基于组合导航的汽车姿态数据采集系统设计

2.3.1 导航信息获取

　　惯性导航工作原理简述^[14]：参照图2导航坐标系和载体坐标系，两坐标系的空间关系如下(其中为转换矩阵)：

　　通过对加速度积分，离散化连续时域下的速度公式，得到汽车在导航坐标系下的速度。同理，对速度积分，得到汽车的位移信息。

2.3.2 基于卡尔曼滤波组合导航

　　卡尔曼滤波是一种最优递推最小方差估计技术，对仅与部分状态有关的测量值处理，得到估计误差最小的更多状态估计值。离散卡尔曼滤波方程为：

3 数据无线传输

　　以PC机作为服务器，借用移动公司的GPRS网络作为无线数据传输平台，将数据发送至服务器以存储备用^[16]。GPRS网络是在GSM网络的基础上发展起来的一种无线分组服务技术，具有接入范围广、高速传输、快捷登录、永远在线、按流量计费的特点，可以实现系统的高速、实时、灵活的要求^[17-18]。工作过程如下：

　　微控制器通过指令控制GPRS模块，将传感器直接输出的加速度、角速度数据，以及通过软件的姿态解算算法得到的姿态角度、速度(合速度)、位移(合位移)以5HZ的频率使用GPRS网络发送至internet的指定IP地址服务器上，服务器通过编程接收车载终端传过来的数据报文，按照指定的TCP/IP协议和数据格式进行报文解析，将数据存入服务器。

4 功能测试

　　受条件限制，仅对7个参数进行试验评测。方法如下：1)实验室条件下，利用水平仪和重垂线将电路板放置水平位置，然后让其垂直下落至垫子上测a_z; 2)让车以固定半径10m固定速度20km/h、30km/h、40km/h行驶，测角速度;3)让车分别以20km/h、40km/h、60km/h的固定速度行驶在一段水平路况测速度，并且在过程中记录位移;4)以三组姿态角行驶测姿态角。其中加速度单位为m/s²，角速度单位为rad/s，姿态角单位为°，速度单位为km/h，位移单位为km，平均值是测量10次的均值，评测结果如表1。

　　如表1所示，姿态角、加速度和角速度准确率很高，受累积积分影响严重的速度位移准确率相对偏低，总体来看，该系统采集的数据准确率偏高，符合评判驾驶员驾驶行为的设计要求。

　　为了更好地验证系统，形象地反映驾驶员驾驶状况，选取一条有水平路段、转弯路段和上坡路段的线路，驾驶汽车不停地变换档位在该线路上行驶，并进行数据采集，鉴于数据量大，无法把整个过程数据呈现，故截取有代表性的数据，说明驾驶人驾驶车辆情况。结果如图3~图6，其中姿态角以三维图给出，加速度、角速度、位移、速度以时间为横坐标给出二维图。

　　描述车辆状态的直接参数有速度、加速度，包括翻滚角、俯仰角及导航角的姿态角度，间接参数就是定位。速度、加速度参数会反映驾驶人驾驶车辆是否平稳，是否有不良驾车陋习，位移轨迹可以看出驾驶人是否处于酒驾、打瞌睡，或是开车不专心的状态，姿态角度可以看出车辆是处于下坡路段，还是上坡路段，是否择优选择道路行驶。从上面数据分析驾驶员驾驶车辆运行情况如下：俯仰角θ最大达45°78′，翻滚角γ变化很小，偏航角Ψ变化幅度大且频繁，表明车辆姿态平稳，有上坡路段或是有路况不好颠簸现象，结合加速度和速度数据知，司机先后都是匀速行驶，中间有加减速变化，幅度适中，但变速加减速频繁，位移轨迹的平滑说明司机行车稳重，处于良好的驾驶状态。

5 总结展望

　　通过功能检测，含GPS定位的汽车姿态大数据采集系统以最低92.3%的准确度实现了数据的采集功能，结合组合导航信息排除路况原因，更能反映驾驶人的状态，可以作为评判驾驶人行为是否符合要求的依据，完全可以为公交公司、出租车公司，以及一些运营车辆的公司的安全控制策略研究提供数据依据。此外，本系统可以作为远程监控平台的基础，加入基于GPRS的通信技术，实现对司机驾驶状态的实时监控，并可以进行紧急情况的远程控制及处理，具有实际的应用价值。

参考文献：

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

　　[2]吴岩.基于握力特征量的驾驶员异常行为检测系统的研究[D].吉林大学,2010:1-44.

　　[3]吴超.基于驾驶行为特征的疲劳驾驶检测方法的实现[D].武汉理工大学,2013:5-6.

　　[4]张楠,黄康.人眼识别技术在驾驶行为检测中的应用[J].测控自动化,2007.8(1):254-258.

　　[5]童兵亮.基于嘴部状态的疲劳驾驶和精神分散状态检测方法研究[D].吉林大学,2004：33-83.

　　[6]王丹.基于机器视觉的驾驶员打电话行为检测[D].北京理工大学,2015:10-62.

　　[7]黄岩.汽车检测技术的发展趋势[J].汽车维修与保养,2004(04):42-44.

　　[8]孙金秋，游有鹏，傅忠云.基于共轭梯度法和互补滤波相结合的姿态解算算法[J].传感器技术学报,2014,27(4):524-528.

　　[9]孙荣辉,贾宏光,陈涛.基于四元数法的捷联式惯性导航系统的姿态解算[J].光学精密工程，2008,16(10):1962-1970.

　　[10]姜建飞.基于STM32的捷联惯性测量系统设计[D].南京理工大学,2014:7-52.

　　[11]李景辉,杨立才.基于多传感器信息融合的人体姿态解算算法[J].山东大学学报,2013,43(5):49-54.

　　[12]刘晶璟.采用加速度传感器技术实现盲区定位的研究和开发[J].计算机应用与软件,2012(03):274—277.

　　[13]唐康华.GPS/MIMU嵌入式组合导航关键技术研究[D].国防科技大学:2008：77-90.

　　[14]赵俊梅.GPS/SINS组合导航系统滤波算法研究[D].中北大学:2006.

　　[15]徐梓峰,卢艳娥,庞春雷.基于GPS的捷联惯导系统误差校正研究[J].计算机测量与控制,2013,21(9):2518-2521.

　　[16]胡先智,梁艳.基于GPRS远程无线数据采集系统实现[J].信息与电脑,2010,12:58-59.

　　[17]成春旺.监控系统中基于GPRS的无线数据传输系统的研究与实现[D].北京邮电大学: 2006.

　　[18]王磊，许小琳.GPRS无线数据传输中服务器端软件的设计和实现[J].测控技术，2007,26(11):55-57.

本文来源于《电子产品世界》2017年第1期第44页，欢迎您写论文时引用，并注明出处。