张新宇

(辽宁省交通高等专科学校轨道交通工程系,辽宁 沈阳 110122)

随着汽车行业的快速发展,汽车监控系统越来越受到重视,汽车监控系统一方面可以监督驾驶员的驾驶行为,另一方面,也可以在发生事故后,进行事故回放,判定事故责任,保护驾驶人员的合法权利。

近年来,广泛应用于无人机领域的MEMS 传感器,由于其体积小、成本低、集成度高、精度高,逐步在汽车监控领域得到了应用。但是MEMS 传感器由于自身的特点,存在难以克服的噪声误差,因此,必须采取相应的算法,来消除噪声误差。刘军等[1]中使用六轴传感器,实现汽车运动姿态测量,采用卡尔曼滤波算法消除误差,由于重力加速度的存在,加速度计无法修正陀螺仪的航向角,卡尔曼滤波算法比较复杂。王京等[2]中使用三轴加速度计,采用改进的遗传神经网络算法消除误差,实现汽车姿态测量,但是三轴加速度计无法计算航向角,算法也比较复杂。曹景伟等[3]使用陀螺仪和加速度计,利用卡尔曼滤波算法将MEMS 陀螺仪和加速度计输出的数据进行滤波融合。但没有使用磁强计数据,无法修正航向角,无法解算出准确的全方位姿态角。且算法比较复杂。李超[4]使用陀螺仪、加速度计和磁强计,主要研究线性加速度的干扰,误差方程采用卡尔曼滤波算法。算法比较复杂。王贇贇[5]使用三轴加速度数据、三轴角速度数据和三轴地磁数据,采用一种基于粒子滤波的条件式姿态解算算法,获得姿态角,采用非线性扩展卡尔曼滤波进行数据融合。……