CN114689901B

CN114689901B - 加速度计现场标定方法和装置

Info

Publication number: CN114689901B
Application number: CN202210100948.9A
Authority: CN
Inventors: 邓中亮; 武成锋; 刘延旭; 胡恩文; 郭晓云; 殷嘉徽; 綦航; 袁华宇; 苏文举; 赵建民
Original assignee: Beijing University of Posts and Telecommunications; Beijing Electromechanical Engineering Research Institute
Current assignee: Beijing University of Posts and Telecommunications; Beijing Electromechanical Engineering Research Institute
Priority date: 2022-01-27
Filing date: 2022-01-27
Publication date: 2023-09-05
Anticipated expiration: 2042-01-27
Also published as: CN114689901A

Abstract

本申请提供一种加速度计现场标定方法和装置，方法包括：根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值；基于误差参数组的参数初值，对误差参数组对应的惯性传感器的各项误差分别进行标定，并自动判定对应的标定结果是否为已完成状态。本申请能够有效提高加速度计的零速区间检测的效率及精确度，进而能够有效提高加速度计现场标定误差参数的效率及精度，并能够有效提高加速度计现场标定误差参数的自动化程度及可靠性。

Description

加速度计现场标定方法和装置

技术领域

本申请涉及MEMS加速度标定技术领域，尤其涉及加速度计现场标定方法和装置。

背景技术

随着微机电***(Micro-Electro-Mechanical Systems，MEMS)的发展，低成本的MEMS惯性传感器IMU具有体积小、功耗低、重量轻等优点，使得其在定位技术中逐渐发展起来。低成本的惯性传感器IMU的主要误差包含***误差和随机误差，其中***误差主要包括安装误差、缩放因子和零偏误差等，所以如何精确、快速地标定出惯性传感器IMU的各项误差参数成为了一个重要的研究方向。

加速度计现场标定方法需要在多个不同静止姿态下采集静态加速度值，采集方式决定了加速度计的标定时间长短。目前加速度数据采集方式可分为基于人工和零速区间检测两种方法。其中基于人工方式存在操作繁琐、采集时间较长等问题，无法应用于多无人机的加速度计标定；基于零速区间检测方法，可自动区分出动静态区间数据，具有效率高的优势。但现有的零速区间检测方式均存在精确度差且效率低等问题，因此也会导致现有的加速度计现场标定惯性传感器IMU的误差参数的方式也存在精确度差且效率低等问题。

发明内容

鉴于此，本申请实施例提供了加速度计现场标定方法和装置，以消除或改善现有技术中存在的一个或更多个缺陷。

本申请的一个方面提供了一种加速度计现场标定方法，包括：

根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值；

基于所述误差参数组的参数初值，对所述误差参数组对应的惯性传感器的各项误差分别进行标定，并自动判定对应的标定结果是否为已完成状态。

在本申请的一些实施例中，所述根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值，包括：

根据无人机当前的加速度差分模值、角速度差分模值和加速度方差获取该无人机当前的零速区间检测结果；

基于有限状态机筛除所述零速区间检测结果中的毛刺数据，以得到对应的目标检测结果；

若所述目标检测结果显示所述无人机当前处于旋转后静止状态，则获取该无人机的加速度计当前待标定的误差参数组的参数初值。

在本申请的一些实施例中，所述根据无人机当前的加速度差分模值、角速度差分模值和加速度方差获取该无人机当前的零速区间检测结果，包括：

获取所述无人机当前的加速度差分模值和角速度差分模值；

判断所述加速度差分模值和角速度差分模值是否均小于各自对应的阈值，若是，则获取所述无人机当前的加速度方差；

判断所述加速度方差是否小于对应的阈值，若是，则获取该无人机当前的零速区间检测结果。

在本申请的一些实施例中，所述误差参数组中包含有：所述无人机的惯性传感器的非正交轴误差旋转角度、零点偏移和尺度参数。

在本申请的一些实施例中，在所述根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值之前，还包括：

根据无人机所在地的当地纬度值和当地海拔高度值确定该无人机的当地重力加速度；

以及，建立所述无人机的加速度计的误差模型；

相对应的，所述基于所述误差参数组的参数初值，对所述误差参数组对应的惯性传感器的各项误差分别进行标定，包括：

将所述无人机的惯性传感器的非正交轴误差旋转角度的初值设置为0；

对所述加速度计的误差模型进行简化处理，并基于对有的简化处理结果生成所述惯性传感器的零点偏移的初值；

以及，根据所述当地重力加速度生成所述惯性传感器的尺度参数的初值；

基于所述非正交轴误差旋转角度的初值、所述零点偏移的初值和所述尺度参数的初值生成误差参数组的参数初值；

采用所述误差参数组的参数初值对所述非正交轴误差旋转角度、所述零点偏移及所述尺度参数分别进行标定。

在本申请的一些实施例中，所述采用所述误差参数组的参数初值对所述非正交轴误差旋转角度、所述零点偏移及所述尺度参数分别进行标定，包括：

获取所述误差参数组的非线性最小二乘回归拟合优化函数；

基于信赖域Dogleg算法对所述非线性最小二乘回归拟合优化函数进行优化，并基于所述误差参数组的参数初值对优化后的非线性最小二乘回归拟合优化函数进行迭代，以得到所述非正交轴误差旋转角度、所述零点偏移及所述尺度参数对应的标定结果。

在本申请的一些实施例中，所述自动判定对应的标定结果是否为已完成状态，包括：

基于预设的标定精度因子，自动判定所述惯性传感器的各项误差对应的标定结果是否为已完成状态。

本申请的另一个方面提供了一种加速度计现场标定装置，包括：

零速区间检测模块，用于根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值；

误差标定及结果判定模块，用于基于所述误差参数组的参数初值，对所述误差参数组对应的惯性传感器的各项误差分别进行标定，并自动判定对应的标定结果是否为已完成状态。

本申请的另一个方面提供了一种电子设备，包括存储器、包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的加速度计现场标定方法。

本申请的另一个方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的加速度计现场标定方法。

本申请的加速度计现场标定方法，根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，能够实现加速度计的零速区间检测的精确、快速判别，能够有效提高加速度计的零速区间检测的效率及精确度，进而能够有效提高加速度计现场标定误差参数的效率及精度；且由于不需要采用机器学习等方式，因此不需要进行复杂运算，也不需要采用大量数据训练，因此能够更进一步地提高加速度计现场标定误差参数的效率；通过自动判定惯性传感器的误差标定结果是否为已完成状态，能够有效解决标定完成状态需要人工判定造成标定效率低下、标定时间长的问题，进而能够更进一步提高加速度计现场标定误差参数的效率，并能够有效提高加速度计现场标定误差参数的自动化程度及可靠性。

本申请的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本申请的实践而获知。本申请的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。

本领域技术人员将会理解的是，能够用本申请实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本申请能够实现的上述和其他目的。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，并不构成对本申请的限定。附图中的部件不是成比例绘制的，而只是为了示出本申请的原理。为了便于示出和描述本申请的一些部分，附图中对应部分可能被放大，即，相对于依据本申请实际制造的示例性装置中的其它部件可能变得更大。在附图中：

图1为本申请一实施例中的加速度计现场标定方法的总流程示意图。

图2为本申请一实施例中的加速度计现场标定方法的具体流程示意图。

图3为本申请另一实施例中的加速度计现场标定装置的结构示意图。

图4为本申请应用实例提供的基于有限状态机与精度因子的加速度计现场标定方法的整体标定流程示意图。

图5为本申请应用实例提供的基于多准则的零速区间检测的算法流程示意图。

图6为本申请应用实例提供的多准则零速区间检测中毛刺现象示意图。

图7为本申请应用实例提供的基于多准则的有限状态机零速区间检测状态转移示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本申请做进一步详细说明。在此，本申请的示意性实施方式及其说明用于解释本申请，但并不作为对本申请的限定。

在此，还需要说明的是，为了避免因不必要的细节而模糊了本申请，在附图中仅仅示出了与根据本申请的方案密切相关的结构和/或处理步骤，而省略了与本申请关系不大的其他细节。

应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。

在此，还需要说明的是，如果没有特殊说明，术语“连接”在本文不仅可以指直接连接，也可以表示存在中间物的间接连接。

在下文中，将参考附图描述本申请的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。

加速度计现场标定方式之一可以考虑采用最小二乘拟合方法，通过多次翻转，对***输出惯性数据应用最小二乘拟合的方法求解得到惯性传感器IMU的各项误差系数。然而，该方式采集惯性数据时间长，耗时大，操作繁琐，容易人为造成误差，影响标定精度。

加速度计现场标定方式之二可以考虑采用深度学习的方法，以MEMS加速度计的测量输出信息为输入，利用深度学习算法进行误差补偿，能够预测出MEMS惯导的关键误差参数。然而，深度学习的方法计算量大，网络复杂，对数据量要求大，深度学习网络的好坏也会影响标定结果。

也就是说，现有的惯性传感器IMU的误差检测方法均存在精确度差且效率低等问题。

基于此，为了解决现有的加速度计现场标定方法存在的检测精度差而导致标定参数精度差、检测过程复杂或耗时长而导致的检测效率低等问题，本申请分别提供一种加速度计现场标定方法、用于执行该加速度计现场标定方法的加速度计现场标定装置、作为加速度计现场标定装置的实体的电子设备以及存储介质，其中的加速度计现场标定方法根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，能够实现加速度计的零速区间检测的精确、快速判别，能够有效提高加速度计的零速区间检测的效率及精确度，进而能够有效提高加速度计现场标定误差参数的效率及精度；且由于不需要采用机器学习等方式，因此不需要进行复杂运算，也不需要采用大量数据训练，因此能够更进一步地提高加速度计现场标定误差参数的效率；通过自动判定惯性传感器的误差标定结果是否为已完成状态，能够有效解决标定完成状态需要人工判定造成标定效率低下、标定时间长的问题，进而能够更进一步提高加速度计现场标定误差参数的效率，并能够有效提高加速度计现场标定误差参数的自动化程度及可靠性。

在本申请的一个或多个实施例中，IMU是指惯性测量单元或者惯性传感器。

基于上述内容，本申请还提供一种用于实现本申请一个或多个实施例中提供的加速度计现场标定方法的加速度计现场标定装置，该加速度计现场标定装置可以为一服务器，该加速度计现场标定装置可以自行或通过第三方服务器等与无人机及控制站等之间通信连接，以获取无人机对应的各项传感数据，并根据这些数据执行本申请实施例中提及的加速度计现场标定方法，并在得到最终的标定结果之后，可以将标定结果发送至控制站或者运维人员持有的客户端设备等中进行显示，以使运维人员及时获知并分析标定结果。

另外，所述加速度计现场标定装置进行加速度计现场标定的部分可以在如上述内容的服务器中执行，而在另一种实际应用情形中，也可以所有的操作都在客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器，用于加速度计现场标定的具体处理。

上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。

上述服务器与所述客户端设备端之间可以使用任何合适的网络协议进行通信，包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、 UDP/IP协议、HTTP协议、HTTPS协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol，远程过程调用协议)、REST 协议(Representational State Transfer，表述性状态转移协议)等。

具体通过下述各个实施例及应用实例分别进行详细说明。

为了解决现有的零速区间检测方式均存在精确度差且效率低等问题，因此也会导致现有的加速度计现场标定惯性传感器IMU的误差参数的方式也存在精确度差且效率低等问题，本申请提供一种加速度计现场标定方法的实施例，参见图1，基于所述加速度计现场标定装置执行的所述加速度计现场标定方法具体包含有如下内容：

步骤100：根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值。

在步骤100中，若根据预设的多准则的零速区间检测方式检测无人机当前未处于旋转后静止状态，则不进行后续执行，可以在预设时间间隔后再次重新执行步骤100，直至确定无人机当前处于旋转后静止状态。

可以理解的是，在步骤100中提及的旋转后静止状态是指无人机从旋转状态中转换到静止状态，用于区分无人机未运行的初始静止状态。

另外，所述多准则的零速区间检测方式是指采用多种检测标准或准则来进行无人机当前是否处于零速区间(即：旋转后的静止状态)的方式。

在本申请的一个或多个实施例中，所述误差参数组中包含有惯性传感器的多项误差参数，可以理解的是，所述误差参数组的参数初值是指所述误差参数组中的每一个误差参数各自对应的初值。

步骤200：基于所述误差参数组的参数初值，对所述误差参数组对应的惯性传感器的各项误差分别进行标定，并自动判定对应的标定结果是否为已完成状态。

从上述描述可知，本申请实施例提供的加速度计现场标定方法，通过根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，能够实现加速度计的零速区间检测的精确、快速判别，能够有效提高加速度计的零速区间检测的效率及精确度，进而能够有效提高加速度计现场标定误差参数的效率及精度；且由于不需要采用机器学习等方式，因此不需要进行复杂运算，也不需要采用大量数据训练，因此能够更进一步地提高加速度计现场标定误差参数的效率；通过自动判定惯性传感器的误差标定结果是否为已完成状态，能够有效解决标定完成状态需要人工判定造成标定效率低下、标定时间长的问题，进而能够更进一步提高加速度计现场标定误差参数的效率，并能够有效提高加速度计现场标定误差参数的自动化程度及可靠性。

为了进一步有效提高加速度计的零速区间检测的效率及精确度，在本申请提供的一种加速度计现场标定方法的实施例中，参见图2，所述加速度计现场标定方法的步骤100具体包含有如下内容：

步骤110：根据无人机当前的加速度差分模值、角速度差分模值和加速度方差获取该无人机当前的零速区间检测结果。

步骤120：基于有限状态机筛除所述零速区间检测结果中的毛刺数据，以得到对应的目标检测结果。

可以理解的是，在实际情况下，由于加速度计和陀螺仪在运动与静止状态切换过程中数据跳变比较激烈，导致静态区间存在判断失误问题，多准则的零速区间判断存在部分毛刺现象。为此提出了零速区间检测状态机通过去除了零速区间时间长度小于1.5秒的数据(即毛刺数据)，提升了零速区间检测的准确性。

步骤130：若所述目标检测结果显示所述无人机当前处于旋转后静止状态，则获取该无人机的加速度计当前待标定的误差参数组的参数初值。

从上述描述可知，本申请实施例提供的加速度计现场标定方法，通过根据无人机当前的加速度差分模值、角速度差分模值和加速度方差获取该无人机当前的零速区间检测结果，能够进一步实现加速度计的零速区间检测的精确、快速判别，能够进一步有效提高加速度计的零速区间检测的效率及精确度，进而能够有效提高加速度计现场标定误差参数的效率及精度；通过基于有限状态机对所述零速区间检测结果进行数据筛选，以得到对应的目标检测结果，能够有效去除零速区间的毛刺数据(例如：时间长度小于1.5 秒的数据)，进一步提升零速区间检测的准确性。

为了进一步降低零速区间检测过程的计算复杂度，并提高检测效率，在本申请提供的一种加速度计现场标定方法的实施例中，所述加速度计现场标定方法的步骤110具体包含有如下内容：

步骤111：获取所述无人机当前的加速度差分模值和角速度差分模值。

步骤112：判断所述加速度差分模值和角速度差分模值是否均小于各自对应的阈值，若是，则执行步骤113。

步骤113：获取所述无人机当前的加速度方差。

步骤114：判断所述加速度方差是否小于对应的阈值，若是，则执行步骤115。

步骤115：获取该无人机当前的零速区间检测结果。

具体来说，针对传统现场标定方法中存在零速区间检测精度差、计算复杂等问题，提出了一种基于多准则的有限状态机零速区间检测方法，基于加速度和角速度的差分模值、加速度方差3个判定准则，判断是否处于零速状态。

为了降低不必要计算，当差分模值判断为非静止状态，则不需要进一步计算方差；当差分模值判断为静止状态，根据方差维度进一步确定是否为静止状态。

从上述描述可知，本申请实施例提供的加速度计现场标定方法，通过先判断所述加速度差分模值和角速度差分模值是否均小于各自对应的阈值，若是，则获取所述无人机当前的加速度方差，能够降低不必要计算，当差分模值判断为非静止状态，则不需要进一步计算方差；当差分模值判断为静止状态，根据方差维度进一步确定是否为静止状态，进而能够进一步降低零速区间检测过程的计算复杂度，并提高检测效率。

为了进一步提高标定误差的全面性及有效性，在本申请提供的一种加速度计现场标定方法的实施例中，所述加速度计现场标定方法中的所述误差参数组中包含有：所述无人机的惯性传感器的非正交轴误差旋转角度、零点偏移和尺度参数。

从上述描述可知，本申请实施例提供的加速度计现场标定方法，所述误差参数组中包含有：所述无人机的惯性传感器的非正交轴误差旋转角度、零点偏移和尺度参数，能够进一步提高标定误差的全面性及有效性，进而能够有效提高MEMS定位精度。

为了提高对所述误差参数组对应的惯性传感器的各项误差分别进行标定的效率及可靠性，在本申请提供的一种加速度计现场标定方法的实施例中，参见图2，所述加速度计现场标定方法的步骤110之前还具体包含有如下内容：

步骤010：根据无人机所在地的当地纬度值和当地海拔高度值确定该无人机的当地重力加速度。

步骤020：建立所述无人机的加速度计的误差模型。

相对应的，参见图2，所述加速度计现场标定方法的步骤200具体包含有如下内容：

步骤210：将所述无人机的惯性传感器的非正交轴误差旋转角度的初值设置为0。

步骤220：对所述加速度计的误差模型进行简化处理，并基于对有的简化处理结果生成所述惯性传感器的零点偏移的初值。

步骤230：根据所述当地重力加速度生成所述惯性传感器的尺度参数的初值。

步骤240：基于所述非正交轴误差旋转角度的初值、所述零点偏移的初值和所述尺度参数的初值生成误差参数组的参数初值。

步骤250：采用所述误差参数组的参数初值对所述非正交轴误差旋转角度、所述零点偏移及所述尺度参数分别进行标定。

从上述描述可知，本申请实施例提供的加速度计现场标定方法，通过预先获取重力加速度和误差模型，并对所述加速度计的误差模型进行简化处理，并基于对有的简化处理结果生成所述惯性传感器的零点偏移的初值；以及，根据所述当地重力加速度生成所述惯性传感器的尺度参数的初值，能够有效提高对所述误差参数组对应的惯性传感器的各项误差分别进行标定的效率及可靠性，以进一步提高加速度计现场标定的效率及可靠性。

为了解决计算过程中高斯牛顿计算步长过程中出现海森矩阵(Hessian)非正定不可逆的问题，在本申请提供的一种加速度计现场标定方法的实施例中，所述加速度计现场标定方法的步骤250具体包含有如下内容：

步骤251：获取所述误差参数组的非线性最小二乘回归拟合优化函数。

步骤252：基于信赖域Dogleg算法对所述非线性最小二乘回归拟合优化函数进行优化，并基于所述误差参数组的参数初值对优化后的非线性最小二乘回归拟合优化函数进行迭代，以得到所述非正交轴误差旋转角度、所述零点偏移及所述尺度参数对应的标定结果。

可以理解的是，所述信赖域Dogleg算法具体可以指信赖域算法中的Dogleg算法，信赖域算法(Trust-region methods)又称为TR方法，它是一种最优化方法，能够保证最优化方法总体收敛。

从上述描述可知，本申请实施例提供的加速度计现场标定方法，通过基于信赖域Dogleg算法对所述非线性最小二乘回归拟合优化函数进行优化，并基于所述误差参数组的参数初值对优化后的非线性最小二乘回归拟合优化函数进行迭代，能够有效解决计算过程中高斯牛顿计算步长过程中出现海森矩阵(Hessian)非正定不可逆的问题，确保了角速度计标定参数迭代搜索过程的稳定性。

为了提高对所述误差参数组对应的惯性传感器的各项误差分别进行标定的效率及可靠性，在本申请提供的一种加速度计现场标定方法的实施例中，参见图2，所述加速度计现场标定方法的步骤200中的250之后还具体包含有如下内容：

步骤260：基于预设的标定精度因子，自动判定所述惯性传感器的各项误差对应的标定结果是否为已完成状态。

从上述描述可知，本申请实施例提供的加速度计现场标定方法，通过基于预设的标定精度因子，自动判定所述惯性传感器的各项误差对应的标定结果是否为已完成状态，相对于直接采用残差平方和的标定精度评定方式，所提出的基于标定精度因子的标定状态判别标定与零速区间大小M无关，可以满足不同大小零速区间的标定精度评估，更具有实用价值。

针对上述加速度计现场标定方法的实施例，本申请还提供一种用于实现该加速度计现场标定方法的加速度计现场标定装置，参见图3，所述加速度计现场标定装置具体包含有如下内容：

零速区间检测模块10，用于根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值；

误差标定及结果判定模块20，用于基于所述误差参数组的参数初值，对所述误差参数组对应的惯性传感器的各项误差分别进行标定，并自动判定对应的标定结果是否为已完成状态。

从上述描述可知，本申请实施例提供的加速度计现场标定装置，通过根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，能够实现加速度计的零速区间检测的精确、快速判别，能够有效提高加速度计的零速区间检测的效率及精确度，进而能够有效提高加速度计现场标定误差参数的效率及精度；且由于不需要采用机器学习等方式，因此不需要进行复杂运算，也不需要采用大量数据训练，因此能够更进一步地提高加速度计现场标定误差参数的效率；通过自动判定惯性传感器的误差标定结果是否为已完成状态，能够有效解决标定完成状态需要人工判定造成标定效率低下、标定时间长的问题，进而能够更进一步提高加速度计现场标定误差参数的效率，并能够有效提高加速度计现场标定误差参数的自动化程度及可靠性。

另外，为了进一步说明本申请上述提及的加速度计现场标定方法，本申请还提供一种加速度计现场标定方法的具体应用实例以进一步说明，具体为一种基于有限状态机与精度因子的加速度计现场标定方法，具体说明如下：

针对现有的加速度计现场标定方法存在的检测精度差而导致标定参数精度差、检测过程复杂或耗时长而导致的检测效率低等问题，本申请提出一种基于多准则的零速区间检测方法，实现加速度计的零速区间精确、快速判别；针对现有现场标定方法中标定完成状态需要人工判定造成标定效率低下、标定时间长的问题，提出了标定精度因子，对标定状态是否完成进行自动判别。

参见图4，基于有限状态机与精度因子的加速度计现场标定方法的整体标定流程如下：

(一)当地正常重力加速度g_l和加速度计误差模型

当地重力加速度g_l通常可采用全球水准体表面来确定正常重力场公式近似得到。当地正常重力场公式为：

g_l＝g_e[1-0.0053sin²φ+3.0159×10^-6sin²(2φ)]-3.0828×10^-6h (1)

其中，g_e为赤道的重力加速度值、φ为当地纬度值、h为当地海拔高度值。

低成本的加速度计的误差模型可表示为：

a^I＝T^aSM^a(a^O+b^a+v^a) (2)

其中，a^I为正交坐标系IC下的加速度，a^O为实际加速度计坐标系AC下的加速度，为加速度计测量噪声，通常假设服从0均值高斯分布，SM^a为尺度矩阵， b^a为零偏向量。漂移b^a通常随时间缓慢变化，通常建模为随机游走，在现场标定过程中，由于标定时间较短，可认为b^a是常值。

(二)基于多准则的有限状态机零速区间检测方法

针对传统现场标定方法中存在零速区间检测精度差、计算复杂等问题，提出了一种基于多准则的有限状态机零速区间检测方法，基于加速度和角速度的差分模值、加速度方差3个判定准则，判断是否处于零速状态。

为了降低不必要计算，当差分模值判断为非静止状态，则不需要进一步计算方差；当差分模值判断为静止状态，根据方差维度进一步确定是否为静止状态，综上所述，基于多准则的零速区间检测的算法流程图如图5所示。

以加速度计为例，对基于差分的无人机运动状态判定有效性进行分析，首先对公式 (2)相邻两个采样时刻作差可以得到：

在无人机静止状态下等式左边应为0向量，因为矩阵SM^aT^a不为零矩阵，因此可以得到：

在无人机静止状态下，上式满足不等式：

其中th^a为无人机静止状态判断阈值，其选取与加速度计的随机游走和高斯白噪声等相关联。

3种判定准则检测方法如下：

(1)加速度计差分模值

无人机在静止状态下，加速度计的输出值差分模值应小于设定的阈值th^a，可以得到t时刻的加速度计差分输出值模值为：

则判断无人机是否静止状态准则可表示为：

(2)加速度计方差

无人机在静止条件下，加速度计输出值的方差应小于设定的阈值通过加速度计的样本方差近似加速度计方差，可以得到：

其中w为窗口大小，为窗口内平均值，定义为：

则判断无人机是否静止状态准则可表示为：

(3)陀螺仪差分模值

无人机在静止条件下，陀螺仪的输出值差分模值应小于设定的阈值th^η，可以得到t时刻的加速度计差分输出值模值为：

则判断无人机是否静止状态准则可表示为：

其中，图5中差分模值的判断准则为和/>的逻辑与。在实际情况下，由于加速度计和陀螺仪在运动与静止状态切换过程中数据跳变比较激烈，导致静态区间存在判断失误问题，参见图6，多准则的零速区间判断存在部分毛刺现象。为此提出了零速区间检测状态机，状态转移如图7所示，通过去除了零速区间时间长度小于1.5秒的数据，提升了零速区间检测的准确性。

(三)零点偏移和尺度参数初值

针对信赖域Dogleg算法参数估计精度与误差参数初值设定相关，通常加速度计的非正交轴误差较小，非正交旋转角度在0附近，所以可以选择非正交轴误差旋转角度的初值为0，即α_yz＝α_zy＝α_zx＝0。因此，在初值确定过程中，可以简化公式(2)的加速度计误差模型为：

当加速度计竖直向上与重力加速度方向一致时，由于尺度参数和/>不为0，则零点偏移初值为：

然后根据当地重力加速度确定尺度参数和/>

(四)基于信赖域Dogleg的加速度现场标定方法

加速度计标定需要估计零偏、尺度和非正交轴偏差，共9个参数：

非线性最小二乘回归拟合优化函数，如公式(17)所示：

式中||·||₂表示欧几里得范数，M为零速区间内采样点数量，表示k时刻加速度计采样值，g_l为当地重力加速度。

针对计算过程中高斯牛顿计算步长过程中出现海森矩阵(Hessian)非正定不可逆的问题，基于奇异值分解法(Singular Value Decomposition，SVD)，提出了改进的信赖域Dogleg算法，确保了角速度计标定参数迭代搜索过程的稳定性。

根据信赖域Dogleg算法，定义函数F(e^a)为：

F(e^a)＝[f₁(e^a) f₂(e^a) …f_M(e^a)] (18)

其中函数f_k(e^a)定义为：

则公式(17)对应的优化问题等价为：

其中，信赖域Dogleg算法迭代过程如表1所示。

表1

/>

其中迭代终止条件可以选取无穷小的阈值th₁，th₂，th₃，例如10^-11，阈值的选取与最终迭代精度无关。

(五)基于标定精度因子的标定状态判别

传统方法常采用基于残差平方和的判定方法，但是残差平方和大小与零速区间采样数M有关，无法正确表征标定误差。为了实现对加速度计参数标定能力进行评价，实现标定状态的自动判别。首先分析公式(17)中残差的统计特性，推导残差的期望，证明期望与M间关系，提出了标定精度因子，实现了标定状态的自动判别。

根据加速度计的误差模型，假定满足独立零均值同方差的高斯分布，则校正后的/>应满足高斯分布，即/>其中/>定义为：/>

通常情况下，尺度非常接近于1，为此/>可近似等价为/>由于校正后XYZ轴的均值不一致，且在标定过程中个，无法确定重力加速度在XYZ轴上的真实投影，因此/>不具备解析形式的概率密度函数。为此分析了残差平方和的均值，基于该均值与M之间关系，提出了无关零速区间大小的标定精度因子，用于标定状态判断。

定义标定精度因子为r：

标定精度因子与零速区间大小M无关，可以满足不同大小零速区间的标定精度评估，相对于直接采用残差平方和，更具有实用价值。标定精度因子越小，则表示标定精度越高。当标定精度因子下降平缓时，可以认为标定完成。

综上所述，本申请应用实例确地判断出零速空间，减少毛刺影响，具体为基于多准则的有限状态机零速区间检测方法可以更加精确地判断出零速空间；且本申请应用实例相对于直接采用残差平方和的标定精度评定方式，所提出的基于标定精度因子的标定状态判别标定与零速区间大小M无关，可以满足不同大小零速区间的标定精度评估，更具有实用价值，是一种更加有效，实用的标定精度因子的标定状态判断方法。

本申请实施例还提供了一种计算机设备(也即电子设备)，该计算机设备可以包括处理器、存储器、接收器及发送器，处理器用于执行上述实施例提及的加速度计现场标定方法，其中处理器和存储器可以通过总线或者其他方式连接，以通过总线连接为例。该接收器可通过有线或无线方式与处理器、存储器连接。所述计算机设备与加速度计现场标定装置之间通信连接，以自所述无线多媒体传感器网络中的传感器接收实时运动数据，并自所述视频采集装置接收原始视频序列。

处理器可以为中央处理器(Central Processing Unit，CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array， FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的加速度计现场标定方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的加速度计现场标定方法。

存储器可以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***、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述一个或者多个模块存储在所述存储器中，当被所述处理器执行时，执行实施例中的加速度计现场标定方法。

在本申请的一些实施例中，用户设备可以包括处理器、存储器和收发单元，该收发单元可包括接收器和发送器，处理器、存储器、接收器和发送器可通过总线***连接，存储器用于存储计算机指令，处理器用于执行存储器中存储的计算机指令，以控制收发单元收发信号。

作为一种实现方式，本申请中接收器和发送器的功能可以考虑通过收发电路或者收发的专用芯片来实现，处理器可以考虑通过专用处理芯片、处理电路或通用芯片实现。

作为另一种实现方式，可以考虑使用通用计算机的方式来实现本申请实施例提供的服务器。即将实现处理器，接收器和发送器功能的程序代码存储在存储器中，通用处理器通过执行存储器中的代码来实现处理器，接收器和发送器的功能。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以实现前述加速度计现场标定方法的步骤。该计算机可读存储介质可以是有形存储介质，诸如随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、软盘、硬盘、可移动存储盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。

本领域普通技术人员应该可以明白，结合本文中所公开的实施方式描述的各示例性的组成部分、***和方法，能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。

需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

本申请中，针对一个实施方式描述和/或例示的特征，可以在一个或更多个其它实施方式中以相同方式或以类似方式使用，和/或与其他实施方式的特征相结合或代替其他实施方式的特征。

以上所述仅为本申请的优选实施例，并不用于限制本申请，对于本领域的技术人员来说，本申请实施例可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims

1.一种加速度计现场标定方法，其特征在于，包括：

以及，建立所述无人机的加速度计的误差模型；所述加速度计的误差模型如下公式所示：

a^I＝T^aSM^a(a^O+b^a+v^a)

其中，a^I为正交坐标系IC下的加速度，a^O为实际加速度计坐标系AC下的加速度，为加速度计测量噪声，假设服从0均值高斯分布，SM^a为尺度矩阵，/>和为尺度参数；b^a为零偏向量；/>和/>为零点偏移参数；α_yz,α_zy,α_zx为非正交轴误差旋转角度；

根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值；所述误差参数组中包含有：所述无人机的惯性传感器的非正交轴误差旋转角度、零点偏移和尺度参数；

基于所述误差参数组的参数初值，对所述误差参数组对应的惯性传感器的各项误差分别进行标定，并自动判定对应的标定结果是否为已完成状态；

其中，所述根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值，包括：获取无人机当前的加速度差分模值和角速度差分模值；

判断所述加速度方差是否小于对应的阈值，若是，则获取该无人机当前的零速区间检测结果；

若所述目标检测结果显示所述无人机当前处于旋转后静止状态，则获取该无人机的加速度计当前待标定的误差参数组的参数初值；

针对信赖域Dogleg算法参数估计精度与误差参数初值设定相关，将所述无人机的惯性传感器的非正交轴误差旋转角度的初值设置为0，即α_yz＝α_zy＝α_zx＝0；

对所述加速度计的误差模型进行简化处理，并基于对应的简化处理结果生成所述惯性传感器的零点偏移的初值；简化后的加速度计的误差模型如下述公式所示：

为在相邻的两个采样时刻中的前一采样时刻的正交坐标系IC下的加速度；/>是在无人机静止状态下的前一采样时刻的正交坐标系IC下的加速度；以及，根据所述当地重力加速度生成所述惯性传感器的尺度参数的初值；

采用所述误差参数组的参数初值对所述非正交轴误差旋转角度、所述零点偏移及所述尺度参数分别进行标定；

所述采用所述误差参数组的参数初值对所述非正交轴误差旋转角度、所述零点偏移及所述尺度参数分别进行标定，包括：

获取所述误差参数组的非线性最小二乘回归拟合优化函数；

2.根据权利要求1所述的加速度计现场标定方法，其特征在于，所述自动判定对应的标定结果是否为已完成状态，包括：

3.一种加速度计现场标定装置，其特征在于，所述加速度计现场标定装置用于执行下述步骤：

a^I＝T^aSM^a(a^O+b^a+v^a)

所述加速度计现场标定装置还包括：

零速区间检测模块，用于根据预设的多准则的零速区间检测方式检测无人机当前是否处于旋转后静止状态，若是，则获取该无人机的加速度计当前待标定的误差参数组的参数初值；所述误差参数组中包含有：所述无人机的惯性传感器的非正交轴误差旋转角度、零点偏移和尺度参数；

误差标定及结果判定模块，用于基于所述误差参数组的参数初值，对所述误差参数组对应的惯性传感器的各项误差分别进行标定，并自动判定对应的标定结果是否为已完成状态；

针对信赖域Dogleg算法参数估计精度与误差参数初值设定相关，选择非正交轴误差旋转角度的初值为0，即α_yz＝α_zy＝α_zx＝0，对所述加速度计的误差模型进行简化处理，并基于对应的简化处理结果生成所述惯性传感器的零点偏移的初值；简化后的加速度计的误差模型如下述公式所示：

获取所述误差参数组的非线性最小二乘回归拟合优化函数；

4.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1或2所述的加速度计现场标定方法。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1或2所述的加速度计现场标定方法。