【技术实现步骤摘要】
一种异步多车协同目标状态鲁棒估计方法
本专利技术属于智能车辆定位与目标跟踪
，尤其涉及一种异步多车协同目标状态鲁棒估计方法。
技术介绍
环境感知系统是智能汽车的重要组成部分，为了实现车辆自适应巡航、碰撞预警及车辆自动驾驶控制等功能，环境感知系统需要准确地检测并估计智能车辆周围环境中的各类目标的准确位置及运动状态信息。目前主流的单车环境感知系统主要采用激光雷达、相机等传感器对车辆周围环境进行感知，但是激光雷达和相机传感器容易受目标间相互遮挡及障碍物遮挡的影响，同时对远距离目标车的状态估计准确度会下降。利用多传感器融合可以提升状态估计的准确性，然而会导致单车成本的迅速增加，为自动驾驶汽车的量产带来了巨大的挑战。随着车联网技术的成熟与普及，越来越多的车辆通过车间通信技术能够在车辆之间完成信息的共享。基于车车通信，主车可以利用协同车辆发布的信息，在不增加自身传感器数量的情况下，提升目标车辆的状态估计精度。因此，可以减少单车传感器的数量，从而降低自动驾驶车辆的制造成本。然而，为利用协同车辆发布的信息，需要知道主车...
【技术保护点】
1.一种异步多车协同目标状态鲁棒估计方法，其特征在于，包括以下步骤：/n步骤1，主车和协同车分别以一定的周期获得同一辆目标车的观测数据和自身定位数据；/n步骤2，协同车将其测得的目标车的观测数据
【技术特征摘要】
1.一种异步多车协同目标状态鲁棒估计方法，其特征在于，包括以下步骤：
步骤1，主车和协同车分别以一定的周期获得同一辆目标车的观测数据和自身定位数据；
步骤2，协同车将其测得的目标车的观测数据和自身定位数据发送给主车，主车接收协同车传输的数据并存放在缓存中；
步骤3，主车在当前感知时刻th获得目标车的观测数据并从缓存中取出离th时刻最近的tc时刻的协同车发送的目标车观测数据及协同车的定位数据；
步骤4，将th时刻主车定位数据插值到tc时刻，并计算tc时刻协同车在主车坐标系中的坐标值
步骤5，应用卡尔曼滤波器预测tc时刻协同车的状态和协方差矩阵目标车的状态和协方差矩阵
步骤6，基于步骤5中tc时刻协同车的状态和协方差矩阵目标车的状态和协方差矩阵根据观测数据利用期望最大化算法计算tc时刻修正后的协同车和目标车的状态、tc时刻主车与协同车坐标系之间的夹角及th时刻修正后的目标车的状态。
2.根据权利要求1所述的一种异步多车协同目标状态鲁棒估计方法，其特征在于，观测数据包括目标车在主车坐标系中的位置和目标车在协同车坐标系中的位置，分别是主车和协同车利用各自的车载传感器获得的；定位数据为主车和协同车各自的GPS坐标。
3.根据权利要求1所述的一种异步多车协同目标状态鲁棒估计方法，其特征在于，所述步骤4包括：
4.1、将主车在th时刻的GPS坐标插值到tc时刻，表示为：
其中，分别是协同车的经度、纬度和高度；分别是主车的经度、纬度和高度，Δlon和Δlat分别为纬度和经度插值的偏移量，表示为：
...
【专利技术属性】
技术研发人员：冀建宇，陈小波，王彦钧，蔡英凤，王海，陈龙，任世恒，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。