基于組合導航的汽車(chē)姿態(tài)數據采集系統設計

2.3.1 導航信息獲取

　　慣性導航工作原理簡(jiǎn)述^[14]：參照圖2導航坐標系和載體坐標系，兩坐標系的空間關(guān)系如下(其中為轉換矩陣)：

　　通過(guò)對加速度積分，離散化連續時(shí)域下的速度公式，得到汽車(chē)在導航坐標系下的速度。同理，對速度積分，得到汽車(chē)的位移信息。

2.3.2 基于卡爾曼濾波組合導航

　　卡爾曼濾波是一種最優(yōu)遞推最小方差估計技術(shù)，對僅與部分狀態(tài)有關(guān)的測量值處理，得到估計誤差最小的更多狀態(tài)估計值。離散卡爾曼濾波方程為：

3 數據無(wú)線(xiàn)傳輸

　　以PC機作為服務(wù)器，借用移動(dòng)公司的GPRS網(wǎng)絡(luò )作為無(wú)線(xiàn)數據傳輸平臺，將數據發(fā)送至服務(wù)器以存儲備用^[16]。GPRS網(wǎng)絡(luò )是在GSM網(wǎng)絡(luò )的基礎上發(fā)展起來(lái)的一種無(wú)線(xiàn)分組服務(wù)技術(shù)，具有接入范圍廣、高速傳輸、快捷登錄、永遠在線(xiàn)、按流量計費的特點(diǎn)，可以實(shí)現系統的高速、實(shí)時(shí)、靈活的要求^[17-18]。工作過(guò)程如下：

　　微控制器通過(guò)指令控制GPRS模塊，將傳感器直接輸出的加速度、角速度數據，以及通過(guò)軟件的姿態(tài)解算算法得到的姿態(tài)角度、速度(合速度)、位移(合位移)以5HZ的頻率使用GPRS網(wǎng)絡(luò )發(fā)送至internet的指定IP地址服務(wù)器上，服務(wù)器通過(guò)編程接收車(chē)載終端傳過(guò)來(lái)的數據報文，按照指定的TCP/IP協(xié)議和數據格式進(jìn)行報文解析，將數據存入服務(wù)器。

4 功能測試

　　受條件限制，僅對7個(gè)參數進(jìn)行試驗評測。方法如下：1)實(shí)驗室條件下，利用水平儀和重垂線(xiàn)將電路板放置水平位置，然后讓其垂直下落至墊子上測a_z; 2)讓車(chē)以固定半徑10m固定速度20km/h、30km/h、40km/h行駛，測角速度;3)讓車(chē)分別以20km/h、40km/h、60km/h的固定速度行駛在一段水平路況測速度，并且在過(guò)程中記錄位移;4)以三組姿態(tài)角行駛測姿態(tài)角。其中加速度單位為m/s²，角速度單位為rad/s，姿態(tài)角單位為°，速度單位為km/h，位移單位為km，平均值是測量10次的均值，評測結果如表1。

　　如表1所示，姿態(tài)角、加速度和角速度準確率很高，受累積積分影響嚴重的速度位移準確率相對偏低，總體來(lái)看，該系統采集的數據準確率偏高，符合評判駕駛員駕駛行為的設計要求。

　　為了更好地驗證系統，形象地反映駕駛員駕駛狀況，選取一條有水平路段、轉彎路段和上坡路段的線(xiàn)路，駕駛汽車(chē)不停地變換檔位在該線(xiàn)路上行駛，并進(jìn)行數據采集，鑒于數據量大，無(wú)法把整個(gè)過(guò)程數據呈現，故截取有代表性的數據，說(shuō)明駕駛人駕駛車(chē)輛情況。結果如圖3~圖6，其中姿態(tài)角以三維圖給出，加速度、角速度、位移、速度以時(shí)間為橫坐標給出二維圖。

　　描述車(chē)輛狀態(tài)的直接參數有速度、加速度，包括翻滾角、俯仰角及導航角的姿態(tài)角度，間接參數就是定位。速度、加速度參數會(huì )反映駕駛人駕駛車(chē)輛是否平穩，是否有不良駕車(chē)陋習，位移軌跡可以看出駕駛人是否處于酒駕、打瞌睡，或是開(kāi)車(chē)不專(zhuān)心的狀態(tài)，姿態(tài)角度可以看出車(chē)輛是處于下坡路段，還是上坡路段，是否擇優(yōu)選擇道路行駛。從上面數據分析駕駛員駕駛車(chē)輛運行情況如下：俯仰角θ最大達45°78′，翻滾角γ變化很小，偏航角Ψ變化幅度大且頻繁，表明車(chē)輛姿態(tài)平穩，有上坡路段或是有路況不好顛簸現象，結合加速度和速度數據知，司機先后都是勻速行駛，中間有加減速變化，幅度適中，但變速加減速頻繁，位移軌跡的平滑說(shuō)明司機行車(chē)穩重，處于良好的駕駛狀態(tài)。

5 總結展望

　　通過(guò)功能檢測，含GPS定位的汽車(chē)姿態(tài)大數據采集系統以最低92.3%的準確度實(shí)現了數據的采集功能，結合組合導航信息排除路況原因，更能反映駕駛人的狀態(tài)，可以作為評判駕駛人行為是否符合要求的依據，完全可以為公交公司、出租車(chē)公司，以及一些運營(yíng)車(chē)輛的公司的安全控制策略研究提供數據依據。此外，本系統可以作為遠程監控平臺的基礎，加入基于GPRS的通信技術(shù)，實(shí)現對司機駕駛狀態(tài)的實(shí)時(shí)監控，并可以進(jìn)行緊急情況的遠程控制及處理，具有實(shí)際的應用價(jià)值。

參考文獻：

　　[1]Ranney,T.et al.NATSA Driver Distraction Research:Past,Present and Future.Driver Distraction Internet Forum,2000.

　　[2]吳巖.基于握力特征量的駕駛員異常行為檢測系統的研究[D].吉林大學(xué),2010:1-44.

　　[3]吳超.基于駕駛行為特征的疲勞駕駛檢測方法的實(shí)現[D].武漢理工大學(xué),2013:5-6.

　　[4]張楠,黃康.人眼識別技術(shù)在駕駛行為檢測中的應用[J].測控自動(dòng)化,2007.8(1):254-258.

　　[5]童兵亮.基于嘴部狀態(tài)的疲勞駕駛和精神分散狀態(tài)檢測方法研究[D].吉林大學(xué),2004：33-83.

　　[6]王丹.基于機器視覺(jué)的駕駛員打電話(huà)行為檢測[D].北京理工大學(xué),2015:10-62.

　　[7]黃巖.汽車(chē)檢測技術(shù)的發(fā)展趨勢[J].汽車(chē)維修與保養,2004(04):42-44.

　　[8]孫金秋，游有鵬，傅忠云.基于共軛梯度法和互補濾波相結合的姿態(tài)解算算法[J].傳感器技術(shù)學(xué)報,2014,27(4):524-528.

　　[9]孫榮輝,賈宏光,陳濤.基于四元數法的捷聯(lián)式慣性導航系統的姿態(tài)解算[J].光學(xué)精密工程，2008,16(10):1962-1970.

　　[10]姜建飛.基于STM32的捷聯(lián)慣性測量系統設計[D].南京理工大學(xué),2014:7-52.

　　[11]李景輝,楊立才.基于多傳感器信息融合的人體姿態(tài)解算算法[J].山東大學(xué)學(xué)報,2013,43(5):49-54.

　　[12]劉晶璟.采用加速度傳感器技術(shù)實(shí)現盲區定位的研究和開(kāi)發(fā)[J].計算機應用與軟件,2012(03):274—277.

　　[13]唐康華.GPS/MIMU嵌入式組合導航關(guān)鍵技術(shù)研究[D].國防科技大學(xué):2008：77-90.

　　[14]趙俊梅.GPS/SINS組合導航系統濾波算法研究[D].中北大學(xué):2006.

　　[15]徐梓峰,盧艷娥,龐春雷.基于GPS的捷聯(lián)慣導系統誤差校正研究[J].計算機測量與控制,2013,21(9):2518-2521.

　　[16]胡先智,梁艷.基于GPRS遠程無(wú)線(xiàn)數據采集系統實(shí)現[J].信息與電腦,2010,12:58-59.

　　[17]成春旺.監控系統中基于GPRS的無(wú)線(xiàn)數據傳輸系統的研究與實(shí)現[D].北京郵電大學(xué): 2006.

　　[18]王磊，許小琳.GPRS無(wú)線(xiàn)數據傳輸中服務(wù)器端軟件的設計和實(shí)現[J].測控技術(shù)，2007,26(11):55-57.

本文來(lái)源于《電子產(chǎn)品世界》2017年第1期第44頁(yè)，歡迎您寫(xiě)論文時(shí)引用，并注明出處。