基于传感器融合的汽车定位方法

近10年来，传感器的数量大幅度增加，分为以下几类：①用于估计车辆状态的传感器，如悬架传感器；②视觉传感器，如立体视觉传感器、夜视传感器、雷达，视觉传感器可以测量车辆位置，使车辆与车道之间保持安全距离；③轮速传感器，如防抱系统；④矢量地图数据，用于定位、地图匹配、路面坑洼识别。基于上述传感器的发展状况。提出一种汽车定位方法，即将上述几类传感器融合而使得测量的数据更加精确，并同时应用地图辅助定位。应用此种方法可以测得普通传感器不能测量到的物理量，如检测障碍物、行人和动物，以及来自轮速传感器的轮胎压力和路面摩擦力。传感器融合技术以车辆的简单测距模型，以及与车辆状态相关的每个传感器的模型为基础，对数据信号进行采集，并应用统计信号处理方法，实现传感器的融合。传感器包括车载传感器，如轮速传感器、加速度计、陀螺仪和GPS。

研究结果表明，利用车辆模型和PF（粒子滤波器）中精确路线图信息，在城市地区可以准确定位，定位精度几乎和GPS相同，同时不使用任何外部的GNSS（全球导航卫星系统）定位传感器。这进一步说明传感器融合技术的可行性。

刊名：IEEE Signal Processing Magazine（英）

刊期：2017年第2期

作者：Rickard Karlsson et al

编译：野晨晨