Multi-sensor data fusion for land vehicle localization using RTMAPS[C]// IEEE Intelligent Vehicles Symposium. IEEE.

这篇论文主要介绍了一种基于RTMAPS的多传感器数据融合方法，用于地面车辆的定位。该方法使用了多种传感器，包括惯性测量单元（IMU）、全球定位系统（GPS）、视觉传感器和激光雷达等，将它们的数据进行融合，提高了地面车辆的定位精度和鲁棒性。

具体来说，该方法首先对每个传感器的数据进行预处理，包括去噪、滤波和校准等。然后，将处理后的数据输入到RTMAPS系统中，进行数据融合和状态估计。在RTMAPS中，通过将数据建模为状态空间模型，并使用扩展卡尔曼滤波（EKF）进行状态估计，实现了对多传感器数据的融合。

实验结果表明，该方法相比于单一传感器定位和简单数据融合方法，具有更高的定位精度和鲁棒性。这种多传感器数据融合方法可以应用于地面车辆的自主导航、地图构建和路径规划等领域。