本发明涉及惯性导航校准的，尤其涉及一种测试车辆惯性导航传感器校准方法。
背景技术：
1、惯性导航系统是现代测试车辆定位和导航的核心组件之一。它通过测量车辆的加速度和角速度来估算车辆的位置、速度和姿态。在测试车辆中，高精度的惯性导航系统对于实现精确定位、自动驾驶以及各种高级驾驶辅助系统至关重要。惯性导航系统主要由加速度计和陀螺仪等惯性传感器组成。然而，这些传感器在实际使用中往往存在各种误差，如零偏误差、比例因子误差、安装误差等。这些误差会随时间累积，导致导航解算结果产生漂移，严重影响系统的精度和可靠性。因此，对惯性导航传感器进行准确校准是确保测试车辆高精度定位和导航的关键前提。传统的惯性导航传感器校准方法主要依赖于高精度的校准平台和专业的实验室环境。这种方法虽然精度高，但成本昂贵，操作复杂，且难以频繁进行。
技术实现思路
1、有鉴于此，本发明提出一种测试车辆惯性导航传感器校准方法，以减少系统误差，提高惯性导航系统的长期稳定性和可靠性。
2、实现上述目的，本发明提供的一种测试车辆惯性导航传感器校准方法，包括以下步骤：
3、s1：使用激光测距仪对测试车辆上的惯性导航传感器安装位置进行校正，其中空间几何对齐为惯性导航传感器校正的实施方法；
4、s2：采集车辆运动数据并进行噪声消除得到去噪后的车辆运动数据，所述车辆运动数据包括速度、加速度和位移，其中时序降噪自编码器为所述噪声消除的实施方法；
5、s3：构建惯性导航标定模型校正惯性导航传感器的动态误差，所述惯性导航标定模型以去噪后的车辆运动数据为输入，以校正的惯性导航传感器参数为输出，其中扩展卡尔曼滤波为所述惯性导航标定模型的实施方法；
6、s4：使用经过动态校准后的传感器参数进行数据测量，确保数据准确性。
7、作为本发明的进一步改进方法：
8、可选地，所述s1步骤中使用激光测距仪对测试车辆上的惯性导航传感器安装位置进行校正，包括：
9、s11：将激光测距仪放置在已知位置，随机选择测试车辆上三个非共线参考点，使用激光测距仪分别测量传感器与各个参考点之间的距离，利用激光测距仪测量的距离和已知的参考点位置，通过三边测量法计算传感器在车辆坐标系中的位置，所述距离计算公式为：
10、；
11、其中：
12、分别表示车辆坐标系下测试车辆上三个非共线参考点位置坐标；
13、分别表示测得的传感器与各个参考点之间的距离；
14、表示车辆坐标系下惯性导航传感器的位置坐标；
15、s12：建立车辆坐标系和世界坐标系之间的转换关系，计算公式为：
16、；
17、其中：
18、表示传感器在世界坐标系中的位置向量；
19、表示车辆坐标系相对于世界坐标系的旋转矩阵；
20、表示车辆坐标系在世界坐标系中的平移向量；
21、表示惯性导航传感器在车辆坐标系中的位置向量；
22、s13：根据坐标系转换关系计算传感器在世界坐标系下的位置坐标，与实测数据进行偏差计算，所述偏差计算公式为：
23、；
24、其中：
25、表示实测传感器在世界坐标系中的位置向量；
26、s14：根据计算得到的偏差修正传感器的位置，计算公式为：
27、；
28、其中：
29、表示修正后的传感器位置坐标；
30、表示位置误差修正步长；
31、s15：重新测量传感器的安装位置，确保偏差在预置范围内，完成安装校准。
32、可选地，所述s2步骤中采集车辆运动数据并进行噪声消除得到去噪后的车辆运动数据，包括：
33、s21：对采集的车辆运动数据进行归一化处理得到归一化后的车辆运动数据；
34、s22：构建车辆运动数据降噪自编码器模型，所述车辆运动数据降噪自编码器模型结构包括输入层、复合噪声层、编码器层、解码器层和输出层，其中：
35、所述输入层接收形状为的归一化后的车辆运动数据作为输入，其中表示车辆运动数据记录数量，表示车辆运动数据记录长度；
36、所述复合噪声层对输入数据中的每一项添加复合噪声，计算公式为：
37、；
38、其中：
39、表示服从复合分布的噪声；
40、表示归一化后的车辆运动数据；
41、表示添加噪声后的车辆运动数据；
42、所述复合分布由高斯分布、泊松分布和指数分布加权构成；
43、所述编码器层包含3个全连接层，计算公式为：
44、；
45、；
46、；
47、其中：
48、,,分别表示编码器层中第一个、第二个、第三个全连接层的权重矩阵
49、,,分别表示编码器层中第一个、第二个、第三个全连接层偏置向量；
50、表示激活函数；
51、表示编码器第一个全连接层的输出向量；
52、表示编码器第二个全连接层的输出向量；
53、表示编码器第三个全连接层的输出向量；
54、所述解码器层包含3个全连接层，计算公式为：
55、；
56、；
57、；
58、其中：
59、表示解码器层中第一个、第二个、第三个全连接层的权重矩阵；
60、分别表示解码器层中第一个、第二个、第三个全连接层偏置向量；
61、表示解码器第一个全连接层的输出向量；
62、表示解码器第二个全连接层的输出向量；
63、表示解码器第三个全连接层的输出向量；
64、所述输出层直接输出解码器层输出向量作为降噪后车辆运动数据；
65、s23：对构建的车辆运动数据降噪自编码器模型进行优化求解得到模型参数，并根据模型参数实例化模型，利用实例化模型进行车辆运动数据降噪。
66、可选地，所述s23步骤中对构建的车辆运动数据降噪自编码器模型进行优化求解得到模型参数，包括：
67、s23.1：根据构建的车辆运动数据降噪自编码器模型确定损失函数，所述损失函数计算公式为：
68、；
69、其中：
70、表示第i条车辆运动数据记录；
71、表示降噪后的第i条车辆运动数据记录；
72、n表示样本数；
73、s23.2：随机初始化模型参数向量，设置初始搜索方向；
74、其中：表示目标损失函数在位置处的梯度；
75、s23.3：更新模型参数；
76、其中：
77、表示更新步长；
78、表示第k轮迭代的搜索方向；
79、表示第k轮迭代的模型参数；
80、s23.4：计算目标损失函数在位置处的梯度；
81、s23.5：更新计算搜索方向，其中：表示第k轮迭代的共轭系数；
82、s23.6：迭代执行步骤s23.3直到达到最大迭代次数输出的模型参数为最优模型参数。
83、可选地，所述s3步骤中构建惯性导航标定模型校正惯性导航传感器的动态误差，包括：
84、s31：基于扩展卡尔曼滤波构建惯性导航标定模型，所述惯性导航标定模型状态向量包括通过惯性导航传感器获取的车辆位移、速度和加速度，模型的观测向量包括通过gps获取的车辆位置和速度和加速度，模型状态转移过程计算公式为：
85、；
86、其中：
87、表示状态转移过程的非线性函数；
88、是控制输入；
89、是过程噪声；
90、表示第k轮迭代的状态向量；
91、表示第k+1轮迭代的状态向量；
92、所述惯性导航标定模型状态观测转移过程计算公式为：
93、；
94、其中：
95、表示观测噪声；
96、表示第k轮迭代的观测向量；
97、表示状态观测转移过程的非线性函数；
98、s32：随机初始化状态向量，协方差矩阵和观测协方差矩阵；
99、s33：根据当前轮次状态向量利用模型状态转移过程预测状态向量，利用模型状态观测转移过程计算观测向量；
100、s34：计算当前轮次卡尔曼增益，计算公式为：
101、；
102、其中：
103、表示观测矩阵；
104、表示第k轮次的协方差矩阵；
105、s35：根据计算得到的卡尔曼增益和观测值更新状态向量和协方差矩阵，
106、所述状态向量更新计算公式为：
107、；
108、所述协方差矩阵更新计算公式为：
109、；
110、其中：
111、表示根据第k轮状态向量预测得到的观测向量；
112、s36：迭代执行步骤s33直到达到最大迭代次数，根据最后输出的状态向量校正惯性导航传感器的参数。
113、可选地，所述s36步骤中根据最后输出的状态向量校正惯性导航传感器的参数，包括：
114、s36.1：将惯性导航标定模型输出的状态向量和惯性导航传感器的观测向量进行拼接得到融合向量；
115、s36.2：利用深度神经网络建立融合向量与惯性导航传感器参数之间的非线性映射关系；
116、s36.3：利用融合向量与惯性导航传感器参数之间的非线性映射关系进行惯性导航传感器参数校正。
117、使用经过动态校准后的传感器参数进行数据测量，实现测试车辆惯性导航传感器校准，确保数据准确性。
118、为了解决上述问题，本发明提供一种电子设备，所述电子设备包括：
119、存储器，存储至少一个指令；
120、通信接口，实现电子设备通信；及
121、处理器，执行所述存储器中存储的指令以实现上述所述的测试车辆惯性导航传感器校准方法。
122、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的测试车辆惯性导航传感器校准方法。
123、相对于现有技术，本发明提出一种测试车辆惯性导航传感器校准方法，该技术具有以下优势：
124、（1）本方案通过使用激光测距仪对测试车辆上的惯性导航传感器安装位置进行校正，实现空间几何对齐，确保传感器的安装位置准确无误，提高校正的精度；
125、（2）本方案提出一种基于时序降噪自编码器的噪声消除方法，该方法通过采集车辆运动数据并使用时序降噪自编码器进行噪声消除，得到去噪后的车辆运动数据，能够有效地去除运动数据中的噪声，提高数据的质量和准确性；
126、（3）本方案提出了一种惯性导航标定方案，能够对车辆运动数据进行惯性导航传感器参数校正，提升校正正确性；
127、（4）本方案综合运用空间几何对齐、时序降噪自编码器、扩展卡尔曼滤波和动态校准等方法，实现对惯性导航传感器的精确校正，提高传感器在导航和定位应用中的性能表现。
1.一种测试车辆惯性导航传感器校准方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种测试车辆惯性导航传感器校准方法，其特征在于，所述s1步骤中使用激光测距仪对测试车辆上的惯性导航传感器安装位置进行校正，包括：
3.如权利要求1所述的一种测试车辆惯性导航传感器校准方法，其特征在于，所述s2步骤中采集车辆运动数据并进行噪声消除得到去噪后的车辆运动数据，包括：
4.如权利要求3所述的一种测试车辆惯性导航传感器校准方法，其特征在于，所述s23步骤中对构建的车辆运动数据降噪自编码器模型进行优化求解得到模型参数，包括：
5.如权利要求1所述的一种测试车辆惯性导航传感器校准方法，其特征在于，所述s36步骤中根据最后输出的状态向量校正惯性导航传感器的参数，包括：
