Guess the Drift with LOP-UKF: LiDAR Odometry and Pacejka Model for Real-Time Racecar Sideslip Estimation

这篇论文介绍了一种新的方法，称为LOP-UKF，用于通过将激光雷达测距与Pacejka轮胎模型预测相结合，通过不升维卡尔曼滤波器（UKF）来估计车辆的横向速度，从而得出一个稳健的估计结果。横向速度对于车辆的安全和稳定非常关键，但测量横向速度通常需要昂贵的传感器，因此常常需要进行估计，这个话题在现有文献中已经得到了深入探讨。这种组合是传统方法的一个独特替代方案，即使在边缘情况下也能得出可靠的解决方案。我们通过在不同赛道和路况下使用Dallara AV-21进行实验，展示了我们方法的有效性。

本论文旨在解决车辆侧滑角度估计中测量侧向速度需要昂贵传感器的问题，提出了一种基于Lidar Odometry和Pacejka轮胎模型预测相结合的方法来估计车辆侧向速度，以此来提高车辆安全性和稳定性。

本文的关键思路是将Lidar Odometry和Pacejka轮胎模型预测相结合，通过Unscendent Kalman Filter（UKF）来实现车辆侧向速度的估计，从而提供一种新的、可靠的车辆侧向速度估计方法。

本文使用Dallara AV-21在不同赛道和路况下进行了实验，证明了LOP-UKF方法的有效性。此外，该方法在边缘情况下也具有可靠性。

在相关研究方面，还有一些其他的车辆侧向速度估计方法，如基于GPS和IMU的方法、基于视觉传感器的方法等。