噪声源考虑到测量值不是理想的。可以以几种方式选择噪声源。在一个实施方式中，偏航角速度和加速度命令被组合以在各时间步长处形成全部具有单独的偏移和方差分量的测量值的矢量。在一些实施方式中，通过迭代地估计三个pdf来估计该系统，从而在估计所述pdf之后，可以重构车辆状态和校准状态。一些其它实施方式使用n个离散权重来表示连续pdf，当n足够大时准确地表示连续pdf。然后，通过车辆状态的n个假设来表示车辆状态的pdf，并且可以使用近似技术或jingque技术来表示其它pdf的统计信息。例如，可以使用基于采样的技术或使用正态逆威沙特分布(normal-inverse-wishart)更新技术来更新校准状态的pdf。不同表示的准确性取决于动态演变的特定模型和所涉及测量值的特定建模。
一些实施方式确认了：通过联合考虑校准状态和车辆状态，能够准确地估计校准状态。在一个实施方式中，通过针对量的组合解释测量值向量的可能性的程度分配来概率来估计这些量。
图5a例示了车辆具有初始状态510的场景。针对偏移的一个集合和到系统的输入，车辆服从运动511a并且在530a处结束，结果具有由于影响车辆运动的校准状态的不确定性而导致的不确定性531a。感测系统230的不确定性(即，估计的方差)导致直到特定区域520才可以知道车辆状态。然而，车辆的结束状态530a很好地驻留于区域520内，因此，校准状态和车辆初始状态的这种特定组合给出了作为良好组合的高可能性。
图5b示出了具有影响运动模型的校准状态的另一集合的相同初始状态510的车辆。针对相同的到系统的输入，车辆510现在服从运动511b，导致车辆结束于状态530b，结果具有影响运动模型的校准状态的不确定性531b。然而，车辆的该结束状态530b没有驻留在影响测量模型的校准状态的确定性区域内。因此，初始状态和校准状态的这种特定组合被分配了作为良好组合的低可能性。
台湾WINMOST峰昌双联变量叶片泵
VP-DF-12-A VP-DF-12-B
VP-DF-12-C VP-DF-12-D
VP-DF-20-A VP-DF-20-B
VP-DF-20-C VP-DF-20-D
台湾WINMOST峰昌方形变量叶片泵
VP-SF-30-A VP-SF-30-B
VP-SF-30-C VP-SF-30-D
VP-SF-30-E VP-SF-40-A
VP-SF-40-B VP-SF-40-C
VP-SF-40-D VP-SF-40-E
台湾WINMOST峰昌圆形变量叶片泵
VP-SF-30-A VP-SF-30-B
VP-SF-30-C VP-SF-30-D
VP-SF-30-E VP-SF-40-A
VP-SF-40-B VP-SF-40-C
VP-SF-40-D VP-SF-40-E
图5c示出了根据本发明的各种实施方式采用的一些原理所确定的不同运动的示意图。车辆被估计为在具有道路边界540c的道路上处于当前状态510，其中在根据本发明的其它实施方式的先前迭代期间已经确定了当前状态510的估计值。线519c和529c是使用影响运动模型的传感器的两个不同状态所确定的、导致车辆的两个可能状态520c和530c的两个不同运动。灰色区域511c指示影响来自感测系统230的测量模型的校准状态的不确定性，即，从影响在先前迭代期间确定的测量模型的估计的校准状态所确定的、可能发生运动的可能区域。仅运动519c在不确定性区域内。因此，从运动529c得到的状态520c以及与运动529c相关联的校准状态被赋予作为良好组合的低可能性。
如图5d所示，可以关于车辆状态以pdf512d的形式对车辆运动进行建模，其中已经在本发明的其它实施方式的先前迭代期间确定了pdf512d的初始条件509d。在本发明的一些实施方式中，通过以下过程计算运动：首先确定从初始状态到结束状态的几种运动，其中，根据影响属于该特定运动的运动模型的校准状态的参数集合来发起不同的运动；第二，确定不同的运动与感测系统230感测到的真实运动的一致性程度如何；第三，确定这样的参数，该参数与确定不同运动与感测系统所感测的真实运动的一致性程度如何的结果相一致。为了说明，图5d示出了其中影响运动的校准状态的两个不同参数分别导致状态520c和530c并且车辆运动的pdf512d与相应运动一致的情况。但是，在确定不同运动与感测系统的pdf511c一致性程度(其中pdf511c取决于影响测量模型的校准状态)之后，实现与状态520c不一致的pdf531d。在一些实施方式中，pdf531d由先前迭代中的估计值和来自感测系统的测量值的组合来确定。在本发明的特定实施方式中，所得的pdf531d形成该方法的另一迭代的基础。
一些实施方式基于使用影响运动模型的质点的校准状态所估计的车辆状态、影响测量模型的传感器状态、以及测量的状态之间的差，来确定每个质点代表传感器的真实状态的概率。例如，一个实施方式使用车辆状态的pdf来确定这种概率。在其它实施方式中，影响运动模型的传感器状态和影响测量模型的校准状态部分相同。例如，转向角传感器的状态影响车辆的运动模型和车辆的测量模型，但是横向加速度传感器的状态仅影响测量模型。
图6a例示了根据本发明的一个实施方式的在车辆的可能状态上使用pdf631来选择采样参数的概率的曲线图。例如，pdf631可以是测量模型的概率分布。这种概率分布的形状可以预先确定为例如高斯形状或不同的形状，并且该概率分布631的位置以测量的状态635为中心。
