[发明专利]一种无人车的位置跟踪方法

说明书

本发明提供了一种无人车的位置跟踪方法，利用非线性高斯系统状态的滤波方程进行数据滤波，并通过非线性状态函数处理进行状态预测和状态估计。本发明不仅可以对目标进行连续跟踪，也可预测目标运动模型和下一步的运动状态，在复杂环境中选择更有效的跟踪模态；并从统计量入手，使用简单可求的采样点代入非线性函数中得到非线性函数值点集来逼近状态真实值的后验分布，即提高了精度又降低了计算的复杂度。

技术领域

本发明涉及无人驾驶技术领域，具体的说是一种无人车的位置跟踪方法。

背景技术

在车辆已经成为人们主要的代步工具的今天，车辆的智能管理逐渐成为交通的关键问题，车辆数量不断增长，随之而来的交通拥堵问题对人们生活出行带来了很大的不方便，而重复的路网建设等方式早已满足不了人们对现代化交通建设的要求，同时还有许多遗留的成熟建设问题，从整体城市规划到具体某条道路的建设，对其进行大改造是不现实的，因此在这种条件的限制下，解决交通问题的重点就放在了对道路交通系统的管理上。

无人车就是智能交通系统(ITS)中一个很好的应用，不仅可以使用车辆定位监控系统来完成合理分布车辆、指挥调度等功能，从而合理分布车辆，而且可以随时获得车辆在三维空间位置、速度的精确信息。无人车在进行量产之前需要攻克环境感知、路径规划、决策控制等关键技术，其中以安全为第一核心要素，所以在道路上实现对无人车的跟踪与轨迹的准确预测就显得尤为重要。无人车感知系统由多种传感器合作实现，包括智能网联与自动驾驶，如今无人车的发展以多传感器信息的融合为大趋势，目的就是防止单一定位源产生定位死角对无人车的安全驾驶带来安全隐患。

常用导航源——GPS接收机给出的定位信息在卫星颗数数量足够并可见的情况下精度足够，若信号因某些原因丢失或者因强度不够被阻挡，就会导致GPS不能给出载体的精确位置、速度信息，为载体的精确定位带来了技术困难。再由于实际路况与无人车机动的复杂性，单一定位源总是显得不足够，选择一个尽量符合目标实际的运动模型更显得尤为重要。

发明内容

为了解决上述技术问题，本发明提供了一种无人车的位置跟踪方法，能够对车辆的位置和速度进行自适应跟踪和预测。

为达到上述目的，本发明通过以下技术方案来具体实现：

一种无人车的位置跟踪方法，包括：

步骤一、接收包括被跟踪车辆的高度信息在内的实时数据，对实时数据匹配预设了至少加速度阈值和航向角便宜的实施参数的机动模型，然后利用机动模型设定的马尔科夫转移概率组成概率矩阵；

步骤二、利用非线性高斯系统状态的滤波方程(1)对步骤一获得的数据进行滤波；

步骤三、利用UT变换对步骤二获得的数据进行处理以获得具有与系统状态分布相同的均值和协方差的Sigma采样点；

步骤四、根据步骤三获得的Sigma采样点，通过非线性状态函数处理以对被跟踪车辆进行状态预测；

步骤五、根据步骤四获得的状态预测提供的初值及步骤三获得的Sigma采样点，对下一个时间点进行状态估计；

步骤六、采用似然函数确定更新后的模型概率，并输出交互；

步骤七、将被跟踪车辆的3自由度平移信息、3自由度的旋转信息与协方差最终输出，频率与IMU输出保持一致。

步骤二的式(1)中w_k和v_k均为互不相关的高斯白噪声，它们的统计特性为