基于UKF的智能泊车MATLAB的仿真,带GUI界面

简介: 基于UKF的智能泊车MATLAB的仿真,带GUI界面

1.算法描述

    根据车轮轮速信号和转向盘转角信号,基于改进无迹卡尔曼滤波(UKF)理论设计了自动泊车车辆位姿估计算法,首先基于阿克曼转向原理建立泊车运动学方程并推导出状态方程和测量方程,随后添加常值噪声统计估计器,最后通过联邦滤波结构输出结果.仿真和硬件在环试验结果表明,本文提出的算法在X、Y方向上得到的估计值与理论值偏差范围均在可接受范围内,相比于其他滤波算法,能够更好地描述泊车过程中车辆的运动轨迹,提高定位精度,且对噪声变化具有自适应能力.

   UKF(Unscented Kalman Filter),中文释义是无损卡尔曼滤波、无迹卡尔曼滤波或者去芳香卡尔曼滤波。是无损变换(UT) 和标准Kalman滤波体系的结合,通过无损变换使非线性系统方程适用于线性假设下的标准Kalman滤波体系。

   与EKF(扩展卡尔曼滤波)不同,UKF是通过无损变换使非线性系统方程适用于线性假设下的标准Kalman滤波体系,而不是像EKF那样,通过线性化非线性函数实现递推滤波。目标跟踪有两个理论基础,即数据关联和卡尔曼滤波技术 . 由于在实际的目标跟踪中,跟踪系统的状态模型和量测模型多是非线性的,因此采用非线性滤波的方法.

1.png
2.png

(1)对于某个系统,你拥有准确的数学模型(状态方程和观测方程),也就是说,给出这个系统的输入,你必然能算出这个系统的输出;但是,在现实生活中往往拿到的第一手测试数据并不是你想要的最直观的数据(而且数据还有噪声),这时候使用UKF可以依靠相对准确的数值模型和结合测试数据来得到你想要的信息。

(2)数值模型的参数相对不准确,但实测数据可信度更好,这时候使用UKF可以依靠相对准确的实测数据和结合数值模型来还原较真实的参数。

2.仿真效果预览
matlab2022a仿真结果如下:

image.png

3.MATLAB核心程序

y2=y1+2*r*sin(pi+t1);
fai2=-fai;
       
for i=t1:-ds:(t1-t2)
    x=x2+r*cos(i);
    y=y2+r*sin(i);
    theta=(pi/2)+i;
     if(theta-(pi/2)<=0)
         xs=x;
         ys=y;
         %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
         %终点偏角为负,因此下面一段为矫正让其直行
         for j=ys:-2.5*ds:yd                                 
             x=xs;
             y=j;
             theta=pi/2;%theta0为起始点车身偏角
     
             jiao1=atan((width/2)/(long-houxuan));
             jiao2=jiao1;
             jiao3=atan((width/2)/houxuan);
             jiao4=jiao3;
             jiao1=theta-jiao1;
             jiao2=theta+jiao2;
             jiao3=theta+pi-jiao3;
             jiao4=theta+pi+jiao4;
     
             r1=sqrt((width/2)^2+(long-houxuan)^2);%以下描述车身的四个端点
             r2=sqrt((width/2)^2+houxuan^2);
             youqianx=x+r1*cos(jiao1);
             youqiany=y+r1*sin(jiao1);
     
             zuoqianx=x+r1*cos(jiao2);
             zuoqiany=y+r1*sin(jiao2);
     
             zuohoux=x+r2*cos(jiao3);
             zuohouy=y+r2*sin(jiao3);
     
             youhoux=x+r2*cos(jiao4);
             youhouy=y+r2*sin(jiao4);
     
            l1=plot([youqianx,zuoqianx],[youqiany,zuoqiany],'-r');
            l2=plot([zuoqianx,zuohoux],[zuoqiany,zuohouy],'-r');
            l3=plot([zuohoux,youhoux],[zuohouy,youhouy],'-r');
            l4=plot([youhoux,youqianx],[youhouy,youqiany],'-r');
      
     
            jiao5=atan((width/2)/(long-qianxuan-houxuan));%以下描写车的四个轮子
            jiao6=jiao5;
            jiao5=theta-jiao5;
            jiao6=theta+jiao6;
            jiao7=theta+(pi/2);
            jiao8=theta-(pi/2);
     
            jiao9=theta;
            jiaoa=theta;
     
            r3=sqrt((width/2)^2+(long-qianxuan-houxuan)^2);
            r4=width/2;
     
            yqianlunzx=x+r3*cos(jiao5);
            yqianlunzy=y+r3*sin(jiao5);
            yqianlunqx=yqianlunzx+lunjin*cos(jiao9);
            yqianlunqy=yqianlunzy+lunjin*sin(jiao9);
            yqianlunhx=yqianlunzx-lunjin*cos(jiao9);
            yqianlunhy=yqianlunzy-lunjin*sin(jiao9);
            l5=plot([yqianlunqx,yqianlunhx],[yqianlunqy,yqianlunhy],'-k');
     
           zqianlunzx=x+r3*cos(jiao6);
           zqianlunzy=y+r3*sin(jiao6);
           zqianlunqx=zqianlunzx+lunjin*cos(jiao9);
           zqianlunqy=zqianlunzy+lunjin*sin(jiao9);
           zqianlunhx=zqianlunzx-lunjin*cos(jiao9);
           zqianlunhy=zqianlunzy-lunjin*sin(jiao9);
           l6=plot([zqianlunqx,zqianlunhx],[zqianlunqy,zqianlunhy],'-k');
     
           zhoulunzx=x+r4*cos(jiao7);
           zhoulunzy=y+r4*sin(jiao7);
           zhoulunqx=zhoulunzx+lunjin*cos(jiaoa);
           zhoulunqy=zhoulunzy+lunjin*sin(jiaoa);
           zhoulunhx=zhoulunzx-lunjin*cos(jiaoa);
           zhoulunhy=zhoulunzy-lunjin*sin(jiaoa);
           l7=plot([zhoulunqx,zhoulunhx],[zhoulunqy,zhoulunhy],'-k');
     
           yhoulunzx=x+r4*cos(jiao8);
           yhoulunzy=y+r4*sin(jiao8);
           yhoulunqx=yhoulunzx+lunjin*cos(jiaoa);
           yhoulunqy=yhoulunzy+lunjin*sin(jiaoa);
           yhoulunhx=yhoulunzx-lunjin*cos(jiaoa);
           yhoulunhy=yhoulunzy-lunjin*sin(jiaoa);
           l8=plot([yhoulunqx,yhoulunhx],[yhoulunqy,yhoulunhy],'-k');
           
           pause(0.1);
     
           delete(l1);
           delete(l2);
           delete(l3);
           delete(l4);
           delete(l5);
           delete(l6);
           delete(l7);
           delete(l8);
         end
         %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
         break;
     end
A110
相关文章
|
16小时前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
|
17小时前
|
监控 算法 数据安全/隐私保护
基于扩频解扩+turbo译码的64QAM图传通信系统matlab误码率仿真,扩频参数可设置
该通信系统基于MATLAB 2022a仿真,适用于高要求的图像传输场景(如无人机、视频监控等),采用64QAM调制解调、扩频技术和Turbo译码提高抗干扰能力。发射端包括图像源、64QAM调制器、扩频器等;接收端则有解扩器、64QAM解调器和Turbo译码器等。核心程序实现图像传输的编码、调制、信道传输及解码,确保图像质量和传输可靠性。
25 16
|
5天前
|
供应链 算法 调度
排队算法的matlab仿真,带GUI界面
该程序使用MATLAB 2022A版本实现排队算法的仿真,并带有GUI界面。程序支持单队列单服务台、单队列多服务台和多队列多服务台三种排队方式。核心函数`func_mms2`通过模拟到达时间和服务时间,计算阻塞率和利用率。排队论研究系统中顾客和服务台的交互行为,广泛应用于通信网络、生产调度和服务行业等领域,旨在优化系统性能,减少等待时间,提高资源利用率。
|
18小时前
|
机器学习/深度学习 人工智能 算法
基于GRNN广义回归网络和MFCC的语音情绪识别matlab仿真,对比SVM和KNN
该语音情绪识别算法基于MATLAB 2022a开发,可识别如悲伤等情绪,置信度高达0.9559。核心程序含中文注释及操作视频。算法采用MFCC特征提取与GRNN广义回归网络,通过预加重、分帧、加窗、FFT、梅尔滤波器组、对数运算和DCT等步骤处理语音信号,实现高效的情绪分类。
|
4月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
225 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
4月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
141 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
4月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
111 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
7月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
7月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)

热门文章

最新文章