10.19620/j.cnki.1000-3703.20211214
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.
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
TP273(自动化技术及设备)
2022-06-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
50-55