云端在线优化惯导参数的方法及装置与流程

本发明涉及惯导参数优化技术领域，具体涉及一种云端在线优化惯导参数的方法及装置。

背景技术：

惯性导航产品在研发过程中需要对惯性器件(陀螺仪、加速度计)的误差参数进行评估，主要包括零偏不稳定性和随机游走。一般通过实验室环境的allan方差评估方法可以得到零偏不稳定性和随机游走参数，但是产品最终应用环境不同于室内实验室环境，因此需要室外采集车载测试数据，同时安装高精度pos(positionoritentionsystem，位置航向系统)参考系统当作基准真值，利用卫星信号丢失的场景比如隧道、地下车库，建立调优模型，对零偏不稳定性和随机游走进行调优，得到更加适合实际应用环境下的最优参数。

目前传统方法是通过外业(外场车载测试)收集数据，内业(室内单机建立调优模型)对参数进行调优，但是该方法效率较底下，且参数更新周期较长。基于云端在线优化惯导参数的方法还没有被提出来。与本发明最相近的技术方案是互联网在线收集数据，线下参数调优，算法运行仍然在本地，同时需要有高精度pos参考设备采集数据，对pos数据(高精度gnss+ins)进行事后处理得参考真值。

传统惯导参数调优的缺点是需要昂贵的高精度pos系统作为参考基准，测试终端类型单一，从数据收集到参数调优时间周期较长，导致最终惯导产品量产时间周期长。

技术实现要素：

本发明利用互联网在线收集外场测试数据，通过服务端后处理平滑算法得到基准真值，通过设置零偏不稳定性和随机游走的数值范围得到几千种参数组合，利用隧道、地下车库场景的数据进行惯性导航的推算，同时采用服务端分布式处理提高算法运算效率，将推算结果与参考真值进行对比到所有组合的误差分布，进而找到误差最小时的参数组合，完成参数调优。本发明可以实现在线收集数据的同时，运行服务端算法，不需要高精度pos参考设备，对普通精度的gnss+ins数据进行事后处理平滑得到参考真值，可以降低成本，并且参数调优更加实时，提升惯导参数优化效率，缩小惯导产品从研发到量产的周期。

本发明采用的技术方案如下：

首先，服务端根据客户端上报的位置确定客户端所处的场景，当客户端处于隧道场景的时候，服务端会下发消息告知客户端在隧道场景，客户端可以开始上传gnss数据、陀螺仪和加速度计数据、里程计车速数据，然后服务端根据上传的数据运行后处理平滑算法得到参考真值，再根据不同的参数组合分别运行算法库得到惯导在隧道内的推算结果，然后计算不同参数组合下惯导推算结果的误差，从中挑选出最小误差的参数，随着隧道场景数据的越来越多，最优参数的可靠性也越来越高。

本发明的有益效果在于，可以利用众包的方法，在线收集客户端数据，实时运行服务端算法进行参数调优，众包数据覆盖场景较多，终端类型丰富，可以实现惯导参数在产品量产中优化，缩小了产品的量产周期。经过实验结果验证，利用云端在线优化惯导参数的方法可以将惯导参数调优时间从传统的72个小时降低到5个小时，调优效率提升14倍以上。

附图说明

图1为本发明云端在线优化惯导方法流程图；

图2为本发明云端在线优化惯导装置结构图。

具体实施方式

本发明利用客户端上报数据，服务端根据上报的数据运行服务端算法库，以及运行后处理算法库，对惯导参数进行调优。并且在参数调优成功后，通过互联网播发到客户端，使客户端惯性导航的定位精度有大幅度提升。本发明服务端通过互联网在线收集客户端数据，实现惯性导航参数的在线调优，并实时将最优参数通过互联网播发到客户端，使客户端惯性导航精度大幅度提升。下文中，结合附图和实施例对本发明作进一步阐述。

实施例一：

图1是本发明本发明云端在线优化惯导方法流程图，包括以下步骤：

客户端每隔15秒上报位置进行服务请求，服务端根据上报的位置与预先设定的地理围栏进行匹配，如果识别出客户端在隧道场景则通知客户端开始上传数据，如果识别出不在隧道场景则不做任何处理。

服务端根据参数组合运行算法库处理客户端上报的隧道场景数据，得到惯导在隧道中推算位置，同时服务端会对上报的隧道场景数据运行gnss(globalnavigationsatellitesystem，全球导航卫星系统)+ins(inertialnavigationsystem，惯性导航系统)后处理平滑算法得到参考真值，将惯导推算的位置和参考真值进行对比可以得到隧道位置误差的均方根误差，然后挑选最小的rmse(rootmeansquareerror，均方根误差)对应的参数组合即为最优参数下发到客户端，并且最优参数会作为参数组合的默认值进行迭代。

为了计算不同参数组合下惯导推算的误差，需要先制定参数组合的规则，本发明中所涉及的惯导参数有：陀螺仪零偏不稳定性gbi(gyroscopebiasinstability)、角度随机游走arw(anglerandomwalk)、加速度计零偏不稳定性abi(accelerometerbiasinstability)、速度随机游走vrw(velocityrandomwalk)，四种参数的变化规则为：

gbii＝2ⁱ*gbidef

arwi＝2ⁱ*arwdef

abii＝2ⁱ*abidef

vrwi＝2ⁱ*vrwdef

其中，i＝{0，±1，±2±3}，gbidef、arwdef、abidef、vrwdef分别表示四种参数的默认值，gbii、arwi、abii、vrwi分别表示四种参数在默认值基础上放大不同倍数得到新参数。每种参数都有7种变化，四种参数一共有2401种参数组合方式，参数优化的目的就是找出新参数的最佳组合。

不同参数组合得到的隧道水平位置误差的rmse，2401种参数组合可以得到2401种隧道位置误差的均方根误差，rmse计算公式如下：

式中，k表示第k种参数组合得到的隧道水平位置误差rmse，di表示惯导推算的位置点和参考真值的偏差，n表示惯导推算的位置点个数。

本发明采用客户端上报的隧道场景数据，通过运行服务端算法库得到不同参数组合下的隧道全程水平位置，与服务端后处理平滑得到的参考真值做对比，可以得到惯导在隧道中全程水平位置误差，挑选隧道水平位置误差rmse最小的参数组合即为最优参数，同时将得到的最优参数作为下次默认值进行迭代，随着客户端上报的隧道场景数据越来越多，参数优化的可靠性也越来越高，最终完成惯导参数的在线优化。

实施例二：

本发明还提供了一种云端在线优化惯导装置，如图2所示，所述装置包括：客户端、数据交互模块和服务端。

客户端每隔15秒通过数据交互模块进行服务请求，即上报位置信息(经纬度)，服务端根据客户端上报的位置进行搜索确认客户端是否进入隧道场景区域，如果进入隧道场景区域便通过互联网下发场景模式到客户端，这个时候客户端开始上传gnss数据、陀螺仪和加速度计数据、里程计车速数据，等客户端位置不在隧道场景区域后停止数据上传功能。服务端利用收集到的原始数据，根据2401种参数组合分别运行服务端算法库，得到不同参数组合下隧道中惯导推算的位置，同时利用gnss+ins后处理平滑算法对原始数据进行处理得到隧道的参考真值，与参考真值对比计算不同参数组合下隧道中惯导的位置误差，挑选出隧道中最小惯导误差对应的参数组合，并将该参数通过数据交互模块实时下发至客户端，同时该参数组合会返回2401种参数组合中作为默认值继续迭代，随着数据上报的越来越多，最优参数也计算的越来越可靠。

本发明采用云端一体化的思路，利用云端的优势在线收集客户端数据，运行服务端算法对惯导参数进行调优，可以实现参数在线实时优化，且不依赖于高精度pos参考系统，本发明可以明显加快产品的研发进度，解决传统惯导产品量产周期长的问题。

实施例三：

本发明还提供了一种存储器，所述存储器存储有计算机程序，所述计算机程序被处理器执行如下步骤：

客户端向服务端上报位置进行服务请求；

服务端判断客户端是否进入隧道场景区域，如果进入隧道场景区域则通知客户端开始向服务端上传数据，否则客户端继续向服务端上报位置进行服务请求；

服务端根据参数组合处理客户端上传的数据，得到惯导在隧道中的推算位置，同时服务端对上传的数据进行处理得到隧道的参考真值；

将推算位置和参考真值进行对比得到惯导在隧道中的位置误差，选择最小的位置误差对应的参数组合作为最优参数下发到客户端。

本发明可选离线惯导参数进行调优，即通过采集大量的测试设备数据以及参考设备数据，事后对惯导参数进行调优，同样可以得到最优惯导参数，提升惯导定位精度。

本发明优选采用c语言进行服务端算法实现，利用java进行工程化实现，并通过实时在线数据收集优化惯导参数，实时优化的参数在实际测试中明显提升惯导定位精度，达到了最佳的实施效果。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。