盖世汽车讯 精确定位对于自动驾驶车辆和户外移动机器人的安全性和可靠性至关重要。从自动驾驶汽车和巴士到送货机器人和无人机，现代移动出行系统都依赖于精确定位来实时做出安全决策。

全球导航卫星系统（GNSS）虽然能够提供地球上的绝对定位，但在人口密集的城市地区，其性能往往会下降。高楼大厦、隧道和高架结构经常会阻挡、反射或吸收GNSS信号，导致在城市峡谷和复杂的城市布局中定位不可靠。

在这些环境中，GNSS信号会受到多径传播和非视距（NLOS）干扰的影响。反射或被遮挡的信号会使测量结果失真，这对实时动态全球导航卫星系统（RTK-GNSS）等依赖于载波相位整数模糊度解算的传统高精度定位方法构成了挑战。

该过程对信号中断和多径效应高度敏感。当模糊度解析失败时，定位误差会迅速从厘米级增长到米级，从而危及安全关键型应用，并凸显了开发更稳健的城市定位方法的必要性。

据外媒报道，由日本名城大学机电工程系（Department of Mechatronics Engineering, Meijo University）副教授Junichi Meguro领导的研究团队开发了一种专门针对恶劣城市环境的全新的仅依赖GNSS的定位方法。该研究团队的成员还包括名城大学机电工程专业（Division of Mechatronics Engineering）的硕士研究生Daiki Niimi先生。相关论文发表于期刊《IEEE Robotics and Automation Letters》。

该方法的核心创新在于采用紧耦合的Rao-Blackwellized粒子滤波器，它无需依赖载波相位整数模糊度解算即可进行概率定位。与尝试解决模糊度（传统RTK-GNSS在城市环境中的主要失效点）不同，该方法利用载波相位测量的分数分量来评估多个位置假设的概率。

图片来源：名城大学

即使由于多径效应、部分信号阻塞或卫星可见性波动导致GNSS测量质量下降，该概率框架也能实现稳定的定位，为在复杂的城市环境中运行的自主系统提供可靠的解决方案。

为了进一步增强鲁棒性，研究人员将原始多普勒（Doppler）测量值集成到卡尔曼（Kalman）滤波器中，从而能够持续估算车辆速度和接收机时钟漂移。

该方法还实现了对非视距卫星的粒子级剔除，并应用了基于学生t分布（Student’s t-distribution）的鲁棒滤波方案，从而降低了由多径效应和其他非高斯（non-Gaussian）误差引起的异常值的影响。

这些机制共同作用，使系统即使在只有少数卫星可用的情况下也能保持稳定的位置估计，从而确保在复杂的城市环境中具有高可靠性。

研究团队利用在名古屋和东京六个复杂城市环境中收集的真实车辆数据验证了该方法。在六次测试中的五次，所提出的方法均优于现有的基于GNSS的方法，即使在卫星严重遮挡的情况下，也能始终保持亚米级的精度。

在最严峻的情况下，该方法的精度比最好的传统解决方案也高出近30百分点，证明了其在传统技术经常失效的环境中的稳健性。

这项研究表明，通过充分利用GNSS测量数据，仅使用GNSS即可实现稳定、精确的城市定位。预计这些研究成果将对自动驾驶和户外自主移动系统的未来产生重大影响。