磁场匹配(MFM)作为一种独特的定位手段，具有稳定可靠、无需布设和成本低的优势。我们发现，在多路径效应以及遮挡严重的GNSS挑战区域，往往都存在显著的磁场特征，例如在隧道、地下通道、高架桥下以及城市峡谷。在这些GNSS挑战区域，大型钢铁结构造成的磁场畸变使得每个位置都具有其独特的磁场指纹，从而使得用磁场匹配来准确确定车辆位置和车道信息具备可行性。另一方面，磁场特征不明显区域通常位于开阔天空道路，这些区域的GNSS观测条件本就较好。这启发我们，磁场和GNSS是天然具有场景互补特性的两种绝对定位信息源。因此，我们提出了一种新颖的磁场匹配/GNSS/INS融合定位算法，在城市复杂环境下实现了连续的车道级定位。

车道级定位是辅助驾驶和自动驾驶应用落地的一项关键技术。如何在复杂城市环境下实现一个便宜轻量的车道级定位系统仍然是一个较大的挑战。在室外环境，GNSS广泛用于提供绝对定位，是车载导航的主要定位手段。然而，在城市建筑密集区域，由于信号衰减、遮挡以及多径效应，所有模式的GNSS定位都会发生精度下降甚至完全失效。车辆磁场匹配定位能力来源于隧道等人造基础设施中存在大型钢铁结构，这些铁磁性物质会导致环境磁场发生畸变，从而使得每个位置产生独特的磁场指纹，如图1。但这决定了在人造建筑稀少、磁场特征不明显区域，车辆磁场匹配定位方法会失效。基于磁场匹配定位和GNSS各自的局限性以及适用环境的互补性，我们提出了一种新颖的磁场匹配/GNSS/INS融合算法(MGINS)。该方法旨在通过充分发挥磁场和GNSS之间的互补特性，使用低成本传感器在城市复杂环境下实现连续的车道级定位。

图1 (a)同一车道不同次测量磁场特征重复性;(b)不同车道磁场特征差异性

由于磁场信号维度低，单历元观测难以形成有效匹配，为此我们充分利用连续多个历元的磁场序列，结合车辆惯导推算轨迹，形成高维度磁场指纹特征，实现精准可靠的匹配定位。图 2为所提MGINS的算法框图，主要分为四个模块：车载航迹推算(VDR)、磁场匹配(MFM)、GNSS以及车道确定。其中VDR是指使用车辆非完整性约束(NHC)增强后的INS，是整个算法的基础模块，连续可用。GNSS模块使用伪距和多普勒观测值修正惯导误差，同时GNSS也被用于在开阔环境下初始化MFM。GNSS和VDR构成了传统的车载GNSS/INS紧耦合算法。MFM模块是MGINS算法的关键，通过和预先建立的道路磁场地图进行序列匹配获得准确的车辆位置和车道信息。

图2 磁场匹配/GNSS/INS车道定位算法框图

为充分发挥磁场匹配定位的潜力，我们在设计磁场匹配算法和融合定位时具有以下特色：

(1)提出“粗+精”磁序列匹配算法(如图 3)，有效缓解了VDR推算轨迹的前向距离误差带来的匹配位置精度下降的问题；

(2)基于磁场匹配位置误差的特性，在车辆坐标系下而非导航坐标系下进行位置修正，有效提升了侧向位置精度。 

图3 “粗+精”磁场序列匹配算法示意

通过五组实验验证了这套磁场匹配/GNSS/INS融合定位算法的效果，测试覆盖了超过200公里的复杂城市道路。图 4为其中一组实验的测试轨迹和周边环境照片，测试地点在武汉市武珞路繁忙路段附近，沿路经过高架桥下、隔音棚以及水果湖隧道等多种GNSS挑战环境。表 1为不同方案在五组实验下的位置误差统计(CDF95)和车道判别准确率。主要参照对比方案包括：

(1)ublox：由商业接收机ublox-F9P直接提供的SPP位置；

(2)MINS：MFM/INS组合方案，MFM初始化通过GNSS实现；

(3)GINS：GNSS/INS紧组合，使用了伪距和多普勒原始测量值；

(4)MGINS：本文所提方案，其中MGINS-1表示在导航坐标系下进行磁匹配位置修正，MGINS-2表示在车辆坐标系下进行位置修正。

结果显示，所提方案在前向、侧向和垂向的平均位置误差(CDF95)分别为2.09 m、1.09 m和0.87 m，平均车道判定准确率为94.67%，相较于对比方案精度提升明显，且鲁棒性更好。详细实验结果和细节分析请参阅我们的论文。

图4 典型测试轨迹和周边环境照片(实验3)

表1 不同方案在五组实验下的位置误差(CDF95)和车道判别准确率

实验结果表明我们所提出的磁场匹配/GNSS/INS融合定位方案能够满足当前自动驾驶/辅助驾驶所需的车道级定位(侧向CDF误差为1.09m，车道识别准确率为94.67%)。

道路磁场地图是本文提出的磁场匹配算法的基础，目前是采用主动采集建库的方式来获取。若能以一种低成本、高效的方式(例如基于智驾车或智能手机用户数据众包)获取道路磁场地图，相信磁场匹配定位将会成为车辆在城市GNSS挑战区域一种可行的绝对定位手段。

相关成果发表在IEEE Transactions on Intelligent Transportation Systems.

参考文献

[1] Niu X, Ding L, Wang Y, Kuang J. MGINS: A Lane-Level Localization System for Challenging Urban Environments Using Magnetic Field Matching/GNSS/INS Fusion. IEEE Transactions on Intelligent Transportation Systems, 2024.