基于四轮独立驱动且结合IMU的里程推算方法技术

本发明专利技术涉及四轮独立驱动无人车的定位技术领域，更具体地，涉及基于四轮独立驱动且结合IMU的里程推算方法。为了无人车能够在有限的时间和资源上进行定位和导航，本发明专利技术利用了四个轮毂电机编码器回传到上位机的里程数据以及轮胎转角数据，并且读取IMU的陀螺仪数据然后计算出欧拉角，通过建立小车运动学模型，计算后获得无人车的局部定位信息。在传统的里程推算中，往往只用到了一个IMU所得到的加速计数据积分后所得到的局部定位信息，但随着时间的推移，这种方法会有累积误差，精度很低。因此对无人车进行动力学建模，然后结合IMU中的航向角来进行定位和导航，得到了短时间内得到高精度的定位信息。

Mileage prediction method based on four wheel independent drive and IMU

The invention relates to the positioning technology field of a four wheel independently driven unmanned vehicle, and more specifically relates to a mileage projection method based on four wheel independent driving and combined with IMU. In order to locate and navigate in limited time and resources, the invention uses four wheel hub motor encoders to return to the upper computer's mileage data and tire corner data, and reads the IMU's gyroscope data and calculates the Euler angle. By establishing a kinematic model of a small car, no one is obtained. Local location information of the car. In the traditional mileage calculation, the local location information obtained by the integral of the accelerometer data obtained by a IMU is often used, but the method will have cumulative error and low precision as time goes on. Therefore, the dynamic modeling of the unmanned vehicle is carried out, then the orientation and navigation are carried out in combination with the direction angle of the IMU, and the high precision positioning information is obtained in a short time.

【技术实现步骤摘要】
基于四轮独立驱动且结合IMU的里程推算方法
本专利技术涉及四轮独立驱动无人车的定位
，更具体地，涉及基于四轮独立驱动且结合IMU的里程推算方法。
技术介绍
在现代的无人车中，定位是必不可少的一个技术部分。要实现自动驾驶，或者说自动导航，无人车需要获得精准的定位，才能够精准地导航。犹如人行走，必须知道自己的位置和方向，才能够知道要往哪里去。现有的定位技术有许多种，有单点GPS定位，有差分GPS定位，有激光雷达定位，还有用计算机视觉的方法来定位。每种定位技术都有各自的优缺点，例如：单点GPS依靠卫星的数量来衡量定位的质量；差分GPS需要两个站来维持分米乃至厘米级的定位，往往来说，需要基站和移动站收发信号的稳定才能保证质量，而且信号的传输往往带来技术成本的增加；激光雷达定位，需要很大的运算量来计算点云匹配，而且定位效果往往不佳；计算机视觉的定位方法十分依赖摄像头的质量，还有光线的限制，等等。往往单靠一种技术是不够得到鲁棒性强的定位效果，需要融合多种传感器设备数据。本专利技术正是为了弥补上述定位技术的短板，能够在短时间获得精确的定位效果。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷，提供基于四轮独立驱动且结合IMU的里程推算方法，基于四轮独立驱动的无人车，结合了IMU(惯性测量单元)的里程推算算法。本专利技术建立了小车的运动模型，并融合了IMU的陀螺仪数据，得到了鲁棒性好的里程推算算法，能够在一定时间内获得精度高的定位。本专利技术的技术方案是：基于四轮独立驱动且结合IMU的里程推算方法，其中，包括处理下位机反馈数据、姿态解算、融合数据得出位置信息等三个部分，处理下位机反馈数据基于下位机反馈的数据分别有四个轮子的里程计读数和两个前轮的转角读数，先进行滤波处理，然后根据小车运动学模型，求得相对位移差与航向角差；姿态解算基于IMU所读出来的陀螺仪角速度，先通过滤波处理，然后去除零偏，积分得到航向角差；融合数据的位置信息基于前面两个部分得到位移差和航向角差，对上一次的位置和航向角，投影和积分得到新的位置和航向角。下位机反馈的数据会由于传输噪声以及本身的误差，存在突变和噪声，因此需要经过滤波处理。建立小车运动学模型是关键一步，根据模型，由滤波后的里程计读数和前轮转角读数求得局部的位移差和航向角差。由于环境要求，磁力计无法生效，因此无法用磁力计作为观测值，要求得相对稳定的航向角，需要融合小车运动模型求得的航向角和陀螺仪求得的航向角。前面步骤所求出来得位移差和航向角差都是局部的、相对的，需要投影到全局坐标下，和上一时刻的位置积分就会得到当前时刻下的全局坐标。具体的，(1)首先按照一定的读取频率，读取下位机传来的四轮里程计数据和前两轮转角数据，然后经过滤波处理，得到真值；然后根据小车的运动模型，输入滤波处理之后的四轮里程数和前两轮转角数据，计算得到相对坐标下的位移差和航向角差。(2)读取IMU的陀螺仪角速度，初始化时去除零偏，根据前后时间戳求得航向角差。(3)根据用互补滤波融合由小车模型所求得的航向角差和IMU所解算出来的航向角差，积分到上一时刻的航向角上。然后通过更新后的航向角，将位移差投影到全局坐标下，最后积分到上一时刻的坐标，更新位置信息。根据本专利技术提出的方案，包括以下步骤：(1)读入四轮里程数，解析之后分别得到里程数s1、s2、s3、s4，分别是左边前后轮和右边前后轮的里程数。解析这一步骤具有灵活性，可有多种方法，只要得到四轮里程数即可。同理，解析获得两前轮转角(2)若是两前轮小于0，则是小车向左转做圆周运动，计算的模型为：其中，l为里程数s转换的弧长，l'为上一次的弧长，为小车当前时刻与上一时刻的航向角差，R为前后左轮的转弯半径，由下面公式求得：其中，L为车的轴距。(3)以运动圆心为坐标原点建立坐标系，根据以下的模型求得当前时刻与上一时刻的位移差：其中，W为轮距，为小车在该坐标系下的相对坐标，知道航向角差之后，经过坐标旋转求得当前时刻的坐标与上一时刻相减即得位移差和(4)同理，若是两前轮大于0，则是小车向右转做圆周运动，算法与步骤(2)和(3)的一致。(5)若是两前轮等于0，则是小车纵向做直线运动，为0，而的计算公式如下：其中，为当前时刻与上一时刻的里程数差，直接求得四轮里程数差的平均值作为相对坐标下纵向位移差。(6)接下来是读取IMU的数据，由于只用到yaw角，读取出来的数据是一轴角速度，计算公式如下：ω＝ω-ωshift其中，ω为这一时刻所读入的角速度，ωshift为零偏，ωlast为上一时刻的角速度，计算航向角变化值所用的是龙格-库塔法。(7)最后将相对坐标系下的位移差投影到全局坐标下，然后对其积分，计算公式如下：其中，t为当前时刻，t-1为上一时刻，求航向角的方法为互补滤波，通过以上模型，便更新了位置和航向。与现有技术相比，有益效果是：利用了无人车的运动特性，建立运动学模型；通过下位机反馈的轮毂电机里程数和轮胎转角值，计算获得前后时刻内的位移差。一般来说，由轮胎转角所算出来的航向角是有一定误差的，因此本专利技术使用了IMU(惯性测量单元)，通过融合滤波消除相对误差，得到稳定的航向角。利用坐标旋转的方法将相对位移差投影到全局坐标下，更新坐标。附图说明图1表示本专利技术的总体框架。图2表示处理下位机数据的流程图。图3表示处理IMU数据的流程图。图4表示融合数据的流程图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。如图1所示，基于四轮独立驱动且结合IMU的里程推算方法，其中，包括处理下位机反馈数据、姿态解算、融合数据得出位置信息等三个部分，处理下位机反馈数据基于下位机反馈的数据分别有四个轮子的里程计读数和两个前轮的转角读数，先进行滤波处理，然后根据小车运动学模型，求得相对位移差与航向角差；姿态解算基于IMU所读出来的陀螺仪角速度，先通过滤波处理，然后去除零偏，积分得到航向角差；融合数据的位置信息基于前面两个部分得到位移差和航向角差，对上一次的位置和航向角，投影和积分得到新的位置和航向角。如图2-4所示，第一步是从下位机中读取数据，在本案例中，下位机已经解析了轮毂电机中的编码器，利用霍尔计数器记录了四轮的位移；且通过下位机获得前两轮的旋转角度。然后建立小车的运动模型，通过判断前两轮转角的值，判断出小车是直行，还是左转或者右转，然后进入到各自的计算方式中。如果是小车直行，计算模型如下：其中，为当前时刻与上一时刻的里程数差，而横向相对位移差为0，，直接求得四轮里程数差的平均值作为相对坐标下纵向位移差。如果小车向左转或是向右转，先求通过前两轮旋转角求出航向角差，那么计算模型如下：其中，l为里程数s转换的弧长，l'为上一次的弧长，为小车当前时刻与上一时刻的航向角差，R为前后左轮的转弯半径，由下面公式求得：其中，L为车的轴距。而后，根据以运动圆心为坐标原点建立坐标系，根据以下的模型求得当前时刻与上一时刻的位移差：其中，W为轮距，为小车在该坐标系下的相对坐标，知道航向角差之后，经过坐标旋转求得当本文档来自技高网...

【技术保护点】
基于四轮独立驱动且结合IMU的里程推算方法，其特征在于，包括处理下位机反馈数据、姿态解算、融合数据得出位置信息等三个部分，处理下位机反馈数据基于下位机反馈的数据分别有四个轮子的里程计读数和两个前轮的转角读数，先进行滤波处理，然后根据小车运动学模型，求得相对位移差与航向角差；姿态解算基于IMU所读出来的陀螺仪角速度，先通过滤波处理，然后去除零偏，积分得到航向角差；融合数据的位置信息基于前面两个部分得到位移差和航向角差，对上一次的位置和航向角，投影和积分得到新的位置和航向角。

【技术特征摘要】
1.基于四轮独立驱动且结合IMU的里程推算方法，其特征在于，包括处理下位机反馈数据、姿态解算、融合数据得出位置信息等三个部分，处理下位机反馈数据基于下位机反馈的数据分别有四个轮子的里程计读数和两个前轮的转角读数，先进行滤波处理，然后根据小车运动学模型，求得相对位移差与航向角差；姿态解算基于IMU所读出来的陀螺仪角速度，先通过滤波处理，然后去除零偏，积分得到航向角差；融合数据的位置信息基于前面两个部分得到位移差和航向角差，对上一次的位置和航向角，投影和积分得到新的位置和航向角。2.根据权利要求1所述的基于四轮独立驱动且结合IMU的里程推算方法，其特征在于：下位机反馈的数据会由于传输噪声以及本身的误差，存在突变和噪声，因...

【专利技术属性】
技术研发人员：沈瑞魁，
申请(专利权)人：深圳市隐湖科技有限公司，
类型：发明
国别省市：广东,44