针对小车状态感知的卡尔曼滤波多传感器融合算法

为解决视觉传感器和雷达获取小车周边环境信息时的数据漂移问题,引入改进扩展卡尔曼滤波对多传感器信息进行融合处理,并将其应用在环境感知模型中。根据小车运动特性建立恒定转率和速度模型,以小车运动实时状态量为输入量构建状态转移函数。以视觉传感器和雷达自带的里程计坐标系建立传感器测量模型,与小车运动模型相结合追踪小车实时运动状态,对小车运动数据进行改进扩展卡尔曼滤波交叉融合,根据雷达和视觉传感器测量精确度的差距,时刻更新相应的噪声协方差矩阵。用搭载ZED双目摄像头及雷达的四轮非全向小车模拟实验,并与传统扩展卡尔曼滤波实验结果比较验证模型的有效性。结果表明:使用改进扩展卡尔曼滤波处理后小车状态曲线更加平滑,数据更为精确,几乎不存在零点漂移。相较改进扩展卡尔曼滤波,传统扩展卡尔曼滤波的最大误差增大了55%,平均误差增大了44%,均方误差增大了17%,且运行处理数据时间更长。