专利名称：基于卫星定位数据和车辆传感器数据的车辆导航的制作方法
技术领域：
本申请案涉及ー种用于车辆导航的方法及一种对应的导航系统。
背景技术：
在车辆导航中，根据卫星定位数据来确定车辆位置是已知的。例如，可以从全球定位系统(GPS)或其它基于卫星的定位系统的卫星定位信号来得到此类卫星定位数据。另外，使用惯性导航系统来确定车辆位置也是已知的。例如，如果卫星定位信号不能被接收(如处于隧道或其它建筑物中)，那么惯性导航系统的使用可能是有用的。此外，将卫星定位数据与惯性导航系统的测量值组合以进而来改善位置估计的准确性也是可能的。例如，可使用对应设计的卡尔曼滤波器使卫星定位数据与惯性导航系统的測量值相组合。然而，使用卫星定位数据和惯性导航系统的测量值两者实施车辆位置估计可能需要使用相当复杂的卡尔曼滤波器来使卫星定位数据与惯性导航系统的测量值相组合。因此，需要允许使用卫星导航数据来有效地改善位置估计准确性的技木。
发明内容
根据ー个实施方案，提供ー种用于车辆导航的方法。所述方法包括从车辆的卫星定位装置(例如GPS接收器)获得卫星定位数据。此外，所述方法包括从车辆的若干传感器获得车辆传感器数据。例如，此类传感器可以是测量车辆速度的测速仪和/或測量车辆偏航角速度的陀螺仪传感器。此外，车辆传感器数据也可以包括例如由车辆的动カ转向控制器测量的车辆的转向角。所述方法进ー步包括通过卡尔曼滤波器使卫星定位数据与车辆传感器数据相组合来获得组合的车辆状态向量估计。通常，所述组合的状态向量估计将包括例如由地理坐标界定的车辆的位置，以及车辆的速度。根据所述方法，卡尔曼滤波器包括第一滤波器、第二滤波器以及第三滤波器。第一滤波器接收卫星定位数据，并且产生车辆的第一状态向量估计和对应的第一状态误差协方差矩阵。第二滤波器接收车辆传感器数据，并且产生车辆的第二状态向量估计和对应的第ニ状态误差协方差矩阵。第三滤波器接收第一状态向量估计、第一状态误差协方差矩阵、第ニ状态向量估计和第二状态误差协方差矩阵，并且产生组合的状态向量估计和对应的组合的状态误差协方差矩阵。所述第三滤波器包括预测处理器，所述预测处理器基于组合的状态向量估计产生预测状态向量估计，并且基于组合的状态误差协方差矩阵产生预测状态误差协方差矩阵。预测状态向量估计和预测状态误差协方差矩阵可以应用于如卡尔曼滤波器的下一次迭代所预期的车辆的未来状态。预测状态向量估计和预测状态误差协方差矩阵被反馈至第一滤波器、第二滤波器和第三滤波器。在第一滤波器中，第一状态向量估计可以因此通过用所接收的卫星定位数据更新反馈回来的预测状态向量估计来确定。此外，第一状态误差协方差矩阵可以基于反馈回来的预测误差协方差矩阵和卫星定位数据的测量误差协方差矩阵来确定。
在第二滤波器中，第二状态向量估计可以通过用所接收的卫星定位数据更新反馈回来的预测状态向量估计来确定。此外，第二状态误差协方差矩阵可以基于反馈回来的预测状态误差协方差矩阵和车辆传感器数据的测量误差协方差矩阵来确定。在第三滤波器中，组合的状态误差协方差矩阵可以基于反馈回来的预测状态误差协方差矩阵来确定。此外，组合的状态向量估计可以基于反馈回来的预测状态向量估计和反馈回来的预测状态误差协方差矩阵来确定。第三滤波器的预测处理器可以基于带有线性状态转换矩阵的状态转换模型。根据另ー个实施方案，提供用于车辆的导航系统。所述导航系统包括被配置成获得卫星定位数据的卫星定位装置，例如GPS接收器。此外，所述导航系统包括卡尔曼滤波器。卡尔曼滤波器被配置成通过使卫星定位数据和从车辆的若干车辆传感器接收的车辆传感器数据组合来获得车辆的组合的状态向量估计。所述卡尔曼滤波器包括第一滤波器、第ニ滤波器、第三滤波器以及反馈装置。第一滤波器被配置成接收卫星定位数据，并且产生车辆的第一状态向量估计和对应的第一状态误差协方差矩阵。第二滤波器被配置成接收车辆传感器数据，并且产生车辆的第二状态向量估计和对应的第二状态误差协方差矩阵。第三滤波器被配置成接收第一状态向量估计、第一状态误差协方差矩阵、第二状态向量估计和第二状态误差协方差矩阵，并且产生组合的状态向量估计和对应的组合的状态误差协方差矩阵。所述第三滤波器包括预测处理器，所述预测处理器被配置成基于组合的状态向量估计产生预测状态向量估计，并且基于组合的状态误差协方差矩阵产生预测状态误差协方差矩阵。预测状态向量估计和预测状态误差协方差矩阵可以应用于如卡尔曼滤波器的下一次迭代所预期的车辆的未来状态。卡尔曼滤波器的反馈装置被配置成将预测状态向量估计和预测状态误差协方差矩阵反馈至第一滤波器、第二滤波器和第三滤波器。导航系统可以被配置成根据以上所述的方法来执行。根据另ー个实施方案，提供车辆。所述车辆包括如上所述的导航系统；以及被配置成提供车辆传感器数据的若干车辆传感器，例如被配置成測量车辆速度的测速仪、被配置成测量车辆偏航角速度的陀螺仪传感器，和/或被配置成測量车辆转向角的车辆动カ转向控制器。在以上实施方案中，基于卫星定位数据的定位准确性可以通过使卫星定位数据与车辆传感器数据相组合而得到有效地改善。有可能重新使用由现有车辆传感器(例如测速仪，或者在动カ转向控制器中提供的用于测量转向盘角的传感器)提供的车辆传感器数据。另外，可以使用简单的陀螺仪传感器，例如用于测量偏航角速度的陀螺仪传感器。卡尔曼滤波器的结构允许有效地组合卫星定位数据与车辆传感器数据。具体来说，第一滤波器和第二滤波器不需要实施为预测未来状态向量和对应的状态误差协方差矩阵的完整卡尔曼滤波器。另外，从第三滤波器到第一滤波器、第二滤波器以及第三滤波器的预测状态向量估计和预测状态误差协方差矩阵的反馈允许获得组合的状态向量估计的全局最优值。从结合附图进行的实施方案的以下详细描述将显而易见另ー些实施方案及其特征和伴随的优点。
图I是示出根据本发明的一个实施方案的带有导航系统的车辆的示意框图。
图2展示用于示出根据本发明的一个实施方案的方法的流程图。图3示意性地示出根据本发明的一个实施方案的卡尔曼滤波器。图4示意性地示出根据本发明的一个实施方案的导航系统的示例性实施。·
具体实施例方式以下将參阅附图描述本发明的实施方案。应注意，本文描述的不同实施方案的特征在适当时可以彼此組合。图I示意性地示出根据本发明的一个实施方案的带有导航系统20的车辆10。如所示，导航系统20包括卫星定位装置30，例如GPS接收器、卡尔曼滤波器40以及导航引擎50。车辆10进ー步包括若干车辆传感器60，车辆传感器60在所示出的实施例中为测速仪62、陀螺仪传感器64和动カ转向控制器66的转向角传感器。卫星定位装置30被配置成获得卫星定位数据。例如，卫星定位装置30可以评估卫星定位信号以便测量车辆的坐标、车辆的速度和/或车辆的方位角。这些测量值可以按位置向量和速度向量的形式表示在卫星定位数据中。车辆传感器被配置成获得与车辆10的运动状态有关的各种测量值。例如，测速仪62可以被配置成測量车辆的速度。陀螺仪传感器64可以被配置成測量车辆10的偏航角速度。此外，动カ转向控制器66的转向角传感器可以被配置成測量与车辆10的方位角有关的车辆10的转向角。如图I进ー步所示，卡尔曼滤波器40接收来自卫星定位装置30的卫星定位数据，并且进一步接收来自车辆传感器60的车辆传感器数据。卡尔曼滤波器40的目的在于使卫星定位数据与车辆传感器数据相组合以获得车辆10的组合的状态向量估计。如图I所示，由卡尔曼滤波器40获得的组合的状态向量估计可以供应至导航系统20的导航引擎50。导航引擎50可以例如使用组合的状态向量估计来向驾驶者显示车辆10的位置、计算从车辆10目前的位置到希望目的地的路线或其它导航相关目的。因为组合的状态向量估计是基于卫星定位数据和车辆传感器数据两者，与単独基于卫星定位数据的状态向量估计相比改善了准确性。图2示意性地示出根据本发明的一个实施方案的车辆导航的方法。例如，所述方法可以在如图I所示的导航系统20中实施。或者，所述方法也可以独立实施或在其它系统中实施。在步骤210中，例如通过卫星定位装置，如图I的卫星定位装置30，获得卫星定位数据。卫星定位数据通常以地理坐标的形式表示车辆的位置，并且也可以按如速度向量的形式包括车辆的速度和航向。在步骤220中，获得车辆传感器数据。例如，车辆传感器数据可以从如图I所示的车辆传感器获得，例如从测速仪、陀螺仪传感器或动カ转向控制器的转向角传感器获得。测速仪可以用来提供车辆的速度。陀螺仪传感器可以用来測定车辆的偏航角速度。动カ转向控制器的转向角传感器可以用来提供车辆的转向角。在步骤230中，通过卡尔曼滤波器使车辆定位数据与车辆传感器数据相组合。在图I的导航系统20和图2的方法中使用的卡尔曼滤波器包括第一滤波器、第二滤波器和第三滤波器。第一滤波器接收卫星定位数据，并且产生车辆的第一状态向量估计和对应的第一状态误差协方差矩阵。第二滤波器接收车辆传感器数据，并且产生车辆的第ニ状态向量估计和对应的第二状态误差协方差矩阵。第三滤波器接收第一状态向量估计、第一状态误差协方差矩阵、第二状态向量估计、第二状态误差协方差矩阵，并且自其产生组合的状态向量估计和对应的组合的状态误差协方差矩阵。所述第三滤波器包括基于状态转换模型实施的预测处理器。预测处理器基于组合的状态向量估计产生预测状态向量估计。此外，预测处理器基于组合的状态误差协方差矩阵产生预测状态误差协方差矩阵。预测状态向量估计和预测状态误差协方差矩阵被反馈至第一滤波器、第二滤波器和第三滤波器。相应地，在此卡尔曼滤波器中，第一滤波器可以通过用所接收的卫星定位数据更新反馈回来的预测状态向量估计来确定第一状态向量估计。此外，第一滤波器可以基于反馈回来的预测状态误差协方差矩阵和卫星定位数据的测量误差协方差矩阵来确定第一状态误差协方差矩阵。类似地，第二滤波器可以通过用所接收的车辆传感器数据更新反馈回来的预测状态向量估计来确定第二状态向量估计。此外，第二滤波器可以基于反馈回来的预测状态误差协方差矩阵和车辆传感器数据的测量误差协方差矩阵来确定第二状态误差协方差矩阵。第三滤波器可以基于反馈回来的预测状态误差协方差矩阵来确定组合的状态误差协方差矩阵。此外，第三滤波器可以基于反馈回来的预测状态向量估计和反馈回来的预测状态误差协方差矩阵来确定组合的状态向量估计。由预测处理器使用的状态转换模型可以基于线性状态转换矩阵。以下将进ー步解释在图I的导航系统20中使用的卡尔曼滤波器和图2的车辆导航方法的进ー步细节。为了这些解释，采用ー个状态空间模型，该空间模型中的状态向量给出如下
X1ズ2 X y 人 ⑴相应地,所述状态向量包括在X方向上的由X表示的位置、在X方向上H、」由λ表示的速度、在I方向上的由I表示的位置以及在I方向上的由>表示的速度。所述状态空间模型可以由以下连续形式表达x=F · x+G · u+w(2)或
X 0 10 0 X X 0 0 0 0 X y 0 0 0 1 V V 0 0 0 0 J \|/3/—■在方程式(2)中，矩阵F描述基于车辆运动物理模型的状态向量的转变。矩阵G描述由向量u表示的干扰的影响，且向量w描述噪音分量。从方程式(3)中可见，离散形式的状态转换矩阵可以写为
9
权利要求
1.ー种用于车辆导航的方法，其包括 从车辆(10)的卫星定位装置(30)获得卫星定位数据； 从所述车辆(10)的多个传感器￠0)获得车辆传感器数据；以及通过卡尔曼滤波器(40)使所述卫星定位数据与所述车辆传感器数据组合以获得所述车辆的组合的状态向量估计； 其中所述卡尔曼滤波器(40)包括 -第一滤波器(42)，其接收所述卫星定位数据，并且产生所述车辆的第一状态向量估计和对应的第一状态误差协方差矩阵； -第二滤波器(44)，其接收所述车辆传感器数据，并且产生所述车辆的第二状态向量估计和对应的第二状态误差协方差矩阵；以及 -第三滤波器(46)，其接收所述第一状态向量估计、所述第一状态误差协方差矩阵、所述第二状态向量估计和所述第二状态误差协方差矩阵，并且产生所述组合的状态向量估计和对应的组合的状态误差协方差矩阵， 其中所述第三滤波器(46)包括预测处理器(48)，所述预测处理器(48)基于所述组合的状态向量估计产生预测状态向量估计，并且基于所述组合的状态误差协方差矩阵产生预测状态误差协方差矩阵，且 其中所述预测状态向量估计和所述预测状态误差协方差矩阵被反馈至所述第一滤波器(42)、所述第二滤波器(44)和所述第三滤波器(46)。
2.根据权利要求I所述的方法， 其中所述车辆传感器数据包括由所述车辆(10)的测速仪￠2)测量的速度。
3.根据权利要求I或2所述的方法， 其中所述车辆传感器数据包括由所述车辆(10)的陀螺仪传感器￠4)测量的偏航角速度。
4.根据前述权利要求中任一项所述的方法， 其中所述车辆传感器数据包括所述车辆(10)的转向角。
5.根据权利要求4所述的方法， 其中所述转向角是由所述车辆(10)的动カ转向控制器￠6)測量。
6.根据前述权利要求中任一项所述的方法， 其中所述第一滤波器(42)通过用所接收的卫星定位数据更新所述反馈回来的预测状态向量估计来确定所述第一状态向量估计。
7.根据前述权利要求中任一项所述的方法， 其中所述第一滤波器(42)基于所述反馈回来的预测误差协方差矩阵和所述卫星定位数据的测量误差协方差矩阵来确定所述第一状态误差协方差矩阵。
8.根据前述权利要求中任一项所述的方法， 其中所述第二滤波器(44)通过用所述所接收的车辆传感器数据更新所述反馈回来的预测状态向量估计来确定所述第ニ状态向量估计。
9.根据前述权利要求中任一项所述的方法， 其中所述第二滤波器(46)基于所述反馈回来的预测状态误差协方差矩阵和所述车辆传感器数据的测量误差协方差矩阵来确定所述第二状态误差协方差矩阵。
10.根据前述权利要求中任一项所述的方法， 其中所述第三滤波器(46)基于所述反馈回来的预测状态误差协方差矩阵来确定所述组合的状态误差协方差矩阵。
11.根据前述权利要求中任一项所述的方法， 其中所述第三滤波器(46)基于所述反馈回来的预测状态向量估计和所述反馈回来的预测状态误差协方差矩阵来确定所述组合的状态向量估计。
12.根据前述权利要求中任一项所述的方法， 其中所述第三滤波器(46)的所述预测处理器(48)是基于具有线性状态转换矩阵的状态转换模型。
13.ー种用于车辆(10)的导航系统(20)，其包括 卫星定位装置(30)，其被配置成获得卫星定位数据；以及 卡尔曼滤波器(40)，其被配置成通过使所述卫星定位数据与从所述车辆(10)的多个车辆传感器￠0)接收的车辆传感器数据相组合来获得组合的状态向量估计， 其中所述卡尔曼滤波器(40)包括 -第一滤波器(42)，其被配置成接收所述卫星定位数据，并且产生所述车辆的第一状态向量估计和对应的第一状态误差协方差矩阵； -第二滤波器(44)，其被配置成接收所述车辆传感器数据，并且产生所述车辆的第二状态向量估计和对应的第二状态误差协方差矩阵；以及 -第三滤波器(46)，其被配置成接收所述第一状态向量估计、所述第一状态误差协方差矩阵、所述第二状态向量估计和所述第二状态误差协方差矩阵，并且产生所述组合的状态向量估计和对应的组合的状态误差协方差矩阵， 其中所述第三滤波器(46)包括预测处理器(48)，所述预测处理器(48)被配置成基于所述组合的状态向量估计产生预测状态向量估计，并且基于所述组合的状态误差协方差矩阵产生预测状态误差协方差矩阵，且 其中所述卡尔曼滤波器(40)包括反馈装置，所述反馈装置被配置成将所述预测状态向量估计和所述预测状态误差协方差矩阵反馈至所述第一滤波器(42)、所述第二滤波器(44)和所述第三滤波器(46)。
14.根据权利要求13所述的导航系统， 其中所述车辆传感器数据包括由所述车辆(10)的测速仪￠2)测量的速度。
15.根据权利要求13或14所述的导航系统， 其中所述车辆传感器数据包括由所述车辆(10)的陀螺仪传感器￠4)测量的偏航角速度。
16.根据权利要求13至15中任一项所述的导航系统， 其中所述车辆传感器数据包括所述车辆(10)的转向角。
17.根据权利要求16所述的导航系统， 其中所述转向角是由所述车辆(10)的动カ转向控制器￠6)測量。
18.根据权利要求13至17中任一项所述的导航系统， 其中所述第一滤波器(42)被配置成通过用所述所接收的卫星定位数据更新所述反馈回来的预测状态向量估计来确定所述第一状态向量估计。
19.根据权利要求13至18中任一项所述的导航系统， 其中所述第一滤波器(42)被配置成基于所述反馈回来的预测误差协方差矩阵和所述卫星定位数据的测量误差协方差矩阵来确定所述第一状态误差协方差矩阵。
20.根据权利要求13至19中任一项所述的导航系统， 其中所述第二滤波器(44)被配置成通过用所述所接收的车辆传感器数据更新所述反馈回来的预测状态向量估计来确定所述第二状态向量估计。
21.根据权利要求13至20中任一项所述的导航系统， 其中所述第二滤波器(46)被配置成基于所述反馈回来的预测状态误差协方差矩阵和所述车辆传感器数据的测量误差协方差矩阵来确定所述第二状态误差协方差矩阵。
22.根据权利要求13至21中任一项所述的导航系统， 其中所述第三滤波器(46)被配置成基于所述反馈回来的预测状态误差协方差矩阵来确定所述组合的状态误差协方差矩阵。
23.根据权利要求13至22中任一项所述的导航系统， 其中所述第三滤波器(46)被配置成基于所述反馈回来的预测状态向量估计和所述反馈回来的预测状态误差协方差矩阵来确定所述组合的状态向量估计。
24.根据权利要求13至23中任一项所述的导航系统， 其中所述第三滤波器(46)的所述预测处理器(48)是基于带有线性状态转换矩阵的状态转换模型。
25.—种包括导航系统和提供车辆传感器数据的多个车辆传感器的车辆，所述导航系统(20)包括 卫星定位装置(30)，其被配置成获得卫星定位数据；以及 卡尔曼滤波器(40)，其被配置成通过使所述卫星定位数据与从所述车辆(10)的所述车辆传感器￠0)接收的所述车辆传感器数据相组合来获得所述车辆的组合的状态向量估计， 其中所述卡尔曼滤波器(40)包括 -第一滤波器(42)，其被配置成接收所述卫星定位数据，并且产生所述车辆的第一状态向量估计和对应的第一状态误差协方差矩阵； -第二滤波器(44)，其被配置成接收所述车辆传感器数据，并且产生所述车辆的第二状态向量估计和对应的第二状态误差协方差矩阵；以及 -第三滤波器(46)，其被配置成接收所述第一状态向量估计、所述第一状态误差协方差矩阵、所述第二状态向量估计和所述第二状态误差协方差矩阵，并且产生所述组合的状态向量估计和对应的组合的状态误差协方差矩阵， 其中所述第三滤波器(46)包括预测处理器(48)，所述预测处理器(48)被配置成基于所述组合的状态向量估计产生预测状态向量估计，并且基于所述组合的状态误差协方差矩阵产生预测状态误差协方差矩阵，且 其中所述卡尔曼滤波器(40)包括反馈装置，所述反馈装置被配置成将所述预测状态向量估计和所述预测状态误差协方差矩阵反馈至所述第一滤波器(42)、所述第二滤波器(44)和所述第三滤波器(46)。
26.根据权利要求25所述的车辆，其中所述导航系统(20)是根据权利要求13至24中的任一项进行配置。
全文摘要
为改善基于卫星定位数据的车辆导航的性能，使卫星定位数据与车辆传感器数据相组合。所述组合通过使用卡尔曼滤波器(40)来实现。卡尔曼滤波器(40)包括接收卫星定位数据的第一滤波器(42)、用于接收车辆传感器数据的滤波器(44)。第一滤波器(42)产生车辆的第一状态向量估计和对应的第一状态误差协方差矩阵。第二滤波器(44)产生车辆的第二状态向量估计和对应的第二状态误差协方差矩阵。第三滤波器(46)接收来自第一和第二滤波器(42,44)的第一状态向量估计、第一状态误差协方差矩阵、第二状态向量估计和第二状态误差协方差矩阵，并且自其产生组合的状态向量估计和对应的组合的状态误差协方差矩阵。此外，第三滤波器(46)包括预测处理器(48)，所述预测处理器(48)从所述组合的状态向量估计和组合的状态误差协方差矩阵产生预测状态向量估计和预测状态误差协方差矩阵。所述预测状态向量估计和所述预测状态误差协方差矩阵被反馈至第一滤波器(42)、第二滤波器(44)和第三滤波器(46)。
文档编号G01S19/48GK102914785SQ20121027456
公开日2013年2月6日 申请日期2012年8月3日 优先权日2011年8月3日
发明者K.纳特罗什韦利, C.布尔克勒 申请人:哈曼贝克自动系统股份有限公司