高扬 徐永贵 刘江

（长安大学，西安 710054）

主题词：无人驾驶车辆 视觉同步定位与建图 角点均匀分布策略 GPS

1 前言

定位是在环境中寻找相对于参考系的自我位置的任务[1]，是无人驾驶汽车感知的重要一环。GPS 定位技术是常用的绝对定位技术，其定位精度可达10～15 m[2]，且没有累积误差，但在城市环境中，其定位精度受到环境影响，甚至可能无法定位[3]。尽管实时动态载波相位差分技术能够在大范围环境中提供厘米级高精度定位[4]，但在GPS 信号薄弱甚至缺失的环境下同样无法正常工作。同步定位与建图（Simultaneous Localization and Mapping，SLAM）技术主要采用地图匹配实现定位，自行绘制地图，不依赖于先验地图信息，且定位精度可以达到毫米级。然而，其需要同时完成定位与绘图，计算量较大，且在大范围移动场景中存在累积误差[5]。视觉同步定位与建图（Visual Simultaneous Localization and Mapping，VSLAM）技术是SLAM 技术的一种，依赖视觉传感器作为主要感知手段，具有成本低、能实现三维位姿估计与建图等优点。

GPS 与SLAM 的定位方法具有各自的局限性，但两者之间也具备鲜明的互补性。事实上，GPS 与VSLAM技术融合定位在许多研究中都有涉及。Markus Schreiber[6]提出一种GPS 与VSLAM 紧耦合的无人驾驶汽车低成本定位方案，在GPS信号差的区域依然能保持系统的鲁棒性，但其定位精度不高。Mutz[7]引入GPS 信号帮助SLAM 算法进行闭环检测，减少SLAM 算法的计算量，但其未融合二者的定位信息，GPS 定位信息利用率低。许豪[8]提出一种GPS 与地图匹配的组合定位方法，结合了二者的优点，能够为无人驾驶汽车在室外环境提供较高精度的定位，但只适用于提前构建好地图的区域。……