近年来,随着我国城市化建设的快速发展,自动驾驶车辆应用在城市环境下也被提上了日程。面对复杂多变的城市环境,对车辆轨迹测定系统的准确度和鲁棒性也就有了更高的需求。以捷联惯性导航系统与卫星导航定位系统为核心,辅以里程计组成的松组合模式导航系统因其成本低廉,实用性高,系统结构简单,可适应多种应用场景,近年来获得了广泛的青睐。但由于该松组合系统在城市环境下运行过程中,容易受到各种噪声信号的干扰,进而会影响到自动驾驶车辆的定位精度,因此,研究提高组合导航系统面对噪声干扰的性能与持续定位的精度,有利于无人驾驶技术在我国城市中的发展实施。本文通过深入研究城市环境下汽车感知信息的可信性与轨迹测定系统方案,分别从传感器输出信号可用性、传感器采集信号对硬件系统的可信程度和基于量测更新自适应系统的卡尔曼滤波方法等三方面展开了研究。具体的研究方法和创新性为:1、针对本文所用到了三种传感器,提出了三种不同的信息可用性检测分析方法,对于卫星信号使用HDOP值检测方法,判断是否让其参与组合定位;针对惯性单元数据,利用改进拉以达算法,滤除数据野值,提高数据的可用性;针对里程计输出数据,提出固定阈值法消除空转、滑动产生的野值数据。2、针对传感器感知信息采集过程中可靠性的问题,设计了一种基于FPGA+DSP的系统架构,利用DSP中的XINIF并行接口实现与FPGA互联,大大提高了数据的交互量。同时,利用FPGA完成对数据的硬比较,DSP完成对数据的软比较,最后将两者比较的数据进行或门比较,从而实现了对数据处理过程中的校验,从而增加了对数据的可靠性。3、针对城市环境下车辆行驶过程中容易受到噪声信号干扰的情况,提出了一种基于量测更新自适应的卡尔曼滤波方法,该方法在卫星信号正常时实时完成对惯性单元和里程计累积误差的消除,卫星信号失锁后,里程计信息进一步完成对惯性单元误差的消除,从而在整个轨迹测定过程中维持较高的精度水平,提高系统应对复杂环境的鲁棒性。本文针对上述组合定位方法进行了仿真验证和实际跑车实验验证,最后通过自主研发设计的车辆轨迹预测系统进行车载实验测试分析,验证了本文提出方法的合理性、有效性、正确性,为自动驾驶技术中车辆位姿估计与测定提高了一定的实用价值和工程实验理论。