Im Rahmen der Nachwuchsforschergruppe wurde ein erster Entwurf eines Erweiterten Kalman Filters (EKF) implementiert. Dabei werden Positionsinformationen von einem GPS-Receiver (ublox 6T) und Fahrdynamikdaten (Abgriff Fzg. CAN Bus) im Livebetrieb fusioniert. Als Systemmodell wird dabei ein Constant Turn Rate and Velocity (CTRV) -Modell nach folgendem Vorbild verwendet: http://www.cbcity.de/das-extended-kalman-filter-einfach-erklaert. Die Messdaten stammen aus einer Messung mit dem laboreigenen BMW i3 und wurden im Robot Operating System (ROS) -Framework prozessiert und fusioniert. Um die Performance des Filters (im Video violett) zu testen, wurden die bereits qualitativ guten GPS-Messungen (grün) mit einem Rauschen versehen (orange Punktwolke). Bedeutsamer Mehrwert kommt dem Filter in dichtbebautem Stadtgebiet sowie bei GPS-Abschottung bspw. durch Tunnel zu (siehe GPS-Signalabriss im Tunnel). In diesem Fall erfolgt die Positionierung verstärkt bzw. hauptsächlich aus den Fahrdynamikinformationen des Fahrzeugs. In den Filteralgorithmus fließt dazu die Standardabweichung der Positionslösung sowie die Anzahl der observierten Satelliten ein, sodass die im Filter verwendeten Kovarianzmatrizen adaptiv angepasst werden können. Nach längerem Signalabriss kommt es zu einem Einschwingverhalten, sobald wieder ein vertrauenswürdiger GPS-Messwert vorliegt.
Die Arbeitsweise des Filters ist in nachfolgendem Video mit dem ROS-Visualisierungstool mapviz dargestellt:
