用于辅助车辆导航的方法技术

用于辅助装备有导航设备的车辆的导航的方法

【技术实现步骤摘要】
【国外来华专利技术】用于辅助车辆导航的方法


[0001]本专利技术涉及车辆导航方法领域
。
更具体地，涉及所谓的混合导航方法
。

技术介绍

[0002]在混合导航方法中，来自多个传感器
(
加速度计
、
陀螺仪
、GPS
等
)
的测量值被组合以确定变量或运动学信息，用以定义实现该方法的设备的状态
。
[0003]这些运动学变量例如是设备的位置
、
速度或方向
。
[0004]所述测量值例如是从加速度计和陀螺仪获得的惯性测量值
(
例如，设备的比力
、
角速度或旋转速度
)
，设备的速度测量值或位置测量值
。
所述比力是除重力以外的外力之和除以质量
。
因此，该量具有加速度的维数
。
[0005]线性卡尔曼滤波器是已知的，其示例如图1所示
。
在中间线条上，可以看到估计出的状态经历了一系列的传播
(
使用惯性测量
)
和更新
(
使用附加传感器，例如
GPS
接收器或里程表
、
摄像头等
)。
所述更新是根据附加传感器的新测量值而对估计出的状态值进行校正
。
传感器不给出要应用的校正，而仅给出取决于待估计变量的测量值
。
该测量值和运动学参数的估计值之间的差异被称为“创新值”。
为了将这种创新值转化为设备状态的校正值，需要所谓的“增益”矩阵
K。
该增益矩阵
K
是根据出现在底部线条上的黎卡提
(Riccati)
方程计算出来的
。
该方程保留了不确定性
(
或“协方差矩阵”)
，使得能够构建增益矩阵
。
如果对状态的估计是错误的，那么将增益矩阵与测量值结合，使得能够随着时间的推移对设备的状态进行校正
。
[0006]然而，在描述待估计状态的模型是非线性的情况下，这些线性卡尔曼滤波器是无效的
。
在这种情况下，有必要使用非线性
(
或“扩展”)
卡尔曼滤波器，如图2所示
。
[0007]在图2中，从中间线条到底部线条的箭头显示了设备的估计出的状态
。
该估计出的状态用于计算不确定性和增益
。
因此，会出现反馈，并且估计出的状态中的误差会导致增益中的误差，而增益中的误差又会导致估计出的状态中的误差
。
扩展卡尔曼滤波器的稳定性完全取决于这种反馈的强度
。
[0008]这种反馈不是所考虑的系统固有的，而是取决于所使用的坐标系，这对于扩展卡尔曼滤波非常重要
。
更准确地说，反馈取决于用于表示误差的坐标，称为“误差变量”。
用于扩展卡尔曼滤波的常见误差变量系统很简单
(T、V、X
分别为方向变量
、
速度变量和位置变量
)
：
[0009][0010][0011][0012]一种误差变量系统用于构建惯性不变的
GPS
组合滤波器并使得反馈几乎完全被抑制，该误差变量系统为：
[0013][0014][0015][0016]一种误差变量系统用于构建惯性不变的里程表组合滤波器并使得反馈几乎完全被抑制，该误差变量系统为：
[0017][0018][0019][0020]然而，针对惯性
‑
GPS
组合和惯性
‑
里程表组合的前述两个误差变量系统中，没有一个能够强烈抑制反馈
。
特别是，在给定的滤波器中，没有什么滤波器能够将惯性测量
、
位置测量和基于里程表的速度测量进行组合
。
本专利技术使用上述定义的最后一个误差变量使得这种组合成为可能
。
[0021]还已知的是，使用两个滤波器，独立地使用来自位置传感器和里程计传感器的测量值
。
然而，这并不能够将这些测量值进行组合，因此结果是次优的，并且大致对应于两个滤波器中性能较好的一个滤波器
。
[0022]因此，需要一种能够将位置测量和惯性测量结合的新型导航方法

技术实现思路

[0023]本专利技术旨在克服上述缺点
。
[0024]为此，根据第一方面，本专利技术提出了一种用于辅助装备有导航设备的车辆的导航的方法
。
该方法包括以下步骤：获取导航设备的运动学变量的先前值；基于所述运动学变量的相应先前值，确定所述导航设备的运动学变量的相应当前值和表示所述运动学变量的相应当前值的不确定性的当前不确定性矩阵；根据所述运动学变量的相应当前值
、
表示所述运动学变量的相应当前值的不确定性的当前不确定性矩阵
、
所述运动学变量之一的测量值以及取决于所述测量值的增益矩阵来确定校正值；基于所述校正值和当前不确定性矩阵，更新
(204)
所述运动学变量的相应当前值
。
[0025]因此，这种方法使得能够确定导航设备的运动学变量的值
。
该方法通过将同一个滤波器中的所有可用的测量进行组合来提供更精确的导航
。
[0026]在一个实施例中，运动学变量包括导航设备
(DISP)
的方向
、
导航设备
(DISP)
的速度以及导航设备
(DISP)
的位置
。
所述导航设备的方向的当前值是当前方向矩阵，所述导航设备的方向的先前值是先前方向矩阵；所述导航设备的速度的当前值是当前速度矢量，所述导航设备的速度的先前值是先前速度矢量；所述导航设备的位置的当前值是当前位置矢量，所述导航设备的位置的先前值是先前位置矢量
。
所述当前不确定性矩阵表示当前方向矩阵
、
当前速度矢量以及当前位置矢量的不确定性
。
先前不确定性矩阵表示先前方向矩阵
、
先前速度矢量以及先前位置矢量的不确定性
。
[0027]在一个实施例中，基于所述测量值确定虚拟观测函数，通过对虚拟观测函数应用有限一阶展开获得观测矩阵，以及基于观测矩阵获得所述增益矩阵
。
[0028]在一个实施例中，所述当前值与当前时间相关联，并且所述先前值与先前时间相
关联
。
所述确定运动学变量的当前值包括：对导航设备的比力和导航设备经受的地球重力的模型的总和在先前时间与当前时间之间的时间间隔上进行积分，并与先前速度矢量相加，来确定所述当前速度矢量；将先前速度矢量在时间间隔上进行积分，并与先前位置矢量相加，来确定当前位置矢量；通过将先前方向矩阵与表示导航本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种用于辅助装备有导航设备
(DISP)
的车辆的导航的方法，包括以下步骤：
‑
获取
(201)
所述导航设备
(DISP)
的运动学变量的先前值；
‑
根据所述运动学变量的相应先前值，确定
(202)
所述导航设备
(DISP)
的运动学变量的相应当前值和表示所述运动学变量的相应当前值的不确定性的当前不确定性矩阵；
‑
根据以下各项确定
(203)
校正值：
‑
运动学变量的相应当前值，
‑
表示运动学变量的相应当前值的不确定性的当前不确定性矩阵，
‑
运动学变量之一的测量值，
‑
取决于所述测量值的增益矩阵；
‑
基于所述校正值和所述当前不确定性矩阵，更新
(204)
所述运动学变量的相应当前值，所述方法还包括以下步骤：
‑
根据所述测量值确定虚拟观测函数，
‑
通过对所述虚拟观测函数应用有限一阶展开，来获得观测矩阵，
‑
基于所述观测矩阵获得所述增益矩阵
。2.
根据权利要求1所述的方法，其中，使用卡尔曼滤波器来实现所述当前值的确定以及所述当前值的更新
。3.
根据前述权利要求中的一项所述的方法，其中，所述测量值是所述车辆的位置的测量值
。4.
根据前述权利要求之一所述的方法，其中，所述观测矩阵具有以下形式：
H
n
＝
((Y
n
)
×03
‑
I3)
其中，
Y
n
是所述测量值
。5.
根据前述权利要求中的一项所述的方法，所述运动学变量包括：
‑
所述导航设备
(DISP)
的方向，所述导航设备的方向的当前值是当前方向矩阵，所述导航设备的方向的先前值是先前方向矩阵，
‑
所述导航设备
(DISP)
的速度，所述导航设备的速度的当前值为当前速度矢量，所述导航设备的速度的先前值为先前速度矢量，以及
‑
所述导航设备
(DISP)
的位置，所述导航设备的位置的当前值是当前位置矢量，所述导航设备的位置的先前值是先前位置矢量，所述当前不确定性矩阵表示所述当前方向矩阵
、
所述当前速度矢量和所述当前位置矢量的不确定性，以及所述先前不确定性矩阵表示所述先前方向矩阵
、
所述先前速度矢量和所述先前位置矢量的不确定性，其中，所述当前值与当前时间相关联，并且所述先前值与先前时间相关联，所述确定
(202)
运动学变量的当前值包括：
‑
对所述导航设备
(DISP)
的比力和所述导航设备
(DISP)
经受的地球重力的模型的总和在先前时间与当前时间之间的时间间隔上进行积分，并与先前速度矢量相加，来确定所述当前速度矢量，
‑
将所述先前速度矢量在所述时间间隔上进行积分，并与所述先前位置矢量相加，来确
定当前位置矢量，
‑
通过将所述先前方向矩阵与表示所述导航设备
(DISP)
的旋转的矩阵相乘，来确定当前方向矩阵
。6.
根据权利要求5所述的方法，所述当前值与当前时间相关联，并且所述先前值与先前时间相关联，所述确定
(202)
运动学变量的当前值包括：
‑
对所述导航设备
(DISP)
的比力和所述导航设备
(DISP)
经受的地球重力的模型的总和在先前时间与当前时间之间的时间间隔上进行积分，并与先前速度矢量相加，来确定所述当前速度矢量，
‑
将所述先前速度矢量在所述时间间隔上进行积分，并与所述先前位置矢量相加，来确定当前位置矢量，
‑
通过将所述先前方向矩阵与表示所述导航设备...

【专利技术属性】
技术研发人员：阿克塞尔，
申请(专利权)人：赛峰集团，
类型：发明
国别省市：