随着智慧交通、自动驾驶、移动测量等领域的发展，汽车、无人机、智能手机等设备对定位导航的需求越来越大，导航应用场景越来越复杂，定位精度和可靠性的要求越来越高。卫星导航系统（GNSS）能在大部分场景下能为用户提供高精度高可靠的位置信息，但是在隧道、林荫、城市峡谷、室内以及强电磁干扰等场景中，GNSS性能急剧下降，甚至无法提供或提供错误的定位信息，难以适应目前复杂多变的位置服务场景。为了获取稳健的导航性能，GNSS通常与惯性测量单元（IMU）融合形成GNSS/INS组合导航系统，应用于导航定位中。在GNSS观测较差的环境中，GNSS/INS组合导航系统的性能与IMU的级别密切相关，IMU等级越高，定位精度就越高，同时意味着系统的成本也越高；而面向大众市场的MEMS IMU，虽能在一定程度上改善GNSS的定位性能，但是依然无法稳定的提供可靠的导航定位信息。

        除了GNSS与IMU以外，仍有许多可用于导航定位的传感器，如激光雷达、相机、磁力计、气压计等等，因此，为了解决GNSS固有弱点的制约，在卫星拒止环境中提供可靠的导航信息，美国国防高级研究计划局（DARPA）于2010年提出并开展全源定位与导航（All Source Position and Navigation, ASPN）的研究，即基于多源传感器，根据不断的变化的任务需求，实现快速系统重构、在线配置和即插即用的组合导航系统。2017年5月，美国空军研究实验所成功开发出ASPN系统，该系统包含GPS、IMU、相机、磁力计和气压计，目前已在海陆空等平台上完成了多次现场实验。

        国内关于全源融合导航的研究起步较晚，目前仍在探索阶段。本团队正致力于全源导航的研究，我们搭建了包含GNSS、IMU、单目/双目/鱼眼相机、激光雷达等传感器的无人车实验平台，自主设计并开发了GNSS/INS/Vision紧组合定位算法软件平台，并在真实的城市街区环境中进行了硬件和软件平台的测试。在随后的研究中，我们将融合更多的传感器，并进一步优化软件平台，推动国内全源融合导航的发展。