基于惯性网络的姿态估计方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115900706A(43)申请公布日2023.04.04(21)申请号202310006366.9(22)申请日2023.01.04(71)申请人南开大学地址300071天津市南开区卫津路94号(72)发明人宋锐方勇纯张峥任瑞琦(74)专利代理机构天津展誉专利代理有限公司12221专利代理师刘红春(51)Int.Cl.G01C21/16(2006.01)权利要求书2页说明书11页附图2页(54)发明名称基于惯性网络的姿态估计方法及系统(57)摘要本发明涉及惯性导航领域，公开了一种基于惯性网络的姿态估计方法及系统，用于提高对目标载体进行姿态估计时的准确率，包括：对目标载体进行测量点位分析，确定多个惯性节点；通过多个惯性节点进行测量网络构建，确定对应的分布式惯性测量网络；基于分布式惯性测量网络对多个惯性节点进行位姿数据采集，得到与每一惯性节点对应的位姿数据；对与每一惯性节点对应的位姿数据进行误差补偿处理，得到目标位姿数据集合；对目标位姿数据集合进行信息融合处理，得到与目标载体对应的姿态估计结果。CN115900706ACN115900706A权利要求书1/2页1.一种基于惯性网络的姿态估计方法，其特征在于，包括如下步骤：对目标载体进行测量点位分析，确定多个惯性节点；通过多个所述惯性节点进行测量网络构建，确定对应的分布式惯性测量网络；基于所述分布式惯性测量网络对多个所述惯性节点进行位姿数据采集，得到与每一所述惯性节点对应的位姿数据；对与每一所述惯性节点对应的位姿数据进行误差补偿处理，得到目标位姿数据集合；对所述目标位姿数据集合进行信息融合处理，得到与所述目标载体对应的姿态估计结果。2.根据权利要求1所述的基于惯性网络的姿态估计方法，其特征在于，所述通过多个所述惯性节点进行测量网络构建，确定对应的分布式惯性测量网络步骤，包括：对多个所述惯性节点进行虚拟平面映射，确定对应的虚拟平面；通过所述虚拟平面进行测量网络构建，得到对应的分布式惯性测量网络。3.根据权利要求1所述的基于惯性网络的姿态估计方法，其特征在于，所述基于所述分布式惯性测量网络对多个所述惯性节点进行位姿数据采集，得到与每一所述惯性节点对应的位姿数据步骤，包括：通过所述分布式惯性测量网络对多个所述惯性节点进行状态分析，确定每一所述惯性节点对应的节点状态；对每一所述惯性节点对应的节点状态进行判断，得到对应的判断结果；根据所述判断结果对多个所述惯性节点进行位姿数据采集，得到与每一所述惯性节点对应的位姿数据。4.根据权利要求3所述的基于惯性网络的姿态估计方法，其特征在于，所述根据所述判断结果对多个所述惯性节点进行位姿数据采集，得到与每一所述惯性节点对应的位姿数据步骤，包括：对所述判断结果进行分析，当所述判断结果为存在故障节点时，确定对应的至少一个故障惯性节点及至少一个未故障惯性节点；对所述至少一个故障惯性节点进行位姿数据预测，得到对应的预测位姿数据；对所述至少一个未故障惯性节点进行位姿数据采集，得到对应的候选位姿数据，通过所述候选位姿数据及所述预测位姿数据确定与每一所述惯性节点对应的位姿数据；当所述判断结果为不存在故障节点时，对多个所述惯性节点进行位姿数据采集，得到与每一所述惯性节点对应的位姿数据。5.根据权利要求4所述的基于惯性网络的姿态估计方法，其特征在于，所述对所述至少一个故障惯性节点进行位姿数据预测，得到对应的预测位姿数据步骤，包括：对所述至少一个故障惯性节点进行参数扫描，确定与所述至少一个故障惯性节点对应的参数信息集合；将所述参数信息集合输入预置的位姿数据预测模型进行特征提取，得到与所述至少一个故障惯性节点对应的节点特征数据集合；将所述节点特征数据集合输入所述位姿数据预测模型中的分类层进行位姿数据预测，得到对应的预测位姿数据。6.根据权利要求1所述的基于惯性网络的姿态估计方法，其特征在于，所述对与每一所2CN115900706A权利要求书2/2页述惯性节点对应的位姿数据进行误差补偿处理，得到目标位姿数据集合步骤，包括：对与每一所述惯性节点进行误差估计，确定与每一所述惯性节点对应的误差估计结果；通过与每一所述惯性节点对应的误差估计结果对与每一所述惯性节点对应的位姿数据进行误差补偿处理，得到目标位姿数据集合。7.根据权利要求1至6中任一项所述的基于惯性网络的姿态估计方法，其特征在于，所述对所述目标位姿数据集合进行信息融合处理，得到与所述目标载体对应的姿态估计结果步骤，包括：对所述目标位姿数据进行局部状态估计，得到多个局部状态估计结果；对多个所述局部状态估计结果进行一致性检验，得到检验结果；通过所述检验结果对多个所述局部状态估计结果进行筛选，得到一致性数据；对所述一致性数据进行信息融合处理，得到与所述目标载体对应的