转自：https://blog.csdn.net/mabingyao/article/details/104821307
主讲人：万国伟 百度自动驾驶事业部研发工程师
百度的无人车定位技术
1. 配置多种传感器方案的自动驾驶汽车成果展示
“探路者”车型：宝马、北汽、奇瑞、MKZ——惯导和64线激光雷达，配置都比较高
无人驾驶微循环车“阿波龙”：百度×厦门金融——三个16线激光雷达，传感器配置大概10w左右
无人驾驶物流车“新石器”：百度×创业公司——一个激光雷达，传感器配置<5w
2. GNSS定位技术
GNSS定位
GPS（USA）、北斗（CHN）、GLONASS（RUS）、Galileo（EU）、QZSS（JPN）
GPS技术：
（1）卫星星座（设计方案）：24颗GPS卫星
（2）载波信号频率：L1、L2
（3）信号调制：载波信号上调制有测距码（L1–C/A码和P码；L2–P码）和导航电文
（4）系统基本功能：定位（P）、测速（V）、授时（T）
（5）测距：三颗卫星交会两点，舍弃外部空间点，就可以得到自己的测绘点，由于钟差，一般用四颗卫星，剔除误差
载波定位技术
RTK：所有卫星把自己观测的数据给基站和接收机，基站根据多个卫星钟差计算出一个误差项，误差项传递给车端，车端利用误差项消除自己的观测误差，最后达到模糊度的固定。然后整周计算，最后得到精准的位置。
（1）基本原理：20km基线/22000km地卫距，视径重叠误差强相关
（2）优势：基本5秒内就可以提供cm级定位精度
（3）劣势：建基站、双向链路（4kpbs）
（4）发展趋势：终端低成本化、数据协议5G标准化
PPP：基站将卫星发送的数据误差做分离处理，再传递给卫星，此时卫星已经剔除了误差，再对车端定位
（1）基本原理：各项误差被单独分离后终端矫正
（2）优势：全球均匀布站100+，单向广播
（3）当前劣势：建15+min的收敛时间；接收GEO广播需授权
（4）发展趋势：LEO-GNSS增强
GNSS/GPS在无人车中的作用
GPS授时：为无人车提供纳秒（ns）级的授时精度
HD-MAP制图
在线定位
存在挑战
可靠性：不封闭，易受电磁干扰
可用性：城市峡谷和林荫路效果不好，很难达到cm级
3. 激光点云定位技术
百度激光点云定位算法框架
两个模块：图像对齐、SSD-HF。 图像对齐用于航向角（yaw）的优化，SSD-HF用于（x，y）的优化，z从点云地图中输出。
定位地图以数据形式存在
（1）定位地图每个格子的大小是128m×128m，每个各自拿出来得到反射值地图块和高度值地图块。
（2）反射值地图块：反射值可以理解为灰度值，图中有车道线等，再分成1024×1024，每个小格子的大小为12.5cm，存储了反射值、反射值方差。
（3）高度值地图块：存放高度z
输入预测位姿+实时点云数据。输出用于进行进一步融合定位
定位
—– x，y方向的定位
（1）SSD—Sum of Squared Difference（平方差总和）
每个激光点有对应的颜色值或高度值，地图上找一个对应点，二者相减，再求平方，再把所有点误差加起来。
（2）HF—直方图滤波器
在一个范围内每一个点都计算SSD值，最后把这个值转换成一个概率，得到一个分布图，红色表示响应度高，蓝色表示概率低，绿色是过渡。
—– 航向角优化——基于LK算法
（1）不做航向角优化直接匹配，会发现有比较大的x，y方向的偏差，这在无人车系统中造成的威胁是很大的。
（2）基于LK算法的框架，对颜色值和高度值进行优化，一般情况下误差很小，可以采用这个方法。若误差很大，这个方法不适用。
—– 反射值与高度值自适应融合
由于地面变化，在单一的反射值匹配和高度值匹配时可能不能得到很好的直方图，这时，通过自适应算法分别给反射值匹配和高度值匹配一个权重，最后融合到一个直方图中去。对比匹配结果如下图：
4. 视觉定位技术
视觉定位是通过识别图像中具有语义信息的稳定特征，并于地图匹配来获得车辆的位置和朝向。
特点：
（1）摄像头技术成熟，结构化地图尺寸小，有利于降低系统生产成本。
（2）车道线，路灯等道路元素稳定性高，不易变动，地图生命周期较长。
（3）配置灵活，根据识别算法性能，可以使用不同的特征组合，易于拓展。
算法流程：
（1）3D特征地图离线生成，是基于视觉的全局定位算法基础。
（2）图像特征检测及匹配是定位算法的核心，IMU和轮速计信息在这个环节用于估计车辆运动。
（3）最后的数据融合可以将GPS、视觉定位和IMU数据整合，优化定位结果，并提供高频输出。
5. 捷联惯性导航技术
捷联惯性导航系统
概述
初始条件：已知的初始速度、位置、姿态
输入数据：惯性测量元件测量到的载体相对于惯性空间角运动和线运动参数。
解算方法：捷联惯性导航解算，IMU数据积分
输出结果：实时的载体速度、位置和姿态
优点：
（1）自主性、隐蔽性
（2）三维速度、位置和姿态
（3）输出频率高
（4）短时间精度高
缺点：误差随时间累积
惯性测量单元IMU
组成单元：陀螺仪、加速度计
输出元素
（1）加速度计能够测量出载体相对于惯性空间所受的力
（2）陀螺仪能够测量出载体沿陀螺仪轴向的旋转角速度或旋转增量
功能
IMU是惯性导航系统的基础，直接决定了惯性导航系统所能达到的精度。
捷联惯性导航系统——初始对准
把载体坐标系或者说IMU坐标系与世界坐标系（也可以叫导航坐标系）对应起来，要对准位置和姿态
对准方式不同：
高精度IMU：
（1）精度等级：陀螺仪零偏<1°/h，加速度计零偏<1mg
（2）特点：能够敏感到地球自转角速度（15°/h）
（3）原理：重力矢量与地球自转矢量不共线、Kalman滤波速度匹配精对准
（4）典型IMU：光纤和激光IMU
低等级IMU：
（1）精度等级：陀螺仪零偏>1°/h，加速度计零偏>1mg
（2）特点：无法敏感到地球自转角速度（15°/h）、测量噪声大、存在随机开机零偏等误差
（3）原理：加速度计水平对准、航向粗对准（外部辅助，磁强计，gps速度等）、Kalman滤波速度匹配精对准
（4）典型IMU：MEMS以及消费级IMU
（5）航向优化方式：双天线，或者得到车行驶起来的速度，或直接使用dps速度
捷联惯性导航系统——解算
捷联解算框图
6. 组合导航技术
组合导航系统
概述
系统组成：两种或两种以上非相似的导航系统（如GNSS、SINS等）
必要条件：可以对同一信息进行测量（如GNSS、SINS都可以计算出载体的位置速度信息）
融合方法：以SINS的误差方程作为Kalman滤波的状态方程，GNSS等其他系统与SINS的误差作为观测量进行SINS的误差估计，并对SINS进行矫正。
优点：
（1）协同：超越单一子系统的性能，弥补各个单一子系统的缺点
（2）优势互补：充分发挥各个子系统的优势
（3）余度：提高系统的稳定性
百度组合导航系统——系统框图
注意：从SINS模块输出的原因：高频输出
支付宝扫一扫
微信扫一扫
