基于IMM-UKF的协同式车辆运动状态跟踪算法

摘要：

为了提高车辆运动状态的跟踪精度,在路侧传感网信息融合的基础上,提出了一种改进的车辆运动状态估计方法.采用匀速直线运动模型和匀速转向运动模型建立了多模型的汽车行驶状态方程,利用马尔科夫链进行模型切换.同时引入无迹卡尔曼滤波算法,根据前一时刻的运动状态和当前观测值,对车辆行驶的运动状态参数进行估计.结果表明,改进的多模型数据融合算法与单模型相比,轨迹和速度跟踪误差分别降低了86.8％和78.6％,有效地提高了车辆运动状态跟踪的精度.

关键词：汽车辅助驾驶、无迹卡尔曼滤波、协同、交互多模型、信息融合、运动跟踪、马尔科夫链、滤波器

所属期刊栏目：42

分类号：TP391.41(计算技术、计算机技术)

资助基金：河南省高等学校重点科研项目;开封市科技发展计划项目

在线出版日期：2020-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：318-323