一种汽车组合导航设备信号融合算法参数的在线自动调试方法与流程

1.本发明属于测试领域，尤其涉及一种用于汽车导航设备的在线调试方法。


背景技术：

2.在汽车自动驾驶和高级辅助驾驶中，组合导航设备是不可少的测量部件。其中在信号良好的情况下，车辆的精准定位主要依赖于卫星差分信号的测量(厘米级)。然而受到隧道、车库、城市高楼建筑群等环境因素的影响，卫星信号容易丢失，此时系统需要利用惯性测量单元imu(inertial measurement unit)和车辆实时运动数据，例如：车速、轮速、转向角等本地信号源，来测量车辆运行轨迹、判断车辆位置。
3.为了在卫星信号丢失状态下，也能达到厘米级精度定位，通常需要使用战术级高精度惯性测量单元，然而其几万到几十万的价格成本，使得很难被应用于量产型产品开发中。
4.一般而言，低成本惯性测量单元由加速度计和陀螺仪(角速度测量)两部分组成。其中加速度计容易受环境影响，存在测量信号噪音大的问题。而陀螺仪虽然能够相对准确的测量角速度，但是推算车辆行驶方向(车头旋转角度)需要不断对角速度进行积分处理，在此过程中单次测量的误差也会被积累起来，导致错误的估算。
5.另一方面，车辆总线中提供的实时运动数据，由于总线协议的限制，通常存在一定的延时，并且数据测量本身也存在不同程度上的误差。此类低成本系统通过使用卡尔曼滤波、互补滤波等算法来融合不同信号源，可以有效提高组合导航在无卫星情况下的定位精度，满足实际的应用需求。
6.在实践过程中，为了保证融合算法的精确度，都必须针对具体的工程应用寻找合适的参数设置。而正确的参数设置正是此类低成本解决方案的主要困难点。因为这些参数的确定都依赖于对不同信号源的误差测量，而误差测量本身又受到设置的算法参数的影响。
7.为了找到最优参数设置，需要进行测试、确定误差、参数调整，然后使用新参数重新测试并调整参数，如此不断迭代直到达到稳定的结果。
8.常用的滤波器参数调整方法流程参见图1中所示。由于整个调试流程需要通过测试来采集数据，然后将数据从测试机移至工作站进行归档、分析、计算参数，最后重新将参数配置到样机，并重新开始测试。在全部依靠人工操作的情况下，通常非常费时费力，而且很难追溯在此过程中可能产生的人为操作失误，是汽车导航设备开发过程中的主要痛点。


技术实现要素：

9.本发明所要解决的技术问题是提供一种汽车组合导航设备信号融合算法参数的在线自动调试方法。其通过配备在线云端服务器并建立测试数据及误差数据库，来对组合导航系统整体开发中涉及的试验调试流程进行优化。在该开发调试方法中，测试数据被自
动传输到云端服务器上进行归档，结合相关历史数据进行分析，并将结果反馈回测试车辆，其中数据的采集、分析以及滤波算法的参数更新调优均自动完成；极大的简化了测试及核心算法的参数迭代调优过程，提高了组合惯导系统开发的工作效率，并能节省调试和测试费用。
10.本发明的技术方案是：提供一种汽车组合导航设备信号融合算法参数的在线自动调试方法，其特征是：
11.1)构建一个组合导航样机测试系统，来获取所需信号；
12.所述的组合导航样机测试系统至少包含以下设备：
13.a、内置信号处理器；
14.b、内置惯性测量单元：获取三向振动数据及三向旋转角速度；
15.c、车载网络端口can：连接车辆并获取行驶数据；
16.d、高精度卫星定位差分信号接收器及天线rtk：获取高精度地理位置信息；
17.e、数据传输单元dtu：用于与数据服务器进行数据交换；
18.2)测量惯性测量单元在静止状态下的误差属性，并将结果记录在数据库中；
19.3)将组合导航系统安装到测试车辆上，并检查数据通讯是否正常；
20.4)以静态测量误差数据为基础，为融合算法设置初始参数；
21.5)驾驶车辆在选定路段进行测试；
22.6)使用内置信号处理器对惯性测量单元传感器信号进行本地处理：
23.7)通过对比卫星差分信号，分别计算依靠惯性测量单元、车载信号以及融合算法所获得的计算结果的误差；
24.8)通过数据传输单元将数据上传到云端服务器，并存入数据库；
25.9)在服务器端比对误差数据，从而生成新的融合滤波参数，并下载到组合导航样机测试系统中，然后重复进行步骤5)及之后步骤，直到系统整体误差达到设计精度要求。
26.具体的，所述测量惯性测量单元在静止状态下的误差属性，至少包括仅在重力作用下三轴测量数据的偏移、错位及噪音强度。
27.进一步的，所述的惯性测量单元还包含三向磁力计，以用于测量磁力线夹角。
28.具体的，在步骤6)中，对传感器信号进行本地处理至少包括：
29.(1)根据惯性测量单元获得的加速度及角速度；
30.(2)根据车载网络提供的车辆信息推算驾驶方向、行驶速度及相对位置信息；
31.(3)将惯性测量单元和车载信号输入融合算法滤波器中，获得综合结果，包括车辆姿态、行驶方向、行驶速度及相对位置信息；
32.(4)根据当前时刻及上一时刻的高精度卫星差分信号计算出准确的参考量，同样包括车辆行驶方向，行驶速度及定位信息。
33.进一步的，若所述的惯性测量单元为9轴测量单元，则传感器信号还包括磁力角。
34.具体的，在所述的8)中，通过数据传输单元将数据上传到云端服务器，并存入数据库，至少包括：
35.(1)将步骤7)中得到的所有误差数据上传并存入数据库；
36.(2)将步骤6)中测得的惯性测量单元及车载数据的原始数据通过压缩或者降低采样频率的方法，将数据总量控制在合理范围内，并对测量得到的数据进行储存。
37.进一步的，所述对测量得到的数据进行储存，包括将测得的惯性测量单元及车载数据上传入库，或者，将测得的惯性测量单元及车载数据暂时记录在车载备用计算机中。
38.具体的，在步骤9)中的比对误差数据，分为以下两个步骤进行：
39.i.直接比对步骤7)得到的此次测量误差，根据不同信号源的误差大小来调整融合算法中各信号源的参数权重配比。
40.ii.通过上传的原始数据的统计特性，在数据库中查找类似原始数据测得时的误差数据，据此来修正所述第i子步骤中产生的参数。
41.本发明技术方案，还提供了一种汽车组合导航设备信号融合算法参数的在线自动调试方法，其特征是：
42.a、建立一云端服务器和位于云端服务器中的数据库；
43.b、在云端服务器和组合导航样机测试系统之间建立数据传输单元及无线传输网络，构建两者之间的数据传输通道；
44.c、组合导航样机测试系统至少包括内置信号处理器、内置惯性测量单元、车载网络端口、高精度卫星定位差分信号接收器及天线和数据传输单元；
45.d、所述的在线自动调试方法至少包括下列步骤：
46.1)惯性测量单元静态误差测量；
47.2)设定信号融合滤波算法参数；
48.3)车辆行驶数据采集；
49.4)通过融合惯性单元和车载信号推算车辆行驶轨迹；
50.5)对比差分定位信号计算误差信号；
51.6)判断差分定位信号精度是否满足设计要求；
52.其中，在惯性测量单元静态误差测量步骤，将惯性测量单元静态误差测量数据录入云端服务器的数据库，生成惯性测量单元静态误差测量数据库；
53.在设定信号融合滤波算法参数步骤中，结合传感器的测量信号与误差数据库信息，推断信号融合滤波算法参数；
54.在对比差分定位信号计算误差信号步骤中，通过数据传输单元及无线传输网络，与云端服务器建立连接，更新测量信号及误差信息传输到数据库；
55.针对低成本组合惯性导航系统的融合算法在参数配置中所涉及到的数据采集、归档、分析、计算参数、参数重配置的流程采用自动化处理；
56.在所述的在线自动调试方法中，整个测试及算法调参过程均通过连接云端服务器来自动完成；极大的简化了测试及核心算法的参数迭代调优过程，避免了不断重复测试分析过程可能产生的人为错误，提高了组合惯导系统开发的效率；测试及分析数据均录入数据库，通过数据自动归档，有效地提高了测试数据的管理效率和准确性，并为将来的测试分析提供参考资源；使得测试数据能够在以后的产品开发过程中可以被再次挖掘利用。
57.具体的，所述传感器的测量信号至少包含惯性测量单元和车载传感器输出的测量信号；
58.所述的车辆行驶数据至少包括差分精准定位信号、惯性测量单元输出信号、车载信号和其他辅助信号；
59.所述的差分精准定位信号用于参考对标；
60.所述的惯性测量单元输出信号至少包括加速度、角速度和/或磁力角；
61.所述的车载信号至少包括车速、轮向及轮速。
62.与现有技术比较，本发明的优点是：
63.1.在本技术方案中，通过建立服务器和数据库，以及利用数据传输单元与无线网络，有效地针对低成本组合惯性导航系统的融合算法在参数配置中所涉及到的数据采集、归档、分析、计算参数、参数重配置的流程进行了自动化处理，使得原先繁复的参数调试流程在测试过程中全部由程序控制，自动完成，整个开发流程更加简化，易于操作，也避免了现有方案需要不断重复测试分析过程可能产生的人为错误；
64.2.采用本技术方案，通过测试数据的自动归档，有效地提高了测试数据的管理效率和准确性，使得测试数据能够在将来的开发中可以被再次挖掘利用，成为有价值的数字资产；
65.3.采用本技术方案，大幅减少了重复性高，易发生人为错误的工作，使得开发人员能够有更多精力专注在算法优化及产品功能的提升上；可以提高组合惯导产品的开发效率，缩短产品开发时间，节省开发、调试费用。
附图说明
66.图1是现有组合导航信号融合算法调试方法示意图；
67.图2是本发明的组合导航信号在线测试及融合算法自动调试方法示意图；
68.图3是本发明组合导航自动测试调试系统硬件模块构成示意图。
具体实施方式
69.下面结合附图和实施例对本发明做进一步说明。
70.图2中，当针对一个新系统开始开发时，本专利方案按以下步骤具体实施：
71.a.测量惯性测量单元在静止状态下的误差属性，包括仅在重力作用下三轴测量数据的偏移、错位及噪音强度，并将结果记录在数据库中。
72.b.将组合导航系统按照图3的连接关系安装到测试车辆上，并检查数据通讯正常。
73.c.以静态测量误差数据为基础，为融合算法设置初始参数。
74.d.驾驶车辆在选定路段进行测试，期间需保证卫星差分定位信号良好，为调试系统提供准确的参考坐标。
75.e.对传感器信号进行本地处理(使用内置信号处理器)：
76.i.根据惯性测量单元获得的加速度及加速度，如果设备为9轴测量单元则还有磁力角，推算出车头方向、行驶速度及相对位置。
77.ii.根据车载网络提供的车辆信息推算车头方向、行驶速度及相对位置信息。
78.iii.将惯性测量单元和车载信号输入融合算法滤波器中，获得综合结果，包括车头方向、行驶速度及相对位置信息。
79.iv.根据当前及上一时刻的高精度卫星差分信号计算出准确的参考量，同样包括车辆行驶方向，行驶速度及定位信息。
80.f.通过对比卫星差分信号，分别计算依靠惯性测量单元、车载信号以及融合算法所获得的计算结果的误差。
81.g.通过数据传输单元将数据上传到云端服务器，并存入数据库。
82.i.将(f)步骤中得到的所有误差数据上传并入库。
83.ii.将(e)步骤测得的惯性测量单元及车载数据的原始数据通过压缩或者降低采样频率的方法，将数据总量控制在合理范围内，并上传入库。(备选：将原始数据暂时记录在车载备用计算机中)
84.h.在服务器端比对误差数据，从而生成新的融合滤波参数，并下载到测试系统中，然后重复进行(e)及之后步骤，直到系统整体误差达到设计精度要求。
85.其中误差数据对比分以下两个步骤进行：
86.i.直接比对步骤(g)得到的此次测量误差，根据不同信号源的误差大小来调整融合算法中各信号源的参数权重配比。
87.ii.通过上传的原始数据的统计特性，在数据库中查找类似原始数据测得时的误差数据，据此来修正(h/i.)步骤中产生的参数。
88.如图3中所示，本发明技术方案所述的组合导航样机测试系统通常至少包含以下设备，来获取所需信号：
89.(1)内置信号处理器；
90.(2)内置惯性测量单元：获取三向振动数据，三向旋转角速度，有时还包含三向磁力计，可测量磁力线夹角；
91.(3)车载网络端口(can:controller area network)：连接车辆并获取行驶数据；
92.(4)高精度卫星定位差分信号接收器及天线(rtk:real-time kinematic)：获取高精度地理位置信息；
93.(5)数据传输单元(dtu:data transfer unit)：用于与数据服务器进行数据交换。
94.本发明的技术方案，通过建立服务器和数据库，以及利用数据传输单元与无线网络，有效地针对低成本组合惯性导航系统的融合算法在参数配置中所涉及到的数据采集、归档、分析、计算参数、参数重配置的流程进行了自动化，原先繁复的参数调试流程在测试过程中全部由程序控制，自动完成。
95.采用本技术方案后，使得整个开发流程更加简化，易于操作，也避免了现有方案需要不断重复测试分析过程可能产生的人为错误。
96.更进一步，采用本技术方案后，通过数据自动归档，也有效地提高了测试数据的管理效率和准确性，使得测试数据能够在将来的开发中可以被再次挖掘利用，成为有价值的数字资产。
97.整体而言，采用本技术方案可以提高组合惯导产品的开发效率，缩短产品开发时间，节省开发费用。
98.实施例：
99.根据具体所开发的组合导航设备以及选用的融合算法，每个步骤的具体实施方法会需要做出相匹配的调整。
100.例如在开发组合导航的产品第一代原型时，研发人员采用了卡尔曼滤波作为融合算法，其具体应用的实施步骤如下：
101.a.采用前述a步骤中的描述，按照图3的模块构成及连接关系，对惯性测量设备进行静态误差测量及试验设备装车准备；
102.b.使用随机小数生成卡尔曼滤波的协方差矩阵；计算惯性测量单元的静态误差的方差，并作为初始数据填入协方差矩阵的相应位置；
103.c.选择卫星信号良好的路段开始行驶测试；
104.d.对传感器信号进行本地处理：
105.i.该组合导航采用了6轴惯性测量单元，因此只需处理加速度计及陀螺仪的测量数据，使用标准算法的出车头方向、行驶速度及相对位置；
106.ii.该组合导航从车载网络中可获得车速、方向盘操作角度、车前轮左右轮速，共计4个信号，根据车辆动力学标准模型可计算出车头方向、行驶速度及相对位置；
107.i.将前两步中的计算结果输入卡尔曼滤波器中，获得融合后的车头方向、行驶速度及相对位置信息；
108.ii.通过高精度卫星差分信号计算出车辆行驶方向，行驶速度及定位精确的参考量；
109.e.通过对比卫星差分信号，计算车头方向、行驶速度及相对位置不同结果的相应误差；
110.f.将各个信号源的原始数据按照50hz的采样频率进行重采样。然后将处理后的原始数据及误差数据通过数据传输单元上传到云端服务器；在标注好试验名称及备试样机后，记录到数据库中；
111.g.在服务器端计算通过惯性测量单元以及车载信号推算结果误差的方差和协方差，并更新卡尔曼滤波的协方差矩阵；并重复d及其之后步骤；
112.上述为采用卡尔曼滤波为融合算法时，本专利所述汽车组合导航设备的具体参数在线自动调优过程。
113.采用常用的人工调参方法，一般需要4到5次测试，分析、调整卡尔曼滤波参数的迭代，才能达到相对稳定的设定，一般需要2到3天的工作时间来完成。
114.而采用本发明所述的技术方案，在完成车载测试设备安装后，只需驾驶车辆在选定路段行驶1小时左右便可获得稳定结果。整个过程只需3至4小时的工作时间。
115.在采用同样设备的测试环境中，两种方法获得的滤波参数都达到了3西格玛2米以内误差的预测结果。从结果精度来看，两者差别不大，但是整体上本发明技术方案的分析、调试工作效率更高。
116.本发明的技术方案，从实际出发，考虑到开发中具体遇到的困难，大幅减少了重复性高，易发生人为错误的工作，极大的简化了测试及核心算法的参数迭代调优过程，提高了组合惯导系统开发的效率，使得开发人员能够有更多精力专注在算法优化及产品功能提升上，并可明显节省开发费用。
117.本发明可广泛用于汽车组合导航设备的调试和测试领域。