发明名称 全自动惯性传感检测路面平整度装置及检测方法
摘要 全自动惯性传感检测路面平整度装置,包括感知单元,该感知单元包括加速度计、陀螺仪和温度传感器;该加速度计为惯性传感器;所述惯性传感器的三轴角速率传感器用以测量两个方向的运动角速率并输出到外围处理电路;所述处理电路接收三轴加速度传感器和三轴角速率传感器32输出的测量结果,运算获得探头在所测路面经过过程中各测量点的路面平整度信息。本发明通过采用微小型固态振动型陀螺和MEMS加速度计作为核心测量器件,有效减小测量装置体积,抗冲击振动,能够适应各种路面平整度测量环境,全自动检测并且不受外界电、磁场干扰。
申请公布号 CN102628249B 申请公布日期 2014.08.27
申请号 CN201210126698.2 申请日期 2012.04.27
申请人 重庆邮电大学 发明人 刘宇;施华雷;马庆华;吴英;张小林;刘申;刘聪
分类号 G01B5/28(2006.01)I 主分类号 G01B5/28(2006.01)I
代理机构 重庆博凯知识产权代理有限公司 50212 代理人 张先芸
主权项 全自动惯性传感检测路面平整度装置,其特征在于,包括感知单元,该感知单元包括加速度计、陀螺仪和温度传感器;该加速度计为惯性传感器,所述惯性传感器的三轴角速率传感器用以测量X和Y轴两个方向的运动角速率并输出到外围处理电路;所述处理电路接收三轴加速度传感器和三轴角速率传感器输出的测量结果,运算获得探头在所测路面经过过程中各测量点的路面平整度信息;感知单元通过232串口或USB接口与中央处理单元相连,完成数据的实时采集、处理与显示,整个测量过程无需外界协调,自动完成输出;所述中央处理单元采用卡尔曼滤波算法和人工智能算法优化原始采样数据;所述惯性传感器为微小型固态振动陀螺,固态振动陀螺的短期零位漂移为0.001°/s,刻度因子为2500mv/°/s,加速度计测量范围3‑8g;所述感知传感器单元与中央处理单元通过无线方式传输交互,感知单元封装在39*40*4mm的空间;所述全自动惯性传感检测路面平整度装置获取信息的方法,包括如下步骤:采用三轴加速度传感器和三轴角速率传感器获取信息,用垂直于路面的敏感平面感知测试台体与路面的夹角,通过三角函数关系计算得到凹陷或突起的深度或高度,对照路面平整度指标确定路面质量;测试时屏蔽与运动方向平行的敏感轴所测数据,以减少轴间干扰,并对三轴加速度传感器和三轴角速率传感器获取的原始数据综合运用高斯分布函数初始化、高斯分布函数匹配判断、高斯分布函数匹配更新以及前景与背景分析方法,对传感器白噪声、零位漂移、轴间干扰及动态性能进行优化和补偿,以提高系统测量精度;其中,1)混合高斯分布函数匹配判断:混合高斯模型中,图形的一个像素点用N个高斯分布描述,即为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>t</mi></msub><mo>)</mo></mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>w</mi><mi>it</mi></msub><mi>G</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>t</mi></msub><mo>,</mo><msub><mi>&mu;</mi><mi>it</mi></msub><mo>.</mo><msub><mi>&delta;</mi><mi>it</mi></msub><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000497809360000011.GIF" wi="536" he="136" /></maths>  式(1)其中:p(x<sub>t</sub>)表示像素点x<sub>t</sub>的像素值;N表示混合高斯模型采用的高斯分布个数,通常N∈[3,5];w<sub>it</sub>表示混合高斯模型中,第i个高斯分布的权值;G(x<sub>t</sub>,μ<sub>it</sub>,δ<sub>it</sub>)表示第i个高斯分布函数(其中,μ<sub>it</sub>为均值;δ<sub>it</sub>为方差;<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>G</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>t</mi></msub><mo>,</mo><msub><mi>&mu;</mi><mi>it</mi></msub><mo>,</mo><msub><mi>&delta;</mi><mi>it</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><msqrt><mn>2</mn><mi>&Pi;</mi><msub><mi>&delta;</mi><mi>it</mi></msub></msqrt></mfrac><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>t</mi></msub><mo>-</mo><msub><mi>&mu;</mi><mi>it</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mrow><mn>2</mn><msub><mi>&delta;</mi><mi>it</mi></msub></mrow></mfrac><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000497809360000012.GIF" wi="819" he="159" /></maths>);2)混合高斯模型的参数更新:混合高斯模型首先把每个高斯分布的权值和均值都初始化为0,方差赋予一个较大值δ<sub>0</sub>;在任意t时刻,利用初始化的N个高斯分布对像素点x<sub>t</sub>进行一一的高斯匹配检验,在匹配检验过程中,其检验准则如下:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msqrt><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>t</mi></msub><mo>-</mo><msub><mi>&mu;</mi><mi>it</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>&lt;</mo><mi>dim</mi></mrow>]]></math><img file="FDA0000497809360000021.GIF" wi="378" he="94" /></maths>  式(2)在检验过程中,如果自适应混合高斯模型中有高斯分布的均值μ<sub>it</sub>,与x<sub>t</sub>的距离小于dim(通常<img file="FDA0000497809360000022.GIF" wi="268" he="90" />),则可以认为像素点x<sub>t</sub>与该高斯分布函数相匹配;当判断出像素点x<sub>t</sub>与混合高斯模型中高斯分布函数匹配后,高斯函数参数更新规则如下:A)对于与像素点x<sub>t</sub>不匹配的高斯分布函数,其均值μ<sub>it</sub>和方差δ<sub>it</sub>保持不变;B)对于与像素点x<sub>t</sub>匹配的高斯分布函数,按一下公式进行参数更新:μ<sub>it</sub>=(1‑α)×μ<sub>i(t‑1)</sub>+α×x<sub>t</sub>  式(3)δ<sub>it</sub>=(1‑α)×δ<sub>i(t‑1)</sub>+α×(x<sub>t</sub>‑μ<sub>it</sub>)<sup>2</sup>式(4)其中,α=r×G(x<sub>t</sub>,μ<sub>i(t‑1)</sub>,δ<sub>i(t‑1)</sub>),r为自适应混合高斯分布的学习速率;当判断出像素点x<sub>t</sub>与混合高斯模型中高斯分布不相匹配后,高斯函数参数更新规则如下:C)根据准则j=min(w<sub>it</sub>),找出最不可能代表像素点x<sub>t</sub>的高斯分布函数,即为混合高斯模型中第j个高斯分布,并对第j个高斯分布的均值、方差和权值按照公式(4)进行重新赋初值;w<sub>jt</sub>=W<sub>0</sub>,μ<sub>jt</sub>=μ<sub>0</sub>,δ<sub>it</sub>=δ<sub>0</sub>  式(5)其中,W<sub>0</sub>为一个较小值;当混合高斯模型的高斯函数均值和方差参数更新完后,对混合高斯模型中的权值进行更新,其更新准则如下:首先根据公式(6)对混合高斯模型中的高斯分布进行权值更新,其中对于像素点x<sub>t</sub>匹配的高斯分布函数,S<sub>it</sub>取值为1,否则为0;然后在根据公式(7),对混合高斯模型中的高斯分布的权值进行归一化处理;w<sub>it</sub>=(1‑α)w<sub>i(t‑1)</sub>+a×S<sub>it</sub>  式(6),<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mi>w</mi><mi>it</mi></msub><mo>=</mo><msub><mi>w</mi><mi>it</mi></msub><mo>/</mo><munderover><mi>&Sigma;</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>w</mi><mi>kt</mi></msub></mrow>]]></math><img file="FDA0000497809360000023.GIF" wi="325" he="141" /></maths>  式(7);4)前景点与背景点分离:当更新完自适应高斯模型的各个高斯函数参数后,需要对像素点进行判断,判断其为前景还是背景;D)根据w<sub>it</sub>/δ<sub>it</sub>比值大小对模型中的高斯分布进行降序排序;其中,最有可能描述像素点为稳定背景信息的是位于序列前面的高斯分布;E)根据排序后的前b个权值和<img file="FDA0000497809360000031.GIF" wi="190" he="142" />准则确定背景像素模型,通常T∈[0.5,1];重新对像素点x<sub>t</sub>与排序后的前b个高斯分布进行匹配,若至少与其中一个匹配,则说明该像素点为背景点;否则为前景点;根据上述对自适应混合高斯模型原理描述,算法软件流程图(图6)所示:其中,mean[i]:第i个高斯分布均值;sigma[i]:第i个高斯分布方差;omiga[i]:第i个高斯分布权值;pix:输入加速度数据;vT:学习速率;K:混合高斯模型个数;S:符合高斯分布个数;Sta:与高斯分布匹配取1,否则取0;基于自适应混合高斯模型的平整度数据处理过程包括三阶段:第一阶段:根据(pix‑mu)<sup>2</sup><vT*var准则对自适应高斯混合模型中的高斯函数进行参数更新;其中,对于满足上面准则的高斯函数,其均值、方差按照公式(3)、(4)进行更新;对于不满足上面准则的高斯函数其权值进行更新;第二阶段:根据omiga[i]=(1‑α)omiga[i‑1]+a×Sta和<img file="FDA0000497809360000032.GIF" wi="671" he="141" />对高斯模型中的高斯分布进行权值分配;第三阶段:即确定为平路事件和非平路事件阶段;其包括两个部分,一是根据<img file="FDA0000497809360000033.GIF" wi="581" he="141" />选定描述数据的高斯分布;第二是根据<img file="FDA0000497809360000034.GIF" wi="294" he="78" />准则重新对选定的高斯分布进行判断,如果满足该准则即判断为事件,否则判断为非事件。
地址 400065 重庆市南岸区黄桷垭崇文路2号