实现车道识别的车载导航系统的组合定位技术
自动驾驶组合导航(1)
自动驾驶组合导航1卫惯组合导航需求逐渐刚性，百亿级市场已来临1.1. GNSS与IMU融合可提供稳定的绝对位置信息全球卫星导航系统（GNSS）是能为地球表面或近地空间任何地点提供全天候定位、导航、授时的空基无线电导航定位系统。
美国的全球定位系统（GPS）、俄罗斯的格洛纳斯卫星导航系统（GLONASS）、欧盟的伽利略卫星导航系统（Galileo）以及我国的北斗卫星导航系统（BDS）是全球四大卫星导航定位系统。
受多路径效应、对流层折射等因素影响，普通GNSS单点定位精度一般在5-10米（实际普通GNSS在开阔地带单频单模单点定位精度约为2. 5米）。
为提高卫星导航系统的定位精度，出现了高精度卫星定位技术，主要包括以基于网络RTK技术的连续运行参考站系统（CORS）为代表的地基增强技术、以美国广域增强系统（WAAS）为代表的区域星基增强系统以及基于实时精密单点定位技术（PPP）的商业全球星站差分增强技术。
惯性导航系统（INS）属于推算导航方式，即从一已知点的位置根据连续测得的运动体航向角和速度推算出其下一点的位置，因而可连续测出运动体的当前位置。
惯性导航系统的核心部件为陀螺仪和加速度计，利用载体先前的位置、惯性传感器测量的加速度和角速度来确定其当前位置。
给定初始条件，加速度经过一次积分得到速度，经过二次积分得到位移。
角速度经过处理可以得出车辆的俯仰、偏航、滚转等姿态信息，利用姿态信息可以把导航参数从载体坐标系变换到当地水平坐标系中。
惯性导航系统有自主导航、不受外部依赖、输出频率高（大于IoOHZ）等优点。
定位精度取决于陀螺仪、加速度计等惯性传感器的测量精度，高性能IMU价格昂贵。
惯性导航定位误差会随着时间不断累积，导致位置和姿态的测量结果偏离实际位置，因此无法用来做长时间的高精度定位。
因此，通常采用惯性导航系统作为GNSS信号丢失时的补偿，以使导航系统功能连续。
惯性导航起源于军工领域，因其成本高，长期用于国防和商用航空航天领域，相关模组器件主要由我国军工企业研发制造，产品以高精度战术级器件为主（包括激光惯性导航、光纤惯性导航和高精度MEMS惯性导航）。
车辆导航系统中基于三维电子地图的单GPS车道级定位方法研究
出 了多种 定 位 方法 ， 中差 分 定位 方 法是 较 有效 其
的方法 之一 Ｌ 。然而建 设和 维护 差分基 站需 要大 １ ］
其无法 表达立 交桥 和高架桥 等交通 实体 复杂 的层
次结 构 ， 因此 在这 些 特殊 地点 采 用 二维 电子 地 图 显示最佳 行驶路 径 ， 易给驾 驶员 造成误 导 现象 ， 容 导致 出行 成本 和 出行 时 间 的增加 ， 重要 的是 会 更 降低用 户 对 车载导 航 装置 的 信任 程 度 ， 而影 响 进 交 通诱导 系统 的实施效率 。采 用三 维 电子地 图显
关键词
交 通 运输 系统 工程 ； Ｇ Ｓ虚 拟查 分 ； 程辅 助 ； 撞 检 测 ； 维 电子 地 图 单 Ｐ 高 碰 三
文 献 标 识 码 ： Ａ
中 图法 分 类 号 ： ９ Ｕ４ ２
０ 引 言
车载导航 装置 是交通诱 导 系统 的重要 组成 部
分， 高程辅 助和 碰撞 检测技术 相结合 的方式 ， 高 提
限性 ， 不符合 实 际的 。 是
示 复杂交 通环境 ， 诱导驾 驶员 的行驶 方 向 ， 是避 免
二 维 电子 地 图缺 陷的较好 途径 。地 面三维 导航 系 统 是 车载 智能 导航 终端 的发展 方 向， 国 内外 学 是
本 文对三 维 电子地 图的路 网拓扑关 系和数 据
组织 形式 进行设 计 ， 以长 春市西解 放立交 桥为 例 ， 建立 了三 维地 图数 据库 ， 在此 基 础上 对 三维 电子 地 图车 道级 定 位 问题 进 行 了数 学抽 象 ， 通过 对 虚 拟 差分 技术 ， 高程 辅 助技术 和 碰撞 检 测技 术 的 研 究 ， 出 了一种 新 的适 用 于三 维 电子 地 图 的高精 提 度 车辆 定位 方 法 ， 并基 于实 际路 网和 高精 度 差 分
车载导航系统的原理及方法(104页)
车载导航系统的原理及方法第一部分：导航系统概述随着汽车技术的不断进步，车载导航系统已经成为现代汽车不可或缺的一部分。
它不仅能够帮助驾驶员准确、安全地到达目的地，还能提供实时的交通信息、天气状况以及周边兴趣点等丰富信息。
本部分将简要介绍车载导航系统的发展历程、基本原理以及常见功能。
一、车载导航系统的发展历程车载导航系统的发展可以追溯到20世纪70年代，当时美国海军研发了一种名为LORAN（Long Range Navigation）的无线电导航系统，用于军事目的。
随后，随着全球定位系统（GPS）的诞生，车载导航系统开始进入民用领域。
90年代，车载导航系统逐渐普及，成为汽车制造商的标配之一。
如今，随着智能手机和互联网的普及，车载导航系统与移动设备的结合越来越紧密，为驾驶员提供了更加便捷、智能的导航服务。
二、车载导航系统的基本原理车载导航系统的工作原理主要基于全球定位系统（GPS）。
GPS由一组卫星组成，这些卫星不断向地面发送信号，地面接收设备通过接收这些信号来确定自己的位置。
车载导航系统中的GPS接收器接收卫星信号，计算出车辆的当前位置，并通过车载显示屏将信息呈现给驾驶员。
除了GPS，车载导航系统还可能使用其他辅助定位技术，如惯性导航系统（INS）、地磁导航系统（MNS）等，以提高定位精度和稳定性。
三、车载导航系统的常见功能1. 路线规划：车载导航系统可以根据驾驶员输入的目的地，计算出最优的行驶路线，并实时显示在车载显示屏上。
2. 实时交通信息：通过与交通信息中心的数据连接，车载导航系统可以实时获取道路拥堵、事故、施工等信息，帮助驾驶员避开拥堵路段。
3. 语音导航：车载导航系统支持语音输入和输出，驾驶员可以通过语音指令查询目的地、路线等信息，系统也会以语音形式提示驾驶员行驶方向。
4. 周边兴趣点查询：车载导航系统可以提供周边餐厅、加油站、酒店等兴趣点的信息，方便驾驶员在行驶过程中找到所需服务。
5. 地图更新：车载导航系统支持地图更新功能，驾驶员可以定期最新地图数据，确保导航信息的准确性。
车载导航系统考核试卷
B.车载电视
C.车载冰箱
D.天线
14.车载导航系统中，以下哪个功能可以帮助驾驶者避免违章？（）
A.实时路况
B.电子狗
C.倒车雷达
D.车辆监控
15.以下哪个操作不属于车载导航系统的基本操作？（）
A.查找目的地
B.设置路线偏好
C.更换导航仪电池
D.查看实时路况
16.车载导航系统中，以下哪个功能可以帮助驾驶者了解前方道路情况？（）
A.触摸屏操作
B.语音识别
C.夜间模式
D.多语言支持
11.车载导航系统可能支持以下哪些类型的地图视图？（）
A. 2D视图
B. 3D视图
C.卫星视图
D.夜间视图
12.以下哪些情况可能导致车载导航系统无法正常工作？（）
A.天线损坏
B.信号干扰
C.导航软件故障
D.车辆电池耗尽
13.车载导航系统可能提供哪些类型的兴趣点搜索功能？（）
5.车载导航系统中的实时路况功能可以实时显示当前交通流量和速度。（）
6.车载导航系统中的电子狗功能主要用于监测雷达测速。（）
7.车载导航系统在夜间模式下的屏幕亮度会自动降低，以减少对驾驶者的视觉干扰。（）
8.所有车载导航系统都具备自动驾驶辅助功能。（）
9.车载导航系统可以通过车联网功能与其他车辆共享交通信息。（）
二、多选题
1. ABCD
2. ABCD
3. ABC
4. ABC
5. ABCD
6. ABC
7. ABCD
8. ABCD
9. ABCD10. ABCD1来自. ABC12. ABCD
13. ABCD
14. ABCD
15. ABC
组合导航定位的基本原理
组合导航定位的基本原理
组合导航定位的基本原理是通过将多个传感器的信息进行组合，以提供更准确、鲁棒的定位结果。
这种方法通常使用不同类型的传
感器，如全球定位系统（GPS）、惯性导航系统（INS）、地面参考站、惯性测量单元（IMU）等。
这些传感器提供的信息经过组合和融合，可以弥补彼此的局限性，从而提高定位的精度和可靠性。
组合
导航定位的基本原理是利用多传感器的信息相互校准和补偿，以实
现高精度、鲁棒的定位结果。
通过对传感器数据进行融合和处理，
可以减少误差和提高定位的准确性，从而满足不同应用场景对定位
精度的要求。
这种方法在航空航天、自动驾驶、室内定位等领域得
到广泛应用，为定位技术的发展提供了重要的支持。
adas 原理
adas 原理
adas原理是基于传感器与计算机视觉算法的综合应用，通过获取环境信息并对其进行处理，从而实现识别、感知和决策等功能。
具体而言，adas系统包括多个传感器，如摄像头、雷达和激光雷达等，用于收集车辆周围的信息。
其中，摄像头是adas系统中最为重要的传感器之一。
它可以
利用计算机视觉算法对图像进行处理，识别出路标、车道线、交通标识、行人、车辆等目标。
借助摄像头的高分辨率和广角视野，adas系统能够实时获取丰富的场景信息。
另外，adas系统还使用雷达和激光雷达传感器，来获取车辆周围的距离和速度等数据。
雷达常用于测量车辆与物体之间的距离，而激光雷达则可以制作三维地图，进一步提高目标检测和跟踪的准确性。
adas系统还应用了计算机视觉算法，通过对传感器数据的处理和分析，从中提取特征，并使用机器学习等方法进行目标识别、跟踪和行为预测。
这些算法可以对车辆周围的环境进行感知，并为驾驶员提供相关的警告和辅助功能，如自动刹车、车道保持辅助、交通标示识别等。
整个adas系统的原理是将不同传感器获取的数据进行融合和
处理，将其转化为可供理解和决策的信息，为驾驶员提供安全、舒适和方便的驾驶体验。
同时，adas系统为自动驾驶技术的发展奠定了基础，将来有望实现更加智能和自动化的驾驶模式。
自动驾驶定位导航技术概述
自动驾驶定位导航技术概述一、概要作为自动驾驶的重要组成部分，高精度定位导航技术是自动驾驶汽车安全行驶不可或缺的核心技术之一，在车辆横向/纵向精确定位、障碍物检测与碰撞避让、智能车速控制、路径规划及行为决策等方面发挥着重要的作用。
相较于有人驾驶驾驶员可以凭借双眼与记忆获取周围的可行驶区域、道路边界、车道线、障碍物、交通规则等详细信息，目前自动驾驶汽车的环境感知传感器与算法还无法达到与人类驾驶员同样的感知性能，因此自动驾驶汽车就需要高精定位、高精地图、联合感知等定位导航技术的支持。
目前常用的定位技术包括轨迹推算(DR)、惯性导航技术(INS)、卫星导航定位技术、路标定位技术、地图匹配定位技术(MM)以及视觉定位技术等。
然而，这些定位导航技术在单独应用时均存在一些无法避免的问题。
自动驾驶车辆对定位系统性能的要求与车辆的行驶速度密切相关。
相关标准法规规定，乘用车行驶最高车速不得超过120km/h，客车最高设计车速不应大于100km/h。
基于目前的自动驾驶汽车整体技术水平和车辆限速要求，自动驾驶乘用车的最高车速不宜超过90km/h，自动驾驶客车的最高车速不宜超过70km/h。
一般情况下，有人驾驶车辆距离道路一侧路牙的安全行驶距离约为25cm，而自动驾驶汽车必须在行驶25cm的时间内更新一次定位信息且定位精度要小于等于25cm，否则就有可能导致车辆超出道路边界发生事故。
按照最高车速90km/h计算，车辆行驶25cm用的时间是0.01s，根据公式f=1/t，则定位信息更新频率为100Hz。
因此定位信息更新频率需要大于等于100Hz，定位精度需要小于等于25cm才能保证车辆行驶安全。
目前，常用的定位导航系统均无法满足上述指标。
比如惯性导航定位技术存在定位误差随时间累积、长时间内不能保证足够的导航精度的问题;卫星定位导航技术存在多路径、卫星信号遮挡和更新频率低等问题等。
正因为单一一种定位技术均存在一定程度上无法克服的弱点，所以研究组合导航就成为时下的热点。
GNSS+IMU+MM车载高精度组合导航定位系统
无法定位：是指在无信号区域（停车场、隧道）推算的精度低，导致出口误差大； 抓路错误：是指主辅路、高架上下抓路错误。 其中偏航重算和无法定位主要是GNSS定位原理决定，GNSS定位精度受观测环境影响，难以改善；对于抓路错误，直接原因是正确道路与 误抓道路相隔太近，受定位精度限制无法区分；根本原因是只使用位置信息进行抓路，没有发挥其它数据的价值。
技术优势局限gnss全局绝对定位定位精度高信号易受干扰不能解决通视问题imu输出连续可靠无需外部依赖误差累计发散自身无法定位mm位置约束场景化自身无法定位只能提供导航参考根据主流这三种定位技术进行融合提出gnssimumm方案依靠算法dr数据poshead提高定位的可靠性
GNSS+IMU+MM车载高精度组合导航定位系统
依靠于自主研发的高精度定位算法，根据车载载体当前运行环境，系统自适应对当前卫星质量进行评估，依据卫星质量进行组合导航。 当卫星条件良好时，以卫星导航为主，结合高精度RTK算法，实时定位精度≤±2.5cm，测速精度优于0.03m/s；当卫导无法正常工作 时，以惯性导航为主导，3S内精度保持厘米级，10S内精度保持米级。
3.技术方案 以上介绍的关键技术中，在场景覆盖以及精度上，各有所长，互相补充。
根据主流这三种定位技术进行融合，提出GNSS+IMU+MM方案，依靠算法(DR)+数据(POS/HEAD)提高定位的可靠性。 从上述车载定位的几大问题，可以逐步拆分解决：
数据融合：这一部分主要是计算GNSS模块输出的位置、速度、时间和航向信息，将其数据传递至数据处理终端进行实时数据融合计算，判 定当前GNSS数据质量的好坏，根据其数据质量组合不同的定位判断策略。 器件补偿：在GNSS信号质量不好或无法定位的时候，只能依靠IMU的DR算法进行补偿。补偿模块的主要功能是利用GNSS数据来补偿速度 敏感器误差参数（比例因子）和IMU的误差参数（陀螺仪天向比例因子和陀螺仪三轴零偏）。补偿的目的是在无GPS信号或弱GPS信号的场 景，仅靠DR算法也能得到较为可靠的导航信息（通常短时间也能保证厘米级定位）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实现车道识别的车载导航系统的组合定位技术作者：彭彦彦，陈丽钦，严慧明，苏鉴英指导教师：刘友文（闽江学院地理科学系，福州350108）摘要：通过实验设计了一套实现车道识别的车载导航系统的组合定位技术。
汽车导航是GPS应用的主要领域，将来一段时间，高性能的车载导航产品的发展前景将被看好。
目前车载导航的精度不够高，要是能实现车道的识别，则车载导航系统的整体性能将得到升华。
高精度的定位是实现车载导航车道识别的关键技术。
本项目建议书研究基于自适应卡尔曼滤波，设计低成本、高精度、易于工程实现的GPS/DR组合定位模型，为实现车道识别的车载导航提供定位保障。
首先基于自适应卡尔曼滤波分别对GPS和DR系统设计了子滤波器。
对于GPS/DR的组合，提出采用联邦式卡尔曼滤波方案，通过主滤波器对两个子滤波器的滤波结果进行最优数据融合，以在车辆高速运动状态中，达到米级的定位精度。
项目成果可应用于高性能的车载导航系统的定位模块中，为实现车道识别提供基本条件。
关键词：GPS；车载导航；组合定位Integrated Positioning Technique of Vehicle NavigationSystem that Can Distinguish the DrivewayAuthors : Peng Yanyan, Chen Liqin, Yan Huiming, Su JianyingTeacher: Liu Youwen(Department of Geographical Science,Minjiang University, Fuzhou 350108)ABSTRACTThrough the experimental we designed a set of Lane Recognition Navigation System tor ealize the Combined Positioning Technologies.Car navigation is the main application fields of GPS,and high performance of navigation product development foreground will be valued in a period of ti-me. Currently the vehicle-mounted navigation precision isn't high enough. If it can realize the driveway, that the navi gation system identification of the overall performance will get distillation.As we all know, precision positioning is the key technology to the vehicle-mounted navigation lane identify. So our research project proposal are based on the adaptive kalman filter, low cost, high precision, and designed to realize the GPS/DR project portfolio for the locating model,which provides the orientation to the navigation lane identification .Keywords: GPS, Navigation, Combination联系人：彭彦彦EMAIL：821042725@1 背景及意义目前，我国私人汽车保有量已超过2000万辆，年增长约为20%。
交通拥挤、交通事故，环境污染等正越来越严重地困扰着各大城市，影响着城市的可持续发展。
为解决以上问题，除了加大基础设施建设外，智能交通系统（ITS）也应运得到迅速发展。
车载导航作为ITS的核心内容更是行业的热点；同时，我国车载导航装置在轿车中的安装普及率不到5%。
将来一段时间，高性能的车载导航产品的发展前景将被看好。
车载导航系统的主要功能模块包括：①导航电子地图模块；②车辆定位模块；③地图匹配模块；④路径规划模块；⑤路径引导模块；⑥查询和检索模块。
其中，车辆定位是关键模块，也是地图匹配和路径引导模块的基础。
车载导航系统一经问世，即显示出强大的生命力和广阔的应用前景，并产生了巨大的社会和经济效益，成为一个IT业和汽车工业相结合的新的经济增长点。
同时，汽车导航也是卫星导航应用的最主要领域，车载导航产品约占卫星导航产品的40%。
由于巨大的市场潜力和不可估量的发展前景，国外几乎所有的汽车生产厂家都参加了这一高科技角逐。
对于车辆定位，可选择的手段很多，目前常用的是GPS和航位推算（Dead Reckoning，DR）系统的组合定位，DR系统属于惯性导航系统（Inertial Navigation System，INS）。
GP S定位和DR定位是两个相对独立的过程，性能上可以取长补短，而且成本低廉，二者的组合很适用于车载导航。
为了向驾驶者提供准确的行驶指令和在地图上准确地显示车标位置，必须获得车辆的准确位置。
因此准确的车辆定位是性能良好的导航产品的重要条件。
研究一种简单适用、速度快、易于工程实现的组合方法，能有效提高定位结果的精度，保障系统的完备性。
如果车辆定位精度可以达到米级，那将为车辆实现车道识别的导航性能提供重要的前提条件。
综上所述，不仅从保障交通安全、改善交通条件、缓解交通压力出发，而且从导航行业的市场前景考虑，对车载导航系统的关键技术，即车载组合定位技术的研究具有重要的实际意义。
本项目建议书提出：首先基于自适应卡尔曼滤波分别对GPS和DR系统设计了子滤波器，对于GPS/DR的组合，提出采用联邦式卡尔曼滤波方案，通过主滤波器对两个子滤波器的滤波结果进行最优数据融合，使得车辆在高速运动状态中，还能达到米级或亚米级的定位精度。
2设计方案或实验过程实验方法和步骤：算法设计分为3个部分，即对于GPS，提出基于“当前”统计模型，设计加速度均值、方差自适应计算的卡尔曼滤波器，并根据车载导航的特点，提出附有道路信息约束的自适应卡尔曼滤波；对于DR系统，同样基于“当前”统计模型，采用加速度均值、方差自适应计算，设计自适应扩展卡尔曼滤波器，并考虑线性化误差带来的影响，提出迭代型自适应卡尔曼滤波。
对于GPS/DR的组合，本研究项目提出采用联邦式卡尔曼滤波方案，通过主滤波器对两个子滤波器的滤波结果进行最优数据融合。
理论分析：本文拟采取的研究方案是从车载导航关键技术，即组合定位技术入手，探讨精度高，又易于实现的GPS/DR组合模型。
对设计的组合算法进行程序实现，并通过实际跑车试验采集数据，对试验数据和结果进行详细分析，从中发现模型的不足，从而对模型进行调整和设计，进而再进行相关跑车试验，使得模型具有米级的精度，又易于工程应用。
对GPS/DR拟采用松散组合方式，松散组合是利用卡尔曼滤波将接收机输出的定位信息与DR系统定位得到的位置和速度进行数据融合。
松散组合模式的工作原理是：当GPS与DR系统都可用时，将二者单独定位的结果（位置、速度信息）相比较，作为卡尔曼滤波器的输入值，进行数据融合，开环或反馈得到最优估计；当GPS中断时，DR系统以GPS中断时的瞬时值作为初值继续进行推算工作，DR系统定位信息作为系统的输出，直到GPS工作正常；当DR系统出现故障，以GPS定位结果作为系统的输出。
松散组合的特点包括计算量小、速度快；容错性好，GPS和DR系统保持了各自的独立性，其中任何一个出现故障时，系统仍可以继续工作；组合定位系统结构简单，不需改变原有的硬件设计，便于工程实现；GPS 接收机、DR开发和调试独立性强，便于系统故障的检测和排除，开发周期短，费用低。
算法设计：分为3个部分，即对于GPS，提出基于“当前”统计模型，设计加速度均值、方差自适应计算的卡尔曼滤波器，并根据车载导航的特点，提出附有道路信息约束的自适应卡尔曼滤波；对于DR系统，同样基于“当前”统计模型，采用加速度均值、方差自适应计算，设计自适应扩展卡尔曼滤波器，并考虑线性化误差带来的影响，提出迭代型自适应卡尔曼滤波。
对于GPS/DR的组合，本研究项目提出采用联邦式卡尔曼滤波方案，通过主滤波器对两个子滤波器的滤波结果进行最优数据融合，3 实验原理利用GPS、陀螺仪及里程仪等多传感器的组合实时获取准确可靠的车辆定位信息是车辆导航系统的关键部分。
同时，获取可靠有效的定位结果也是进行地图匹配的前提条件。
采用何种方法来融合两种定位系统的信息以获得最优的组合定位结果是本研究项目的主要内容。
任何一个采用多传感器的组合导航系统，都离不开滤波算法的设计，卡尔曼滤波器是连接多传感器信息的桥梁。
结合车载导航组合定位的特点，本研究项目研究GPS/DR松散组合模式，如图1所示，提出采用联邦式卡尔曼滤波方法进行GPS/DR组合，即分别先对GPS子系统和DR子系统进行滤波计算，再对二者的滤波结果进行数据融合，得到最优估计。
图1 松散组合原理框图本文研究难点为基于当前车辆统计模型的自适应滤波算法的设计，卡尔曼滤波的先验参数需根据试验数据进行相应的调整。
解决办法是通过进行大量的跑车试验，以得到最佳的先验参数，从而保证滤波结果的精度和可靠性。
4创新点及应用本项目特色和创新之处，首先基于自适应卡尔曼滤波分别对GPS和DR系统设计了子滤波器。
对于GPS/DR的组合，提出采用联邦式卡尔曼滤波方案，通过主滤波器对两个子滤波器的滤波结果进行最优数据融合，以在车辆高速运动状态中，达到米级的定位精度。
项目成果可应用于高性能的车载导航系统的定位模块中，为实现车道识别提供基本条件。
参考文献[1]杨元喜.自适应动态导航定位.测绘出版社,2006:180-189[2]董绪荣,张守信,华仲春.GPS/INS组合导航定位及其应用.国防科技大学出版社,1998:200-212[3]付梦印,邓志红,张继伟.Kalman滤波理论及其在导航系统中的应用.科学出版社, 2003:13-20[4]徐绍铨,张华海,杨志强. GPS测量原理及应用（第二版），武汉大学出版社，2009：6-11[5]Francois Carona, Emmanuel Duflosa, Denis Pomorskib, et al., GPS/IMU data fusion using multisensor Kalman filtering: introduction of contextual aspects, Information Fusion, 2006,7:221-230。