【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及車輛定位，特別是一種基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法。
技術(shù)介紹
1、近年來(lái)，隨著自動(dòng)駕駛技術(shù)和智能交通的快速發(fā)展，車輛定位技術(shù)逐漸成為研究的熱點(diǎn)。傳統(tǒng)的車輛定位方法主要依賴于單一傳感器，如全球定位系統(tǒng)(gps)、慣性測(cè)量單元(imu)等。然而，單一傳感器在復(fù)雜環(huán)境下的定位精度和魯棒性往往受到限制。為此，多源傳感器融合技術(shù)應(yīng)運(yùn)而生，通過(guò)融合多種傳感器的數(shù)據(jù)，提高定位的精度和可靠性。多源傳感器融合技術(shù)結(jié)合了gps、imu、車輪編碼器、磁力計(jì)和攝像頭等多種傳感器的數(shù)據(jù)，利用先進(jìn)的數(shù)據(jù)處理和融合算法，實(shí)現(xiàn)對(duì)車輛位姿的高精度估計(jì)。目前，多源傳感器融合技術(shù)已經(jīng)在自動(dòng)駕駛、無(wú)人機(jī)導(dǎo)航等領(lǐng)域得到了廣泛應(yīng)用。
2、盡管多源傳感器融合技術(shù)在提高定位精度方面取得了顯著進(jìn)展，但在實(shí)際應(yīng)用中仍存在一些不足之處。首先，現(xiàn)有技術(shù)在處理多源數(shù)據(jù)時(shí)，往往采用固定的參數(shù)設(shè)置，無(wú)法動(dòng)態(tài)適應(yīng)車輛在不同行駛狀態(tài)下的變化。例如，在車輛轉(zhuǎn)彎、加速或減速等情況下，傳感器的噪聲特性會(huì)發(fā)生顯著變化，固定參數(shù)的濾波器難以有效應(yīng)對(duì)這些變化，導(dǎo)致定位精度下降。其次，現(xiàn)有技術(shù)在融合多源數(shù)據(jù)時(shí)，通常采用簡(jiǎn)單的加權(quán)平均或卡爾曼濾波等方法，未能充分利用各種傳感器的互補(bǔ)特性。例如，gps在城市峽谷和隧道等環(huán)境中信號(hào)較弱，而imu和車輪編碼器則可以提供連續(xù)的運(yùn)動(dòng)信息，但現(xiàn)有方法未能充分挖掘這些傳感器的互補(bǔ)優(yōu)勢(shì)，導(dǎo)致定位的整體性能受限。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述現(xiàn)有存在的問(wèn)題，提出了本專利技術(shù)。
2
3、為解決上述技術(shù)問(wèn)題，本專利技術(shù)提供如下技術(shù)方案：
4、第一方面，本專利技術(shù)提供了一種基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其包括，采集車輛的多源數(shù)據(jù)，并對(duì)采集到的多源數(shù)據(jù)進(jìn)行預(yù)處理；將預(yù)處理后的多源數(shù)據(jù)進(jìn)行融合，生成車輛初始的位姿；對(duì)預(yù)處理后的多源數(shù)據(jù)進(jìn)行特征提取，通過(guò)提取的特征進(jìn)行車輛行駛狀態(tài)識(shí)別；基于車輛初始的位姿，初始化卡爾曼濾波器，基于車輛行駛狀態(tài)，動(dòng)態(tài)調(diào)整卡爾曼濾波器的參數(shù)；計(jì)算車輛的航向角變化率和轉(zhuǎn)彎半徑，將航向角變化和轉(zhuǎn)彎半徑納入卡爾曼濾波器中，生成車輛最終的位姿。
5、作為本專利技術(shù)所述基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的一種優(yōu)選方案，其中：所述車輛的多源數(shù)據(jù)包括gps數(shù)據(jù)、imu數(shù)據(jù)、車輪編碼器數(shù)據(jù)、磁力計(jì)數(shù)據(jù)和攝像頭數(shù)據(jù)。
6、作為本專利技術(shù)所述基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的一種優(yōu)選方案，其中：所述預(yù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)歸一化、數(shù)據(jù)濾波以及圖像的灰度化和降噪。
7、作為本專利技術(shù)所述基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的一種優(yōu)選方案，其中：所述將預(yù)處理后的多源數(shù)據(jù)進(jìn)行融合，生成車輛初始的位姿，具體步驟如下：
8、基于長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型，構(gòu)建多源數(shù)據(jù)融合模型；
9、將預(yù)處理后多源數(shù)據(jù)輸入多源數(shù)據(jù)融合模型，通過(guò)均方誤差作為損失函數(shù)，進(jìn)行多源數(shù)據(jù)融合模型訓(xùn)練，構(gòu)建多源數(shù)據(jù)融合模型的表達(dá)式為：
10、
11、其中，x為gps數(shù)據(jù)，z為imu數(shù)據(jù)，w為車輪編碼器數(shù)據(jù)，v為磁力計(jì)數(shù)據(jù)，y表示車輛初始的位姿。
12、作為本專利技術(shù)所述基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的一種優(yōu)選方案，其中：所述對(duì)預(yù)處理后的多源數(shù)據(jù)進(jìn)行特征提取，通過(guò)提取的特征進(jìn)行車輛行駛狀態(tài)識(shí)別，具體步驟如下：
13、使用卷積神經(jīng)網(wǎng)絡(luò)提取視覺(jué)數(shù)據(jù)特征，使用長(zhǎng)短期記憶網(wǎng)絡(luò)提取imu數(shù)據(jù)特征、車輪編碼器數(shù)據(jù)特征和磁力計(jì)數(shù)據(jù)特征；
14、將提取的特征拼接成單一的特征向量，使用多層全連接層對(duì)拼接后的特征向量進(jìn)行融合，生成綜合特征表示；
15、使用支持向量機(jī)對(duì)綜合特征表示進(jìn)行分類，識(shí)別車輛的行駛狀態(tài)。
16、作為本專利技術(shù)所述基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的一種優(yōu)選方案，其中：所述基于車輛初始的位姿，初始化卡爾曼濾波器，基于車輛行駛狀態(tài)，通過(guò)自適應(yīng)參數(shù)調(diào)整，動(dòng)態(tài)調(diào)整卡爾曼濾波器的參數(shù)，具體步驟如下：
17、基于車輛初始的位姿y，初始化卡爾曼濾波器；
18、基于車輛行駛狀態(tài)，定義行駛狀態(tài)影響因子γs，通過(guò)行駛狀態(tài)影響因子γs，動(dòng)態(tài)調(diào)整過(guò)程噪聲協(xié)方差矩陣q和觀測(cè)噪聲協(xié)方差矩陣r；
19、通過(guò)卡爾曼濾波器的預(yù)測(cè)步和更新步，進(jìn)行自適應(yīng)參數(shù)調(diào)整，表達(dá)式為：
20、
21、其中，xk為更新后的狀態(tài)向量，為在時(shí)間步k處預(yù)測(cè)時(shí)間步k-1的狀態(tài)向量，pk|k-1為在時(shí)間步k處預(yù)測(cè)時(shí)間步k-1的協(xié)方差矩陣，j為觀測(cè)矩陣，ht為觀測(cè)矩陣的轉(zhuǎn)置，zk為當(dāng)前時(shí)刻的觀測(cè)值，r0為初始觀測(cè)噪聲協(xié)方差矩陣，γs為行駛狀態(tài)影響因子，k表示時(shí)間布。
22、作為本專利技術(shù)所述基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的一種優(yōu)選方案，其中：所述計(jì)算車輛的航向角變化率和轉(zhuǎn)彎半徑，具體步驟如下：
23、引入行駛狀態(tài)影響因子γs，計(jì)算車輛的航向角變化率和轉(zhuǎn)彎半徑，表達(dá)式為：
24、
25、其中，θs為調(diào)整后的航向角變化率，rs為調(diào)整后轉(zhuǎn)彎半徑，v為車輛速度，δ為前輪轉(zhuǎn)向角，l為車輛軸距。
26、作為本專利技術(shù)所述基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的一種優(yōu)選方案，其中：所述將航向角變化和轉(zhuǎn)彎半徑納入卡爾曼濾波器中，生成車輛最終的位姿，具體步驟如下：
27、將航向角變化和轉(zhuǎn)彎半徑納入卡爾曼濾波器的狀態(tài)向量和模型中，從更新后的狀態(tài)向量中提取車輛的最終位姿，生成車輛最終的位姿。
28、第二方面，本專利技術(shù)提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本專利技術(shù)第一方面所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的任一步驟。
29、第三方面，本專利技術(shù)提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本專利技術(shù)第一方面所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的任一步驟。
30、本專利技術(shù)有益效果為：通過(guò)基于車輛行駛狀態(tài)的自適應(yīng)參數(shù)調(diào)整，本專利技術(shù)動(dòng)態(tài)優(yōu)化了卡爾曼濾波器的參數(shù)，提高了濾波器在不同行駛狀態(tài)下的適應(yīng)性和魯棒性；同時(shí)，通過(guò)將后輪轉(zhuǎn)向模型的航向角變化率和轉(zhuǎn)彎半徑納入卡爾曼濾波器的狀態(tài)向量和模型中，本專利技術(shù)更準(zhǔn)確地反映了車輛的動(dòng)態(tài)特性，顯著提升了定位的精度和可靠性。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：包括，
2.如權(quán)利要求1所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述車輛的多源數(shù)據(jù)包括GPS數(shù)據(jù)、IMU數(shù)據(jù)、車輪編碼器數(shù)據(jù)、磁力計(jì)數(shù)據(jù)和攝像頭數(shù)據(jù)。
3.如權(quán)利要求2所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述預(yù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)歸一化、數(shù)據(jù)濾波以及圖像的灰度化和降噪。
4.如權(quán)利要求3所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述將預(yù)處理后的多源數(shù)據(jù)進(jìn)行融合，生成車輛初始的位姿，具體步驟如下：
5.如權(quán)利要求4所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述對(duì)預(yù)處理后的多源數(shù)據(jù)進(jìn)行特征提取，通過(guò)提取的特征進(jìn)行車輛行駛狀態(tài)識(shí)別，具體步驟如下：
6.如權(quán)利要求5所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述基于車輛初始的位姿，初始化卡爾曼濾波器，基于車輛行駛狀態(tài)，通過(guò)自適應(yīng)參數(shù)調(diào)整，動(dòng)態(tài)調(diào)整卡爾曼濾波器的參數(shù)，具體步驟如下：>
7.如權(quán)利要求6所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述計(jì)算車輛的航向角變化率和轉(zhuǎn)彎半徑，具體步驟如下：
8.如權(quán)利要求7所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述將航向角變化和轉(zhuǎn)彎半徑納入卡爾曼濾波器中，生成車輛最終的位姿，具體步驟如下：
9.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于：所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1～8任一所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的步驟。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1～8任一所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法的步驟。
...【技術(shù)特征摘要】
1.一種基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：包括，
2.如權(quán)利要求1所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述車輛的多源數(shù)據(jù)包括gps數(shù)據(jù)、imu數(shù)據(jù)、車輪編碼器數(shù)據(jù)、磁力計(jì)數(shù)據(jù)和攝像頭數(shù)據(jù)。
3.如權(quán)利要求2所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述預(yù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)歸一化、數(shù)據(jù)濾波以及圖像的灰度化和降噪。
4.如權(quán)利要求3所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述將預(yù)處理后的多源數(shù)據(jù)進(jìn)行融合，生成車輛初始的位姿，具體步驟如下：
5.如權(quán)利要求4所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法，其特征在于：所述對(duì)預(yù)處理后的多源數(shù)據(jù)進(jìn)行特征提取，通過(guò)提取的特征進(jìn)行車輛行駛狀態(tài)識(shí)別，具體步驟如下：
6.如權(quán)利要求5所述的基于傳感器數(shù)據(jù)分析的車輛后輪轉(zhuǎn)向精準(zhǔn)定位方法...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：魏斌，馬娟，
申請(qǐng)(專利權(quán))人：無(wú)錫中斯盾科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。