CN113252048B - 一种导航定位方法、导航定位***及计算机可读存储介质 - Google Patents
一种导航定位方法、导航定位***及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113252048B CN113252048B CN202110515730.5A CN202110515730A CN113252048B CN 113252048 B CN113252048 B CN 113252048B CN 202110515730 A CN202110515730 A CN 202110515730A CN 113252048 B CN113252048 B CN 113252048B
- Authority
- CN
- China
- Prior art keywords
- information
- speed
- navigation
- position information
- time
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000007499 fusion processing Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 45
- 238000005259 measurement Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 abstract 1
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Navigation (AREA)
Abstract
本发明申请提供一种导航定位方法、导航定位***及计算机可读存储介质，属于车联网车载导航定位技术领域。本申请利用惯性传感器感应的信息完成惯性导航信息计算；通过惯性传感器计算的姿态信息，利用里程仪或OBD采集的里程速度完成速度、位置信息的推算；基于惯性传感器计算的位置信息和OBD车速计算的位置信息，采用卡尔曼滤波器实现导航信息融合处理；根据卡尔曼滤波进行处理结果，对惯性传感器输出信息进行反馈补偿，获取最优位置信息。本申请通过惯性传感器以及依据车载OBD接口提供的速度信息，结合卡尔曼滤波技术，实现相关信息的融合，从而能确保为车辆提供稳定、可靠和持续的导航定位信息，提高用户的使用体验感。
Description
技术领域
本发明涉及车联网车载导航定位技术领域，尤其涉及一种导航定位方法、导航定位***及计算机可读存储介质。
背景技术
随着车联网技术的不断发展，对于车辆的定位导航服务要求也越来越高。惯性导航作为一种不依赖于外部信息、也不向外部辐射能量的自主式导航技术，能够输出全面的导航信息，从而越来越受到该领域的青睐。然而，采用惯性导航技术实现的导航***，其误差会随着时间增长而增大，随时时间的增长，也无法为车辆提供准确、可靠、连续的导航定位信息，故控制其误差积累成为了惯性导航技术应用所需要解决的关键技术难题。
鉴于惯性导航面临存在的控制误差积累的问题，因此，部分车联网上也会采用GPS导航，GPS导航是根据GPS提供的位置信息，以及导航前规划的线路，指引用户行驶的一个***，但是我们知道，GPS是通过接收卫星发送的信号计算出自身位置的，当终端等GPS设备上方被遮挡后，GPS设备就无法定位了。因此在GPS信号弱或失效的场景下，也无法为车辆提供准确、可靠、连续的导航定位信息。
因此，现有的导航定位方法均无法为车辆提供准确、可靠、连续的导航定位信息。
发明内容
有鉴于此，本发明的目的在于提供一种导航定位方法、定位***及计算机可读存储介质，旨在解决现有在信号盲区或信号弱的条件下，GPS输出的定位信息不准确甚至失效的情况，严重影响车辆轨迹的监测，无法为车辆提供稳定、可靠、持续的导航定位信息的问题。
本发明解决上述技术问题所采用的技术方案如下：
本发明的第一方面还提供一种导航定位方法，所述方法包括如下步骤：
利用惯性传感器感应的信息完成惯性导航信息计算，以获取位置信息；
通过惯性传感器计算的姿态信息，利用里程仪或OBD采集的里程速度完成速度、位置信息的推算；
基于惯性传感器计算的位置信息和OBD车速计算的位置信息，采用卡尔曼滤波器实现导航信息融合处理，获得最优位置信息和传感器误差估计；
根据卡尔曼滤波进行处理结果，对惯性传感器输出信息进行反馈补偿，获取最优位置信息。
在一些实施例中，所述利用惯性传感器感应的信息完成惯性导航信息计算，以获取位置信息包括：
在车辆启动后，通过加速度计采集一段时间内车辆的水平加速度数据，并利用该水平加速度数据计算横滚角和俯仰角作为惯性导航的水平初始姿态信息；
采用GPS的位置和速度作为惯性导航的初始位置和初始速度；
利用GPS的航向角信息完成惯性导航航向角信息的初始化，结合水平姿态角完成姿态矩阵
的初始化计算；
利用当前时刻惯性传感器采集的信息进行惯性导航计算，包括姿态矩阵
、速度和位置的更新计算。
在一些实施例中，所述通过惯性传感器计算的姿态信息，利用里程仪或OBD采集的里程速度完成速度、位置信息的推算算法如下：
其中，
为导航坐标系的速度；
为姿态信息；
为当前时刻位置信息，包括经度、维度和高度；
为前一时刻位置信息；h为高度信息；RMD和RND分别为利用地理信息计算的子午圈和卯酉圈主曲率半径；
分别为相邻时刻导航坐标系下的OBD速度；Δt为OBD速度更新时间间隔，也即时刻k-1和时刻k的时间差。
在一些实施例中，所述方法还包括步骤：基于惯性传感器计算的位置信息和OBD车速计算的位置信息，采用卡尔曼滤波器实现导航信息融合处理，获得最优位置信息和传感器误差估计方法包括步骤：
在OBD车速信息未完成时间更新时，采用惯性传感器计算的速度、位置等信息通过
完成时间更新；
RK表示状态量的方差矩阵；
Qk-1表示k-1时刻的观测量方差矩阵；
I表示单位矩阵。
在一些实施例中，所述方法还包括步骤：
在OBD车速信息更新时刻，根据OBD车速推算的位置信息、惯性传感器计算的位置信息，通过
完成量测更新；
其中量测信息
表示OBD推算位置和惯性传感器推算位置在相同时刻的误差；Xk为状态量，包括姿态角误差、速度误差、位置误差以及传感器偏置误差；Hk为量测矩阵；Φ为状态转移矩阵,Kk为增益矩阵；Γ为***结构参数；其中下标k表示k时刻，k/k-1表示k-1时刻对k时刻值的预测；P为位置预测信息，PK/K-1表示k-1时刻对k时刻值的位置预测信息。
在一些实施例中，所述还包括步骤：所述根据卡尔曼滤波进行处理结果，对惯性传感器输出信息进行反馈补偿，获取最优位置信息方法包括步骤：
根据卡尔曼滤波获取的传感器误差实现对传感器的反馈校正；
更新卡尔曼滤波器参数，待下一次滤波使用。
本发明的第二方面提供一种导航定位***，该***包括：包括惯性传感器、里程仪或车载诊断***、位置信息获取模块、信息推算模块、最优位置及误差估计模块以及反馈补偿校正模块；
所述惯性传感器、里程仪或车载诊断***分别与位置信息获取模块连接，所述位置信息获取模块与信息推算模块连接，所述信息推算模块与最优位置及误差估计模块连接、所述最优位置及误差估计模块与反馈补偿校正模块连接；
所述位置信息获取模块，用于利用惯性传感器感应的信息完成惯性导航信息计算，以获取位置信息；
所述信息推算模块，用于通过惯性传感器计算的姿态信息，利用里程仪或OBD采集的里程速度完成速度、位置信息推算；
所述最优位置及误差估计模块，用于基于惯性传感器计算的位置信息和OBD车速计算的位置信息，采用卡尔曼滤波器实现导航信息融合处理，获得最优位置信息和传感器误差估计；
所述反馈补偿校正模块，用于根据卡尔曼滤波处理结果，对惯性传感器输出信息进行反馈补偿校正，以获取最优位置信息。
在一些实施例中，所述位置信息获取模块包括水平初始姿态信息获取单元、初始位置及速度获取单元、姿态矩阵初始化计算单元以及惯性导航计算单元；
所述水平初始姿态信息获取单元，用于在车辆启动后，通过加速度计采集一段时间内车辆的水平加速度数据，并利用该水平加速度数据计算横滚角和俯仰角作为惯性导航的水平初始姿态信息；
所述初始位置及速度获取单元，用于采用GPS的位置和速度作为惯性导航的初始位置和初始速度；
所述姿态矩阵初始化计算单元，用于利用GPS的航向角信息完成惯性导航航向角信息的初始化，结合水平姿态角完成姿态矩阵
的初始化计算；
所述惯性导航计算单元，用于利用当前时刻惯性传感器采集的信息进行惯性导航计算，包括姿态矩阵
速度和位置的更新计算。
在一些实施例中，所述最优位置及误差估计模块包括时间更新模块以及量测更新模块，
所述时间更新模块，用于在OBD车速信息未完成时间更新时，采用惯性传感器计算的速度、位置等信息通过
完成时间更新；
所述量测更新模块，用于在OBD车速信息更新时刻，根据OBD车速推算的位置信息、惯性传感器计算的位置信息，通过
完成量测更新。
本申请还提供一种计算机可读存储介质，包括处理器、计算机可读存储介质以及在所述计算机可读存储介质上存储的计算机程序，所述计算机程序被处理器执行时实现上述所述方法中的步骤。
本发明实施例提供的所述导航定位方法、导航定位***及计算机可读存储介质，通过惯性传感器以及依据车载OBD(On Board Diagnostics，车载诊断***)接口提供的速度信息，结合卡尔曼滤波技术，实现车速信息、位置信息等相关信息的融合，从而能确保为车辆提供稳定、可靠和持续的导航定位信息，不受GPS信号强弱以及惯性导航***使用时间导致出现误差的限制，极大的提高了用户的使用体验感。
附图说明
图1为本发明实施例的一种导航定位方法一实施例的方法流程图；
图2为本发明实施例的一种导航定位方法另一实施例的方法流程图；
图3为本发明实施例的一种导航定位方法再一实施例的工作方法流程图；
图4为本发明实施例的一种导航定位***一实施例的结构框图；
图5为本发明实施例的一种导航定位***另一实施例的结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有惯性导航技术实现的导航***，其误差会随着导航时间使用的增长而增大，因此，随着导航使用时间的增长，无法为车辆提供准确、可靠、连续的导航定位信息，以及GPS导航在GPS信号弱或失效的场景下，也无法为车辆提供准确、可靠、连续的导航定位信息的问题。在车载应用中，里程仪或OBD(On Board Diagnostics，车载诊断***)可以提供独立的车速信息作为速度参考信息，且测速误差不随时间增长，信号不会被遮挡和干扰。因此，惯性导航和里程仪具有很好的互补性，能够在GPS信号弱或失效的场景下，为车辆提供准确、可靠、连续的导航定位信息。本发明提出一种导航定位方法、导航定位***及计算机可读存储介质，利用惯性传感器以及里程仪或车载OBD(On Board Diagnostics，车载诊断***)接口提供的速度信息，结合卡尔曼滤波技术，实现信息融合，从而确保为车辆提供稳定、可靠、持续的导航定位信息。
实施例一
请参阅图1至图3，其示出本发明第一实施例提供的一种导航定位方法的方法流程图。
具体包括如下步骤：
S10、利用惯性传感器感应的信息完成惯性导航信息计算，以获取位置信息；
具体地，利用车载终端上的加速度计感应信息和GNSS(Global NavigationSatellite System，全球导航卫星***)信息，完成惯性导航初始化。在初始化完成后，实时获取惯性传感器信息(加速度和角速度信息)完成姿态、速度和位置计算，请参阅图2，具体包括如下步骤：
S101、在车辆启动后，通过加速度计采集一段时间内车辆的水平加速度数据，并利用该水平加速度数据计算横滚角和俯仰角作为惯性导航的水平初始姿态信息；
S102、采用GPS的位置和速度作为惯性导航的初始位置和初始速度；
S103、利用GPS的航向角信息完成惯性导航航向角信息的初始化，结合水平姿态角完成姿态矩阵
的初始化计算；
S104、利用当前时刻惯性传感器采集的信息进行惯性导航计算，包括姿态矩阵
速度
和位置
S20、通过惯性传感器计算的姿态信息，利用里程仪或OBD(On BoardDiagnostics，车载诊断***)采集的里程速度完成速度、位置信息的推算；
具体地，当里程仪或OBD(On Board Diagnostics，车载诊断***)采集到车辆的速度信息
更新后，利用惯性传感器计算的姿态信息
将车辆坐标系的速度
转换为导航坐标系的速度
并基于该导航坐标系的速度
信息进行车辆位置信息的推算。车速坐标转换与车辆位置的推算方法如下：
其中，
为导航坐标系的速度；
为姿态信息；
为当前k时刻位置信息，包括经度、维度和高度；
为前一时刻位置信息；h为高度信息；RMD和RND分别为利用地理信息计算的子午圈和卯酉圈主曲率半径；
分别为相邻时刻导航坐标系下的OBD速度；Δt为OBD速度更新时间间隔，也即时刻k-1和时刻k的时间差，P为位置预测信息，PK/K-1表示k-1时刻对k时刻值的位置预测信息。
S30、基于惯性传感器计算的位置信息和OBD车速计算的位置信息，采用卡尔曼滤波器实现导航信息融合处理，获得最优位置信息和传感器误差估计；
具体地，利用惯性传感器计算的位置信息和OBD车速推算的位置信息基于卡尔曼滤波进行信息融合，主要包括如下方法步骤：
S301、在OBD车速信息未完成时间更新时，采用惯性传感器计算的速度
位置等信息
通过
完成时间更新；
RK表示状态量的方差矩阵；
Qk-1表示k-1时刻的观测量方差矩阵；
I表示单位矩阵。
S302、在OBD车速信息更新时刻，根据OBD车速推算的位置信息、惯性传感器计算的位置信息，通过
完成量测更新。
其中量测信息
表示OBD推算位置和惯性传感器推算位置在相同时刻的误差；Xk为状态量，包括姿态角误差、速度误差、位置误差以及传感器偏置误差；Hk为量测矩阵；Φ为状态转移矩阵；Kk为增益矩阵；Γ为***结构参数；其中下标k表示k时刻，k/k-1表示k-1时刻对k时刻值的预测。
S40、根据卡尔曼滤波处理结果，对惯性传感器输出信息进行反馈补偿，获取最优位置信息。
具体地，根据卡尔曼滤波(Kalmanfiltering)获取的传感器误差实现对传感器的反馈校正，提高其测量准确性。并进一步更新卡尔曼滤波器参数，待下一次滤波使用。从而实现循环解算，完成实时组合导航功能。
具体的，根据卡尔曼滤波结果，以及设定的阀值进行反馈。
1)当所述滤波结果小于阀值时，对传感器误差及导航参数进行一次反馈误差补偿修正；
2)当所述滤波结果大于阀值时，对传感器误差及导航参数进行至少两次反馈误差补偿，且每一次反馈量均不大于设定的阀值，也即按照一定比例多次实现补偿修正。该阶段反馈补偿频率和导航参数解算的频率一致，也即导航参数解算一次的同时进行一次反馈校正。
本申请实施例所述导航定位方法通过惯性传感器以及依据车载OBD(On BoardDiagnostics，车载诊断***)接口提供的速度信息，结合卡尔曼滤波技术，实现相关信息的融合，从而能确保为车辆提供稳定、可靠和持续的导航定位信息，不受GPS信号强弱以及惯性导航***使用时间导致出现误差的限制，极大的提高了用户的使用体验感。
实施例二
本发明申请实施例提供一种导航定位***，请参阅图4及图5，所述***包括惯性传感器40、里程仪41(该部分也可以是车载诊断***)、位置信息获取模块501、信息推算模块502、最优位置及误差估计模块503以及反馈补偿校正模块504。所述惯性传感器40、里程仪41分别与位置信息获取模块501连接，所述位置信息获取模块501与信息推算模块502连接，所述信息推算模块502与最优位置及误差估计模块503连接、所述最优位置及误差估计模块503与反馈补偿校正模块504连接。
所述位置信息获取模块501，用于利用惯性传感器40感应的信息完成惯性导航信息计算，以获取位置信息；
所述位置信息获取模块501包括水平初始姿态信息获取单元5011、初始位置及速度获取单元5012、姿态矩阵初始化计算单元5013以及惯性导航计算单元5014。
所述水平初始姿态信息获取单元5011，用于在车辆启动后，通过加速度计采集一段时间内车辆的水平加速度数据，并利用该水平加速度数据计算横滚角和俯仰角作为惯性导航的水平初始姿态信息。
所述初始位置及速度获取单元5012，用于采用GPS的位置和速度作为惯性导航的初始位置和初始速度。
所述姿态矩阵初始化计算单元5013，用于利用GPS的航向角信息完成惯性导航航向角信息的初始化，结合水平姿态角完成姿态矩阵
的初始化计算。
所述惯性导航计算单元5014，用于利用当前时刻惯性传感器40采集的信息进行惯性导航计算，包括姿态矩阵
速度和位置的更新计算。
所述信息推算模块502，用于通过惯性传感器40计算的姿态信息，利用里程仪或OBD(On Board Diagnostics，车载诊断***)41采集的里程速度完成速度、位置信息推算。
具体地，当OBD采集的速度信息
更新后，利用惯性传感器40计算的姿态信息
将车辆坐标系的速度
转换为导航坐标系的速度
并基于该导航坐标系的速度
信息进行车辆位置信息的推算。车速坐标转换与车辆位置的推算方法如下：
其中，
为当前k时刻位置信息，包括经度、维度和高度；
为前一k-1时刻位置信息；h为高度信息；RMD和RND分别为利用地理信息计算的子午圈和卯酉圈主曲率半径；
分别为相邻时刻导航坐标系下的OBD速度；Δt为OBD速度更新时间间隔,也即时刻k-1和时刻k的时间差。
所述最优位置及误差估计模块503，用于基于惯性导航计算的位置信息和OBD车速计算的位置信息，采用卡尔曼滤波器实现导航信息融合处理，获得最优位置信息和传感器误差估计。
所述最优位置及误差估计模块503包括时间更新模块5031以及量测更新模块5032，
所述时间更新模块5031，用于在OBD车速信息未完成时间更新时，采用惯性导航计算的速度、位置等信息通过
完成时间更新；
所述量测更新模块5032，用于在OBD车速信息更新时刻，根据OBD车速推算的位置信息、惯性导航计算的位置信息，通过
完成量测更新。
其中测量信息
表示OBD推算位置和惯性导航推算位置在相同时刻的误差；Xk为状态量，包括姿态角误差、速度误差、位置误差以及传感器偏置误差；Hk为量测矩阵；Φ为状态转移矩阵,Kk为增益矩阵；Γ为***结构参数；其中下标k表示k时刻，k/k-1表示k-1时刻对k时刻值的预测。
以及所述反馈补偿校正模块504，用于根据卡尔曼滤波处理结果，对惯性传感器输出信息进行反馈补偿校正，以获取最优位置信息。
具体地，根据卡尔曼滤波处理结果，对惯性传感器输出信息进行反馈补偿，获取最优位置信息。同时根据滤波获取的传感器误差实现对传感器的反馈校正，提高其测量准确性。并更新卡尔曼滤波器参数，待下一次滤波使用。从而实现循环解算，完成实时组合导航功能。
本申请实施例导航定位***通过惯性传感器以及依据车载里程仪或OBD(OnBoard Diagnostics，车载诊断***)接口提供的速度信息，结合卡尔曼滤波技术，实现车速信息、位置信息等相关信息的融合，从而能确保为车辆提供稳定、可靠和持续的导航定位信息，不受GPS信号强弱以及惯性导航***使用时间导致出现误差的限制，极大的提高了用户的使用体验感。
实施例三
根据本发明的一个实施例提供的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述导航定位方法中的步骤，具体步骤如实施例一中描述所述，在此不再赘述。
本实施例中的存储器可用于存储软件程序以及各种数据。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
根据本实施例的一个示例，上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述程序可存储于一计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机***的存储介质中，并被该计算机***中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。该存储介质包括但不限于磁碟、优盘、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
以上参照附图说明了本发明的优选实施例，并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质，可以有多种变型方案实现本发明，比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进，均应在本发明的权利范围之内。
Claims (7)
1.一种导航定位方法，其特征在于，包括如下步骤：
利用惯性传感器感应的信息完成惯性导航信息计算，以获取位置信息；
通过惯性传感器计算的姿态信息，利用里程仪或OBD采集的里程速度完成速度、位置信息的推算；
基于惯性传感器计算的位置信息和OBD车速计算的位置信息，采用卡尔曼滤波器实现导航信息融合处理，获得最优位置信息和传感器误差估计；
根据卡尔曼滤波进行处理的结果，对惯性传感器输出信息进行反馈补偿，获取最优位置信息；
所述基于惯性传感器计算的位置信息和OBD车速计算的位置信息，采用卡尔曼滤波器实现导航信息融合处理，获得最优位置信息和传感器误差估计方法包括步骤：
在OBD车速信息未完成时间更新时，采用惯性传感器计算的速度、位置信息通过
完成时间更新；
在OBD车速信息更新时刻，根据OBD车速推算的位置信息、惯性传感器计算的位置信息，通过
完成量测更新；
其中量测信息
表示OBD推算位置和惯性传感器推算位置在相同时刻的误差；Xk为状态量，包括姿态角误差、速度误差、位置误差以及传感器偏置误差；Hk为量测矩阵；Φ为状态转移矩阵,Kk为增益矩阵；Γ为***结构参数；其中下标k表示k时刻，k/k-1表示k-1时刻对k时刻值的预测；
P为位置预测信息，PK/K-1表示k-1时刻对k时刻值的位置预测信息，
RK表示状态量的方差矩阵；
Qk-1表示k-1时刻的观测量方差矩阵；
I表示单位矩阵。
2.根据权利要求1所述的导航定位方法，其特征在于，所述利用惯性传感器感应的信息完成惯性导航信息计算，获取位置信息包括：
在车辆启动后，通过加速度计采集一段时间内车辆的水平加速度数据，并利用该水平加速度数据计算横滚角和俯仰角作为惯性导航的水平初始姿态信息；
采用GPS的位置和速度作为惯性导航的初始位置和初始速度；
利用GPS的航向角信息完成惯性导航航向角信息的初始化，结合水平姿态角完成姿态矩阵
的初始化计算；
利用当前时刻惯性传感器采集的信息进行惯性导航计算，包括姿态矩阵
速度和位置的更新计算。
3.根据权利要求1所述的导航定位方法，其特征在于，所述通过惯性传感器计算的姿态信息，利用里程仪或OBD采集的里程速度完成速度、位置信息的推算算法如下：
其中，
为导航坐标系的速度；
为姿态信息；
为当前k时刻位置信息，包括经度、维度和高度；
为前一时刻位置信息；h为高度信息；RMD和RND分别为利用地理信息计算的子午圈和卯酉圈主曲率半径；
分别为相邻时刻导航坐标系下的OBD速度；Δt为OBD速度更新时间间隔,也即时刻k-1和时刻k的时间差。
4.根据权利要求1-3任一项所述的导航定位方法，其特征在于，所述根据卡尔曼滤波进行处理结果，对惯性传感器输出信息进行反馈补偿，获取最优位置信息方法包括步骤：
根据卡尔曼滤波获取的传感器误差实现对传感器的反馈校正；
更新卡尔曼滤波器参数，待下一次滤波使用。
5.一种导航定位***，其特征在于，所述***包括惯性传感器、里程仪或OBD车载诊断***、位置信息获取模块、信息推算模块、最优位置及误差估计模块以及反馈补偿校正模块；
所述惯性传感器、里程仪或车载诊断***分别与位置信息获取模块连接，所述位置信息获取模块与信息推算模块连接，所述信息推算模块与最优位置及误差估计模块连接、所述最优位置及误差估计模块与反馈补偿校正模块连接；
所述位置信息获取模块，用于利用惯性传感器感应的信息完成惯性导航信息计算，以获取位置信息；
所述信息推算模块，用于通过惯性传感器计算的姿态信息，利用里程仪或OBD采集的里程速度完成速度、位置信息推算；
所述最优位置及误差估计模块，用于基于惯性传感器计算的位置信息和OBD车速计算的位置信息，采用卡尔曼滤波器实现导航信息融合处理，获得最优位置信息和传感器误差估计；
所述反馈补偿校正模块，用于根据卡尔曼滤波处理结果，对惯性导航输出信息进行反馈补偿校正，以获取最优位置信息；
所述最优位置及误差估计模块包括时间更新模块以及量测更新模块，
所述时间更新模块，用于在OBD车速信息未完成时间更新时，采用惯性传感器计算的速度、位置信息通过
完成时间更新；
所述量测更新模块，用于在OBD车速信息更新时刻，根据OBD车速推算的位置信息、惯性传感器计算的位置信息，通过
完成量测更新,
其中，量测信息
表示OBD推算位置和惯性传感器推算位置在相同时刻的误差；Xk为状态量，包括姿态角误差、速度误差、位置误差以及传感器偏置误差；Hk为量测矩阵；Φ为状态转移矩阵；Kk为增益矩阵；Γ为***结构参数；其中下标k表示k时刻，k/k-1表示k-1时刻对k时刻值的预测；
P为位置预测信息，PK/K-1表示k-1时刻对k时刻值的位置预测信息，
RK表示状态量的方差矩阵；
Qk-1表示k-1时刻的观测量方差矩阵；
I表示单位矩阵。
6.根据权利要求5所述的导航定位***，其特征在于，所述位置信息获取模块包括水平初始姿态信息获取单元、初始位置及速度获取单元、姿态矩阵初始化计算单元以及惯性导航计算单元；
所述水平初始姿态信息获取单元，用于在车辆启动后，通过加速度计采集一段时间内车辆的水平加速度数据，并利用该水平加速度数据计算横滚角和俯仰角作为惯性导航的水平初始姿态信息；
所述初始位置及速度获取单元，用于采用GPS的位置和速度作为惯性导航的初始位置和初始速度；
所述姿态矩阵初始化计算单元，用于利用GPS的航向角信息完成惯性导航航向角信息的初始化，结合水平姿态角完成姿态矩阵
的初始化计算；
所述惯性导航计算单元，用于利用当前时刻惯性传感器采集的信息进行惯性导航计算，包括姿态矩阵
速度和位置的更新计算。
7.一种计算机可读存储介质，其特征在于，包括处理器、计算机可读存储介质以及在所述计算机可读存储介质上存储的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110515730.5A CN113252048B (zh) | 2021-05-12 | 2021-05-12 | 一种导航定位方法、导航定位***及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110515730.5A CN113252048B (zh) | 2021-05-12 | 2021-05-12 | 一种导航定位方法、导航定位***及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113252048A CN113252048A (zh) | 2021-08-13 |
| CN113252048B true CN113252048B (zh) | 2023-02-28 |
Family
ID=77222922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110515730.5A Active CN113252048B (zh) | 2021-05-12 | 2021-05-12 | 一种导航定位方法、导航定位***及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113252048B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114413898B (zh) * | 2022-03-29 | 2022-07-29 | 深圳市边界智控科技有限公司 | 多传感器数据融合方法、装置、计算机设备及存储介质 |
| CN117405145B (zh) * | 2023-12-14 | 2024-02-20 | 深圳市晟丰达科技有限公司 | 一种基于智能分析的惯性导航管理方法、***及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106950586A (zh) * | 2017-01-22 | 2017-07-14 | 无锡卡尔曼导航技术有限公司 | 用于农机作业的gnss/ins/车辆组合导航方法 |
| CN108180925A (zh) * | 2017-12-15 | 2018-06-19 | 中国船舶重工集团公司第七0七研究所 | 一种里程计辅助车载动态对准方法 |
| CN109974697A (zh) * | 2019-03-21 | 2019-07-05 | 中国船舶重工集团公司第七0七研究所 | 一种基于惯性***的高精度测绘方法 |
| CN110221333A (zh) * | 2019-04-11 | 2019-09-10 | 同济大学 | 一种车载ins/od组合导航***的量测误差补偿方法 |
| CN110779521A (zh) * | 2019-11-12 | 2020-02-11 | 成都中科微信息技术研究院有限公司 | 一种多源融合的高精度定位方法与装置 |
| CN111562603A (zh) * | 2020-06-30 | 2020-08-21 | 高新兴物联科技有限公司 | 基于航位推算的导航定位方法、设备及存储介质 |
| CN112066983A (zh) * | 2020-09-08 | 2020-12-11 | 中国人民解放军国防科技大学 | 惯性/里程计组合导航滤波方法、电子设备及存储介质 |
| CN112762961A (zh) * | 2020-12-28 | 2021-05-07 | 厦门华源嘉航科技有限公司 | 一种车载惯性里程计组合导航在线标定方法 |
-
2021
- 2021-05-12 CN CN202110515730.5A patent/CN113252048B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106950586A (zh) * | 2017-01-22 | 2017-07-14 | 无锡卡尔曼导航技术有限公司 | 用于农机作业的gnss/ins/车辆组合导航方法 |
| CN108180925A (zh) * | 2017-12-15 | 2018-06-19 | 中国船舶重工集团公司第七0七研究所 | 一种里程计辅助车载动态对准方法 |
| CN109974697A (zh) * | 2019-03-21 | 2019-07-05 | 中国船舶重工集团公司第七0七研究所 | 一种基于惯性***的高精度测绘方法 |
| CN110221333A (zh) * | 2019-04-11 | 2019-09-10 | 同济大学 | 一种车载ins/od组合导航***的量测误差补偿方法 |
| CN110779521A (zh) * | 2019-11-12 | 2020-02-11 | 成都中科微信息技术研究院有限公司 | 一种多源融合的高精度定位方法与装置 |
| CN111562603A (zh) * | 2020-06-30 | 2020-08-21 | 高新兴物联科技有限公司 | 基于航位推算的导航定位方法、设备及存储介质 |
| CN112066983A (zh) * | 2020-09-08 | 2020-12-11 | 中国人民解放军国防科技大学 | 惯性/里程计组合导航滤波方法、电子设备及存储介质 |
| CN112762961A (zh) * | 2020-12-28 | 2021-05-07 | 厦门华源嘉航科技有限公司 | 一种车载惯性里程计组合导航在线标定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113252048A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113252048B (zh) | 一种导航定位方法、导航定位***及计算机可读存储介质 | |
| US10240931B2 (en) | System and method for navigation by applying corrected bias values to gyroscopic data | |
| US9360323B2 (en) | Systems and methods for estimating movements of a vehicle using a mobile device | |
| US9488480B2 (en) | Method and apparatus for improved navigation of a moving platform | |
| CN113405545B (zh) | 定位方法、装置、电子设备及计算机存储介质 | |
| JP6149699B2 (ja) | 車両用走行軌跡算出装置 | |
| CN114545472B (zh) | 一种gnss/ins组合***的导航方法和装置 | |
| CN113465628B (zh) | 惯性测量单元数据补偿方法及*** | |
| CN112505737A (zh) | 一种基于Elman神经网络在线学习辅助的GNSS/INS组合导航方法 | |
| CN114413934B (zh) | 一种车辆定位***校正方法和装置 | |
| JP6248559B2 (ja) | 車両用走行軌跡算出装置 | |
| KR100948089B1 (ko) | 의사 추측 항법을 이용한 차량 위치 결정 방법 및 이를이용한 자동차 항법 장치 | |
| CN115060257B (zh) | 一种基于民用级惯性测量单元的车辆变道检测方法 | |
| CN114234969B (zh) | 一种导航定位方法、装置和电子设备 | |
| CN114061570A (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
| CN116399351A (zh) | 一种车辆位置估计方法 | |
| US20220057517A1 (en) | Method for constructing point cloud map, computer device, and storage medium | |
| CN113566850B (zh) | 惯性测量单元的安装角度标定方法、装置和计算机设备 | |
| CN115790613B (zh) | 一种视觉信息辅助的惯性/里程计组合导航方法及装置 | |
| CN114019954B (zh) | 航向安装角标定方法、装置、计算机设备和存储介质 | |
| CN114001730B (zh) | 融合定位方法、装置、计算机设备和存储介质 | |
| CN115112119A (zh) | 一种基于lstm神经网络辅助的车载导航方法 | |
| CN112611377A (zh) | 一种用于小车室外导航的状态预测方法、装置及存储介质 | |
| CN113566849B (zh) | 惯性测量单元的安装角度标定方法、装置和计算机设备 | |
| CN115343738A (zh) | 基于gnss-rtk与imu的组合导航方法及设备 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 518000 606, block a, sharing building, No. 78, Keyuan North Road, songpingshan community, Xili street, Nanshan District, Shenzhen, Guangdong Applicant after: Gosuncn IOT Technology Co.,Ltd. Address before: 518000 Guangdong, Shenzhen, Nanshan District, Guangdong Province, Nanshan District high tech Industrial Park, South Korea 12 road, MINDRAY Building 2 floor B area, zone 12 Applicant before: Gaoxing Wulian Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |