基于扩展卡尔曼滤波与机器视觉融合的道路侧向坡度估计

为解决现有算法难以准确估计前方道路侧向坡度的问题，提出了一种基于扩展卡尔曼滤波（EKF）与机器视觉（VB）融合的道路侧向坡度估计方法。首先，建立含有侧向坡度的车辆2自由度模型，通过EKF估计出侧向坡度与车辆侧倾角的叠加态，由侧向加速度乘以适当增益解耦出车辆侧倾角，得到EKF道路侧向坡度估计值；其次，通过视觉成像原理分析二维图像中道路侧向坡度与图像中相关参数的几何关系，得到VB道路侧向坡度估计值；最后，通过数据融合得到最终的道路侧向坡度估计值，使估计结果冗余互补。仿真和实车试验结果表明，该融合算法能够适用于道路侧向坡度变化的坡道，并显著提高了估计精度。