原文服务方: 机器人       
摘要:
提出了一种新的基于曲率特征的自主车辆地图匹配定位方法,该方法通过计算自主车辆行驶轨迹和参考轨迹的尺度不变曲率积分特征及其相关性进行匹配,可以有效地消除因航迹推算(DR)传感器标定参数偏差和航向角估计偏差而引起的错误匹配问题.文中首先采用扩展卡尔曼滤波器融合惯性测量单元输出、方向盘转角和4个ABS(防抱死刹车系统)传感器测量的轮速,估计自主车辆的位姿状态,并据此从数字地图中选择匹配的候选路段.然后利用本文提出的曲率空间特征地图匹配算法实现路段匹配,并根据曲率和航向角变化确定匹配点,最后将其作为无迹卡尔曼滤波器的观测值更新滤波器,从而实现高精度的位姿估计.现场道路实验结果表明,该法能够有效地实现地图匹配,降低自主车辆DR产生的累积误差,从而能够在GPS(全球定位系统)信号失效情况下实现长距离精确定位.
推荐文章
基于地面特征点匹配的无人驾驶车全局定位
无人驾驶车辆
全局定位
地图匹配
ICP算法
UKF数据融合
越野环境下自主车辆导航地图自动创建方法研究
自主车
地图创建
分水岭变换
地图优化
基于Kalman滤波的地图匹配方法
GPS偏差估计
地图匹配
Kalman滤波
最近点估计
一种基于浮动车优化地图匹配方法
浮动车
GPS
模糊逻辑
地图匹配
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于曲率特征的自主车辆地图匹配定位方法
来源期刊 机器人 学科
关键词 自主车辆 地图匹配 尺度不变特征 无迹卡尔曼滤波
年,卷(期) 2012,(4) 所属期刊栏目 论文与报告
研究方向 页码范围 440-448
页数 分类号 TP391
字数 语种 中文
DOI 10.3724/SP.J.1218.2012.00440
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 邓志东 清华大学计算机科学与技术系清华信息科学与技术国家实验室智能技术与系统国家重点实验室 25 205 9.0 14.0
2 苏奎峰 清华大学计算机科学与技术系清华信息科学与技术国家实验室智能技术与系统国家重点实验室 23 75 5.0 7.0
4 黄振 清华大学计算机科学与技术系清华信息科学与技术国家实验室智能技术与系统国家重点实验室 25 280 8.0 16.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (76)
参考文献  (9)
节点文献
引证文献  (12)
同被引文献  (44)
二级引证文献  (21)
1994(2)
  • 参考文献(2)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(7)
  • 引证文献(4)
  • 二级引证文献(3)
2018(10)
  • 引证文献(3)
  • 二级引证文献(7)
2019(7)
  • 引证文献(0)
  • 二级引证文献(7)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
自主车辆
地图匹配
尺度不变特征
无迹卡尔曼滤波
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机器人
双月刊
1002-0446
21-1137/TP
大16开
1979-01-01
chi
出版文献量(篇)
2337
总下载数(次)
0
总被引数(次)
57113
论文1v1指导