基于扩展卡尔曼滤波与机器视觉融合的道路侧向坡度估计

doi:10.19562/j.chinasae.qcgc.2024.04.006

摘要/Abstract

摘要：

为解决现有算法难以准确估计前方道路侧向坡度的问题，提出了一种基于扩展卡尔曼滤波（EKF）与机器视觉（VB）融合的道路侧向坡度估计方法。首先，建立含有侧向坡度的车辆2自由度模型，通过EKF估计出侧向坡度与车辆侧倾角的叠加态，由侧向加速度乘以适当增益解耦出车辆侧倾角，得到EKF道路侧向坡度估计值；其次，通过视觉成像原理分析二维图像中道路侧向坡度与图像中相关参数的几何关系，得到VB道路侧向坡度估计值；最后，通过数据融合得到最终的道路侧向坡度估计值，使估计结果冗余互补。仿真和实车试验结果表明，该融合算法能够适用于道路侧向坡度变化的坡道，并显著提高了估计精度。

关键词: 侧向坡度, 坡度估计, 扩展卡尔曼滤波, 机器视觉, 数据融合

Abstract:

To address the difficulty of accurately estimating the lateral slope of the road ahead using existing algorithms， a road lateral slope estimation method based on the fusion of Extended Kalman Filter （EKF） and Machine Vision Based （VB） is proposed. Firstly， a two-degree of freedom model for vehicles with lateral slope is established， and the superposition state of lateral slope and vehicle roll angle is estimated through EKF， with the vehicle roll angle decoupled by multiplying the lateral acceleration with an appropriate gain to obtain the estimated lateral slope of the EKF road. Secondly， based on the principle of visual imaging， the geometric relationship between the lateral slope of roads in two-dimensional images and the relevant parameters in the images is analyzed to obtain an estimated value of the lateral slope of roads in VB. Finally， the final estimation of road lateral slope is obtained through data fusion， making the estimation results redundant and complementary. The simulation and actual vehicle test results show that the fusion algorithm can be applied to slopes with varying lateral slopes and significantly improve the estimation accuracy.

Key words: lateral slope, slope estimation, extended Kalman filter, machine vision, data fusion

严运兵,岳铭浩,李海玮. 基于扩展卡尔曼滤波与机器视觉融合的道路侧向坡度估计[J]. 汽车工程, 2024, 46(4): 605-616.

Yunbing Yan,Minghao Yue,Haiwei Li. Estimation of Road Side Slope Based on Fusion of Extended Kalman Filter and Machine Vision[J]. Automotive Engineering, 2024, 46(4): 605-616.

图/表 26

图1

图2

图3

图4

图5

图6

图7

图8

图9

表1

车辆参数表"

参数	符号	数值
质心到前轴的距离/mm	$l f$	1 040
质心到后轴的距离/mm	$l r$	1 560
整车质量/kg	$m$	1 110
车体绕z轴转动惯量/（ $k g ? m 2$ ）	$I z$	1 343.1
轮距/mm	$L t$	1 480
悬架安装宽度/mm	$l$	185

表1

图10

图11

图12

图13

图14

图15

图16

表2

仿真客观评价指标值"

项目	EKF	VB-EKF
$M A E$ /%	0.20	0.11
$R M S E$ /%	0.26	0.14

表2

图17

图18

图19

表3

图20

图21

图22

表4

参考文献 19

1	陈浩，袁良信，孙涛，等. 电动轮汽车车速与道路坡度估计［J］. 汽车工程，2020，42（2）：199-205，256.
	CHEN H， YUAN L X， SUN T， et al. Estimation of vehicle speed and road slope for electric wheeled vehicles ［J］ Automotive Engineering， 2020，42 （2）： 199-205，256.
2	管欣，金号，段春光，等. 汽车行驶道路侧向坡度估计［J］. 吉林大学学报（工学版），2019，49（6）：1802-1809.
	GUAN X， JIN H， DUAN C G， et al. Estimation of lateral slope of automobile driving roads ［J］. Journal of Jilin University （Engineering Edition）， 2019，49 （6）： 1802-1809.
3	HUANG Y， CHEN Y. Vehicle lateral stability control based on shiftable stability regions and dynamic margins［J］.IEEE Transactions on Vehicular Technology， 2020， PP（99）：1-1.
4	WANG H， ZHOU J， HU C， et al. Vehicle lateral stability control based on stability category recognition with improved brain emotional learning network［J］. IEEE Transactions on Vehicular Technology， 2022，71（6）： 5930-5943.
5	张利鹏，任晨辉，李韶华.轮毂电机驱动汽车侧向稳定性底盘协同控制［J］.机械工程学报，2019，55（22）：153-164.
	ZHANG L P， REN C H， LI S H. Collaborative control of lateral stability chassis for hub motor driven vehicles ［J］. Journal of Mechanical Engineering， 2019，55 （22）： 153-164.
6	MANGAN S， WANG J， WU Q H. Measurement of the road gradient using an inclinometer mounted on a moving vehicle ［C］. Proceedings of the IEEE International Symposium on Computer Aided Control System Design， Sept 20- 20， 2002， Glasgow， UK. IEEE， 2009： 80-85.
7	郝胜强，罗培培，席军强.基于稳态卡尔曼滤波的车辆质量与道路坡度估计［J］.汽车工程，2018，40（9）：1062-1067，1075.
	HAO S Q， LUO P P， XI J Q. Estimation of vehicle mass and road slope based on steady state kalman filter ［J］. Automotive Engineering， 2018，40 （9）： 1062-1067，1075.
8	雍文亮，管欣，王博，等.基于多传感数据融合滤波的纵向坡度识别算法［J］.机械工程学报，2018，54（14）：116-124.
	YONG W L， GUAN X， WANG B， et al. Longitudinal slope recognition algorithm based on multi-sensor data fusion filtering ［J］. Journal of Mechanical Engineering， 2018，54 （14）： 116-124.
9	MENHOUR L， LECHNER D， CHARARA A. Design and experimental validation of linear and nonlinear vehicle steering control strategies［J］. Vehicle System Dynamics， 2012， 50（6）： 903-938.
10	TSENG H E. Dynamic estimation of road bank angle ［J］. Vehicle System Dynamics， 2001， 36（4/5）： 307-328.
11	周申光.一种道路侧向坡度值检测方法及装置：中国，201710385949.1 ［P］.2018-12-04.
	ZHOU S G. A method and device for detecting lateral slope values of roads： China， 201710385949.1 ［P］. 2018-12-04.
12	USTUNEL E， MASAZADE E. Vision-based road slope estimation methods using road lines or local features from instant images［J］.IET Intelligent Transport Systems，2019，13（10）：1590-1602.
13	FENG J， QIN D， LIU Y， et al. Real-time estimation of road slope based on multiple models and multiple data fusion［J］.Measurement，2021，181.
14	曾小华，钱琦峰，宋大凤，等. 基于加速度校正的坡度估计算法与实现［J］. 汽车工程，2020，42（10）：1369-1377.
	ZENG X， QIAN Q， SONG D， et al. Slope estimation algorithm and implementation based on acceleration correction ［J］. Automotive Engineering， 2020，42 （10）： 1369-1377.
15	高林，吴青，贺宜.复杂工况下货运车辆质量和道路坡度联合估计［J/OL］.机械工程学报：1-16［2023-10-24］.
	GAO L， WU Q， HE Y. Joint estimation of freight vehicle mass and road slope under complex operating conditions ［J/OL］. Journal of Mechanical Engineering： 1-16 ［2023-10-24］.
16	秦大同，王康，冯继豪，等.基于无迹卡尔曼滤波和门控循环单元的道路坡度估计［J］.汽车工程，2022，44（10）：1547-1555，1580.
	QIN D T， WANG K， FENG J H， et al. Road slope estimation based on unscented Kalman filtering and gated loop unit ［J］. Automotive Engineering， 2022，44 （10）： 1547-1555，1580.
17	SONG S， JEON B， KIM M， et al. Efficient convolutional processing of spiking neural network with weight-sharing filters［J］. IEEE Electron Device Letters， 2023，44（6）： 1007-1010.
18	SINGH D R，GAURAV M，MALIKA A， et al. Fault prediction using fuzzy convolution neural network on IoT environment with heterogeneous sensing data fusion［J］.Measurement： Sensors，2023，26.
19	FARAG W. Kalman-filter-based sensor fusion applied to road-objects detection and tracking for autonomous vehicles［J］. Proceedings of the Institution of Mechanical Engineers， Part I： Journal of Systems and Control Engineering， 2021， 235（7）：1125-1138.

名称	型号
工控机	超恩ECX-1400
摄像头	汇博士X20
惯性导航仪	GNW-MKS4051

[1]	张念忠,宋强,王冠峰,王明生. 车用永磁同步电机无电流传感器控制研究[J]. 汽车工程, 2024, 46(2): 281-289.
[2]	胡明辉,朱广曜,刘长贺,唐国峰. 考虑迟滞特性的卡尔曼滤波和门控循环单元神经网络的锂离子电池SOC联合估计[J]. 汽车工程, 2023, 45(9): 1688-1701.
[3]	姚宇捷,彭育辉,陈泽辉,何维堃,吴庆,黄炜,陈文强. 支持抗光照目标检测的改进YOLO算法[J]. 汽车工程, 2023, 45(5): 777-785.
[4]	孙金磊,邹鑫,顾浩天,崔凯,朱金大. 基于FFRLS-EKF联合算法的锂离子电池荷电状态估计方法[J]. 汽车工程, 2022, 44(4): 505-513.
[5]	查云飞,吕小龙,刘鑫烨,马芳武. 基于二分法的车辆状态参数融合估计[J]. 汽车工程, 2022, 44(12): 1910-1918.
[6]	秦大同,王康,冯继豪,刘永刚,程坤,夏玉. 基于无迹卡尔曼滤波和门控循环单元的道路坡度估计[J]. 汽车工程, 2022, 44(10): 1547-1555.
[7]	章军辉,付宗杰,郭晓满,李庆,陈大鹏,赵野. 基于HS⁃FCM模糊聚类的快速多目标车辆跟踪算法[J]. 汽车工程, 2021, 43(10): 1419-1426.
[8]	来鑫,李云飞,郑岳久,王晶晶,孙涛,周龙. 基于SOC⁃OCV优化曲线与EKF的锂离子电池荷电状态全局估计[J]. 汽车工程, 2021, 43(1): 19-26.
[9]	朱烨添, 沈鸿, 张文俊, 林立, 吴少腾, 敖云轲, 万禹, 赵之谦, 裴景玉. 汽车自动变速器阀体阀芯孔内壁面质量检测系统的研发^*[J]. 汽车工程, 2020, 42(4): 484-490.
[10]	陈浩, 袁良信, 孙涛, 郑四发, 连小珉. 电动轮汽车车速与道路坡度估计^*[J]. 汽车工程, 2020, 42(2): 199-205.
[11]	朱波, 黄茂飞, 谈东奎, 胡旭东, 顾家鑫. 基于神经网络与数据融合的行人检测方法^*[J]. 汽车工程, 2020, 42(11): 1482-1489.
[12]	刘兴涛, 李坤, 武骥, 何耀, 刘新天. 基于EKF-SVM算法的动力电池SOC估计^*[J]. 汽车工程, 2020, 42(11): 1522-1528.
[13]	曾小华, 钱琦峰, 宋大凤, 谷京哲, 苑卫松. 基于加速度校正的坡度估计算法与实现^*[J]. 汽车工程, 2020, 42(10): 1369-1377.
[14]	闫书法, 马彪, 郑长松. 基于竞争失效的综合传动剩余寿命预测^*[J]. 汽车工程, 2019, 41(4): 426-431.
[15]	耿国庆，韦斌源，江浩斌，华一丁，吴镇. 基于NA-EKF的分布式驱动电动汽车行驶状态估计研究[J]. 汽车工程, 2018, 40(7): 770-.