无人驾驶汽车是如何实现定位导航的

时间: 2020/7/20  来源:   作者: sxstart

• 关于无人驾驶汽车的定位导航主要从下高精度地图，GNSS，IMU，Lidar，camera几个方面展开

  定位方式
  高精度地图
  高精度地图，通俗来讲就是精度更高、数据维度更多的电子地图。高精度地图将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类。第一类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。第二类是车道周边的固定对象信息，比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节，还包括高架物体、防护栏、数目、道路边缘类型、路边地标等基础设施信息。

  主要作用：地图匹配，辅助环境感知，路径规划。

  GNSS（全球定位导航系统）
  全球导航卫星系统或 GNSS，主要有GPS，北斗，伽利略等，GPS是最常用的。卫星定位需要4颗卫星，三个定位（一个减少误差用的）

   

  因为光速的值很大，即使是少量的时间误差也会在计算过程中造成巨大的误差，所以每颗卫星都配备了高精度的原子钟。而为进一步减小误差，我们可以使用 RTK（实时运动定位）。

  RTK 需要在地面上建立几个基站，每个基站都知道自己精确的地面位置，同时每个基站也通过 GPS 测量自己的位置，已知的地面位置与通过 GPS 测量的位置之间的偏差为 GPS 测量结果中的误差，然后基站将这个误差传递给其他 GPS 接收器，以供其调整自身位置的定位结果。

  在 RTK 的帮助下，GPS 可以将定位误差限定在10厘米以内，但是：高楼和其他障碍物可能阻挡 GPS 信号，这使定位变得困难或根本无法进行；同时，GPS 的更新频率很低，大约为10赫（每秒更新10次），但由于自动驾驶汽车在快速移动，需要更频繁地更新位置

  IMU（惯性导航单元）
  惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。已知汽车的初始位置、速度，行驶时长，我们可以算出汽车的当前位置。

   IMU（惯性测量单元）的主要组件是加速度计和陀螺仪。三轴加速度计传感器->可以精确测量加速度。陀螺仪->测量值被转换成世界坐标系。三轴陀螺仪的三个外部平衡环一直在旋转，但在三轴陀螺仪中的旋转轴始终固定在世界坐标系中，车辆通过测量旋转轴和三个外部平衡环的相对位置来计算其在坐标系中的位置。

  优点：高频率更新，其频率可达到1000赫兹，所以 IMU 可以提供接近实时的位置信息。

  缺点：其运动误差随时间增加而增加，只能在很短的时间范围内进行定位。

  使用结合 GPS 和 IMU 来定位汽车，一方面，IMU 弥补了GPS 更新频率较低的缺陷；另一方面，GPS 纠正了 IMU 的运动误差。

   

  Lidar激光雷达
         利用激光雷达，我们可以通过点云匹配（算法：迭代最近点ICP）来对汽车进行定位，该方法将来自激光雷达传感器的检测数据与预先存在的高精度地图连续匹配。通过这种比较，可获知汽车在高精度地图上的全球位置和行驶方向。（滤波算法：直方图滤波算法，卡尔曼滤波）

  优势：稳健性。只要从高精度地图开始，并且存在有效的传感器，我们就始终能够进行定位。缺点：难以构建高精度地图，并使其保持最新。激光雷达受天气影响。

  Camera
  通过图像实现精确定位非常困难。实际上，摄像头图像通常与来自其他传感器的数据相结合，用以准确定位车。但将摄像头数据与地图和 GPS 数据相结合比单独使用摄像头图像进行定位的效果更好。

  优点：图像数据很容易获得

  缺点：缺乏三维信息和对三维地图的依赖。

  总结
         高精度地图主要和Lidar，摄像头，Radar获取到的3D/图像匹配实现定位；惯导需要在已知位置上的基础上进行相关的计算。由于激光雷达价格在10万+,,有些设计会更换为毫米波雷达和双目摄像头来代替。目前自动驾驶定位方案有多种：具体的组合方式根据实际情况而定
  ————————————————
  版权声明：本文为CSDN博主「洛静」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
  原文链接：https://blog.csdn.net/rebekahm/java/article/details/89072040

  
  

  KVH IMU 选型表 

  http://www.1553-cpci.com/show.asp?typeid=2&sortid=224&id=548