基于无迹卡尔曼滤波的GNSS 视觉组合导航系统设计与实现 .docxVIP

PAGE2

基于无迹卡尔曼滤波的GNSS/视觉组合导航系统设计与实现

摘要

随着无人驾驶与移动机器人技术的飞速发展，单一导航源已难以满足复杂城市环境下的高精度定位需求。全球导航卫星系统（GNSS）在开阔区域表现优异，但在城市峡谷、隧道及室内场景中易受信号遮挡与多路径效应影响，导致定位连续性中断。视觉导航虽能提供丰富的环境特征信息，但存在累积漂移误差且受光照条件制约严重。针对上述痛点，本文设计并实现了一套基于无迹卡尔曼滤波的GNSS/视觉组合导航系统，旨在通过多源信息融合实现优势互补，提升系统的定位精度与鲁棒性。

本文首先分析了组合导航系统的应用背景与核心需求，确立了以松耦合方式融合GNSS定位数据与视觉里程计数据的总体方案。在总体设计阶段，构建了包含传感器驱动层、数据预处理层、滤波融合层与应用层的分层软件架构，确保了系统的高内聚低耦合特性。详细设计阶段重点攻克了非线性状态估计难题，采用无迹卡尔曼滤波替代传统的扩展卡尔曼滤波，利用UT变换处理非线性传递问题，避免了雅可比矩阵的复杂计算与线性化误差。系统实现基于ROS（RobotOperatingSystem）平台，完成了多线程数据采集、时间同步注册及滤波算法的代码编写。

测试结果表明，在GNSS信号受遮挡的模拟场景下，本系统相比单一导航源定位误差降低了约35%，有效抑制了视觉里程计的漂移现象，实现了全天候、高可靠性的连续定位