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

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。