摘要
本发明提供一种运动敏感的融合定位系统脆弱性分析方法,其包括以下步骤:生成IMU陀螺仪和加速度计、GPS位置和速度以及LiDAR位置和姿态数据,并将GPS时间戳作为基准,对其进行同步处理;采用基于误差状态卡尔曼滤波的融合定位系统,融合来自IMU、GPS和LiDAR的数据,得到车辆状态估计数据;根据所述车辆状态估计数据构建观测矩阵并采用分段常系数方法对其进行状态依赖性分析,以此识别车辆的脆弱状态;通过识别车辆的运动状态,并在车辆加速或匀高速行驶时动态生成和注入GPS扰动数据。本发明分析车辆动态运动状态对基于IMU、GPS和LiDAR定位器的误差状态卡尔曼滤波(Error‑state Kalman Filter,ESKF)多传感器融合定位算法的影响,提出的一种运动敏感型脆弱性分析框架。
技术关键词
融合定位系统
车辆状态估计
分析方法
误差状态
卡尔曼滤波模型
系数方法
矩阵
旋转噪声
数据
运动
多传感器融合
导航坐标系
量化系统
开源工具
速度
动态
姿态误差
姿态估计
系统为您推荐了相关专利信息
轨迹分析方法
社区结构
自动编码器
轨迹聚类算法
模拟模型
文本分析方法
智能分析模块
计算机设备
数据获取模块
意图识别模型
电能计量箱
故障预测方法
设备状态参数
注意力机制
梯度提升决策树