[发明专利]一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法

说明书

技术领域

本发明涉及一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法，其目的在于为车辆组合导航与定位提供高精度、低成本、高实时性、适用范围广的车辆姿态角估计，属于汽车定位导航领域。

背景技术

智能交通系统(Intelligent Transportation Systems,ITS)日益受到欧洲、日本、美国等发达国家的重视并成为其研究热点。发展智能车辆及车辆自主行驶系统，通过提高车辆自身智能的方案是实现安全、高效的自主行驶的最佳选择。发展智能交通系统的一个重要基础是实时获取车辆准确可靠的定位信息。为了弥补GPS在天线受遮挡时无法进行定位的不足，发展GPS/INS组合导航系统受到了国内外学者的广泛关注。

由于道路纵向和横向坡度的存在以及车辆悬架的运动，导致陆地四轮车辆在行驶过程中会存在一定的侧倾角和俯仰角，其值一般较小，在很多情况下可以忽略不计。但是在GPS/INS组合导航系统中，侧倾角与俯仰角是进行航位推算的关键参数，不能将其忽略。这是由于陆地四轮车辆在行驶过程中，车辆的加速度一般远小于重力加速度，这样就会导致较小的侧倾角和俯仰角在测量纵向和横向加速度时也会产生较大的误差，这些误差随时间累积会导致推算速度和位置信息时产生更大的误差。所以，对侧倾角和俯仰角等姿态角进行准确实时的测量或估计是进行高精度GPS/INS组合导航定位的基础。

目前，基于惯性测量单元(IMU，Inertial Measurement Unit)的捷联导航技术已经发展的很成熟。一个IMU一般包含了三个单轴的加速度计和三个单轴的陀螺，这也导致其价格比较昂贵，特别是三个陀螺仪的价格。专利“一种基于递归最小二乘的车辆侧倾角与俯仰角估计方法”(公开号：CN103625475 A)提出了一种基于低成本MEMS(Micro-Electro-Mechanic System，微机电系统)传感器的车辆姿态角估算方法。该方法仅需两个MEMS加速度传感器，一个MEMS陀螺仪以及车速传感器即可完成车辆侧倾角与俯仰角的估计。但是该方法仅考虑路面横向坡度率与纵向坡度率小于20％的工况，此时俯仰角和侧倾角都较小，所以在估计过程中采用了约等于处理。但是在复杂道路环境下，路面的横向坡度率与纵向坡度率可能会达到30％。一些汽车试验场的特殊路段上，路面的横向坡度率与纵向坡度率甚至会达到55％。这些情况下，俯仰角和侧倾角较大，是不能进行约等于处理的，上述方法在实际应用过程中会受到限制。

为了解决上述技术在应用中的不足，本发明专利提出一种基于卡尔曼滤波的车辆俯仰角和侧倾角估算方法。卡尔曼滤波器是以最小均方差为准则的最优状态估计滤波器，它不需要储存过去的测量值，只根据当前的观测值和前一时刻的估计值进行递推计算，便可实现对实时信号的估计，具有数据存储量小、算法简便的特点。本发明方法可以用于在复杂工况下估计较大角度的俯仰角和侧倾角，适用范围更广，为车辆导航定位提供一种更可靠的姿态角估算方法。

发明内容

本发明的目的是克服现有技术的不足，提出一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法，该方法精度高、成本低、实时性好、适用范围广，能够满足车辆在复杂环境下的应用需求。

本发明采用的技术方案如下：一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法，其特征在于：本发明针对陆地行驶四轮车辆，建立符合其行驶特征的系统运动模型，进一步通过卡尔曼滤波算法实现对车辆侧倾角与俯仰角的实时、准确估计，可以用于在复杂道路环境下估计较大角度的俯仰角和侧倾角，且仅需低成本车载传感器，成本较低。具体步骤包括：

1)建立汽车行驶过程的系统运动模型。

忽略地球旋转速度，假设车辆的俯仰角速度、侧倾角速度与垂向速度均为零，则可建立车辆行驶过程的动力学方程：