自动驾驶定位为什么少不了惯性导航？

传感器大佬

2020-04-16

关注

摘要惯性导航系统是高精定位中必不可少的关键部件，而自动驾驶定位系统的最核心关键词是高精度。

　　自动驾驶已成为汽车行业发展的确定性趋势，其最大的意义在于解放驾驶员的双手，带来人类空间意义首次的无缝连接。

　　自动驾驶的三个核心问题是：在哪里？去哪里？如何去？

　　当中，定位系统在自动驾驶中专注于解决“在哪里？”这个问题。

　　自动驾驶主要的三种定位技术

　　自动驾驶获得定位的技术方法通常有 3 种：

　　1. 基于信号的定位：以通过全球卫星 GNSS 的卫星信号进行定位的技术为代表，其他还包括使用 WIFI，FM 微波等信号获取信息等技术；

　　2. 环境特征匹配：基于视觉或激光雷达定位，用观测到的特征和数据库里的语义地图或特征地图进行匹配，得到车辆的位置和姿态；

　　3. 惯性定位: 依靠惯性传感器获得加速度和角速度信息，通过推算获得当前的位置和方位的定位技术。

　　百度阿波罗使用了三种定位技术

　　资料来源：百度阿波罗，基业常青

　　GNSS 定位

　　GNSS 定位技术是比较成熟的常用技术。GNSS 是使用三角定位法，通过 3 颗以上的卫星，可以准确地定位地球表面的任一位置。

　　GNSS定位技术原理

　　资料来源：National geographic，基业常青

　　自动驾驶通常使用实时动态技术(RTK)获得较高精度的定位。 ?

　　首先需要在地面上建基站（Base Station，基站建立时，可得到基站的经纬度等精确位置信息。

　　当基站的 GNSS 接收机与车载 GNSS 接收机相距<30km 时，可认为两者的 GNSS 信号通过同一片大气区域，即两者的信号误差基本一致。

　　根据基站的精确位置和信号传播的时间，反推此时的信号传播误差，之后利用该误差修正车载的 GNSS 信号，即可降低云层、天气等对信号传输的影响，从而实现高精度(分米甚至厘米级)的定位。

　　GNSS-RTK 定位原理图

　　资料来源：，基业常青

　　GNSS-RTK 技术的定位结果精度较高且稳定，目前已广泛应用于自动驾驶导航系统中，但该方法也有比较明显的缺陷——依赖卫星信号。定位成功至少需三颗可见卫星，然而在实际的运行环境中，例如城市峡谷，由于多路径效应、卫星信号被遮挡等原因，会使可见星数目不足，这种情况将影响 GNSSRTK 定位和测速的精确性以及其可靠性。

　　2．环境特征匹配定位

　　使用摄像头和激光雷达等传感器，获取周围环境信息，经过处理后也可以获得定位信息。

　　环境特征匹配定位原理图

　　资料来源：基业常青

　　以激光定位为例，激光点云定位一般先通过激光雷达，获取车上的实时点云，获得目标空间分布和目标表面特性的海量点集合。经过处理后的点云数据与预先制作的地图进行匹配，最终得到车辆的距离、角度和边界信息。

　　3．惯性定位

　　从惯性传感器（包含加速度计和陀螺仪）得到每一刻的加速度和角速度，通过时间积分，得到速度和角度，再通过空间累加，就可以推算出实时的位置。

　　惯性定位原理示意图

　　资料来源：导远科技，基业常青

　　这三种定位方法各有优劣。其中，惯性导航定位可保证不受外界信息影响，在任何时刻以高频次输出车辆运动参数，为决策中心提供连续的车辆位置、姿态信息，具有任何传感器都无法比拟的优势。惯性导航系统是高精定位中必不可少的关键部件。

　　而自动驾驶定位系统的最核心关键词是高精度。高精定位能够实现极端天气和环境下的车道级定位、高精度定位要能实现感知信息的时空同步、降低自动驾驶系统运算力要求、降低系统复杂度、有利于实现 V2X 应用及自动驾驶的安全性和舒适性。

　　三种定位方式的优点和缺点

　　资料来源：基业常青

　　惯性导航系统是自动驾驶中必不可少的关键部件

　　惯性导航在自动驾驶定位系统中具有不可替代性。惯导具有输出信息不间断、不受外界干扰等独特优势，可保证在任何时刻以高频次输出车辆运动参数，为决策中心提供连续的车辆位置、姿态信息，这是任何传感器都无法比拟的。

　　惯性导航系统是唯一可以输出完备的六自由度数据的设备，惯导能够计算 x, y, z 三个维度的平动量（位置、速度、加速度）和转动量（角度、角速度），并可以通过观测模型，推测其他传感器状态的测量值，再用预测值和测量值的差用于加权滤波。若要获得实时的姿态角、方位角、速度和位置，惯导是唯一的选择。

　　惯性导航的数据更新频率更高，可以提供高频率的定位结果输出。摄像头的帧率一般是 30Hz，时间不确定性为 33ms；GNSS 延迟一般是 100-200ms；而惯导预测状态的延迟最短只有几 ms，因此可以用惯导估算并补偿其他传感器的延迟，实现全局同步。

　　在车辆行驶的时候，GNSS 的延迟是 100ms，摄像头拍摄环境目标时，图像实际位置和 GNSS 报告的位置将会出现不一致，假设汽车时速 120km/h， 100ms 的延迟意味着 3.3 米的距离的延迟，此时地图和目标识别的精度再高也失去意义。而如果使用组合惯导，位置的延迟将约为 2.5ms，由此导致的误差仅为 0.08m，更能够保证行车的安全性。

　　GNSS+IMU 的融合原理示意图

　　资料来源：知乎（ID：陈光），基业常青

　　惯性导航是定位信息的融合中心，融合激光雷达、摄像头、车身系统的信息。在 L3 及更高级别的自动驾驶汽车中，将引入更多的传感器来支撑系统的功能，惯导系统是所有定位技术中最容易实现与其他传感器提供的定位信息进行融合的主体，作为定位信息融合的中心，将视觉传感器、雷达、激光雷达、车身系统信息进行更深层次的融合，为决策层提供精确可靠的连续的车辆位置、姿态的信息。