10.3969/j.issn.2095-2783.2017.14.010
融合GPS/SINS的容积卡尔曼滤波智能车位置姿态估计方法
针对智能车在城市密集区域其全球定位系统(Global Positioning System,GPS)系统易受遮挡、干扰与多路径反射等因素影响,导致定位失灵和定位精度较低的问题,以及智能车位置姿态估计模型的非线性问题,提出了1种融合GPS/SINS的容积卡尔曼滤波智能车位置姿态估计方法.该方法将GPS和捷联惯导系统(Strap-down Inertial Navigation System,SINS)优势互补,构建以姿态误差、速度误差和位置误差等15维的系统状态方程,以GPS的位置/速度与SINS的位置/速度差值的6维系统观测方程,并采用容积卡尔曼滤波器对GPS和SINS的观测矢量进行有效关联与融合,估计并解算出车辆运动情况下的最优位置、速度、姿态参数.通过与GPS系统、SINS系统和基于扩展卡尔曼滤波的位姿估计方法仿真对比.结果表明,本文方法能给智能车提供精确可靠的车辆位姿参数.
智能车、定位技术、GPS/SINS、非线性模型、容积卡尔曼滤波
12
TN967.2
国家自然科学基金资助项目61603058,61501058;中央高校基本科研业务费专项资金资助项目310824164007
2018-01-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
1621-1626