【技术实现步骤摘要】
基于神经网络模型的惯性测量数据补偿方法及装置
本申请涉及导航
,尤其涉及一种基于神经网络模型的惯性测量数据补偿方法及装置。
技术介绍
相关技术中,车辆导航多依赖于卫星定位模块例如GPS(GlobalPositioningSystem,全球定位系统)卫星定位模块。但在某些场景下,例如桥下,涵洞,隧道,密集楼宇之间等GPS信号不好的位置,相关技术的卫星定位模块的定位偏差很大,甚至无法提供定位结果。而包含惯性测量单元(InertialMeasurementUnit,简称IMU)的惯性导航系统,可以利用惯性测量单元的测量数据,能够推算出车辆准确的速度、姿态和位置信息。惯性导航系统利用惯性测量单元的加速度计和陀螺仪的测量数据推算车辆的速度、姿态和位置信息。然而,惯性测量单元中的加速度计和陀螺仪一般只能测量基于车辆某一方向上的变速信号,而且要保持一致的坡度稳定性,因此,车辆在有坡度的道路行驶时,加速度计和陀螺仪的测量数据与真实数据会有所偏差,导致利用惯性测量单元的测量数据进行定位导航的精度降低。因此如何降低道路坡度对惯性测量单元的测量数据的影响,降低道路坡度引起的惯性测量单元的测量误差,是一个亟待解决的技术问题。
技术实现思路
为解决或部分解决相关技术中存在的问题,本申请提供一种基于神经网络模型的惯性测量数据补偿方法及装置,能够对惯性测量数据进行坡度补偿,降低坡度引起的惯性测量单元的测量误差。本申请第一方面提供一种基于神经网络模型的惯性测量数据补偿方法,所述方法包括:向待训练的神 ...
【技术保护点】
1.一种基于神经网络模型的惯性测量数据补偿方法,其特征在于,包括:/n向待训练的神经网络模型输入同一时间段的惯性测量单元的测量数据序列、定位模块的位置数据序列;/n使所述待训练的神经网络模型依据所述位置数据序列对所述测量数据序列进行坡度补偿,输出IMU补偿数据序列,依据所述IMU补偿数据序列推算获得车辆的轨迹点推算位置数据序列,依据所述车辆的轨迹点推算位置数据序列、所述位置数据序列,获得训练好的所述神经网络模型;/n向训练好的所述神经网络模型输入惯性测量单元的测量数据序列、定位模块的位置数据序列,获取训练好的所述神经网络模型输出的IMU补偿数据序列。/n
【技术特征摘要】
1.一种基于神经网络模型的惯性测量数据补偿方法,其特征在于,包括:
向待训练的神经网络模型输入同一时间段的惯性测量单元的测量数据序列、定位模块的位置数据序列;
使所述待训练的神经网络模型依据所述位置数据序列对所述测量数据序列进行坡度补偿,输出IMU补偿数据序列,依据所述IMU补偿数据序列推算获得车辆的轨迹点推算位置数据序列,依据所述车辆的轨迹点推算位置数据序列、所述位置数据序列,获得训练好的所述神经网络模型;
向训练好的所述神经网络模型输入惯性测量单元的测量数据序列、定位模块的位置数据序列,获取训练好的所述神经网络模型输出的IMU补偿数据序列。
2.根据权利要求1所述的方法,其特征在于,所述使所述待训练的神经网络模型依据所述位置数据序列对所述测量数据序列进行坡度补偿,输出IMU补偿数据序列,依据所述IMU补偿数据序列推算获得车辆的轨迹点推算位置数据序列,依据所述车辆的轨迹点推算位置数据序列、所述位置数据序列,获得训练好的所述神经网络模型,包括:
使所述待训练的神经网络模型依据所述位置数据序列,获得所述同一时间段每个时刻所述车辆的俯仰角;
依据所述每个时刻所述车辆的俯仰角、对所述测量数据序列进行坡度补偿,输出所述IMU补偿数据序列;
依据所述IMU补偿数据序列推算获得所述车辆的轨迹点推算位置数据序列;
如果所述车辆的轨迹点推算位置数据序列与所述位置数据序列的误差小于预设阈值,停止对所述待训练的神经网络模型的训练,获得训练好的所述神经网络模型。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
如果所述车辆的轨迹点推算位置数据序列与所述位置数据序列的误差大于或等于所述预设阈值,调整所述每个时刻所述车辆的俯仰角;
依据调整后的所述每个时刻所述车辆的俯仰角、对所述测量数据序列每个时刻的测量数据进行坡度补偿,输出IMU补偿数据序列;
依据所述IMU补偿数据序列推算获得所述车辆的轨迹点推算位置数据序列;
如果所述车辆的轨迹点推算位置数据序列与所述位置数据序列的误差小于所述预设阈值,停止对所述待训练的神经网络模型的训练,获得训练好的所述神经网络模型。
4.根据权利要求2或3所述的方法,其特征在于,所述依据所述每个时刻所述车辆的俯仰角、对所述测量数据序列进行坡度补偿,输出所述IMU补偿数据序列,包括:
依据所述每个时刻所述车辆的俯仰角、对所述测量数据序列每个时刻的测量数据进行坡度补偿,输出所述IMU补偿数据序列,其中,依据如下公式对所述测量数据序列每个时刻的测量数据进行坡度补偿:
AccY,i=AccY0,i*cosai+AccZ0,i*sinai;
GyroY,i=GyroY0,i*sinai+GyroZ0,i*cosai;
式中,AccY,i是坡度补偿后加速度计Y轴时刻i的补偿加速度数据,AccY0,i是加速度计Y轴时刻i的加速度数据,AccZ0,i是加速度计Z轴时刻i的加速度数据;GyroY,i是坡度补偿后陀螺仪Y轴时刻i的补偿角速度数据,GyroY0,i是陀螺仪Y轴时刻i的角速度数据,GyroZ0,i是陀螺仪Z轴时刻i的角速度数据,ai是车辆时刻i的俯仰角。
5.一种基于神经网络模型的惯性测量数据补偿装置,其特征在于,包括:
第一输入模块,用于向待训练的神经网络模型输入同一时间段的惯性测量单元的测量数据序列、定位模块的位置数据序...
【专利技术属性】
技术研发人员:费再慧,贾双成,朱磊,李成军,潘冰,
申请(专利权)人:智道网联科技北京有限公司,
类型:发明
国别省市:北京;11
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。