目前,以捷联惯性导航系统(SINS)与全球卫星导航系统(GNSS)为基础的组合导航技术在自主车导航领域得到了广泛应用。但高精度SINS价格昂贵,不适合商业化应用。微机电(MEMS)惯性器件是一种具有低成本、低功耗和小型化特点的SINS实现方案,然而现有MEMS惯性器件测量精度有限,在城市峡谷、野外丛林等复杂环境下GNSS信号频繁丢失甚至长时间无法定位,MEMS-SINS独立工作时间增加,从而导致组合导航系统定位、测姿精度迅速恶化。针对上述问题,本文以构建基于MEMS-SINS的低成本自主车导航方案为出发点,研究了MEMS-SINS与GNSS、轮速计、视觉里程计等多源传感器的组合导航方法。主要研究内容和成果如下:1.设计了SINS/GNSS组合导航系统模型,建立了以SINS 15维导航误差作为状态量和以GNSS位置、速度作为观测量的组合系统数学模型,给出了导航系统的误差校正方法;其次,采用Allan方差法对MEMS器件随机误差进行分析,并利用分析结果实现卡尔曼滤波器初始参数的设定;同时研究了适用于MEMS-SINS的初始对准方法。2.为了抑制GNSS定位失效情况下MEMS-SINS误差的快速积累,在车辆运动学约束的基础上,结合自主车四轮轮速和方向盘转角信息,提出一种新的适用于MEMSSINS的组合导航方法。该方法通过分析车辆转弯和运动约束特性,构建角速度和加速度观测量,从而实现基于模型辅助的MEMS误差在线补偿;其次,自主车轮速信息与非完整约束条件结合可额外增加三维车体速度观测量,进一步维持卫星失效时组合滤波器的量测更新。3.针对视觉里程计(VO)在组合导航系统中的应用需求,考虑多视图几何约束关系,设计了基于无迹卡尔曼滤波(UKF)的SINS/VO紧耦合算法。首先,详细推导了摄像机模型和多视图几何约束模型,包括针孔摄像机模型、两视图对极几何和三焦点张量几何;其次,综合考虑导航精度和实时性的要求,研究了基于ORB特征的图像特征点提取与匹配问题;进而,增加最近两个时刻的相机位姿误差矢量,形成21维SINS/VO组合导航系统的状态方程,并以三幅图像匹配点间的几何约束关系构建系统量测方程;最后针对图像匹配问题,在随机采样一致性(RANSAC)算法的基础上,研究了一种基于单点RANSAC的误匹配点移除方法,提高了整个系统的鲁棒性。4.对本文提出的低成本组合导航方案进行了实验验证。首先通过模拟车辆在不同运动状态下GNSS失效的情况,对车辆运动约束算法进行评估;其次,利用车辆在实际城市峡谷下的跑车数据,全面分析了引入四轮轮速和方向盘转角后模型辅助算法对提高MEMS-SINS导航精度的作用;最后,利用公开数据集,验证了基于UKF的SINS/VO紧耦合算法的性能。实验结果表明,车辆模型辅助算法和SINS/VO紧耦合算法均能够满足自主车在复杂环境中对实时定位导航系统的需求。