融合GPS/SINS的容积卡尔曼滤波智能车位置姿态估计方法

发布时间：2022-10-15 14:47

　　针对智能车在城市密集区域其全球定位系统（Global Positioning System,GPS）系统易受遮挡、干扰与多路径反射等因素影响,导致定位失灵和定位精度较低的问题,以及智能车位置姿态估计模型的非线性问题,提出了1种融合GPS/SINS的容积卡尔曼滤波智能车位置姿态估计方法。该方法将GPS和捷联惯导系统（Strap-down Inertial Navigation System,SINS）优势互补,构建以姿态误差、速度误差和位置误差等15维的系统状态方程,以GPS的位置/速度与SINS的位置/速度差值的6维系统观测方程,并采用容积卡尔曼滤波器对GPS和SINS的观测矢量进行有效关联与融合,估计并解算出车辆运动情况下的最优位置、速度、姿态参数。通过与GPS系统、SINS系统和基于扩展卡尔曼滤波的位姿估计方法仿真对比。结果表明,本文方法能给智能车提供精确可靠的车辆位姿参数。 

【文章页数】：6 页

【文章目录】：
1 GPS/SINS非线性数学模型
    1.1 系统状态方程建模
    1.2 系统观测方程建模
2 容积卡尔曼滤波方法
    1) 时间更新过程
    2) 量测更新过程
3 仿真实验与结果分析
    3.1 与GPS和INS独立系统对比
    3.2 与基于EKF的GPS/INS位置姿态估计方法的对比
4 结论


【参考文献】：
期刊论文
[1]基于容积卡尔曼滤波的车辆行驶状态估计[J]. 卫绍元,解瑞春,李刚.  机械设计与制造. 2015(01)
[2]基于SVD的改进抗差UKF算法及在组合导航中的应用[J]. 谭兴龙,王坚,李增科.  控制与决策. 2014(10)
[3]基于抗差EKF的GNSS/INS紧组合算法研究[J]. 王坚,刘超,高井祥,许长辉.  武汉大学学报(信息科学版). 2011(05)
[4]RTK-GPS动态定位精度测试研究[J]. 秦世伟,谷川,潘国荣.  大地测量与地球动力学. 2008(05)
[5]磁传感系统在室外移动机器人导航中的研究[J]. 徐海贵,王春香,杨汝清,杨明.  机器人. 2007(01)

博士论文
[1]基于人类驾驶行为的无人驾驶车辆行为决策与运动规划方法研究[D]. 杜明博.中国科学技术大学 2016



本文编号：3691500