在车辆导航方面，研究人员开发了一种先进的系统，该系统集成了全球导航卫星系统（GNSS）、惯性测量单元（IMU）和光探测与测距（LiDAR）里程计（LO）。这种新颖的方法解决了城市导航中的关键挑战，极大地提高了定位的准确性和可靠性，特别是在导航系统通常不稳定的密集建筑环境中。准确定位是智能交通系统（ITS）发展的基础。然而，在城市地区，全球导航卫星系统（GNSS）和惯性测量单元（IMU）的性能经常受到周围基础设施发出的受阻或失真信号的影响。这些限制突出了对更健壮的误差建模和传感器集成的迫切需要。克服这些挑战对于开发下一代智能交通解决方案至关重要。
2024年10月7日，南京航空航天大学的研究人员与来自香港和英国的合作伙伴在 Satellite Navigation 杂志上发表了他们的研究成果。 他们的研究介绍了一种增强型GNSS/IMU/LO（光探测与测距（LiDAR）轨迹测量，LO）集成系统，具有新颖的LO误差模型和横向约束，可显著提高城市导航精度。 该系统以现有技术为基础，可在复杂的城市环境中提供更精确的车辆定位。
该研究的核心是一个新的平方指数高斯过程回归（SE-GPR）模型，它能根据车辆速度和点云特征准确预测实时 LO 误差。 通过对 GNSS 和 LO 数据进行加权，该系统可动态调整定位计算，从而确保在 GNSS 信号覆盖较差的环境中提高可靠性。 此外，激光雷达辅助横向约束（LALC）有助于减少误差累积。 测试表明，该系统的水平精度提高了 35.9%，三维定位精度提高了 50%，凸显了该系统的有效性。
研究人员表示，这项研究展示了如何将尖端误差模型与传统的 GNSS 和 IMU 系统集成，从而显著改善城市导航。 加权数据融合方法能在传统系统无法实现的领域实现更可靠的定位，为更智能的交通解决方案铺平道路。"这一突破为各种城市交通应用带来了希望，尤其是对精确导航至关重要的自动驾驶汽车和物流领域。 该系统可以提高智能城市的安全性和运营效率。 未来研究的目标是进一步优化动态环境下的模型，降低实时使用的计算需求。
原文链接：: Hanzhi Chen et al, GNSS/IMU/LO integration with a new LO error model and lateral constraint for navigation in urban areas, Satellite Navigation (2024). DOI: 10.1186/s43020-024-00151-8
