CN113534223A

CN113534223A - 导航系统内的测距法测量结果的完整性监测

Info

Publication number: CN113534223A
Application number: CN202110305325.0A
Authority: CN
Inventors: 维博尔·L·巴格什瓦尔; 施里坎特·P·拉奥; 维贾伊·文卡塔拉曼
Original assignee: Honeywell International Inc
Current assignee: Honeywell International Inc
Priority date: 2020-04-20
Filing date: 2021-03-19
Publication date: 2021-10-22
Also published as: US20210325544A1; US11662472B2

Abstract

本发明题为“导航系统内的测距法测量结果的完整性监测”。本文提供了用于对导航系统内的测距法测量结果进行完整性监测的系统和方法。在某些实施方案中，系统包括利用光学输入生成图像帧的成像传感器。该系统还包括提供伪距测量结果的GNSS接收器；以及接收图像帧和伪距测量结果的计算设备。此外，计算设备利用在不同时间采集的图像帧计算测距法信息；以及基于伪距测量结果和测距法信息来计算系统的全解。另外，计算设备基于伪距测量结果的子组和测距法信息来计算系统的子解，其中子解中的一个子解不基于测距法信息。此外，计算设备基于全解与子解的比较来确定伪距测量结果、测距法信息和由导航系统估计的位置的完整性。

Description

导航系统内的测距法测量结果的完整性监测

相关申请的交叉引用

本申请要求于2020年4月20日提交的印度专利申请序列号202041016982的权益；上述专利申请的全部内容以引用方式并入本文，如同全文列出一样。

背景技术

车辆通常具有采集关于车辆的运动、位置和角取向的信息并根据所采集的信息计算导航数据的导航系统。为了采集用于计算导航数据的信息，一些导航系统可包括传感器装置，该传感器装置具有惯性测量单元(IMU)和/或全球导航卫星系统(GNSS)天线/接收器，其提供与车辆运动和车辆位置相关的测量结果。另外，导航系统可使用Kalman滤波器处理测量结果，以估计车辆相对于所限定的参考坐标系的位置、速度和角取向或车辆运动学，并且对由传感器提供的测量结果应用校正。

另外，一些导航系统用于安全关键型导航应用中。在安全关键型导航应用中，重要的是确保传感器提供可靠的测量结果。因此，可连续监测由传感器提供的测量结果和其他输出，以估计传感器的健康状况、由导航系统中的传感器提供的测量结果的完整性以及由导航系统估计的车辆运动学的完整性。

很多情况下，通过利用由各种传感器提供的传感器测量结果中的冗余，并且通过使用概率算法来检测错误并估计无错误操作期间的运动学误差，实现对于传感器的健康状况、传感器测量结果的完整性以及由导航系统估计的车辆运动学的完整性的监测。用于监测由导航系统使用的测量结果的完整性的方法的一个示例是解分离技术。

另外，用于导航的测量结果可由成像传感器提供。基于图像的传感器可包括相机、雷达、激光雷达或识别并测量位于车辆周围环境中的特征的其他系统。成像传感器可通常提供二维(2D)图像和/或点云的形式的测量结果。使用在不同时间采集的信息，可跟踪环境中的特征以提供参考点，处理器可通过参考点提供导航测量结果。具体地讲，利用图像数据计算得出的导航测量结果可包括关于车辆相对于所采集的图像数据中识别的特征的位置、速度和角取向的信息。

在一些实施方案中，从成像传感器采集的信息可与来自其他传感器诸如IMU和GNSS接收器的测量结果结合使用，以有助于计算车辆运动学状态的统计估计值，并且在GNSS测量结果或其他传感器测量结果不可用时保持导航系统性能。

发明内容

本文提供了用于对导航系统内的测距法测量结果进行完整性监测的系统和方法。在某些实施方案中，系统包括被配置为利用光学输入生成多个图像帧的一个或多个成像传感器。该系统还包括被配置为提供伪距测量结果的全球导航卫星系统(GNSS)接收器。另外，该系统包括被配置为接收多个图像帧和伪距测量结果的一个或多个计算设备。此外，一个或多个计算设备被配置为利用多个图像帧中的两个或更多个图像帧计算测距法信息，其中两个或更多个图像帧是在不同时间采集的。另外，一个或多个计算设备被配置为基于伪距测量结果和测距法信息来计算系统的全解。另外，一个或多个计算设备被配置为基于伪距测量结果的子组和测距法信息来计算系统的多个子解，其中多个子解中的至少一个子解不基于测距法信息。此外，一个或多个计算设备被配置为基于全解和多个子解的比较来确定伪距测量结果、测距法信息和由导航系统估计的位置的完整性。

附图说明

当考虑到优选实施方案的描述和以下附图时，本发明的实施方案可以更容易理解，并且其进一步的优点和用途更加显而易见，在附图中：

图1是根据本公开所述的一个方面的导航系统的框图；

图2是根据本公开所述的一个方面的用于在导航系统内执行测距法信息的完整性监测的系统的框图；

图3是根据本公开的一个方面的用于确定在由成像传感器捕获的不同图像中识别的匹配特征是否有错误的系统的框图；并且

图4是根据本公开所述的一个方面的用于在导航系统内执行测距法信息的完整性监测的方法的流程图。

根据惯例，所描述的各种特征未必按比例绘制，而是用于强调与本发明相关的特征。参考字符在所有图和文本中表示类似的元件。

具体实施方式

在以下具体实施方式中，参考形成其一部分的附图，并且附图通过其中可实践本发明的特定例示性实施方案示出。对这些实施方案进行了足够详细的描述，以使本领域技术人员能够实践本发明，并且应当理解，在不脱离本发明的范围的情况下，可以利用其他实施方案，并且可以作出逻辑改变、机械改变和电气改变。因此，以下详细描述不应被视为具有限制意义。

本文所述的系统和方法提供对导航系统内的测距法信息的完整性监测。具体地讲，完整性监测基于解分离方法来执行，其中来自基于视觉的传感器的测量结果与惯性和/或GNSS测量结果结合。本发明的方法可用于检测和隔离来自GNSS接收器和基于视觉的传感器的测量结果中的错误，并且计算测量结果的保护水平。

图1是示出将来自各种导航信息源的信息融合在一起的导航系统100的框图。例如，导航系统100可包括成像传感器101、GNSS天线/接收器107、IMU 115和/或能够提供导航信息的其他传感器(未示出，但可包括气压计、速度计、高度计、磁力计、星体跟踪器等)。另外，导航系统100内的各种部件可在一个或多个处理单元内实现或与一个或多个处理单元通信。另外，导航系统100内的部件可提供用于存储在一个或多个存储器单元上的信息或采集存储在一个或多个存储器单元上的信息。

如本文所用，在本系统和方法中使用的一个或多个计算设备诸如处理单元或其他计算设备可使用软件、固件、硬件、电路或它们的任何适当组合来实现。一个或多个计算设备可由专门设计的专用集成电路(ASIC)或现场可编程门阵列(FGPA)补充或并入其中。在一些具体实施中，一个或多个计算设备可通过附加收发器与导航系统100外部的其他计算设备通信。一个或多个计算设备还可包括软件程序、固件或其他计算机可读指令或与它们一起运行，以执行在本方法和系统中使用的各种处理任务、计算和控制功能。

本方法可通过由至少一个计算设备执行的计算机可执行指令(诸如程序模块或组件)来实现。通常，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、数据组件、数据结构、算法等。

用于执行本文所述方法的操作中所用的其他数据的各种过程任务、计算和生成的指令可以在软件、固件或其他计算机可读指令中实现。这些指令通常存储在任何适当的计算机程序产品上，该计算机程序产品包含用于存储计算机可读指令或数据结构的计算机可读介质。这样的计算机可读介质可以是可由通用或专用计算机或处理单元或任何可编程逻辑设备访问的任何可用介质。

合适的计算机可读存储介质可以包括例如非易失性存储器设备，包括半导体存储器设备，诸如随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程ROM(EEPROM)、或闪存设备；磁盘，诸如内部硬盘和可以移动磁盘；光盘存储设备，诸如光盘(CD)、数字通用光盘(DVD)、蓝光盘；或可以用于以计算机可以执行指令或数据结构的形式携带或存储所期望的程序代码的任何其他介质。

如上所述，导航系统100可包括成像传感器101。如本文所用，成像传感器可为能够从对象诸如车辆行进穿过的环境采集信息的任何传感器。具体地讲，成像传感器101可通过检测由环境中观察到的视野内的对象反射的信息来从车辆行进穿过的环境采集信息。例如，成像传感器101可检测光、声音、电磁辐射等。在一些具体实施中，成像传感器101可朝导航系统100行进穿过的环境中的对象发射信号，并且成像传感器101可检测反射的信号。例如，成像传感器101可为电光/红外相机(EO/IR)、雷达、声纳、激光雷达或类似的图像捕获系统中的一者或组合。

在一些实施方案中，成像传感器101可包括多个成像传感器。此外，成像传感器101中的多个成像传感器可为相同类型的传感器(即，多个相机)或实现多种图像感测技术。另外，与成像传感器101中的每个传感器相关联的视野可以是不重叠的。另选地，与每个传感器相关联的视野可重叠或甚至基本上相同。取决于传感器类型，可随后处理从具有重叠视野的多个传感器采集的信息，以采集对所观察环境中的对象的三维(3D)描述。

当捕获来自由成像传感器101观察到的环境的信息时，成像传感器101可捕获描述该环境的多个图像数据帧。一般来讲，图像数据帧包含描述所观察环境内的特征的信息。该信息可被提取并与在不同时间采集的其他帧中的类似信息匹配，以确定成像传感器101和附接系统100相对于环境的相对位置和角取向。

由成像传感器101捕获的图像帧的可通过2D像素网格、3D点云、统计描述符、能够描述环境内的对象以供后续比较的其他类型信息来表征。例如，图像帧内的特征可以是能够与周围像素区分开的像素或点的集合。特征可以是与相邻处、平面、纹理、统计分布等具有特定关系的点。一般来讲，在图像帧中描述的所识别的特征与环境中的对象相关。如上所述，通过将像素或点的集合识别为相同对象，或通过使用来自除成像传感器101之外的系统的测量结果来估计特征的位置，可跟踪存在于多个图像帧中的特征。

由成像传感器101捕获的图像帧可由测距法计算器103分析。测距法计算器103可使用描述图像数据帧中的匹配特征的信息来生成测距法信息105。另外，导航系统100可存储由描述来自在不同时间采集的多个图像帧的所跟踪特征的测距法计算器103使用的信息。在一些实施方案中，与测距法计算器103和/或成像传感器101通信或属于其功能的一部分的存储器单元可存储描述从图像帧提取的特征的信息。随着成像传感器103捕获顺序图像，在图像帧内识别的一个或多个特征可对应于在先前和/或随后采集的图像帧中识别的特征。

在一些实施方案中，测距法计算器103可为导航系统100提供测距法信息105。例如，测距法计算器103可使用描述从不同图像帧采集的一个或多个特征的信息来计算导航系统100相对于在与提取特征相关联的环境中观察到的对象的位置和角取向。因此，由测距法计算器103提供的测距法信息105可与相对运动学状态测量结果相关联，诸如导航系统100相对于所观察环境中的识别特征的相对位置和相对角取向。具体地讲，测距法计算器103可为导航系统100提供在与不同采集的图像帧相关联的时间之间发生的测距法信息105。

另外，虽然由测距法计算器103提供的测距法信息105是相对运动学状态测量结果，诸如导航系统100的相对位置和相对角取向，但测距法信息105可与由其他导航信息源提供的数据结合使用以识别导航系统100的绝对运动学状态测量结果。如本文所用，绝对运动学状态测量结果可指以原点不在可立即观察的环境内的参考坐标系为参考的一个或多个测量结果。例如，绝对运动学状态测量结果可参考以地球为中心的地固坐标系或其他类似的参考坐标系。使用由测距法计算器103提供的测量结果来识别绝对运动学状态测量结果的一种常见方法是，使用诸如基于地标的定位或用于关联识别特征的其他技术的方法，将存储在地图数据库内的信息与环境中的识别特征相关联。

在另外的实施方案中，可将测距法信息105提供给传感器融合设备121，该传感器融合设备组合来自其他辅助源的测量结果，以提供与导航系统100相关联的车辆或对象的位置、速度和角取向的绝对运动学状态测量结果129。其他辅助源可包括GNSS天线/接收器107、惯性测量单元(IMU)115或其他潜在导航信息源。传感器融合设备121可将平移和角取向变化105与由GNSS天线/接收器107和IMU 115提供的测量结果组合，以提供绝对运动学状态测量结果129。

在某些实施方案中，GNSS天线/接收器107可包括从GNSS卫星接收卫星信号的至少一个天线。如本文所用，GNSS卫星可指基于空间的卫星，其为提供具有全球覆盖范围的自主地理空间定位的全球导航卫星系统的一部分。一般来讲，GNSS接收器从GNSS卫星接收视距信号，并且基于从多个GNSS卫星接收的信号来计算地理空间位置。GNSS系统的示例可包括由美国政府维护的全球定位系统(GPS)、由欧盟(EU)和欧洲航天局(ESA)维护的Galileo系统、由中国维护的北斗导航系统以及由各个国家政府和政治实体维护的其他导航系统。

在某些实施方案中，耦接到GNSS天线/接收器107的计算设备可从GNSS卫星接收载波相位测量结果，并且在GNSS天线/接收器107的视距内输出伪距测量结果109。当计算设备从四个或更多个卫星接收测量结果时，计算设备可计算导航系统100在地球上或地球附近的任何地方的位置信息。具体地讲，在操作期间，GNSS天线/接收器107可从由可见GNSS卫星接收的信号中提取时间和载波相位数据，并且将伪距测量结果109提供给计算设备。计算设备可为导航系统100导出位置信息。

在某些实施方案中，GNSS天线/接收器107可将伪距测量结果109或利用其计算得出的位置信息提供给传感器融合设备121，传感器融合设备121可将基于来自测距法计算器103的测量结果的相对位置信息与从GNSS天线/接收器107采集的绝对位置信息融合。因此，当导航系统100通过GNSS拒绝的环境时，导航系统100可使用与来自测距法计算器103的先前接收的测距法信息融合的先前接收的GNSS测量结果来预测当前位置估计值，并且使用来自测距法计算器103的最近接收的信息来更新预测的当前位置估计值。另外，传感器融合设备121可向伪距校正设备111提供伪距校正113，以基于由传感器融合设备121计算得出的估计值来调整伪距测量结果109。

在另外的实施方案中，导航系统100可包括IMU 115，其向惯性导航系统119提供惯性测量结果117以提供位置、速度和角取向的惯性估计值。具体地讲，IMU 115可包括检测导航系统100的运动的多个惯性传感器。例如，IMU 115可包括测量沿一个或多个轴的旋转速率的多个陀螺仪和测量沿一个或多个轴的加速度的加速度计。IMU 115可向惯性导航系统119提供惯性测量结果117，该惯性导航系统可向传感器融合设备121提供位置、速度和角取向的惯性估计值，以与来自GNSS天线/接收器107和测距法计算器103的测量结果融合。传感器融合设备121还可向惯性导航系统119提供惯性测量结果校正127，以用于基于从其他传感器诸如GNSS天线/接收器107和测距法计算器103接收的信息来校正惯性运动学状态估计值。

在某些实施方案中，如上所述，传感器融合设备121可提供绝对运动学状态估计值129，以供连接到导航系统100的其他系统使用。另外，传感器融合设备121可向完整性监视器123提供信息。如本文所用，完整性监视器123可指能够确保由导航系统100中的不同辅助传感器提供的测量结果(具体地讲是由成像传感器101和GNSS天线/接收器107提供的测量结果)的完整性以及绝对运动学状态估计值129的完整性的设备或一系列设备。完整性监视器123可指示从成像传感器101和GNSS天线/接收器107采集的测量结果是否可信任，即，由各种源提供的信息是否可被信任为是正确的。此外，完整性监视器123可指示由传感器融合设备121提供的绝对运动学状态估计值129是否为可信任的。完整性监测可包括系统向用户提供及时(在由警示时间指定的限值内)且有效的警告的能力，这些警告告知特定信息源将不用于预期操作或行进阶段。作为这些警告的一部分，完整性监视器123可计算一个或多个保护水平。为了将来自特定传感器的测量结果视为可用于特定预期操作或行进阶段，与绝对运动学状态相关联的保护水平应小于指定的警示限值。如果保护水平超过允许的警示限值，则由相关联的源提供的测量结果不应用于计算导航信息，并且绝对运动学状态不应由连接到导航系统100的其他系统使用。

在某些实施方案中，完整性监测算法基于解分离方法。在解分离方法中，系统确定全解和一个或多个子解，其中基于从可用信息源中的整组测量结果采集的信息来计算全解，并且基于从可用信息源中的整组测量结果的子组采集的信息来计算子解。如本文所用，解可指位置解、导航解或从如本文所述的测量结果采集的其他解。使用全解和子解、它们的协方差以及它们之间的分离的协方差，系统可确定全解的完整性。

完整性监视器123可使用下文更详细描述的解分离方法来确定从采集的信息计算得出的位置解的完整性，该采集的信息通过GNSS天线/接收器107采集自导航卫星并采集自测距法计算器103。例如，主位置解可结合来自所有可用卫星的一组伪距，这些伪距用于校正使用惯性导航系统119估计的位置解，其中子解基于来自可用卫星的伪距的子组。另外，主位置解可结合来自测距法计算器103的相对平移和相对角取向的变化。系统可随后基于主位置解和位置子解之间的差异或分离统计值来确定主位置解的完整性或保护水平。

如本文所用，保护水平可指对位置解的位置误差的统计界定，位置解使用通过GNSS天线/接收器107得自导航卫星以及通过测距法计算器103得自成像传感器101的信息来计算。保护水平可限定区域的边缘与车辆的真实位置之间的距离，以特定的限定概率确保该距离包含带有导航系统100的车辆的指示位置。因此，保护水平限定用于确定是否满足漏掉的警示和错误的警示要求的区域。此外，保护水平是实际测量结果的函数，并且在给定关于预期位置误差特性的合理假设的情况下，保护水平的值是可预测的。

图2是示出根据本文所述的实施方案的导航系统200的框图。如图2所示，导航系统200可包括成像传感器201、测距法计算器203、GNSS接收器207和IMU 215。成像传感器201、测距法计算器203、GNSS接收器207和IMU 215的功能可基本上类似于上文相对于图1中的成像传感器101、测距法计算器103、GNSS天线/接收器107和IMU 115所述。

在一些实施方案中，成像传感器201可接收图像感测参数245。图像感测参数245可包括关于由成像传感器201观察到的环境内的特征位置的信息。例如，地图数据库、地形信息或关于特征位置的其他信息。此外，图像感测参数245可包括描述传感器相对于包含成像传感器201的车辆的位置和成像传感器201的固有参数的信息。

在某些实施方案中，成像传感器201将所采集的图像帧数据提供给图像处理器237。图像处理器237可为处理设备(诸如上文相对于图1所述的计算设备)。图像处理器237可从由成像传感器201提供的数据中提取特征描述符。例如，提取的特征描述符可包括定义平面、点、各个点和平面的取向、统计描述、直方图、图像强度、观察表面的反射率等的点。使用由成像传感器201采集的用于在不同时间采集的多个图像的信息，图像处理器237还可执行用于在多个图像帧中识别的特征的特征匹配算法。图像处理器可将关于在多个图像帧中识别的特征的信息提供给测距法计算器203，其中测距法计算器可基于匹配特征的单独图像中的特征位置之间的差异来计算相对于特征的相对角取向和相对平移的变化。测距法计算器203可随后提供相对角取向和相对平移信息，以用于后续处理以及与由IMU 215和GNSS接收器207提供的测量结果融合。

例如，测距法计算器203和图像处理器237可比较与连续采集的图像帧中的图像帧对相关联的数据，以确定成像传感器201的相对旋转和相对平移。在一些具体实施中，测距法计算器203可提供旋转信息dR，其中dR是3×3旋转矩阵，该矩阵描述在成像传感器201捕获连续采集的图像帧的时间期间车辆的旋转。另外，测距法计算器203可提供位置信息dT，其中dT是在成像传感器201捕获连续采集的图像帧的时间期间车辆位置的变化。此外，可在相同的测量频率下计算dR和dT两者，该测量频率也可等于成像传感器201捕获图像的频率。另外，成像传感器201捕获图像的频率可等于计算来自其他感测设备(IMU 215和GNSS接收器207)的其他测量结果的频率。此外，可在彼此不同并且不同于导航系统200内的其他设备的频率下计算dR和dT。另外，测距法计算器203可计算dR和dT两者的测量结果噪声协方差。此外，可在成像传感器201的参考坐标系中计算dR和dT。

在一些实施方案中，IMU 215可以基本上类似于上文所述的IMU 115的方式提供惯性测量结果。如图2所示，IMU 215可将来自IMU 215中的各种惯性传感器的原始惯性测量结果提供给惯性导航系统(INS)211。INS211可执行捷联算法，其中捷联算法使用先前确定的导航参数或运动学状态以及原始惯性测量结果来确定携带IMU 215的车辆的更新的导航参数，诸如位置、速度和角取向。在一些具体实施中，所计算的导航参数的测量结果轴可与导航系统200附接到的车辆的主轴对齐，其中IMU 215的坐标系与成像传感器201的坐标系之间的关系是已知的。另外，INS 211可从传感器融合设备诸如传感器融合设备121接收校正信息，以校正使用惯性测量结果计算的导航参数中可能产生的误差。

此外，导航系统200可使用Kalman滤波器来执行与传感器融合设备121相关联的功能的一部分。作为IMU 215、GNSS接收器207和成像传感器201提供的测量结果融合的一部分，导航系统200可将所接收的测量结果结合到Kalman滤波器中。

在一些实施方案中，由于测距法计算器203可提供包括位置和旋转的相对测量结果的测距法信息(即，两个测量时间点之间的车辆位置和角取向之间的差值)，因此可使用增强信息223来增强主滤波器213，以供完整性监视器诸如图1中的完整性监视器123使用。导航系统可实施状态复制方法，以将测距法信息结合到传感器融合设备121和完整性监视器123所使用的过程中。

传统上，捷联INS(诸如INS 211)由IMU(诸如IMU 215)中包括的传感器和滤波器组成，以估计对象相对于定义的参考坐标系的位置、速度和角取向，这些传感器由从GNSS接收器(诸如GNSS接收器207)接收的测量结果辅助。另外，可定义状态向量，该状态向量包括与导航系统200相关联的对象的位置、速度和角取向。此外，可定义状态误差向量，该状态误差向量包括位置误差、速度误差、角取向误差以及各种IMU和GPS传感器误差。传统的INS可在Kalman滤波器之外在时间上向前积分状态向量。此外，传感器融合设备121可在Kalman滤波器内传播状态误差向量(及相关联的统计值)，并且将提供的GNSS测量结果与该状态误差向量(及相关联的统计值)进行比较，从而得到新息向量。误差状态Kalman滤波器对新息向量(及其统计值)进行操作以计算对状态误差向量的校正。对状态误差向量统计值(平均值和协方差)的校正用于以周期性间隔校正车辆状态向量。

在某些实施方案中，可使用从测距法计算器203接收的增强信息223来增强传感器融合设备121。例如，成像传感器201可在不同的时间点t₁和t₂采集两个连续的图像帧。图像处理器237和测距法计算器203可处理不同的图像帧，以确定成像传感器201在时间点t₁和t₂之间的相对平移(dT)和相对角取向变化(dR)。dT和dR的测量结果(及任何相关联的统计值)可用于增强由主滤波器213、子滤波器243和子子滤波器217使用的信息。

由于dT和dR的统计值是成像传感器201在时间点t₁和t₂处的位置和角取向的函数，因此在一些具体实施中，时间点t₁处的状态误差向量统计值可用时间点t₁处的位置和角取向统计值的另外副本来增强。具体地讲，可将状态向量的误差统计值传播到时间点t₂，同时保持来自时间点t₁的位置和角取向统计值的副本。例如，主滤波器213、子滤波器243和子子滤波器217可保持增强信息223，其包括在时间点t₁处的误差向量统计值的估计位置和角取向的副本，计算时间点t₂处的状态误差向量统计值，并计算时间点t₁和t₂之间的状态误差向量的位置和角取向统计值的交叉协方差。

概括地讲，与时间点t₁和t₂两者相关的信息的使用在本文中可被称为状态复制方法。更详细地讲，基于由成像传感器201提供的测量结果，状态复制方法可包括在时间点t₁处使用状态误差向量的位置和角取向统计值的副本来增强状态误差向量。此外，可通过复制对应于增强状态的子矩阵(时间点t₁处状态误差向量的位置和角取向)来将状态协方差矩阵增强至与增强状态向量一致。另外，状态转换矩阵(F)和过程噪声映射矩阵(G)可分别用对应于增强状态误差向量统计值的标识矩阵和零矩阵来增强。

此外，状态复制方法可包括在Kalman滤波器内传播从时间点t₁到时间点t₂的增强状态误差向量及相关联的统计值。因此，增强状态误差向量统计值可包括导航系统200在时间点t₁和t₂处的位置和角取向的估计值以及导航系统200在时间点t₁和t₂处的位置和角取向的交叉协方差。

此外，状态复制方法可包括在时间点t₂处使用来自成像传感器201在时间点t₁和t₂处采集的图像帧的数据计算dR和dT的测量结果(及相关联的统计值)。另外，在时间点t₂处，测量结果dR和dT(及相关联的统计值)可表示为时间点t₂处的增强状态向量误差统计值的函数。此外，对应的测量结果模型可与dR和dT测量结果及相关联的统计值一起用于Kalman滤波器的校正步骤。此外，在校正步骤之后，该方法删除与时间点t₁相关联的增强位置和角取向状态误差向量统计值。

在某些实施方案中，对由导航系统200处理的每对连续图像重复上述状态复制方法。此外，上述状态复制方法的数学描述可包括为包含导航系统200的对象的随机系统定义状态向量。例如，状态误差向量可定义如下：

X＝[δr^T ψ^T E^T]^T。

如图所示，δr可对应于3D车辆位置的误差，ψ可对应于3D角取向的误差，并且E对应于另外的车辆误差状态(例如，3D速度、IMU偏置、GPS伪距偏置、GPS接收器时钟偏置以及对应于其他辅助传感器的另外状态)。此外，状态误差协方差矩阵可定义为：

在时间点t₁处采集一对连续图像(两个测量结果时间点)的第一图像。在该时间点，通过如下复制位置和角取向状态来增强估计的状态误差向量和状态误差协方差矩阵：

附加的下标t₁指示时间t₁时处状态误差向量统计值的元素的数值被采样并复制到增强矩阵中。

另外，状态转换矩阵F可如下增强：

增强状态转换矩阵可表示增强状态是时间t₁处的位置和角取向的估计值，并且其值相对于时间t₂保持恒定。另外，过程噪声协方差矩阵可用对应于增强状态的零来增强，因为这些状态的统计值在预测步骤期间不受不确定性或过程噪声的影响。

在时间点t₂，成像传感器201可采集一对连续图像的第二图像帧，并且这两个图像可由图像处理器237和测距法计算器203处理以计算相对位置dT和角取向dR的测量结果统计值。例如，使

表示在时间t从坐标系A到坐标系B的方向余弦矩阵(DCM)。DCM矩阵可以是3D角取向状态的函数Φ(t)。另外，使

为从主体坐标系到成像传感器坐标系的DCM矩阵，假定是已知的恒定矩阵。此外，ECEF可指地球中心地固(ECEF)坐标系中的测量结果，而W可指漂移方位角坐标系中的测量结果。鉴于上述情况，测距法计算器203可如下计算相对平移dT：

在成像传感器坐标系的位置变化的情况下，

在时间t_k-1处表达。ECEF坐标系中的位置变化被解析，因为是从INS 211得知r^ECEF。当成像传感器201是单目相机时，dT可以是唯一的，直到单个测量时间点的缩放系数。因此，dT可如下归一化为单位向量：

另外，测距法计算器203可如下计算旋转信息dR：

其中两个成像传感器坐标系之间的相对旋转是在时间t_k-1处从成像传感器坐标系到ECEF坐标系的DCM预先乘以在时间t_k处从ECEF坐标系到成像传感器坐标系的DCM。如果使用ECEF坐标系和成像传感器坐标系之间的中间参考坐标系，则可如下重写dR的表达式：

在时间点t_k-1至t_k期间，使用标准Kalman滤波器公式传播状态平均误差向量和状态误差协方差矩阵，这些公式可结合对应于可用传感器测量结果(诸如由GNSS接收器207提供的测量结果)的任何其他误差状态。

时间点t₂处的预测状态误差向量估计值在结合测距法信息之前可为如下：

如图所示，在时间t₁以及在时间t₂处的3D位置和3D角取向的估计值可在时间t₂处的增强状态误差向量中获得。另外，控制状态向量的非线性函数可被线性化，以计算控制状态误差向量的线性函数。

如果ξ被定义为DCM dR中的误差，则dR的公式可如下重写：

其中(*)×是指偏斜对称矩阵算子。应用所述小角度假设，使得

φδθ～0

可将dR的公式重新排列成如下形式

其中

并且

另外，使用以下结果：

如果y＝Ax并且A为标准正交的，则y×＝A[x×]A^TdR的公式可重写为：

另外，将δdT定义为dT中的误差，上述dT公式可重写为：

当成像传感器201为单目相机时，从成像传感器201提供的测量结果是单位向量。因此，dT的公式可线性化为：

其中

概括地讲，单目相机的所得测量结果误差向量如下

其中测量结果矩阵如下

在一些具体实施中，线性化模型F_AUG可用于Kalman滤波器的预测步骤。线性化测量结果模型可用于Kalman滤波器的更新步骤。

一旦使用校正步骤将由测距法计算器203提供的测量结果结合到Kalman滤波器中，就可丢弃时间t₁处的位置和角取向的复制状态以及协方差矩阵的对应划分。可随后从时间步骤t₂开始对下一个可用的测距法信息以及Kalman滤波器的预测布置和校正步骤重复状态复制过程，其中时间t₂处的位置和角取向被复制用于传播到时间t₃。

在某些实施方案中，导航系统200还可执行解分离方法235，以确定由测距法计算器203提供的测量结果和来自其他来源诸如GNSS接收器207的测量结果的完整性，以及确定由导航系统200估计的状态向量。

在一些具体实施中，测量结果的特定子组可用于估计状态向量的元素的统计值。例如，给定从测量结果的不同子组获得的特定元素的两个不同统计估计值，可在给定两个估计值之间的交叉协方差的情况下检查所得估计值的一致性。另外，可使用标准阈值测试，通过使用两个估计值的差异的预期不确定性来检查它们之间的差异的一致性。

在一些具体实施中，解分离方法的目标可以是计算保护极限，使得对应状态元件的估计误差大于保护极限的概率小于要求。例如，估计误差大于保护极限的概率小于危险地误导信息的概率。例如，可计算水平保护极限(HPL)，使得水平位置的估计误差大于计算得出的HPL的概率小于危险地误导信息的概率。

在某些实施方案中，完整性监视器123可使用位置估计值

来检查GNSS天线/接收器107及其测量结果109的完整性，该位置估计值使用所有可用测量结果计算得出。在用于计算

的测量结果中没有一个测量结果是有错误的假设下(即，假设H₀，并且给定无错误完整性失效的概率P_FF，则HPL可如下计算：

其中Q(.)表示由以下公式给出的高斯概率密度函数的右半尾概率：

变量λ₀是

的误差协方差矩阵的最大特征值。λ₀≥0，因为误差协方差矩阵是半正定的。选择P_FF的值作为危险误导信息P_HMI的规定概率的分数。例如，P_HMI可在子滤波器243之间均分。

此外，给定从测量结果的子组计算得出的位置

的第二估计值(通过排除测量结果j)和位置估计值之间的差异

的分离协方差矩阵P_0j，两个估计值之间的差异或“分离”的范数为：

其中d被称为鉴别器。给定错误检测的概率P_FA，阈值D可如下计算：

其中λ_0j是P_0j的最大特征值。分离协方差矩阵P_0j如下计算：

此外，可在d>D时声明错误。如果该方法在d>D时声明错误，则根据

和

的误差统计值，错误警报的概率将为P_FA。

在第j次测量结果中存在未检测到的错误的假设H_j下，HPL可如下计算：

其中a＝λ_j ^1/2Q-¹(P_MD)，λ_j是

的误差协方差矩阵的最大特征值，并且P_MD是

中的错误的漏检概率。我们使用总和(D+a)来捕获其中两个底层误差处于相反方向的最差情况场景。

在未检测到错误的情况下，估计值

的HPL可如下计算：

HPL＝max(HPL_H0,HPLH_j)

上述解分离测试可用于使用N个测量结果来检测错误；并且在未检测到错误的情况下确定估计值

的HPL。

在一些实施方案中，在假设存在未检测到的错误的情况下，HPL可以所需的完整性极限提供水平保护区域。因此，在给定某个应用的特定警示限值的情况下，如果HPL的值高于警示限值，则声明系统不能安全使用。虽然上述计算应用于HPL的计算，但也可在计算垂直保护极限(VPL)时执行类似的计算。导航系统200可包括保护水平计算205，该保护水平计算提供保护水平输出209，以供其他计算系统使用或在导航系统200内使用的。另外，保护水平计算205可提供警示输出239，用于通知导航系统200内的其他计算系统或其他部件已发生错误。

在某些实施方案中，概率P_FA、P_MD和P_FF的值可从系统要求得出。例如，危险误导信息的概率值(P_HMI)可为10^-7/小时，并且可被定义为应用要求的一部分。另外，误警率(P_FA)可具有10^-5/小时的示例性值，并且也被定义为应用要求的一部分。卫星错误概率(P_SF)可具有10^-5/小时的示例性值，并且被认为是单个卫星错误的概率。成像传感器测量结果错误概率P_ISF可具有10^-5/小时的示例性值，并且可通过相机可靠性数据或通过工程师或其他系统设计者的判断来获得。

在某些实施方案中，漏检的概率(P_MD)可如下计算：

P_MD＝(P_HMI-P_FF)/(NP_SF+P_FF),

其中N是卫星的数量。此外，无错误失效概率如下计算：

P_FF＝η_FFP_HMI，

其中η_FF可等于0.4或由工程师或与系统相关联的其他个体确定的其他数字。

在另外的实施方案中，其中解分离方法结合来自成像传感器201的测量结果，可针对GPS选择概率P_FA，因为P_FA可表示可用测量结果中的误警率的分配。此外，可基于成像传感器201的可靠性经历和成像传感器201的失效数据，先验地选择成像传感器201的测量结果错误的概率值，诸如成像传感器P_ISF的值。

另外，由于由导航系统200实现的解分离方法235可使用N个子滤波器来检测错误测量结果，并且使用N！/(N-2)！*2！)个子子滤波器来识别和排除错误测量结果，其中每个子滤波器243和子子滤波器217对N个可能的测量结果的子组进行操作。此外，子子滤波器217可向排除水平计算219提供输出。排除水平计算219可向另一个计算系统提供错误识别229和排除水平输出231或在导航系统200内使用。

在一些实施方案中，为了计算排除水平，完整性监视器123可执行与错误检测类似的算法，然而，如上所述，对于排除水平的计算，存在另外的滤波器层。如上所述，对于解分离方法，存在用于计算主解的主滤波器213、使用解分离方法来检测错误测量结果的子滤波器243，以及用于识别错误测量结果并计算排除水平的子子滤波器217。

在计算排除水平时，完整性监视器123可使用由主滤波器213、子滤波器243和子子滤波器217计算的估计状态(误差)向量统计值，其中估计状态向量可如下表示：

主滤波器：x₀₀；

子滤波器：

以及

子子滤波器：

另外，完整性监视器123可计算测试统计数据，诸如鉴别器或一致性指示器。例如，完整性监视器123可使用子滤波器243和子子滤波器217的适当元素的欧几里得范数来计算鉴别器。完整性监视器123或排除水平计算219可如下将鉴别器计算为子滤波器状态向量与相关联的子子滤波器状态向量之间的距离：

dx_nm＝x_0n-x_nm

d_nm＝||dx_nm||₂

此外，完整性监视器123或排除水平计算219可如下计算分离协方差矩阵dP_nm：

当计算分离协方差矩阵时，完整性监视器123或排除水平计算219可如下计算排除阈值D_nm：

其中

是dP_nm和

在另外的实施方案中，当存在以下条件时，排除水平计算219可就错误发出警报，将测量结果源识别为有错误(错误ID 229)：

以及

如果子滤波器n与主滤波器0的间隔大于阈值，则n是可能失败的卫星。如果子滤波器n与其子子滤波器中的至少一个子子滤波器的间隔大于排除阈值，则卫星n不是错误卫星，因为错误卫星的贡献仍然包括在子滤波器n中。如果子滤波器r与其子子滤波器中的每个子子滤波器的间隔小于排除阈值，则卫星r是错误卫星，前提条件是其他子滤波器中的每个子滤波器与其子子滤波器中的至少一个子子滤波器的间隔大于排除阈值。在一些实施方案中，当信息源被识别为有错误时，可使用子滤波器r作为主滤波器来重新初始化主滤波器213、子滤波器243和子子滤波器217，以排除由错误的测量结果源产生的测量结果。

此外，排除水平计算219可如下计算各种测量结果源的排除水平：

EL_n＝max(D_nm+a_nm)

其中a_nm结合子子滤波器217的协方差矩阵和漏检概率P_MD。另外，子子滤波器217的不确定性影响可如下计算

其中

是P_nm和

K_MD＝Q^-1(P_MD)的最大特征值。

排除水平计算219可提供排除水平输出231以供其他系统或导航系统200使用。如本文所用，排除水平可能是一个误差范围，其包含主滤波器的状态误差向量(例如，位置)到排除错误卫星之后的概率1-P_FE，其中P_FE是错误排除的概率。如果子滤波器243(其包括来自错误的测量结果源的测量结果)与子子滤波器217中的一个子子滤波器之间的分离小于计算得出的排除阈值，则可能发生错误排除。在一些具体实施中，排除水平(水平排除水平、垂直排除水平等)可以是主解的所有N个子滤波器上的最差情况分离，并且可如下计算：

EL＝max(D_0n+a_0n)

此外，相对于排除，可忽略无错误的罕见正常状况的影响，因为排除仅在检测到错误时发生。

在某些实施方案中，在解分离方法235中包括来自成像传感器201的测量结果的情况下，导航系统200可包括图像感测修改241，其中图像感测修改241是对解分离方法235的更改，以确定由成像传感器201结合来自其他信息源的测量结果提供的测量结果的完整性。例如，图像感测修改241可包括结合与和GNSS接收器207通信的各个卫星相关联的测量结果以及由测距法计算器203提供的测距法信息。具体地讲，可使用状态复制方法诸如上述状态复制方法来结合测距法信息。

在另外的实施方案中，图像感测修改241可包括将测量结果的总数从N增加到N+1。因此，N+1个测量结果包括来自与GNSS接收器207通信的N个卫星的N个伪距测量结果以及来自成像传感器201的1个测量结果(其包括dR、dT和伴随的统计值)。因此，主滤波器213可使用N+1个测量结果来计算全解。此外，图像感测修改241可包括限定另外的子滤波器243，其中该另外的子滤波器243排除由成像传感器201提供的测量结果并且包括N个卫星测量结果。因此，上述标准解分离方法可用于计算保护水平(诸如水平保护水平和垂直保护水平)。

在另外的实施方案中，图像感测修改241还可将子子滤波器217的数量从N！/((N-2)！*2！)个子滤波器217增加到(N+1)！/((N-1)！*2！)个子子滤波器217，其中由于第(N+1)个子滤波器243而添加了另外的N个子滤波器217。此外，对于另外的子子滤波器217，上述用于计算排除水平并识别错误的方法可结合添加来自成像传感器201的测量结果和来自GNSS接收器207的N个测量结果一起使用。因此，通过将图像感测修改241结合到解分离方法235，导航系统200可确定由测距法计算器203提供的测量结果的完整性。

图3是导航系统300的框图，该导航系统使用来自GNSS接收器307和IMU 315的数据确定与成像传感器301相关联的经处理的信息是否有错误。在某些实施方案中，导航系统300可包括成像传感器301、图像处理器337、测距法计算器303、GNSS接收器307和IMU 315，它们的功能基本上类似于上文相对于图2所述的成像传感器201、图像处理器237、测距法计算器203、GNSS接收器207和IMU 215。

另外，导航系统300可监测由GNSS接收器307和成像传感器301(经由测距法计算器303)产生的测量结果的完整性，其方式类似于由图2中的导航系统200执行的完整性监测。例如，INS 311可以类似于INS 211的方式起作用。另外，增强信息323可类似于图2中的增强信息223。此外，主滤波器313、子滤波器343和子子滤波器317可类似于主滤波器213、子滤波器243和子子滤波器217。此外，保护水平计算305、排除水平计算319、解分离方法335和图像感测修改341可类似于保护水平计算205、排除水平计算219、解分离方法235和图像感测修改241。另外，导航系统300提供类似于图2中的警示输出239、保护水平输出209、错误识别输出229和排除水平输出231的警示输出339、保护水平输出309、错误识别输出329和排除水平输出331。

在某些实施方案中，导航系统300可使用来自IMU 315和GNSS接收器307的测量结果确定来自成像传感器301的经处理的信息是否有错误。如图所示，IMU 315可向多个INS提供信息。具体地讲，IMU 315将惯性测量结果提供给INS 311用于完整性监测目的并且提供给INS 351。INS 351可使用来自IMU 315的惯性测量结果计算导航系统300的位置、速度和角取向。INS 351可向外部系统和/或图像警示主滤波器353提供位置、速度和角取向计算。

在另外的实施方案中，为了确定来自成像传感器301的处理信息是否有错误，导航系统可使用图像警示主滤波器353和图像警示子滤波器355。图像警示主滤波器353和图像警示子滤波器355可以类似于图2中的主滤波器213和子滤波器243的方式起作用。具体地讲，图像警示主滤波器353和图像警示子滤波器对来自INS和GNSS接收器307的测量结果实施解分离方法335，以确定来自GNSS接收器307的任何测量结果是否有错误。另外，时间点t_k-1处的状态(误差)平均向量和状态(误差)协方差矩阵

仅在GNSS测量结果和由图像警示主滤波器353和图像警示子滤波器355估计的位置通过在时间点t_k-1处的上述完整性测试的情况下，可通过复制来自时间点t_k-1的位置和角取向状态来用增强信息324增强：

上述过程用于预测时间点t_k处的增强状态误差向量和状态协方差矩阵

来自GNSS接收器307的伪距测量结果可用于校正状态(误差)平均向量和状态(误差)协方差矩阵，以计算时间点t_k处更新的状态(误差)平均向量和状态(误差)协方差矩阵。图像警示主滤波器353和图像警示子滤波器355可使用上述方法来计算估计的水平位置和垂直位置的鉴别器、阈值和保护水平，并且可使用解分离方法335来确定GNSS测量结果的完整性以及由图像警示主滤波器353和图像警示子滤波器355在时间点t_k估计的位置。与还执行排除计算和错误识别的完整性监视器123相比，图像警示主滤波器353和图像警示子滤波器355可用于确定卫星错误是否独立于成像传感器301发生，但由于没有子子滤波器，因此来自图像警示主滤波器353和图像警示子滤波器355的输出被提供给图像警示357。图像警示主滤波器353和图像警示子滤波器355可向图像警示357提供指示，以指示通过GNSS接收器307提供的测量结果以及由图像警示主滤波器353计算得出的导航系统300的位置估计值中是否存在错误。如果由解分离方法335执行的完整性测试在时间点t_k-1和t_k处对于状态(误差)平均向量和状态(误差)协方差矩阵是通过，则图像警示357使用来自GNSS接收器307的GNSS测量结果以及由图像警示主滤波器353估计的增强状态向量和增强状态协方差矩阵独立于成像传感器301来计算dR、dT以及相关联的统计值：

此外，dR、dT及其统计值随后被不良特征检测器359用来测试特征匹配。由于dR和dT的公式是非线性的，因此可使用无先导变换或本领域技术人员已知的其他方法来计算这些矩阵及其统计值。如果由解分离方法335执行的完整性测试在时间点t_k-1和t_k不通过，则图像警示357不将任何信息传递到不良特征检测器359。

在一些实施方案中，当图像警示357确定来自GNSS接收器307的测量结果无错误并且导航系统300的估计位置通过完整性测试时，图像警示357可使用来自GNSS接收器307和IMU 315的测量结果利用导航系统300的增强状态向量估计值来计算dR、dT及相关联的统计值。图像警示357可随后将dR、dT的估计值及相关联的统计值提供给不良特征检测器359。不良特征检测器359可使用dR、dT的估计值及相关联的统计值来测试来自成像传感器301和测距法计算器303的低水平数据。例如，图像处理器337可将关于在连续采集的图像帧中找到的匹配特征对的信息提供给测距法计算器303。不良特征检测器359可针对所接收的来自图像警示357的dR、dT的估计值及相关联的统计值来测试从图像处理器337采集并由测距法计算器303处理的匹配特征对。在时间点t_k，不良特征检测器359可使用以下测试来识别对由测距法计算器303使用由图像处理器337匹配的特征计算得出的dR、dT及相关联的统计值有贡献的不良特征匹配。

其中D_dT和D_dR是指由用户选择用来识别不良特征匹配的阈值。本领域的技术人员可选择其他类似的测试。图像处理器337可在连续的成像传感器坐标系上匹配特征，并且使用可用特征或可用特征的子组来计算dR、dT及相关联的统计值。如果由图像处理器337使用可用特征计算得出的dR、dT及相关联的统计值通过上文给出的两个阈值测试，则不存在导致不良测距法测量结果的错误特征匹配。如果由图像处理器337使用可用特征计算得出的dR、dT及相关联的统计值未通过上文给出的两个阈值测试中的一者或两者，则存在导致不良测距法测量结果的至少一个错误特征匹配。可使用本领域的技术人员已知的多种方法来识别一个或多个不良特征匹配。用于识别不良特征匹配的一种方法遵循解分离方法335。如果存在G个可能的匹配特征，则由图像处理器337使用G-1个匹配特征来计算dR、dT及相关联的统计值的G个子解。如果由图像处理器337使用G-1个特征计算得出的dR、dT及相关联的统计值通过上文给出的两个阈值测试，则排除的匹配特征对是导致不良测距法测量结果的错误特征匹配。存在使用匹配特征对的组合的其他技术，这些技术使用本领域技术人员已知的阈值测试，然而，这些技术还执行与由图像警示357计算得出的dR、dT及相关联的统计值的比较。

不良特征检测器359可将对与所采集的状态向量估计值不一致的测距法信息(如dR、dT及其相关联的统计值)有贡献的匹配对标记为错误，并且可防止错误的匹配对用于后续计算。因此，当测距法计算器303从不良特征检测器359接收匹配特征对的最终组时，测距法计算器303可仅使用与在计算测距法信息(如dR、dT及其相关联的统计值)时由图像警示357计算得出的无错误状态向量估计值一致的匹配对。

图4是用于在导航系统中监测测距法测量结果的完整性的方法400的流程图。如图所示，方法400在401处继续，其中接收来自至少一个成像传感器的多个图像帧。例如，在不同时间，成像传感器可采集包含描述环境内的特征的数据的图像帧。另外，方法400在403处继续，其中使用多个图像帧中的数据来计算测距法信息。例如，图像处理器可识别在不同时间采集的两个不同图像帧中的匹配特征。基于匹配特征之间的差异，测距法计算器可计算测距法信息，该测距法信息表示当成像传感器采集不同图像帧时成像传感器在不同时间之间的位置和角取向的变化。

在一些实施方案中，方法400在405处继续，其中从GNSS接收器接收多个伪距测量结果。另外，方法400在407处继续，其中基于多个伪距测量结果和测距法信息来计算全解。此外，方法400在409处继续，其中计算多个子解。例如，在计算子解时，伪距测量结果和测距法信息中的至少一者不用于计算多个子解中的每个子解。另外，测距法信息不用于计算多个子解中的至少一个子解。此外，方法400在411处继续，其中基于多个子解与全解的比较来确定测距法信息和伪距测量结果的完整性。

示例性实施方案

实施例1包括一种系统，该系统包括：被配置为利用光学输入生成多个图像帧的一个或多个成像传感器；被配置为提供伪距测量结果的全球导航卫星系统(GNSS)接收器；以及被配置为接收多个图像帧和伪距测量结果的一个或多个计算设备，其中一个或多个计算设备被配置为：利用多个图像帧中的两个或更多个图像帧计算测距法信息，其中两个或更多个图像帧是在不同时间采集的；基于伪距测量结果和测距法信息来计算系统的全解；基于伪距测量结果的子组和测距法信息来计算系统的多个子解，其中多个子解中的至少一个子解不基于测距法信息；以及基于全解与多个子解的比较来确定伪距测量结果、测距法信息和由导航导航解估计的位置的完整性。

实施例2包括实施例1所述的系统，其中一个或多个计算设备使用在实施状态复制方法的不同时间产生的测距法信息来计算全导航解和多个子解。

实施例3包括实施例2所述的系统，其中由一个或多个计算设备实施状态复制方法包括：利用与第一时间相关联的状态向量和状态协方差矩阵信息增强状态向量和状态协方差矩阵；将增强状态向量从第一时间传播到第二时间；基于在第一时间和第二时间采集的图像帧来计算测距法信息；使用GNSS伪距测量结果和测距法信息校正增强状态向量信息；以及删除与第一时间相关联的增强状态向量信息。

实施例4包括实施例1至3中任一项所述的系统，其中一个或多个计算设备被进一步配置为：计算每个子解的多个子子解；以及基于多个子子解与相关联的子解的比较来确定伪距测量结果和测距法信息中的哪一者是有错误的。

实施例5包括实施例4所述的系统，其中一个或多个计算设备被进一步配置为从导航解的计算中排除被确定为有错误的伪距测量结果和测距法信息。

实施例6包括实施例1至5中任一项所述的系统，其中一个或多个计算设备通过基于全解和多个子解计算一个或多个保护水平来确定完整性。

实施例7包括实施例1至6中任一项所述的系统，其中测距法信息包括位置变化信息和旋转信息。

实施例8包括实施例1至7中任一项所述的系统，该系统还包括不良特征检测器，该不良特征检测器基于伪距测量结果来确定两个或更多个图像帧中的匹配特征是否有错误。

实施例9包括实施例8所述的系统，其中当使用没有测距法信息的解分离方法将伪距测量结果识别为无错误时，不良特征检测器确定匹配特征有错误。

实施例10包括实施例1至9中任一项所述的系统，该系统还包括提供系统的惯性测量结果的惯性测量单元。

实施例11包括一种方法，该方法包括：从至少一个成像传感器接收多个图像帧，其中多个图像帧中的每个图像帧包含描述对该至少一个成像传感器可见的环境的数据；使用多个图像帧中的数据计算测距法信息；从全球导航卫星系统接收器接收多个伪距测量结果，多个伪距测量结果中的每个伪距测量结果与不同的卫星相关联；基于多个伪距测量结果和测距法信息来计算全解；计算多个子解，其中伪距测量结果和测距法信息中的至少一者不用于计算多个子解中的每个子解，其中测距法信息不用于多个子解中的至少一个子解的计算；以及基于多个子解与全解的比较来确定测距法信息、伪距测量结果和由导航系统估计的位置的完整性。

实施例12包括实施例11所述的方法，其中全解和子解使用状态复制方法结合测距法信息。

实施例13包括实施例12所述的方法，其中使用状态复制方法结合测距法信息还包括：利用与第一时间相关联的状态向量和状态协方差矩阵增强状态向量和状态协方差矩阵；使用Kalman滤波器将增强状态向量从第一时间传播到第二时间；基于在第一时间和第二时间采集的图像帧来计算测距法信息；用Kalman滤波器状态估计值校正增强状态向量；以及删除与第一时间相关联的状态向量信息。

实施例14包括实施例11至13中任一项所述的方法，该方法还包括：计算多个子解中的至少一个子解的多个子子解；确定至少一个子解与至少一个子解的相关联的多个子子解中的每个子子解的间隔是否小于排除阈值；以及当至少一个子解与相关联的多个子子解中的每个子子解的间隔小于排除阈值时，将从至少一个子解的计算中排除的伪距测量结果或测距法信息中的至少一者识别为有错误。

实施例15包括实施例14所述的方法，该方法还包括从导航解的后续计算中排除伪距测量结果或测距法信息中的至少一者。

实施例16包括实施例11至15中任一项所述的方法，其中确定完整性包括基于全解与多个子解的比较来计算一个或多个保护水平。

实施例17包括实施例11至16中任一项所述的方法，其中测距法信息包括位置变化信息和旋转信息。

实施例18包括实施例11至17中任一项所述的方法，该方法还包括基于伪距测量结果来确定多个图像帧中的两个或更多个图像帧中的匹配特征是否有错误。

实施例19包括实施例18所述的方法，其中确定匹配特征是否有错误包括：使用伪距测量结果来计算图像警示全解；计算多个图像警示子解，其中伪距测量结果中的至少一个不用于计算多个图像警示子解中的每个图像警示子解；以及基于图像警示子解与图像警示全解的比较来确定图像警示全解是否无错误；当图像警示全解无错误时：将图像警示全解提供给不良特征检测器，其中不良特征检测器将使用匹配特征计算得出的测距法信息与图像警示全解进行比较；基于匹配特征和使用匹配特征计算得出的测距法信息与图像警示全解的比较来确定匹配特征是有错误的；以及使用未被确定为有错误的匹配特征来计算导航系统要使用的测距法信息。

实施例20包括一种导航系统，该导航系统包括：至少一个成像传感器，该至少一个成像传感器附接到车辆，被配置为生成多个图像帧，其中图像帧包括描述导航系统的环境中的一个或多个特征的数据；被配置为产生伪距测量结果的全球导航卫星系统接收器；基于多个图像帧提供测距法信息的测距法计算器；基于伪距测量结果和测距法信息来计算对象的导航解的传感器融合设备；以及确保伪距测量结果、测距法信息和由导航系统估计的位置的完整性的完整性监视器，其中测量完整性包括：主滤波器，该主滤波器根据与多个图像帧中的两个后续接收的图像帧相关联的伪距测量结果和测距法信息来计算全解；一个或多个子滤波器，该一个或多个子滤波器计算多个子解，其中每个子滤波器基于伪距测量结果和测距法信息的不同子组来计算多个子解中的子解，其中一个或多个子滤波器中的至少一个子滤波器计算不基于测距法信息的子解；以及保护水平计算，该保护水平计算基于多个子解与全解的比较来确定是否已发生错误。

尽管本文已说明和描述了特定实施方案，但本领域的普通技术人员将认识到，经计算以实现相同目的的任何布置可替代所展示的特定实施方案。本申请旨在涵盖本发明的任何修改或变型。因此，显而易见的是，本发明仅受权利要求书以及其等同物所限制。

Claims

1.一种系统，所述系统包括：

一个或多个成像传感器(201)，所述一个或多个成像传感器被配置为利用光学输入生成多个图像帧；

全球导航卫星系统(GNSS)接收器(207)，所述GNSS接收器被配置为提供伪距测量结果；和

一个或多个计算设备，所述一个或多个计算设备被配置为接收所述多个图像帧和所述伪距测量结果，其中所述一个或多个计算设备被配置为：

利用所述多个图像帧中的两个或更多个图像帧计算测距法信息，其中所述两个或更多个图像帧是在不同时间采集的；

基于所述伪距测量结果和所述测距法信息来计算所述系统的全解；

基于所述伪距测量结果的子组和所述测距法信息来计算所述系统的多个子解，其中所述多个子解中的至少一个子解不基于所述测距法信息；以及

基于所述全解与所述多个子解的比较来确定所述伪距测量结果、所述测距法信息和由所述导航解估计的位置的完整性。

2.根据权利要求1所述的系统，还包括不良特征检测器(359)，所述不良特征检测器基于所述伪距测量结果来确定两个或更多个图像帧中的匹配特征是否有错误，其中当使用没有所述测距法信息的解分离方法将所述伪距测量结果识别为无错误时，所述不良特征检测器(359)确定所述匹配特征有错误。

3.一种方法，所述方法包括：

从至少一个成像传感器(201)接收多个图像帧，其中所述多个图像帧中的每个图像帧包含描述对所述至少一个成像传感器(201)可见的环境的数据；

使用所述多个图像帧中的所述数据计算测距法信息；

从全球导航卫星系统接收器(207)接收多个伪距测量结果，所述多个伪距测量结果中的每个伪距测量结果与不同的卫星相关联；

基于所述多个伪距测量结果和所述测距法信息来计算全解；

计算多个子解，其中所述伪距测量结果和所述测距法信息中的至少一者不用于计算所述多个子解中的每个子解，其中所述测距法信息不用于所述多个子解中的至少一个子解的所述计算；以及

基于所述多个子解与所述全解的比较来确定所述测距法信息、所述伪距测量结果和由所述导航解估计的位置的完整性。