[发明专利]一种基于多传感器数据融合的小车实时姿态检测方法

说明书

本发明公开了隧道检测技术领域内的一种基于多传感器数据融合的小车实时姿态检测方法，包括以下步骤，（1）通过三轴加速度仪和三轴陀螺仪采样当前小车的实时检测数据；（2）采用卡尔曼滤波器对实时检测数据滤波；（3）计算当前小车的运动状态；（4）编码器采样并计算小车运动路程；（5）将上述数据作为神经网络输入，计算当前小车姿态；（6）相机采集图像并提取特征物轮廓；（7）根据特征物轮廓计算小车的实时姿态D；（8）根据D的数据，重新计算卡尔曼滤波器得更新值，并微调第（5）步的输出结果；使用本发明可提高检测精度。

技术领域

本发明属于隧道检测技术领域，特别涉及一种基于多传感器数据融合的小车实时姿态检测方法。

背景技术

随着城市化进程及城市的大规模发展，我国正加紧地铁建设以解决日益严重的交通堵塞问题。由于隧道规模的快速扩大，隧道检测工作量随之骤增，加上中国幅域辽阔，从东到西、从南到北的地质构造、自然环境差异巨大，周围环境的变化以及列车运行时的震动等各种因素的影响，地铁隧道会出现各种病害，在地铁施工和运营维护过程中，隧道检测车的姿态及里程检测是一项极其重要的工作。随着姿态检测车不断运动，实时姿态检测的误差值不断累积，造成计算结果在很短的时间内迅速发散。因此，对误差的校正是测量系统的关键。

现有技术中，实时姿态检测方法融合陀螺仪和加速度计传感器采集的数据来减小误差，以此来提高精度，但是随着时间的推移，误差值会不断累积，造成结果偏差较大，对最终的隧道测量产生影响。

发明内容

本发明的目的在于，克服现有技术中的不足之处，提供一种基于多传感器数据融合的小车实时姿态检测方法，解决了现有技术中测量误差大的技术难题，使用本发明检测误差小，检测更加稳定，检测精度更高。

本发明的目的是这样实现的：一种基于多传感器数据融合的小车实时姿态检测方法，包括以下步骤，

1前置步骤一，得到卡尔曼滤波器：

具体为，

(101)设置包括直线、转向的轨道，并在特定位置放置多个标志物；

(102)推动小车沿着轨道行走，标志物进入车载摄像机指定位置时，测量小车与起始点的直线距离，得到固定点与起始点间的路程序列r_i、图像序列f_i、位移序列与位置及方向序列

(103)根据摄像机采集的数据，确定小车是否在预设的固定点上，若在固定点，计算当前小车实时状态，然后转第(104)步；否则采集下一组数据，再次执行当前所在的第(103)步；

(104)初始化卡尔曼滤波器；

(105)根据测量数据，计算下一个位置的位移方位及所经历的路程及其误差协方差矩阵

(106)计算卡尔曼滤波器的增益更新值K_i；

(107)根据图像g_i中的特征物，计算当前小车位置，确定当前正处在哪一个固定点；

(108)根据第(102)步中采集的小车的方位、位移及经过的路程，向前推算误差协方差矩阵P_i；

(109)若所有数据尚未全部计算完成，则转第(105)步；否则得到可用的卡尔曼滤波器；

其中，r_i代表小车在固定点与起始点间运行路程在i时刻的值； f_i代表相机在i时刻拍摄的激光线图片；代表小车在i时刻的位移向量；代表小车在i时刻的位置及方向向量；

2前置步骤二，训练神经网络：

(201)设置包括直线、转向的轨道，并在特定位置放置多个标志物；