论文《Efficient Online Calibration for Autonomous Vehicle’s Longitudinal Dynamical System: A Gaussian M

论文链接：
https://ieeexplore.ieee.org/abstract/document/9560912

摘要

该论文提出了一种高效的在线标定系统，用于无人驾驶汽车的纵向动力学系统。不同于传统的解析建模方法，作者采用数据驱动的方法生成了一个“端到端”的数值模型，该模型通过查找表（look-up table）保存车辆的速度、控制命令和加速度。为了减少标定过程中的高昂劳动力，该研究提出了一种基于高斯模型的方法来更新查找表。

主要贡献

1. 全自动标定管道：开发了一种无需初始值的标定方法。
2. 基于运动的标定技术：独立于初始外参值，利用单目深度估计和边缘检测提高标定的速度和鲁棒性。
3. 查找表的在线校准：通过在线算法在车辆运行过程中根据实际测量数据实时更新查找表，以减少加速度误差。

方法概述

• 离线查找表生成：
  • 根据控制命令和速度的可行范围，收集车辆在不同固定控制命令下的速度和加速度数据。
  • 生成查找表，并通过调整地面不平度引起的俯仰角影响来校正加速度。
• 在线查找表校准：
  • 引入二维高斯模型来描述查找表插值值和实际传感器读数之间的加速度误差。
  • 采用回溯法计算高斯模型的高度，以保证更新后的查找表中控制命令和加速度之间的单调性约束。

实验结果

通过在Lincoln MKZ车辆上的实地路测，验证了所提出系统的有效性和鲁棒性。实验结果显示，启用在线校准模块后，车辆的纵向位置误差减少了40%。

详细步骤

1. 查找表生成：

   • 控制命令和速度范围估计：控制命令范围为(-1, 1)，速度范围为车辆的最大工作速度范围。
   • 数据收集：在固定控制命令下收集车辆的速度和加速度数据，并校正因地面不平度引起的加速度误差。
   • 查找表生成：将速度范围均匀离散化，生成查找表。

2. 查找表校准：

   • 高斯模型引入：使用高斯模型描述加速度误差，并通过三西格玛规则计算标准差。
   • 回溯法计算：通过回溯法调整高斯模型的高度，确保更新后的查找表满足单调性约束。

3. 传感器数据处理：

   • 噪声过滤：使用低通滤波器平滑传感器数据。
   • 时间对齐：计算车辆响应延迟，通过交叉相关法调整加速度轨迹与控制命令的时间对齐。

实验与评价

实验结果显示，所提出的方法在减少车辆纵向控制误差和加速度误差方面表现出色，即使在给定故意错误的参考查找表的情况下也能有效校正。该方法在实际路测中表现出显著的性能改进。

通过以上方法，车辆能够在实际驾驶过程中自动调整其参考查找表，从而提高低层次控制命令的准确性，减少人为标定的高昂成本。