买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种考虑运动约束的地面车辆惯性定位增强方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119984258B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510245001.0，技术领域涉及：G01C21/18；该发明授权一种考虑运动约束的地面车辆惯性定位增强方法是由蒋朝阳;盛树轩;孙海滨;金浙设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种考虑运动约束的地面车辆惯性定位增强方法在说明书摘要公布了：本发明公开了一种考虑运动约束的地面车辆惯性定位增强方法，包括以下步骤：基于微机电惯性测量单元MEMS‑IMU测量的加速度、角速度进行地面车辆位姿递推解算；分别利用车辆直行、转弯两种行驶工况下的数据训练深度神经网络，使深度神经网络可以根据MEMS‑IMU测量、轮速计测量及转角传感器测量实时预测车辆的横向、垂向速度，并以方差的形式给出预测的置信度；深度神经网络预测的横向、垂向速度与车辆后轴车轮转速和前轮转角共同构成运动约束，通过误差状态卡尔曼滤波算法修正MEMS‑IMU位姿解算的累计误差，得到准确的车辆位姿。本发明可以修正地面车辆惯性定位的累计定位误差，提高地面车辆惯性定位的精度。

本发明授权一种考虑运动约束的地面车辆惯性定位增强方法在权利要求书中公布了：1.一种考虑运动约束的地面车辆惯性定位增强方法，其特征在于，所述方法包括： S1：基于微机电惯性测量单元MEMS-IMU测得的加速度和角速度，采用递推方程计算地面车辆的初步位姿估计，并随时间更新； S2：深度神经网络训练，分别利用车辆直行、转弯两种行驶工况下的数据训练深度神经网络，所述深度神经网络根据MEMS-IMU测量、轮速计测量和转角传感器测量，实时预测车辆的横向和垂向速度，并以方差的形式提供预测的置信度； S3：运动约束构建：结合深度神经网络预测的横向、垂向速度以及后轴车轮转速和前轮转角，构建车辆运动约束模型； MEMS-IMU原始测量存在加速度测量偏置ab和角速率测量偏置ωb，导致利用MEMS-IMU测量进行惯性定位时存在累计误差，因此选取车辆惯性定位的误差状态变量为： δX＝[δpTδvTδθTδabTδωbT]T 式中，δp、δv和δθ分别表示车辆的位置误差、速度误差和姿态误差；δab和δωb分别表示加速度偏置估计和角速度偏置估计的误差； 深度神经网络预测的横向、垂向速度与车辆后轴车轮转速和前轮转角构成车辆运动的约束，其中车辆横向速度vlat和垂向速度vup根据深度神经网络输出得到； 车辆纵向速度约束vlon根据轮速计测量车辆后轴车轮转速确定： 式中，ωl、ωr分别为车辆后轴左、右轮转速，r为车轮半径； 车辆横摆角速度约束γobs根据纵向车速vlon和前轮转角δf共同确定： 式中，δf为车辆前轮转角，L为车辆前、后轴之间的距离； 假设车辆坐标系与MEMS-IMU的机体坐标系一致，上述纵向、横向、垂向速度构成的三维速度约束vobs＝[vlonvlatvup]T与横摆角速度约束γobs共同构成如下观测方程： Z＝HδX+R 式中，R为三维速度约束及横摆角速度约束对应的置信度对应的方差；vINS、γINS分别为根据MEMS-IMU递推解算的导航坐标系下的带有误差的三维名义速度和横摆角速度；为从导航坐标系到车辆坐标系的旋转矩阵；[·]×表示反对称运算；I、0分别为单位阵和零矩阵，下标对应矩阵的维度；S4：误差状态卡尔曼滤波修正：基于所述初步位姿估计和运动约束，通过应用误差状态卡尔曼滤波算法，对MEMS-IMU位姿解算中的累计误差进行修正，得到修正后的车辆位姿。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。