基于AI的车辆状态估计使用多传感器感知和现实世界的数据
Julian Ruggaber1, Daniel Pölzleitner1, Jonathan Brembeck1
1German Aerospace Center (DLR), Institute of Vehicle Concepts, Vehicle System Dynamics and Control, 82234 Weßling, Germany.
Sensors (Basel, Switzerland)
|July 30, 2025
概括
本研究介绍了一种基于人工智能的方法,用于使用摄像头和激光雷达数据来估计车辆动态. 这种方法提供了强大而准确的状态估计,特别是在具有挑战性的低引条件下.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 汽车工程 汽车工程
背景情况:
- 准确的车辆动态估计对于自动驾驶的安全性和效率至关重要.
- 由于轮子传感器数据不可靠,传统方法在低引条件下扎.
- 感知传感器数据为强大的状态估计提供了潜在的替代方案.
研究的目的:
- 开发一种基于人工智能的方法,使用感知传感器来估计车辆动态.
- 为了能够在各种驾驶条件下进行可靠的状态估计,包括低引场景.
- 创建一个可在各种平台上部署的车辆无学估计方法.
主要方法:
- 利用相机图像和激光雷达点云来输入数据.
- 从传感器数据中提取光学和场景流.
- 使用循环神经网络 (RNN) 进行车辆状态推断.
- 使用相对动力学关系来绕过复杂的车辆和轮胎动态.
主要成果:
- 基于人工智能的估计器在真实数据上展示了准确和强大的性能.
- 该方法在低摩擦场景中明显优于传统的基于模型的方法.
- 提出的方法在各种驾驶条件下被证明是有效的.
- 无关车辆的特性允许无部署,而不需要重新校准.
结论:
- 使用感知传感器进行基于AI的估计,为车辆动态提供了强大的解决方案.
- 这种方法克服了传统方法的局限性,特别是在具有挑战性的低引环境中.
- 无关车辆的设计增强了估计系统的实用性和适用性.
