專利名稱：基于衛(wèi)星定位數據和車輛傳感器數據的車輛導航的制作方法
技術領域：
本申請案涉及ー種用于車輛導航的方法及一種對應的導航系統(tǒng)。
背景技術：
在車輛導航中，根據衛(wèi)星定位數據來確定車輛位置是已知的。例如，可以從全球定位系統(tǒng)(GPS)或其它基于衛(wèi)星的定位系統(tǒng)的衛(wèi)星定位信號來得到此類衛(wèi)星定位數據。另外，使用慣性導航系統(tǒng)來確定車輛位置也是已知的。例如，如果衛(wèi)星定位信號不能被接收(如處于隧道或其它建筑物中)，那么慣性導航系統(tǒng)的使用可能是有用的。此外，將衛(wèi)星定位數據與慣性導航系統(tǒng)的測量值組合以進而來改善位置估計的準確性也是可能的。例如，可使用對應設計的卡爾曼濾波器使衛(wèi)星定位數據與慣性導航系統(tǒng)的測量值相組合。然而，使用衛(wèi)星定位數據和慣性導航系統(tǒng)的測量值兩者實施車輛位置估計可能需要使用相當復雜的卡爾曼濾波器來使衛(wèi)星定位數據與慣性導航系統(tǒng)的測量值相組合。因此，需要允許使用衛(wèi)星導航數據來有效地改善位置估計準確性的技木。

發(fā)明內容
根據ー個實施方案，提供ー種用于車輛導航的方法。所述方法包括從車輛的衛(wèi)星定位裝置(例如GPS接收器)獲得衛(wèi)星定位數據。此外，所述方法包括從車輛的若干傳感器獲得車輛傳感器數據。例如，此類傳感器可以是測量車輛速度的測速儀和/或測量車輛偏航角速度的陀螺儀傳感器。此外，車輛傳感器數據也可以包括例如由車輛的動カ轉向控制器測量的車輛的轉向角。所述方法進ー步包括通過卡爾曼濾波器使衛(wèi)星定位數據與車輛傳感器數據相組合來獲得組合的車輛狀態(tài)向量估計。通常，所述組合的狀態(tài)向量估計將包括例如由地理坐標界定的車輛的位置，以及車輛的速度。根據所述方法，卡爾曼濾波器包括第一濾波器、第二濾波器以及第三濾波器。第一濾波器接收衛(wèi)星定位數據，并且產生車輛的第一狀態(tài)向量估計和對應的第一狀態(tài)誤差協方差矩陣。第二濾波器接收車輛傳感器數據，并且產生車輛的第二狀態(tài)向量估計和對應的第ニ狀態(tài)誤差協方差矩陣。第三濾波器接收第一狀態(tài)向量估計、第一狀態(tài)誤差協方差矩陣、第ニ狀態(tài)向量估計和第二狀態(tài)誤差協方差矩陣，并且產生組合的狀態(tài)向量估計和對應的組合的狀態(tài)誤差協方差矩陣。所述第三濾波器包括預測處理器，所述預測處理器基于組合的狀態(tài)向量估計產生預測狀態(tài)向量估計，并且基于組合的狀態(tài)誤差協方差矩陣產生預測狀態(tài)誤差協方差矩陣。預測狀態(tài)向量估計和預測狀態(tài)誤差協方差矩陣可以應用于如卡爾曼濾波器的下一次迭代所預期的車輛的未來狀態(tài)。預測狀態(tài)向量估計和預測狀態(tài)誤差協方差矩陣被反饋至第一濾波器、第二濾波器和第三濾波器。在第一濾波器中，第一狀態(tài)向量估計可以因此通過用所接收的衛(wèi)星定位數據更新反饋回來的預測狀態(tài)向量估計來確定。此外，第一狀態(tài)誤差協方差矩陣可以基于反饋回來的預測誤差協方差矩陣和衛(wèi)星定位數據的測量誤差協方差矩陣來確定。
在第二濾波器中，第二狀態(tài)向量估計可以通過用所接收的衛(wèi)星定位數據更新反饋回來的預測狀態(tài)向量估計來確定。此外，第二狀態(tài)誤差協方差矩陣可以基于反饋回來的預測狀態(tài)誤差協方差矩陣和車輛傳感器數據的測量誤差協方差矩陣來確定。在第三濾波器中，組合的狀態(tài)誤差協方差矩陣可以基于反饋回來的預測狀態(tài)誤差協方差矩陣來確定。此外，組合的狀態(tài)向量估計可以基于反饋回來的預測狀態(tài)向量估計和反饋回來的預測狀態(tài)誤差協方差矩陣來確定。第三濾波器的預測處理器可以基于帶有線性狀態(tài)轉換矩陣的狀態(tài)轉換模型。根據另ー個實施方案，提供用于車輛的導航系統(tǒng)。所述導航系統(tǒng)包括被配置成獲得衛(wèi)星定位數據的衛(wèi)星定位裝置，例如GPS接收器。此外，所述導航系統(tǒng)包括卡爾曼濾波器。卡爾曼濾波器被配置成通過使衛(wèi)星定位數據和從車輛的若干車輛傳感器接收的車輛傳感器數據組合來獲得車輛的組合的狀態(tài)向量估計。所述卡爾曼濾波器包括第一濾波器、第ニ濾波器、第三濾波器以及反饋裝置。第一濾波器被配置成接收衛(wèi)星定位數據，并且產生車輛的第一狀態(tài)向量估計和對應的第一狀態(tài)誤差協方差矩陣。第二濾波器被配置成接收車輛傳感器數據，并且產生車輛的第二狀態(tài)向量估計和對應的第二狀態(tài)誤差協方差矩陣。第三濾波器被配置成接收第一狀態(tài)向量估計、第一狀態(tài)誤差協方差矩陣、第二狀態(tài)向量估計和第二狀態(tài)誤差協方差矩陣，并且產生組合的狀態(tài)向量估計和對應的組合的狀態(tài)誤差協方差矩陣。所述第三濾波器包括預測處理器，所述預測處理器被配置成基于組合的狀態(tài)向量估計產生預測狀態(tài)向量估計，并且基于組合的狀態(tài)誤差協方差矩陣產生預測狀態(tài)誤差協方差矩陣。預測狀態(tài)向量估計和預測狀態(tài)誤差協方差矩陣可以應用于如卡爾曼濾波器的下一次迭代所預期的車輛的未來狀態(tài)?？柭鼮V波器的反饋裝置被配置成將預測狀態(tài)向量估計和預測狀態(tài)誤差協方差矩陣反饋至第一濾波器、第二濾波器和第三濾波器。導航系統(tǒng)可以被配置成根據以上所述的方法來執(zhí)行。根據另ー個實施方案，提供車輛。所述車輛包括如上所述的導航系統(tǒng)；以及被配置成提供車輛傳感器數據的若干車輛傳感器，例如被配置成測量車輛速度的測速儀、被配置成測量車輛偏航角速度的陀螺儀傳感器，和/或被配置成測量車輛轉向角的車輛動カ轉向控制器。在以上實施方案中，基于衛(wèi)星定位數據的定位準確性可以通過使衛(wèi)星定位數據與車輛傳感器數據相組合而得到有效地改善。有可能重新使用由現有車輛傳感器(例如測速儀，或者在動カ轉向控制器中提供的用于測量轉向盤角的傳感器)提供的車輛傳感器數據。另外，可以使用簡單的陀螺儀傳感器，例如用于測量偏航角速度的陀螺儀傳感器。卡爾曼濾波器的結構允許有效地組合衛(wèi)星定位數據與車輛傳感器數據。具體來說，第一濾波器和第二濾波器不需要實施為預測未來狀態(tài)向量和對應的狀態(tài)誤差協方差矩陣的完整卡爾曼濾波器。另外，從第三濾波器到第一濾波器、第二濾波器以及第三濾波器的預測狀態(tài)向量估計和預測狀態(tài)誤差協方差矩陣的反饋允許獲得組合的狀態(tài)向量估計的全局最優(yōu)值。從結合附圖進行的實施方案的以下詳細描述將顯而易見另ー些實施方案及其特征和伴隨的優(yōu)點。


圖I是示出根據本發(fā)明的一個實施方案的帶有導航系統(tǒng)的車輛的示意框圖。
圖2展示用于示出根據本發(fā)明的一個實施方案的方法的流程圖。圖3示意性地示出根據本發(fā)明的一個實施方案的卡爾曼濾波器。圖4示意性地示出根據本發(fā)明的一個實施方案的導航系統(tǒng)的示例性實施。·
具體實施例方式以下將參閱附圖描述本發(fā)明的實施方案。應注意，本文描述的不同實施方案的特征在適當時可以彼此組合。圖I示意性地示出根據本發(fā)明的一個實施方案的帶有導航系統(tǒng)20的車輛10。如所示，導航系統(tǒng)20包括衛(wèi)星定位裝置30，例如GPS接收器、卡爾曼濾波器40以及導航引擎50。車輛10進ー步包括若干車輛傳感器60，車輛傳感器60在所示出的實施例中為測速儀62、陀螺儀傳感器64和動カ轉向控制器66的轉向角傳感器。衛(wèi)星定位裝置30被配置成獲得衛(wèi)星定位數據。例如，衛(wèi)星定位裝置30可以評估衛(wèi)星定位信號以便測量車輛的坐標、車輛的速度和/或車輛的方位角。這些測量值可以按位置向量和速度向量的形式表示在衛(wèi)星定位數據中。車輛傳感器被配置成獲得與車輛10的運動狀態(tài)有關的各種測量值。例如，測速儀62可以被配置成測量車輛的速度。陀螺儀傳感器64可以被配置成測量車輛10的偏航角速度。此外，動カ轉向控制器66的轉向角傳感器可以被配置成測量與車輛10的方位角有關的車輛10的轉向角。如圖I進ー步所示，卡爾曼濾波器40接收來自衛(wèi)星定位裝置30的衛(wèi)星定位數據，并且進一步接收來自車輛傳感器60的車輛傳感器數據?？柭鼮V波器40的目的在于使衛(wèi)星定位數據與車輛傳感器數據相組合以獲得車輛10的組合的狀態(tài)向量估計。如圖I所示，由卡爾曼濾波器40獲得的組合的狀態(tài)向量估計可以供應至導航系統(tǒng)20的導航引擎50。導航引擎50可以例如使用組合的狀態(tài)向量估計來向駕駛者顯示車輛10的位置、計算從車輛10目前的位置到希望目的地的路線或其它導航相關目的。因為組合的狀態(tài)向量估計是基于衛(wèi)星定位數據和車輛傳感器數據兩者，與単獨基于衛(wèi)星定位數據的狀態(tài)向量估計相比改善了準確性。圖2示意性地示出根據本發(fā)明的一個實施方案的車輛導航的方法。例如，所述方法可以在如圖I所示的導航系統(tǒng)20中實施?；蛘?，所述方法也可以獨立實施或在其它系統(tǒng)中實施。在步驟210中，例如通過衛(wèi)星定位裝置，如圖I的衛(wèi)星定位裝置30，獲得衛(wèi)星定位數據。衛(wèi)星定位數據通常以地理坐標的形式表示車輛的位置，并且也可以按如速度向量的形式包括車輛的速度和航向。在步驟220中，獲得車輛傳感器數據。例如，車輛傳感器數據可以從如圖I所示的車輛傳感器獲得，例如從測速儀、陀螺儀傳感器或動カ轉向控制器的轉向角傳感器獲得。測速儀可以用來提供車輛的速度。陀螺儀傳感器可以用來測定車輛的偏航角速度。動カ轉向控制器的轉向角傳感器可以用來提供車輛的轉向角。在步驟230中，通過卡爾曼濾波器使車輛定位數據與車輛傳感器數據相組合。在圖I的導航系統(tǒng)20和圖2的方法中使用的卡爾曼濾波器包括第一濾波器、第二濾波器和第三濾波器。第一濾波器接收衛(wèi)星定位數據，并且產生車輛的第一狀態(tài)向量估計和對應的第一狀態(tài)誤差協方差矩陣。第二濾波器接收車輛傳感器數據，并且產生車輛的第ニ狀態(tài)向量估計和對應的第二狀態(tài)誤差協方差矩陣。第三濾波器接收第一狀態(tài)向量估計、第一狀態(tài)誤差協方差矩陣、第二狀態(tài)向量估計、第二狀態(tài)誤差協方差矩陣，并且自其產生組合的狀態(tài)向量估計和對應的組合的狀態(tài)誤差協方差矩陣。所述第三濾波器包括基于狀態(tài)轉換模型實施的預測處理器。預測處理器基于組合的狀態(tài)向量估計產生預測狀態(tài)向量估計。此外，預測處理器基于組合的狀態(tài)誤差協方差矩陣產生預測狀態(tài)誤差協方差矩陣。預測狀態(tài)向量估計和預測狀態(tài)誤差協方差矩陣被反饋至第一濾波器、第二濾波器和第三濾波器。相應地，在此卡爾曼濾波器中，第一濾波器可以通過用所接收的衛(wèi)星定位數據更新反饋回來的預測狀態(tài)向量估計來確定第一狀態(tài)向量估計。此外，第一濾波器可以基于反饋回來的預測狀態(tài)誤差協方差矩陣和衛(wèi)星定位數據的測量誤差協方差矩陣來確定第一狀態(tài)誤差協方差矩陣。類似地，第二濾波器可以通過用所接收的車輛傳感器數據更新反饋回來的預測狀態(tài)向量估計來確定第二狀態(tài)向量估計。此外，第二濾波器可以基于反饋回來的預測狀態(tài)誤差協方差矩陣和車輛傳感器數據的測量誤差協方差矩陣來確定第二狀態(tài)誤差協方差矩陣。第三濾波器可以基于反饋回來的預測狀態(tài)誤差協方差矩陣來確定組合的狀態(tài)誤差協方差矩陣。此外，第三濾波器可以基于反饋回來的預測狀態(tài)向量估計和反饋回來的預測狀態(tài)誤差協方差矩陣來確定組合的狀態(tài)向量估計。由預測處理器使用的狀態(tài)轉換模型可以基于線性狀態(tài)轉換矩陣。以下將進ー步解釋在圖I的導航系統(tǒng)20中使用的卡爾曼濾波器和圖2的車輛導航方法的進ー步細節(jié)。為了這些解釋，采用ー個狀態(tài)空間模型，該空間模型中的狀態(tài)向量給出如下
X1ズ2 X y 人 ⑴相應地,所述狀態(tài)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。所述狀態(tài)空間模型可以由以下連續(xù)形式表達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，矩陣F描述基于車輛運動物理模型的狀態(tài)向量的轉變。矩陣G描述由向量u表示的干擾的影響，且向量w描述噪音分量。從方程式(3)中可見，離散形式的狀態(tài)轉換矩陣可以寫為
9
權利要求
1.ー種用于車輛導航的方法，其包括 從車輛(10)的衛(wèi)星定位裝置(30)獲得衛(wèi)星定位數據； 從所述車輛(10)的多個傳感器￠0)獲得車輛傳感器數據；以及通過卡爾曼濾波器(40)使所述衛(wèi)星定位數據與所述車輛傳感器數據組合以獲得所述車輛的組合的狀態(tài)向量估計； 其中所述卡爾曼濾波器(40)包括 -第一濾波器(42)，其接收所述衛(wèi)星定位數據，并且產生所述車輛的第一狀態(tài)向量估計和對應的第一狀態(tài)誤差協方差矩陣； -第二濾波器(44)，其接收所述車輛傳感器數據，并且產生所述車輛的第二狀態(tài)向量估計和對應的第二狀態(tài)誤差協方差矩陣；以及 -第三濾波器(46)，其接收所述第一狀態(tài)向量估計、所述第一狀態(tài)誤差協方差矩陣、所述第二狀態(tài)向量估計和所述第二狀態(tài)誤差協方差矩陣，并且產生所述組合的狀態(tài)向量估計和對應的組合的狀態(tài)誤差協方差矩陣， 其中所述第三濾波器(46)包括預測處理器(48)，所述預測處理器(48)基于所述組合的狀態(tài)向量估計產生預測狀態(tài)向量估計，并且基于所述組合的狀態(tài)誤差協方差矩陣產生預測狀態(tài)誤差協方差矩陣，且 其中所述預測狀態(tài)向量估計和所述預測狀態(tài)誤差協方差矩陣被反饋至所述第一濾波器(42)、所述第二濾波器(44)和所述第三濾波器(46)。
2.根據權利要求I所述的方法， 其中所述車輛傳感器數據包括由所述車輛(10)的測速儀￠2)測量的速度。
3.根據權利要求I或2所述的方法， 其中所述車輛傳感器數據包括由所述車輛(10)的陀螺儀傳感器￠4)測量的偏航角速度。
4.根據前述權利要求中任一項所述的方法， 其中所述車輛傳感器數據包括所述車輛(10)的轉向角。
5.根據權利要求4所述的方法， 其中所述轉向角是由所述車輛(10)的動カ轉向控制器￠6)測量。
6.根據前述權利要求中任一項所述的方法， 其中所述第一濾波器(42)通過用所接收的衛(wèi)星定位數據更新所述反饋回來的預測狀態(tài)向量估計來確定所述第一狀態(tài)向量估計。
7.根據前述權利要求中任一項所述的方法， 其中所述第一濾波器(42)基于所述反饋回來的預測誤差協方差矩陣和所述衛(wèi)星定位數據的測量誤差協方差矩陣來確定所述第一狀態(tài)誤差協方差矩陣。
8.根據前述權利要求中任一項所述的方法， 其中所述第二濾波器(44)通過用所述所接收的車輛傳感器數據更新所述反饋回來的預測狀態(tài)向量估計來確定所述第ニ狀態(tài)向量估計。
9.根據前述權利要求中任一項所述的方法， 其中所述第二濾波器(46)基于所述反饋回來的預測狀態(tài)誤差協方差矩陣和所述車輛傳感器數據的測量誤差協方差矩陣來確定所述第二狀態(tài)誤差協方差矩陣。
10.根據前述權利要求中任一項所述的方法， 其中所述第三濾波器(46)基于所述反饋回來的預測狀態(tài)誤差協方差矩陣來確定所述組合的狀態(tài)誤差協方差矩陣。
11.根據前述權利要求中任一項所述的方法， 其中所述第三濾波器(46)基于所述反饋回來的預測狀態(tài)向量估計和所述反饋回來的預測狀態(tài)誤差協方差矩陣來確定所述組合的狀態(tài)向量估計。
12.根據前述權利要求中任一項所述的方法， 其中所述第三濾波器(46)的所述預測處理器(48)是基于具有線性狀態(tài)轉換矩陣的狀態(tài)轉換模型。
13.ー種用于車輛(10)的導航系統(tǒng)(20)，其包括 衛(wèi)星定位裝置(30)，其被配置成獲得衛(wèi)星定位數據；以及 卡爾曼濾波器(40)，其被配置成通過使所述衛(wèi)星定位數據與從所述車輛(10)的多個車輛傳感器￠0)接收的車輛傳感器數據相組合來獲得組合的狀態(tài)向量估計， 其中所述卡爾曼濾波器(40)包括 -第一濾波器(42)，其被配置成接收所述衛(wèi)星定位數據，并且產生所述車輛的第一狀態(tài)向量估計和對應的第一狀態(tài)誤差協方差矩陣； -第二濾波器(44)，其被配置成接收所述車輛傳感器數據，并且產生所述車輛的第二狀態(tài)向量估計和對應的第二狀態(tài)誤差協方差矩陣；以及 -第三濾波器(46)，其被配置成接收所述第一狀態(tài)向量估計、所述第一狀態(tài)誤差協方差矩陣、所述第二狀態(tài)向量估計和所述第二狀態(tài)誤差協方差矩陣，并且產生所述組合的狀態(tài)向量估計和對應的組合的狀態(tài)誤差協方差矩陣， 其中所述第三濾波器(46)包括預測處理器(48)，所述預測處理器(48)被配置成基于所述組合的狀態(tài)向量估計產生預測狀態(tài)向量估計，并且基于所述組合的狀態(tài)誤差協方差矩陣產生預測狀態(tài)誤差協方差矩陣，且 其中所述卡爾曼濾波器(40)包括反饋裝置，所述反饋裝置被配置成將所述預測狀態(tài)向量估計和所述預測狀態(tài)誤差協方差矩陣反饋至所述第一濾波器(42)、所述第二濾波器(44)和所述第三濾波器(46)。
14.根據權利要求13所述的導航系統(tǒng)， 其中所述車輛傳感器數據包括由所述車輛(10)的測速儀￠2)測量的速度。
15.根據權利要求13或14所述的導航系統(tǒng)， 其中所述車輛傳感器數據包括由所述車輛(10)的陀螺儀傳感器￠4)測量的偏航角速度。
16.根據權利要求13至15中任一項所述的導航系統(tǒng)， 其中所述車輛傳感器數據包括所述車輛(10)的轉向角。
17.根據權利要求16所述的導航系統(tǒng)， 其中所述轉向角是由所述車輛(10)的動カ轉向控制器￠6)測量。
18.根據權利要求13至17中任一項所述的導航系統(tǒng)， 其中所述第一濾波器(42)被配置成通過用所述所接收的衛(wèi)星定位數據更新所述反饋回來的預測狀態(tài)向量估計來確定所述第一狀態(tài)向量估計。
19.根據權利要求13至18中任一項所述的導航系統(tǒng)， 其中所述第一濾波器(42)被配置成基于所述反饋回來的預測誤差協方差矩陣和所述衛(wèi)星定位數據的測量誤差協方差矩陣來確定所述第一狀態(tài)誤差協方差矩陣。
20.根據權利要求13至19中任一項所述的導航系統(tǒng)， 其中所述第二濾波器(44)被配置成通過用所述所接收的車輛傳感器數據更新所述反饋回來的預測狀態(tài)向量估計來確定所述第二狀態(tài)向量估計。
21.根據權利要求13至20中任一項所述的導航系統(tǒng)， 其中所述第二濾波器(46)被配置成基于所述反饋回來的預測狀態(tài)誤差協方差矩陣和所述車輛傳感器數據的測量誤差協方差矩陣來確定所述第二狀態(tài)誤差協方差矩陣。
22.根據權利要求13至21中任一項所述的導航系統(tǒng)， 其中所述第三濾波器(46)被配置成基于所述反饋回來的預測狀態(tài)誤差協方差矩陣來確定所述組合的狀態(tài)誤差協方差矩陣。
23.根據權利要求13至22中任一項所述的導航系統(tǒng)， 其中所述第三濾波器(46)被配置成基于所述反饋回來的預測狀態(tài)向量估計和所述反饋回來的預測狀態(tài)誤差協方差矩陣來確定所述組合的狀態(tài)向量估計。
24.根據權利要求13至23中任一項所述的導航系統(tǒng)， 其中所述第三濾波器(46)的所述預測處理器(48)是基于帶有線性狀態(tài)轉換矩陣的狀態(tài)轉換模型。
25.—種包括導航系統(tǒng)和提供車輛傳感器數據的多個車輛傳感器的車輛，所述導航系統(tǒng)(20)包括 衛(wèi)星定位裝置(30)，其被配置成獲得衛(wèi)星定位數據；以及 卡爾曼濾波器(40)，其被配置成通過使所述衛(wèi)星定位數據與從所述車輛(10)的所述車輛傳感器￠0)接收的所述車輛傳感器數據相組合來獲得所述車輛的組合的狀態(tài)向量估計， 其中所述卡爾曼濾波器(40)包括 -第一濾波器(42)，其被配置成接收所述衛(wèi)星定位數據，并且產生所述車輛的第一狀態(tài)向量估計和對應的第一狀態(tài)誤差協方差矩陣； -第二濾波器(44)，其被配置成接收所述車輛傳感器數據，并且產生所述車輛的第二狀態(tài)向量估計和對應的第二狀態(tài)誤差協方差矩陣；以及 -第三濾波器(46)，其被配置成接收所述第一狀態(tài)向量估計、所述第一狀態(tài)誤差協方差矩陣、所述第二狀態(tài)向量估計和所述第二狀態(tài)誤差協方差矩陣，并且產生所述組合的狀態(tài)向量估計和對應的組合的狀態(tài)誤差協方差矩陣， 其中所述第三濾波器(46)包括預測處理器(48)，所述預測處理器(48)被配置成基于所述組合的狀態(tài)向量估計產生預測狀態(tài)向量估計，并且基于所述組合的狀態(tài)誤差協方差矩陣產生預測狀態(tài)誤差協方差矩陣，且 其中所述卡爾曼濾波器(40)包括反饋裝置，所述反饋裝置被配置成將所述預測狀態(tài)向量估計和所述預測狀態(tài)誤差協方差矩陣反饋至所述第一濾波器(42)、所述第二濾波器(44)和所述第三濾波器(46)。
26.根據權利要求25所述的車輛，其中所述導航系統(tǒng)(20)是根據權利要求13至24中的任一項進行配置。
全文摘要
為改善基于衛(wèi)星定位數據的車輛導航的性能，使衛(wèi)星定位數據與車輛傳感器數據相組合。所述組合通過使用卡爾曼濾波器(40)來實現?？柭鼮V波器(40)包括接收衛(wèi)星定位數據的第一濾波器(42)、用于接收車輛傳感器數據的濾波器(44)。第一濾波器(42)產生車輛的第一狀態(tài)向量估計和對應的第一狀態(tài)誤差協方差矩陣。第二濾波器(44)產生車輛的第二狀態(tài)向量估計和對應的第二狀態(tài)誤差協方差矩陣。第三濾波器(46)接收來自第一和第二濾波器(42,44)的第一狀態(tài)向量估計、第一狀態(tài)誤差協方差矩陣、第二狀態(tài)向量估計和第二狀態(tài)誤差協方差矩陣，并且自其產生組合的狀態(tài)向量估計和對應的組合的狀態(tài)誤差協方差矩陣。此外，第三濾波器(46)包括預測處理器(48)，所述預測處理器(48)從所述組合的狀態(tài)向量估計和組合的狀態(tài)誤差協方差矩陣產生預測狀態(tài)向量估計和預測狀態(tài)誤差協方差矩陣。所述預測狀態(tài)向量估計和所述預測狀態(tài)誤差協方差矩陣被反饋至第一濾波器(42)、第二濾波器(44)和第三濾波器(46)。
文檔編號G01S19/48GK102914785SQ20121027456
公開日2013年2月6日 申請日期2012年8月3日 優(yōu)先權日2011年8月3日
發(fā)明者K.納特羅什韋利, C.布爾克勒 申請人:哈曼貝克自動系統(tǒng)股份有限公司