周瑞华，高意峰

（深圳市凯立德科技股份有限公司，深圳 518040）

1 常见车载导航技术

在现代车辆出行过程中，导航定位技术已经广泛普及。比较典型的方式是采用GPS定位技术，并将解算位置在数字地图中转换为道路信息。带有导航路径规划功能的更进一步，还可以根据当前位置，目的地位置，地图道路分布计算出最优或较优的行驶路径供驾驶员参考。

然而GPS定位系统在市区或类似环境工作时，容易受到诸如高楼等建筑物的方向性遮挡影响，导致定位精度差（星的几何分布不佳）或者无法定位（可见星数目小于4），这时就需要通过一些辅助导航系统来保证定位模块提供更为稳定、精确的位置输出，为后续服务提供可靠的数据保证。

车载GPS/DR组合导航系统[1]就是一种典型的解决方案，利用GPS和里程计，航向陀螺等传感器，采用Kalman滤波技术构成组合导航系统，可以在GPS没有信号时，短时间内提供一定精度的定位结果。同时可以通过地图匹配修正技术，获得更高精度，更加稳定的导航位置。

典型的组合导航系统如图1所示:

图1 车载组合导航系统

2 GPS/DR组合导航技术

车载GPS/DR组合技术中，航位推算（Dead Reckoning，DR）系统的配置一般有两类：一类是里程计加航向陀螺的配置[2]；一类是加速度计加陀螺仪的MEMSIMU配置[3]。相对而言里程计加航向陀螺的模型较为简洁，通用性强，故以此为基础进行设计。

2.1 系统模型

状态变量选择为：

表1 GPS/DR组合导航系统状态变量表

动态方程为：

2.2 观测模型

观测变量为：

那么观测向量Y=[λ φvH SΔNodoVRG]T。

表2 GPS/DR组合导航系统观测变量表

观测方程为：

简写为：

2.3 滤波算法

扩展Kalman滤波中要对非线性方程离散、线性化；这个过程必须满足F,H阵和真实值非常接近。可以通过下面的方法判断线性化是否有效：

当上述条件不满足时，EKF计算的协方差会趋向于过度优化，最终导致系统发散。初始化误差协方差矩阵时最容易发生，故当处于临界有效及初始化状态时，可以通过增大噪声协方差矩阵来提供补偿。

GPS/DR的EKF算法如下：

（1）初始化：

（2）状态预测：

（3）新息更新：

3 地图匹配修正技术

在地图匹配算法[4]中，系统比较其他导航系统给出的位置结果和数字公路地图，当导航结果偏离公路时，可以获取垂直于公路方向的位置修正。在某些特殊路段，如果沿路段进行拐弯，那么利用此段匹配可以获得两个方向的修正结果。

图2 地图匹配算法流程

4 组合导航技术的自动驾驶扩展

上述导航系统的定位精度一般可以稳定在10m左右，而且对于短时间丢失导航卫星数据也具有良好的适应性。如果在加上激光测距雷达和机器视觉系统（摄像成像）那么就可以构成一个简要版本的自动驾驶传感器组扩展，进一步实现车道级别的导航定位功能。

图3 车载组合导航系统的自动驾驶扩展

参考文献：

[1]GNSS与惯性及多传感器组合导航系统原理.Paul D.Groves.国防工业出版，2015.

[2]L.Zhao,W.Y.Ochieng,M.A.Quddus and R.B.Noland.An Extended Kalman Filter Algorithm for Integrating GPS and Low-Cost Dead Reckoning System Data for Vehicle Performance and Emissions Monitoring.Journal of Navigation,2003,56（2）:257-275.

[3]SY Cho,SC Wan.Robust Positioning Technique in Low-Cost DR/GPS for Land Navigation.IEEE Transactions on Instrumentation&Measurement,2006,55（4）:1132-1142.

[4]MA Quddus，WY Ochieng，L Zhao，RB Noland.A General Map Matching Algorithm for Transport Telematics Applications.Gps Solutions,2003,7（3）:157-167.