3. 多源定位系统架构

多源定位系统并不是把GNSS、IMU、视觉、激光雷达、气压计等传感器简单堆叠在一起，而是要按照明确的融合层次、耦合方式和系统架构组织起来。架构决定了信息在何处汇聚、以什么形式融合、误差如何传播，也直接决定了系统在GNSS拒止、视觉退化或磁干扰等场景下的鲁棒性。本节从融合层次入手，逐层展开松/紧耦合、集中/分布式架构、时空基准统一，最后给出典型无人机定位系统的组成。

一、传感器融合的三个层次

按信息抽象程度，融合可分为数据级、特征级和决策级三个层次，越靠底层信息保留越完整，但对同步与标定要求也越高。

• 数据级融合（低层）：直接对原始测量（如IMU角速度、轮速脉冲、图像像素）联合处理，典型是IMU预积分与视觉特征在同一优化问题中求解。信息损失最小，精度潜力最高，但计算量大、对时间同步极敏感。
• 特征级融合（中层）：各传感器先提取特征（视觉路标、激光点云平面、GNSS伪距），再在统一状态空间中融合。兼顾精度与算力，是当前无人机组合导航的主流。
• 决策级融合（高层）：各子系统独立解算位姿，再按置信度加权或投票选择输出。实现简单、容错性好，但精度受限于各子系统，且难以互相修正。

二、松耦合与紧耦合

耦合方式描述的是各传感器在状态估计层面如何交互，是工程选型中最关键的决策之一。

松耦合中，GNSS与视觉/激光各自独立解算位置和速度，再把结果作为观测量送入滤波器（如EKF）与IMU融合。其优点是模块化、易调试、可热插拔；缺点是GNSS需至少4颗星才能输出有效定位，在遮挡、多路径环境下容易整体失效，且无法利用伪距、多普勒等原始信息。

紧耦合中，GNSS的伪距、伪距率与视觉特征、IMU预积分共同进入同一个优化或滤波框架。即使可见卫星不足4颗，仍能提供约束，抗遮挡与抗多路径能力显著增强，但实现复杂、需处理观测异常与时间对齐。

三、集中式与分布式架构

集中式架构由单一融合节点（飞控计算机或伴飞计算模块）接收全部传感器数据，统一完成时间对齐、状态估计与输出。全局一致性最好，便于联合优化，但存在单点故障风险，且对总线带宽和算力要求集中。

分布式架构将融合任务拆分到多个节点：例如视觉里程计在视觉计算单元运行，IMU与GNSS在飞控融合，各节点通过共享状态或因子图交换结果。优点是算力分散、可扩展、局部故障不影响全局；缺点是节点间需严格时间同步与坐标统一，通信延迟会引入额外误差。

四、时间同步与空间标定

多源融合的前提是“同一时刻、同一坐标系”。时间同步包括硬件触发同步（PPS、触发线）与软件时间戳对齐（如基于IMU积分对齐图像曝光时刻）。空间标定包括传感器间外参（旋转与平移）和相机内参、IMU零偏等。外参误差会直接投影为定位误差，尤其在紧耦合中会被优化器错误吸收。

# 典型时空标定检查项
时间同步：
  - GNSS PPS 是否接入飞控并触发 IMU 采样
  - 相机曝光时刻是否与 IMU 时间戳对齐（误差 < 1 ms）
  - 各节点是否使用同一时间源（PTP/NTP 或硬件触发）
空间标定：
  - 相机-IMU 外参：旋转 < 0.5°，平移 < 1 cm
  - 激光-IMU 外参：旋转 < 0.3°
  - 杆臂补偿：GNSS 天线到 IMU 的杆臂向量
  - 标定残差：重投影误差 < 0.5 px

五、典型无人机定位系统组成

以中型多旋翼为例，典型多源定位系统由以下部分组成：

1. 惯性测量单元（IMU）：提供高频角速度与加速度，是融合的核心骨架。
2. GNSS接收机：输出位置、速度、伪距与多普勒，提供绝对基准。
3. 视觉/激光传感器：提供相对运动与地图约束，用于GNSS拒止时接管。
4. 气压计与磁力计：提供高度与航向辅助，易受气流与磁干扰影响。
5. 融合计算单元：运行EKF或因子图优化，输出统一位姿与速度。
6. 时间同步与标定模块：保证各源时空基准一致。

下图给出该系统的融合层次与数据流关系，可直观看到各传感器如何经同步与标定后进入融合节点，并最终输出定位结果。

六、常见误区与复盘

• 误区一：耦合越紧越好。紧耦合在GNSS良好时未必优于松耦合，且实现与调试成本高。应结合场景选择，而非盲目追求。
• 误区二：忽略杆臂补偿。GNSS天线与IMU之间的杆臂在转弯时会产生显著位置误差，必须标定并补偿。
• 误区三：时间戳“差不多”就行。视觉与IMU之间1 ms以上的偏差，在高速运动下即可造成明显漂移。
• 复盘要点：出现定位跳变时，先查时间同步，再查外参标定，最后才怀疑融合算法本身。