【技术实现步骤摘要】
车辆状态确定方法、装置、设备、介质及产品
[0001]本申请属于自动驾驶
,尤其涉及一种车辆状态确定方法、装置、设备、介质及产品。
技术介绍
[0002]随着自动驾驶技术的快速发展,自动驾驶系统内部的功能模块越来越丰富,如控制模块、感知模块、定位模块等,充分利用各模块传感器的信息可提高系统的可靠性和通用性。定位模块的最小系统为惯性导航系统(Inertial Measurement Unit,IMU)和轮速组合的航迹推算模块,其可以保证车辆速度的稳定输出。
[0003]目前,在传统的IMU与轮速融合定位技术中,由于无法确定车辆的三维速度,因此,只能假设车辆的侧向速度和垂向速度为0,仅基于车辆的轮速,也即纵向速度,进行定位。但是,实际上车辆的侧向速度并不一定为0,例如当车辆转弯时侧向速度并不为零。因此传统的IMU与轮速融合定位技术,会造成假设与实际不一致,从而导致定位不准确的问题。
技术实现思路
[0004]本申请实施例提供一种车辆状态确定方法、装置、设备、介质及产品,可以准确地得到目标车辆的纵向速度和侧向速度,从而提高定位的准确性。
[0005]第一方面,本申请实施例提供一种车辆状态确定方法,该方法包括:
[0006]获取目标车辆的行驶数据,行驶数据包括纵向速度、前轮转向角和惯性导航系统IMU数据;
[0007]通过第一卡尔曼滤波器,基于行驶数据确定目标车辆的侧向速度;
[0008]通过第二卡尔曼滤波器,基于侧向速度、纵向速度和IMU数据确定目标车辆的三维速 ...
【技术保护点】
【技术特征摘要】
1.一种车辆状态确定方法,其特征在于,包括:获取目标车辆的行驶数据,所述行驶数据包括纵向速度、前轮转向角和惯性导航系统IMU数据;通过第一卡尔曼滤波器,基于所述行驶数据确定所述目标车辆的侧向速度;通过第二卡尔曼滤波器,基于所述侧向速度、所述纵向速度和所述IMU数据确定所述目标车辆的三维速度。2.根据权利要求1所述的方法,其特征在于,在所述通过第一卡尔曼滤波器,基于所述行驶数据确定所述目标车辆的侧向速度之后,所述方法还包括:获取所述目标车辆的第一姿态信息,所述第一姿态信息包括第一航向角、第一横滚角和第一俯仰角;通过第二卡尔曼滤波器,基于所述侧向速度、所述纵向速度和所述第一姿态信息确定所述目标车辆的第二横滚角和第二俯仰角;输出所述目标车辆的目标姿态信息,所述目标姿态信息包括所述第一航向角、所述第二横滚角和所述第二俯仰角。3.根据权利要求1所述的方法,其特征在于,在所述通过第一卡尔曼滤波器,基于所述行驶数据确定所述目标车辆的侧向速度之前,所述方法还包括:以所述目标车辆的质心处侧偏角、侧向速度和转向角速度为所述第一卡尔曼滤波器的系统状态,分别确定所述目标车辆的质心处侧偏角、侧向速度和转向角速度的微分方程;根据所述目标车辆的质心处侧偏角、侧向速度和转向角速度的微分方程,构建所述第一卡尔曼滤波器的系统状态方程,并以所述纵向速度与所述质心处侧偏角的乘积和IMU的Z轴角速度为约束观测量,根据所述第一卡尔曼滤波器的系统状态,构建所述第一卡尔曼滤波器的观测方程,得到所述第一卡尔曼滤波器。4.根据权利要求3所述的方法,其特征在于,所述第一卡尔曼滤波器的系统状态方程为:其中,x(t)为所述第一卡尔曼滤波器的系统状态,为所述第一卡尔曼滤波器的系统状态的微分,u(t)为所述第一卡尔曼滤波器的系统输入,w(t)为所述第一卡尔曼滤波器的系统噪声,系统噪声,为所述第一卡尔曼滤波器的系统状态矩阵,为所述第一卡尔曼滤波器的系统控制矩阵,为所述第一卡尔曼滤波器的系统噪声矩阵,C
f
为前轮侧偏刚度,C
r
为后轮侧偏刚度,I
f
为车辆质心到前轴的距离,I
r
为车辆质心到后轴的距离,m为整车质量,I
z
为车辆绕Z轴的转动惯量,v
x
为纵向速度,所述第一卡尔曼滤波器的观测方程为:z(t)=H1(t)x(t)+v1(t)
其中,z(t)为所述第一卡尔曼滤波器的约束观测量,H1(t)=[0v
x 1]为所述第一卡尔曼滤波器的观测矩阵,v1(t)为所述第一卡尔曼滤波器的观测噪声。5.根据权利要求1所述的方法,其特征在于,在所述通过第二卡尔曼滤波器,基于所述侧向速度、所述纵向速度和所述IMU数据确定所述目标车辆的三维速度之...
【专利技术属性】
技术研发人员:周盟孟,李瑞涵,高梁,
申请(专利权)人:长沙智能驾驶研究院有限公司,
类型:发明
国别省市:
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。