多传感器融合的车辆状态参数预估方法技术

本发明专利技术公开了一种多传感器融合的车辆状态参数预估方法，包括如下步骤：简化车辆为在水平面运动的刚体模型，简化大地坐标系为xoy的平面坐标系；车载工控机采集传感器信号；设计车辆位姿与速度预估卡尔曼滤波器；使用所设计的卡尔曼滤波器，预估车辆位姿和速度信息；由输出的车辆位姿和速度信号，求解t

【技术实现步骤摘要】
多传感器融合的车辆状态参数预估方法


[0001]本专利技术涉及汽车数据采集
，尤其涉及一种多传感器融合的车辆状态参数预估方法。

技术介绍

[0002]随着智能网联、人工智能等技术取得长足进步，汽车行业开始沿智能化和电动化趋势不断发展，自动驾驶、线控底盘、智能网联和高级驾驶辅助技术成为当下的汽车热门技术。以上技术为实现其预期的目标功能，均需要获取高精度的车辆状态参数作为基础，但是现有技术中出现的方法一般计算复杂，成本较高。

技术实现思路

[0003]本专利技术所要解决的技术问题是如何提供一种融合传感器信息多、参数预估精度高、计算成本低的多传感器融合的车辆状态参数预估方法。
[0004]为解决上述技术问题，本专利技术所采取的技术方案是：一种多传感器融合的车辆状态参数预估方法，其特征在于包括如下步骤：
[0005]简化车辆为在水平面运动的刚体模型，简化大地坐标系为xoy的平面坐标系；
[0006]车载工控机采集传感器信号；
[0007]设计车辆位姿与速度预估卡尔曼滤波器；/>[0008]使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多传感器融合的车辆状态参数预估方法，其特征在于包括如下步骤：简化车辆为在水平面运动的刚体模型，简化大地坐标系为xoy的平面坐标系；车载工控机采集传感器信号；设计车辆位姿与速度预估卡尔曼滤波器；使用所设计的卡尔曼滤波器，预估车辆位姿和速度信息；由输出的车辆位姿和速度信号，求解t
k
时刻车身坐标系下车辆纵向行驶速度,侧向滑移速度和横摆角速度；设计车辆侧向滑移速度预估卡尔曼滤波器；使用所设计的车辆侧向滑移速度预估卡尔曼滤波器，预估车辆侧向滑移速度。2.如权利要求1所述的多传感器融合的车辆状态参数预估方法，其特征在于所述步骤车载工控机采集传感器信号的方法如下：车载工控机通过激光雷达采集环境点云数据，运行特征提取和位姿匹配算法，获取得到由激光雷达测定的车辆质心在xoy坐标系下的x轴坐标x
lidar
,y轴坐标y
lidar
和车辆纵向行驶方向与大地坐标系x轴间夹角，即航向角车载工控机通过与车载RTK实时差分定位传感器通讯，获取得到由RTK传感器测定的车辆质心在xoy坐标系下的x轴坐标x
sensor
,y轴坐标y
sensor
和航向角车载工控机通过摄像头采集图像数据，运行Lucas
‑
Kanade光流算法，获取得到车辆质心在xoy坐标系下的x轴方向速度y轴坐标方向速度车载工控机通过与IMU传感器通讯，获取得到车辆在xoy坐标系下的横摆角速度和车身坐标系下的车辆侧向加速度车载工控机通过与方向盘转角传感器通讯，获取得到车辆的前轮转角δ。3.如权利要求1所述的多传感器融合的车辆状态参数预估方法，其特征在于所述设计车辆位姿与速度预估卡尔曼滤波器的方法如下：由简化后车辆模型在xoy坐标系中运动学关系，构建系统状态预测方程；组合采集到的传感器信号，构建系统状态观测方程；设定系统预测噪声方差矩阵为非负正定矩阵Q1，设定系统观测噪声方差矩阵为正定矩阵R1。4.如权利要求3所述的多传感器融合的车辆状态参数预估方法，其特征在于所述由简化后车辆模型在xoy坐标系中运动学关系，构建系统状态预测方程的方法如下：在xoy坐标系下，简化后的车辆模型具有三个自由度，即沿x轴方向直线运动、沿y轴方向直线运动和绕过质心垂直于xy平面的轴旋转运动；以车辆沿x轴方向运动为例，设x(k+1)，x(k)分别为t
k+1
，t
k
时刻车辆在坐标系xoy中的x轴坐标值，系统的采样周期为T，则有：式中，为车辆在xoy坐标系下沿x轴的速度，由运动学关系则有：式中，为由t
k
‑1时刻至t
k
x轴方向的速度变化量，将式(2)代入式(1)并整理得：
设定式(1)权重值为q,q∈(0,1),式(2)权重值为(1
‑
q)，由式(1)
×
q+式(2)
×
(1
‑
q)可得:设分别为t
k+1
，t
k
时刻在坐标系xoy中车辆沿x轴方向的速度，则有：式中，为车辆在xoy坐标系下车辆沿x轴的加速度，由运动学关系则有：式中，为由t
k
‑1时刻至t
k
车辆沿x轴方向的加速度变化量，将式(6)代入式(5)并整理得：设定y(k+1)，y(k)分别为t
k+1
，t
k
时刻车辆在xoy坐标系下的y轴坐标值，分别为t
k+1
，t
k
时刻车辆在xoy坐标系下的沿y轴的速度，同理满足：时刻车辆在xoy坐标系下的沿y轴的速度，同理满足：式中分别为由t
k
‑1时刻至t
k
车辆沿y轴方向的速度变化量和加速度变化量；设定分别为t
k+1
，t
k
时刻在xoy坐标系下车辆纵向行驶方向与x轴间夹角，即航向角值，分别为t
k+1
，t
k
时刻车辆的横摆角速度，同理满足：时刻车辆的横摆角速度，同理满足：式中分别为由t
k
‑1时刻至t
k
车辆横摆角速度变化量和横摆角加速度变化量；取状态向量为X1(k),设则设系统状态转移方程为：X1(k+1)＝Φ1(k)X1(k)+W1(k)
ꢀꢀꢀꢀꢀꢀꢀ
(12)式中Φ1(k)为状态预测矩阵，
式中W1(k)为预测噪声，5.如权利要求4所述的多传感器融合的车辆状态参数预估方法，其特征在于组合采集到的传感器信号，构建系统状态观测方程的方法如下：设x
lidar
(k)，y
lidar
(k)，分别为t
k
时刻由激光雷达测定的x轴坐标，y轴坐标和航向角，则有：式中，v
xlidar
(k)，v
ylidar
(k)，分别为t
k
时刻由激光雷达测定的x轴坐标，y轴坐标和航向角信号的噪声；取观测向量为Y1(k)，设观测方程为：Y1(k)＝H1(k)X1(k)+v1(k)
ꢀꢀꢀꢀꢀꢀ
(14)式中，H1为观测矩阵，v1(k)为观测噪声矩阵，6.如权利要求3所述的多传感器融合的车辆状态参数预估方法，其特征在于所述预估车辆位姿和速度信息的方法如下：1)给定预估计的系统状态初值和误差方差矩阵初值P1(0)；
2)由t
k
‑1时刻误差方差矩阵预估值P1(k
‑
1)，求解t
k
时刻的误差方差矩阵预测值P1(k,k
‑
1)；3)求解t
k
时刻的滤波增益矩阵K1(k)；4)求解t
k
时刻的误差方差矩阵预估值P1(k)；P1(k)＝[I
‑
K1(k)H1(k)]P1(k,k

【专利技术属性】
技术研发人员：何磊，王毅霄，
申请(专利权)人：吉林大学，
类型：发明
国别省市：