另外，任何概率分布都可以用高斯分布的无限和(infinitesum)表示，而高斯分布进而又用均值和方差表示。也就是说，即使校准状态的概率分布的高斯假设对于每个质点是不正确的，但是当在所有质点上聚合时，该假设也是正确的。
图1f例示了根据一些实施方式的概率分布函数140f的图，该概率分布函数140f定义了用于对质点进行采样的校准状态的可行空间100f。可以预先确定概率分布函数140f的形状。例如，如果校准状态的分布是高斯分布，则分布140f的形状是“高斯帽”形状。如果形状固定，则均值110f和方差130f定义了可以从中抽取校准状态的样本的可行空间100f和分布140f。
在一个实施方式中，测量值的子集具有已知的方差和偏移(即，已知的参数)，它们是被先验地或通过某些其它方法而确定的。在这种情况下，能够使用具有已知方差和偏移的测量值，以通过使用具有估计车辆状态的一部分的已知参数的传感器来改进具有未知参数的传感器的传感器特性的均值和方差的估计。
图2a示出了用于控制车辆200的控制系统199的总体框图。可以使用可操作地连接至车辆的存储器和/或各种类型的传感器的一个或更多个处理器来实现控制系统199的不同组件。如本文所用，车辆可以表示包括乘用车、公共汽车或移动机器人的任何轮式车辆。车辆可以是自主车辆、半自主车辆或配备有主动安全系统(诸如电子稳定性控制(esc)和/或abs)的标准车辆。控制系统199可以在车辆200内部，并且控制系统199的不同组件的实现可以取决于车辆的类型。例如，车辆260的组件可以依据车辆的类型而变化。
控制系统199接收信息290并产生一些或全部车轮的车轮速度的估计值221。信息290可以包括来自abs的车轮速度测量值、引擎扭矩和旋转速度、和/或制动压力。控制系统199还可以包括感测系统230，该感测系统230使用惯性测量单元(imu)来测量诸如车辆的转速和车辆的加速度之类的车辆的惯性分量。例如，imu可以包括3轴加速度计、3轴陀螺仪和/或磁力计。imu可以向控制系统199的其它组件提供速度、方位和/或其它位置相关信息。感测系统230还可以从全球定位系统(gps)或等同物接收全球位置信息。
台湾XENO调压过滤器LXFR200-ALP
台湾XENO调压过滤器LLXFR200-ALP
台湾XENO两联件LXFC200-08
台湾XENO两联件LLXFC200-08
台湾XENO过滤器XF200-08-AD
台湾XENO过滤器XF200-08-ADB
台湾XENO两联件LXFC400-10-AD 附自动排水器
台湾XENO过滤器LXF400-15-AD附自动排水器
台湾XENO油水分离器LXF400-10-AD附自动排水器
台湾XENO油水分离器LXF400-20-AD
台湾XENO两联件LXFC400-15-AD
台湾XENO两联件LXFC400-20-AD
台湾XENO调压过滤器LXFR400-20
台湾XENO调压过滤器LXFR400-20-AD
控制系统199还包括用于确定(例如，230中的传感器)校准状态的参数的传感器校准器240。在本发明的一些实施方式中，传感器状态估计器从在先前迭代期间确定的车辆状态和传感器特性的参数，迭代地确定与校准状态一致的车辆状态和传感器特性的参数。如本文所使用的，车辆状态包括车辆的速度和方位角速度，但是也可以包括与车辆运动有关的位置、方位角和附加量。
传感器状态估计器240使用来自感测系统的信息231和/或来自信号调节器的车轮速度估计值221。如果感测系统230配备有用于测量车辆的纵向加速度的imu，则来自imu的测量值可以用于确定与车辆的纵向运动有关的参数。然而，如果感测系统230没有关于纵向加速度的信息，则信号调节器220可以基于车轮速度估计值和根据其它实施方式的其它量来输出纵向加速度的估计值221。附加地或另选地，传感器状态估计器240可以基于车轮速度信息221确定纵向加速度的估计值。在本发明的一个实施方式中，通过将车轮速度、转向角和imu信息组合来迭代地估计车辆状态和传感器特性的参数。在本发明的另一实施方式中，传感器校准系统仅包括横向组件。在这种情况下，信息221可以包括纵向运动的必要信息。传感器状态估计器240还可以从车辆控制单元260接收关于车辆运动的信息261。该信息可以包括诸如位置、方位角、速度之类的车辆的状态，并且从直接连接到机器或远程连接到机器的硬件或软件接收该信息。
例如，传感器状态估计器可以输出包括偏移值、偏移的确定性水平以及测量值的噪声的方差、或它们的组合的校准状态241。控制系统199还包括使用校准状态信息241的车辆控制器260。例如，在一个实施方式中，偏移被用在利用车辆动态模型的gaoji驾驶员辅助系统(adas)中，这取决于传感器的偏移的状态。车辆控制器260可以包括诸如abs、esc或adas或者使能自主驾驶特征的车辆控制器的组合之类的独立组件。例如，传感器状态估计器可以输出与车轮半径偏移估计有关的校准状态242，以显示在车辆的作为车辆驾驶员的监视组件的显示器210上，来警告驾驶员胎压损失。附加地或另选地，描述校准状态的偏移和方差可以用作车辆的估计器290(例如，状态估计器)的输入。
图2b示出了根据本发明的一个实施方式的传感器状态估计器240的总体结构。传感器状态估计器240包括用于执行传感器状态估计器240的模块的至少一个处理器270。处理器270连接271到存储器280，存储器280存储状态和参数的统计值281以及诸如车辆的运动模型和车辆的测量模型之类的车辆信息282，其中，车辆的运动模型包括运动的确定性分量和运动的概率性分量的组合，其中，运动的确定性分量独立于校准状态并且将车辆运动定义为时间的函数，其中运动的概率性分量包括校准状态并定义了关于车辆运动的干扰，其中车辆的测量模型包括测量模型的独立于校准状态的确定性分量以及测量模型的包括校准状态的概率性分量的组合。存储器280还存储估计器的内部信息(283)，该内部信息包括但不限于校准状态的值、车辆的每个计算状态的值以及导致车辆的每个状态的运动。在一些实施方式中，基于从车辆接收的信息261和从感测接收的信息231来更新271关于车辆的信息。
本发明的一些实施方式依赖于以下认识：可以通过联合地和迭代地估计车辆状态以及在概率框架中zuijia地描述车辆状态的校准状态来确定校准状态，而不是通过依赖于乏味的优化算法来尝试找到与传感器相关的参数。也就是说，可以通过考虑特定参数值解释在先前迭代期间确定的状态估计值的概率来估计校准状态。
例如，一些实施方式使用车辆的概率运动模型，其中，传感器被表示为对车辆运动的随机干扰，其中，偏移被建模为统计均值，并且统计均值附近的方差表示传感器的测量噪声，其中可以根据优化一些概率成本函数来确定参数的集合的选择。根据本发明的其它实施方式选择成本函数。
