许智理,闫倬豪,李星星,申志恒,周宇轩,吴宗洲,李 昕

(武汉大学测绘学院,武汉 430079)

0 引言

人工驾驶的传统交通方式面临着交通事故高发[1-2]、通勤时间过长[3-4]等诸多问题。以自动驾驶[5-6]为代表的智能驾驶技术在增强交通安全性、缓解拥堵等方面具有巨大应用潜力,能够满足人们对于高效率、低风险交通服务的需求,对于交通运输系统具有重大革新意义。

智能驾驶指能够智能地感知、综合、判断、推理、决断和记忆并能实施主动控制以及人机交互与协同的技术[7]。高精度位置信息是智能驾驶感知环境和决策控制的基础与核心。面向智能驾驶日益复杂的应用场景,连续、可靠、无缝的高精度位置服务已经成为产业应用的迫切需求,同时也对现有的导航定位手段提出了更高要求。目前,车载高精度定位的实现依赖各种传感器技术,常用技术包括全球卫星导航系统(global navigation satellite system,GNSS)[8]、惯性导航系统 (inertial navigation system,INS)[9]、视觉传感器[10]、激光雷达(light detection and ranging, LiDAR)[11]、高精度地图(high definition map,HD Map)[12]以及轮速计(wheel odometer)[13]。然而,在复杂多变的城市环境中,使用单一或者两种传感器组合的定位系统已经逐渐不能满足高可靠、高精度的定位需求,例如GNSS的信号容易受到信号衰减、反射或阻塞的影响,INS精度会受到误差累积的影响,视觉和激光雷达等传感器也存在受重复结构、纹理影响等缺陷。充分利用不同传感器互补特性的多源融合技术对于提升车载导航定位在城市复杂环境中的准确和连续性有着重要的实际意义与应用价值,被视为解决定位系统局限性和脆弱性的有效方案。……