车辆定位技术是实现车辆主动安全和智能交通系统的重要基础。尤其是城市环境下车辆定位问题的解决能极大改善交通环境，加快交通智能化的步伐。论文针对城市环境下GPS传感器易失效的问题和车辆运行状态机动性较强的特点，研究基于GPS传感器、陀螺仪、轮速传感器、单目视觉、电子罗盘等多传感器的车辆融合定位技术。论文首先研究多传感信息的同步采集技术，接着深入研究了基于单目视觉的车速估计方法，以补偿轮速传感器在车辆低速行驶时测速误差大甚至失效的不足，接着建立多个运动模型以准确描述城市环境下车辆的高机动运行状态，同时，根据GPS是否失效为各模型建立不同的观测方程，进而利用IMM-EKF（交互多模型-扩展卡尔曼滤波）算法，实现多模型的自适应交互融合，以保障定位的准确性和可靠性。最后，本文进行了仿真和实车试验。论文完成的具体内容如下:　　(1)阐述了国内外现有车辆融合定位技术相关的最新进展，分析了一些现有多传感器组合定位技术的优点和不足。在此基础上，针对城市环境下GPS易失效的问题和车辆运行机动性强的特点，确立了本文的研究课题---基于交互多模型的车辆多传感融合定位技术研究。并确立了研究课题的系统构架，包括传感器选型、信息同步采集、多模型的建立、观测模型的建立以及多模型的交互算法等具体实现方案。　　(2)针对车辆低速运行而轮速传感器测速不准甚至失效的状况，研究利用单目视觉实现对车速的准确估计:首先对路面图像预处理以凸显沥青路面特征信息，接着采用Harris算法检测路面图像的特征点，然后利用基于稀疏光流的Lucas-Kanade算法完成特征点匹配，并采用RANSAC优化算法剔除误差较大匹配点，最终由图像光流重构出车体坐标系下较高精度的纵向速度参数。试验结果证明该方法在较低车速时测速精度为0.012m/s左右，单帧处理时间为118ms左右，所以在车速较低甚至零速时，该方法可以实时地较准确获取车速信息，有效弥补轮速传感器误差较大甚至失效的不足。　　(3)针对城市环境下，车辆存在频繁加减速、转向等高机动运动状态，而单一车辆运动模型难以全面描述车辆的整个行驶过程的情况，本文将车辆的多种运行状态分解成典型的匀速、匀加速及匀转向三种基本运动学模型。并采用IMM-EKF（交互多模型-扩展卡尔曼滤波）算法，实现三种模型的自适应交互、切换及融合，以更全面、更准确地描述复杂城市环境下车辆的运行过程。　　(4)针对城市环境下GPS失效的问题，本文在IMM框架下的各模型中，根据各传感器的性能特点和组合定位的互补性，建立不同的观测模型，隔离不准确甚至失效的传感器。GPS正常工作时，以GPS和陀螺仪分别作为多模型的观测和外输入信息源，进行融合定位。在GPS失效时，以轮速传感器、陀螺仪、电子罗盘作为多模型的观测和外输入信息源进行递推定位;在较低车速下，针对轮速传感器测速不准甚至失效的问题，以单目视觉估计的车速作为模型的车速观测量，为定位算法提供可靠准确的速度参数，进一步保障融合定位算法在GPS失效情况以及轮速传感器失效时的定位精度和可靠性。大量仿真结果和试验结果表明，本方法具有成本低、可靠性较高和定位准确度较高等优点。