基于AI的惯性传感器融合策略自适应方法及装置制造方法及图纸

本发明专利技术提供了一种基于AI的惯性传感器融合策略自适应方法及装置，方法包括：首先获取给定时刻的待融合传感器数据，利用预先训练的AI模型对所述待融合传感器数据进行特征提取，获得特征数据信息。然后，基于所述特征数据信息分析其匹配的使用场景；最后，根据所述特征数据信息及其匹配的使用场景，获得惯性传感器融合策略。本发明专利技术结合AI技术，用户在不同使用场景条件下，通过待融合传感器实时采集的大量数据，分析出用户当前使用场景，并针对该使用场景，选择惯性传感器融合策略，有必要时修改惯性传感器融合策略的配置参数，以达到最优的使用效果，从而使传统的MEMS惯性传感器融合策略更加智能，融合输出结果精度更高。

【技术实现步骤摘要】
基于AI的惯性传感器融合策略自适应方法及装置
本专利技术涉及惯性传感器
，尤其涉及一种基于AI的惯性传感器融合策略自适应方法及装置。
技术介绍
MEMS惯性传感器由于其具有体积小、重量轻、功耗低、可大批量生产、生产成本低、可靠性高等一系列传统惯性传感器没有的优点，所有越来越广泛的应用到各行各业，如航空、航天、航海、汽车工业、工业监控、机器人及消费电子领域。低精度MEMS惯性传感器主要用在消费电子类产品，如手机、游戏机、智能手表手环等。中级MEMS惯性传感器主要用在工业级和汽车件产品，如汽车电子稳定装置、汽车安全气囊、各类机器人(AGV、商服、扫地机器人)等。高精度MEMS惯性传感器主要作为军用级和宇航级产品，如导弹引导头、飞机/导弹飞行控制、战场机器人等。MEMS惯性传感器有着已经发掘和有待发掘的各种各样的使用场景，不同的使用场景必然针对传感器的处理方法有所区别，所有目前针对不同的使用场景，需要编写不同的软件，从而造成软件版本众多，单一场景的产品适用范围有限。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的基于AI的惯性传感器融合策略自适应方法及装置。第一方面，本专利技术实施例提供一种基于AI的惯性传感器融合策略自适应方法，包括：S1，获取给定时刻的待融合传感器数据；S2，利用预先训练的AI模型对所述待融合传感器数据进行特征提取，获得特征数据信息；S3，基于所述特征数据信息分析其匹配的使用场景；S4，根据所述特征数据信息及其匹配的使用场景，获得惯性传感器融合策略。优选的，步骤S1中所述待融合传感器至少包括MEMS加速度计和MEMS陀螺仪。优选的，所述待融合传感器还包括磁力计、气压计、里程计和GNSS中的一种或多种。优选的，步骤S1中获取的给定时刻的待融合传感器数据包括Pi＝F(Ωi,Ai，Mi，...，Ti，BWi)；其中，i表示i时刻，Ωi表示i时刻的角速度值，Ai表示i时刻的加速度值，Mi表示i时刻的磁力计数据,Ti表示i时刻的温度值，BWi表示i时刻的传感器带宽。优选的，步骤S2中所述特征数据信息包括但不限于RMS噪声值、Norm值、温度值和带宽。优选的，在步骤S3～S4中，若步骤S3中根据特征数据信息分析得到匹配过的使用场景，则在步骤S4中根据匹配过的使用场景选择相应的惯性传感器融合策略。若步骤S3中根据特征数据信息分析得到新的使用场景数据，则将所述特征数据信息及其对应的新的使用场景数据保存，进而利用神经网络模型获得新的使用场景下的惯性传感器融合策略。优选的，所述惯性传感器融合策略包括但不限于Bias估计、Bias更新策略、静态判断和融合权重。第二方面，本专利技术实施例还提供一种基于AI的惯性传感器融合策略自适应装置，包括：获取模块，用于获取给定时刻的待融合传感器数据；特征提取模块，用于利用预先训练的AI模型对所述待融合传感器数据进行特征提取，获得特征数据信息；使用场景匹配模块，用于基于所述特征数据信息分析其匹配的使用场景；融合策略获得模块，用于根据所述特征数据信息及其匹配的使用场景，获得惯性传感器融合策略。第三方面，本专利技术实施例提供了一种电子设备，包括处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面实施例提供的基于AI的惯性传感器融合策略自适应方法。第四方面，本专利技术实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机程序，该计算机程序被处理器执行时实现以执行第一方面实施例提供的基于AI的惯性传感器融合策略自适应方法。本专利技术实施例提供的基于AI的惯性传感器融合策略自适应方法及装置，结合AI技术，用户在不同使用场景条件下，通过待融合传感器实时采集的大量数据，分析出用户当前使用场景，并针对该使用场景，选择惯性传感器融合策略，有必要时修改惯性传感器融合策略的配置参数，以达到最优的使用效果，从而使传统的MEMS惯性传感器融合策略更加智能，融合输出结果精度更高。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。图1为本专利技术实施例提供的基于AI的惯性传感器融合策略自适应方法流程示意图；图2为本专利技术实施例提供的不同带宽下陀螺仪和其积分角度的仿真结果；图3为本专利技术实施例提供的不同带宽下加速度计和角度仿真结果；图4为本专利技术实施例提供的不同Bias更新策略仿真结果；图5为本专利技术实施例提供的基于AI的惯性传感器融合策略自适应装置结构示意图；图6为本专利技术实施例提供的电子设备结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。目前，MEMS惯性传感器有着已经发掘和有待发掘的各种各样的使用场景，不同的使用场景必然针对传感器的处理方法有所区别，因此目前针对不同的使用场景，需要编写不同的软件，从而造成软件版本众多，单一场景的产品适用范围有限。AI(人工智能)是通过不断的学习从而达到推理、思考、规划等智能的行为。近几年，随着。针对现有技术的上述问题，本专利技术实施例利用AI技术，提供了一种基于AI的惯性传感器融合策略自适应方法，以适应更多的使用场景，针对不同的使用场景尽力达到最优的性能。以下将结合附图通过多个实施例进行展开说明和介绍。图1为本专利技术实施例提供的基于AI的惯性传感器融合策略自适应方法流程示意图，如图1所示，本专利技术实施例提供的基于AI的惯性传感器融合策略自适应方法包括但不限于以下步骤：S1，获取给定时刻的待融合传感器数据。本专利技术实施例提供的MEMS惯性传感器件融合策略自适应方法可以适用于多种MEMS惯性传感器，提升该方法的试用范围。待融合传感器至少包括MEMS加速度计和MEMS陀螺仪。进一步地，待融合传感器还可以包括磁力计、气压计、里程计和GNSS(Gl本文档来自技高网...

【技术保护点】
1.一种基于AI的惯性传感器融合策略自适应方法，其特征在于，包括：/nS1，获取给定时刻的待融合传感器数据；/nS2，利用预先训练的AI模型对所述待融合传感器数据进行特征提取，获得特征数据信息；/nS3，基于所述特征数据信息分析其匹配的使用场景；/nS4，根据所述特征数据信息及其匹配的使用场景，获得惯性传感器融合策略。/n

【技术特征摘要】
1.一种基于AI的惯性传感器融合策略自适应方法，其特征在于，包括：
S1，获取给定时刻的待融合传感器数据；
S2，利用预先训练的AI模型对所述待融合传感器数据进行特征提取，获得特征数据信息；
S3，基于所述特征数据信息分析其匹配的使用场景；
S4，根据所述特征数据信息及其匹配的使用场景，获得惯性传感器融合策略。


2.根据权利要求1所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，步骤S1中所述待融合传感器至少包括MEMS加速度计和MEMS陀螺仪。


3.根据权利要求2所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，所述待融合传感器还包括磁力计、气压计、里程计和GNSS中的一种或多种。


4.根据权利要求3所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，步骤S1中获取的给定时刻的待融合传感器数据包括Pi＝F(Ωi,Ai，Mi，...，Ti，BWi)；其中，i表示i时刻，Ωi表示i时刻的角速度值，Ai表示i时刻的加速度值，Mi表示i时刻的磁力计数据,Ti表示i时刻的温度值，BWi表示i时刻的传感器带宽。


5.根据权利要求4所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，步骤S2中所述特征数据信息包括但不限于RMS噪声值、Norm值、温度值和带宽。


6.根据权利要求1所述的基于AI的惯性传感器融合策略自适应方法，其特征在于，在步骤S3～S...

【专利技术属性】
技术研发人员：李福，黄云朋，李龙，张生志，余帅，罗璋，
申请(专利权)人：武汉元生创新科技有限公司，
类型：发明
国别省市：湖北;42