[发明专利]多传感器融合的车辆状态参数预估方法

权利要求书

1.一种多传感器融合的车辆状态参数预估方法，其特征在于包括如下步骤：

简化车辆为在水平面运动的刚体模型，简化大地坐标系为xoy的平面坐标系；

车载工控机采集传感器信号；

设计车辆位姿与速度预估卡尔曼滤波器；

使用所设计的卡尔曼滤波器，预估车辆位姿和速度信息；

由输出的车辆位姿和速度信号，求解t_k时刻车身坐标系下车辆纵向行驶速度,侧向滑移速度和横摆角速度；

设计车辆侧向滑移速度预估卡尔曼滤波器；

使用所设计的车辆侧向滑移速度预估卡尔曼滤波器，预估车辆侧向滑移速度。

2.如权利要求1所述的多传感器融合的车辆状态参数预估方法，其特征在于所述步骤车载工控机采集传感器信号的方法如下：

车载工控机通过激光雷达采集环境点云数据，运行特征提取和位姿匹配算法，获取得到由激光雷达测定的车辆质心在xoy坐标系下的x轴坐标x_lidar,y轴坐标y_lidar和车辆纵向行驶方向与大地坐标系x轴间夹角，即航向角

车载工控机通过与车载RTK实时差分定位传感器通讯，获取得到由RTK传感器测定的车辆质心在xoy坐标系下的x轴坐标x_sensor,y轴坐标y_sensor和航向角

车载工控机通过摄像头采集图像数据，运行Lucas-Kanade光流算法，获取得到车辆质心在xoy坐标系下的x轴方向速度y轴坐标方向速度

车载工控机通过与IMU传感器通讯，获取得到车辆在xoy坐标系下的横摆角速度和车身坐标系下的车辆侧向加速度

车载工控机通过与方向盘转角传感器通讯，获取得到车辆的前轮转角δ。

3.如权利要求1所述的多传感器融合的车辆状态参数预估方法，其特征在于所述设计车辆位姿与速度预估卡尔曼滤波器的方法如下：

由简化后车辆模型在xoy坐标系中运动学关系，构建系统状态预测方程；

组合采集到的传感器信号，构建系统状态观测方程；

设定系统预测噪声方差矩阵为非负正定矩阵Q₁，设定系统观测噪声方差矩阵为正定矩阵R₁。