基于平面约束辅助与因子图优化的多车协同定位
机器人学
2023-10-11 v1 系统与控制
信号处理
系统与控制
摘要
车对车(V2V)通信的发展促进了面向车载应用的协同定位(CP)技术研究。CP方法通过车间测距与车辆间数据交换可提升定位的可用性与精度。然而,车间测距易因两车间障碍物等诸多因素而中断。若无车间测距,其他协同数据(如车辆位置)将被浪费,导致基于测距的CP方法性能下降。为充分利用协同数据并减轻车间测距丢失的影响,本文提出一种由平面约束辅助的新型协同定位方法。将从协同车辆接收到的定位结果用于为每辆车构建道路平面。随后将平面参数引入CP方案以对定位解施加约束。采用前沿的因子图优化(FGO)算法将平面约束与全球导航卫星系统(GNSS)原始数据及车间测距观测进行融合。所提CP方法能够抵御车间测距中断,因为平面约束仅利用与位置相关的数据计算。即便车间测距不可用,车辆仍可从协同车辆的位置数据获益。实验结果表明,尤其在发生测距中断时,所提CP方法的定位性能优于现有方法。
引用
@article{arxiv.2310.06414,
title = {Plane Constraints Aided Multi-Vehicle Cooperative Positioning Using Factor Graph Optimization},
author = {Chen Zhuang and Hongbo Zhao},
journal= {arXiv preprint arXiv:2310.06414},
year = {2023}
}
备注
14 pages, 16 figures, IEEE trans on ITS