CN114167858B - 车辆的导航控制方法、装置、导航控制器和车辆控制系统 - Google Patents

Abstract

本发明提供了一种车辆的导航控制方法、装置、导航控制器和车辆控制系统，其中，该方法包括：获取惯性传感器输出的第一传感数据，将第一传感数据输入至预设的运动模型中，输出姿态预测数据，基于姿态预设数据更新运动模型的模型参数；获取第二传感数据，基于第二传感数据生成姿态参考数据；第二传感数据的数据频率低于第一传感数据的数据频率；将姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数。上述方式，对高频率的传感数据和低频率的传感数据分开处理，通过高频率的第一传感数据得到的姿态预测数据对运动模型的参数进行更新，避免采用低频率数据对运行模型进行更新导致的较高的控制误差，从而提高了车辆轨迹的控制精度。

Description

车辆的导航控制方法、装置、导航控制器和车辆控制系统

技术领域

本发明涉及自动驾驶技术领域，尤其是涉及一种车辆的导航控制方法、装置、导航控制器和车辆控制系统。

背景技术

在自动驾驶车辆中，车辆内的控制器通过多种传感器采集车辆的位置和运行状态等传感数据，对这些传感数据进行融合以及分析处理后，输出导航控制信号，进而控制车辆按照导航控制信号行驶。在上述过程中，不同传感器采集数据的频率不同，为了实现多种传感数据的融合，需要对高频率的传感数据进行下采样处理，从而降低高频率的传感数据的频率，但是该方式容易对运动模型造成破坏，从而引起较高的误差，对车辆轨迹的控制精度产生负面影响。

发明内容

有鉴于此，本发明的目的在于提供车辆的导航控制方法、装置、导航控制器和车辆控制系统，以避免采用低频率数据对运行模型进行更新导致的较高的控制误差，提高车辆轨迹的控制精度。

第一方面，本发明实施例提供了一种车辆的导航控制方法，该方法应用于车辆中的导航控制器；方法包括：获取惯性传感器输出的第一传感数据，将第一传感数据输入至预设的运动模型中，输出姿态预测数据，并基于姿态预设数据更新运动模型的模型参数；获取第二传感数据，基于第二传感数据生成姿态参考数据；其中，第二传感数据包括定位数据、雷达数据和线控数据；第二传感数据的数据频率低于第一传感数据的数据频率；将姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数。

上述姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数的步骤，包括：将姿态预测数据和姿态参考数据输入至预设的卡尔曼滤波器中，输出导航控制参数和卡尔曼增益值。

上述姿态预测数据和上述姿态参考数据输入至预设的卡尔曼滤波器中，输出导航控制参数和卡尔曼增益值的步骤之后，方法还包括：基于卡尔曼增益值对姿态预测数据进行修正处理，得到姿态修正数据；通过姿态修正数据更新运动模型中的误差状态。

上述姿态预测数据和上述姿态参考数据进行数据融合处理，得到导航控制参数的步骤，包括：对姿态预测数据进行下采样处理，以使姿态预测数据的数据频率与姿态参考数据的数据频率相同；将下采样处理后的姿态预测数据与姿态参考数据进行融合处理，得到导航控制参数。

上述导航控制器分别与车辆中的雷达传感器、线控驱动传感器和主控制器通信连接；上述方法还包括：基于预设的时钟同步协议，向雷达传感器、线控驱动传感器和主控制器方发送介质访问控制MAC层的时钟同步信号。

上述导航控制器与车辆中的主控制器通信连接；上述获取第二传感数据的步骤，包括：从主控制器的雷达驱动中获取雷达数据；其中，雷达数据包括车辆中的雷达在指定时刻的运动变化量；雷达数据通过雷达驱动对雷达采集的雷达点云数据进行解析处理和位姿运算得到；从主控制器的线控驱动中获取线控数据；其中，上述线控数据包括车辆的运行速度和转弯角度；线控数据通过线控驱动对上述车辆的车身底盘数据解析得到。

上述导航控制器与车辆中的主控制器通信连接；将姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数的步骤之后，还包括：将导航控制参数发送至主控制器的惯导融合驱动，以通过惯导融合驱动控制车辆的行驶状态；其中，导航控制参数包括：多个指定维度方向上的线加速度数据、角速度数据、位置数据和转角数据。

第二方面，本发明实施例提供了一种车辆的导航控制装置，该装置设置于车辆中的导航控制器；装置包括：第一数据处理模块，用于获取惯性传感器输出的第一传感数据，将第一传感数据输入至预设的运动模型中，输出姿态预测数据，并基于姿态预设数据更新运行模型的模型参数；第二数据处理模块，用于获取第二传感数据，基于第二传感数据生成姿态参考数据；其中，第二传感数据包括定位数据、雷达数据和线控数据；第二传感数据的数据频率低于第一传感数据的数据频率；数据融合模块，用于将姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数。

第三方面，本发明实施例提供了一种导航控制器，包括处理器和存储器，存储器存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述的车辆的导航控制方法。

第四方面，本发明实施例提供了一种车辆控制系统，包括上述的导航控制器、主控制器、惯性传感器、定位装置、雷达传感器和线控驱动传感器；其中，导航传感器分别与主控制器、惯性传感器、定位装置、雷达传感器和线控驱动传感器通信连接；主控制器分别与雷达传感器和线控驱动传感器通信连接。

第五方面，本发明实施例提供了一种机器可读存储介质，机器可读存储介质存储有机器可执行指令，机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现上述的车辆的导航控制方法。

本发明实施例带来了以下有益效果：

上述车辆的导航控制方法、装置、导航控制器和车辆控制系统，获取惯性传感器输出的第一传感数据，将第一传感数据输入至预设的运动模型中，输出姿态预测数据，并基于姿态预设数据更新运动模型的模型参数；获取第二传感数据，基于第二传感数据生成姿态参考数据；其中，第二传感数据包括定位数据、雷达数据和线控数据；第二传感数据的数据频率低于第一传感数据的数据频率；将姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数。该方法中，对高频率的传感数据和低频率的传感数据分开处理，通过高频率的第一传感数据得到的姿态预测数据对运动模型的参数进行更新，避免采用低频率数据对运行模型进行更新导致的较高的控制误差，从而提高了车辆轨迹的控制精度。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种适用于车辆的导航控制方法的场景示意图；

图2为本发明实施例提供的一种车辆的导航控制方法的流程图；

图3为本发明实施例提供的一种数据融合过程的示意图；

图4为本发明实施例提供的一种导航系统的通信数据传输的示意图；

图5为本发明实施例提供的一种时间同步通信层的示意图；

图6为本发明实施例提供的一种车辆的导航控制装置的示意图；

图7为本发明实施例提供的一种电子设备的结构示意图；

图8为本发明实施例提供的一种车辆控制系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

自动驾驶车辆的导航控制器作为自动驾驶的“大脑”端，需要利用安装于车辆上的多种传感器，实时感知周围环境，接收多种传感器返回的数据，对数据进行融合处理后，输出导航控制信号以控制车辆按照导航控制信号行驶，如图1所示，导航控制器分别与车辆中的惯性传感器、定位装置、雷达传感器、线控驱动传感器通信连接，导航控制器获取各类型传感器所采集的传感数据，并将这些传感数据进行融合处理，其中，惯性传感器通常由陀螺仪、加速器和算法处理单元等组成，用来检测和测量加速度、倾斜、冲击、振动、旋转和多自由度运动参数，通过惯性传感器数据可以获取车辆位置和姿态信息等，现有的惯性传感器包括MEMS(Micro-Electro-Mechanical System，微机电系统)惯性传感器、IMU(InertialMeasurement Unit，惯性测量单元)惯性传感器。定位装置包括卫星定位(GNSS)、地图匹配定位及多传感器融合定位等装置，用于定位经度、维度和高度，获取包括位置、速度和时间等信息。雷达传感器(LiDAR)按照其工作工作波长可以分为米波雷达、分米波雷达、厘米波雷达、毫米波雷达、激光/红外雷达等，雷达传感器数据用来获取障碍物的距离、速度等，实现对障碍物识别、分类和跟踪。线控驱动传感器通过线控驱动(也可以称为轮速计)发送车身底盘的数据，其中包括了车辆运行状态，时速、挡位、转角等。需要说明的是，惯性传感器数据为高频率数据即前述第一传感数据，定位数据、雷达数据和线控数据频率低于惯性传感器数据频率属于为第二传感数据。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种车辆的导航控制方法进行详细介绍，如图2所示，该方法应用于车辆中的导航控制器；方法包括如下步骤：

步骤S202，获取惯性传感器输出的第一传感数据，将第一传感数据输入至预设的运动模型中，输出姿态预测数据，并基于姿态预测数据更新运动模型的模型参数；

导航控制器通过不同类型的传感器实时获取外部环境信息，建立外部环境模型，并经过预设的运动模型对车辆自身可能的行驶状态进行提前预测，以完成路径规划。因此，需要实时对运动模型参数进行更新，惯性传感器组成部分包括：陀螺仪、加速剂和算法处理单元，惯性导航传感器用于检测惯性数据，通过检测的惯性数据感知车辆的位姿，测量和输出车辆的加速度、倾斜、冲击、振动、旋转和多自由度运动信息。

相关技术中，不管是传统汽车还是自动驾驶汽车用的惯性传感器，其特点是更新频率高(可达100Hz以上)，因为具备高频输出的特性,通常会通过对惯性传感器数据进行滤波和内插实现下采样，以保证多个传感器的输出数据频率一致，实现数据融合，但是这种方法会间接地破坏了运动模型，导致累计误差的均方根(Root mean square error,简称RMSE)会与运动模型产生不一致，对轨迹精度和地图一致性带来负面的影响。

基于此，本步骤中惯性传感器输出的第一数据通过预设的运动模型处理后，输出姿态预测数据，基于姿态预测数据单独对运动模型中的参数进行更新，此过程中数据未经过下采样处理，缓解了现有技术中高频率的传感数据下采样处理后对运动模型的干扰，降低了对车辆轨迹精度和地图一致性的负面影响。

运动模型可以通过预积分模型实现，该模型的参数可以包括，世界坐标系参数、IMU机体坐标系参数、陀螺仪参数、加速度计参数等。

步骤S204，获取第二传感数据，基于第二传感数据生成姿态参考数据；其中，第二传感数据包括定位数据、雷达数据和线控数据；第二传感数据的数据频率低于第一传感数据的数据频率；

上述第二传感数据包括定位数据、雷达数据和线控数据，其中，定位数据涉及多种传感器类型和传感方式，例如包括全球卫星定位(GNSS)、惯性导航定位、地图匹配定位及多传感器融合定位等方式，GNSS定位技术结合了多套卫星导航定位技术发送导航信号，能为自动驾驶汽车提供需要的位置、速度和时间信息。

雷达传感器采集点云数据。车辆中可以安装多种雷达传感器，例如，激光雷达传感器和毫米波雷达传感器。雷达传感器采集点云数据后，发送至主单元中的雷达驱动。雷达驱动对雷达传感器的点云数据进行解析，得到雷达数据。如果雷达传感器包括多种，则分别对每种雷达传感器的点云数据进行解析，得到多个初始雷达数据，再对多个初始雷达数据进行求均值或其他处理，得到最终的雷达数据。车辆的导航控制器从主控制器的雷达驱动中获取雷达数据，该雷达数据包括车辆中的雷达在指定时刻的运动变化量；雷达数据通过雷达驱动对雷达采集的雷达点云数据进行解析处理和位姿运算得到。

线控驱动传感器采集车辆的车身底盘数据，该车身底盘数据主要用于指示车辆运行状态，线控驱动传感器将前述车身底盘数据发送至主单元中的线控驱动；该线控驱动用于解析前述车身底盘数据，得到车辆的运行速度、转弯角度、加速度、油门状态、制动状态、档位等运行状态数据。然后，车辆的导航控制器从主控制器的线控驱动(Drive-by-wire)中获取线控数据；这里的线控数据包括前述车辆的运行状态数据，例如，车辆的运行速度、转弯角度、加速度、油门状态、制动状态、档位等；线控数据通过线控驱动对车辆的车身底盘数据解析得到。

定位数据、雷达数据和线控数据等数据精度高，其精度可以达到厘米级，但是其采集频率比较低，一般为单位级别的赫兹，这些传感数据的数据频率比前述惯性传感器输出的第一传感数据的数据频率低。由于第二传感数据的数据频率低于第一传感数据的数据频率，基于此，姿态参考数据的数据频率也低于姿态预测数据的数据频率。

基于第二传感数据生成姿态参考数据，该姿态参考数据可以包括时速、挡位、转角、位置、距离等姿态信息与行驶信息。

步骤S206，将姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数。

将姿态预测数据和姿态参考数据进行数据融合处理，可以通过多种数据融合算法或模型实现。利用姿态预测数据和姿态参考数据，通过数据关联、相关和组合等方式以获得更加精确的定位，得到有说服力的、可实施的导航控制参数。

上述车辆的导航控制方法，获取惯性传感器输出的第一传感数据，将第一传感数据输入至预设的运动模型中，输出姿态预测数据，并基于姿态预设数据更新运动模型的模型参数；获取第二传感数据，基于第二传感数据生成姿态参考数据；其中，第二传感数据包括定位数据、雷达数据和线控数据；第二传感数据的数据频率低于第一传感数据的数据频率；将姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数。该方法中，对高频率的传感数据和低频率的传感数据分开处理，通过高频率的第一传感数据得到的姿态预测数据对运动模型的参数进行更新，避免采用低频率数据对运行模型进行更新导致的较高的控制误差，从而提高了车辆轨迹的控制精度。

下述实施例提供导航控制方法中数据融合过程的具体实现方式。

在本实施例中，通过卡尔曼滤波器实现数据融合。具体的，将姿态预测数据和姿态参考数据输入至预设的卡尔曼滤波器中，输出导航控制参数和卡尔曼增益值。基于卡尔曼增益值对姿态预测数据进行修正处理，得到姿态修正数据；通过姿态修正数据更新运动模型中的误差状态。

运动模型中的误差主要包括确定性误差和随机误差。其中，确定性误差可以预先标定，主要包括偏置误差、以及实际数值和传感器输出值之间的比值。随机误差主要包括高斯白噪声误差和随机游走误差。上述姿态修正数据主要用于更新上述确定性误差的误差值，以及随机误差的误差公式中的参数。

由于姿态预测数据由第一传感数据得到，姿态参考数据由第二传感数据得到，因此，姿态预测数据的数据频率高于姿态参考数据，为了实现融合，需要调整姿态预测数据的数据频率。具体的，对姿态预测数据进行下采样处理，以使姿态预测数据的数据频率与姿态参考数据的数据频率相同；将下采样处理后的姿态预测数据与姿态参考数据进行融合处理，得到导航控制参数。该导航控制参数包括：多个指定维度方向上的线加速度数据、角速度数据、位置数据和转角数据。

基于第一传感数据和第二传感数据得到的姿态预测数据和姿态参考数据，将下采样处理后的姿态预测数据与姿态参考数据输入至预设的卡尔曼滤波器中，输出导航控制参数和卡尔曼增益值。导航控制器将导航控制参数发送至主控制器的惯导融合驱动，以通过惯导融合驱动控制车辆的行驶状态。卡尔曼增益值用于对姿态预测数据进行修正处理，得到姿态修正数据，更新运动模型中的误差状态。

为了便于理解，图3示出了一种实施例中数据融合过程的算法步骤示意图。从惯性传感器发出的高频率的惯性传感数据输送至预设的运动模型中，通过运动模型对汽车自身行驶运动状态进行预测，输出车辆的加速度、倾斜、冲击、振动、旋转和多自由度运动信息等姿态预测数据，基于姿态预测数据单独对运动模型中的参数进行更新。

从定位装置(如GPS全球卫星定位)、雷达传感器、轮速计获得的传感器数据属于低频率传感数据，提供准确可靠的时速、挡位、转角、位置、距离等姿态与行驶信息，整合为姿态参考信息。为保证多个传感器的输出数据频率一致，姿态预测数据下采样处理更新待估计量，与姿态参考数据在预设的卡尔曼滤波器(简称EKF)中进行数据融合，输出导航控制参数和卡尔曼增益值，基于卡尔曼增益值对姿态预测数据进行修正处理，得到姿态修正数据，通过姿态修正数据更新运动模型中的误差状态。导航控制参数发送至主控制器的惯导融合驱动，通过惯导融合驱动控制车辆的行驶状态。

采用上述数据融合的优势包括：其一，误差不相关性，用于数据融合的传感器其中单个传感器测量失败(可能由于使用场景受限、电子故障等等)，不会导致其它传感器由于相同的原因而同时失败；其二，传感器的相互补充性，比如惯性传感数据可以填充雷达传感器多次定位间隔期间的定位输出，用于平滑雷达传感器的定位结果；雷达传感器为惯性传感数据提供初值，消除惯性传感数据单独使用过程中出现的积分偏移问题；雷达传感器可以弥补定位精度的问题，而定位装置可以为雷达传感器定位地图匹配提供地图范围数据。

上述数据融合过程中区分开了高频率和低频率的传感器数据，基于姿态预测数据单独对运动模型中的参数进行更新，此过程中数据未经过下采样处理，缓解了现有技术中高频率的传感数据下采样处理后对运动模型的干扰，降低了对车辆轨迹精度和地图一致性的负面影响。

下述实施例提供导航控制方法中数据融合过程的另一种实现方式。

导航控制器分别与车辆中的雷达传感器、线控驱动传感器和主控制器通信连接；从主控制器的雷达驱动中获取雷达数据；其中雷达数据包括车辆中的雷达在指定时刻的运动变化量；该雷达数据通过雷达驱动对雷达采集的雷达点云数据进行解析处理和位姿运算得到；从主控制器的线控驱动中获取线控数据；该线控数据包括车辆的运行速度和转弯角度；线控数据通过线控驱动对车辆的车身底盘数据解析得到。

基于传感器数据得到的姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数，该导航控制参数发送至主控制器的惯导融合驱动，通过惯导融合驱动控制车辆的行驶状态；其中，该导航控制参数包括：多个指定维度方向上的线加速度数据、角速度数据、位置数据和转角数据。数据传输过程中，导航控制器基于预设的时钟同步协议，向雷达传感器、线控驱动传感器和主控制器方发送介质访问控制MAC层的时钟同步信号。

图4示出了本发明实施例提供的一种导航系统的通信数据传输示意图，该方式中定位系统和惯性导航系统包括IMU惯性传感器、GPS(Global Positioning System，全球定位系统)定位装置、导航控制器模块，其中，天线(Antenna)与GPS定位装置通信连接辅助定位，IMU惯性传感器、GPS定位装置分别与导航控制器通信连接，可发送惯导传感数据(频率可以为200hz)及定位数据(频率可以为1hz)至导航控制器，该导航控制器包括最优时钟(PTP Grand Master)、扩展卡尔曼滤波器(EKF)软件程序，用于时间校准和数据融合，导航控制器分别与车辆中的雷达传感器、线控驱动传感器和主控制器通信连接，其中，导航控制器中的最优时钟模块向雷达传感器、线控驱动传感器、主控制器、IMU惯性传感器和GPS定位装置发送时钟同步信号，扩展卡尔曼滤波器软件程序基于IMU惯性传感器、GPS定位装置和主控制器中雷达驱动、线控驱动传输的数据进行数据融合处理。

主控制器即主单元或冗余单元高能计算机群，是汽车计算机控制系统，包括：系统时钟、雷达驱动、惯导融合驱动、计划与控制模块、线控驱动、总线网关模块。系统时钟用于同步外设部件；雷达驱动用于解析雷达传感器输送的雷达点云数据，同时向扩展卡尔曼滤波器发送雷达在每一时刻的运动变化量：旋转矩阵(R)、平移向量(t)，雷达驱动可适配多个厂家不同产品的一份驱动程式，完成雷达数据的解析与基础位姿运算。惯导驱动用于接收导航控制参数信息包括：三维方向上的线加速度(Ax,Ay,Az：)；三维方向上的角速度(Wx,Wy,Wz)；三维方向上的位置(z,y,z)；三维方向上的欧拉角转角(Pitch,Yaw,Roll)。

计划与控制模块，用于无人驾驶路线规划和控制相关；线控驱动模块接收来自线控驱动传感器通过轮编码器、总线网关输送的信息，用于解析车身底盘的数据，同时向EKF扩展卡尔曼滤波器发送以下数据，包括：车辆运行的速度(v)，车辆转弯角度(w)，均由线控驱动配合车身底盘数据计算得出。线控驱动可以适配多种不同的车型，根据不同车型的通讯协议异同，封装好对上层的数据描述。惯导融合驱动、计划与控制模块、线控驱动、总线网关模块依次双向传输数据，用于进行控制器之间数据交换。

时间校准对于各个传感器的数据融合至关重要。尤其是高频率数据和低频率数据的融合，只有按照最相近的时间进行对齐，才能将数据准确融合起来。数据传递过程中，基于预设的时钟同步协议，导航控制器中的PTP Grand Master最优时钟模块向雷达传感器、线控驱动传感器和主控制器方发送介质访问控制MAC层的时钟同步信号。

图5为本发明实施例提供的一种时间同步通信层的示意图，计算机之间通过物理接口收发器利用网络介质相连，计算机的五层网络通信为物理层、数据链路层、网络层、传输层、应用层。包括：物理接口收发器、媒体接入控制器、硬件中断、网络协议栈、应用等控件模块，同层之间相互通信，下层为上层提供服务。本实施例中为了追求更加高的实时性，使用到了MAC层的时钟，同步时间精确度可达纳秒级，使得数据在链路层就能完成时钟同步，实时性能有较大的提升。

通信模块数据传输中，传感器数据融合最重要的前提是时间校准(TemporalCalibration)，传统的方法中一般会使用PPS(Pulse Per Second，秒脉冲)来完成时钟同步，这种方法的优势在于实现简单，精度相对稳定，但是这种方法的劣势在于对GPS卫星信号稳定性的严重依赖，同时不能覆盖时钟跳变的问题，因此本实施例中提出了使用IEEE1588的协议替代传统使用的PPS来完成时间校准(Temporal Calibration)校准的工作，这种方法的优势在于灵活性极强，具备自由组网功能，链路的稳定性能够通过误差进行补偿，不受卫星信息质量影响(不使用原子时钟)。因此，能够稳定可靠地覆盖自动驾驶中的所有场景。

对应于上述方法实施例，参见图6所示，一种车辆的导航控制装置的示意图，该装置包括如下步骤：

第一数据处理模块602，用于获取惯性传感器输出的第一传感数据，将第一传感数据输入至预设的运动模型中，输出姿态预测数据，并基于姿态预设数据更新运行模型的模型参数；

第二数据处理模块604，用于获取第二传感数据，基于第二传感数据生成姿态参考数据；其中，第二传感数据包括定位数据、雷达数据和线控数据；第二传感数据的数据频率低于第一传感数据的数据频率；

数据融合模块606，用于将姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数。

上述确定一种车辆的导航控制装置，响应于车辆中的导航控制器；用于获取惯性传感器输出的第一传感数据，将第一传感数据输入至预设的运动模型中，输出姿态预测数据，并基于姿态预设数据更新运行模型的模型参数；用于获取第二传感数据，基于第二传感数据生成姿态参考数据；其中，第二传感数据包括定位数据、雷达数据和线控数据；第二传感数据的数据频率低于第一传感数据的数据频率；用于将姿态预测数据和姿态参考数据进行数据融合处理，得到导航控制参数，该方法中，对高频率的传感数据和低频率的传感数据分开处理，通过高频率的第一传感数据得到的姿态预测数据还用于对运动模型的参数进行更新，避免采用低频率数据对运行模型进行更新导致的较高的控制误差，从而提高了车辆轨迹的控制精度。

上述数据融合模块，还用于：将姿态预测数据和姿态参考数据输入至预设的卡尔曼滤波器中，输出导航控制参数和卡尔曼增益值。

上述装置还包括修正模块，用于：基于卡尔曼增益值对姿态预测数据进行修正处理，得到姿态修正数据；通过姿态修正数据更新运动模型中的误差状态。

上述数据融合模块，还用于：对姿态预测数据进行下采样处理，以使姿态预测数据的数据频率与姿态参考数据的数据频率相同；将下采样处理后的姿态预测数据与姿态参考数据进行融合处理，得到导航控制参数。

上述导航控制器分别与车辆中的雷达传感器、线控驱动传感器和主控制器通信连接；上述装置还包括同步模块，用于：基于预设的时钟同步协议，向雷达传感器、线控驱动传感器和主控制器方发送介质访问控制MAC层的时钟同步信号。

上述导航控制器与车辆中的主控制器通信连接；上述第二数据处理模块，还用于：从主控制器的雷达驱动中获取雷达数据；其中，雷达数据包括车辆中的雷达在指定时刻的运动变化量；雷达数据通过雷达驱动对雷达采集的雷达点云数据进行解析处理和位姿运算得到；从主控制器的线控驱动中获取线控数据；其中，上述线控数据包括车辆的运行速度和转弯角度；线控数据通过线控驱动对上述车辆的车身底盘数据解析得到。

上述导航控制器与车辆中的主控制器通信连接；上述装置还包括控制模块，用于：将航控制参数发送至主控制器的惯导融合驱动，以通过惯导融合驱动控制车辆的行驶状态；其中，导航控制参数包括：多个指定维度方向上的线加速度数据、角速度数据、位置数据和转角数据。

本发明实施例提供了一种导航控制器，包括处理器和存储器，存储器存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述的车辆的导航控制方法。

参见图7所示，该导航控制器包括处理器100和存储器101，该存储器101存储有能够被处理器100执行的机器可执行指令，该处理器100执行机器可执行指令以实现上述车辆的导航控制方法。

进一步地，图7所示的电子设备还包括总线102和通信接口103，处理器100、通信接口103和存储器101通过总线102连接。

其中，存储器101可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线102可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

处理器100可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器100可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器101，处理器100读取存储器101中的信息，结合其硬件完成前述实施例的方法的步骤。

本实施例还提供一种车辆控制系统，包括上述的导航控制器、主控制器、惯性传感器、定位装置、雷达传感器和线控驱动传感器；参见图8所示，导航传感器分别与主控制器、惯性传感器、定位装置、雷达传感器和线控驱动传感器通信连接；主控制器分别与雷达传感器和线控驱动传感器通信连接。

本实施例还提供一种机器可读存储介质，机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现上述的车辆的导航控制方法。

本发明实施例所提供的车辆的导航控制方法、装置、导航控制器和车辆控制系统，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种车辆的导航控制方法，其特征在于，所述方法应用于车辆中的导航控制器；所述方法包括：

获取惯性传感器输出的第一传感数据，将所述第一传感数据输入至预设的运动模型中，输出姿态预测数据，并基于所述姿态预测数据更新所述运动模型的模型参数；此过程中数据未经过下采样处理；其中，所述模型参数包括：世界坐标系参数、IMU机体坐标系参数、陀螺仪参数、加速度计参数；

获取第二传感数据，基于所述第二传感数据生成姿态参考数据；其中，所述第二传感数据包括定位数据、雷达数据和线控数据；所述第二传感数据的数据频率低于所述第一传感数据的数据频率；

将所述姿态预测数据和所述姿态参考数据进行数据融合处理，得到导航控制参数；

将所述姿态预测数据和所述姿态参考数据进行数据融合处理，得到导航控制参数的步骤，包括：

对所述姿态预测数据进行下采样处理，以使所述姿态预测数据的数据频率与所述姿态参考数据的数据频率相同；

将下采样处理后的所述姿态预测数据与所述姿态参考数据进行融合处理，得到导航控制参数。

2.根据权利要求1所述的方法，其特征在于，将所述姿态预测数据和所述姿态参考数据进行数据融合处理，得到导航控制参数的步骤，包括：

将所述姿态预测数据和所述姿态参考数据输入至预设的卡尔曼滤波器中，输出导航控制参数和卡尔曼增益值。

3.根据权利要求2所述的方法，其特征在于，将所述姿态预测数据和所述姿态参考数据输入至预设的卡尔曼滤波器中，输出导航控制参数和卡尔曼增益值的步骤之后，所述方法还包括：

基于所述卡尔曼增益值对所述姿态预测数据进行修正处理，得到姿态修正数据；

通过所述姿态修正数据更新所述运动模型中的误差状态。

4.根据权利要求1所述的方法，其特征在于，所述导航控制器分别与车辆中的雷达传感器、线控驱动传感器和主控制器通信连接；所述方法还包括：

基于预设的时钟同步协议，向所述雷达传感器、所述线控驱动传感器和所述主控制器方发送介质访问控制MAC层的时钟同步信号。

5.根据权利要求1所述的方法，其特征在于，所述导航控制器与车辆中的主控制器通信连接；所述获取第二传感数据的步骤，包括：

从所述主控制器的雷达驱动中获取所述雷达数据；其中，所述雷达数据包括所述车辆中的雷达在指定时刻的运动变化量；所述雷达数据通过所述雷达驱动对所述雷达采集的雷达点云数据进行解析处理和位姿运算得到；

从所述主控制器的线控驱动中获取所述线控数据；其中，所述线控数据包括所述车辆的运行速度和转弯角度；所述线控数据通过所述线控驱动对所述车辆的车身底盘数据解析得到。

6.根据权利要求1所述的方法，其特征在于，所述导航控制器与车辆中的主控制器通信连接；所述将所述姿态预测数据和所述姿态参考数据进行数据融合处理，得到导航控制参数的步骤之后，所述方法还包括：

将所述导航控制参数发送至所述主控制器的惯导融合驱动，以通过所述惯导融合驱动控制所述车辆的行驶状态；其中，所述导航控制参数包括：多个指定维度方向上的线加速度数据、角速度数据、位置数据和转角数据。

7.一种车辆的导航控制装置，其特征在于，所述装置设置于车辆中的导航控制器；所述装置包括：

第一数据处理模块，用于获取惯性传感器输出的第一传感数据，将所述第一传感数据输入至预设的运动模型中，输出姿态预测数据，并基于所述姿态预测数据更新所述运动模型的模型参数；此过程中数据未经过下采样处理；其中，所述模型参数包括：世界坐标系参数、IMU机体坐标系参数、陀螺仪参数、加速度计参数；

第二数据处理模块，用于获取第二传感数据，基于所述第二传感数据生成姿态参考数据；其中，所述第二传感数据包括定位数据、雷达数据和线控数据；所述第二传感数据的数据频率低于所述第一传感数据的数据频率；

数据融合模块，用于将所述姿态预测数据和所述姿态参考数据进行数据融合处理，得到导航控制参数；

数据融合模块，还用于对所述姿态预测数据进行下采样处理，以使所述姿态预测数据的数据频率与所述姿态参考数据的数据频率相同；将下采样处理后的所述姿态预测数据与所述姿态参考数据进行融合处理，得到导航控制参数。

8.一种导航控制器，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现权利要求1-6任一项所述的车辆的导航控制方法。

9.一种车辆控制系统，其特征在于，所述系统包括权利要求8所述的导航控制器，还包括主控制器、惯性传感器、定位装置、雷达传感器和线控驱动传感器；

其中，所述导航控制器分别与所述主控制器、所述惯性传感器、所述定位装置、所述雷达传感器和所述线控驱动传感器通信连接；所述主控制器分别与所述雷达传感器和所述线控驱动传感器通信连接。

10.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现权利要求1-6任一项所述的车辆的导航控制方法。

Images