面向智能驾驶的高精度多源融合定位综述

随着信息时代各行各业效率的提升，传统的人工驾驶交通系统已逐渐无法满足人们对高效率、低风险交通服务的需求，而智能驾驶技术的出现为这一领域带来了机遇。如今，以自动驾驶为代表的智能驾驶已经成为一种实用的深度交叉技术，其核心模块包括高精度定位、场景感知、决策规划与控制等。定位模块作为智能驾驶系统中最基本、最核心的功能模块，需具备高精度、高可用、低时延的性能特点。当前，结合高精度卫星导航、惯性导航以及环境感知的多源融合技术已成为实现泛在智能驾驶所公认的核心手段，通过充分利用车载传感器的量测信息可以实现精确、可靠的定位服务。从导航定位中常用的传感器技术出发，对当前智能驾驶领域涉及的高精度定位技术进行了全面的回顾，给出了主流的基于滤波和因子图优化的多源融合框架，并对代表性算法进行了整理。最后，总结了现阶段智能驾驶中高精度定位技术的发展现状，并对未来的发展趋势进行了展望。     

基于原始观测值的UWB增强GNSS精密单点定位方法研究

全球卫星导航系统(global navigation satellite system,GNSS)可提供全球范围内全天候高精度导航、定位和授时服务。以精密单点定位(precise point positioning,PPP)为代表的绝对定位技术凭借定位精度高且全球一致、作业范围灵活等优势受到广泛关注,但是较长的收敛时间,限制了其在实时、快速精密定位应用中的使用。为解决上述问题,提出了超宽带(ultra-wideband,UWB)增强PPP方法,在多星座PPP中紧密集成UWB测距信息,以提高GNSS PPP性能。实验结果表明,在动态场景下,融合UWB量测使GPS/GAL双系统PPP在东、北、天3个方向的位置均方根(root mean square,RMS)值分别减少了76.99%、21.46%、64.53%,GPS/GAL/BDS三系统PPP减少了69.69%、37.21%、61.32%,并且收敛时间分别加快62.78%和57.75%。关于锚点数(几何构型)的评估表明,仅利用4个锚点就能将双系统和三系统3D误差RMS值减少67.98%、59.35%,收敛时间加快76.14%、62.68%,达到成本和性能综合最优的增强效果。