申请/专利权人：山东哈工卓越智能有限公司

申请日：2024-04-23

公开（公告）日：2024-06-25

公开（公告）号：CN118091695B

主分类号：G01S17/88

分类号：G01S17/88;G01S17/931

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明提出的一种基于激光雷达的车厢边界预估方法、系统、装置及介质，属于复杂环境下测量定位技术领域。所述方法包括：通过激光雷达测量待测车厢的边界信息；将待测车厢的边界信息作为滤波算法的状态向量，并构建滤波算法的状态方程和滤波算法的观测方程；基于滤波算法的观测方程，构建第二观测方程，以抵消有色噪声的影响；基于第二观测方程、滤波算法的状态方程和滤波算法的观测方程，利用自适应期望辅助Kalman算法对车厢边界进行预估。本发明通过重构观测噪声消除有色测量噪声的影响，能够有效的提高复杂情况下数据融合滤波器的预估的精度，进而提高车厢边界预估的准确性。

主权项：1.一种基于激光雷达的车厢边界预估方法，其特征在于，包括：通过激光雷达测量待测车厢的边界信息；将待测车厢的边界信息作为滤波算法的状态向量，并构建滤波算法的状态方程和滤波算法的观测方程；基于滤波算法的观测方程，构建第二观测方程，以抵消有色噪声的影响；基于第二观测方程、滤波算法的状态方程和滤波算法的观测方程，利用自适应期望辅助Kalman算法对车厢边界进行预估；所述通过激光雷达测量待测车厢的边界信息包括：通过激光雷达测量激光雷达本身在x、y和z方向的位置和速度，以及车厢边界点在x、y和z方向的位置；所述滤波算法的状态方程具体如下： ；其中，为激光雷达k时刻在x、y和z方向的位置；为激光雷达k时刻在x、y和z方向的速度；为采样周期，为k时刻的系统噪声，其协方差阵为；为车厢边界点k时刻在x、y和z方向的位置信息；为系统矩阵；为k时刻的滤波算法数据融合模型的状态向量；为k时刻的滤波算法数据融合模型状态向量的一步预估；m为车厢边界点的数量；所述滤波算法的观测方程具体如下： ；其中，为滤波算法数据融合模型的观测向量，为滤波算法数据融合模型观测方程的观测矩阵，为激光雷达测量得到的激光雷达到车厢边界点之间的距离；为有色观测噪声；为有色因子；为白噪声，为的协方差阵；所述第二观测方程具体如下： ；其中，为k时刻的雅克比矩阵；为第二观测方程的观测矩阵；为第二观测方程的白噪声，为的协方差阵；为系统矩阵；；第二观测方程的观测噪声为： ；所述利用自适应期望辅助Kalman算法对车厢边界进行预估，包括：利用如下公式进行一步预估： ； ；其中，为k时刻的误差矩阵；为k时刻的误差矩阵的一步预估；利用公式进行初始化赋值：其中，为k时刻内部迭代的误差向量，为k时刻内部迭代的状态向量，上标括号内表示迭代次数，0为初始次数；初始化赋值完成后，利用滤波器进行步内部迭代；所述滤波器具体如下： ； ； ； ；其中，为迭代总步数，s为迭代步数；表示k时刻内部迭代第s+1步的新息矩阵；表示k时刻内部迭代第s+1步的滤波增益；为k时刻内部迭代第s步的误差向量；为k时刻内部迭代第s步的状态向量；为k时刻内部迭代第s+1步的状态向量；每次迭代完成后，利用公式计算马氏距离，并比较与门限值door；若，则进行噪声和误差向量预估；预估完成后，迭代步数S加1，继续内部迭代直到迭代步数S满足迭代总步数；若，则直接跳出内部迭代；内部迭代完成后，根据以下公式得到滤波器的输出： ； ；根据滤波器的输出确定车厢边界预估结果；根据以下公式进行噪声和误差向量预估： ； 。

全文数据：

权利要求：

百度查询： 山东哈工卓越智能有限公司 基于激光雷达的车厢边界预估方法、系统、装置及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD