卡尔曼滤波在自动驾驶的应用

卡尔曼滤波是一种估值算法,用估计与测量对模型的状态进行较为准确的监控和预判,同样可以用于汽车自动驾驶的领域,来进行对动态模型的计算。自动驾驶是当前正在被突破的一个创新领域,以我国目前迅猛发展的科技实力,在这个新兴领域也能冲在前面。这个过程的研究中运用了数学、物理学、统计学等多方面的知识,包括动态模型的建立和监测,速度控制以及运动路线的规划等等。运用卡尔曼滤波可以帮助自动驾驶的研究和发展,更好地进行车辆间距离的监测和控制。     

多传感器信息融合的自动驾驶车辆定位与速度估计

针对大学生无人驾驶方程式(FSAC)于地图内高精定位以及速度观测的问题,设计基于多传感器信息融合的状态估计算法,并应用于自研实车平台。算法基于迭代扩展卡尔曼滤波(iEKF) 进行设计,融合多类传感器,包括惯性测量单元 (IMU)、转角及轮速编码器、全球卫星定位(GPS)、相机与激光雷达(Lidar)。首先,利用IMU预测车辆先验状态,然后,建立并联融合架构,对各类传感器数据进行不同的信息处理,用于更新先验状态,由于并联融合的架构,不同传感器可独立地维护车辆的状态观测。实验结果表明,所提出的算法对地图内定位、速度观测有较好的精度,且具有足够的冗余性和实时性。     

重庆出台自动驾驶道路测试管理实施细则（试行）

3月11日,重庆市经济和信息化委员会、重庆市公安局、重庆市交通委员会和重庆市城市管理委员会联合出台《重庆市自动驾驶道路测试管理实施细则（试行）》（以下简称《实施细则》）,以规范和支持自动驾驶车辆在公共道路开展道路测试.     

自动驾驶车辆道路跟驰与状态一致性控制

针对含有未知输入和外部干扰的非线性自动驾驶车辆时变跟驰队列系统,研究系统部分状态可测情况下的车辆道路跟驰和状态一致性控制问题.基于车辆跟驰和二自由度动力学模型,得到含有外部干扰和未知输入的离散化状态方程,利用前导跟驰特性,得到自动驾驶车辆跟驰队列系统;利用比例积分状态观测器解决系统部分状态不可测问题,提出一种基于观测器实现含有未知输入和外部干扰的自动驾驶车辆状态一致性控制协议;将观测器估计效果和一致性控制问题转化为误差系统的稳定性问题,由此构造Lyapunov-Krasovkii函数,利用离散系统稳定性理论推导出一个充分条件;通过求解线性矩阵不等式(linear matrix inequality, LMI)得到跟驰系统的增益矩阵和参数矩阵,利用H_∞性能指标分析系统鲁棒性.仿真结果表明:所设计观测器能够估计未知输入、外部干扰和系统状态,并且基于观测器设计能够使自动驾驶车辆道路跟驰和状态达到一致.     

基于遥感图像的自动驾驶道路检测：一种直方图均衡化策略

自动驾驶技术的发展对道路检测技术提出了越来越高的要求,遥感图像在道路检测领域具有广泛的应用前景。针对自动驾驶中基于遥感图像的道路检测问题,提出了一种直方图均衡化策略,使用了DeepGlobal道路数据集,并分析了直方图均衡化在U-Net+Deeplab＿v3、U-Net+FCN和U-Net+PSPNet模型上的性能。实验结果表明,在不使用直方图均衡化的情况下,U-Net+Deeplab＿v3模型的表现最佳;而在使用直方图均衡化的情况下,HE+U-Net+PSPnet模型的表现最佳。综合分析,直方图均衡化能够改善图像的对比度,提高分割性能,具有较好的实际应用价值。     

模糊控制在列车自动驾驶中的应用

模糊控制在工业领域得到了广泛的应用。本文介绍了模糊控制在列车自动驾驶中的应用,应用结果同ＰＩＤ控制相比,具有控制自由度好,停车平均误差低,节电性能优良等特点。     

自动驾驶地图的数据标准比较研究

作为实现汽车自动驾驶的关键基础设施,自动驾驶地图能够提供大量准确且语义丰富的数据来帮助用户以更精细的尺度了解周边环境状况,辅助感知、定位、驾驶规划与决策控制,满足智能时代多种高层次的应用需求,进而切实推动我国自动驾驶相关领域的发展与商业化应用。自动驾驶地图的数据标准作为自动驾驶地图生产应用的指导性规范之一,是自动驾驶地图数据标准化的基准。当前我国自动驾驶相关领域对自动驾驶地图标准化的需求迫切,地图数据标准化已成为业界共同关注的热点问题。为解决自动驾驶地图数据标准化问题,切实推动自动驾驶地图的高效发展,本文对自动驾驶地图的数据标准进行比较研究。首先介绍国内外主流的自动驾驶地图数据标准,然后针对其中4种：导航数据标准（navigation data standard,NDS）、OpenDrive、智能运输系统智能驾驶电子地图数据模型与交换格式和道路高精度电子导航地图数据规范进行分析比较研究,主要从数据结构、数据模型、地图渲染和协同应用4个维度展开,并在各个维度上给出数据标准编制时建议遵循的原则。基于分析比较研究的结果,总结出自动驾驶地图数据标准编制时建议遵循的原则。通过对自动驾驶地图的数据标准进行分析比较研究,归纳总结出数据标准编制时建议遵循的原则,这些建议遵循的编制原则对我国相应规格标准的制定具有借鉴意义。     

越野移动机器人自动驾驶专家系统的研究

本文研究越野移动机器人驾驶专家系统等有关问题，首先介绍了系统的硬件支持环境，然后阐述了自动驾驶专家系统的总体结构，有关知识库的内容以及使用知识的各功能模块的作用与运行机理，该系统已分得以应用，能够完全代替驾驶员各种驾驶操作，并能进行自主导航、运动规划、自动绕障、动态跟踪目标、原路返回以及示都再现等复杂任务。     

杭州市自动驾驶汽车允许上路测试

近日,杭州市经信委、市公安局、市交通运输局联合印发了《杭州市智能网联车辆道路测试管理实施细则(试行)》(以下简称《细则》),主要明确了智能网联汽车道路测试的范围和管理规范等内容。据悉,下一步杭州将成立杭州市自动驾驶测试专家委员会,引入第三方测试管理机构,对测试主体和车辆进行评估审核,发放测试号牌,开放部分路段用于自动驾驶测试,加快推动自动驾驶技术的发展和应用。     

汽车自动驾驶系统的开发动态

汽车的发明已有100多年的历史。其间经历了无数次改型换代，总体结构日臻完善。近些年来，随着电子技术的飞速发展，汽车中的电子成分也日益增加。电子系统正在使汽车性能蕴酿一场新的革命，尤其是电子自动驾驶系统的开发。目前，现代的超豪华轿车中的电子计算能力几乎比6O年代登月的阿波罗飞船的计算能力还强。但是如今汽车中平均电子装置所占的成本只有6O美元，国外专家预计在今后5年内，这项成本将增加2倍。例如，13MW公司预计10年后，他的汽车将包含100个微控制器。电子系统占汽车总成本的比例将越来越高，预计到2000年，将达到20％。…     

An Improved Dual Unscented Kalman Filter for State and Parameter Estimation

A dual unscented Kalman filter (DUKF) is used to estimate the state and the parameter simultaneously via two parallel unscented Kalman filters. The original DUKF usually has performance degradation as a result of assuming the control inputs of each filter are constant, which usually are disturbance inputs or systematic measurement errors in the control system. An improved dual unscented Kalman filter (IDUKF) with random control inputs and sequential dual estimation structure is derived and applicable to the system in which the parameter is linearly observed and uncorrelated with the state. The accuracy, observability, and computational efficiency of the new filter are discussed. Then, the expansibility of the IDUKF for nonlinear parameter observed substructures is investigated. Finally, two simulation experiments about space target tracking and typical time series filtering are shown. The theoretical analyses and simulation results demonstrate the following. (1) the IDUKF can obtain higher accuracy than the original DUKF and a comparative accuracy with the JUKF (joint unscented Kalman filter) when the state and the parameter are not strongly correlated; (2) the IDUKF has better applicability than the DUKF when the state is correlated with the unknown parameter; (3) when the modeling error is not ignorable, the IDUKF is more robust and more accurate than the JUKF due to lower sensitivity to the modeling error.     

基于UKF的两轮自平衡机器人姿态最优估计研究

针对扩展卡尔曼滤波器(EKF)设计困难并且容易发散的问题,提出基于采样卡尔曼滤波(UKF)的方法解决滤波器设计及收敛问题,并补偿低成本的惯性传感器陀螺仪和加速度计的误差,从而得到机器人姿态的最优估计．将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明UKF参数设计简单,姿态估计误差小于EKF,方差估计优于EKF,估计精度、计算量基本与EKF相当．因此,UKF能够满足两轮自平衡机器人快速机动过程中的实时姿态估计要求．     

基于信息融合技术的车辆行驶状态估计

针对车辆行驶状态估计问题,基于扩展卡尔曼滤波(EKF)理论设计了汽车横摆角速度、质心侧偏角和纵向车速的估计算法.建立了车辆非线性三自由度估算模型,应用扩展卡尔曼滤波对纵向加速度、侧向加速度和方向盘转角低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计.选择高速双移线工况,通过CarSim与Matlab/Simulink联合仿真对算法进行仿真验证.结果表明:算法能够准确估计车辆的横摆角速度、质心侧偏角和纵向车速,并具有良好的实时性.     

基于渐进无迹卡尔曼滤波网络的人体肢体运动估计

针对基于表面肌电信号 (Surface electromyography, sEMG) 的人体肢体运动估计建模困难的问题, 提出一种渐进无迹卡尔曼滤波网络 (Progressive unscented Kalman filter network, PUKF-net), 来实现降低肢体运动与sEMG量测的建模难度以及提高肢体运动估计精度的目的. 首先, 设计深度神经网络从sEMG数据中学习肢体运动状态与sEMG量测之间的映射关系和噪声统计特性. 其次, 采用渐进量测更新方法对先验状态估计进行修正, 减小运动估计的线性化误差, 提高PUKF-net模型的稳定性. 通过结合深度神经网络和渐进卡尔曼滤波的优势, 使得PUKF-net具有良好的模型适应性和抗噪能力. 最后, 设计基于sEMG的人体肢体运动估计实验, 验证了PUKF-net模型的有效性. 相较于长短期记忆网络 (Long short-term memory, LSTM) 和其他卡尔曼滤波网络, PUKF-net在肢体运动估计中的均方根误差 (Root mean square error, RMSE) 下降了14.9%, 相关系数R2提高了5.1%.     

基于加性无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于加性无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。用无迹卡尔曼滤波进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度。     

State estimation for linear and non-linear equality-constrained systems

This article addresses the state-estimation problem for linear and non-linear systems for the case in which prior knowledge is available in the form of an equality constraint. The equality-constrained Kalman filter (KF) is derived as the maximum-a-posteriori solution to the equality-constrained state-estimation problem for linear and Gaussian systems and is compared to alternative algorithms. Then, four novel algorithms for non-linear equality-constrained state estimation based on the unscented KF are presented, namely, the equality-constrained unscented KF, the projected unscented KF, the measurement-augmentation unscented KF, and the constrained unscented KF. Finally, these methods are compared on linear and non-linear examples.     

基于Swin Transformer的遥感影像道路提取方法

在先进的交通系统中,道路提取是最重要的任务之一。高分辨率遥感影像道路区域的提取具有复杂的背景和道路网络的异质性、高类间差异和低类内差异等特点。近几年来,卷积神经网络(CNN)在道路提取方面取得了里程碑式的进展。虽然CNN已经取得了很好的发展,但是由于卷积运算的局域性,网络无法很好地学习全局和长程语义信息交互。本文提出了Swin Transformer Unet,它结合了带有跳跃连接的U型编解码器结构和带有移位窗口的Swin Transformer模块。为了获得更好的性能,本文采用了数据增广、数据预处理等技术。本文选取马萨诸塞州道路数据集作为数据集进行道路提取实验,结果表明,所提出的网络在遥感图像道路提取中的性能优于其他U形网络,可以实现遥感影像道路的精确提取。     

基于PF和UKF的水下目标运动估计方法研究

针对无人水下航行器（UUV）目标跟踪控制需求,分别提出了水下目标的粒子滤波（PF）和无迹卡尔曼滤波（UKF）运动估计方法,建立了目标运动参考坐标系,给出了坐标系之间转换基本方法;设计了建立了目标的典型运动模型和非线性随机运动模型,利用前视声呐实测实验数据,完成水下目标运动估计。通过与扩展卡尔曼滤波器（EKF）的目标运动估计对比仿真实验,验证了PF和UKF两种目标运动估计方法的有效性。     

基于电动汽车磷酸铁锂动力电池荷电状态 估计方法研究

近几年,磷酸铁锂动力电池逐渐成为电动汽车动力电池首选.但是由于材料本身特性,使得磷酸铁锂电池的荷电状态难以精确估算.当电动汽车处于复杂工作环境时,荷电状态估计在保证电动汽车电池操作中的安全性和可靠性方面起到了至关重要的作用.文章采用戴维宁等效电路模型,验证无迹卡尔曼滤波和粒子滤波两种方法的估算效果,并分别与扩展卡尔曼滤波方法作对比,结果证明无迹卡尔曼滤波和粒子滤波都具有更好的估算精度.     

Unscented and square‐root unscented Kalman filters for quaternionic systems

Proper construction of an unscented Kalman filter (UKF) for unit quaternionic systems is not straightforward due to the incompatibility between the algebraic properties of the unit quaternions and the common real vector space operations (additions and scalar multiplications) needed in the steps of a filter algorithm. This work studies, in detail, all UKFs and square‐root UKFs for quaternionic systems proposed in the literature. First, we classify the algorithms according to the preservation of the unity norm of the quaternion variables. Second, we propose two new algorithms: the quaternionic additive unscented Kalman filter (QuAdUKF) and a square‐root variant of it. The QuAdUKF encompasses all known UKFs for quaternionic systems of the literature preserving, in all steps, the norm of the unit quaternion variables. Besides, it can also yield new UKFs with this norm preservation property. The QuAdUKF's square‐root variant has better properties in comparison with all the square‐root UKFs for quaternionic systems of the literature. Numerical experiments for a spacecraft attitude estimation problem illustrate the theoretical results.