首页|基于自适应扩展Kalman滤波的路侧多传感器融合

基于自适应扩展Kalman滤波的路侧多传感器融合

Roadside multi-sensor fusion based on adaptive extended Kalman filter

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
路侧感知是云控车路协同感知的组成部分.为提升路侧传感器的感知精度和稳定性,该文提出了一种基于量测噪声自适应扩展Kalman滤波器(AEKF)的路侧多传感器融合方法.基于路侧相机、激光雷达、毫米波雷达的感知结果,实现了异质传感器目标级数据的融合.采用一种量测噪声在线获取方法,检测了传感器测量值的稳定性,生成了量测噪声的修正系数,自适应调整了量测噪声;经过了实车试验.结果表明:相较于单传感器,采用该多传感器融合方法使横向距离估计精度提高9.7％,纵向距离估计精度提高5.4％,速度估计精度提高26.6％;由于该算法的横向距离估计精度提高44.9％,纵向距离估计精度提高21.3％,速度估计精度提高64.4％;因此,该文AEKF算法的估计精度高于传统扩展Kalman滤波算法(EKF)的精度.

武一民、郑凯元、高博麟、陈明、王义锋

展开 >

河北工业大学 机械工程学院,天津300130,中国

清华大学 车辆与运载学院,北京100084,中国

滴滴出行,北京100089,中国

自动驾驶汽车 路侧感知 多传感器融合 自适应滤波 扩展Kalman滤波(EKF)

广东省重点领域研发计划清华大学-滴滴未来出行联合研究中心项目

2019B09091200120192911567

2021

10.3969/j.issn.1674-8484.2021.04.011

汽车安全与节能学报
清华大学

汽车安全与节能学报

CSTPCDCSCD北大核心
影响因子：0.748
ISSN：1676-8484
年,卷(期)：2021.12(4)
  • 1
  • 6