关键词：智能汽车;;三维行驶路段定位;;三维定位估计;;自适应卡尔曼滤波;;地图匹配
摘 要：对智能汽车来说,确定车辆在路段中的位置是进行控制和决策的关键,是实时获取路网数据库中交通先验信息的基础,也是执行宏观规划各项任务的必要条件。广泛来说,智能汽车的行驶路段定位包括:获取智能汽车的定位信息;确定智能汽车在路网数据库中的位置即地图匹配。为保证定位的准确性,智能汽车普遍使用高精密仪器,价格昂贵,限制智能汽车的产品化。但是,民用导航仪定位的准确性相对较低,且大都只进行平面二维导航定位,容易在高架桥等复杂区域出现定位失误的现象,因此无法满足智能汽车的定位需求。为降低成本,提高定位的准确性和自适应性,本文利用成本较低的GPS和高度计,设计了基于参数设定自适应模型的卡尔曼滤波算法提高定位过程的自适应性,并在地图匹配中利用坐标增量对定位信息进一步修正,完成在路网数据库中的定位,最终实现智能汽车准确的三维行驶路段定位功能。基于卡尔曼滤波的智能汽车三维定位研究。本文选取高度计获取高度信息,配合GPS获取的平面定位信息,得到智能汽车的三维定位信息。针对传统当前统计模型存在自适应性差的问题,引入当前统计模型的改进形式-参数设定自适应模型,并引入最佳遗忘因子,抑制滤波器的滤波发散,建立基于改进当前统计模型的自适应卡尔曼滤波算法,实现对智能汽车三维定位信息的准确估计,并提高滤波过程的自适应性。智能汽车在路网数据库中的行驶路段定位研究。针对传统地图匹配算法不能同时保证地图匹配实时性和准确性的问题,本文在使用基于参数设定自适应模型的卡尔曼滤波算法得到三维定位信息的前提下,选择基于DS证据推理地图匹配算法进行路段选择,确定出地图匹配的初始投影点,然后基于投影点,利用坐标增量对定位信息做修正,最后将定位点投影到对应路段上,完成智能汽车在路网数据库中的定位。本文只使用基于DS证据推理的地图匹配算法进行路段选择并确定初始投影点,改变传统算法中时刻都要进行路段选择并且投影的弊端,保证整个地图匹配的实时性;利用坐标增量对定位点做进一步修正,提高地图匹配的准确性。本文进行了仿真验证。通过设置仿真工况,在每个工况中与其他算法比较,证明基于改进当前统计模型的自适应卡尔曼滤波能保证三维定位估计的准确性,并且滤波过程不受参数设置影响,自适应性较好。另外,利用吉林大学汽车仿真与控制国家重点实验室研发的开发型汽车驾驶模拟器路网数据库模拟导航定位中存储交通先验信息的地图,对基于坐标增量的地图匹配算法进行仿真验证,仿真证明该算法的准确性高,能实现智能车辆在路网数据库中的三维行驶路段定位。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取