自动驾驶汽车状态估计的矩阵加权自适应扩展卡尔曼滤波方法 |
| |
引用本文: | 初宏伟,张颖.自动驾驶汽车状态估计的矩阵加权自适应扩展卡尔曼滤波方法[J].汽车技术,2022(5):50-55. |
| |
作者姓名: | 初宏伟 张颖 |
| |
作者单位: | 1. 长春汽车工业高等专科学校;2. 一汽-大众汽车有限公司 |
| |
摘 要: | 针对自动驾驶汽车状态和故障估计问题,基于自适应扩展卡尔曼滤波(AEKF)理论提出了一种矩阵加权多传感器信息融合估计方法。首先,将自动驾驶汽车运动学模型进行离散化处理;然后,以极小化多传感器量测估计误差向量均方和为目标,采用拉格朗日极值求解方法设计了矩阵加权多传感器信息融合方法;最后,在低精度传感器、高精度传感器、融合估计3种条件下仿真验证该方法的正确性。结果表明,与单个传感器情形相比较,所提出的方法能较好地估计自动驾驶汽车的位置、航向角、速度信息以及执行机构故障信息,为自动避障、自动泊车等精准测控任务提供参考。
|
关 键 词: | 自动驾驶汽车 多传感器 状态估计 执行机构故障 卡尔曼滤波 |
|