网站工作和网站建设管理工作,创业型企业网站模板,室内设计去哪里学,大连做网站比较好的背景
自动驾驶坡度对纵向的跟踪精度和体感都有一定程度的影响。行车场景虽然一般搭载了GPS和IMU设备#xff0c;但pitch角一般不准#xff0c;加速度也存在波动大的特点。泊车场景一般在室内地库#xff0c;受GPS信号遮挡影响#xff0c;一般无法获取高程和坡度。搭载昂贵…背景
自动驾驶坡度对纵向的跟踪精度和体感都有一定程度的影响。行车场景虽然一般搭载了GPS和IMU设备但pitch角一般不准加速度也存在波动大的特点。泊车场景一般在室内地库受GPS信号遮挡影响一般无法获取高程和坡度。搭载昂贵的传感器虽然也能获取所需的坡度但成本高不利于量产。基于以上矛盾点基于算法的状态观测器就显得尤为迫切。本文基于运动学方程和卡尔曼滤波根据测量的速度v底盘加速度a实时估计出坡度值slope.
1.建立运动学方程 由于自动驾驶场景坡度一般不大可近似认为 sin(alpha)alpha ,写成矩阵的形式如下
2.使用卡尔曼滤波
由于本文建立的状态方程没有控制量u项因此根据线性方程的卡尔曼滤波可得如下状态
预测方程 校正方程
3.仿真效果
