GNSS/VO組合導(dǎo)航研究現(xiàn)狀及發(fā)展趨勢(shì)

曾慶喜，邱文旗，馮玉朋，劉德輝，賈豐源

(1.南京航空航天大學(xué) 自動(dòng)化學(xué)院，南京 210016；2.汽車仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)春 130012；3.奇瑞汽車股份有限公司 前瞻技術(shù)研究院，安徽 蕪湖 241009)

0 引言

精確的導(dǎo)航技術(shù)是無人駕駛車輛的核心技術(shù)之一。為滿足車輛厘米級(jí)的定位要求，多傳感器融合技術(shù)與單一傳感器相比具有時(shí)空覆蓋范圍廣、導(dǎo)航信息精確度和可靠性高等優(yōu)點(diǎn)。目前常用組合導(dǎo)航系統(tǒng)是全球衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite system，GNSS)及慣性導(dǎo)航系統(tǒng)(inertial navigation system，INS)的組合導(dǎo)航系統(tǒng)，但是要達(dá)到無人車的定位精度，需要使用高成本的INS；文獻(xiàn)[1]采用輪式里程計(jì)取代INS與GNSS組合，但是通常會(huì)由于車輪打滑、抱死等原因?qū)е孪到y(tǒng)誤差迅速增大；目前無人車都裝有攝像頭，且攝像頭價(jià)格便宜，能夠提供高分辨率的定位信息，操作要求較低，易與目標(biāo)跟蹤、地圖構(gòu)建、避障等功能進(jìn)行融合：所以近些年出現(xiàn)了采用視覺里程計(jì)取代INS與GNSS組合的導(dǎo)航方法。

1 全球?qū)Ш叫l(wèi)星系統(tǒng)

全球衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite system，GNSS)包括美國(guó)的全球定位系統(tǒng)(global positioning system，GPS)、俄羅斯的格洛納斯衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite system，GLONASS)、歐洲的伽利略衛(wèi)星導(dǎo)航系統(tǒng)(Galileo navigation satellite system，Galileo)，以及中國(guó)的北斗衛(wèi)星導(dǎo)航系統(tǒng)(BeiDou navigation satellite system，BDS)，是能在地球表面或近地空間的任何地點(diǎn)為用戶提供全天候的3維坐標(biāo)和速度以及時(shí)間信息的空基無線電導(dǎo)航定位系統(tǒng)[2]。GNSS系統(tǒng)由衛(wèi)星星座、地面監(jiān)測(cè)系統(tǒng)、GNSS接收機(jī)3部分組成。地面GNSS接收機(jī)通過接收和解算衛(wèi)星播發(fā)的無線電導(dǎo)航定位信號(hào)就可以獲得導(dǎo)航定位信息。由于GNSS系統(tǒng)屬于無線電導(dǎo)航系統(tǒng)；即使現(xiàn)代的GNSS接收機(jī)也只有在對(duì)衛(wèi)星直接可見(line of sight，LOS)的條件下才可以實(shí)現(xiàn)高精度定位[3]。潮濕的樹葉、森林、高山或者建筑物都可能導(dǎo)致導(dǎo)航信息暫時(shí)丟失[4]。又由于水面、山的側(cè)面、墻體等造成多路徑接收；用戶接收機(jī)同樣也無法識(shí)別，并可能導(dǎo)致相當(dāng)大的誤差。裝有GNSS的智能車輛大部分是在密集的城市環(huán)境中使用，在這種情況下，無線電導(dǎo)航信號(hào)可能與幾個(gè)障礙物相互作用后再傳播到達(dá)GNSS接收機(jī)。所以GNSS接收機(jī)接收到的信號(hào)可能是直接信號(hào)和幾個(gè)非視距(non line of sight，NLOS)延遲信號(hào)的總和，從而導(dǎo)致定位準(zhǔn)確性嚴(yán)重下降，甚至?xí)剐l(wèi)星信號(hào)短暫消失；因而單獨(dú)的GNSS接收機(jī)并不能滿足智能車在復(fù)雜的城市環(huán)境中的定位要求。

2 視覺里程計(jì)

視覺里程計(jì)(visual odometry，VO)是將單個(gè)或多個(gè)攝像頭在運(yùn)動(dòng)過程中采集的圖像作為輸入，并基于相機(jī)模型與視覺幾何學(xué)模型等來估計(jì)車體旋轉(zhuǎn)運(yùn)動(dòng)和平移運(yùn)動(dòng)的定位方法。按照VO所需的攝像機(jī)的個(gè)數(shù)，可將VO分為單目VO和立體VO。單目VO的缺點(diǎn)是缺乏尺度信息[5-6]，需要其他傳感器的輔助[7-8]；雙目VO的缺點(diǎn)是受雙目VO基線的限制，無法運(yùn)用于像微型無人機(jī)等微型機(jī)器的導(dǎo)航[9]。與輪式里程計(jì)很類似，輪式里程計(jì)通過累記輪子的轉(zhuǎn)動(dòng)來推算載體的位置方位，視覺里程計(jì)則通過累積估計(jì)相鄰2幀圖像間攝像機(jī)的運(yùn)動(dòng)來估計(jì)載體的位姿。與輪式里程計(jì)相比，它能夠適應(yīng)車輪打滑、車輪側(cè)向移動(dòng)、非平地運(yùn)動(dòng)等輪式里程計(jì)無法適應(yīng)的場(chǎng)景。

經(jīng)典的視覺里程計(jì)系統(tǒng)大多基于2幀計(jì)算框架，其模型如圖1所示，雙目視覺里程計(jì)需要在能夠獲取清晰圖像的前提下，保證相鄰2幀圖像中具有足夠的特征重疊區(qū)域，用來確保對(duì)載體運(yùn)動(dòng)估測(cè)的準(zhǔn)確性。其工作流程如圖2所示：一般包括特征的選擇與關(guān)聯(lián)，以及基于所獲得的特征關(guān)聯(lián)集合的幀間位姿估計(jì)；采用多幀圖像信息的局部?jī)?yōu)化是視覺里程計(jì)系統(tǒng)的可選模塊。視覺里程計(jì)所采用的攝像頭不僅能夠?qū)崿F(xiàn)對(duì)載體的運(yùn)動(dòng)進(jìn)行估計(jì)，還可以用于很多其他的應(yīng)用，如目標(biāo)跟蹤、距離測(cè)定、地圖構(gòu)建[10-13]、避障等場(chǎng)景[14]。

圖1 VO 2幀計(jì)算框架模型

圖2 VO工作流程

3 GNSS/VO組合系統(tǒng)

3.1 GNSS/VO組合方式

參考GNSS/INS信號(hào)融合分類方法，現(xiàn)有基于GNSS的多傳感器組合導(dǎo)航的信號(hào)組合方式可以分為3類，分別是松組合、緊組合、超緊組合。各種組合系統(tǒng)的優(yōu)缺點(diǎn)如表1所示。根據(jù)目前相關(guān)文獻(xiàn)檢索，GNSS/VO現(xiàn)有的組合方式有松組合和緊組合。GNSS/VO松組合系統(tǒng)是使用獨(dú)立分開的GNSS和VO模塊，首先以不同的運(yùn)算速率對(duì)載體的6個(gè)自由度信息(包括3個(gè)自由度載體旋轉(zhuǎn)運(yùn)動(dòng)、3個(gè)自由度載體平移運(yùn)動(dòng))，進(jìn)行估計(jì)；然后再將各自輸出的載體運(yùn)動(dòng)信息進(jìn)行融合。GNSS/VO松組合系統(tǒng)的優(yōu)點(diǎn)是沒有改變GNSS和VO的系統(tǒng)結(jié)構(gòu)，同時(shí)保持了 GNSS系統(tǒng)和VO系統(tǒng)各自的獨(dú)立性，有利于對(duì)各個(gè)系統(tǒng)的獨(dú)立優(yōu)化；缺陷是當(dāng)GNSS系統(tǒng)衛(wèi)星數(shù)目低于4顆的情況下，組合系統(tǒng)失效。GNSS/VO緊組合系統(tǒng)繼承了GNSS/VO松組合系統(tǒng)的優(yōu)點(diǎn)，同樣保持GNSS和VO系統(tǒng)的獨(dú)立性，不同點(diǎn)在于GNSS/VO緊組合系統(tǒng)的輸入數(shù)據(jù)不再是載體的位姿信息，而是較為原始的偽距、偽距率、載波相位數(shù)據(jù)；所以GNSS/VO緊組合系統(tǒng)能夠在衛(wèi)星數(shù)目低于4顆的情況下參與組合系統(tǒng)的定位。不論是GNSS/VO松組合系統(tǒng)還是GNSS/VO緊組合系統(tǒng)，絕大部分系統(tǒng)所使用的融合算法工具都是擴(kuò)展卡爾曼濾波器(extended Kalman filter，EKF)。

表1 基于GNSS的組合導(dǎo)航系統(tǒng)信號(hào)融合方式及性能對(duì)比

3.2 GNSS/VO松組合系統(tǒng)

GNSS/VO松組合系統(tǒng)的結(jié)構(gòu)和GNSS/INS松組合結(jié)構(gòu)相似，是將GNSS輸出的位姿信息與VO輸出的位姿信息通過擴(kuò)展卡爾曼濾波器進(jìn)行組合。文獻(xiàn)[15]于2006最早提出低成本GNSS/立體VO松組合系統(tǒng)，該系統(tǒng)充分利用了VO系統(tǒng)與低成本的GPS在估計(jì)誤差方面具有互補(bǔ)的特點(diǎn)：即VO能夠提供精確的局部一致的位姿信息，但是隨著時(shí)間推移，位姿信息會(huì)發(fā)散；低成本的GPS接收機(jī)在良好的工作環(huán)境下，在北、南方向上的標(biāo)準(zhǔn)差在3 m左右，但在短期內(nèi)會(huì)受到小的跳躍和漂移的影響?？紤]到低成本GPS接收機(jī)對(duì)高度測(cè)量的不可靠性，將GPS接收機(jī)輸出的南、北位置信息，以及航向信息與VO系統(tǒng)通過卡爾曼濾波器進(jìn)行融合，用來校正視覺里程計(jì)的位置估計(jì)值。在該文中，位置信息用于校正位置狀態(tài)，速度信息獨(dú)立用于校正航向。當(dāng)?shù)统杀綠PS接收機(jī)至少有一個(gè)3維位置的定位時(shí)，使用位置信息校正系統(tǒng)位置狀態(tài)；為了限制GPS關(guān)于速度測(cè)量的噪聲對(duì)航向估計(jì)的影響，當(dāng)車輛行駛速度不低于0.5 m/s時(shí)，速度信息才獨(dú)立用于校正航向。此外，該系統(tǒng)又單獨(dú)采用INS系統(tǒng)對(duì)載體的運(yùn)動(dòng)進(jìn)行估計(jì)，以保證在VO系統(tǒng)失效的情況下，系統(tǒng)仍然能夠?qū)d體的運(yùn)動(dòng)狀況進(jìn)行估計(jì)，增加系統(tǒng)的可靠性。該文將GNSS/VO松組合搭載到如圖3所示的平臺(tái)小車上進(jìn)行實(shí)驗(yàn)，采用環(huán)路閉合誤差(起點(diǎn)和終點(diǎn)的距離與總的環(huán)性長(zhǎng)度的比值)來評(píng)定各個(gè)系統(tǒng)的性能。實(shí)驗(yàn)表明，立體VO的性能優(yōu)于輪式里程計(jì)的性能，GNSS/VO松組合系統(tǒng)的性能優(yōu)于純立體VO系統(tǒng)的性能。

圖3 GNSS/VO組合系統(tǒng)搭載平臺(tái)

文獻(xiàn)[16]于2010年借鑒GNSS/INS組合導(dǎo)航系統(tǒng)模型，提出一種類似于GPS/INS松組合方式的GPS/VO組合導(dǎo)航系統(tǒng)，如圖4所示。GNSS/VO松組合與GNSS/INS松組合結(jié)構(gòu)相似，都是利用卡爾曼濾波器將GPS/VO系統(tǒng)進(jìn)行組合，具有相同的狀態(tài)量和量測(cè)量。文獻(xiàn)[16]提到的系統(tǒng)不需要如平臺(tái)的動(dòng)態(tài)、地圖匹配、特征跟蹤、可視環(huán)路閉合、重力矢量或諸如慣性測(cè)量單元(inertial measurement unit，IMU)、磁羅盤等附加傳感器這樣的額外限制或假設(shè)。該文通過構(gòu)造觀測(cè)矩陣，對(duì)該觀測(cè)矩陣的秩進(jìn)行分析，從理論上證實(shí)了當(dāng)加速度矢量不平行于速度矢量時(shí)，系統(tǒng)姿態(tài)完全可觀測(cè)。該文利用基于控制變量法和數(shù)值模擬法對(duì)系統(tǒng)的可觀測(cè)性進(jìn)行實(shí)驗(yàn)驗(yàn)證，證明了當(dāng)加速度矢量垂直于速度矢量時(shí)，系統(tǒng)姿態(tài)是完全可觀測(cè)的。文獻(xiàn)[17]又在文獻(xiàn)[16]的基礎(chǔ)上對(duì)尺度信息未知的單目視覺里程計(jì)系統(tǒng)進(jìn)行了擴(kuò)展研究，通過小型飛機(jī)采集的真實(shí)數(shù)據(jù)驗(yàn)證了系統(tǒng)誤差可觀測(cè)性分析的可靠性。文獻(xiàn)[17]通過實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了在直線飛行和水平飛行的情況下，俯仰和偏航會(huì)立即向真正的值收斂；滾動(dòng)很難估計(jì)，但在操作過程中會(huì)收斂。這種行為與GNSS/INS組合系統(tǒng)是互補(bǔ)的，在GNSS/INS組合導(dǎo)航系統(tǒng)中，滾動(dòng)和俯仰是由重力向量所限制的，但是偏航必須通過操縱來觀察。

圖4 GPS/INS松組合系統(tǒng)與GPS/VO松組合系統(tǒng)對(duì)比

文獻(xiàn)[18]旨在解決在GNSS/VO松組合系統(tǒng)中，由于相鄰2幀圖像中重疊區(qū)域的特征點(diǎn)較少導(dǎo)致視覺里程的位姿解算誤差偏大，以及由于遮擋等原因?qū)е碌男l(wèi)星只能間歇性給出定位的問題。在解決相鄰2幀圖像中重疊區(qū)域的特征點(diǎn)較少導(dǎo)致視覺里程的位姿解算誤差偏大問題的時(shí)候，首先假設(shè)該文提出的像素噪聲模型是準(zhǔn)確的；其次假設(shè)運(yùn)動(dòng)中的偏差可以近似于該文中最初估計(jì)的偏差；最后建立改進(jìn)的雙目視覺里程計(jì)位姿估計(jì)模型。在解決衛(wèi)星只能間歇性給出定位問題的時(shí)候，由于間歇性的GPS信息可能會(huì)延遲整個(gè)狀態(tài)的可觀測(cè)性，將局部測(cè)量量和全局測(cè)量量進(jìn)行統(tǒng)一表示，把GNSS/VO松組合轉(zhuǎn)化為非線性最小二乘問題來對(duì)載體的位姿信息作最優(yōu)估計(jì)。該結(jié)構(gòu)能夠用來推斷全局定位，并能從不準(zhǔn)確的初始估計(jì)中恢復(fù)過來。該文通過小船在水面上的實(shí)驗(yàn)，驗(yàn)證了在相鄰2幀圖像中重疊區(qū)域的特征點(diǎn)較少情況下，改進(jìn)的雙目視覺里程計(jì)的精度是傳統(tǒng)雙目視覺里程計(jì)的5倍。該文通過小車在環(huán)形路面上行駛2 km范圍內(nèi)的實(shí)驗(yàn)，驗(yàn)證了該文中設(shè)計(jì)的GNSS/VO松組合系統(tǒng)僅僅只有6個(gè)衛(wèi)星數(shù)據(jù)就能完成整個(gè)路段的全局定位；使用改進(jìn)的視覺里程在平均位置誤差方面有2倍的改進(jìn)。

文獻(xiàn)[19]采用的視覺里程計(jì)定位方法與以往的相對(duì)定位方法不同，該雙目視覺里程計(jì)利用已知的簡(jiǎn)易基站點(diǎn)作為絕對(duì)坐標(biāo)信息來完成智能車的絕對(duì)定位。其算法流程為：第一步完成左、右2臺(tái)攝像機(jī)的標(biāo)定；第二步通過如圖5所示的基于尺度不變特征變換(scale invariant feature transformation，SIFT)的特征匹配，提取基站在左、右相機(jī)中的坐標(biāo)；第三步求取相機(jī)相對(duì)基站的坐標(biāo)。該文中指出，基站并不需要專門搭建，只要是具有可辨認(rèn)的特征以及絕對(duì)坐標(biāo)已知的物體，都可以作為基站。在該文中提到，單獨(dú)的視覺里程計(jì)絕對(duì)定位是采用2個(gè)相同的分別率為960 個(gè)像素×720個(gè)像素的Logitech攝像頭，安裝基線的距離為1.2 m，攝像機(jī)的同步采樣頻率為1 Hz，測(cè)得8個(gè)點(diǎn)的絕對(duì)坐標(biāo)值，得出平均誤差在4 m左右。為了進(jìn)一步提高智能車的定位精度，該文采用GNSS/VO松組合的方法。該GNSS/VO松組合方法與經(jīng)典的將系統(tǒng)誤差作為狀態(tài)量的方法相比，相同點(diǎn)在于都是通過卡爾曼濾波器將2個(gè)獨(dú)立系統(tǒng)融合，不同點(diǎn)在于GNSS/VO松組合系統(tǒng)的狀態(tài)量是水平位置、水平角度、載體的行駛速度信息，觀測(cè)量是VO輸出的水平位置、左攝像頭與道路邊緣的距離、汽車行駛速度、相對(duì)于地圖的偏航角信息、GNSS輸出的水平位置信息。

圖5 SIFT匹配算法流程

3.3 GNSS/VO緊組合系統(tǒng)

GNSS/VO緊組合系統(tǒng)采用載波相位或者偽距作為系統(tǒng)數(shù)據(jù)融合量，能夠解決衛(wèi)星數(shù)目低于4顆時(shí)導(dǎo)航衛(wèi)星系統(tǒng)不能參與定位的問題。文獻(xiàn)[9]旨在證明在城市、室內(nèi)等GPS信號(hào)不太好的環(huán)境下將GPS與VO進(jìn)行緊組合的可行性。當(dāng)GPS衛(wèi)星數(shù)目低于4顆的情況下，導(dǎo)航衛(wèi)星系統(tǒng)不能給出定位結(jié)果，但仍可以用于輔助VO系統(tǒng)。盡管立體視覺里程計(jì)可以給出尺度信息，但是受到雙攝像頭間的基線長(zhǎng)度約束；無法在諸如微型無人機(jī)等小平臺(tái)上使用：所以該文中采用GPS的厘米級(jí)載波相位信息輔助單目視覺里程計(jì)獲取尺度信息。單目VO系統(tǒng)在獲取尺度信息之后，可以在衛(wèi)星完全失效的情況下獨(dú)立工作。如圖6所示，在該文獻(xiàn)介紹的GPS與VO互相融合的方法中，融合系統(tǒng)的輸入量包括：已經(jīng)獲取尺度信息的單目VO輸出的6個(gè)自由度信息、GPS給出的多普勒頻移和載體的速度，以及INS輸出的方向余弦矩陣(direction consine matrix，DCM)。由于系統(tǒng)的DCM隨時(shí)間變化，使得GPS/VO組合系統(tǒng)為非線性系統(tǒng)。為了獲得線性化的GPS/VO組合系統(tǒng)，該文獻(xiàn)采用INS輔助獲取DCM。該文獻(xiàn)采用線性最小均方法(least mean square，LMS)對(duì)系統(tǒng)的位置改變向量、累計(jì)的時(shí)鐘漂移進(jìn)行估計(jì)。當(dāng)接收機(jī)時(shí)鐘已經(jīng)被初始化并且相機(jī)的方向已知的情況下，組合導(dǎo)航系統(tǒng)完成定位解算只需要1顆衛(wèi)星；對(duì)于校準(zhǔn)的時(shí)鐘和未知的方位，需要2顆衛(wèi)星；如果時(shí)鐘和方位都未知的情況下，就需要3顆衛(wèi)星。該文將該系統(tǒng)在平臺(tái)小車上進(jìn)行試驗(yàn)，試驗(yàn)參數(shù)為：1)小車以2 m/s做直線運(yùn)動(dòng)；2)GPS的載波相位測(cè)量誤差為5 mm；3)低成本INS的陀螺漂移為0.1 rad/s；4)視覺里程計(jì)的特征測(cè)量噪聲為1個(gè)像素；5)系統(tǒng)的數(shù)據(jù)更新速率為1 Hz。試驗(yàn)結(jié)果表明該GPS/VO組合系統(tǒng)能夠成功得到平臺(tái)位置厘米級(jí)的變化量、平臺(tái)的3 rad左右的航向角、單目視覺里程計(jì)的厘米級(jí)的尺度信息。

圖6 衛(wèi)星載波相位與視覺組合導(dǎo)航系統(tǒng)

文獻(xiàn)[20]采用的GNSS/VO組合方法和GPS/INS緊組合系統(tǒng)相似，都是將位置誤差、速度誤差、姿態(tài)誤差、接收機(jī)時(shí)鐘誤差、接收機(jī)時(shí)鐘漂移作為狀態(tài)量，GNSS與VO的偽距差、偽距率差作為觀測(cè)值，對(duì)系統(tǒng)進(jìn)行建模，并利用卡爾曼濾波器對(duì)狀態(tài)量進(jìn)行估計(jì)。該文的系統(tǒng)結(jié)構(gòu)只包括低成本的GPS接收機(jī)和雙目VO。該系統(tǒng)采用雙層容錯(cuò)結(jié)構(gòu)，對(duì)VO數(shù)據(jù)和GNSS數(shù)據(jù)進(jìn)行檢測(cè)，以增加系統(tǒng)的穩(wěn)定性；但是一旦系統(tǒng)檢測(cè)偽距出現(xiàn)故障，整個(gè)可見星的偽距都不可用。該方法解決了在松組合系統(tǒng)中衛(wèi)星數(shù)目低于4顆不能參與定位的問題。該融合系統(tǒng)不僅能夠兼容2個(gè)系統(tǒng)的數(shù)據(jù)更新率，而且能夠兼容不同數(shù)據(jù)的有效時(shí)間。該文實(shí)現(xiàn)了數(shù)據(jù)更新的速率可達(dá)到200 Hz。實(shí)測(cè)數(shù)據(jù)在定位精度方面超過了型號(hào)為OxTS RT3003的INS與GPS組合系統(tǒng)。

4 結(jié)束語

為確保視覺里程計(jì)對(duì)載體運(yùn)動(dòng)估測(cè)的準(zhǔn)確性，需要在能夠獲取清晰圖像的前提下，保證相鄰2幀圖像中具有足夠的特征重疊區(qū)域。單目視覺里程計(jì)存在尺度模糊的問題，需要具有厘米級(jí)精度的額外傳感器對(duì)其進(jìn)行輔助。雙目視覺里程計(jì)由于受到基線長(zhǎng)度的約束，不能運(yùn)用于小型設(shè)備的定位導(dǎo)航。單獨(dú)的衛(wèi)星導(dǎo)航系統(tǒng)只有在衛(wèi)星數(shù)目達(dá)到4顆或以上時(shí)才可以完成定位，不利于在城市中獨(dú)立運(yùn)行。GNSS/VO松組合系統(tǒng)在GNSS不能完成定位的情況下，VO系統(tǒng)可以獨(dú)立運(yùn)行，增加了定位系統(tǒng)的可靠性。GNSS/VO緊組合系統(tǒng)解決了當(dāng)衛(wèi)星數(shù)目低于4顆時(shí)不能參與定位的問題。但是目前的GNSS/VO組合方案基本上都是采用卡爾曼濾波器，并沒有考慮到模型誤差等對(duì)系統(tǒng)的影響；對(duì)GNSS故障性的檢測(cè)機(jī)制中，一旦檢測(cè)出偽距出現(xiàn)故障，整個(gè)衛(wèi)星系統(tǒng)將不參與GNSS/VO組合系統(tǒng)的定位；沒有考慮GNSS/VO組合系統(tǒng)的運(yùn)算量以及運(yùn)算速度問題。

參考GNSS/INS組合的發(fā)展特點(diǎn)以及GNSS/VO組合自身的特點(diǎn)，分析得出GNSS/VO組合系統(tǒng)未來會(huì)向如下幾個(gè)方向發(fā)展：1)GNSS/VO組合導(dǎo)航系統(tǒng)向著超緊組合方向發(fā)展，將組合系統(tǒng)的輸出數(shù)據(jù)反饋到接收機(jī)的跟蹤環(huán)路，以提高GNSS信號(hào)的有效信噪比，改善GNSS接收機(jī)的性能；2)開展GNSS/VO組合導(dǎo)航系統(tǒng)的故障檢測(cè)與隔離機(jī)制研究，以增加系統(tǒng)的可靠性；3)開展GNSS/VO組合系統(tǒng)在各個(gè)組合階段的卡爾曼濾波算法改進(jìn)研究，以改善組合系統(tǒng)的精度和穩(wěn)定性；4)GNSS/VO組合系統(tǒng)采用并行的算法結(jié)構(gòu)，以加快系統(tǒng)的運(yùn)算速度。

[1] 甘雨，隋立芬，張清華，等.GNSS/里程計(jì)組合定位抗差估計(jì)法[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào)，2015，16(3)：252-255.

[2] 寧津生，姚宜斌，張小紅.全球?qū)Ш叫l(wèi)星系統(tǒng)發(fā)展綜述[J].導(dǎo)航定位學(xué)報(bào)，2013，1(1)：3-8.

[3] RABAOUI A，VIANDIER N，DUFLOS E，et al.Dirichlet process mixtures for density estimation in dynamic nonlinear modeling：application to GPS positioning in urban canyons[J].IEEE Transactions on Signal Processing，2012，60(4)：1638-1655.

[4] 馬云峰.MSINS/GPS組合導(dǎo)航系統(tǒng)及其數(shù)據(jù)融合技術(shù)研究[D].南京：東南大學(xué)，2006：4-10.

[5] AQEL M O A，MARHABAN M H，SARIPAN M I，et al.Adaptive-search template matching technique based on vehicle acceleration for monocular visual odometry system[J].IEEE Transactions on Electrical and Electronic Engineering，2016，11(6)：739-752.

[6] BERAN L，CHMELAR P，REJFEK L.Navigation of robotics platform using monocular visual odometry[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 25th International Conference on Radioelectronica.Pardubice：IEEE，2015：213-216.

[7] FU H，MA H，XIAO H.Real-time accurate crowd counting based on RGB-D information[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 19th International Conference on Image Processing.Florida：IEEE，2012：2685-2688.

[8] MING Y，RUAN Q，HAUPTMANN A G.Activity recognition from RGB-D camera with 3D local spatio-temporal features[C]// The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 19th International Conference on Multimedia and Expo.Melbourne：IEEE，2012：344-349.

[9] SOLOVIEV A，VENABLE D.Integration of GPS and vision measurements for navigation in GPS challenged environments[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 2010 Position Location and Navigation Symposium(PLANS).Indian Wells：IEEE，2010：826-833.

[10] TAO Z，BONNIFAIT P.Sequential data fusion of GNSS pseudoranges and dopplers with map-based vision systems[J].IEEE Transactions on Intelligent Vehicles，2017，1(3)：254-265.

[11] TAO Z，BONNIFAIT P，IBANEZ-GUZMAN J.Road-centered map-aided localization for driverless cars using single-frequency GNSS receivers[J].Journal of Field Robotics，2017，34(5)：1010-1033.

[12] TAO Z，BONNIFAIT P，F(xiàn)REMONT V，et al.Lane marking aided vehicle localization[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 16th International IEEE Conference on Intelligent Transportation Systems.The Hague Netherlands：IEEE，2013：1509-1515.

[13] TAO Z，BONNIFAIT P.Tightly coupling GPS with lane markings for autonomous vehicle navigation[C]// The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 17th International IEEE Conference on Intelligent Transportation Systems.Qingdao，China：IEEE，2014：439-444.

[14] 江燕華，熊光明，姜巖，等.智能車輛視覺里程計(jì)算法研究進(jìn)展[J].兵工學(xué)報(bào)，2012，33(2)：214-220.

[15] AGRAWAL M，KONOLIGE K.Real-time localization in outdoor environments using stereo vision and inexpensive GPS[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 18th International Conference on Pattern Recognition.Hong Kong,China：IEEE，2006：1063-1068.

[16] DUSHA D，MEJIAS L.Attitude observability of a loosely-coupled GPS/visual odometry integrated navigation filter[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of 2010 International Conference on Robotics and Automation.Australia：IEEE，2010.

[17] DUSHA D，MEJIAS L.Error analysis and attitude observability of a monocular GPS/visual odometry integrated navigation filter[J].International Journal of Robotics Research，2012，31(6)：714-737.

[18] REHDER J，GUPTA K，NUSKE S，et al.Global pose estimation with limited GPS and long range visual odometry[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 17th International Conference on Methods & Models in Automation & Robotics(MMAR).Minnesota：IEEE，2012：627-633.

[19] 周莉.基于GNSS與視覺的道路檢測(cè)與避障技術(shù)[D].成都：電子科技大學(xué)，2015：24-30.

[20] SCHREIBER M，K?NIGSHOF H，HELLMUND A M，et al.Vehicle localization with tightly coupled GNSS and visual odometry[C]//The Institute of Electrical and Electronic Engineers(IEEE).Proceedings of the 2016 IEEE Intelligent Vehicles Symposium.Gothenburg：IEEE，2016：858-863.