基于扩展卡尔曼滤波车辆模型的实时自运动评估系统

基于扩展卡尔曼滤波车辆模型的实时自运动评估系统

提出了一种利用激光雷达和基于扩展卡尔曼滤波车辆模型的实时自运动评估系统。介绍了自定位和自运动评估系统的技术部件和基本结构。该系统借助于分别安装在车辆前、后部的两个标准激光雷达传感器测量地标距离和方位。每个传感器的扫描角度范围为110°、测量距离为100m、最低更新频率为12.5Hz、最高延迟时间为100ms。由于该更新频率和延迟不能满足车辆实时性要求，而车辆自身传感器其更新频率较高（约为100～143Hz）、延迟时间较低（约为0.7～5ms），因此需要利用激光雷达传感器提供长期稳定的车辆定位，利用车辆传感器提供车辆的实时信息。系统工作时，首先通过激光雷达传感器提供检测到物体的距离和方位信息，并在其传感器坐标系中标出；然后确定地标的位置信息并存储在数字地图中，其与传感器坐标系中的相对位置结合得到被检测物体的绝对位置。其中，利用扩展卡尔曼滤波技术实现激光雷达传感器探测到的数据与车辆传感器获得的车辆转向角、横摆角、行驶速度和纵向加速度等信息融合。为保证车辆加速和制动状态下地标检测的可靠性，采用多层技术对俯仰角进行补偿。详细介绍了扩展卡尔曼滤波技术和自动地标检测算法。对给出系统进行试验分析的结果表明，该系统具有较高的鲁棒性，且能在车辆行驶速度达到60km/h、横向加速度大于0.6g时，保证自运动横向距离估计误差小于20cm。

Klaus Zindler et al.2014 IEEE17thInternational ConferenceonIntelligent TransportationSystems, Qingdao-October8-11, 2014.

编译：王亮