基于自适应零速修正机制的低速无人车定位方法

针对缺失全球导航卫星系统(GNSS)信号条件下的低速无人车定位问题,在多状态约束卡尔曼滤波(MSCKF)框架下,提出了一种基于自适应零速修正机制的低速无人车定位方法(AZUPT-MSCKF)。传统MSCKF算法利用惯性测量单元(IMU)传播车辆运动信息,并利用相机测量实现对运动信息的校正。然而,当无人车处于静止状态时,相机测量更新停止。受到IMU累积误差的影响,无人车的定位性能将迅速下降。对此,本文提出的AZUPT-MSCKF方法通过新增的自适应零速修正机制校正IMU的信息传播,使得无人车定位方法能较好地适应静态场景。实验结果表明,相比于传统MSCKF算法及VINS-Mono算法(关闭回环检测),AZUPT-MSCKF方法具有更高的定位精度和更强的鲁棒性。