一种车辆定位系统校正方法和装置制造方法及图纸

本发明专利技术提供了一种车辆定位系统校正方法和装置，包括基于传感器标定参数需求构建卡尔曼滤波的状态向量；基于状态向量构建卡尔曼滤波的状态转移矩阵；基于状态转移矩阵和上一时刻的状态向量进行卡尔曼滤波预测，得到当前时刻的第一状态向量和第一协方差矩阵；构建卡尔曼滤波测量向量和测量方程；基于第一状态向量、第一协方差矩阵、测量向量和测量方程依次进行卡尔曼滤波的滤波增益和状态估计，以得到当前时刻的第二状态向量；基于第二状态向量对第一状态向量中的当前时刻存在的各个误差参数进行校正。相比于传统的专门进行的标定操作，可简化定位系统系统以及和定位系统相关系统的安装，实现低成本定位系统的大规模量产和装配。装配。装配。

【技术实现步骤摘要】
一种车辆定位系统校正方法和装置


[0001]本专利技术涉及智能驾驶
，具体涉及一种车辆定位系统校正方法和装置。

技术介绍

[0002]受制于成本的限制，一般民用车辆上所使用的惯性测量器件(加速度计、陀螺仪等)、轮速计等传感器的精度较低，其误差会随着时间、环境温度的变化发生漂移。在安装到车辆上后，受装配误差、车辆载重变化、轮胎气压变化等因素的影响，传感器的相关参数也常常会发生变化进而影响测量的精度。
[0003]目前为对车辆上传感器所产生的误差进行校正，通常采用专门的标定操作，如对惯性器件进行六面翻转或转台激励、让车辆在专门设定的标定场地内按照规定路线行驶等。这种专门的标定操作难以保证长期有效，需要定期对车辆进行操作，不便于依赖于传感器的车载定位系统进行大规模生产装配。

技术实现思路

[0004]为了解决现有技术存在的标定操作复杂、不便于大规模的生产装配的问题，本专利技术提供了一种车辆定位系统校正方法、装置、设备和存储介质，其具有定位系统校正更加便捷、适于进行大规模生产装配等特点
[0005]根据本专利技术具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆定位系统校正方法，其特征在于，包括：基于传感器标定参数需求构建卡尔曼滤波的状态向量，所述状态向量包括：传感器自身的误差参数、惯导系统得到的车辆状态信息的误差和航位推算系统得到的车辆状态信息的误差，所述惯导系统得到的车辆状态信息的误差和航位推算系统得到的车辆状态信息的误差均由所述传感器输出的测量数据参与计算得到；基于所述状态向量构建卡尔曼滤波的状态转移矩阵，所述状态转移矩阵由惯导系统相关联的矩阵和航位推算系统相关联的矩阵组合构成，所述惯导系统相关联的矩阵为：使所述惯导系统得到的车辆状态信息的误差和所述传感器自身的误差参数相关联的矩阵，所述航位推算系统相关联的矩阵为：使所述航位推算系统得到的车辆状态信息的误差和所述传感器自身的误差参数相关联的矩阵；基于所述状态转移矩阵和上一时刻的状态向量进行卡尔曼滤波预测，以得到当前时刻的第一状态向量和第一协方差矩阵；基于当前时刻惯导系统得到的车辆状态信息、航位推算系统得到的车辆状态信息以及车载实时差分定位系统的车辆状态信息构建卡尔曼滤波测量向量和测量方程；基于所述第一状态向量、所述第一协方差矩阵、所述测量向量和所述测量方程依次进行卡尔曼滤波的滤波增益和状态估计，以得到当前时刻的第二状态向量；基于所述第二状态向量对所述第一状态向量中的当前时刻的传感器自身的误差参数、惯导系统得到的车辆状态信息的误差和航位推算系统得到的车辆状态信息的误差进行校正。2.根据权利要求1所述的方法，其特征在于，还包括：在校正完成后将所述上一时刻的状态向量和所述当前时刻的第二状态向量置零，以进行下一时刻的校正。3.根据权利要求1所述的方法，其特征在于，所述基于传感器标定参数需求构建卡尔曼滤波的状态向量，包括：分别获取车辆上传感器、惯导系统和航位推算系统得到的车辆状态信息；所述传感器得到的车辆状态信息包括：角速度信息和加速度信息：所述惯导系统得到的车辆状态信息包括：第一速度信息、第一位置信息和姿态信息；所述航位推算系统得到的车辆状态信息包括：第二速度信息和第二位置信息。4.根据权利要求3所述的方法，其特征在于，所述基于传感器标定参数需求构建卡尔曼滤波的状态向量，还包括：基于所述传感器得到的车辆状态信息、所述惯导系统得到的车辆状态信息和所述航位推算系统得到的车辆状态信息，对应得到所述传感器自身的误差参数、所述惯导系统得到的车辆状态信息的误差和所述航位推算系统得到的车辆状态信息的误差；所述传感器自身的误差参数包括：陀螺仪和加速度计的零偏值、安装误差角度和比例系数误差，以及轮速计的比例系数误差；所述惯导系统得到的车辆状态信息的误差包括：所述姿态信息的误差、所述第一速度信息的误差和所述第一位置信息的误差；所述航位推算系统得到的车辆状态信息的误差包括：所述第二速度信息的误差和所述第二位置信息的误差。5.根据权利要求4所述的方法，其特征在于，所述基于传感器标定参数需求构建卡尔曼
滤波的状态向量，还包括：基于所述车辆状态信息构建卡尔曼滤波的27维状态向量：X
k
＝[Φ δv
ins
δp
ins
δp
DR
b
g
b
a
λ
DR
δK
DR
μ
DR
δK
g
δK
a
]
T
其中，Φ为惯导系统计算的姿态信息θ、φ、ψ的误差；δv
ins
为惯导系统计算得到的第一速度信息v
ins
的误差；δp
ins
为惯导系统计算得到的第一位置信息p
ins
的误差；δp
DR
为航位推算系统由轮速计推算得到的第二位置信息p
DR
的误差；b
g
、b
a
分别为陀螺仪、加速度计的零偏值；λ
DR
、μ
DR
分别为陀螺仪和加速度计与车体之间俯仰和航向方向的安装误差角；δK
DR
为轮速计的比例系数误差；εK
g
和εK
a
分别为陀螺仪和加速度计的比例系数误差。6.根据权利要求5所述的方法，其特征在于，所述基于所述状态向量构建卡尔曼滤波的状态转移矩阵，包括：基于所述陀螺仪的零偏值和比例系数误差对所述姿态信息的误差的作用关系，得到姿态矩阵和角速度矩阵，关系式如下：式中，Φ
k
为当前时刻的姿态信息的误差，Φ
k
‑1为上一时刻的姿态信息的误差，为车辆姿态矩阵，是由惯导系统输出的姿态信息θ、φ、ψ计算得到；Ω为角速度矢量ω构建的3
×
3维对角矩阵基于所述加速度计零偏值和比例系数误差对所述第一速度信息的误差的作用关系，得到加速度向量在所述惯导系统下的反对称矩阵和加速度矢量矩阵，关系式如下：式中，为当前时刻第一速度信息的误差，为上一时刻第一速度信息的误差，(f
n
×
)为将惯导系统变换至导航系下的加速度向量所构建的反对称矩阵；G为加速度矢量f构建的3
×
3维对角矩阵，其中惯导系统第一位置信息的误差受惯导系统的第一速度信息的误差的影响，关系式如下：信息的误差的影响，关系式如下：为当前时刻第一位置信息的误差，为上一时刻第一位置信息的误差，δv
ins
为第一速度信息的误差；基于所述第二速度信...

【专利技术属性】
技术研发人员：吴怡，卞进冬，万国强，
申请(专利权)人：北京经纬恒润科技股份有限公司，
类型：发明
国别省市：