【技术实现步骤摘要】
本申请涉及多传感器融合跟踪，特别是涉及一种障碍物状态预测方法、装置、设备和存储介质。
技术介绍
1、自动驾驶车辆通过传感器获得的数据经过感知算法处理，汇算成数据结果，实现车、路、人等信息交换，使车辆能够自动分析车辆行驶处于安全状态还是危险状态，让车辆能够按照人的意愿实现智能驾驶，最终替代人来做出决策和无人驾驶目标。如何保证感知到障碍物位置、速度、加速度、航向角给到下游规控是一个相对准确的值，以保证下游决策准确成为关键技术。
2、目前，在自动驾驶汽车中，卡尔曼滤波器被用来结合不同传感器的量测和已有航迹的结果，最终输出一个稳定平滑的障碍物状态，如位置、速度、加速度、航向角、类型等，但是卡尔曼滤波依赖量测的准确性，尤其是障碍车的航向角，无论是相机、激光雷达、毫米波雷达在感知航向角时都具有一定局限性，难以保障为下游提供稳定的障碍物位置、速度、加速度、航向角等状态信息。
技术实现思路
1、基于此，本申请提供了一种障碍物状态预测方法、装置、设备和存储介质，以解决难以保障为下游提供稳定的障碍...
【技术保护点】
1.一种障碍物状态预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一预设方程组包括状态方程、第一量测方程、第一预测方程、第一卡尔曼增益方程和第一卡尔曼滤波方程组；所述根据所述初始航向角和所述初始航向角速度，基于卡尔曼滤波器的预设方程对所述初始航向角进行卡尔曼滤波，得到修正状态信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述状态方程和所述第一量测方程分别表示为以下公式：
4.根据权利要求2所述的方法，其特征在于，所述第一卡尔曼增益方程表示为以下公式：
5.根据权利要求1所述...
【技术特征摘要】
1.一种障碍物状态预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一预设方程组包括状态方程、第一量测方程、第一预测方程、第一卡尔曼增益方程和第一卡尔曼滤波方程组；所述根据所述初始航向角和所述初始航向角速度，基于卡尔曼滤波器的预设方程对所述初始航向角进行卡尔曼滤波，得到修正状态信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述状态方程和所述第一量测方程分别表示为以下公式：
4.根据权利要求2所述的方法，其特征在于，所述第一卡尔曼增益方程表示为以下公式：
5.根据权利要求1所述的方法，其特征在于，所述修正状态信息包括所述障碍物位置的横坐标、纵坐标、修正航向角、修正航向角速度变化率和加速度，所述第二预设方程组包括运动方程、第二量测方程、第二预测方程...
【专利技术属性】
技术研发人员：朱祥祥，
申请(专利权)人：浙江吉利控股集团有限公司，
类型：发明
国别省市：
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。