车辆状态确定方法、装置、设备、介质及产品制造方法及图纸

本申请公开了一种车辆状态确定方法、装置、设备、介质及产品。该方法包括：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；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；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度。这样，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。从而提高定位的准确性。从而提高定位的准确性。

【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度。
[0009]第二方面，本申请实施例提供了一种车辆状态确定装置，该装置包括：
[0010]第一获取模块，用于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；
[0011]第一确定模块，用于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；
[0012]第二确定模块，用于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度。
[0013]第三方面，本申请实施例提供了一种电子设备，设备包括：处理器以及存储有计算机程序指令的存储器；
[0014]处理器执行计算机程序指令时实现如第一方面的任一项实施例中所示的车辆状态确定方法。
[0015]第四方面，本申请实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面的任一项实施例中所示的
车辆状态确定方法。
[0016]第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行第一方面的任一项实施例中所示的车辆状态确定方法。
[0017]本申请实施例的车辆状态确定方法、装置、设备、介质及产品，可以获取目标车辆的行驶数据，该行驶数据包括纵向速度、前轮转向角和IMU数据，然后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，再通过第二卡尔曼滤波器，基于侧向速度、纵向速度和IMU数据便可以确定目标车辆的三维速度，这样，就可以准确地得到目标车辆的三维速度中包括的纵向速度和侧向速度，而无需将侧向速度假设为0，基于准确的纵向速度和侧向速度进行定位，便可以提高定位的准确性。
附图说明
[0018]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本申请一个实施例提供的一种车辆状态确定方法的流程图；
[0020]图2是是本申请一个实施例提供的一种单车模型的示意图；
[0021]图3是本申请一个实施例提供的一种全局坐标系和载体坐标系的示意图；
[0022]图4是本申请一个实施例提供的一种车辆状态确定装置的结构示意图；
[0023]图5是本申请一个实施例提供的一种电子设备的结构示意图。
具体实施方式
[0024]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0025]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0026]如
技术介绍
，随着自动驾驶行业的快速发展，自动驾驶系统内部的功能模块越来越丰富，如控制、感知、定位模块，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。其中，定位模块的最小系统为IMU和轮速组合的航迹推算模块，保证了车辆速度的稳定输出。目前，传统IMU与轮速融合定位中轮速只有一维纵向速度信息，另外两维认为是零速。该假设在车辆直线行驶时成立，而当车辆转弯时，侧向速度不为零，因此会造成假设与
实际不一致的问题，导致定位不准确。
[0027]本申请实施例提供了一种车辆状态确定方法、装置、设备、介质及产品，可以获取目标车辆的行驶数据，该行驶数据包括纵向速度、前轮转向角和IMU数据，然后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，再通过第二卡尔曼滤波器，基于侧向速度、纵向速度和IMU数据便可以确定目标车辆的三维速度，这样，就可以准确地得到目标车辆的三维速度中包括的纵向速度和侧向速度，而无需将侧向速度假设为0，基于准确的纵向速度和侧向速度进行定位，便可以提高定位的准确性。
[0028]图1示出了本申请一个实施例提供的一种车辆状态确定方法的流程示意图，需要说明的是，该车辆状态确定方法的执行主体可以是车辆状态确定装置，如图1所示，该车辆状态确定方法可以包括如下步骤：
[0029]S110，获取目标车辆的行驶数据；
[0030]S120，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；
[0031]S130，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度。
[0032]由此，可以获取目标车辆的行驶数据，该行驶数据包括纵向速度、前轮转向角和IMU数据，然后通过第一卡尔曼滤波器，基于行驶本文档来自技高网...

【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：