今天為大家分享下，自動(dòng)駕駛在復(fù)雜環(huán)境下的高精度定位技術(shù)。

定位/導(dǎo)航負(fù)責(zé)實(shí)時(shí)提供載體的運(yùn)動(dòng)信息，包括載體的：位置、速度、姿態(tài)、加速度、角速度等信息。

自動(dòng)駕駛對(duì)定位系統(tǒng)的基本要求：

1. 高精度：達(dá)到厘米級(jí)。

2. 高可用性：保持它的穩(wěn)定性，自動(dòng)駕駛測(cè)試已經(jīng)從封閉的場(chǎng)景轉(zhuǎn)移到更開(kāi)放的場(chǎng)景，這要求我們定位系統(tǒng)能處理更多更復(fù)雜的情況。

3. 高可靠性：整個(gè)定位的輸出是感知，規(guī)劃與控制的輸入，如果定位系統(tǒng)出現(xiàn)偏差將會(huì)導(dǎo)致很?chē)?yán)重的后果。

4. 自主完好性檢測(cè)：因?yàn)槲覀兿到y(tǒng)的可靠性只能做到非常接近100%，但是難以達(dá)到真正的100%，這要求我們?cè)跊](méi)有辦法提供準(zhǔn)確的輸出的時(shí)候，能及時(shí)的警告用戶，采取措施，避免發(fā)生事故。對(duì)它的要求就是要保證較低的虛警率與漏警率。

為了滿足自動(dòng)駕駛對(duì)導(dǎo)航與定位的要求，采用的方法有：

慣性導(dǎo)航 INS

全球?qū)Ш叫l(wèi)星系統(tǒng) GNSS

高精地圖與線上激光 lidar 點(diǎn)云匹配定位

里程計(jì)

結(jié)合車(chē)輛運(yùn)動(dòng)特性的運(yùn)動(dòng)約束

接下來(lái)介紹下慣性測(cè)量單元 IMU ，目前自動(dòng)駕駛常用的按照精度分為兩類：

一種是基于光纖陀螺 FOG 的 IMU ，它的特點(diǎn)是精度高，但同時(shí)成本也高，一般應(yīng)用于精度要求較高的地圖采集車(chē)輛。

第二種是基于 MEMS 器件的 IMU ，它的特點(diǎn)是體積小，成本低，環(huán)境適應(yīng)性強(qiáng)，缺點(diǎn)是誤差大，如果把它應(yīng)用在自動(dòng)駕駛測(cè)試車(chē)輛中，需經(jīng)過(guò)比較復(fù)雜的處理。

為了有 IMU 輸出的原始數(shù)據(jù)得到導(dǎo)航定位輸出，需要進(jìn)行捷聯(lián)慣性導(dǎo)航 ( SINS ) 解算，包括這樣的幾個(gè)模塊：

1.陀螺輸出角速度信息積分得到姿態(tài)

2.采用姿態(tài)信息對(duì)加速度計(jì)輸出的比力做轉(zhuǎn)換，由載體坐標(biāo)系到導(dǎo)航坐標(biāo)系

3.重力計(jì)算，有害加速度，地球自轉(zhuǎn)角速度等補(bǔ)償

4.加速度信息積分得到速度與位置

由于積分過(guò)程的存在，造成輸出誤差隨著工作時(shí)間發(fā)生積累。

下面介紹下全球衛(wèi)星定位導(dǎo)航，它是基于測(cè)定的絕對(duì)定位方案，誤差不會(huì)隨著工作時(shí)間以及載體運(yùn)動(dòng)發(fā)生變化。

目前全球衛(wèi)星導(dǎo)航的一個(gè)顯著的特點(diǎn)是由單頻單系統(tǒng)向多頻多系統(tǒng)轉(zhuǎn)變，比如我們國(guó)家的北斗導(dǎo)航系統(tǒng)，俄羅斯的 Glonass ，歐盟的 Galileo 等。這幅圖是北京某一天所能接收到的衛(wèi)星信號(hào)的星空?qǐng)D，可見(jiàn)基本可以保證在任意時(shí)間我們都能收到35顆以上的衛(wèi)星。多頻多系統(tǒng)在極大的程度上提高了我們導(dǎo)航系統(tǒng)的可靠性與可用性。

另外一個(gè)顯著的特點(diǎn)是精密定位，在民用領(lǐng)域的廣泛應(yīng)用，尤其是基于載波相位動(dòng)態(tài)差分的 RTK 技術(shù)在智能駕考，無(wú)人機(jī)，精密農(nóng)業(yè)等領(lǐng)域得的了普遍的應(yīng)用。在自動(dòng)駕駛領(lǐng)域他的優(yōu)點(diǎn)是：

厘米級(jí)定位精度

雙天線測(cè)向

精密定位在提高定位精度的同時(shí)，由于需要基站信息，這也增加了整個(gè)系統(tǒng)對(duì)于基站（基站服務(wù)提供商）和網(wǎng)絡(luò)信號(hào)的依賴。

因?yàn)?GNSS 是基于衛(wèi)星定位的導(dǎo)航，具有非常脆弱的特點(diǎn)：

我們?cè)诔鞘欣锝?jīng)常會(huì)遇到城市峽谷，使我們沒(méi)辦法接收低仰角的衛(wèi)星信號(hào)，極大的增加了我們定位的因子，增大了定位結(jié)果的不確定性。另外一個(gè)是信號(hào)干擾，車(chē)輛本身及加裝設(shè)備等使車(chē)輛的電磁環(huán)境非常惡劣，如果處理不得當(dāng)，會(huì)嚴(yán)重影響接收機(jī)的收星及觀測(cè)值的質(zhì)量。

接下來(lái)是基于高清度地圖匹配定位，它是事先建立的高精度地圖，配合我們線上的激光點(diǎn)云，可以做到絕對(duì)定位，厘米級(jí)高精度，它的一個(gè)顯著的局限性是增加了我們對(duì)高精地圖的依賴。

另外一個(gè)是輪式傳感器 Wheel Sensor ，自動(dòng)駕駛目前獲得車(chē)輪的信息有兩種方法：外接和內(nèi)置。

外接，它的特點(diǎn)是分辨率和精度都非常高，缺點(diǎn)是結(jié)構(gòu)復(fù)雜，可靠性難以保證，通常用于我們的地圖采集車(chē)。

內(nèi)置傳感，它的特點(diǎn)是無(wú)需外接設(shè)備，缺點(diǎn)是精度低，誤差比較大，如果用于測(cè)試車(chē)輛需要經(jīng)過(guò)很多的處理才可以。

另外，IMU 的敏感軸，很難保證與車(chē)的運(yùn)動(dòng)方向是完全平行的，所以需要做一個(gè)精確的標(biāo)定，除了輪速的輸出，要得到有用的車(chē)速信息和里程信息，需要做一些推算，需要一些車(chē)輪的參數(shù)，而車(chē)輪的參數(shù)會(huì)隨著我們的工況發(fā)生變化，所以我們需要對(duì)它做在線的估計(jì)。在這個(gè)過(guò)程中，我們的計(jì)算誤差會(huì)隨著運(yùn)動(dòng)的距離發(fā)生積累，且會(huì)受到路況的影響，比如輪胎打滑或者過(guò)減速帶。

我們還可以結(jié)合車(chē)輛的運(yùn)動(dòng)特點(diǎn)做些約束。比如我們可以通過(guò)一些方法檢測(cè)車(chē)輛是否處于靜止，這樣就可以假設(shè)在靜止的時(shí)候速度等于0，可以保證我們?cè)跇O端的情況下，我們的定位結(jié)果不發(fā)生很大的誤差。我們可以加入一些車(chē)輛橫向或者縱向的約束條件加入到多傳感器融合的系統(tǒng)中。

在獲得傳感器輸出數(shù)據(jù)之后，我們整個(gè)多傳感器融合定位，包括幾個(gè)部分：

1. 數(shù)據(jù)預(yù)處理，將慣性導(dǎo)航解算，GNSS 的質(zhì)量控制，雷達(dá)數(shù)據(jù)的誤差補(bǔ)償，還有基于輪式傳感器的計(jì)算，以及在線估計(jì)和補(bǔ)償。

2. 基于雷達(dá)數(shù)據(jù)和高精地圖的匹配定位。

3. 四個(gè)核心模塊：

ZUPT/ZIHR/NHC，車(chē)輛運(yùn)動(dòng)約束部分

INS Alignment，慣性導(dǎo)航初始對(duì)準(zhǔn)部分

Integrated，組合部分

FDI，故障檢測(cè)與隔離部分

4. 安全相關(guān)的模塊，就是對(duì)于輸出的完好性監(jiān)測(cè)。

目前我們的導(dǎo)航定位優(yōu)化方法，還是基于傳統(tǒng)得卡爾曼濾波器，其優(yōu)化的一個(gè)指標(biāo)是使?fàn)顟B(tài)方差達(dá)到最小。在建立 Kalman Filter 模型的時(shí)候，首先要選擇狀態(tài)變量，目前我們還是基于導(dǎo)航參數(shù)誤差+車(chē)載的傳感器誤差，作為狀態(tài)估計(jì)。然后狀態(tài)方程通過(guò)一步預(yù)測(cè)和量測(cè)更新，實(shí)現(xiàn)我們?cè)跁r(shí)間域的遞推。

下面簡(jiǎn)單介紹下故障診斷與隔離，傳統(tǒng)的軟件方法有很多，比如卡方檢測(cè)等，另外是硬件上的冗余。如果我們可以配備多套 GNSS/IMU ，我們可以配合軟件解析余度實(shí)現(xiàn)多個(gè)冗余，來(lái)提高可靠性。

典型場(chǎng)景：

首先是一個(gè)非常典型的場(chǎng)景，視野非常開(kāi)闊，這時(shí)我們可以利用，Gnss/Rtk ，Scan Math Pose 作為量測(cè)量校準(zhǔn) IMU/ Wheel sensor 誤差，并作出補(bǔ)償。

這個(gè)場(chǎng)景是我們的車(chē)輛運(yùn)行在一個(gè)激光雷達(dá)縱向特征非常不明顯的橋上，導(dǎo)致我們的高精定位在縱向上失效情況。解決辦法是使用 GNSS， IMU，Wheel Sensor 信息，檢測(cè) scan match 縱向失效情況， 使其不影響定位系統(tǒng)輸出。

上面這個(gè)場(chǎng)景是我們的激光雷達(dá)由于點(diǎn)云被遮擋，導(dǎo)致我們與高精地圖匹配定位失敗，這要求我們整個(gè)系統(tǒng)能不依賴于匹配定位，也能輸出非?？煽康慕Y(jié)果。

這倆個(gè)場(chǎng)景是對(duì)于衛(wèi)星導(dǎo)航來(lái)說(shuō)非常惡劣的場(chǎng)景，需要我們從傳感器融合部分去處理，使其具有野值的剔除能力，以及對(duì)它參數(shù)的自適應(yīng)調(diào)節(jié)能力。

這個(gè)場(chǎng)景更極端，是車(chē)輛穿越高架橋的下面，導(dǎo)致我們整個(gè)衛(wèi)星定位導(dǎo)航失敗，此時(shí)需要我們的系統(tǒng)能獨(dú)立于衛(wèi)星導(dǎo)航，也能可靠的工作，得到可靠的結(jié)果。

嘉賓介紹

崔留爭(zhēng)，Pony.ai 資深研發(fā)工程師。中國(guó)科學(xué)院大學(xué)工學(xué)博士，負(fù)責(zé) Pony.ai 多源信息融合定位技術(shù)研發(fā)。曾就職于 DJI ，負(fù)責(zé)高精度定位技術(shù)，Gnss/Ins 組合導(dǎo)航等相關(guān)的研發(fā)工作。