比较简单，但因物理平台结构复杂，体积大，并不适合安装在车辆上。捷联式惯性导航***不具备实际的物理平台，体积小，姿态矩阵就相当于模拟的数学平台，所以保证数学平台的精确性，优化捷联算法是***的主要问题，整个算法中姿态矩阵的实时更新和导航解算是关键。描述姿态矩阵微分方程的算法有欧拉角和方向余弦。欧拉角描述的姿态矩阵微分方程求解过程直观明了，易于理解，且求得的姿态矩阵是正交的，对信息进行坐标变换后不存在非正交误差，但是其描述的方程中存在三角函数，使计算变得困难，且当俯仰角为90°时，微分方程中出现奇点，使载体的运动范围受到限制，因此对于全姿态工作的载体此种方法并不适用。方向余弦矩阵描述的微分方程能够使载体工作在90°，实现全姿态测量，但同时求解九个方程使计算量变大，对实际工程来说并不适用。
发明内容
本发明的目的是提供一种车身姿态角的实时测量方法及***，以解决车辆姿态角测量精准度低、计算量大的问题。
为实现上述目的，本发明提供了如下方案：
一种车身姿态角的实时测量方法，包括：
获取车辆行驶中的运动参数；所述运动参数包括横滚角、俯仰角以及航向角；
根据所述运动参数确定方向余弦矩阵；
根据所述方向余弦矩阵确定姿态矩阵；所述姿态矩阵为载体坐标系与导航坐标系的过渡矩阵；
确定四元数微分方程；
根据所述四元数微分方程描述所述姿态矩阵，确定描述后的姿态矩阵；
根据所述描述后的姿态矩阵确定不同时刻的姿态角；
获取车辆行驶中的加速度；
以所述四元数微分方程的四元数作为状态变量，以所述加速度作为观测量，并加入噪声统计信息，利用卡尔曼滤波器对所述姿态角进行优化校正，确定最佳姿态角。
可选的，所述根据所述运动参数确定方向余弦矩阵，具体包括：
根据公式确定方向余弦矩阵；其中，ψ为横滚角；θ为俯仰角；γ为航向角；为方向余弦矩阵。
可选的，所述确定四元数微分方程，具体包括：
根据公式确定四元数微分方程；其中，q0(k+1)、q1(k+1)、q2(k+1)、q3(k+1)为(k+1)时刻四元数的值，q0(k)、q1(k)、q2(k)、q3(k)为k时刻四元数的值，Δθx为在x轴方向上单位时间内的旋转角度；Δθy为在y轴方向上单位时间内的旋转角度；Δθz为在z轴方向上单位时间内的旋转角度。
可选的，所述根据所述四元数微分方程描述所述姿态矩阵，确定描述后的姿态矩阵，具体包括：
根据所述四元数微分方程求解四元数；
获取三轴角速度；
根据所述三轴角速度更新四元数，确定更新后的四元数；
根据所述更新后的四元数描述所述姿态矩阵，确定描述后的姿态矩阵。
一种车身姿态角的实时测量***，包括：
运动参数获取模块，用于获取车辆行驶中的运动参数；所述运动参数包括横滚角、俯仰角以及航向角；
方向余弦矩阵确定模块，用于根据所述运动参数确定方向余弦矩阵；
姿态矩阵确定模块，用于根据所述方向余弦矩阵确定姿态矩阵；所述姿态矩阵为载体坐标系与导航坐标系的过渡矩阵；
四元数微分方程确定模块，用于确定四元数微分方程；
描述模块，根据所述四元数微分方程描述所述姿态矩阵，确定描述后的姿态矩阵；
姿态角确定模块，根据所述描述后的姿态矩阵确定不同时刻的姿态角；
姿态角确定模块，用于根据所述四元数微分方程确定不同时刻的姿态角；
加速度获取模块，用于获取车辆行驶中的加速度；
最佳姿态角确定模块，用于以所述四元数微分方程的四元数作为状态变量，以所述加速度作为观测量，并加入噪声统计信息，利用卡尔曼滤波器对所述姿态角进行优化校正，确定最佳姿态角。
可选的，所述方向余弦矩阵确定模块具体包括：
方向余弦矩阵确定单元，用于根据公式确定方向余弦矩阵；其中，ψ为横滚角；θ为俯仰角、γ为航向角；为方向余弦矩阵。
可选的，所述四元数微分方程确定模块具体包括：
四元数微分方程确定单元，用于根据公式确定四元数微分方程；其中，q0(k+1)、q1(k+1)、q2(k+1)、q3(k+1)为(k+1)时刻四元数的值，q0(k)、q1(k)、q2(k)、q3(k)为k时刻四元数的值，Δθx为在x轴方向上单位时间内的旋转角度；Δθy为在y轴方向上单位时间内的旋转角度；Δθz为在z轴方向上单位时间内的旋转角度。
可选的，所述姿态角确定模块具体包括：
四元数求解单元，用于根据所述四元数微分方程求解四元数；
三轴角速度获取单元，用于获取三轴角速度；
四元数更新单元，用于根据所述三轴角速度更新四元数，确定更新后的四元数；
姿态角确定单元，用于根据所述更新后的四元数描述所述姿态矩阵，确定描述后的姿态矩阵。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种车身姿态角的实时测量方法及***，通过利用四元数算法描述姿态矩阵，相比于欧拉角法和方向余弦法，四元数法只需要求解四个未知量的微分方程，计算简单，便于操作，大大降低了计算量；又以所述四元数微分方程的四元数作为状态变量，以所述加速度作为观测量，并加入噪声统计信息，利用卡尔曼滤波器对所述姿态角进行优化校正，确定最佳姿态角，从而滤除了噪声统计信息，提高了最佳姿态角的收敛速度，降低了计算误差，提高了车辆姿态角测量精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的车身姿态角的实时测量方法流程图；
图2为本发明所提供的车身姿态角的实时测量***结构图；
图3为本发明所提供的静态横滚角对比曲线图；
图4为本发明所提供的静态俯仰角对比曲线图；
图5为本发明所提供的动态横滚角对比曲线图；
图6为本发明所提供的动态俯仰角对比曲线图；
图7为本发明所提供的横滚角误差曲线图；
图8为本发明所提供的俯仰角误差曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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他实施例，都属于本发明保护的范围。
本发明的目的是提供一种车身姿态角的实时测量方法及***，能够提高车辆姿态角测量精准度、降低计算量。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的车身姿态角的实时测量方法流程图，如图1所示，一种车身姿态角的实时测量方法，包括：
步骤101：获取车辆行驶中的运动参数；所述运动参数包括横滚角、俯仰角以及航向角。
步骤102：根据所述运动参数确定方向余弦矩阵。
步骤103：根据所述方向余弦矩阵确定姿态矩阵；所述姿态矩阵为载体坐标系与导航坐标系的过渡矩阵。
新坐标系与原始坐标系之间的转换关系为方向余弦矩阵C，姿态矩阵代表载体坐标系到导航坐标系的过渡矩阵，为方向余弦矩阵的转置。只要获取姿态矩阵，根据矩阵中各元素的关系即可求得欧拉角。根据两个坐标系之间的旋转关系，确立方向余弦矩阵如下：
其中，Cγ为绕z轴旋转后的方向余弦矩阵，Cθ为绕y轴旋转后的方向余弦矩阵，Cψ为绕x轴旋转后的方向余弦矩阵，ψ、θ、γ分别代表横滚角、俯仰角和航向角。
姿态矩阵为方向余弦矩阵的转置：
将公式(2)表示为：
通过分析式(2)可知，如果能获得姿态矩阵的所有内部元素，则姿态角计算如下：
步骤104：确定四元数微分方程。
步骤105：根据所述四元数微分方程描述所述姿态矩阵，确定描述后的姿态矩阵。
步骤106：根据所述描述后的姿态矩阵确定不同时刻的姿态角。
对于三维空间的旋转，即用三个变量去表示物体的朝向时会出现万向节死锁现象；万向节死锁现象是指在三维空间中同一位置出现了不同的坐标表示，四元数算法能够有效的避免这种现象；四元数相当于将***引入到更高维空间中，可以类比为复数，如果把复数看成二维空间的话，四元数就相当于四维空间。四元数由三个虚部和一个实部构成。
假定某一矢量绕过原点o的一轴旋转一定的角度ξ，则该坐标系与参考坐标系之间的变换四元数表示为：
新的点用四元数表示为：
针对车辆载体坐标系和导航坐标系，运用四元数和方向余弦矩阵描述其之间的关系为：
写成四元数矩阵的形式为：
q(Rb)＝M(q*)M*(q)q(Rn) (9)
其中：q(Rb)＝[0 xb yb zb]T，q(Rn)＝[0 xn yn zn]T
最终获得运用四元数描述的载体坐标系和导航坐标系之间的转换关系为：
四元数微分方程的表达式为：
其中，为沿运载体的角速度。
运用逼近法求解微分方程的精确解为：
将上式进行展开只选取一阶项，得到四元数微分方程的一阶算法为：
其中，Δθx为在x轴方向上单位时间内的旋转角度；Δθy为在y轴方向上单位时间内的旋转角度；Δθz为在z轴方向上单位时间内的旋转角度；I为单位矩阵。
相比于欧拉角法和方向余弦法，四元数法只需要求解四个未知量的微分方程，计算简单，便于操作。
步骤107：获取车辆行驶中的加速度。
步骤108：以所述四元数微分方程的四元数作为状态变量，以所述加速度作为观测量，并加入噪声统计信息，利用卡尔曼滤波器对所述姿态角进行优化校正，确定最佳姿态角。
ADIS16445传感器直接输出加速度和角速度信息，对角速度进行积分可以得到角度值，由于陀螺仪易受到温度和不稳定力矩的影响产生漂移误差，而且随着时间的增长，误差会越来越大，所以角速度值短期可信；加速度计易受车辆运动状态的影响短时间内的测量值不具备可信性，因此单独使用加速度计或陀螺仪都不能够解算出最优姿态角；由于外部噪声的干扰使最终解算的欧拉角存在很大的误差，收敛速度慢；因此在整个***中加入了扩展卡尔曼滤波。
卡尔曼滤波器是一种线性最小方差估计方法，将状态空间引入到随机理论中，整个线性***将白噪声视为输入，用状态方程来描述输入输出关系；算法是递推性的，所利用的信息均为时域内的，所以不仅可以对平稳的一维***进行估计，也可以估计非平稳的、多维度的随机过程。
由于整个惯性导航***是非线性***，因此引入了扩展卡尔曼滤波。扩展卡尔曼滤波是将整个***的误差进行线性化的处理方法，将非线性函数围绕滤波值展开成泰勒级数，略去高阶项，其本质还是卡尔曼滤波。算法的优点是不必预先计算标称轨迹，但其只适用于滤波误差较小的情况。
针对不同的控制***所建立的状态方程和观测方程有所差距，在本***中以四元数作为状态变量，以所述加速度作为观测量，并加入***噪声的统计信息。将测量的加速度作为滤波器的输入，不断对***进行校正。
其中Δω为角速度估计值，δ为误差，Δω＝ω-δ。
δ＝[δx δy δz]T (17)
将上式展开后得到：
以载体在三轴方向的加速度作为观测量：
Z＝[ax ay az]Τ (19)
在地理坐标系下，三轴加速度固定不变，在z轴方向为重力加速度，其他两轴为0。将加速度表示到载体坐标系下：
最终获取的状态方程和观测方程如下：
扩展卡尔曼滤波(ExtendedKalman Filter，EKF)总体来说包括两个计算过程：时间更新和测量更新。时间更新包括根据上一时刻的计算值估计当前时刻的先验状态值和误差协方差。测量更新是指根据当前时刻的观测值、先验状态估计值和误差协方差来计算当前时刻的状态值、滤波增益矩阵和误差矩阵。整个算法属于不断循环递归的过程，只要能够获得上一时刻状态变量的估计值和当前时刻的观测值即可计算出当前时刻的状态变量的估计值。扩展卡尔曼滤波控制器有效的去除了外部噪声的干扰，使***达到了良好的追随效果。卡尔曼滤波递推公式：
(1)状态一步预测方程
Xk,k-1＝Φk,k-1Xk-1 (23)
(2)一步预测均方误差矩阵
Pk,k-1＝Φk,k-1Pk-1Φk,k-1 Τ+Γk-1Qk-1Γk-1 Τ (24)
(3)滤波增益矩阵
(4)状态估计计算方程
Xk＝Xk,k-1+Kk(Zk-HkXk,k-1) (26)
(5)估计均方误差矩阵
Pk＝(I-KkHk)Pk,k-1 (27)
图2为本发明所提供的车身姿态角的实时测量***结构图，如图2所示，一种车身姿态角的实时测量***，包括：
运动参数获取模块201，用于获取车辆行驶中的运动参数；所述运动参数包括横滚角、俯仰角以及航向角。
方向余弦矩阵确定模块202，用于根据所述运动参数确定方向余弦矩阵。
所述方向余弦矩阵确定模块202具体包括：方向余弦矩阵确定单元，用于根据公式确定方向余弦矩阵；其中，ψ为横滚角；θ为俯仰角、γ为航向角；为方向余弦矩阵。
姿态矩阵确定模块203，用于根据所述方向余弦矩阵确定姿态矩阵；所述姿态矩阵为载体坐标系与导航坐标系的过渡矩阵。
四元数微分方程确定模块204，用于确定四元数微分方程。
所述四元数微分方程确定模块204具体包括：四元数微分方程确定单元，用于根据公式确定四元数微分方程；其中，q0(k+1)、q1(k+1)、q2(k+1)、q3(k+1)为(k+1)时刻四元数的值，q0(k)、q1(k)、q2(k)、q3(k)为k时刻四元数的值，Δθx为在x轴方向上单位时间内的旋转角度；Δθy为在y轴方向上单位时间内的旋转角度；Δθz为在z轴方向上单位时间内的旋转角度。
描述模块205，用于根据所述四元数微分方程描述所述姿态矩阵，确定描述后的姿态矩阵。
姿态角确定模块206，用于根据所述描述后的姿态矩阵确定不同时刻的姿态角。
所述姿态角确定模块206具体包括：四元数求解单元，用于根据所述四元数微分方程求解四元数；三轴角速度获取单元，用于获取三轴角速度；四元数更新单元，用于根据所述三轴角速度更新四元数，确定更新后的四元数；姿态角确定单元，用于根据所述更新后的四元数描述所述姿态矩阵，确定描述后的姿态矩阵。
加速度获取模块207，用于获取车辆行驶中的加速度。
最佳姿态角确定模块208，用于以所述四元数微分方程的四元数作为状态变量，以所述加速度作为观测量，并加入噪声统计信息，利用卡尔曼滤波器对所述姿态角进行优化校正，确定最佳姿态角。
将整个***进行解算完成后，为了验证最终姿态角的精确性，将ADIS16445与MTi-30传感器进行对比验证。MTi-30为航姿参考***(AHRS)，包含嵌入式的姿态解算单元，能够输出无漂移的横滚、俯仰角。在静态时横滚角和俯仰角的典型误差为0.2°，最大误差不超过0.4°，动态时典型误差不超过0.5°，如表1-表2所示。
表1
表2
表1为本发明所提供的陀螺仪性能对比表，表2为本发明所提供的加速度计性能对比表，表1和表2为ADIS16445和MTi-30的规格参数对比，MTi-30的陀螺仪和加速度计全量程较大，车辆的运动处于低速状态，所以本实验传感器全量程能够满足要求。陀螺仪的非线性是指在角速度输入范围内，其输出量的拟合直线的最大偏差与全量程之比，同样的非线性时，本实验传感器误差更小。相比之下陀螺仪的噪音强度、g-灵敏度、运行偏差稳定性和偏差重复性的性能非常接近。ADIS16445的加速度计相比之下在非线性、噪音强度、运行偏差稳定性方面具有更好的性能。
对实验结果进行验证，分别进行静态和动态角度对比。
表3为本发明所提供的静态俯仰角误差对比表，表4为本发明所提供的静态俯仰角误差对比表，如表3-表4所示，将MTi-30和ADIS16445固定，旋转一定的角度，以MTi-30为基准，测量静态时ADIS16445与MTi-30的角度误差。
表3
表4
图3为本发明所提供的静态横滚角对比曲线图，图4为本发明所提供的静态俯仰角对比曲线图，图3-图4为给定特定角度后一段时间内传感器采集数据结果，从图中可以看出***静态角度误差较小，且具有良好的平稳性；图5为本发明所提供的动态横滚角对比曲线图，图6为本发明所提供的动态俯仰角对比曲线图，如图5-图6所示。
由图7和图8可以看出两者动态时角度误差保持在0.5°以内，且通过对比两种传感器的规格参数，ADIS16445在某些方面具有更好的性能，能够满足实际需求，同时也验证了算法的可行性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种车身姿态角的实时测量方法，其特征在于，包括：
获取车辆行驶中的运动参数；所述运动参数包括横滚角、俯仰角以及航向角；
根据所述运动参数确定方向余弦矩阵；
根据所述方向余弦矩阵确定姿态矩阵；所述姿态矩阵为载体坐标系与导航坐标系的过渡矩阵；
确定四元数微分方程；
根据所述四元数微分方程描述所述姿态矩阵，确定描述后的姿态矩阵；
根据所述描述后的姿态矩阵确定不同时刻的姿态角；
获取车辆行驶中的加速度；
以所述四元数微分方程的四元数作为状态变量，以所述加速度作为观测量，并加入噪声统计信息，利用卡尔曼滤波器对所述姿态角进行优化校正，确定最佳姿态角。
2.根据权利要求1所述的车身姿态角的实时测量方法，其特征在于，所述根据所述运动参数确定方向余弦矩阵，具体包括：
根据公式确定方向余弦矩阵；其中，ψ为横滚角；θ为俯仰角；γ为航向角；为方向余弦矩阵。
3.根据权利要求1所述的车身姿态角的实时测量方法，其特征在于，所述确定四元数微分方程具体包括：
根据公式确定四元数微分方程；其中，q0(k+1)、q1(k+1)、q2(k+1)、q3(k+1)为(k+1)时刻四元数的值，q0(k)、q1(k)、q2(k)、q3(k)为k时刻四元数的值，Δθx为在x轴方向上单位时间内的旋转角度；Δθy为在y轴方向上单位时间内的旋转角度；Δθz为在z轴方向上单位时间内的旋转角度。
4.根据权利要求1所述的车身姿态角的实时测量方法，其特征在于，所述根据所述四元数微分方程描述所述姿态矩阵，确定描述后的姿态矩阵，具体包括：
根据所述四元数微分方程求解四元数；
获取三轴角速度；
根据所述三轴角速度更新四元数，确定更新后的四元数；
根据所述更新后的四元数描述所述姿态矩阵，确定描述后的姿态矩阵。
5.一种车身姿态角的实时测量***，其特征在于，包括：
运动参数获取模块，用于获取车辆行驶中的运动参数；所述运动参数包括横滚角、俯仰角以及航向角；
方向余弦矩阵确定模块，用于根据所述运动参数确定方向余弦矩阵；
姿态矩阵确定模块，用于根据所述方向余弦矩阵确定姿态矩阵；所述姿态矩阵为载体坐标系与导航坐标系的过渡矩阵；
四元数微分方程确定模块，用于确定四元数微分方程；
描述模块，根据所述四元数微分方程描述所述姿态矩阵，确定描述后的姿态矩阵；
姿态角确定模块，根据所述描述后的姿态矩阵确定不同时刻的姿态角；
姿态角确定模块，用于根据所述四元数微分方程确定不同时刻的姿态角；
加速度获取模块，用于获取车辆行驶中的加速度；
最佳姿态角确定模块，用于以所述四元数微分方程的四元数作为状态变量，以所述加速度作为观测量，并加入噪声统计信息，利用卡尔曼滤波器对所述姿态角进行优化校正，确定最佳姿态角。
6.根据权利要求5所述的车身姿态角的实时测量***，其特征在于，所述方向余弦矩阵确定模块具体包括：
方向余弦矩阵确定单元，用于根据公式确定方向余弦矩阵；其中，ψ为横滚角；θ为俯仰角；γ为航向角；为方向余弦矩阵。
7.根据权利要求5所述的车身姿态角的实时测量***，其特征在于，所述四元数微分方程确定模块具体包括：
四元数微分方程确定单元，用于根据公式确定四元数微分方程；其中，q0(k+1)、q1(k+1)、q2(k+1)、q3(k+1)为(k+1)时刻四元数的值，q0(k)、q1(k)、q2(k)、q3(k)为k时刻四元数的值，Δθx为在x轴方向上单位时间内的旋转角度；Δθy为在y轴方向上单位时间内的旋转角度；Δθz为在z轴方向上单位时间内的旋转角度。
8.根据权利要求5所述的车身姿态角的实时测量***，其特征在于，所述姿态角确定模块具体包括：
四元数求解单元，用于根据所述四元数微分方程求解四元数；
三轴角速度获取单元，用于获取三轴角速度；
四元数更新单元，用于根据所述三轴角速度更新四元数，确定更新后的四元数；
姿态角确定单元，用于根据所述更新后的四元数描述所述姿态矩阵，确定描述后的姿态矩阵。
CN201910476459.1A 2019-06-03 2019-06-03 一种车身姿态角的实时测量方法及*** Pending CN110095118A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910476459.1A CN110095118A (zh) 2019-06-03 2019-06-03 一种车身姿态角的实时测量方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910476459.1A CN110095118A (zh) 2019-06-03 2019-06-03 一种车身姿态角的实时测量方法及***

Publications (1)

Publication Number Publication Date
CN110095118A true CN110095118A (zh) 2019-08-06

Family

ID=67450083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910476459.1A Pending CN110095118A (zh) 2019-06-03 2019-06-03 一种车身姿态角的实时测量方法及***

Country Status (1)

Country Link
CN (1) CN110095118A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114981616A (zh) * 2020-01-29 2022-08-30 舍弗勒技术股份两合公司 离合器致动器、用于对旋转部件的角度位置进行检测的检测***和方法
CN115406405A (zh) * 2022-04-15 2022-11-29 汉博来自控科技(上海)有限公司 一种剪叉车水平传感器解决方案

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103822633A (zh) * 2014-02-11 2014-05-28 哈尔滨工程大学 一种基于二阶量测更新的低成本姿态估计方法
CN106643737A (zh) * 2017-02-07 2017-05-10 大连大学 风力干扰环境下四旋翼飞行器姿态解算方法
CN106979780A (zh) * 2017-05-22 2017-07-25 深圳市靖洲科技有限公司 一种无人车实时姿态测量方法
CN106979779A (zh) * 2017-05-22 2017-07-25 深圳市靖洲科技有限公司 一种无人车实时姿态测量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103822633A (zh) * 2014-02-11 2014-05-28 哈尔滨工程大学 一种基于二阶量测更新的低成本姿态估计方法
CN106643737A (zh) * 2017-02-07 2017-05-10 大连大学 风力干扰环境下四旋翼飞行器姿态解算方法
CN106979780A (zh) * 2017-05-22 2017-07-25 深圳市靖洲科技有限公司 一种无人车实时姿态测量方法
CN106979779A (zh) * 2017-05-22 2017-07-25 深圳市靖洲科技有限公司 一种无人车实时姿态测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘琼: "微型航姿***的设计与姿态解算算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
吕辰: "基于MARG无人机姿态测量***的实时融合算法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114981616A (zh) * 2020-01-29 2022-08-30 舍弗勒技术股份两合公司 离合器致动器、用于对旋转部件的角度位置进行检测的检测***和方法
CN114981616B (zh) * 2020-01-29 2024-03-15 舍弗勒技术股份两合公司 离合器致动器、用于对旋转部件的角度位置进行检测的检测***和方法
CN115406405A (zh) * 2022-04-15 2022-11-29 汉博来自控科技(上海)有限公司 一种剪叉车水平传感器解决方案

Similar Documents

Publication Publication Date Title
CN105180968B (zh) 一种imu/磁强计安装失准角在线滤波标定方法
CN107525503B (zh) 基于双天线gps和mimu组合的自适应级联卡尔曼滤波方法
CN106979780B (zh) 一种无人车实时姿态测量方法
CN106052685B (zh) 一种两级分离融合的姿态和航向估计方法
CN105806363B (zh) 基于srqkf的sins/dvl水下大失准角对准方法
CN107478223A (zh) 一种基于四元数和卡尔曼滤波的人体姿态解算方法
CN103822633B (zh) 一种基于二阶量测更新的低成本姿态估计方法
CN106052716B (zh) 惯性系下基于星光信息辅助的陀螺误差在线标定方法
CN103512584A (zh) 导航姿态信息输出方法、装置及捷联航姿参考***
CN110398257A (zh) Gps辅助的sins***快速动基座初始对准方法
CN108318038A (zh) 一种四元数高斯粒子滤波移动机器人姿态解算方法
CN106482746B (zh) 一种用于混合式惯导***的加速度计内杆臂标定与补偿方法
CN105910606A (zh) 一种基于角速度差值的方向修正方法
CN106370178B (zh) 移动终端设备的姿态测量方法及装置
CN107402007A (zh) 一种提高微型ahrs模块精度的方法和微型ahrs模块
CN108458714A (zh) 一种姿态检测***中不含重力加速度的欧拉角求解方法
CN111895988A (zh) 无人机导航信息更新方法及装置
CN105865490B (zh) 一种惯性稳定平台固定基座多位置自瞄准方法
CN107167131A (zh) 一种微惯性测量信息的深度融合与实时补偿的方法及***
CN107782309A (zh) 非惯性系视觉和双陀螺仪多速率ckf融合姿态测量方法
CN109945895A (zh) 基于渐消平滑变结构滤波的惯性导航初始对准方法
Ayub et al. Pedestrian direction of movement determination using smartphone
Bistrov Performance analysis of alignment process of MEMS IMU
CN108627152A (zh) 一种微型无人机基于多传感器数据融合的导航方法
CN108592943A (zh) 一种基于opreq方法的惯性系粗对准计算方法

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: 20190806

RJ01 Rejection of invention patent application after publication