基于卡尔曼-高斯联合滤波的车辆位置跟踪

• 作者: 何书贤 吴超仲 褚端峰 贺宜 陆丽萍 高策
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 智能交通 车辆位置跟踪 联合滤波 高斯过程回归 卡尔曼滤波
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 交通信息工程与控制
• 页码范围: 76-83
• 页数: 8页
• 分类号: U491.6+2
• 字数: 6258字
• 语种: 中文
• DOI: 10.3963/j.jssn.1674-4861.2020.01.010

摘要

车辆位置的精确、可靠获取,一直是阻碍智能驾驶技术的难题.特别当车辆处于复杂道路环境中时,车辆卫星定位信号易受较大干扰,使车辆定位产生漂移现象.针对车辆定位的这种漂移现象,研究了针对车辆位置跟踪的卡尔曼-高斯联合滤波方法.对于车辆卫星定位受到的干扰不同,采用分层处理的滤波方法;针对卡尔曼滤波不能较好地滤除一些干扰较大的位置漂移点,通过设置与车速、航向角等相关的动态阈值,对卫星定位的车辆位置进行动态阈值判断;通过动态阈值识别出的车辆位置漂移数据,结合高斯过程回归,以车辆的历史数据作为学习样本,使用预测值和真实观测值构建补偿量,通过对卡尔曼观测方程加入动态观测补偿实现车辆位置优化;对于一般噪声产生的卫星定位波动,联合滤波也可以有效优化.实车实验表明,该方法可以有效识别出车辆定位的漂移点,车辆卫星定位在信号受较大干扰的情况下,车辆卫星定位的精度可以提高30％左右,最大误差由9 m降低到0.8 m左右.该联合滤波方法在使用低成本定位装置的情况下,有效提高车辆卫星定位的精度及可靠性.