近日，团队郭迟教授课题组在面向复杂城市环境的智能载体高精度导航研究方面取得重要进展，相关研究成果《SINS/GNSS Integrated Navigation Based on Left Equivariant Error Model in Inertial Frame》（论文DOI:10.1109/TITS.2026.3701149）被智能交通领域顶级期刊IEEE Transactions on Intelligent Transportation Systems（SCI一区Top期刊，IF=8.4）接收。该研究针对城市峡谷等复杂环境中卫星信号容易被遮挡、受多路径效应等难题，提出了一种基于左手对称性等变滤波的惯性/卫星组合导航新框架，实现了从初始对准到连续导航的一体化高精度定位，为复杂环境下的多源数据融合提供了稳定可靠的状态估计方法。

图1 SINS/GNSS组合导航框图

传统SINS/GNSS组合导航在卫星信号长时间中断或初始对准误差较大时，容易出现滤波结果不一致、定位精度骤降甚至完全失效的问题。现有的不变扩展卡尔曼滤波（InEKF）和等变滤波（Eq）方法在处理惯性传感器零偏状态时，往往需要引入近似假设，或者其观测模型依赖于载体位置，容易导致数值不稳定和线性化误差。针对上述挑战，研究团队创新性地从左手对称性视角出发，构建了基于双坐标系群（TFG）的惯性导航系统状态空间模型，能够自然地处理传感器零偏状态，并且线性化观测矩阵完全独立于系统的位置状态，从根本上避免了在惯性坐标系上构建状态估计器时右等变误差模型带来的数值不稳定问题；同时，区别于现有的不变InEKF和TFG-InEKF，该方法提供了显式的线性化误差动态矩阵、噪声驱动矩阵以及观测矩阵的计算公式；最后，考虑状态空间的非平坦性，引入了流形上的协方差重置步骤，保证了滤波在大初始姿态误差下的一致性和稳定性。

研究团队通过仿真与基于公开数据集的实车路测，对所提算法进行了全面验证。实验结果表明：该算法具有优异的瞬态性能（在大角度偏差的条件下仍能快速收敛）和较强的抗干扰能力（在多段信号丢失和严重路径干扰场景下，误差曲线波动最小）。 该研究由武汉大学机器人学院与哈尔滨工程大学智能科学与工程学院合作完成。研究得到了国家自然科学基金（42404025）的支持。团队老师罗亚荣为论文第一作者。