原文传递
机器视觉与车辆动力学融合的道路侧向坡度估计研究
| 论文题名： | 机器视觉与车辆动力学融合的道路侧向坡度估计研究 |
| 关键词： | 自动驾驶;道路侧向坡度估计;卡尔曼滤波;机器视觉 |
| 摘要： | 道路侧向坡度的实时准确估计，是车辆自动驾驶以及安全辅助驾驶的重要支撑技术。由于车辆自身姿态变化与道路侧向坡度存在耦合关系，依靠车辆现有传感信息难以准确估计道路侧向坡度。为此，本文提出一种较为稳定、准确的道路侧向坡度融合估计方案:首先分别基于车辆动力学模型、机器视觉对侧向道路坡度进行估计;而后为提高估计精度，将两种算法进行融合，形成基于卡尔曼滤波的道路侧向坡度融合估计算法。主要研究工作如下: (1)建立基于动力学的道路坡度估计模型。以车辆侧向动力学为基础，推导道路侧向坡度估计表达式，而后通过解算车辆侧倾角，来解耦车体倾斜与道路坡度角的叠加，从而得到道路侧向坡度的真实值。仿真实验验证了该方法的有效性，但结果抖动较大，同时在车辆出、入坡时无法满足估计精度要求。 (2)提出基于机器视觉的道路坡度估计方案。通过车载相机获取车辆前方道路图像，根据图像透视原理，找出道路侧向坡度角与车道线斜率之间的参数关系，求解车道线斜率即可实现对道路侧向坡度角的估计。由于相机固定在车辆上，此方案解算出的数据只是道路坡度的相对变化量，并非坡度真实值，因此考虑将视觉估计结果作为道路坡度变化率，为融合算法提供数据支持。 (3)提出基于卡尔曼滤波的道路侧向坡度融合估计算法。由于单纯的动力学估计结果振荡较大，进一步提出扩展卡尔曼滤波动力学坡度估计模型，为融合算法提供有效且精确的数据，而后结合卡尔曼滤波数据融合方法，建立数据融合道路坡度估计模型。最后通过仿真实验验证了扩展卡尔曼滤波动力学模型的有效性，同时通过对比体现出融合算法的优势以及精度。 (4)实车验证实验。选取实验路段进行实车实验，与测量标定结果进行对比验证。实验结果证明该融合算法具有较高的精度、鲁棒性以及实时性，能在复杂的实际运行工况下低成本实现道路侧坡的有效估计。 |
| 作者： | 李海玮 |
| 专业： | 车辆工程 |
| 导师： | 严运兵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
