[发明专利]多传感器融合的车辆状态参数预估方法

说明书

本发明公开了一种多传感器融合的车辆状态参数预估方法，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。所述方法具有融合传感器信息多、参数预估精度高、计算成本低等优点。

技术领域

本发明涉及汽车数据采集技术领域，尤其涉及一种多传感器融合的车辆状态参数预估方法。

背景技术

随着智能网联、人工智能等技术取得长足进步，汽车行业开始沿智能化和电动化趋势不断发展，自动驾驶、线控底盘、智能网联和高级驾驶辅助技术成为当下的汽车热门技术。以上技术为实现其预期的目标功能，均需要获取高精度的车辆状态参数作为基础，但是现有技术中出现的方法一般计算复杂，成本较高。

发明内容

本发明所要解决的技术问题是如何提供一种融合传感器信息多、参数预估精度高、计算成本低的多传感器融合的车辆状态参数预估方法。

为解决上述技术问题，本发明所采取的技术方案是：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。

采用上述技术方案所产生的有益效果在于：相比于采取GPS、IMU、轮速传感器融合的车辆状态参数预估方法，本方法采取了更多传感器融合和基于动力学模型的方式，实现了传感器数据采集时的冗余设计，减轻了单一传感器因故障导致输出错误数据对车辆状态参数预估精度的影响。

相比于基于多自由度非线性车辆动力学模型的车辆状态参数预估方法，本方法采用二自由度线性车辆动力学模型预估车辆侧向滑移速度，计算成本较低，便于向实车部署，同时融合多类型传感器数据，可保证高精度的车辆状态参数预估。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明实施例中在xoy坐标系下车辆刚体模型图；

图2是本发明本发明实施例中车辆二自由度动力学模型图；

图3本发明本发明实施例所述方法的流程图；

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。