System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及车辆数据处理,尤其涉及一种车辆轨迹数据处理方法和装置、电子设备。
技术介绍
1、由于gps(global positioning system,全球定位系统)的普及以及车载传感器的进步,车辆轨迹数据的内容得到了丰富。车载系统通过对车辆轨迹数据的分析,可得到车辆的行驶行为、行驶路况等,也可以进一步用于开发和改进驾驶辅助系统。
2、在处理车辆轨迹数据时,轨迹点被视为车辆实际状态的观测数据。由于传感器、gps等误差的存在,观测数据可能会与车辆的实际状态存在一定的偏差。因此需要对车辆轨迹数据进行当前状态的最优估计,以获取与车辆的实际状态偏差尽可能小的估计数据。可见,目前迫切需要本领域技术人员提供一种车辆轨迹数据处理方案,以精确估计车辆的实际状态。
技术实现思路
1、本专利技术实施例的目的是提供一种车辆轨迹数据处理方法和装置、电子设备,能够解决现有技术无法精准估计车辆的实际状态的问题。
2、为解决上述技术问题,本专利技术提供如下技术方案:
3、本专利技术实施例提供了一种车辆轨迹数据处理方法,包括:
4、采集车辆在k时刻的状态信息,其中,所述状态信息包括:车辆位置、速度以及加速度;
5、依据所述k时刻的状态信息和预先创建的非线性系统状态方程,确定观测到的所述车辆在k+1时刻的第一车辆轨迹状态和第一误差协方差矩阵;
6、依据所述k时刻系统的最优估计状态、所述最优估计状态对应的误差协方差矩阵以及预设的线性系统状态
7、依据所述第一车辆轨迹状态和第一误差协方差矩阵,分别对所述第二车辆轨迹状态和第二误差协方差矩阵进行校正,得到所述车辆在k+1时刻的最优估计状态和所述k+1时刻的最优估计状态对应的误差协方差矩阵。
8、可选地,采集车辆在k时刻的状态信息的步骤,包括:
9、通过全球定位系统跟踪定位器获取车辆位置;
10、通过can总线从电子稳定控制系统中获取车辆速度、侧向加速度以及纵向加速度。
11、可选地,依据所述第一车辆轨迹状态和第一误差协方差矩阵,分别对所述第二车辆轨迹状态和第二误差协方差矩阵进行校正,得到所述车辆在k+1时刻的最优估计状态和所述k+1时刻的最优估计状态对应的误差协方差矩阵的步骤,包括:
12、根据所述第二车辆轨迹状态、第二误差协方差矩阵以及所述非线性系统状态方程,计算卡尔曼增益;
13、计算创新值;
14、依据所述第二车辆轨迹状态和所述创新值,得到所述车辆在k+1时刻的最优估计状态;
15、依据所述卡尔曼增益和所述第二误差协方差矩阵,得到所述车辆在k+1时刻的最优估计状态对应的误差协方差矩阵。
16、可选地,依据所述k时刻系统的最优估计状态、所述最优估计状态对应的误差协方差矩阵以及预设的线程系统状态方程,预测所述车辆在k+1时刻的第二车辆轨迹状态和第二误差协方差矩的步骤,包括:
17、依据所述k时刻系统的最优估计状态、车辆在所述k时刻的状态信息以及状态预测方程,预测所述车辆在k+1时刻的第二车辆轨迹状态;
18、依据所述k时刻系统的最优估计状态对应的误差协方差矩阵、k时刻系统过程噪声的协方差矩阵以及误差的协方差矩阵预测方程,预测所述车辆在k+1时刻的第二误差协方差矩。
19、本专利技术实施例还提供了一种车辆轨迹数据处理装置,包括:
20、采集模块,用于采集车辆在k时刻的状态信息,其中,所述状态信息包括:车辆位置、速度以及加速度;
21、观测模块,用于依据所述k时刻的状态信息和预先创建的非线性系统状态方程,确定观测到的所述车辆在k+1时刻的第一车辆轨迹状态和第一误差协方差矩阵;
22、预测模块,用于依据所述k时刻系统的最优估计状态、所述最优估计状态对应的误差协方差矩阵以及预设的线性系统状态方程,预测所述车辆在k+1时刻的第二车辆轨迹状态和第二误差协方差矩;
23、校正模块,用于依据所述第一车辆轨迹状态和第一误差协方差矩阵,分别对所述第二车辆轨迹状态和第二误差协方差矩阵进行校正,得到所述车辆在k+1时刻的最优估计状态和所述k+1时刻的最优估计状态对应的误差协方差矩阵。
24、可选地,所述采集模块包括:
25、第一子模块,用于通过全球定位系统跟踪定位器获取车辆位置;
26、第二子模块,用于通过can总线从电子稳定控制系统中获取车辆速度、侧向加速度以及纵向加速度。
27、可选地,所述校正模块包括:
28、第三子模块,用于根据所述第二车辆轨迹状态、第二误差协方差矩阵以及所述非线性系统状态方程,计算卡尔曼增益;
29、第四子模块,用于计算创新值;
30、第五子模块,用于依据所述第二车辆轨迹状态和所述创新值,得到所述车辆在k+1时刻的最优估计状态;
31、第六子模块,用于依据所述卡尔曼增益和所述第二误差协方差矩阵,得到所述车辆在k+1时刻的最优估计状态对应的误差协方差矩阵。
32、可选地,所述预测模块包括:
33、第七子模块,用于依据所述k时刻系统的最优估计状态、车辆在所述k时刻的状态信息以及状态预测方程,预测所述车辆在k+1时刻的第二车辆轨迹状态;
34、第八子模块,用于依据所述k时刻系统的最优估计状态对应的误差协方差矩阵、k时刻系统过程噪声的协方差矩阵以及误差的协方差矩阵预测方程,预测所述车辆在k+1时刻的第二误差协方差矩。
35、本专利技术实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现上述任意一种车辆轨迹数据处理方法的步骤。
36、本专利技术实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现上述任意一种车辆轨迹数据处理方法的步骤。
37、本专利技术实施例提供的车辆轨迹数据处理方案,采集车辆在k时刻的状态信息;依据k时刻的状态信息和预先创建的非线性系统状态方程,确定观测到的车辆在k+1时刻的第一车辆轨迹状态和第一误差协方差矩阵;依据k时刻系统的最优估计状态、最优估计状态对应的误差协方差矩阵以及预设的线性系统状态方程,预测车辆在k+1时刻的第二车辆轨迹状态和第二误差协方差矩;依据第一车辆轨迹状态和第一误差协方差矩阵,分别对第二车辆轨迹状态和第二误差协方差矩阵进行校正,得到车辆在k+1时刻的最优估计状态和k+1时刻的最优估计状态对应的误差协方差矩阵。本申请实施例提供的车辆轨迹数据处理方案,通过在不断的迭代过程中预测数据、更新数据以对车辆这种非线性动态系统进行状态估计,可有效减少噪声数据的影响,精准估计出车辆的实际状态。
本文档来自技高网...【技术保护点】
1.一种车辆轨迹数据处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,采集车辆在K时刻的状态信息的步骤,包括:
3.根据权利要求1所述的方法,其特征在于,依据所述第一车辆轨迹状态和第一误差协方差矩阵,分别对所述第二车辆轨迹状态和第二误差协方差矩阵进行校正,得到所述车辆在K+1时刻的最优估计状态和所述K+1时刻的最优估计状态对应的误差协方差矩阵的步骤,包括:
4.根据权利要求1所述的方法,其特征在于,依据所述K时刻系统的最优估计状态、所述最优估计状态对应的误差协方差矩阵以及预设的线程系统状态方程,预测所述车辆在K+1时刻的第二车辆轨迹状态和第二误差协方差矩的步骤,包括:
5.一种车辆轨迹数据处理装置,其特征在于,包括:
6.根据权利要求5所述的装置,其特征在于,所述采集模块包括:
7.根据权利要求5所述的装置,其特征在于,所述校正模块包括:
8.根据权利要求5所述的装置,其特征在于,所述预测模块包括:
9.一种电子设备,其特征在于,所述电子设备包括处理器、存储器及存
10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现所述权利要求1-4中任意一种车辆轨迹数据处理方法的步骤。
...【技术特征摘要】
1.一种车辆轨迹数据处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,采集车辆在k时刻的状态信息的步骤,包括:
3.根据权利要求1所述的方法,其特征在于,依据所述第一车辆轨迹状态和第一误差协方差矩阵,分别对所述第二车辆轨迹状态和第二误差协方差矩阵进行校正,得到所述车辆在k+1时刻的最优估计状态和所述k+1时刻的最优估计状态对应的误差协方差矩阵的步骤,包括:
4.根据权利要求1所述的方法,其特征在于,依据所述k时刻系统的最优估计状态、所述最优估计状态对应的误差协方差矩阵以及预设的线程系统状态方程,预测所述车辆在k+1时刻的第二车辆轨迹状态和第二误差协方差矩的步骤,包括:
5.一...
【专利技术属性】
技术研发人员:祁林星,孙利飞,郑柯,
申请(专利权)人:奇瑞汽车股份有限公司,
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。