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() 车辆中设备的姿态定位方法、控制装置及存储介质制造方法及图纸_技高网

车辆中设备的姿态定位方法、控制装置及存储介质制造方法及图纸

技术编号:40797841 阅读:10 留言:0更新日期:2024-03-28 19:24
本申请涉及一种车辆中设备的姿态定位方法、控制装置及存储介质。获取车辆IMU的车辆数据、第一设备IMU的第一设备数据、车辆偏置角速度、第一设备偏置角速度以及第一设备的姿态信息,其中车辆数据中包括车辆角速度以及车辆加速度,第一设备数据中包括第一设备角速度以及第一设备加速度;至少基于车辆加速度以及第一设备加速度,得到观测方程;基于所述当前时刻的车辆角速度、所述当前时刻的第一设备角速度、所述车辆偏置角速度、所述第一设备偏置角速度、所述第一设备的姿态信息以所述及观测方程并通过卡尔曼滤波算法并通过卡尔曼滤波算法,得到真实姿态信息。

【技术实现步骤摘要】

本申请涉及姿态校正领域,具体提供一种车辆中设备的姿态定位方法、控制装置及存储介质


技术介绍

1、在现有技术中,通常使用imu进行姿态(三自由度,3dof)定位,但是如果是车内的可移动设备(如头戴眼睛、手机等)就会出现问题。

2、因为使用单个imu进行车辆内姿态定位时,会面临偏航角度漂移问题。这是因为单个imu系统无法有效检测车辆偏航方向的变化,导致随时间偏航角度的准确度逐渐下降。

3、相应地,本领域需要一种新的车辆中设备的姿态定位方案来解决上述问题。


技术实现思路

1、为了克服上述缺陷,提出了本申请,以提供解决或至少部分地解决现有技术中。

2、在第一方面,本申请提供一种车辆中设备的姿态定位方法,所述方法包括:获取车辆imu的车辆数据、第一设备imu的第一设备数据、车辆偏置角速度、第一设备偏置角速度以及第一设备的姿态信息,其中车辆数据中包括车辆角速度以及车辆加速度,第一设备数据中包括第一设备角速度以及第一设备加速度;至少基于车辆加速度以及第一设备加速度,得到观测方程;基于所述当前时刻的车辆角速度、所述当前时刻的第一设备角速度、所述车辆偏置角速度、所述第一设备偏置角速度、所述第一设备的姿态信息以所述及观测方程并通过卡尔曼滤波算法并通过卡尔曼滤波算法,得到真实姿态信息。

3、在上述车辆中设备的姿态定位方法的一个技术方案中,其中所述车辆角速度以及第一设备角速度均包括三个自由度的角速度,车辆加速度以及第一设备加速度均包括三个自由度的加速度。</p>

4、在上述车辆中设备的姿态定位方法的一个技术方案中,其中所述第一设备位于车辆内部且所述第一设备的姿态与车辆之间是非固定关系。

5、在上述车辆中设备的姿态定位方法的一个技术方案中,其中的卡尔曼滤波算法为拓展卡尔曼滤波算法或误差状态卡尔曼滤波算法。

6、在上述车辆中设备的姿态定位方法的一个技术方案中,“基于当前时刻的车辆角速度、当前时刻的第一设备角速度、车辆偏置角速度、第一设备偏置角速度、第一设备的姿态信息以及观测方程并通过卡尔曼滤波算法并通过卡尔曼滤波算法,得到真实姿态信息”,包括:基于车辆偏置角速度、第一设备偏置角速度以及观测方程对车辆角速度和第一设角速度进行偏置消除,得到相对加速度;基于所述相对加速度、姿态信息以及观测方程,得到先验状态估计;基于所述先验状态估计得到卡尔曼增益;基于所述卡尔曼增益以及所述先验状态估计,得到真实姿态信息。

7、在上述车辆中设备的姿态定位方法的一个技术方案中,“基于所述相对加速度、姿态信息以及观测方程,得到先验状态估计”,包括:基于所述姿态信息、车辆偏置角速度、第一设备偏置角速度以及观测方程,得到状态转移矩阵;基于所述状态转移矩阵以及相对加速度,得到先验协方差矩阵;基于所述状态转移矩阵,得到先验状态估计。

8、在上述车辆中设备的姿态定位方法的一个技术方案中,“基于所述先验状态估计得到卡尔曼增益”,包括:基于所述车辆加速度以及姿态信息,得到雅克比矩阵;基于所述雅克比矩阵以及所述先验协方差矩阵,得到卡尔曼增益。

9、在上述车辆中设备的姿态定位方法的一个技术方案中,所述方法还包括:获取第一设备加速度真实值以及车辆加速度真实值;基于所述车辆加速度真实值以及观测方程,得到第一设备预测加速度;基于第一设备加速度真实值以及第一设备预测加速度以及卡尔曼增益,得到校正因子;基于所述校正因子对所述先验状态估计以及所述先验协方差矩阵更新。

10、在上述车辆中设备的姿态定位方法的一个技术方案中,“基于第一设备加速度真实值以及第一设备预测加速度以及卡尔曼增益,得到校正因子”,包括将第一设备加速度真实值以及第一设备预测加速度相减,得到残差;将残差与卡尔曼增益相乘,得到校正因子。

11、在上述车辆中设备的姿态定位方法的一个技术方案中,“基于所述当前时刻的车辆角速度、所述当前时刻的第一设备角速度、所述车辆偏置角速度、所述第一设备偏置角速度、所述第一设备的姿态信息以所述及观测方程并通过卡尔曼滤波算法并通过卡尔曼滤波算法,得到真实姿态信息”,包括:获取名义状态和误差状态,其中名义状态包括车辆偏置角速度、第一设备偏置角速度以及第一设备的姿态信息,所述误差状态表示名义状态的不确定性;基于所述名义状态,得到先验估计状态以及误差协方差;基于所述误差协方差,得到卡尔曼增益;获取观测数据;基于所述观测数据、所述观测方程以及所述卡尔曼增益对先验估计状态进行修正,得到后验估计状态;其中所述后验状态估计为所述真实姿态信息。基于所述误差状态更新所述名义状态并初始化所述误差状态。

12、在上述车辆中设备的姿态定位方法的一个技术方案中,基于所述误差状态更新所述名义状态并初始化所述误差状态。

13、在第二方面,提供一种控制装置,该控制装置包括处理器和存储装置,所述存储装置适于存储多条计算机程序,所述计算机程序适于由所述处理器加载并运行以执行上述车辆中设备的姿态定位方法的技术方案中任一项技术方案所述的车辆中设备的姿态定位方法。

14、在第三方面,提供一种计算机可读存储介质,该计算机可读存储介质其中存储有多条计算机程序,所述计算机程序适于由处理器加载并运行以执行上述车辆中设备的姿态定位方法的技术方案中任一项技术方案所述的车辆中设备的姿态定位方法。

15、本申请上述一个或多个技术方案,至少具有如下一种或多种

16、有益效果:

17、在实施本申请的技术方案中,通过融合车辆imu和第一设备imu的数据,有效地实现了精确的车内设备的姿态定位。这种方法利用车辆和设备的角速度及加速度数据,并应用卡尔曼滤波算法,以获取真实且稳定的姿态信息。提升了车辆内部设备的空间定位精度,为车辆舱内娱乐系统和其他应用提供了更丰富、更互动的用户体验。

本文档来自技高网...

【技术保护点】

1.一种车辆中设备的姿态定位方法,其特征在于,包括:

2.根据权利要求1所述的车辆中设备的姿态定位方法,其特征在于,其中所述车辆角速度以及所述第一设备角速度均包括三个自由度的角速度,所述车辆加速度以及所述第一设备加速度均包括三个自由度的加速度,所述车辆偏置角速度包括三个自由度的车辆偏置角速度,所述第一设备偏置角速度包括三个自由度的设备偏置角速度。

3.根据权利要求1所述的车辆中设备的姿态定位方法,其特征在于,其中所述第一设备位于车辆内部且所述第一设备与车辆构成非惯性系。

4.根据权利要求1所述的车辆中设备的姿态定位方法,其特征在于,其中的卡尔曼滤波算法为拓展卡尔曼滤波算法或误差状态卡尔曼滤波算法,其中所述拓展卡尔曼滤波中的观测方程为车辆加速度与设备加速度之间的等式,其中所述误差状态卡尔曼滤波算法中的观测方程为车辆加速度、车辆角速度、第一设备加速度、第一设备角速度、车辆偏置角速度、第一设备偏置角速度之间的等式。

5.根据权利要求1所述的车辆中设备的姿态定位方法,其特征在于,“基于所述当前时刻的车辆角速度、所述当前时刻的第一设备角速度、所述车辆偏置角速度、所述第一设备偏置角速度、所述第一设备的姿态信息以所述及观测方程并通过卡尔曼滤波算法并通过卡尔曼滤波算法,得到真实姿态信息”,包括:

6.根据权利要求1所述的车辆中设备的姿态定位方法,其特征在于,所述方法还包括:

7.根据权利要求5或6所述的车辆中设备的姿态定位方法,其特征在于,“基于所述相对加速度、所述姿态信息以及所述观测方程,得到先验状态估计”,包括:

8.根据权利要求6所述的车辆中设备的姿态定位方法,其特征在于,“基于所述先验状态估计得到卡尔曼增益”,包括:

9.一种控制装置,包括处理器和存储装置,所述存储装置适于存储多条计算机程序,其特征在于,所述计算机程序适于由所述处理器加载并运行以执行权利要求1至8中任一项所述的车辆中设备的姿态定位方法。

10.一种计算机可读存储介质,其中存储有多条计算机程序,其特征在于,所述计算机程序适于由处理器加载并运行以执行权利要求1至8中任一项所述的车辆中设备的姿态定位方法。

...

【技术特征摘要】

1.一种车辆中设备的姿态定位方法,其特征在于,包括:

2.根据权利要求1所述的车辆中设备的姿态定位方法,其特征在于,其中所述车辆角速度以及所述第一设备角速度均包括三个自由度的角速度,所述车辆加速度以及所述第一设备加速度均包括三个自由度的加速度,所述车辆偏置角速度包括三个自由度的车辆偏置角速度,所述第一设备偏置角速度包括三个自由度的设备偏置角速度。

3.根据权利要求1所述的车辆中设备的姿态定位方法,其特征在于,其中所述第一设备位于车辆内部且所述第一设备与车辆构成非惯性系。

4.根据权利要求1所述的车辆中设备的姿态定位方法,其特征在于,其中的卡尔曼滤波算法为拓展卡尔曼滤波算法或误差状态卡尔曼滤波算法,其中所述拓展卡尔曼滤波中的观测方程为车辆加速度与设备加速度之间的等式,其中所述误差状态卡尔曼滤波算法中的观测方程为车辆加速度、车辆角速度、第一设备加速度、第一设备角速度、车辆偏置角速度、第一设备偏置角速度之间的等式。

5.根据权利要求1所述的车辆中设备的姿态定位方法,其特征在于,“基于所述当前时...

【专利技术属性】
技术研发人员:曹仲晴刘潇袁安贝
申请(专利权)人:蔚来汽车科技安徽有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1