liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Model-Based Statistical Tracking and Decision Making for Collision Avoidance Application
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska högskolan.
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska högskolan.
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska högskolan.
2004 (Engelska)Rapport (Övrigt vetenskapligt)
Abstract [en]

A growing research topic within the automotive industry is active safety systems. These systems aim at helping the driver avoid or mitigate the consequences of an accident. In this paper a collision mitigation system that performs late braking is discussed. The brake decision is based on estimates from tracking sensors. We use a Bayesian approach, implementing an extended Kalman filter (EKF) and a particle filter to solve the tracking problem. The two filters are compared for different sensor noise distributions in a Monte Carlo simulation study. In particular a bi-modal Gaussian distribution is proposed to model measurement noise for normal driving. For ideal test conditions the noise probability density is derived from experimental data. The brake decision is based on a statistical hypothesis test, where collision risk is measured in terms of required acceleration to avoid collision. The particle filter method handles this test easily. Since the test is not analytically solvable a stochastic integration is performed for the EKF method. Both systems perform well in the simulation study under the assumed sensor accuracy. The particle filter based algorithm is also implemented in a real-time testbed and fulfilled the on-line requirements.

Ort, förlag, år, upplaga, sidor
Linköping: Linköping University Electronic Press, 2004. , s. 9
Serie
LiTH-ISY-R, ISSN 1400-3902 ; 2599
Nyckelord [en]
Bayes methods, Gaussian distribution, Kalman filters, Monte Carlo methods, Automobile industry, braking, Collision avoidance, Decision making, Road safety, Safety systems, Statistical testing, Stochastic processes, Tracking
Nationell ämneskategori
Reglerteknik
Identifikatorer
URN: urn:nbn:se:liu:diva-55982ISRN: LiTH-ISY-R-2599OAI: oai:DiVA.org:liu-55982DiVA, id: diva2:316752
Tillgänglig från: 2010-04-30 Skapad: 2010-04-30 Senast uppdaterad: 2014-08-13Bibliografiskt granskad

Open Access i DiVA

fulltext(414 kB)1021 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 414 kBChecksumma SHA-512
9c02d077e99c1637a95216ea312df5bfb23826ff6f15befefc3cdaf2e8a1ccabb571869ef6aabd0f01df2f5755ee348ca392166932ba1ea65ff711e86955e798
Typ fulltextMimetyp application/pdf

Person

Karlsson, RickardJansson, JonasGustafsson, Fredrik

Sök vidare i DiVA

Av författaren/redaktören
Karlsson, RickardJansson, JonasGustafsson, Fredrik
Av organisationen
ReglerteknikTekniska högskolan
Reglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 1022 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 227 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf