智能汽车如何眼观六路、耳听八方?传感器融合与卡尔曼滤波技术(46)

作者: admin 分类: 科学 发布时间: 2021-09-06 15:22

        那刚才呢我们介绍了传感器融合的作用啊,但传感器究竟是怎么融合到一块的呢?这是一个很复杂的技术问题。举个例子来讲啊,不同的传感器他们的获得信息是不一样的。啊,这里面面临两个方面的问题。第一个问题呢叫做空间定标,就是你不同的传感器,你是安装在车上不同的位置的,所以角度也不一样。这样呢你会看到不同的情景,拍摄到不同的画面你。

        你怎么通过空间坐标的方法把这些个画面给融合到一块,这就叫空间定标,对吧?第二个呢是时间定标啊,每一个传感器啊,它对外界环境的感知频率不一样。比如说摄像头吧,他可能每秒钟拍摄25张照片啊,而这个毫米波雷达呢他可能每秒钟啊只是探测十次。这样一来,摄像头拍照片的时候,可能呢这个航母波雷达没有信息传回来。所以我要通过一些方法把这个不同时间的信号又把它融合起来,这个就叫所谓的时间定标啊,除了空间定标和时间定标以外啊,更为重要的是有的时候传感器获得的信息是彼此矛盾的。比如说啊摄像头告诉我们前方有一堵墙,而毫米波雷达告诉我们前面是个斜坡,我们到底相信谁呢?比如说啊定位系统告诉我们现在在主主路上,但是呢这个雷达告诉我们,现在我们在辅路上我们。我们又该相信谁呢?因为每一种传感器它都是有误差的,所以这样的矛盾是每时每刻都在发生的,我们该怎么办呢?这里啊我们就不得不提一位在工程界家喻户晓的人物了啊。他是一位出生在奥地利的美国数学家和工程师,名字叫做鲁道夫卡尔曼。

        他提出了卡尔曼滤波。卡尔曼滤波呀曾经帮助阿波罗飞船登上了月球,现在呢也在每时每刻都在帮助我们的GPS导航系统啊,我们利用卡尔曼滤波就可以把不同传感器的信息啊融合到一块儿。我们举一个例子啊,比如说我们通过定位系统,比如GPS定位或者是什么其他的定位系统。我们知道了这个汽车的位置位置啊,这个位置呢就是Z一啊,我告诉你汽车是在Z一的位置。但是因为GPS是有误差的,它不能准确的告诉你在什么位置,而只能告诉你在一个范围内,它还有一个误差或者说方差西格玛一的平方。最一呢只是表示你可能在的位置中的这个平。

        军位置或者叫期望,而这个西格马一方呢就代表了你的误差大小啊。如果这个西格马一方特别特别小,就表示你的定位特别准确。新冠疫防特别大,就表示你的定位不太准确,误差特别大。一般来讲,我们认为啊这个GPS的定位也好,其他的定位也好,它的这个呃误差情况都满足一个高斯分布或者是生态分布。以前我们讲过啊,高斯分布是什么意思呢?啊,画一个图像,纵坐标啊表示的是概率密度啊,就出现在某一个位置的概率密度。横坐标呢是表示你的位置。如果说GPS告诉我们你的位置是以Z1为平均位置,而标准差呢是西格马一。我们可以画出一个图像来啊,它就长这个样子是吧?它这个最大概率的位置就是Z1,这个图像就告诉我们了,你的位置最有可能是在Z一的位置,你离Z一位置越近,你出现的概率就越大。

        你离这一位。越远你出现的概率就越小。如果这个函数特别的瘦高,那就意味着你给我的信息特别准确,你分布的位置都是在这一附近的。如果这个这个函数特别的矮胖,那就说明你误差特别大,我也不太清楚你到底是在什么位置。是吧这就是所谓的这种高斯分布,或者说正态分布啊,这边的这个西格马其实就表示它瘦高还是矮胖的程度。

        如果西格马特别小,那这个函数就特别瘦高,就表示比较准确。是吧西格玛特别大,就说明你比较矮胖啊。好,总而言之把这个GPS定位呢告诉了我们这个位置的信息。但是我们不是还有其他传感器嘛,对吧?什么雷达呀什么的摄像头是吧,我。我们这些传感器啊,它也可以告诉我们位置的信息。比如它告诉我们的汽车的位置是在Z2,而且呢这个方差是西格马2的平方。

        是吧我也可以再画出啊这个传感器告诉我们的情况。比如说他有可能是长这个样子的啊,长这个样子,哎,这个样子就告诉我们的传感器认为我们的位置更加靠前一点。是不是?而且传感器提供的信息可能更加准确,它的这个标准差西格马尔比较小。而刚才这个GPS告诉我们的这个标准差西格玛一啊,它是有。是比较大的。

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!