自动驾驶感知系统--惯性导航定位系统

这篇具有很好参考价值的文章主要介绍了自动驾驶感知系统--惯性导航定位系统。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

惯性导航定位

惯性是所有质量体本身的基本属性,所以建立在牛顿定律基础上的惯性导航系统(Inertial Navigation System,INS)(简称惯导系统)不与外界发生任何光电联系,仅靠系统本身就能对车辆进行连续的三维定位和三维定向。卫星导航作为定位方式又更新频率低的问题,只有10Hz左右,无法满足自动驾驶汽车的要求。因此,必须借助其他传感器和定位手段来共同增强定位的精度,惯性导航系统是其中最重要的部分。
惯性导航系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统。其主要由3个模块组成:惯性测量单元(Inertial Measurement Unit,IMU)、信号预处理单元和机械力学编排模块,如图所示:
自动驾驶感知系统--惯性导航定位系统,自动驾驶学习笔记,自动驾驶,人工智能,机器学习
一个IMU包括3个相互正交的单轴的加速度计(Accelerometer)和3个相互正交的单轴的陀螺仪(Gyroscopes),IMU结构如图所示。信号预处理部分对IMU输出信号进行信号调理、误差补偿,并检查输出量范围等,以使惯性传感器正常工作。
自动驾驶感知系统--惯性导航定位系统,自动驾驶学习笔记,自动驾驶,人工智能,机器学习

惯性导航系统原理

惯导系统以陀螺仪和加速度计为敏感元件,应用航迹推算法提供位置、速度和姿态等信息。汽车行驶数据的采集由以陀螺仪和加速度计组成的惯性测量单元来完成。
惯性导航系统原理基于牛顿第一运动定律,此定律说明了在没有受到外力的作用下,物体总是保持原有的运动状态。牛顿第二定律在INS中也有重要的作用,简单来说,牛顿第二定律说明了加速度的大小与作用力成正比,方向与作用力的方向相同,数学表达式为F=ma
惯导系统利用载体先前的位置、惯性传感器测量的加速度和角速度来确定其当前位置。给定初始条件,加速度经过一次积分得到速度,经过二次积分得到位移。相反,速度和加速度也可以通过对位移的微分估算得到,即
自动驾驶感知系统--惯性导航定位系统,自动驾驶学习笔记,自动驾驶,人工智能,机器学习
角速度经过处理后可以得出车辆的俯视、偏航、滚转等姿态信息,利用姿态信息可以把导航参数从载体坐标变换到当地水平坐标系中。
综上,惯性导航系统是一个由惯性传感器和积分器组成的积分系统。该系统通过加速度计测量车辆在惯性参考系中的加速度,通过陀螺仪测量载体的旋转运动,可以进行惯性坐标系到导航坐标系的转换,将角速度相对时间进行积分,结合车辆的初始运动状态(速度,位置),就能推算出车辆的位置和姿态信息。

惯性导航系统误差

惯性导航系统不与外界发生任何光电联系,仅靠系统本身就能对车辆进行连续的三维定位和定向。其通过在内部所感知的情况来推断外面的情况,使得惯性导航被称为“黑盒导航”,如图所示。惯性导航系统既有电子设备,又有机械结构,在外部冲击、振动等力学环境中存在很多误差源。误差又分为随机误差和固定误差。
自动驾驶感知系统--惯性导航定位系统,自动驾驶学习笔记,自动驾驶,人工智能,机器学习
1) 随机误差
传感器白噪声
传感器白噪声通常与电子噪声合在一起,可能是来自于电源、半导体设备内部噪声或数字化过程中的量化误差。
变温误差
传感器偏差的变温误差通常看上去类似时变的加性噪声源,是由外部环境温度变换或内部热分布变换引起的。
传感器随机游动噪声
在惯性传感器中,对随机游动噪声有具体要求,但大多数都针对其输出的积分,而不是输出本身。例如,来自陀螺仪的“角度随机游动”等同于角速度输出的白噪声。类似地,加速度计输出的白噪声积分等同于“速度随机游动”。随机游动噪声随着时间线性增大,其功率谱密度以自动驾驶感知系统--惯性导航定位系统,自动驾驶学习笔记,自动驾驶,人工智能,机器学习下降(即20dB /十倍频程)。
谐波噪声
由于热量传输延迟,所以温度控制方法(包括室内采暖通风与空调系统)经常引入循环误差,这些都可在传感器输出中引入谐波噪声,谐波周期取决于设备的尺寸大小。同样,主载体的悬挂和结构共振也引入了谐波加速度,它会对传感器中的加速度敏感误差源产生影响。
1/f 噪声
这种噪声的功率谱密度以1/f减小,其中f是频率。多数电子设备中都存在这种噪声。该噪声通常模型化为白噪声和随机游动噪声的某种组合。

2) 固定误差
与上面的随机误差不同,固定误差是可重复的传感器输出误差。图中给出了一些更为常用的传感器误差模型,包括:(a)偏差,即输入为零时传感器的任何非零的输出;(b)尺度因子误差,常常来自于制造偏差;©非线性,不同程度地存在于多种传感器中;(d)尺度因子符号不对称性,常常来自于不匹配的推挽式的放大器;(e)死区误差,通常由机械静摩擦力或死锁引起;(f)量化误差,这在所有数字系统中是固有的,由于它可能存在于标准化环境中,当输入不变时它的值可能是变换的。
自动驾驶感知系统--惯性导航定位系统,自动驾驶学习笔记,自动驾驶,人工智能,机器学习文章来源地址https://www.toymoban.com/news/detail-618061.html

到了这里,关于自动驾驶感知系统--惯性导航定位系统的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 自动驾驶:深度学习在计算机视觉和定位领域的应用

    自动驾驶技术是未来交通运输的关键技术之一,它旨在通过将计算机视觉、机器学习、传感器技术等多种技术整合,使汽车在特定条件下自主决策、自主行驶,实现无人驾驶。自动驾驶技术的发展将有助于减少交通事故、提高交通效率、减少气候变化等。 自动驾驶技术的主要

    2024年02月02日
    浏览(46)
  • 视觉惯性组合导航技术最新综述:应用优势、主要类别及一种视觉惯性组合导航无人系统开发验证平台分享

    导读: 随着无人机、无人车以及移动机器人的井喷式发展,导航技术成为了制约无人平台广泛应用的瓶颈技术之一。在应用需求的牵引下, 视觉惯性组合导航技术,特别是视觉与微惯性传感器的组合, 逐渐发展成为当前自主导航及机器人领域的研究热点。 Part1视觉惯性组合导

    2023年04月08日
    浏览(40)
  • 自动驾驶汽车关键技术_感知

    两套标准 分别由美国交通部下属的国家高速路安全管理局(NationalHighwayTraffic Safety Administration ,NHSTA) 和国际汽车工程师协会(Societyof Automotive Engineers,SAE) 制定的。 自动驾驶是一个由激光雷达(LiDAR) 、毫米波雷达(RADAR) 、摄像机(Camera ) 、全球定位系统(GPS 

    2024年04月10日
    浏览(85)
  • 自动驾驶感知——激光雷达物体检测算法

    输入 ❖ 点:X, Y, Z和反射强度R ❖ 点云:多个点的集合(无序的,非结构化的数据) 输出 ❖ 目标的类别和置信度 ❖ 目标的边框(BoundingBox) 中心点3D坐标,长宽高,旋转角度 ❖目标的其它信息 速度,加速度等 算法 ❖ 点云表示:点视图,俯视图,前视图     如下表所

    2024年02月06日
    浏览(93)
  • 【Apollo】自动驾驶感知——毫米波雷达

    作者简介: 辭七七,目前大一,正在学习C/C++,Java,Python等 作者主页: 七七的个人主页 文章收录专栏: 七七的闲谈 欢迎大家点赞 👍 收藏 ⭐ 加关注哦!💖💖 本文用于投稿于星火培训:报名链接 毫米波雷达分类毫米波雷达的信号频段毫米波雷达工作原理车载毫米波雷达

    2024年02月12日
    浏览(49)
  • 【自动驾驶】感知融合中的匹配算法

            匹配算法,就是说当前帧的感知上游输入过来的量测值如何与前一帧的track匹配起来。首先我们需要计算track与量测值之间的距离,然后通过一定的分配算法来找到每个track的最佳匹配。         距离度量是衡量两个目标相近的一种方式,有可能是2D的图像特征度量

    2023年04月08日
    浏览(41)
  • 自动驾驶感知传感器标定安装说明

    1. 概述 本标定程序为整合现开发的高速车所有标定模块,可实现相机内参标定和激光、相机、前向毫米波 至车辆后轴中心标定,标定参数串联传递并提供可视化工具验证各个模块标定精度。整体标定流程如下,标定顺序为下图前标0--1--2--3,相同编号标定顺序没有强制要求,

    2024年02月11日
    浏览(50)
  • 自动驾驶环境感知之激光雷达物体检测算法

    前言 :视觉感知包括二维和三维视觉感知,其最终目的是为了获取三维世界坐标系下感兴趣的目标和场景的信息。单目相机下,需要几何约束或者海量数据来学习,以此来推测三维信息。双目相机下,可基于立体视觉原理来计算目标的深度信息,但在光照条件比较差或者纹理

    2024年01月23日
    浏览(54)
  • 自动驾驶学习笔记(二十二)——自动泊车算法

    #Apollo开发者# 学习课程的传送门如下,当您也准备学习自动驾驶时,可以和我一同前往:  《自动驾驶新人之旅》免费课程— 传送门 《Apollo开放平台9.0专项技术公开课》免费报名—传送门 文章目录 前言 感知算法 定位算法 规划算法 控制算法 算法调试 总结         见《

    2024年02月03日
    浏览(52)
  • 自动驾驶感知——物体检测与跟踪算法|4D毫米波雷达

    DBSCAN: Density Based Spatial Clustering of Applications with Noise; DBSCAN是基于密度的聚类方法,对样本分布的适应能力比K-Means更好。 红色的点是核心对象 黑色的点是非核心对象 注意 :距离的度量不限于点的空间距离,还可以是其它点特征,比如速度、反射强度等 基本思路 假定类别可以

    2024年02月11日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包