基于自适应卡尔曼滤波与目标状态感知控制的电动驱动无人地面车辆跟随系统

《Machines》:Unmanned Ground Vehicle Following System Based on Adaptive Kalman Filtering and State Perception Control

【字体: 大 中 小 】 时间:2026年08月29日 来源:Machines 3.0

编辑推荐:

  针对电动驱动无人地面车辆(UGV)智能跟随控制在人机协作与自主移动中的重要需求,研究人员面临目标遮挡、检测噪声与短时检测失效导致跟随稳定性与可靠性下降的问题。为此,研究人员提出一种融合自适应卡尔曼滤波(AKF)与靶标状态感知控制的视觉跟随方法。该方法利用新息序

  
针对电动驱动无人地面车辆(UGV)智能跟随控制在人机协作与自主移动中的重要需求,研究人员面临目标遮挡、检测噪声与短时检测失效导致跟随稳定性与可靠性下降的问题。为此,研究人员提出一种融合自适应卡尔曼滤波(AKF)与靶标状态感知控制的视觉跟随方法。该方法利用新息序列滑动窗口在线更新观测噪声协方差,并基于相邻帧交并比(IoU)评估视觉测量有效性,从而在观测不稳定条件下实现靶标位置预测与补偿。同时,依据靶标检测状态、图像中心偏移与距离变化动态调节纵向速度与横向角速度,实现连续稳定跟随。实验表明,所提方法较常规卡尔曼滤波将靶标位置预测误差降低约10%,纵向跟随距离维持在约3 m,提升了复杂环境下电动驱动UGV靶标跟随的鲁棒性、连续性与运动平滑性。
研究背景方面,随着自主感知与智能控制技术发展,电动驱动无人地面车辆(UGV)靶标跟随在智能巡检、无人物流、应急救援及服务移动平台中具有重要应用前景。实际场景中存在靶标遮挡、光照变化、突变运动与传感器噪声,导致视觉观测可靠性下降,进而影响速度与前轮转向控制决策。现有研究多将检测、跟踪与预测作为独立模块,假设检测结果可稳定传递至控制层,缺乏从视觉观测不确定性到状态估计补偿、再到纵向调速与横向转向的闭环建模。因此,研究人员开展一项将自适应卡尔曼滤波(AKF)与目标状态感知控制耦合的统一闭环框架研究,以解决低俗跟随场景中观测不稳定引发的估计偏置与控制不连续问题。该研究发表于《Machines》。
关键技术方法上,研究人员采用RGB-D相机获取逐帧视觉输入,以YOLOv5经TensorRT加速完成靶标检测,输出边界框、中心坐标、图像中心偏移与深度距离;设计基于新息序列滑动窗口的AKF在线更新观测噪声协方差R,并以相邻帧交并比(IoU)阈值判定视觉测量有效性,在遮挡或短时丢失时切换至运动模型预测补偿;构建目标检测状态变量(正常/遮挡/丢失)分类器,结合图像中心横向偏移与靶标距离映射纵向线速度调节参数与横向角速度调节参数,形成状态感知跟随控制器。实验在公开数据集PETS09-S2L1与实车平台(NVIDIA Jetson AGX Orin、Intel RealSense D455、ROS)上验证。
研究结果部分,第2节预备理论中,研究人员建立图像平面位置与距离的近似离散线性模型,给出状态转移矩阵F、过程噪声协方差Q与观测噪声协方差R的设定原则;AKF通过式(10)—(14)以滑动窗口长度m估计新息协方差并在线修正R,IoU低于阈值τ时弃用检测、沿用预测;状态感知控制依式(18)(19)判定检测状态并选取正常/警戒/主动策略,式(20)(21)将中心偏移与距离转为角速度调节参数α与线速度调节参数β,式(22)耦合生成最终速度指令。第3节实验验证中,3.1节在PETS09-S2L1上对比KF与AKF,核密度峰值误差由5.0000降至4.5000(降约10%),在低噪R=0.01I与高噪R=1.00I下AKF的最大误差、方差、STD、MAE、RMSE均低于KF,如R=0.01I时AKF最大误差3.54 pt、RMSE 0.79 pt,KF为36.25 pt与3.39 pt;3.2节实场1—4 m距离下AKF马氏距离核密度主峰均更靠近真值,如1 m处AKF主峰(24.000,0.0092)优于KF(126.0000,0.0023);3.3节正常行走、横向暂失、遮挡、强光丢失四类场景中绿框(AKF预测)与红框(YOLOv5检测)在丢失期仍保持运动趋势一致;3.4节直线跟随纵向距2.60—3.50 m、速约1.40—1.50 m/s,横向最大速0.059 m/s,转向跟随纵向距约3.00 m、横向最大速0.076 m/s,变速跟随纵向距波动时横向速多低于0.05 m/s,证实闭环耦合在复杂环境可维持连续跟随。
讨论与结论翻译部分,研究人员指出该方法通过视觉可靠性—状态估计—运动指令闭环,在遮挡、噪声与短时丢失下将位置预测误差降约10%,实车直线距2.60—3.50 m、转向距约3.00 m且横向速度变化不超0.076 m/s,变速场景横向偏移小,有效提升电动驱动UGV跟随的估计鲁棒性、控制连续性与运动平滑性。未来工作将融合超宽带(UWB)测距以增强长时遮挡下状态连续性,并在复杂地形与强光照下优化纵横向距离估计与控制参数自适应。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号