[发明专利]一种基于信息量测不完全的车辆运动参数估计方法

摘要

本发明公开了一种基于信息量测不完全的车辆运动参数估计方法，本方法根据车辆相对运动工况建立了多个不同的卡尔曼滤波系统状态模型；以全球定位系统与车辆通信信息结合毫米波雷达信息作为观测量，同时结合视频跟踪系统，在运行过程中考虑到实际环境中可能出现的过程干扰和量测数据干扰，利用交互多模型算法，获取同一车道车辆的速度、加速度等相关参数；同时结合车载视频跟踪，可为视频图像干扰较大的情况下，实现同一车道上的车辆目标定位。本发明方法具有高定位精度，高可靠性和适应性好的优点。

主权项

1.一种基于信息量测不完全的车辆运动参数估计方法，其特征在于，包括以下步骤：(1)建立同一车道车辆相对运动的卡尔曼滤波模型；所述车辆相对运动分为匀速运动，匀加速运动和匀减速运动；所述卡尔曼滤波模型为：其中，j＝1表示匀速运动的卡尔曼滤波模型，j＝2表示匀加速运动的卡尔曼滤波模型，j＝3表示匀减速运动的卡尔曼滤波模型；X_j(k)为第j个卡尔曼滤波模型k时刻的目标运动状态向量，A_j为适维状态转移矩阵，w_j(k)是均值为零、方差为Q_j的高斯白噪声，Z_j(k)表示第j个卡尔曼滤波模型k时刻的观测数据，C_j为适维量测矩阵，d_j(k)表示第j个卡尔曼滤波模型k时刻车辆运动数据的探测概率，v_j(k)满足：其中，分别为距离测量方差在直角坐标系下的x轴和y轴分量，分别为速度测量方差在直角坐标系下的x轴和y轴分量，分别为加速度测量方差在直角坐标系下的x轴和y轴分量，α为任意一极小实数；(2)考虑卡尔曼滤波模型的概率，确定卡尔曼滤波模型的输入以及误差方差阵；(3)对每个卡尔曼滤波模型进行卡尔曼滤波递推，确定车辆的距离、速度和加速度。