运动学自行车模型空间表示中的不确定性分析

在不确定环境中定位车辆并确定其朝向是自动驾驶车辆导航和路径规划中的关键挑战。为了应对这些挑战，车辆在依赖提供噪声测量的传感器数据的同时估计其位姿。这些位姿量的不确定性在数学上表示为协方差矩阵。由于运动学模型中涉及非线性，协方差矩阵的实时计算至关重要。因此，挑战在于评估车辆离散化随机运动学的协方差矩阵的演化。本研究的目的是在车轮位移和转向角存在不确定性的情况下，获得后轮自行车运动学模型协方差矩阵的近乎准确的演化。我们使用泰勒级数线性化非线性三角函数，并提供了具有所需精度的随机变量的闭式期望。我们的分析结果与蒙特卡洛模拟获得的结果吻合良好。我们的贡献可能是首次详细且闭式地呈现所评估车辆协方差矩阵的各个组成部分，而以往的报告要么不正确，要么不完整。这些发现有助于识别离散化运动学模型的潜力和约束及其随机分析。本文提出的技术对于某些移动机器人和自动驾驶车辆的同步定位与里程计自标定非常有用。