张 逵， 郭 杭， 敖龙辉

(南昌大学 信息工程学院，江西 南昌 330031)

近些年来，室内导航定位技术受到了广泛的关注，服务机器人已经成为机器人未来发展的重要方向，高精度的室内多传感器融合导航定位技术有着广阔的市场应用前景。目前，应用比较普遍的室内定位方法包括WiFi定位、蓝牙定位、LiDAR定位等[1-3]。然而这些方法受外部环境特征影响很大，例如LiDAR定位需要具有明显的外部环境特征，当外部环境特征不够明显时，便很难提供高精度的定位结果[4-5]。

针对单一的定位导航方法精度、鲁棒性、容错性不高的问题，也有许多研究者提出大量的融合方法，包括：IMU/激光雷达(LiDAR)、IMU/GPS、视觉SLAM/惯导等[6-8]。总的来说，融合导航定位技术能有效提高定位效果，但这些方法多采用集中式滤波，当系统局部出现异常时，滤波效果会受到很大影响。联邦滤波是一种分散式滤波，由多个子级滤波器组成。在部分子级滤波器异常时，系统仍能输出可靠的定位结果[9-12]。

不同的环境下，传感器的稳定性和可靠性会有很大的不同，甚至会导致定位结果失败[13-15]。因此，本文设计了一种基于联邦滤波的INS/3D LASER/单目视觉组合导航定位方法，利用分散式滤波的方式将IMU、3D LASER和单目视觉的信息进行分级融合处理。本文设计了混合联邦滤波器，通过最小二乘的思路解决了系统自适应问题，在滤波过程中使用最小方差准则和最优系数加权法处理数据，进而得到系统全局最优估计结果。

1 数据融合方法

联邦滤波能够对需要融合的信息进行块估计，然后分两步进行级联分散滤波。……