宝石流云|基于多传感器数据融合的车辆质量和道路坡度实时估计( 二 )


可以看出随着时间的累积 , 50 秒以后汽车实际位置和测量位置有了分歧 , 且随着时间累积 , 分差不断拉大 。
宝石流云|基于多传感器数据融合的车辆质量和道路坡度实时估计图 6 采用卡尔曼滤波器修正的汽车位置
可以发现 , 采用卡尔曼滤波器可以明显改善预测准确性 。
宝石流云|基于多传感器数据融合的车辆质量和道路坡度实时估计图 7 坡度角度估计
由于缺少实际的测量工具 , 无法获取道路的实际角度 , 但是总体趋势与道路一致 。
宝石流云|基于多传感器数据融合的车辆质量和道路坡度实时估计【宝石流云|基于多传感器数据融合的车辆质量和道路坡度实时估计】图 8 汽车质量预测
随着时间的累积 , 80 秒以后预测曲线趋近 670kg , 与汽车质量一致 , 误差控制在 5%范围以内 。
总结本论文通过数据融合技术对车辆的位置 , 速度 , 加速度等传感器数据进行融合 , 通过卡尔曼滤波算法消去时间累积的噪声误差 , 通过时间分割方法计算道路角度 , 通过多维动力参数算法计算汽车质量(自重) 。
致谢本文由南京大学软件学院 2020 级硕士生倪烨翻译转述 。


推荐阅读