典型文献
自动驾驶汽车状态估计的矩阵加权自适应扩展卡尔曼滤波方法
文献摘要：
针对自动驾驶汽车状态和故障估计问题,基于自适应扩展卡尔曼滤波(AEKF)理论提出了一种矩阵加权多传感器信息融合估计方法.首先,将自动驾驶汽车运动学模型进行离散化处理;然后,以极小化多传感器量测估计误差向量均方和为目标,采用拉格朗日极值求解方法设计了矩阵加权多传感器信息融合方法;最后,在低精度传感器、高精度传感器、融合估计3种条件下仿真验证该方法的正确性.结果表明,与单个传感器情形相比较,所提出的方法能较好地估计自动驾驶汽车的位置、航向角、速度信息以及执行机构故障信息,为自动避障、自动泊车等精准测控任务提供参考.
文献关键词：
自动驾驶汽车;多传感器;状态估计;执行机构故障;卡尔曼滤波
中图分类号：
作者姓名：
初宏伟;张颖
作者机构：
长春汽车工业高等专科学校,长春 130013;一汽-大众汽车有限公司,长春 130013
文献出处：
引用格式：
[1]初宏伟;张颖-.自动驾驶汽车状态估计的矩阵加权自适应扩展卡尔曼滤波方法)[J].汽车技术,2022(05):50-55
A类：
B类：
自动驾驶汽车,状态估计,自适应扩展卡尔曼滤波,滤波方法,故障估计,AEKF,多传感器信息融合,融合估计,估计方法,车运,运动学模型,离散化处理,极小化,器量,估计误差,拉格朗日,极值,求解方法,方法设计,融合方法,低精度,仿真验证,形相,航向角,速度信息,执行机构故障,故障信息,自动避障,自动泊车,测控
AB值：
0.317695
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
