用于自动驾驶车辆定位的线性特征观测模型
机器人学
2020-03-02 v1 系统与控制
系统与控制
摘要
精确定位是自动驾驶车辆的核心能力，是运动规划与执行的先决条件。成熟的定位方法如卡尔曼滤波和粒子滤波需要一种概率观测模型，以在给定系统状态向量（通常为车辆位姿）和地图时计算测量的似然。通过开发考虑多种测量误差源的更复杂观测模型，可提高定位系统的精度。同时模型需简洁以能实时计算。本文提出一种针对视觉检测线性特征的观测模型。此类特征包括但不限于道路标线和道路边界。所提观测模型刻画了两个核心检测误差源：偏移误差和角度误差，并考虑了误检（假阳性）的概率。所提模型的结构允许将测量误差预计算并直接融入以多通道数字图像表示的地图中。测量误差预计算及将地图存为图像加速了观测似然计算，进而加速定位系统。在真实自动驾驶车辆上的实验评估表明，所提模型可在多种场景下实现精确可靠的定位。
引用
@article{arxiv.2002.12731,
title = {Linear Features Observation Model for Autonomous Vehicle Localization},
author = {Oleg Shipitko and Vladislav Kibalov and Maxim Abramov},
journal= {arXiv preprint arXiv:2002.12731},
year = {2020}
}