【技术实现步骤摘要】
基于多传感器惯性导航系统的高动态车辆姿态计算方法及系统
本申请涉及高动态车辆姿态估计
,尤其涉及一种基于多传感器惯性导航系统的高动态车辆姿态计算方法及系统。
技术介绍
随着现代汽车工业的发展。智能驾驶系统已成为当今汽车行业的发展趋势。人们对智能驾驶系统的需求越来越高。这些电子系统大多需要基于汽车姿势和位置信息的反馈。因此,智能驾驶车辆系统的发展基于准确、稳定、实时的姿态和导航信息。由MEMS传感器组成的姿态测量系统由于功耗低、体积小、成本低,在当今汽车行业得到了广泛的应用。然而,单个MEMS传感器有以下缺点:1)陀螺仪在积分中存在严重的累积漂移误差。2)线性加速度和振动效应在加速度计的姿态计算中引起较大误差。整个MEMS姿态测量系统的主要缺点是车辆在运动过程中产生非常复杂的噪音,这些噪音是随机的,无法提前预测和消除。因此,不能只使用传感器的原始数据来获得运动中汽车的高精度姿态。
技术实现思路
本专利技术的目的是要提供一种基于多传感器惯性导航系统的高动态车辆姿态计算方法及系统,可以解决上述现有技术问题中的一个或者多个。根据本专利技术的一个方面提供一种基于多传感器惯性导航系统的高动态车辆姿态计算方法,其特征在于,包括以下步骤:获取车载速度计和加速度计数据,利用车载速度计对加速度计数据进行补偿得到补偿后的加速度,通过运动加速度抑制处理得到加速度,得到观测姿态四元数;获取陀螺仪数据,利用陀螺仪输出的角速度值,通过四元数微分方程得到四元数的状态估计值;通 ...
【技术保护点】
1.一种基于多传感器惯性导航系统的高动态车辆姿态计算方法,其特征在于,包括以下步骤:/n获取车载速度计和加速度计数据,利用车载速度计对加速度计数据进行补偿得到补偿后的加速度,通过运动加速度抑制处理得到加速度,进而得到观测姿态四元数;/n获取陀螺仪数据,利用陀螺仪输出的角速度值,通过四元数微分方程得到四元数的状态估计值;/n通过扩展卡尔曼进行多传感器的信息融合,输出最终的姿态角信息。/n
【技术特征摘要】
20191218 CN 20191130927331.一种基于多传感器惯性导航系统的高动态车辆姿态计算方法,其特征在于,包括以下步骤:
获取车载速度计和加速度计数据,利用车载速度计对加速度计数据进行补偿得到补偿后的加速度,通过运动加速度抑制处理得到加速度,进而得到观测姿态四元数;
获取陀螺仪数据,利用陀螺仪输出的角速度值,通过四元数微分方程得到四元数的状态估计值;
通过扩展卡尔曼进行多传感器的信息融合,输出最终的姿态角信息。
2.根据权利要求1所述的一种基于多传感器惯性导航系统的高动态车辆姿态计算方法,其特征在于,
所述利用车载速度计对加速度计数据进行补偿得到补偿后的加速度包括以下公式:
fba=fa-Va;其中,fba是车辆补偿线性运动加速度后的加速度,fa是加速度计的测量;Va是车辆的线性运动加速度;
g=fa-(2ωie+ωeT)×V-fba,其中,g是重力加速度,也可以看作是姿态加速度fb。2ωie是车辆相对于地球的运动和地球的自转引起,此处省略它;ωeT×V是车辆在地球表面的圆周运动引起的向心加速度,V是车辆对地线性运动加速度,从而:
fb=fa-ωeT×V-fba。
3.根据权利要求2所述的一种基于多传感器惯性导航系统的高动态车辆姿态计算方法,其特征在于,
所述获取陀螺仪数据,利用陀螺仪输出的角速度值,通过四元数微分方程得到四元数的状态估计值的步骤包括:
其中,是b坐标系相对于n坐标系的四元数;是的导数;
其中,ωx表示绕俯仰轴的角速度;ωy表示绕横滚轴的角速度;ωz表示绕偏航轴的角速度;
四元运动方程的矩阵形式表示为:
其中,T表示系统采样间隔;
使用一阶Runge-Kutta方法求解四元微分方程,可以得出离散时间模型作为:
qk-1表示k-1时刻的四元数。设置初始四元数q(0),并使用该方程递推在k时刻四元数的值qk,然后更新姿态矩阵。
4.根据权利要求3所述的一种基于多传感器惯性导航系统的高动态车辆姿态计算方法,其特征在于,所述卡尔曼滤波过程包括对陀螺仪测量的修正以及加速度计测量的修正,
其中,陀螺仪测量模型为:
ωb=Kω*ω+bω+Vω;其中,ωb是陀螺仪的测量值;Kω是比例系数矩阵;ω是陀螺仪的实际角度速度;bω是陀螺仪随机漂移矩阵;Vω是测量噪声矩阵,为零均值的高斯噪声,协方差为
其中,加速度计的测量模型为:
ab表示加速度计的测量;Ka表示标度系数矩阵;gn=(0,0,-g)T表示地理坐标系下的重力加速度矢量,g表示重力加速度矢量;af表示...
【专利技术属性】
技术研发人员:赖郁友,耿晓东,时广轶,王春波,吴志刚,徐开明,金玉丰,
申请(专利权)人:无锡北微传感科技有限公司,北京大学深圳研究生院,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。