針對智能車在城市密集區(qū)域其全球定位系統(tǒng)（Global Positioning System,GPS）系統(tǒng)易受遮擋、干擾與多路徑反射等因素影響,導致定位失靈和定位精度較低的問題,以及智能車位置姿態(tài)估計模型的非線性問題,提出了1種融合GPS/SINS的容積卡爾曼濾波智能車位置姿態(tài)估計方法。該方法將GPS和捷聯(lián)慣導系統(tǒng)（Strap-down Inertial Navigation System,SINS）優(yōu)勢互補,構建以姿態(tài)誤差、速度誤差和位置誤差等15維的系統(tǒng)狀態(tài)方程,以GPS的位置/速度與SINS的位置/速度差值的6維系統(tǒng)觀測方程,并采用容積卡爾曼濾波器對GPS和SINS的觀測矢量進行有效關聯(lián)與融合,估計并解算出車輛運動情況下的最優(yōu)位置、速度、姿態(tài)參數(shù)。通過與GPS系統(tǒng)、SINS系統(tǒng)和基于擴展卡爾曼濾波的位姿估計方法仿真對比。結果表明,本文方法能給智能車提供精確可靠的車輛位姿參數(shù)。 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 GPS/SINS非線性數(shù)學模型
    1.1 系統(tǒng)狀態(tài)方程建模
    1.2 系統(tǒng)觀測方程建模
2 容積卡爾曼濾波方法
    1) 時間更新過程
    2) 量測更新過程
3 仿真實驗與結果分析
    3.1 與GPS和INS獨立系統(tǒng)對比
    3.2 與基于EKF的GPS/INS位置姿態(tài)估計方法的對比
4 結論


【參考文獻】：
期刊論文
[1]基于容積卡爾曼濾波的車輛行駛狀態(tài)估計[J]. 衛(wèi)紹元,解瑞春,李剛.  機械設計與制造. 2015(01)
[2]基于SVD的改進抗差UKF算法及在組合導航中的應用[J]. 譚興龍,王堅,李增科.  控制與決策. 2014(10)
[3]基于抗差EKF的GNSS/INS緊組合算法研究[J]. 王堅,劉超,高井祥,許長輝.  武漢大學學報(信息科學版). 2011(05)
[4]RTK-GPS動態(tài)定位精度測試研究[J]. 秦世偉,谷川,潘國榮.  大地測量與地球動力學. 2008(05)
[5]磁傳感系統(tǒng)在室外移動機器人導航中的研究[J]. 徐海貴,王春香,楊汝清,楊明.  機器人. 2007(01)

博士論文
[1]基于人類駕駛行為的無人駕駛車輛行為決策與運動規(guī)劃方法研究[D]. 杜明博.中國科學技術大學 2016



本文編號：3691500