用于辅助车辆导航的方法与流程

本发明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。

背景技术：

1、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。

2、这些运动学变量例如是设备的位置、速度或方向。

3、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。

4、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。

5、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。

6、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。

7、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)：

8、

9、

10、

11、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：

12、

13、

14、

15、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：

16、

17、

18、

19、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。本发明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。

20、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。

21、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

1、本发明旨在克服上述缺点。

2、为此，根据第一方面，本发明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。

3、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。

4、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。

5、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。

6、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设备的旋转的矩阵相乘来确定当前方向矩阵；和/或，基于先前不确定性矩阵确定当前不确定性矩阵。

7、在一个实施例中，所述测量值是所述导航设备的位置的测量值，所述确定校正值包括：将当前位置矢量和位置的测量值相减，以及将相减后的值与所述增益矩阵相乘。

8、在一个实施例中，所述校正值是校正矢量，所述更新包括：通过将校正矢量的第一部分的旋转矩阵和当前方向矩阵相乘来更新当前方向矩阵的子步骤；通过将校正矢量的第一部分的旋转矩阵和当前速度矢量的乘积与校正矢量的第二部分相加来更新当前速度矢量的子步骤；和/或，通过将校正矢量的第一部分的旋转矩阵和当先前置矢量的乘积与校正矢量的第三部分相加来更新当前位置矢量的子步骤。

9、在一个实施例中，所述运动学变量的相应当前值是运动学变量的相应的第一当前值。所述运动学变量的相应先前值是所述运动学变量的相应的第一先前值。所述校正值是第一校正值。所述运动学变量之一的测量值是所述运动学变量之一的第一测量值。所述增益矩阵是第一增益矩阵。所述方法还包括：基于所述运动学变量的相应的第二先前值，确定导航设备的运动学变量的相应的第二当前值；以及，根据所述运动学变量的相应的第二当前值、运动学变量之一的第二测量值以及第二增益矩阵来确定第二校正值。所述方法还包括：基于所述第二校正值，更新所述运动学变量的相应的第二当前值。

10、在一个实施例中，所述方法还包括：根据所述运动学变量的相应的第一当前值和所述运动学变量的相应的第二当前值，确定运动学变量的相应合并值。

11、在一个实施例中，所述确定运动学变量的相应合并值包括：确定第一当前值和第二当前值之间的相似度。当所述相似度超过阈值时，所述确定包括：对第一当前值和第二当前值进行平均，或者对第一当前值和第二当前值进行加权平均，或者选择第一当前值或第二当前值。

12、本发明的另一方面涉及一种导航设备，包括：处理单元、三个加速度计、三个陀螺仪和所述导航设备的位置的测量设备。所述处理单元被配置为实现所述用于辅助导航的方法。

13、本发明的另一方面涉及一种计算机程序产品，包括：程序代码指令，其用于执行所述用于辅助导航的方法的步骤。