[发明专利]基于四轮独立驱动且结合IMU的里程推算方法

说明书

本发明涉及四轮独立驱动无人车的定位技术领域，更具体地，涉及基于四轮独立驱动且结合IMU的里程推算方法。为了无人车能够在有限的时间和资源上进行定位和导航，本发明利用了四个轮毂电机编码器回传到上位机的里程数据以及轮胎转角数据，并且读取IMU的陀螺仪数据然后计算出欧拉角，通过建立小车运动学模型，计算后获得无人车的局部定位信息。在传统的里程推算中，往往只用到了一个IMU所得到的加速计数据积分后所得到的局部定位信息，但随着时间的推移，这种方法会有累积误差，精度很低。因此对无人车进行动力学建模，然后结合IMU中的航向角来进行定位和导航，得到了短时间内得到高精度的定位信息。

技术领域

本发明涉及四轮独立驱动无人车的定位技术领域，更具体地，涉及基于四轮独立驱动且结合IMU的里程推算方法。

背景技术

在现代的无人车中，定位是必不可少的一个技术部分。要实现自动驾驶，或者说自动导航，无人车需要获得精准的定位，才能够精准地导航。犹如人行走，必须知道自己的位置和方向，才能够知道要往哪里去。现有的定位技术有许多种，有单点GPS定位，有差分GPS定位，有激光雷达定位，还有用计算机视觉的方法来定位。

每种定位技术都有各自的优缺点，例如：单点GPS依靠卫星的数量来衡量定位的质量；差分GPS需要两个站来维持分米乃至厘米级的定位，往往来说，需要基站和移动站收发信号的稳定才能保证质量，而且信号的传输往往带来技术成本的增加；激光雷达定位，需要很大的运算量来计算点云匹配，而且定位效果往往不佳；计算机视觉的定位方法十分依赖摄像头的质量，还有光线的限制，等等。

往往单靠一种技术是不够得到鲁棒性强的定位效果，需要融合多种传感器设备数据。本发明正是为了弥补上述定位技术的短板，能够在短时间获得精确的定位效果。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷，提供基于四轮独立驱动且结合IMU的里程推算方法，基于四轮独立驱动的无人车，结合了IMU(惯性测量单元)的里程推算算法。本发明建立了小车的运动模型，并融合了IMU的陀螺仪数据，得到了鲁棒性好的里程推算算法，能够在一定时间内获得精度高的定位。

本发明的技术方案是：基于四轮独立驱动且结合IMU的里程推算方法，其中，

包括处理下位机反馈数据、姿态解算、融合数据得出位置信息等三个部分，

处理下位机反馈数据基于下位机反馈的数据分别有四个轮子的里程计读数和两个前轮的转角读数，先进行滤波处理，然后根据小车运动学模型，求得相对位移差与航向角差；

姿态解算基于IMU所读出来的陀螺仪角速度，先通过滤波处理，然后去除零偏，积分得到航向角差；

融合数据的位置信息基于前面两个部分得到位移差和航向角差，对上一次的位置和航向角，投影和积分得到新的位置和航向角。

下位机反馈的数据会由于传输噪声以及本身的误差，存在突变和噪声，因此需要经过滤波处理。建立小车运动学模型是关键一步，根据模型，由滤波后的里程计读数和前轮转角读数求得局部的位移差和航向角差。由于环境要求，磁力计无法生效，因此无法用磁力计作为观测值，要求得相对稳定的航向角，需要融合小车运动模型求得的航向角和陀螺仪求得的航向角。前面步骤所求出来得位移差和航向角差都是局部的、相对的，需要投影到全局坐标下，和上一时刻的位置积分就会得到当前时刻下的全局坐标。

具体的，

(1)首先按照一定的读取频率，读取下位机传来的四轮里程计数据和前两轮转角数据，然后经过滤波处理，得到真值；然后根据小车的运动模型，输入滤波处理之后的四轮里程数和前两轮转角数据，计算得到相对坐标下的位移差和航向角差。

(2)读取IMU的陀螺仪角速度，初始化时去除零偏，根据前后时间戳求得航向角差。