导航是基于空间的艺术。我们每个人每天都在实践,对于我们来说,一个简单的去工作场所或到一个未知城市中问路的问题都是导航。不知不觉中,我们重现着同样的导航问题并设计了各种复杂的导航定位系统。人们可以通过自己的视线,并利用已知的先验信息来推断自己在特定环境中所处的位置并确定自己前往目的地的路线。解决这一问题的两个关键步骤就是导航。第一阶段是由基于搭载的传感器进行,通过采取一系列间接相关的参数估计措施来确定自己的位置。第二阶段称为滤波,由于待估参数和观测值受到噪声的影响,滤波的方式可以减小噪声的影响,这种方法是在贝叶斯上下文中的先验模型的演变而来的。目前用于车辆导航的导航系统主要是基于自主使用的GPS接收机。GPS定位系统在受到复杂的环境中仍然有明显的性能损失。为了解决这个问题,提出了几种方法,如GPS和INS系统的集成。然而,惯性传感器的利用率仍然很低,今天这些GPS/INS组合导航系统的主要障碍是由于缺乏校准,以及这些传感器的测量误差的高度随机性。GPS系统与惯性导航系统INS的集成阐述了几种集成策略,其中包括采用的架构及各自的信息相结合的方式。因此,卡尔曼滤波器非常适用于集成融合GPS和惯性信息,常用的组合方式主要包括松组合和紧组合。本论文的目的是评估GPS/INS组合导航系统在具有挑战性的环境中的有效性可以在市区、茂密的森林或穿越隧道等;为了弥补GPS信号的缺失,提高定位精度。得到的结果表明,该利用GPS/INS组合可以显着提高导航解决方案的稳定性,特别是在恶劣的城市观测条件如高楼峡谷等区域,独立使用的GPS接收机无法得到可靠的定位结果的情况下,组合导航系统的优势更加明显。另外,通过采用特定条件下的约束算法如零速修正等或额外传感器如里程计辅助等方式,也可以提高组合导航定位的精度和可靠性。实测数据处理结果表明GPS/INS组合导航系统在复杂城市环境条件下可以提高60%定位精度,本质上是在长的GPS中断的优势。