隧道段自动驾驶车道偏移预测方法

摘要

针对隧道动态光环境导致的车载视觉感知问题，提出一种基于自适应卡尔曼滤波的自动驾驶车辆车道偏移预测方法.通过构建车辆运动学-视觉感知耦合模型，融合横向位移、航向角等多状态量时序数据，利用卡尔曼滤波实现动态预测.同时设计自适应调整机制，实时优化滤波参数以抑制光线频闪引起的测量噪声.基于Prescan-Matlab/Simulink联合仿真平台构建隧道场景开展测试.结果表明，相较于传统检测方法，本方法的预警更早，修正效率更高，且能自适应光照波动，验证了卡尔曼滤波在隧道复杂光环境下的鲁棒性.

关键词

自动驾驶车辆 / 车道偏移 / 隧道 / 视觉方案 / 卡尔曼滤波

基金资助

国家自然科学基金资助项目(72474049)