设备状态估计方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了设备状态估计方法、装置、电子设备及存储介质，该方法通过获取设备状态量的预测值；基于预测值中的四元数确定目标参数的残差；根据观测雅克比矩阵、传感器融合框架和残差，确定设备状态量的误差；根据误差对预测值进行修正，得到设备状态量的无偏估计值。本申请的有益效果在于：对传感器融合框架引入基于四元数获得的目标参数的残差，与使用欧拉角作为设备状态量表示的方案相比，避免了欧拉角“万向节死锁”的固有缺陷；与对四元数进行归一化的方案相比，避免了四元数不一致的缺陷。本申请方案对传感器融合框架带来的风险更低，且性能稳定、高效、对多种传感器融合框架均适用。

【技术实现步骤摘要】
设备状态估计方法、装置、电子设备及存储介质
本申请涉及传感器融合领域，具体涉及设备状态估计方法、装置、电子设备及存储介质。
技术介绍
传感器融合方案在无人机、无人车、机器人和增强现实技术(AugmentedReality，AR)、虚拟现实技术(VirtualReality，VR)等领域有不可替代的作用。现有技术中，传感器融合框架主要融合惯性测量单元(Inertialmeasurementunit，IMU)、气压计、磁罗盘、全球定位系统(GlobalPositioningSystem，GPS)、实时动态控制系统(Real-timekinematic，RTK)、相机、激光探测与测量(LightDetectionAndRanging，Lidar)、雷达、无载波通信技术(Ultra-Wideband，UWB)等传感器，使得各传感器的优势互补，从而解算出性能优于各传感器的融合结果。但是现有技术存在着很多不足之处，如使用四元数进行设备状态估计时，由于经常在状态更新中对四元数进行加法操作，而四元数并不具备加性操作，而且长期也会使得四元数不一致，而归一化操作也并不满足误差状态卡尔曼滤波框架的要求，此处的归一化主要是弥补四元数不一致的缺陷。又如使用欧拉角进行设备状态估计时，由于欧拉角有“万向节死锁”的固有缺陷，已慢慢淘汰使用欧拉角作为组合导航状态变量，如视觉惯性里程计(visual-inertialodometry,VIO)、即时定位与地图构建(simultaneouslocalizationandmapping，SLAM)等
已很少使用欧拉角。
技术实现思路
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的设备状态估计方法、装置、电子设备及存储介质。依据本申请的一个方面，提供了一种设备状态估计方法，该方法包括：获取设备状态量的预测值；基于预测值中的四元数确定目标参数的残差；根据观测雅克比矩阵、传感器融合框架和残差，确定设备状态量的误差；根据误差对预测值进行修正，得到设备状态量的无偏估计值。可选的，在上述方法中，获取设备状态量的预测值包括：对设备状态量的基础值进行状态传播，得到设备状态量的预测值；其中，设备状态量的基础值是根据上一次进行的设备状态估计得到的，或者，设备状态量的基础值是对设备中各传感器的观测值进行融合得到的。可选的，在上述方法中，基于预测值中的四元数确定目标参数的残差包括：基于四元数确定目标参数的估计值；根据目标参数的传感器观测值和目标参数的估计值确定目标参数的残差。可选的，在上述方法中，观测雅克比矩阵是根据如下方式确定的：根据设备状态量的数量和维度确定观测雅克比矩阵的子矩阵数量；确定目标参数的残差对应的子矩阵为单位阵，其余子矩阵为零阵。可选的，在上述方法中，所述根据观测雅克比矩阵、传感器融合框架和所述残差，确定设备状态量的误差包括：基于扩展卡尔曼滤波器，根据观测雅克比矩阵、传感器融合框架、残差以及目标参数的观测噪声，确定设备状态量的误差。可选的，在上述方法中，根据误差对预测值进行修正，得到设备状态量的无偏估计值包括：基于广义加法对四元数进行修正，基于狭义加法对设备状态量中的其他变量进行修正。可选的，上述方法应用于自动驾驶设备的导航，其中，目标参数为航向角。依据本申请的另一方面，提供了一种设备状态估计装置，该装置包括：获取单元，用于获取设备状态量的预测值；数据处理单元，用于基于所述预测值中的四元数确定目标参数的残差；用于根据观测雅克比矩阵、传感器融合框架和所述残差，确定设备状态量的误差；以及用于根据所述误差对所述预测值进行修正，得到设备状态量的无偏估计值。可选的，在上述装置中，获取单元，用于对设备状态量的基础值进行状态传播，得到设备状态量的预测值；其中，设备状态量的基础值是根据上一次进行的设备状态估计得到的，或者，设备状态量的基础值是对设备中各传感器的观测值进行融合得到的。可选的，在上述装置中，数据处理单元，用于基于四元数确定目标参数的估计值；根据目标参数的传感器观测值和目标参数的估计值确定目标参数的残差。可选的，在上述装置中，数据处理单元，用于根据设备状态量的数量和维度确定观测雅克比矩阵的子矩阵数量；确定目标参数的残差对应的子矩阵为单位阵，其余子矩阵为零阵。可选的，在上述装置中，数据处理单元，用于基于扩展卡尔曼滤波器，根据观测雅克比矩阵、传感器融合框架、残差以及目标参数的观测噪声，确定设备状态量的误差。可选的，在上述装置中，数据处理单元，用于基于广义加法对四元数进行修正，基于狭义加法对设备状态量中的其他变量进行修正。可选的，上述装置应用于自动驾驶设备的导航，其中，目标参数为航向角。依据本申请的又一方面，提供了一种电子设备，其中，该电子设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上任一的方法。依据本申请的再一方面，提供了一种计算机可读存储介质，其中，计算机可读存储介质存储一个或多个程序，一个或多个程序当被处理器执行时，实现如上任一的方法。由上述方法可知，本申请通过获取设备状态量的预测值；基于预测值中的四元数确定目标参数的残差；根据观测雅克比矩阵、传感器融合框架和残差，确定设备状态量的误差；根据误差对预测值进行修正，得到设备状态量的无偏估计值。本申请的有益效果在于：对传感器融合框架引入基于四元数获得的目标参数的残差，与使用欧拉角作为设备状态量表示的方案相比，避免了欧拉角“万向节死锁”的固有缺陷；与对四元数进行归一化的方案相比，避免了四元数不一致的缺陷。本申请方案对传感器融合框架带来的风险更低，且性能稳定、高效、对多种传感器融合框架均适用。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了根据本申请一个实施例的设备状态估计方法的流程示意图；图2示出了根据本申请另一个实施例的设备状态估计方法的流程示意图；图3示出了根据本申请一个实施例的设备状态估计装置的结构示意图；图4示出了根据本申请一个实施例的电子设备的结构示意图；图5示出了根据本申请一个实施例的计算机可读存储介质的结构示意图。具体实施方式下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实本文档来自技高网...

【技术保护点】
1.一种设备状态估计方法，其特征在于，包括：/n获取设备状态量的预测值；/n基于所述预测值中的四元数确定目标参数的残差；/n根据观测雅克比矩阵、传感器融合框架和所述残差，确定设备状态量的误差；/n根据所述误差对所述预测值进行修正，得到设备状态量的无偏估计值。/n

【技术特征摘要】
1.一种设备状态估计方法，其特征在于，包括：
获取设备状态量的预测值；
基于所述预测值中的四元数确定目标参数的残差；
根据观测雅克比矩阵、传感器融合框架和所述残差，确定设备状态量的误差；
根据所述误差对所述预测值进行修正，得到设备状态量的无偏估计值。


2.根据权利要求1中所述的方法，其特征在于，所述获取设备状态量的预测值包括：对设备状态量的基础值进行状态传播，得到设备状态量的预测值；
其中，所述设备状态量的基础值是根据上一次进行的设备状态估计得到的，或者，所述设备状态量的基础值是对设备中各传感器的观测值进行融合得到的。


3.根据权利要求1所述的方法，其特征在于，所述基于所述预测值中的四元数确定目标参数的残差包括：
基于所述四元数确定目标参数的估计值；
根据目标参数的传感器观测值和所述目标参数的估计值确定目标参数的残差。


4.根据权利要求1所述的方法，其特征在于，所述观测雅克比矩阵是根据如下方式确定的：
根据设备状态量的数量和维度确定观测雅克比矩阵的子矩阵数量；
确定目标参数的残差对应的子矩阵为单位阵，其余子矩阵为零阵。


5.根据权利要求1所述的方法，其特征在于，所述根据观测雅克比矩阵、传感器融合框架和所述残差，确定设备状态量...

【专利技术属性】
技术研发人员：范云飞，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11