自动驾驶车辆非线性轮胎模型的车辆位置估计

（Vehicle position estimation using nonlinear tire model for autonomous vehicle）

研究机构正在积极开展关于自动驾驶车辆技术和高级驾驶辅助系统（ADAS）的研究，以提高驾驶员的便利性和汽车稳定性。为了让系统可以稳定运行，需要为车辆提供准确的位置信息。一般来说，车辆的位置信息由全球定位系统（GPS）提供的，但是，GPS的误差范围较大（从2.5米到15米）。另外，因为GPS使用卫星信号，所以受到周围环境的影响，位置信息的可靠性降低。为克服这一局限性，研究者对GPS信息与车载传感器信息相结合的车辆定位技术进行了大量的研究。通常的方法是使用GPS信号和惯性测量单元（IMU）进行信息融合，但由于惯性传感器累计误差，位置精度较低。

为了解决这个问题，本研究提出了一种基于非线性轮胎模型的、使用扩展卡尔曼滤波器的车辆状态信息融合算法，并利用车辆GPS位置信息来对车辆的位置进行确定。利用提出的融合算法，我们建立了一个位置误差在1米以内的高精度全球定位系统（DGPS）。所提出的系统可以使用车辆的内置传感器，和低成本的GPS传感器来获得位置信息（而不是使用昂贵的高精度传感器），可以大大降低系统的成本。

另外本文还利用商业仿真软件ASM，对算法的性能进行了评估，结果证实，车辆纵向和横向位置误差都在±1米内。