多算法融合定位框架

极端噪声下稳定定位

融合粒子滤波与马尔可夫模型，在GPS受非高斯噪声干扰或丢失时仍能保持车辆自定位与轨迹跟踪。

Liu, Cong · 刘辉 · 韩立金 · 项昌乐

International Journal of Automotive Technology 2023

技术优势

GPS失效也能自定位

采用粒子滤波器，利用参考物位置与车辆行驶状态信息，在GPS受非高斯噪声干扰或丢失时实现高速自定位。

无参考场景预测未来位置

提出多阶变步长马尔可夫模型，在线预测车辆未来驾驶状态，计算无参考场景下的未来位置。

融合提高鲁棒性

两种方法融合发挥各自优势，提高非高斯噪声场景下定位算法的准确性与鲁棒性。

应用场景

• 自动驾驶定位：在GPS受非高斯噪声干扰或丢失时保持精准自定位，保障自动驾驶安全。
• 轨迹跟踪：将定位信息和未来状态应用到自适应MPC轨迹跟踪，提高自主跟踪稳定性。
• 车辆状态估计：基于粒子滤波融合参考物与行驶状态，准确估计车辆位置状态。