CN115451949B 一种基于车轮安装惯性测量单元的车辆定位方法 （南京邮电大学）

号LocalizationUsingaSingleWh一种基于车轮安装惯性测量单元的车辆定本发明公开了一种基于车轮安装惯性测量束构建状态方程和观测方程，利用卡尔曼滤波在车轮IMU对准阶段，获得IMU相对于车轮的初2步骤A1：采集车辆停止状态下预设时间段内惯性测量单元中三轴加速度计的输出数步骤A2：采集车辆行驶状态下预设时间段内三轴陀螺i为车轮角加速度；r为惯性测量单元中心与车轮速度在h系下的投影中z轴的输出数据；步骤C：基于已知的惯性测量单元安装参数，首先将预设各类型车轮参数、预设各类型车身姿态参数包含在状态量中，针对状态量，构建状态方程；将惯性测量单元的输出数据以及车身零水平角包含在观测量中，针对观测量惯性测量单元中三轴陀螺仪输出角速度在w系下的投影中z轴的输出数据；w系表示车轮3步骤A1：采集车辆停止状态下预设时间段内惯性测量单元中三轴加速度计的输出数步骤A2：采集车辆行驶状态下预设时间段内三轴;侧，y轴由右手坐标系规则确定；h系和w系均相对于车轮凝固；惯性测量单元坐标系为b系沿着该系j轴根据右手定则转动p所得坐标系到原坐标系的姿态变换矩阵，j表示x、y或表示惯性测量单元在系下的方位角。状态方程，获得采样时刻tk的状态量预测值；并基于采样时刻tk-1的状态误差协方差阵估计值以及状态方程获得采样时刻tk的状态误差协方差阵预测值；4p(t2)=p(te-1)+c%(tp)[o(a(t2)-a(tr-1))RO]'、偏心距r与惯性测量单元相对于：；：；;;5首先采集车辆停止状态下预设时间段内惯性测量单元中三轴陀螺状态方程，获得采样时刻tk的状态量预测值；并基于采样时刻tk-1的状态误差协方差阵估计值以及状态方程获得采样时刻tk的状态误差协方差阵预测值；;;;6;;位置p、速度v或加速度a为实测的惯性测量单元中三轴所述惯性测量单元安装参数包括惯性测量单元坐标系相对于车轮坐标系的姿态变换矩阵,以及惯性测量单元中心与车轮转轴之间的距离。7性测量单元(InitialMeasurementUnit，IMU)仅仅通过安装在车轮上便可等效于里程计散严重，针对该问题，文献[1]([1]CollinJ.MEMSIMUCarouselingforGround以避免的，它将等效为IMU的系统误差影响车辆方位估计精度。尤其在车辆运动速度较快时，安装误差将使得基于车轮安装IMU的车辆定位模型误差突显，进一步降低车辆定位精IMU相对于车轮的安装参数标定方法，对获得稳定的标定参数后的车辆定位未给出具体的[0005]本发明所要解决的技术问题是解决了IMU安装参数未知的问题，并且解决了基于89估计值以及状态方程获得采样时刻tk的状态误差协方差车辆位置偏心距r与惯性测量单元相对于车轮的安装姿态矩阵c"=rot(a,B)c⃞,其中R为车轮半径；返γ和ζθ均为预设观测噪声。态量构建状态方程；针对包含惯性测量单元输出数据和车身的惯性测量单元中三轴陀螺仪输出角速度在w系下的投影中z轴的输出数据；w系表示车轮估计值以及状态方程获得采样时刻tk的状态误差协方差[r00]T;P⃞,=[00R]T;ζθ均为预设观测噪声。坐标系相对于车轮坐标系的姿态变换矩阵C",以及惯性测量单元中心与车轮转轴之间的欧拉角算法获得惯性测量单元相对于车轮的初步安装姿态矩阵即h系相对于b系的姿态变换矩垂直于车轮转轴，且由车轮中心指向惯性测量单元中心，z轴沿车轮转轴方向指向车身左关参数包含在状态量中，将惯性测量单元的输出数据以及车身零水平角包含在观测量中，[0101]步骤B1：针对包含预设各类型车轮参数、预设各类型车身姿态参数和预设惯性测量单元安装相关参数的状态量，即状态量x=[adiBrVBVlT,构建状态方程；针对包含惯性测量单元输出数据以及车身零水平角的观测量，即观测量[0102]其中，预设各类型车轮参数包括车轮转角α,车轮角速度i,车轮角加速度ii;预设惯性测量单元安装相关参数包括惯性测量单元中心与车轮转轴之间的距离即偏心距r，以及];T例中的加速度计敏感中心)相重合的那一点(即牵-1)是利用上一状态预测的结果，X(tk-1|tk-1)是上一状态最优的结样时刻tk的状态量预测值；并基于采样时刻tk-1的状态误差协方差阵估计值以及状态方程雅克比矩阵获得采样时刻tk对应的状态误差协方差偏心距r与惯性测量单元相对于车轮的安装姿态矩阵CY=rot(a,B)C⃞,更新位置和IMU安装估计结果就趋于稳定。图5显示本实施例中车辆的定位结果，并和GPS/IMU组合导航系统态量构建状态方程；针对包括惯性测量单元输出数据以及车的惯性测量单元中三轴陀螺仪输出角速度在w系下的投影中z轴的输出数据；w系表示车轮[0151]本实施例中近似下面的等号成立9"=零均值高斯白噪声，与实施例一中相同；为加速度计的实际输出，其包含输出噪声；[0153]基于前面所述的卡尔曼滤波器更新状态过程，结合创建样时刻tk的状态量预测值；并基于采样时刻tk-1的状态误差协方差阵估计值以及状态方程雅克比矩阵获得采样时刻tk对应的状态误差协方差I