原文传递
基于多传感器融合的车辆里程计系统设计
| 论文题名： | 基于多传感器融合的车辆里程计系统设计 |
| 关键词： | 车辆里程计系统;结构设计;多传感器融合;误差状态卡尔曼滤波器;状态估计;定位精度 |
| 摘要： | 随着人工智能技术的蓬勃发展，自动驾驶技术逐渐走进人们的生活。定位模块是整个自动驾驶生态的基础，实时提供车辆的位置和姿态信息，高精度定位成为自动驾驶系统中的关键技术之一。针对单一传感器定位方案无法满足高精度和高稳定性的问题，本文提出一种基于多传感器融合的车辆里程计系统，满足高精度实时定位需求。 本文以误差状态卡尔曼滤波器（Error State Kalman Filter，ESKF）为滤波框架，对自动驾驶车辆的位置、速度和姿态信息进行状态估计，设计了一个多传感器融合的车辆里程计系统。系统以惯性测量单元（Inertial Measurement Unit，IMU）作为状态预测，轮速编码器和全球定位系统（Global Positioning System，GPS）等传感器数据作为状态更新。本文通过对定位系统中常见传感器模型和测量原理进行研究，得到传感器对应的误差模型，为计算系统的预测方程和更新方程提供数学基础。根据滤波器的原理，完成了基于ESKF的多传感器融合的车辆里程计系统设计工作，对系统的状态变量、预测过程和更新过程进行明确定义。本文采用时空同步方案和异常值预处理方案对传感器数据进行处理，确保了数据的有效性。利用多传感器的互补特性，改进了系统的初始化方案。基于车辆运动学模型的约束，提出了静态和动态零速修正方案，使里程计系统的精度得到提高。 本文在KAIST城市数据集序列上对里程计系统进行测试，对各项改进方案以及不同的观测数据进行分析验证，将本文算法与原始轮速里程计和基于经典多状态约束下的卡尔曼滤波器（Multi-State Constraint Kalman Filter，MSCKF）的里程计系统进行对比。结果表明，本文提出的里程计系统的定位精度优于对比算法。 |
| 作者： | 陆兆彰 |
| 专业： | 控制科学与工程 |
| 导师： | 吴振宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
