[发明专利]载体的姿态数据的确定方法和装置

说明书

本发明公开了一种载体的姿态数据的确定方法和装置。其中，该方法包括：获取载体的惯性传感器输出的传感器数据；使用在李群上的扩展卡尔曼滤波器对传感器数据进行融合，得到载体的姿态数据，其中，扩展卡尔曼滤波器的状态变量和观测变量都是由旋转变换矩阵表示。本发明解决了相关技术中对载体的姿态数据的确定不准确的技术问题。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种载体的姿态数据的确定方法和装置。

背景技术

目前，在对载体的姿态进行测量时，将加速度值和磁场值作为扩展卡尔曼滤波(Extended Kalman Filter，简称为EKF)状态变量X和观测变量Z。例如，X＝(acce_x,acce_y,acce_z,mag_x,mag_y,mag_z)，为6维实数，其中，acce_x用于表示投影到x轴上的加速度，acce_y用于表示投影到y轴上的加速度，acce_z用于表示投影到z轴上的加速度，mag_x用于表示投影到x轴上的磁场值，mag_y用于表示投影到y轴上的磁场值，mag_z用于表示投影到z轴上的磁场值。自由度为计算某一统计量时，取值不受限制的变量个数，载体的姿态信息的自由度为3，但是X的最大秩为6，这将导致状态变量和观测变量的协方差不满秩，为奇异矩阵，导致对载体的姿态测量不准确，进而对载体的姿态数据的确定不准确。因此，将加速度值和磁场值作为扩展卡尔曼滤波不妥。

相关技术中还提供了另一种对载体的姿态进行测量的方法，使用欧拉角(α,β,γ)作为EKF的状态变量和观测变量。通过使用欧拉角(α,β,γ)作为状态变量可以解决协方差不满秩的问题，但是通过欧拉角描述姿态会存在不连续和万向节死锁(Gimbal Lock)的问题，导致对载体的姿态数据的确定不准确。

针对上述对载体的姿态数据的确定不准确的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种载体的姿态数据的确定方法和装置，以至少解决相关技术中对载体的姿态数据的确定不准确的技术问题。

根据本发明实施例的一个方面，提供了一种载体的姿态数据的确定方法。该载体的姿态数据的确定方法包括：获取载体的惯性传感器输出的传感器数据；使用在李群上的扩展卡尔曼滤波器对传感器数据进行融合，得到载体的姿态数据，其中，扩展卡尔曼滤波器的状态变量和观测变量都是由旋转变换矩阵表示。

根据本发明实施例的另一方面，还提供了一种载体的姿态数据的确定装置。载体的姿态数据的确定装置包括：获取单元，用于获取载体的惯性传感器输出的传感器数据；融合单元，用于使用在李群上的扩展卡尔曼滤波器对传感器数据进行融合，得到载体的姿态数据，其中，扩展卡尔曼滤波器的状态变量和观测变量都是由旋转变换矩阵表示。

在本发明实施例中，采用载体的姿态数据的确定方法，通过获取载体的惯性传感器输出的传感器数据；使用在李群上的扩展卡尔曼滤波器对传感器数据进行融合，得到载体的姿态数据，扩展卡尔曼滤波器的状态变量和观测变量都是由旋转变换矩阵表示，由于使用在李群上的扩展卡尔曼滤波器对传感器数据进行融合，得到载体的姿态数据，避免了使用加速度值和磁场值作为状态变量和观测变量，状态变量和观测变量的协方差矩阵不满秩的问题，以及避免了使用欧拉角作为状态变量和观测变量所导致的不连续和万向节死锁的问题，提高了对载体的姿态数据进行确定的准确性，进而解决了相关技术中对载体的姿态数据的确定不准确的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种载体的姿态数据的确定方法的硬件环境的示意图；