吉林大学学报(工学版) ›› 2023, Vol. 53 ›› Issue (3): 772-780.doi: 10.13229/j.cnki.jdxbgxb20221450

• 通信与控制工程 • 上一篇    

基于多模交互的车载传感器定位算法

张建1(),刘金波1,高原1,刘梦可1,高振海2(),杨彬2   

  1. 1.中国第一汽车集团智能网联开发院 智能驾驶开发部,长春 130062
    2.吉林大学 汽车仿真与控制国家重点实验室,长春 130022
  • 收稿日期:2022-11-14 出版日期:2023-03-01 发布日期:2023-03-29
  • 通讯作者: 高振海 E-mail:zhangjian3@faw.com.cn;gaozh@jlu.edu.cn
  • 作者简介:张建(1986-),男,高级工程师,硕士. 研究方向:智能驾驶及智能底盘控制. E-mail:zhangjian3@faw.com.cn
  • 基金资助:
    吉林省科技发展计划项目(20200501011GX)

Localization algorithm of vehicular sensor based on multi⁃mode interaction

Jian ZHANG1(),Jin-bo LIU1,Yuan GAO1,Meng-ke LIU1,Zhen-hai GAO2(),Bin YANG2   

  1. 1.Department of Intelligent Driving,Intelligent Connected Vehicle R&D Institute of China FAW,Changchun 130062,China
    2.State Key Laboratory of Automotive Simulation and Control,Jilin University,Changchun 130022,China
  • Received:2022-11-14 Online:2023-03-01 Published:2023-03-29
  • Contact: Zhen-hai GAO E-mail:zhangjian3@faw.com.cn;gaozh@jlu.edu.cn

摘要:

集成全球定位系统(GPS)和车载传感器信息,提出了一种多模交互滤波算法,使车辆可以适应多种驾驶工况。搭建了纵、侧向运动模型对车辆预期行驶位置进行全覆盖预测性描述;通过数据驱动的神经网络和车辆运动模型实现对GPS信号的可信性评价;利用车辆运动模型之间的交互滤波、概率更新等方式实现对过程误差和测量误差的精准估计。最后,在实车测试环境下进行定位融合算法的验证,结果表明,本文算法能够提升多传感器定位系统的定位精度,并在信号不稳定的情况下持续提供较为准确的位置估计结果。

关键词: 车辆工程, 信号可信性评价, 多模交互算法, 融合定位

Abstract:

A multi-mode interactive filtering algorithm that integrates Global Positioning System (GPS) and vehicle sensor information was proposed, so that the vehicle can adapt to a variety of driving conditions. The longitudinal and lateral motion model were built to describe the full coverage prediction of the expected driving position of the vehicle. The credibility evaluation of GPS signal was realized by data-driven neural network and vehicle motion model. The accurate estimation of process error and measurement error was realized by interactive filtering and probability updating between vehicle motion models. The positioning fusion algorithm was verified in the real vehicle testing environment. The results show that the proposed algorithm can improve the positioning accuracy of the multi-sensor positioning system and provide more accurate position estimation results in the case of unstable signals.

Key words: vehicle engineering, signal credibility evaluation, interacting multiple model, fusion positioning

中图分类号: 

  • U463.67

图1

系统框图"

图2

测试数据采集"

图3

神经网络训练线性回归分析图"

图4

车辆运动模型"

图5

IMM-KF算法示意图"

图6

卡尔曼滤波过程"

图7

实验样车相关实物图"

表1

IMM-KF测试平台实验设备的相关参数"

实验设备型号精度
控制器MicroAutoboxII控制器-
LEN-GZ1903RTK模式

水平精度:0.01 m

航向精度:0.15°

DGNSS模式

水平精度:0.60 m

航向精度:1.00°

图8

车辆速度变化曲线"

图9

直行工况定位信息对比"

图10

直行工况定位信息对比(局部放大图)"

图11

定位误差变化曲线"

图12

轨迹曲率变化对比"

图13

车辆速度变化曲线"

图14

换道工况定位信息对比"

图15

定位误差变化曲线"

图16

轨迹曲率变化对比"

图17

组合测试场景测试结果"

图18

定位误差变化曲线"

1 管欣, 闫冬, 高振海. 基于惯性导航和实时差分全球定位系统的汽车运动状态测试系统[J]. 吉林大学学报: 工学版, 2006, 36(1): 14-19.
Guan Xin, Yan Dong, Gao Zhen-hai. Vehicle motion state test system based on inertial navigation and real-time differential global positioning system[J]. Journal of Jilin University (Engineering and Technology Edition), 2006, 36(1): 14-19.
2 肖婷婷. 视觉里程计/IMU辅助GPS融合定位算法研究[D]. 上海: 华东师范大学通信与电子工程学院, 2019.
Xiao Ting-ting. Research on visual odometer /IMU assisted GPS fusion positioning algorithm[D]. Shanghai: School of Communication and Electronic Engineering, East China Normal University, 2019.
3 李昂,王伟,吴佳楠. 低成本IMU/GPS组合导航系统设计[J]. 测控技术, 2012, 31(8): 12-15, 18, 19.
Li Ang, Wang Wei, Wu Jia-nan. Design in low-cost integrated navigation system[J]. Measurement & Control Technology, 2012, 31(8): 12-15, 18, 19.
4 吕建新, 周翟和, 伏家杰, 等. 自适应联邦卡尔曼滤波在机器人组合导航系统中的应用研究[J]. 测控技术, 2017, 36(6): 15-19.
Lv Jian-xin, Zhou Zhai-he, Fu Jia-jie, et al. Application of adaptive federated Kalman filter in robot integrated navigation system[J]. Measurement and Control Technology, 2017, 36(6): 15-19.
5 高振海, 于泳. 提高车载GPS定位精度的IMM-KF算法及建模[C]∥2015中国汽车工程学会年会, 上海, 中国, 2015: 21-23.
6 钱华明, 陈亮. 基于当前统计模型的机动目标自适应跟踪算法[J]. 系统工程与电子技术, 2011(11): 2154-2158.
Qian Hua-ming, Chen Liang. Adaptive tracking algorithm for maneuvering target based on current statistical model[J]. Systems Engineering and Electronics, 2011(11): 2154-2158.
7 Jo K, Chu K, Sunwoo M. Interacting multiple model filter-based sensor fusion of GPS with in-vehicle sensors for real-time vehicle positioning[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(1): 329-343.
8 Han H, Wang J, Mingyi D U. GPS/BDS/INS tightly coupled integration accuracy improvement using an improved adaptive interacting multiple model with classified measurement update[J]. Chinese Journal of Aeronautics, 2018, 31(3): 142-152.
9 He Z, Bu X, Yang H, et al. Interacting multiple model cubature Kalman filter for geomagnetic/ infrared projectile attitude measurement[J]. Measurement, 2021, 174(1): No.109077.
10 Ndjeng A N, Gruyer D, Glaser S, et al. Low cost IMU-odometer-GPS ego localization for unusual maneuvers[J]. Information Fusion, 2011, 12(4): 264-274.
11 Malleswaran M, Vaidehi V, Irwin S, et al. IMM-UKF-TFS model-based approach for intelligent navigation[J]. Journal of Navigation, 2013, 66(6): 859-877.
12 Jo K, Chu K, Sunwoo M. Interacting multiple model filter-based sensor fusion of GPS with in-vehicle sensors for real-time vehicle positioning[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(1): 329-343.
13 Wang Xiang-hua, Yang Xin-yu, Qin Zheng. Hierarchical interacting multiple model algorithm based on improved current model[J]. Journal of Systems Engineering and Electronics, 2010, 21(6): 961-967.
14 王忠军. GPS车载导航的交互式多模型算法[J]. 测绘科学技术学报, 2009, 26(3): 170-173.
Wang Zhong-jun. Interactive multi-model algorithm for GPS vehicle navigation [J]. Journal of Science and Technology of Surveying and Mapping, 2009, 26(3): 170-173.
15 吉波, 谭震, 樊建文, 等. 基于交互式多模型的飞机编队相对导航算法研究[J]. 航空计算技术, 2014, 44(2): 81-86.
Ji Bo, Tan Zhen, Fan Jian-wen, et al. Research on relative navigation algorithm of aircraft formation based on interactive multi-model[J]. Aeronautical Computing Technology, 2014, 44(2): 81-86.
[1] 田彦涛,许富强,王凯歌,郝子绪. 考虑周车信息的自车期望轨迹预测[J]. 吉林大学学报(工学版), 2023, 53(3): 674-681.
[2] 高松,王玉琼,王玉海,徐艺,周英超,王鹏伟. 智能汽车纵横向整体反馈线性化控制[J]. 吉林大学学报(工学版), 2023, 53(3): 735-745.
[3] 谢波,高榕,许富强,田彦涛. 低附着路况条件下人车共享转向系统稳定控制[J]. 吉林大学学报(工学版), 2023, 53(3): 713-725.
[4] 何科,丁海涛,赖宣淇,许男,郭孔辉. 基于Transformer的轮式里程计误差预测模型[J]. 吉林大学学报(工学版), 2023, 53(3): 653-662.
[5] 田彦涛,季言实,唱寰,谢波. 深度强化学习智能驾驶汽车增广决策模型[J]. 吉林大学学报(工学版), 2023, 53(3): 682-692.
[6] 何科,丁海涛,许男,郭孔辉. 基于摄像头和车道线的增强定位系统[J]. 吉林大学学报(工学版), 2023, 53(3): 663-673.
[7] 朱冰,范天昕,赵健,张培兴,孙宇航. 基于危险边界搜索的自动驾驶系统加速测试方法[J]. 吉林大学学报(工学版), 2023, 53(3): 704-712.
[8] 王登峰,陈宏利,那景新,陈鑫. 单双搭接接头经高温老化后的失效对比[J]. 吉林大学学报(工学版), 2023, 53(2): 346-354.
[9] 张佩,王志伟,杜常清,颜伏伍,卢炽华. 车用质子交换膜燃料电池空气系统过氧比控制方法[J]. 吉林大学学报(工学版), 2022, 52(9): 1996-2003.
[10] 隗海林,王泽钊,张家祯,刘洋. 基于Avl-Cruise的燃料电池汽车传动比及能量管理策略[J]. 吉林大学学报(工学版), 2022, 52(9): 2119-2129.
[11] 刘岩,丁天威,王宇鹏,都京,赵洪辉. 基于自适应控制的燃料电池发动机热管理策略[J]. 吉林大学学报(工学版), 2022, 52(9): 2168-2174.
[12] 李丞,景浩,胡广地,刘晓东,冯彪. 适用于质子交换膜燃料电池系统的高阶滑模观测器[J]. 吉林大学学报(工学版), 2022, 52(9): 2203-2212.
[13] 王克勇,鲍大同,周苏. 基于数据驱动的车用燃料电池故障在线自适应诊断算法[J]. 吉林大学学报(工学版), 2022, 52(9): 2107-2118.
[14] 曹起铭,闵海涛,孙维毅,于远彬,蒋俊宇. 质子交换膜燃料电池低温启动水热平衡特性[J]. 吉林大学学报(工学版), 2022, 52(9): 2139-2146.
[15] 陈凤祥,伍琪,李元松,莫天德,李煜,黄李平,苏建红,张卫东. 2.5吨燃料电池混合动力叉车匹配、仿真及优化[J]. 吉林大学学报(工学版), 2022, 52(9): 2044-2054.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!