确定交通工具本身位置的至少一个状态参量的方法和设备的制作方法

确定交通工具本身位置的至少一个状态参量的方法和设备的制作方法
【专利摘要】本发明涉及确定交通工具本身运动的状态参量的设备和方法，在第一方法部分中根据参数化估算模型和已知的经校正的状态参量估算至少一个估算状态参量，检测或确定基准参量，通过根据基准参量和不确定性参数校正估算状态参量而确定经校正的状态参量，根据估算状态参量重新确定参数化估算模型的模型参数和/或不确定性参数，在另一方法部分中根据参数化估算模型和已知的未经校正的状态参量估算估算状态参量，另一预测步骤中的估算根据参数化估算模型的在第一方法部分中重新确定的模型参数和/或重新确定的不确定性参数进行，将未经校正的状态参量确定为在另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为未经校正的状态参量。
【专利说明】确定交通工具本身位置的至少一个状态参量的方法和设备

【技术领域】
[0001]本发明涉及一种用于确定至少一个交通工具尤其是机动车的本身位置的至少一个状态参量的方法和设备。

【背景技术】
[0002]对于一系列交通工具信息系统和交通工具辅助系统中的应用，需要知道交通工具的本身位置。
[0003]本身运动例如可以根据车轮速度或者例如借助里程表确定。作为备选或补充，可以使用安装在交通工具内的惯性传感器，如加速度传感器或者角速度传感器，以便确定本身运动。同样可以利用代表交通工具辅助系统(如ESP、ASR)的干预的交通工具状态。
[0004]在已知的方法中，确定描述行驶状态的测量参数并且与运动模型相结合，由此可以计算或者估计交通工具运动和交通工具位置。作为运动模型例如使用交通工具的单车道和双车道模型，其中，根据行驶状态，例如根据速度，也可以使用不同的模型。
[0005]已知解决方案的缺点尤其在于检测交通工具状态的传感器的测量精度。这些传感器的输出信号中的误差也可能导致不准确性。因此例如由于检测交通工具运动方向时传感器信号中的漂移而产生了经常出现的问题，由此使(检测的)运动方向随着行驶时间或行驶路段的增加而偏离真正的运动方向，从而在本身位置确定过程中产生越来越大的误差。
[0006]传感器误差只能不利地通过使用高档的并且因此较贵的传感器和/或通过耗时较长的校准来补偿。然而一些传感器只能不利地在特定行驶状态(例如静止状态)下校准，因为只有在特定行驶状态下才能近似地确定实际值与额定值之间的偏差。还存在问题的是可能出现随时间变化的传感器误差。
[0007]另一个计算技术上但是较耗费的可能性在于，根据地图数据进行校正。通过所谓的地图匹配算法可以根据由传感器的输出信号估计的运动进行可信度检测。但是这种校正并不是在所有行驶情况下均可行并且精度有限。
[0008]此外存在根据传感器的输出信号估算交通工具的本身位置的方法，其中，通过测量位置校正估算值。
[0009]DE 196 33 884 B4描述了一种用于确定对象位置的方法,其中，由不同的传感器为要被确定的分析点提供对象各自的位置数据，所述数据分别配属有说明各位置数据的变化的变化值的数据。此外，在所述方法中，通过使用位置数据和传感器的变化值利用平均法确定对象位置，所述平均法加权地产生用于确定对象位置的位置数据和传感器变化值。此夕卜，将传感器特有的估算的对象位置与当前确定的对象位置进行比较，其中，分别相对于其它传感器的加权因数提高位置数据和变化值产生较高估算质量的传感器的加权因数。
[0010]US 2013/0035855 Al描述了一种用于交通工具导航的方法，其中，由交通工具的卫星定位装置确定卫星定位数据。此外，确定一定数量的交通工具传感器的传感器数据。卫星定位数据和交通工具数据通过卡尔曼滤波器相结合，以便确定估算的组合的交通工具状态向量。
[0011]前述的两篇专利文献分别描述了校正过程，其中根据真实检测的位置校正估算的位置。尽管这种校正能够改善定位精度，但可能由于校正而使交通工具真实进行的本身运动(根据定位数据确定)发生错误。因此例如可能出现的情况是，通过校正确定了相当于弯道行驶的本身运动，尽管实际的本身运动是沿直线进行的。这尤其可能发生在较长时间内不能检测到交通工具的真实位置(例如行驶穿过隧道期间)的情况下。


【发明内容】

[0012]因此，本发明所要解决的技术问题在于，通过一种用于确定交通工具的本身运动的至少一个状态参量的方法和设备，它们能够更好地，尤其是更准确地确定本身运动。
[0013]该技术问题按本发明通过一种用于确定交通工具的本身运动的至少一个状态参量的方法和设备解决。在按照本发明的方法中，在第一方法部分中，在第一预测步骤中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量，其中，检测或者确定至少一个基准参量，其中，在校正步骤中通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数校正所述至少一个估算状态参量，其中，根据所述至少一个估算状态参量重新确定参数化估算模型的至少一个模型参数和/或至少一个不确定性参数，按照本发明，在另一方法部分中，在另一预测步骤中根据参数化估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量，其中，在所述另一预测步骤中的估算根据参数化估算模型的在所述第一方法部分中重新确定的模型参数和/或所述至少一个重新确定的不确定性参数进行，其中，将未经校正的状态参量确定为至少一个在所述另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为未经校正的状态参量。
[0014]按照本发明建议一种用于确定交通工具的本身运动的至少一个状态参量的方法。在此，状态参量描述能够确定交通工具本身运动的至少一部分的参量。因此，可以根据状态参量确定本身运动的至少一部分。本身运动可以包括平移运动。本身运动也可以包括交通工具的旋转运动。
[0015]状态参量例如可以是或者描述交通工具的位置。所述位置例如可以通过坐标系(尤其是卡迪尔坐标系)中的坐标来描述。状态参量也可以是或者描述交通工具的定向。所述状态参量当然也可以是其它表征交通工具运动的参量，例如交通工具的速度或者加速度。
[0016]所述交通工具尤其可以是机动车，尤其是汽车。
[0017]所建议的方法包括两个方法部分，它们可以按顺序实施或者在时间上同时的实施。
[0018]在第一方法部分中，在第一预测步骤中，尤其针对所选的未来时间点根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量。
[0019]在此，所述估算状态参量和已知的经校正的状态参量可以与按照本发明待确定的本身运动状态参量相对应。
[0020]所述参数化的估算模型尤其可以包括机动车的运动模型或者以此为基础。运动模型例如可以是单车道模型或者双车道模型或者根据所谓的阿克曼方程得出。
[0021 ] 所述已知的经校正的状态参量可以是针对之前的时间点确定的经校正的状态参量。所述经校正的状态参量尤其描述在第一方法部分内在所选的时间点之前、尤其是在之前的方法步骤中确定的状态参量。
[0022]此外，在第一方法部分中，尤其针对所选的时间点检测或者确定至少一个基准参量。所述基准参量在此与估算的状态参量相对应。如果例如将交通工具的位置确定为估算的状态参量，则基准参量可以是测量或者检测到的位置或者以其它方式确定的交通工具位置。在此，基准参量与估算状态参量无关地被确定，也就是用于确定估算状态参量的方法与用于确定基准参量的方法不同。
[0023]此外，在第一方法部分中，在校正步骤中通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数校正所述至少一个估算状态参量。在此，所述至少一个不确定性参数描述估算所述估算状态参量的不确定性和/或确定或者检测基准参量的不确定性。在此适用的是，不确定性参数越大，所述估算状态参量的估算就越不确定。经校正的状态参量构成用于第一方法部分接下来的流程的已知的经校正的状态参量。
[0024]当然也可以存在多个用于描述估算状态参量的估算精度或者基准参量的确定或检测精度的不确定性参数。如以下详细阐述的那样，不确定性参数可以例如以协方差的形式被确定。
[0025]此外，在第一方法部分中，根据所述至少一个估算状态参量重新确定参数化估算模型的至少一个模型参数和/或至少一个不确定性参数。
[0026]因此，通过校正步骤已经可以改变某些模型参数和/或不确定性参数。当然，重新确定的过程也可以(或者作为附加地)根据至少一个基准参量进行，例如根据估算状态参量与基准参量之间的差(尤其是差值)进行。例如，当估算状态参量与基准参量之间的差值减小时，可以减小不确定性参数的值。
[0027]按照本发明，在另一方法部分中，在另一预测步骤中，尤其针对处于当前的或者前述所选的时间点之后的时间点，根据参数化估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量。在此使用与在第一方法部分中相同的模型形式。
[0028]所述已知的未经校正的状态参量可以是针对前述时间点确定的未经校正的状态参量。所述未经校正的状态参量尤其描述在另一方法部分中在时间上处于之后的或者所选的时间点之前(尤其是在前述方法步骤期间)确定的状态参量。
[0029]此外，在另一方法部分中，在所述另一预测步骤中的估算根据参数化估算模型的在所述第一方法部分中重新确定的模型参数和/或所述至少一个重新确定的不确定性参数进行。因此，也使用之前在第一方法部分中重新确定的模型参数和/或不确定性参数，以便在另一方法部分中确定估算状态参量。
[0030]如果例如在按照本发明方法的第一流程的第一方法部分中，重新确定至少一个模型参数和/或至少一个不确定性参数，则所述参数可以在按照本发明方法的在时间上接在第一流程之后的另一流程的另一方法部分中使用。在所述另一流程中，当然可以尤其在时间上与所述另一方法部分平行地重新进行第一方法部分，其中，针对所述方法尤其是所述另一方法部分的重新进行的流程确定模型参数和/或不确定性参数。
[0031]此外，将未经校正的状态参量确定为至少一个在所述另一方法部分中估算的状态参量。因此尤其不根据检测或者确定的基准参量对估算状态参量进行修正。因此在另一方法部分中不进行校正步骤。所述未经校正的状态参量构成针对所述另一方法部分的接下来的流程的已知的未经校正的状态参量。
[0032]此外，在所述另一方法部分中，将本身运动的状态参量确定为未经校正的状态参量。
[0033]因此，所述第一方法部分也可以称为所谓的状态参量闭环确定过程，因为对估算状态参量进行校正。所述另一方法部分可以称为开环确定过程，因为不对估算状态参量进行校正。
[0034]按照本发明的方法能够以有利的方式与检测或者确定的基准参量无关地确定本身运动的状态参量，尤其是交通工具的本身位置。如果例如已经根据GNSS(GlobalNavigat1n Satellite System:全球导航卫星系统)信号(尤其是GPS信号)确定了基准参量，则这种信号中的缺陷(例如位置中的跳跃点或者信号故障)有利地不会对确定状态参量产生影响。
[0035]也可行的是，如果针对特定时长不能检测或者确定基准参量，则准确地确定本身运动的状态参量。尤其可以在基准参量在不期望的故障后又可以重新使用时，准确地确定状态参量。
[0036]例如，前述GNSS信号在行驶穿过隧道期间不能使用。在这种情况下，可以根据未经校正的状态参量确定本身运动，尤其也可以确定本身位置，但是所述未经校正的状态参量是利用“经校正的”滤波器参数和/或“经校正的”不确定性参数确定的，这又可以实现准确地确定。
[0037]如果基准参量例如在故障后又可以使用，则根据在第一方法部分中确定的经校正的状态参量进行的本身运动估算借助所建议的方法至少部分被根据在另一方法部分中确定的未经校正的状态参量进行的本身运动估算所补偿或代替。也就是说如果基准参量在故障后又可以使用，则真实位置与在第一方法部分中确定的位置之间的偏差可能已经这样增大，使得需要对在第一方法部分中估算的状态参量进行数值较大的校正。然而，这种校正可能使真实的交通工具本身位置的确定发生错误。因此，这种校正例如可能导致交通工具的估算轨迹偏离交通工具的真实轨迹，尤其是在(基准参量)重新可使用后的预设时间段期间的轨迹。
[0038]因此能够以有利的方式避免例如在导航系统的显示装置上显示错误的轨迹。也可以避免其它利用特定状态参量的交通工具系统运行错误。因此例如可行的是，针对在基准参量可重新使用的时间点之后的预设时间段、将在另一方法部分中确定的未经校正的状态参量用于例如确定轨迹。这也可以一直进行到描述第一方法部分中的确定过程可靠性的不确定性因数低于预设阈值为止。
[0039]在另一实施形式中，在所述第一和另一方法部分中，还根据至少一个描述交通工具运动的参量估算所述估算状态参量。描述交通工具运动的参量例如可以借助适当的检测装置(例如设计为传感器的检测装置)进行检测。在此，检测装置可以布置在交通工具之内或者之上。在这种情况下，参数化的估算模型可以包括描述交通工具运动的参量与估算状态参量之间的关系。这种关系也可以按照参数化的方式描述。
[0040]因此，也可以有利地根据检测到的真实信号估算本身运动的状态参量，所述信号至少部分描述交通工具运动。这能够以有利的方式准确地估算状态参量。
[0041]在一种特殊的实施形式中，在所述第一和另一方法部分中，根据交通工具速度估算所述估算状态参量。作为备选或补充，可以根据车轮速度估算所述估算状态参量。当然也可以根据车轮速度确定交通工具速度。如果例如检测到车轮速度，则估算模型的模型参数可以代表车轮周长，其中，可以根据车轮速度和车轮周长确定交通工具速度。在这种情况下，交通工具速度可以表示估算状态参量。
[0042]此外，作为备选或补充，优选根据交通工具走过的路程估算所述估算状态参量。所述走过的路程例如可以借助里程表检测。
[0043]此外，作为备选或补充，优选根据交通工具加速度估算所述估算状态参量。此外，作为备选或补充，优选根据交通工具的角速度(Drehrate)和/或交通工具的角加速度估算所述估算状态参量。
[0044]根据一个、多个或者所有前述参量(它们也可以称为输入参量)，能够以有利的方式确定交通工具的本身位置和/或定向。因此，参数化的估算模型尤其可以描绘交通工具的本身位置和/或定向与一个、多个或者所有前述参量之间的关系。
[0045]因此，能够以有利的方式准确地估算所述至少一个估算状态参量。
[0046]在另一种实施形式中，在所述第一和另一方法部分中，根据至少一个交通工具辅助系统的干预估算所述估算状态参量。所述交通工具辅助系统例如可以是ABS系统、ESP系统或者另一交通工具辅助系统。如以下详细阐述的那样，根据干预的估算允许实现更好的估算质量，因为可以不使用不可靠的用于估算的输入参量。
[0047]在另一种实施形式中，根据借助GNSS装置检测的信号(GNSS信号)确定所述基准参量。所述基准参量例如同样可以是根据GNSS信号确定的交通工具位置和/或定向。为此，交通工具可以具有相应的用于接收GNSS信号的GNSS装置。
[0048]由此能够以有利的方式准确而独立地确定基准参量。
[0049]当然也可以借助备选方法确定基准参量。例如可以考虑基于图像的定位方法，所述方法根据布置在交通工具之内或者之上的图像检测装置基于图像地确定位置和/或定向。
[0050]在另一种实施形式中，在所述第一方法部分中对所述模型参数和/或不确定性参数的估算、校正和重新确定通过第一卡尔曼滤波器进行。所述卡尔曼滤波器在此能够以有利的方式实现尽可能准确的估算，其中，估算的不确定性尤其随着估算时长的增加而减至最小。
[0051]此外，在所述另一方法部分中的估算通过所述第一卡尔曼滤波器或者另一卡尔曼滤波器进行。因此可以考虑在第一^^尔曼滤波器中同时确定经校正的状态参量和未经校正的状态参量。作为备选可以考虑，与已经校正的状态参量的确定无关地确定经校正的状态参量，例如通过两个相互独立的滤波器来进行。
[0052]在另一种实施形式中，所述模型参数是函数的函数参数，所述函数阐明在描述交通工具运动并且通过检测装置检测的参量与所述至少一个状态参量之间的关系。
[0053]例如，模型参数可以描述检测装置的输出信号的漂移。此外，模型参数可以描述检测装置的输出信号的补偿(Offset)。因此，所述模型参数可以描述检测装置的至少一个特性。
[0054]作为备选，模型参数也可以描述交通工具特性，例如车轮周长。
[0055]这能够以有利的方式准确地确定交通工具参数或性能和/或传感器特性。
[0056]在另一种实施形式中，在所述第一方法部分中，确定对描述交通工具运动的参量的检测的误差。因此尤其可以确定传感器误差。
[0057]这能够以有利的方式继续估算状态参量和/或交通工具参数。
[0058]在另一种实施形式中，只当配属于在另一方法部分中估算的或者未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为未经校正的状态参量。因此，按照本发明，只在不确定性较小时，才在另一方法部分中确定状态参量。这也可以称为所述方法的瞬态振荡(eingeschwungen)状态。因此,也可以在另一方法部分中确定描述对估算状态参量的估算和进而对未经校正的状态参量的估算的确定性的参数。
[0059]这又实现了在另一方法部分中尽可能准确地确定状态参量。
[0060]此外建议一种用于确定交通工具的本身运动的至少一个状态参量的设备。所述设备包括至少一个分析装置和检测装置。
[0061]在此，可以借助分析装置实施上述方法之一，其中，可以借助检测装置检测参量。根据借助检测装置检测的参量可以确定、尤其计算至少一个基准参量。作为备选，可以借助检测装置直接检测基准参量。
[0062]因此按照本发明建议的设备设计为，使得能够借助所述设备实施前述方法之一。

【专利附图】

【附图说明】
[0063]根据实施例进一步阐述本发明。在附图中:
[0064]图1示出按照现有技术的用于确定本身位置的方法的示意流程图；
[0065]图2示出第一方法部分的示意流程图；
[0066]图3示出另一方法部分的示意流程图并且
[0067]

【具体实施方式】
[0068]相同的附图标记在以下表示具有相同或者类似技术特征的元件。
[0069]在图1中示出了按照现有技术的用于确定未示出的交通工具的本身位置P的方法的示意流程图。
[0070]在此，读取交通工具传感器I的输出信号。所述交通工具传感器I包括分析装置la、陀螺仪传感器lb、里程表Ic和加速度传感器Id。借助分析装置Ia可以检测交通工具的状态信息，尤其是交通工具辅助系统(例如ESP系统、ABS系统和其它交通工具辅助系统)的状态信息。借助陀螺仪传感器Ib可以检测交通工具的角速度。借助里程表Ic可以检测交通工具所走过的路程。借助加速度传感器Id可以检测交通工具的加速度。
[0071]此外，可以可选地读取用于连接至无线网络的路由器2的输出信号。所述路由器2提供第一校正信号12和另一校正信号13作为输出信号。
[0072]此外，由GNSS接收装置3检测GNSS信号。
[0073]交通工具传感器la、lb、lc、Id的输出信号分别在预处理步骤4中进行预处理，其中，同时在预处理步骤4中对相应输出信号的完整性进行检验。在合并步骤5中，将交通工具传感器信号Ia至Id的输出信号进行合并。在校准步骤6中，对合并的信号的系统测量偏差进行补偿(bias-balibrat1n:偏置校准)。
[0074]相应地，在预处理步骤4中对路由器2的输出信号进行预处理并且检验完整性。
[0075]此外，在预处理步骤4中对GNSS信号进行预处理并且检验完整性。在此，预处理和检验能够根据所述另一校正信号13进行，所述另一校正信号例如可以是基于EGNOS (欧洲静地星导航重叠服务)的校正信号。
[0076]在校正步骤7中进行区域校正。所述校正同样可以根据所述另一校正信号13进行。例如可以根据在另一校正信号13中编码的相应校正项校正根据GNSS信号确定的交通工具位置和/或所确定的运行时间或与卫星的距离和/或所确定的GNSS信号相位。例如可以从根据GNSS信号确定的伪距(距离)中减去所谓的DPGS校正项。此外，可以根据第一校正信号12进行区域校正。所述第一校正信号12例如可以代表卫星信号的完整性，其中，根据完整性进行区域校正。因此，校正信号12、13用于对GNSS信号进行可靠性验证和校正。
[0077]在校正步骤之后提供检测到的交通工具的本身位置Pm。
[0078]在确定步骤8中，根据这样检测、检验并且合并的数据确定本身位置P。在此，所述确定包括预测步骤9、误差检测和排除步骤10以及校正步骤11。在预测步骤9中，针对所选的时间点根据未示出的参数化估算模型和针对之前的时间点确定的经校正的本身位置Pk确定估算的本身位置Ps。估算的本身位置Ps的确定基于交通工具传感器la、lb、lc、Id的经预处理、合并和校正的输出信号进行。
[0079]此外，估算的本身位置Ps的确定可以根据模型参数MP和不确定性参数UP进行，所述参数在方法开始时预置并且同样在校正步骤11中重新确定。
[0080]在误差检测和排除步骤10中，检测和排除在估算所述估算的本身位置Ps时的误差。例如可以根据交通工具的状态信息确定交通工具状态，其中，根据交通工具状态，特定交通工具传感器I的输出信号或者输出信号的值域并不在确定所述估算的本身位置Ps时予以考虑。如果根据状态信息例如检测到静止状态或者ESP和/或ABS和/或ASR交通工具辅助系统当前进行的干预，则可以将估算模型的至少一个输入参量，例如通过传感器检测的车轮速度分类为不可靠的，其中，所述至少一个被分类为不可靠的输入参量不用于确定所述估算的本身位置Ps。因此，例如在ABS交通工具辅助系统进行干预时，检测到的车轮速度暂时为零，而交通工具的真实速度不等于零。因此，在确定所述估算的本身位置Ps时使用检测到的车轮速度可能导致错误估算。
[0081]在校正步骤11中，根据检测到的本身位置Pn^P不确定性参数UP校正所述估算的本身位置Ps。所述检测到的本身位置Pm在此由经校正和预处理的输出信号确定，所述输出信号借助GNSS接收装置3接收。作为结果，图1所示的方法作为本身位置P提供在校正步骤11中确定的经校正的本身位置Pk以及关于估算过程的完整性或精度的信息I。
[0082]在此，所示的方法可以例如以预设的频率循环地进行。因此，在预测步骤9中对估算的本身位置Ps的确定过程与在之前的校正步骤11中确定的经校正的本身位置Pk以及同样重新确定的模型参数MP和不确定性参数UP有关。
[0083]所述确定过程，即在确定步骤8中进行的方法能够尤其通过卡尔曼滤波器，尤其是所谓的扩展式卡尔曼滤波器进行。在这种情况下，不确定性参数例如能够以协方差的形式给出，所述协方差表示在估算所述估算的本身位置Ps时的不确定性。
[0084]在图2中以示意流程图示出了按照本发明方法的第一方法部分。所述第一方法部分在此在很大程度上与图1所示的方法一致。
[0085]陀螺仪传感器Ib检测交通工具的角速度。相应地，里程表Ic检测交通工具走过的路程。分析装置Ia检测交通工具的状态信息，尤其是交通工具辅助系统的状态信息。这些交通工具传感器lb、lc的以及分析装置Ia的输出信号在预处理步骤4中进行预处理，例如进行过滤，并且对其完整性进行检验。随即在预测步骤9中根据经预处理和检验的输出信号确定估算的本身位置Ps。这例如根据参数化的估算模型进行，所述估算模型例如可以包括交通工具的单车道模型和双车道模型。所述估算模型尤其描绘由交通工具传感器la、lb、Ic检测的参量与本身位置P之间的关系。
[0086]同样示出了 GNSS接收装置3，其输出信号在预处理步骤4和校正步骤7中进行预处理，例如过滤，并且对完整性进行检验和校正。经过这样处理的输出信号(GNSS信号)将测量的本身位置Pm编码。随后，在校正步骤11中，根据检测到的本身位置Pm校正所述估算的本身位置Ps。在此，所述校正尤其也根据在之前步骤中检测到的不确定性参数UP进行，所述不确定性参数既表示确定估算的本身位置Ps时的不确定性，也表示确定检测到的本身位置Pm时的不确定性。
[0087]除了经校正的本身位置Pk，在校正步骤11中同样重新确定估算模型的模型参数MP和不确定性参数UP。这些参数在接下来的预测步骤9中(尤其在接下来的重复过程中)用于确定估算的本身位置Ps。重新确定的模型参数MP以及重新确定的不确定性参数UP同样在另一方法部分(参见图3)中用于确定未经校正的本身位置Puk(参见图3)。
[0088]在图3中示出了按照本发明方法的另一方法部分的示意流程图。
[0089]与图2所示的第一方法部分不同，未经校正的本身位置Puk只在预测步骤9中被确定。尤其不进行校正步骤11 (尤其参见图2)。
[0090]还是利用由陀螺仪传感器lb、里程表Ic和分析装置Ia检测/计算的输出信号，以便借助未示出的参数化的估算模型在预测步骤9中确定未经校正的本身位置Puk。然而在此，在第一方法部分(参见图2)中确定的模型参数MP和不确定性参数UP(也可以称为经校正的模型参数或经校正的不确定性参数)用于确定未经校正的本身位置ΡΛ。在此，所述未经校正的本身位置Puk只表示估算的本身位置。
[0091]图3所示的方法部分也可以重复进行。因此，可以根据在刚刚过去的时间点确定的未经校正的本身位置Puk在预测步骤9中针对当前时间点确定未经校正的本身位置Puk。所述确定过程也可以根据在之前时间点在第一方法部分的校正步骤11中确定的模型参数MP和不确定性参数UP进行。
[0092]在此，未经校正的本身位置Puk表示按照本发明确定的交通工具本身运动的状态参量。
[0093]这例如可以用于借助布置在交通工具中的导航系统的显示装置，例如与其它的地图和/或导航数据相结合，显示交通工具的本身位置P。这尤其可以在图2所示的GNSS接收装置3没有接收信号或者在故障之后重新接收信号的情况下进行。
[0094]在此，故障表示不能通过GNSS装置3提供输出信号。尤其在故障之后在重新提供输出信号的时间段内，在第一方法部分中明显地校正所述估算的本身位置Ps。然而这种明显的校正在很多行驶状况下不与该时间段中交通工具本身的真实运动一致。
[0095]因此，图3所示的对未经校正的本身位置Puk的确定能够更准确地确定本身运动，这种本身运动尤其可以被确定为多个在时间上依次确定的未经校正的本身位置Puk之间的位置差。因此，对交通工具的本身位置P的确定可以相对于时间上在之前确定的本身位置尤其在精度方面得到改善。然而在这种情况下，绝对真实的本身位置P可能与按照本发明确定的未经校正的本身位置Puk存在偏差。
[0096]需要注意的是，在确定所述估算的本身位置Ps时，尤其在估算开始时可能出现误差。这种误差在图2所示的第一方法部分中的校正步骤11中通过检测到的本身位置Pm得到校正，而在另一方法部分中不进行这种校正。因此，图3所示的未经校正的本身位置Puk尤其即使在持续估算中也可能与交通工具真实的当前本身位置P有在瞬态振荡中接近恒定的偏差。然而，通过考虑在第一方法部分中确定的模型参数MP和不确定性参数UP，可以使针对不同时间点确定的未经校正的本身位置Puk之间的位置差与针对所述时间点的交通工具的真实本身位置P之间的位置差一致。换而言之，这表示根据未经校正的本身位置Puk确定的轨迹的走向与交通工具的真实轨迹相同或者至少在很大程度上相似，然而在所述轨迹之间可能存在基于前述误差的偏差。
[0097]附图标记清单
[0098]I 交通工具传感器
[0099]Ia分析装置
[0100]Ib陀螺仪传感器
[0101]Ic里程表
[0102]Id加速度传感器
[0103]2 路由器
[0104]3 GNSS接收装置
[0105]4 预处理步骤
[0106]5 合并步骤
[0107]6 校正步骤
[0108]7 校正步骤
[0109]8 确定步骤
[0110]9 预测步骤
[0111]10误差检测和识别步骤
[0112]11校正步骤
[0113]P 本身位置
[0114]Pk经校正的本身位置
[0115]Ps估算的本身位置
[0116]Puk未经校正的本身位置
[0117]MP模型参数
[0118]UP不确定性参数
[0119]I 信息
【权利要求】
1.一种用于确定交通工具的本身运动的至少一个状态参量的方法， 其中，在第一方法部分中，在第一预测步骤(9)中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量， 其中，检测或者确定至少一个基准参量， 其中，在校正步骤(11)中通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数(UP)校正所述至少一个估算状态参量，其中，根据所述至少一个估算状态参量重新确定所述参数化的估算模型的至少一个模型参数(MP)和/或所述至少一个不确定性参数(UP)， 其特征在于， 在另一方法部分中，在另一预测步骤(9)中根据所述参数化的估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量，其中，在所述另一预测步骤(9)中的估算根据所述参数化估算模型的在所述第一方法部分中重新确定的模型参数(MP)和/或所述至少一个重新确定的不确定性参数(UP)进行，其中，将未经校正的状态参量确定为所述至少一个在所述另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为所述未经校正的状态参量。
2.按权利要求1所述的方法，其特征在于，在所述第一和另一方法部分中，还根据至少一个描述交通工具运动的参量估算所述估算状态参量。
3.按权利要求2所述的方法，其特征在于，在所述第一和另一方法部分中，根据交通工具速度和/或车轮速度和/或走过的路程和/或交通工具加速度和/或角速度和/或角加速度估算所述估算状态参量。
4.按权利要求2或3所述的方法，其特征在于，在所述第一和另一方法部分中，根据至少一个交通工具辅助系统的干预估算所述估算状态参量。
5.按权利要求1至4之一所述的方法，其特征在于，根据借助GNSS装置(3)检测的信号确定所述基准参量。
6.按权利要求1至5之一所述的方法，其特征在于，在所述第一方法部分中对所述模型参数(MP)和/或不确定性参数(UP)的估算、校正和重新确定通过第一卡尔曼滤波器并且在所述另一方法部分中的估算通过所述第一卡尔曼滤波器或者另一卡尔曼滤波器进行。
7.按权利要求1至6之一所述的方法，其特征在于，所述模型参数(MP)是函数的函数参数，所述函数阐明在描述交通工具运动并且通过检测装置检测的参量与所述至少一个状态参量之间的关系。
8.按权利要求1至7之一所述的方法,其特征在于,在所述第一方法部分中,确定对描述交通工具运动的参量的检测的误差。
9.按权利要求1至8之一所述的方法，其特征在于，只当配属于未经校正的状态参量的不确定性因数小于预设值时，才将本身运动的状态参量确定为所述未经校正的状态参量。
10.一种用于确定交通工具的本身运动的至少一个状态参量的设备，其中，所述设备包括至少一个分析装置和检测装置，其中，借助所述分析装置能够在第一方法部分中，在第一预测步骤(9)中根据参数化的估算模型和至少一个已知的经校正的状态参量估算至少一个估算状态参量，其中，根据借助所述检测装置检测的参量能够确定至少一个基准参量或者借助所述检测装置能够检测所述基准参量，其中，在校正步骤中能够通过以下方式确定经校正的状态参量，即，根据所述至少一个基准参量并且根据至少一个不确定性参数(UP)校正所述至少一个估算状态参量，其中，根据所述至少一个估算状态参量能够重新确定参数化估算模型的至少一个模型参数(MP)和/或至少一个不确定性参数(UP)， 其特征在于， 借助所述分析装置或者另一分析装置能够在另一方法部分中，在另一预测步骤(9)中根据所述参数化估算模型和至少一个已知的未经校正的状态参量估算至少一个估算状态参量，其中，在所述另一预测步骤中的估算能够根据参数化估算模型的在所述第一方法部分中重新确定的模型参数(MP)和/或所述至少一个不确定性参数(UP)进行，其中，将未经校正的状态参量确定为所述至少一个在所述另一方法部分中估算的状态参量，其中，将本身运动的状态参量确定为所述未经校正的状态参量。
【文档编号】G01C21/00GK104280029SQ201410317411
【公开日】2015年1月14日 申请日期:2014年7月4日 优先权日:2013年7月4日
【发明者】B.曼南嘉, A.夸泽克, A.萨斯, M.沙克 申请人:大众汽车有限公司