[2]Mohamed M. Atia,Steven.L. Waslander. Map-aided Adaptive GNSS/IMU Sensor Fusion Scheme for Robust Urban Navigation[J]. Measurement,2018.
用于鲁棒性城市导航的地图辅助自适应GNSS / IMU传感器融合方案
摘要：在城市环境中，全球导航卫星系统（GNSS）存在异常和多径误差。采用自适应传感器融合方法可以减小误差。然而，现有的自适应融合方法需要多个冗余测量，并且假设平均噪声为零。因此，它们不会在冗余不足或有偏差的测量下工作。这种情况发生在GNSS多径误差下城市地区的GNSS与惯性测量单元（IMU）的松组合中。本文提出了一种地图辅助自适应融合方案，该方案利用地图约束检测和缓解城市环境中的GNSS误差。在初始化阶段之后，该方法使用航迹推算和一种鲁棒性地图匹配算法来估计当前活动的地图段，该算法在隐马尔可夫模型（HMM）中对车辆状态历史、道路几何和地图拓扑进行建模。采用维特比算法对HMM模型进行解码，选择最有可能的映射段。车辆状态在地图段上的投影用作对组合过滤器的补充位置更新。利用地图辅助自适应指数加权检测和减小GNSS测量误差。所提出的解决方案框架已经在多伦多市中心的陆基车辆平台上开发和测试，使用Yost实验室的3空间IMU、一个UBlox EVK-7 GNSS接收器套件和安大略省的数字路线图。结果表明，在困难的道路交叉口、岔口和连接处，精确的地图分段估计。自适应全球导航卫星系统融合方案被证明能够可靠地减少由全球导航卫星系统接收器错误报告导致的全球导航卫星系统位置更新偏差。

方法概述与分析：本文通过开发一种地图辅助GNSS自适应GNSS/IMU融合方法，该融合方法既能减少零均值误差，又能减少GNSS偏差，同时通过从地图匹配位置获取反馈来增强融合滤波器的收敛性。为了实现所提出的自适应融合方法，作者开发了一种增强的地图匹配框架，该框架使用可变大小的马尔可夫链和一种隐马尔可夫模型算法，该算法可在基于EFK的框架内有效地考虑多个地图段，将车辆的姿态（位置和方向）历史与道路几何和地图拓扑精确匹配。本文所提出的自适应传感器融合技术，利用地图约束自适应加权和融合全球导航卫星系统位置更新，组合滤波器接收来自GNSS位置/速度和地图匹配位置的更新，将地图匹配位置的反馈作为EKF误差协方差更新，最后得到自适应的GNSS误差协方差，该方法不完全依赖于新息序列，因此能够处理GNSS偏差误差。此外，它不需要几个一致的冗余测量，所以，它可以应用于任何组合方案，包括本文所考虑的松组合方案。

心得体会：以上两篇文献均在卡尔曼滤波的基础上，对导航算法进行改进，仿真结果有明显提升，为算法的编写提供了新的思路和方向。文献[1]采用GNSS与视觉导航的融合算法，将惯性传感器、磁场、车载GPS接收器和差分GPS的测量值进行组合，改善姿态估计性能；文献[2]提出的自适应GNSS/IMU融合算法，结合地图辅助得到自适应的GNSS误差协方差，能够同时减小零均值和GNSS误差。以上文献均为平时所学知识的拓展，提出了多种信息融合组合方法，以及将地图匹配辅助信息融合的方法，需在今后的科研工作中加强这方面学习。