近年来，业内关于自动驾驶的讨论不绝耳语，包括主机厂、供应商、互联网科技巨头、创业公司在内的产业链各方，均将自动驾驶挂在嘴边，唯恐被行业甩在身后。然而，如果将自动驾驶视为最终目标，那么在实现这一目标过程中的基础力量，往往被人忽视。这其中，作为自动驾驶重要“基础设施”的高精度定位就首当其冲。

“高精度定位”在自动驾驶中专注于解决“我在哪里？”这个问题。解决“我在哪里？”，看似目的简单却意义重大。就现今的智力水平看，自动驾驶汽车像孩子一样，还处在从爬到走的阶段。我们知道这个年龄段的孩子对位置信息的处理还处在初级水平，特别是对距离的把握很弱。比如他们觉得够得着的东西，往往要比想象中远，这对应到汽车上就是很难实现精准定位。

在当前的实际应用中，自动驾驶需要结合多个传感器联合解决定位问题，方案包括以下几种情况：

1.差分 GPS+IMU方案

IMU全称Inertial measurement unit，是一种惯性测量手段，简单说它是利用测量加速度和旋转速度并辅助以算法，来获得准确定位。这项技术的最大优势在于更新频率比较高，一般可达到1KHz，相当于GPS更新频率的100倍。

不过IMU并不是万能的，准确说它属于一种准确度很高的实时定位技术，不擅于长时定位。为什么说是实时定位，是因为它在运动过程中存在位移误差、比例误差以及背景白噪声误差，而且这些误差还会不断累积。为了弥补IMU的缺点，GPS被考虑进来。虽然GPS更新频率较低，但GPS 给出的全局锚定，在长时间定位上不会出现误差累积。因此GPS+IMU的组合方案很好的实现了优势互补，可以为车辆定位提供既准确又足够实时的位置更新。

准确说还需要带上路面基站，它能用来增强信号、消除误差等。即高精度的差分GPS+惯导IMU+地面基站的组合是现今的主流方法。

2. 差分GPS+IMU+激光雷达（视觉）方案

差分GPS在天气较好、遮挡较少的情况下能够获得很好的定位精度，但是在城市高楼区域、恶劣天气情况下效果下降非常多，这时候融合IMU+激光雷达（视觉）的方案刚好能够填补不足。

3. GPS+ 雷达+高精地图匹配方案

GPS 给出全局锚定，中间使用雷达SLAM 前端里程计做累加，可以配合高精地图的图匹配，做类似后端回环优化的方式，将GPS、激光雷达及已知地图进行融合定位。

4. 多对双目视觉摄像头SLAM方案

这种方案成本低，考验的主要是算法，现在很少有自动驾驶公司宣称自己主攻纯视觉方案，该方案也不是当前的主流。

5. 深度摄像头+ IMU 融合

目前行业中有很多视觉+IMU的融合方案，视觉传感器在大多数纹理丰富的场景中效果很好，但是如果遇到玻璃，白墙等特征较少的场景，基本上无法工作；IMU长时间使用有非常大的累积误差，但是在短时间内，其相对位移数据又有很高的精度，所以当视觉传感器失效时，融合IMU数据，能够提高定位的精度。

以上组合只是市面上能看到的一些产品采用的定位手段，当然还可以结合目前的自动驾驶定位技术:GPS RTK技术,IMU，基于视觉和雷达的SLAM技术，高精地图等进行随意组合。融合方案的定位精度会优于单一传感器，一个传感器在某种环境失效，补充传感器能顶上。

自动驾驶的定位问题随着自动驾驶功能及车辆自动化等级的提升而愈发重要。从以奥迪为代表的交通拥堵辅助功能，通用超级巡航功能为代表的高阶ADAS功能，到博世高速自动驾驶功能，奥迪交通拥堵自动驾驶功能等L3级别以上功能中均有应用。

返回第一电动网首页 >