A framework for ground vehicle localization that uses cellular signals of opportunity (SOPs), a digital map, an inertial measurement unit (IMU), and a Global Navigation Satellite System (GNSS) receiver is developed. This framework aims to enable localization in an urban environment where GNSS signals could be unusable or unreliable. The proposed framework employs an extended Kalman filter (EKF) to fuse pseudorange observables extracted from cellular SOPs, IMU measurements, and GNSS-derived position estimates (when available). The EKF is coupled with a map-matching approach. The framework assumes the positions of the cellular towers to be known, and it estimates the vehicle's states (position, velocity, orientation, and IMU biases) along with the difference between the vehicle-mounted receiver clock error states (bias and drift) and each cellular SOP clock error state. The proposed framework is evaluated experimentally on a ground vehicle navigating in a deep urban area with a limited sky view. Results show a position root-mean-square error (RMSE) of 2.8 m across a 1,380-m trajectory when GNSS signals are available and an RMSE of 3.12 m across the same trajectory when GNSS signals are unavailable for 330 m. Moreover, compared to localization with a loosely coupled GNSS?IMU integrated system, a 22% reduction in the localization error is obtained whenever GNSS signals are available, and an 81% reduction in the localization error is obtained whenever GNSS signals are unavailable.

中文翻译：

---

使用 IMU、GNSS 和蜂窝信号在城市环境中进行稳健的车辆定位和地图匹配

开发了一种使用蜂窝机会信号 (SOP)、数字地图、惯性测量单元 (IMU) 和全球导航卫星系统 (GNSS) 接收器的地面车辆定位框架。该框架旨在在 GNSS 信号可能无法使用或不可靠的城市环境中实现定位。所提出的框架采用扩展卡尔曼滤波器 (EKF) 来融合从蜂窝 SOP、IMU 测量和 GNSS 衍生位置估计（如果可用）中提取的伪距观测值。EKF 与地图匹配方法相结合。该框架假设蜂窝塔的位置是已知的，并估计车辆的状态（位置、速度、方向、和 IMU 偏差）以及车载接收器时钟错误状态（偏差和漂移）和每个蜂窝 SOP 时钟错误状态之间的差异。所提出的框架在具有有限天空视野的深城区中航行的地面车辆上进行了实验评估。结果显示，当 GNSS 信号可用时，在 1,380 米轨迹上的位置均方根误差 (RMSE) 为 2.8 m，而当 GNSS 信号在 330 m 内不可用时，同一轨迹上的位置均方根误差 (RMSE) 为 3.12 m。此外，与使用松耦合GNSS-IMU 集成系统定位相比，只要有GNSS 信号，定位误差就会降低22%，而只要GNSS 信号不可用，定位误差就会降低81%。所提出的框架在具有有限天空视野的深城区中航行的地面车辆上进行了实验评估。结果显示，当 GNSS 信号可用时，在 1,380 米轨迹上的位置均方根误差 (RMSE) 为 2.8 m，而当 GNSS 信号在 330 m 内不可用时，同一轨迹上的位置均方误差 (RMSE) 为 3.12 m。此外，与使用松耦合GNSS-IMU 集成系统定位相比，只要有GNSS 信号，定位误差就会降低22%，而只要GNSS 信号不可用，定位误差就会降低81%。所提出的框架在具有有限天空视野的深城区中航行的地面车辆上进行了实验评估。结果显示，当 GNSS 信号可用时，在 1,380 米轨迹上的位置均方根误差 (RMSE) 为 2.8 m，而当 GNSS 信号在 330 m 内不可用时，同一轨迹上的位置均方误差 (RMSE) 为 3.12 m。此外，与使用松耦合GNSS-IMU 集成系统定位相比，只要有GNSS 信号，定位误差就会降低22%，而只要GNSS 信号不可用，定位误差就会降低81%。当 GNSS 信号在 330 m 内不可用时，同一轨迹上的 12 m。此外，与使用松耦合GNSS-IMU 集成系统定位相比，只要有GNSS 信号，定位误差就会降低22%，而只要GNSS 信号不可用，定位误差就会降低81%。当 GNSS 信号在 330 m 内不可用时，同一轨迹上的 12 m。此外，与使用松耦合GNSS-IMU 集成系统定位相比，只要有GNSS 信号，定位误差就会降低22%，而只要GNSS 信号不可用，定位误差就会降低81%。