周 哲，胡钊政，李 娜，肖汉彪，伍锦祥

1. 武汉理工大学智能交通系统研究中心，湖北 武汉 430063; 2. 武汉理工大学重庆研究院，重庆 401120; 3. 武汉理工大学自动化学院，湖北 武汉 430070

获取高精度室内定位信息是实现智能车全域自主行驶最关键的技术之一，也是实现车路协同的基础，受到工业界和学术界的广泛关注。目前，基于导航卫星的定位技术是室外环境中获取智能车位置信息的主流方法(如GPS、北斗)，但在室内环境中存在信号盲区等影响，难以满足智能车对定位精度的需求[1]。2020年，中国科协公布的十大工程技术难题，其中就包含“无人车如何实现在卫星不可用条件下的高精度智能导航”问题[2]。

为了实现在室内环境中的高精度定位，研究者提出多种定位方案，包括惯性导航系统(inertial navigation system, INS)[3]、无线传感网络[4]、激光雷达传感器[5]和视觉传感器[6]等。然而，随着运行时间的增加，INS产生严重的累积误差，不宜用于较大场景的定位。无线传感网络的定位原理与GPS较为相似，能够实现无累积误差定位，但存在不稳定性和使用成本等矛盾。激光传感器因使用成本高昂，使其难以大规模推广应用。相比之下，视觉传感器能够提供丰富的场景信息，而且价格低廉，因而，基于视觉的定位技术成为近几年的研究热点[7]。

近年来，研究者提出多种基于视觉的定位方法。其中，VSLAM(vision simultaneous localization and mapping)能够在未知的环境中实现精确的车辆定位[8]。然而，随着定位场景的增大，后端优化复杂度增加，且系统受累积误差的影响增大[9]。……