论文部分内容阅读
超声波传感器具有单体成本低、探测角度大、近距盲区小等优点,在车辆环境感知领域应用潜力巨大。长距超声波传感器目标物跟踪技术将面临因环境复杂度增大导致的传感器抗干扰能力下降,误差增大等问题;单传感器分配探测频率降低、有效信号减少两大新的挑战。本文通过针对长距离超声波传感器目标物跟踪问题,通过单体传感器静态感知特性实验,建立了单体传感器静态特性模型,开发了能够对目标物进行动态跟踪的EKF和UKF算法,并进行了实车实验验证。首先,利用超声波传感器静态实验平台开展单体传感器感知性能实验,建立了单体超声波传感器的静态特性模型,包括探测范围模型、探测率模型和探测误差模型。传感器探测范围模型采用双二次曲线拟合传感器的探测范围,拟合精度达到0.2m。对不同的目标物形状和表面材质进行探测范围的拟合,建立了能够反映目标物形状和表面材质特性的探测范围模型。探测率模型采用线性下降模型来拟合探测率在接近传感器感知边界时急剧下降的特性。探测误差模型线性拟合探测误差与不同目标物形状、表面材质、距离和角度信息的关系,能够反映不同目标物形状、表面材质、距离和角度的探测误差特性。针对车辆侧向目标物跟踪问题,本文设计了等距线性传感器阵列的同步和异步两种发射时序。针对柱状物、汽车2种典型跟踪场景,分别设计了扩展Kalman滤波(EKF)和无迹Kalman滤波(UKF)算法。并通过仿真和实车实验对算法进行了验证。仿真结果显示:同步条件下,EKF与UKF算法对于两种场景,均能够实现有效的位置估计和速度跟踪,跟踪效果优于三角定位法,EKF和UKF算法跟踪效果相似。异步条件下,柱状目标物跟踪场景验证结果显示,EKF和UKF能够实现有效的位置估计和速度跟踪,较三角定位法跟踪精度有较大的提高,跟踪效果UKF优于EKF。实车实验结果显示:柱状目标物跟踪场景中,EKF与UKF算法能够实现有效的位置估计和速度跟踪,优于三角定位法,跟踪效果UKF优于EKF。本文针对长距离超声波传感器目标物跟踪问题,建立了单体超声波传感器的静态特性模型,包括探测范围模型、探测率模型和探测误差模型。开发了阵列传感器EKF和UKF算法,实现了对车辆侧向目标物的动态位置跟踪和速度跟踪,跟踪算法较改进的三角定位法跟踪精度有较大的提高。