【摘要】：對智能汽車來說,確定車輛在路段中的位置是進行控制和決策的關(guān)鍵,是實時獲取路網(wǎng)數(shù)據(jù)庫中交通先驗信息的基礎(chǔ),也是執(zhí)行宏觀規(guī)劃各項任務(wù)的必要條件。廣泛來說,智能汽車的行駛路段定位包括:獲取智能汽車的定位信息;確定智能汽車在路網(wǎng)數(shù)據(jù)庫中的位置即地圖匹配。為保證定位的準確性,智能汽車普遍使用高精密儀器,價格昂貴,限制智能汽車的產(chǎn)品化。但是,民用導航儀定位的準確性相對較低,且大都只進行平面二維導航定位,容易在高架橋等復雜區(qū)域出現(xiàn)定位失誤的現(xiàn)象,因此無法滿足智能汽車的定位需求。為降低成本,提高定位的準確性和自適應(yīng)性,本文利用成本較低的GPS和高度計,設(shè)計了基于參數(shù)設(shè)定自適應(yīng)模型的卡爾曼濾波算法提高定位過程的自適應(yīng)性,并在地圖匹配中利用坐標增量對定位信息進一步修正,完成在路網(wǎng)數(shù)據(jù)庫中的定位,最終實現(xiàn)智能汽車準確的三維行駛路段定位功能。基于卡爾曼濾波的智能汽車三維定位研究。本文選取高度計獲取高度信息,配合GPS獲取的平面定位信息,得到智能汽車的三維定位信息。針對傳統(tǒng)當前統(tǒng)計模型存在自適應(yīng)性差的問題,引入當前統(tǒng)計模型的改進形式-參數(shù)設(shè)定自適應(yīng)模型,并引入最佳遺忘因子,抑制濾波器的濾波發(fā)散,建立基于改進當前統(tǒng)計模型的自適應(yīng)卡爾曼濾波算法,實現(xiàn)對智能汽車三維定位信息的準確估計,并提高濾波過程的自適應(yīng)性。智能汽車在路網(wǎng)數(shù)據(jù)庫中的行駛路段定位研究。針對傳統(tǒng)地圖匹配算法不能同時保證地圖匹配實時性和準確性的問題,本文在使用基于參數(shù)設(shè)定自適應(yīng)模型的卡爾曼濾波算法得到三維定位信息的前提下,選擇基于DS證據(jù)推理地圖匹配算法進行路段選擇,確定出地圖匹配的初始投影點,然后基于投影點,利用坐標增量對定位信息做修正,最后將定位點投影到對應(yīng)路段上,完成智能汽車在路網(wǎng)數(shù)據(jù)庫中的定位。本文只使用基于DS證據(jù)推理的地圖匹配算法進行路段選擇并確定初始投影點,改變傳統(tǒng)算法中時刻都要進行路段選擇并且投影的弊端,保證整個地圖匹配的實時性;利用坐標增量對定位點做進一步修正,提高地圖匹配的準確性。本文進行了仿真驗證。通過設(shè)置仿真工況,在每個工況中與其他算法比較,證明基于改進當前統(tǒng)計模型的自適應(yīng)卡爾曼濾波能保證三維定位估計的準確性,并且濾波過程不受參數(shù)設(shè)置影響,自適應(yīng)性較好。另外,利用吉林大學汽車仿真與控制國家重點實驗室研發(fā)的開發(fā)型汽車駕駛模擬器路網(wǎng)數(shù)據(jù)庫模擬導航定位中存儲交通先驗信息的地圖,對基于坐標增量的地圖匹配算法進行仿真驗證,仿真證明該算法的準確性高,能實現(xiàn)智能車輛在路網(wǎng)數(shù)據(jù)庫中的三維行駛路段定位。
【圖文】：

背景及意義展、社會進步、經(jīng)濟提高和人民生活水平的不斷上升漸漸地成為人們出行必不可少的交通工具，路網(wǎng)中的，因此產(chǎn)生很多交通安全性與便利性的問題亟待解決們生活帶來很多便利的同時還能提高安全性，，受到了智能汽車是智能車輛的一種，這種智能汽車可以在不實現(xiàn)智能駕駛，谷歌智能汽車就是基于這一思想進行器系統(tǒng)，按照功能可以劃分為環(huán)境感知、決策規(guī)劃和能汽車必須具有感知環(huán)境的信息采集系統(tǒng)，該信息采傳感器如雷達、攝像頭等，還包括存儲著交通環(huán)境先智能汽車還必須具有自身行駛路段定位導航能力，才能

車三維行駛路段定位時，首先面臨的挑戰(zhàn)就是獲位是十分必要的，原因如下：1.民用導航儀在高誤，比如難以判斷車輛位于橋上還是橋下，部分位模塊只能輸出二維定位信息，其路網(wǎng)數(shù)據(jù)庫民用導航儀大都進行二維平面導航；2.智能汽車對實現(xiàn)車輛行程開始前的路徑規(guī)劃、行程途中改規(guī)則等事件的響應(yīng)、車輛對交通參與物避讓等能汽車的行駛需求；3.面向智能汽車的路網(wǎng)數(shù)據(jù)，獲取智能汽車三維定位信息可以更有效地和路架橋等復雜路段的路段定位問題，可準確獲取路車的傳感感知。成本三維定位的研究多集中在智能手機、航空智能手機和航空航天領(lǐng)域。
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U463.6

【參考文獻】

相關(guān)期刊論文 前10條

1 肖維麗;岳春生;奚玲;;基于高程的改進D-S證據(jù)理論地圖匹配算法[J];計算機應(yīng)用與軟件;2015年07期

2 駱榮劍;李穎;錢廣華;魏祥;;機動目標跟蹤中一種改進的自適應(yīng)卡爾曼濾波算法[J];重慶郵電大學學報(自然科學版);2015年01期

3 王文成;;CORS-RTK測量中的坐標轉(zhuǎn)換方法研究[J];科技資訊;2014年23期

4 劉興權(quán);金美含;;地圖匹配算法綜述[J];科技信息;2014年04期

5 楊朝斌;牛強軍;徐其東;;氣壓高度表增強GPS組合導航系統(tǒng)數(shù)據(jù)融合[J];四川大學學報(工程科學版);2012年01期

6 鄭智明;劉建業(yè);錢偉行;;衛(wèi)星導航系統(tǒng)與氣壓高度計的信息處理與融合[J];應(yīng)用科學學報;2010年03期

7 竺明超;黃圣國;;一種氣壓高度表輔助GPS定位算法的研究[J];哈爾濱商業(yè)大學學報(自然科學版);2009年04期

8 宮曉琳;房建成;盛蔚;;一種GPS與高精度氣壓高度表在線互標定方法[J];電子與信息學報;2009年04期

9 趙海燕;;GPS接收機標準裝置組成、建標以及計量檢測工作的重要性[J];中國計量;2008年12期

10 宋潔;李國燕;李娜娜;張永杰;;基于模糊邏輯的GPS/DR地圖匹配算法[J];計算機工程與科學;2008年10期

相關(guān)碩士學位論文 前10條

1 石慧;基于多傳感器融合的車輛導航系統(tǒng)研究與實現(xiàn)[D];北京工業(yè)大學;2016年

2 石翔宇;浮動車采集頻率與地圖匹配精度分析[D];清華大學;2015年

3 李陸浩;面向無人駕駛汽車的車道級導航研究[D];吉林大學;2014年

4 樊友友;高速高機動目標跟蹤算法及應(yīng)用研究[D];西安電子科技大學;2013年

5 嚴鐳;GPS/DR車輛組合導航定位系統(tǒng)關(guān)鍵理論問題的研究[D];蘭州理工大學;2011年

6 田顏鋒;航空重力測量數(shù)據(jù)濾波處理算法研究[D];解放軍信息工程大學;2010年

7 劉智;基于航跡推算的地圖匹配算法的設(shè)計與實現(xiàn)[D];東北大學;2009年

8 李沛;車輛導航系統(tǒng)中地圖匹配的研究[D];北京交通大學;2008年

9 孫健;GPS和高精度氣壓高度表的組合導航定位技術(shù)研究[D];南京航空航天大學;2008年

10 段芳芳;多傳感器多目標跟蹤技術(shù)研究[D];西北工業(yè)大學;2006年

本文編號：2664175