越野环境下基于多维度评分模型的多传感器自适应融合定位算法

来源：信息与控制杂志2025年第6期北京时间：

作者：魏鸿扬, 魏国亮, 蔡洁, 纪周

摘要：针对越野环境中复杂地形和抖动等因素容易引起传感器退化，进而影响视觉惯性里程计(Visual-Inertial Odometry，VIO)性能的问题，提出了一种基于多维度评分模型的全球导航卫星系统(Global Navigation Satellite System，GNSS)与VIO的自适应融合算法。首先，在初始化阶段构建状态变量扩展窗口，以估计坐标系变换，并利用插值算法减小时间同步误差。其次，通过结合运动、旋转和一致性三个维度，构建评分模型实时评估传感器数据的可靠性。根据评分结果，自适应调整传感器的噪声协方差矩阵，从而优化数据融合效果，降低传感器退化带来的影响。最后，在野外农田场景及校园内的3种真实越野场景中进行实验，结果表明，所提算法能够有效改善传感器退化问题，显著提高了VIO系统的定位精度(平均提高79%)。与专为农田环境设计的紧耦合GNSS-VIO算法GSI-SLAM相比，平均定位精度提高了37%。

关键词：越野环境, 传感器退化, 多维度评分模型, GNSS-VIO自适应融合