[發明專利]一種抗觀測數據干擾的多車協同狀態估計方法

在審

• 申請號: 202111100895.2
• 申請日: 2021-09-18
• 公開（公告）號: CN113971752A
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 陳小波;陳玲;蔡英鳳;王海;梁軍
• 申請（專利權）人: 江蘇大學
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06K9/62;G06F30/20;G06F17/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種抗觀測數據干擾的多車協同狀態估計方法，主車、協同車分別對目標車進行感知，獲得含有異常噪聲的目標車狀態觀測數據。主車作為信息融合中心，對收集到的觀測數據進行預處理，得到組合觀測數據。基于學生t分布模擬重尾、非高斯的觀測噪聲可有效抑制異常噪聲的影響；初始化狀態變量、觀測噪聲協方差的先驗超參數和調節參數；利用變分推斷，計算第t次迭代后目標車狀態的變分后驗分布和觀測噪聲的變分后驗分布；判斷目標車狀態是否收斂，直至收斂后輸出當前時刻k估計的目標車狀態；跟蹤結束后，輸出本次跟蹤位置和速度的均方根誤差圖。本發明的多車協同狀態估計方法，通過融入更多觀測信息，能有效提高目標車狀態估計的精度。

技術領域

本發明屬于智能車輛技術領域，涉及車聯網的多車協同目標車跟蹤方法，尤其是一種抗觀測數據干擾的多車協同目標車跟蹤方法。

背景技術

周邊車輛運動狀態的準確估計是汽車輔助駕駛系統研究領域的關鍵技術之一，其關鍵在于如何有效地從觀測數據中過濾噪聲以提取目標車的真實運動狀態。隨著傳感器技術與通信技術的發展，多傳感器被引進到輔助駕駛系統中進行環境感知。多源信息融合技術不僅能夠解決不同傳感器所獲得的信息融合問題，還能改善狀態估計性能。目前，主要利用GPS/導航、攝像頭和雷達等多種傳感設備來估計道路車輛的運動狀態。

非線性最優濾波被廣泛應用于多源信息融合，可以由遞推貝葉斯方法統一描述。核心思想是基于獲得的觀測值計算非線性系統狀態向量的后驗概率密度函數。對于線性系統來說，最優貝葉斯濾波的閉合解由卡爾曼濾波方程描述；對于非線性系統，由于需要處理復雜的積分問題，想要獲得精準的最優濾波閉合解非常困難。

隨著車聯網及通信技術的快速發展，基于車-車(V2V)或車-基礎設施(V2I)通信的網聯式協同感知引起廣泛關注。我國主推的C-V2X成為全球范圍內車聯網行業的事實標準，其低延遲、高帶寬等優點能夠滿足多車協同感知的可靠性要求。

實際道路交通環境下，單車跟蹤易受感知信息不完整、目標車遮擋以及環境噪聲的影響，導致目標車狀態估計的誤差較大。

發明內容

為了解決傳統目標跟蹤只依賴單個車載傳感器觀測數據難以準確估計車輛狀態的問題，本發明提出了一種抗觀測數據干擾的多車協同狀態估計方法。利用學生t分布對觀測噪聲建模，以緩解異常數據對目標狀態估計的影響，并結合多車對同一目標車的觀測數據，基于變分貝葉斯推斷的方法，估計觀測噪聲參數和超參數，同時結合擴展卡爾曼濾波估計出目標車狀態。

為了實現上述技術問題，本發明所采用的技術方案如下：

一種抗觀測數據干擾的多車協同狀態估計方法，包括如下步驟：

步驟1：主車、協同車按照各自頻率分別對目標車進行感知，繼而分別獲得含有噪聲的目標車狀態觀測數據；同時，協同車將協同車的自車狀態以及協同車所感知的目標車狀態觀測數據發送給主車；

步驟2：主車作為信息融合中心，將主車收集到的目標車狀態觀測數據以及協同車發送的目標車狀態觀測數據進行時間同步和坐標轉換處理，得到經過預處理后的組合觀測數據；為抑制異常噪聲對觀測數據的影響，基于學生t分布模擬重尾、非高斯的觀測噪聲；

步驟3：在k＝0時刻，初始化狀態變量表示x₀服從均值m₀和協方差P₀的高斯分布；初始化觀測噪聲協方差(u₀Λ₀)^-1的先驗超參數其中，u₀，Λ₀分別為初始自舉變量值、初始精確度值，均為初始先驗超參數；

步驟4：利用擴展卡爾曼濾波器，預測k時刻的目標車狀態分布表示x_k|k-1服從均值協方差的高斯分布；預測k時刻觀測噪聲協方差(u_k，Λ_k)^-1的先驗超參數和