基于 SLAM 的 GPS 与鱼眼相机完整性监测

使用 GPS 与鱼眼相机的城市导航会受到 GPS 测量中的多径效应以及跨图像帧像素强度的数据关联误差的影响。我们提出一种基于同步定位与建图（SLAM）的完整性监测（IM）算法，以计算位置保护等级，同时考虑 GPS 与视觉中的多重故障。我们利用 GPS 伪距、像素强度、车辆动力学和卫星星历的序列数据执行图优化，以同时定位车辆以及路标，即世界坐标系中的 GPS 卫星与关键图像像素。我们通过分析 GPS 测量残差的时间相关性和视觉强度残差的空间相关性来估计故障模式向量。特别地，为检测与隔离视觉故障，我们开发了一种基于超像素的分段随机采样一致性（RANSAC）技术，以在图像像素间进行空间投票。对于估计的故障模式，我们通过将最坏情况失效斜率分析应用于线性化 Graph-SLAM 框架来计算保护等级。我们在伊利诺伊州香槟市的半城市区域进行了地面车辆实验，并展示了对多重故障的成功检测与隔离。我们还验证了相较于仅利用 GPS 测量的基于 SLAM 的 IM，所提算法实现了更紧的保护等级与更低的定位误差。