原文传递
基于扩展卡尔曼滤波的智能车辆多传感器融合定位系统研究
| 论文题名： | 基于扩展卡尔曼滤波的智能车辆多传感器融合定位系统研究 |
| 关键词： | 智能车辆;多传感器融合定位;扩展卡尔曼滤波;原始轨迹;跳跃漂移 |
| 摘要： | 随着无人驾驶技术的发展，对于定位精度的需要越来越高，因此，如何利用各种传感器提高定位系统的定位精度和稳定性成为当前研究的热点之一。本文研究了基于扩展卡尔曼滤波的多传感器融合定位，并基于扩展卡尔曼滤波测量噪声的问题提出了一种改进型扩展卡尔曼滤波算法。 首先本文分析了研究多传感器融合定位的重要意义，多传感器融合综合利用了各传感器的优势提高了定位精度，而且该定位系统的鲁棒性更好。其次，本文对多传感器融合的理论进行了分析，介绍了主要的卫星定位系统及其定位原理，然后分析了融合定位的热门算法卡尔曼滤波以及扩展卡尔曼滤波算法。接着，本文利用机器人操作系统ROS以及ROS平台中的融合定位软件包robot_localization进行了测试实验，通过实验进一步验证了多传感器融合定位的优越性，提高了系统的定位精度和稳定性，同时通过实验分析了当前融合定位算法的优缺点。最后针对之前卡尔曼滤波算法存在的问题，我们提出了一种改进型卡尔曼滤波算法，对测量噪声进行优化，利用两个GPS，使其动态调整测量噪声，并把算法进行了代码实现，同时进行了实车实验，实验结果表明，改进后的EKF融合结果明显优于改进前的，不仅处理了原始数据中的跳跃漂移问题，而且使得融合结果更符合原始轨迹，定位精度进一步提高。同时针对该算法的后续的改进问题在后面的展望中也已经给出。 |
| 作者： | 邹勇松 |
| 专业： | 软件工程 |
| 导师： | 董国华;欧阳英伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长沙理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
