复杂城市峡谷环境下智能汽车多源融合高精度定位与完好性监测算法设计.docxVIP

PAGE2

复杂城市峡谷环境下智能汽车多源融合高精度定位与完好性监测算法设计

摘要

随着智能网联汽车技术快速发展，高精度定位成为自动驾驶的核心基础能力。然而，在城市峡谷等复杂环境下，全球导航卫星系统（GNSS）信号受高楼遮挡与多径效应影响，定位精度严重退化，单一传感器难以满足分米级定位需求。

本课题针对这一痛点，设计一套融合GNSS、惯性测量单元（IMU）、轮速里程计与视觉特征的多源紧组合导航算法，并构建定位完好性监测机制。研究内容涵盖需求分析、系统总体架构设计、多源融合算法详细设计、完好性监测模块实现以及系统性能测试验证。

设计采用因子图优化框架实现多源传感器数据的紧耦合融合，利用视觉特征点约束抑制惯性导航系统（INS）漂移，同时引入保护级计算方法对定位结果进行可信度评估。测试结果表明，系统在模拟城市峡谷场景中的水平定位精度优于0.3米，完好性监测可有效识别故障状态。

本文的创新点在于将视觉特征约束与GNSS/IMU/里程计进行紧组合，并设计面向车载环境的实时保护级计算机制，为城市复杂环境下的自动驾驶定位提供可靠技术方案。

第一章绪论

1.1研究背景

智能网联汽车作为汽车产业转型升级的战略方向，正加速从辅助驾驶向高度自动驾驶演进。高精度定位是自动驾驶决策规划与运动控制的基础前提，其精度直接影响行车安全。

在高速公路、开阔园区等场景中，GNSS配合差分增强技术已可实现厘米