简介：摘 要：本研究设计了一个惯性导航系统（INS）、视觉导航系统、卫星导航系统（GNSS）相组合的智能网联汽车定位系统。该系统使用卡尔曼滤波器对惯性测量单元（IMU）数据、图像数据、卫星定位信息进行数据融合，从而让智能网联汽车可在无卫星信号或弱卫星信号的车载场景中使用。通过视觉/INS/GNSS的组合，智能网联汽车可以不再强依赖GNSS定位信息，在卫星信号被遮挡或者多径效应明显的复杂环境中，仍能获得连续可靠的定位信息。
简介：为了保持未知节点在2个相邻簇之间移动时导航精度的稳定，提出了一种基于H∞滤波的惯性导航系统和无线传感器网络组合导航分布式融合方法．由于组合系统的过程和测量噪声具有未知的但能量有界的统计特性，因此在提出的方法中，用日。滤波器来融合局部估计测量的信息．该滤波器能够根据一定的信息融合准则产生最佳的状态估计．仿真结果显示：与联邦卡尔曼方法相比，提出的方法降低了45％的平均位置误差和85％的平均速度误差．
基于视觉/INS/GNSS组合导航系统设计研究
面向INS／WSN组合定位的分布式H∞融合滤波器设计
