摘要
在复杂的城市环境中，全球导航卫星系统（GNSS）信号容易受到建筑物遮挡和多路径效应的影响，这可能会降低定位精度，甚至导致GNSS定位失效。因此，传统的集成导航系统由于缺乏足够的全球约束，会出现累积误差。为了解决这个问题，本文提出了一种结合语义信息的多源集成定位方法。研究选取固定的交通信号灯作为语义地标，并利用物体检测网络获取这些地标的中心像素坐标及检测置信度。随后，通过结合深度信息、相机姿态以及固定语义地标的先验全球坐标，构建了一个语义目标反演模型，将二维图像信息转换为世界坐标系中的三维位置估计值。此外，还进一步构建了语义因子并将其纳入后端因子图优化中。为确定语义因子的权重，分析了像素定位误差、深度估计误差、相机姿态误差以及固定语义地标的先验坐标误差对语义观测值的影响，进而建立了语义因子的噪声协方差模型。最后，通过构建无人地面车辆实验平台来验证和分析所提出的因子图算法。实验结果表明，在GNSS信号质量下降的情况下，加入语义因子的算法能够为系统提供额外的全球约束，有效抑制定位误差的累积。在实验1中，与不含语义因子的算法相比，最大绝对轨迹误差降低了46.26%。为了进一步验证该方法在更复杂场景下的适用性，实验2在具有更多语义地标且GNSS信号质量下降更为严重的更长路线中进行测试。结果表明，该方法使最大平均绝对误差从6.5432米降至3.4778米，降幅约为46.85%。这些结果表明，所提出的语义因子能够提升GNSS信号质量下降环境下的多源融合定位系统的鲁棒性。
