來源 | 阿寶1990
知圈 | 進“激光雷達社群”請加微信13636581676，備注激光
高精度地圖一定是匹配高精度定位來使用的，如果車輛定位本身精度不高，就類似于你獲得了碧血劍譜，但是沒有自宮，這個武功是沒有辦法學(xué)會的。
高精度定位與高精度地圖緊密聯(lián)系，為自動駕駛汽車路線規(guī)劃，道路感知，駕駛控制提供支持，首先，高精度地圖數(shù)據(jù)的采集、處理、以及地圖的建模都需要以高精度的位置坐標作為框架。高精度地圖中道路和場景是自動駕駛汽車感知和決策的數(shù)據(jù)基礎(chǔ)，若在制圖過程中位置標定出現(xiàn)誤差，就有可能造成自動駕駛系統(tǒng)的判斷失誤。
其次，以高精度地圖為基礎(chǔ)，結(jié)合感知匹配實現(xiàn)高精度的自主導(dǎo)航定位，在定位信號中斷或不穩(wěn)定的情況下，保證自動駕駛汽車仍明確知曉車輛在當前環(huán)境中的準確位置。而高精度地圖與高精度定位相結(jié)合，車輛能夠提供了解當前位置可能的道路特征情況，調(diào)高傳感器的識別精度，降低對于傳感器的性能要求。
前面說了普通GPS的定位精度只能到5-10米左右的絕對精度，做的相對比較好的可以做到5米左右，但是無法充分滿足自動駕駛汽車對高精定位的要求，需要尋求其他輔助手段來提高定位精度。
RTK——“地面上的衛(wèi)星定位系統(tǒng)”。RTK技術(shù)指實時動態(tài)載波相位差分技術(shù)， 通過地面基準站與流動站之間的觀測誤差，實現(xiàn)分米乃至厘米級的高精度定位。衛(wèi)星定位的誤差難以避免，而地面上某些固定點位的絕對位置坐標是可以相對精確給定的——例如特定的地理坐標點、衛(wèi)星接收站等，以該點位為中心的20-40km半徑范圍內(nèi)，對流層、電離層等環(huán)境干擾對衛(wèi)星信號的干擾方向和程度基本一致。
因此這類點位作為RTK中的“基準站”，協(xié)助附近的運動物體一一“流動站”矯正衛(wèi)星定位的結(jié)果。簡要流程如下：
一、基準站將衛(wèi)星定位結(jié)果與已有精確坐標比對，計算出此時該區(qū)域的衛(wèi)星定位的綜合誤差；
二、基準站將該誤差數(shù)據(jù)發(fā)送給附近的流動終端；
三、流動站收到誤差數(shù)據(jù)，矯正自身衛(wèi)星定位結(jié)果， 實現(xiàn)厘米至亞米量級定位精度。
簡單點理解，就是增加了一些基站，類似移動4G這樣的基站，這個基站是專門用來做高精度輔助定位的，此時就需要在車上增加RTK接收的天線，同時這個RTK類似于移動收費一樣，用戶需繳服務(wù)費獲得差分修正數(shù)據(jù)，這筆錢要交給地基增強網(wǎng)運營商。
從RTK原理可以看出，除了設(shè)備和技術(shù)本身，RTK定位精度還取決于基站絕對位置的精度，以及距基準站的距離。RTK的供應(yīng)商國內(nèi)第一的就是千尋，全國建立超過2600個地基增強站，這個可以在很多位置可以覆蓋高精度定位。
是不是看起來非常理想，通過RTK就可以解決高精度定位，還是太年輕，想想RTK的本質(zhì)還是需要接收到GPS信號，同時結(jié)合接收RTK的基站信號，成本這里就不談了，需要增加接收差分信號接收天線和模塊，關(guān)鍵你怎么保障你車子行駛的位置都有GPS和RTK基站信號。
首先來看GPS信號接收比較困難，是因為衛(wèi)星的發(fā)射功率并不大，信號到達地面時已經(jīng)很弱。這種信號強度相當于1.6萬公里外一個25瓦的燈泡發(fā)出的光。再做個比喻，它比電視機天線所接收到的功率還要低10億倍，所以在隧道、樹木茂密、高樓林立的地方，雖然天空中有7-8顆衛(wèi)星，但是至少需要接收到4顆衛(wèi)星及以上才能定位。
此時經(jīng)過信號的反射多路徑干擾，隧道的衰減等等，所以在這些天橋、隧道、樹木茂密等駕駛環(huán)境下GPS搜不到信號也是正常。
我們再來看看RTK的一個基站覆蓋的范圍是20-40KM，而且基站建立的成本也不低，主要在城市道路或者常用的高速道路附近有基站，所以不能完全保證在所有道路上都能定位，碰上GPS信號不好，而且RTK基站也不能覆蓋的地方，難道就繳械投降了？
不著急，我們還有一種方式定位，IMU慣性導(dǎo)航定位，專門就是用來應(yīng)對這些場景的。
IMU實現(xiàn)不依賴外部信息的自主導(dǎo)航 慣性導(dǎo)航
IMU即慣性策略單元，是組成慣性導(dǎo)航系統(tǒng)的設(shè)備單元， 是組成慣性導(dǎo)航系統(tǒng)的設(shè)備單元，由陀螺儀、加速計、算法處理單元三部分組成。陀螺儀與加速計分別測量角度、加速度信息。不依靠外界的信息輸入，慣性導(dǎo)航系統(tǒng)可以向自動駕駛汽車提供航向、姿態(tài)、速度、位置等導(dǎo)航參數(shù)， 是高精定位不可或缺的一部分。IMU提供信息的維度稱為自由度(DOF) ， 三軸(x軸、y軸、z軸) 陀螺儀加三軸加速計， 組成六自由度IMU， 也稱六軸IMU。再加上用于測量相對于地球磁場方向的三軸磁強計組成九自由度IMU， 也稱九軸IMU。IMU提供的信息與汽車輪速記、方向盤轉(zhuǎn)角等信息有重疊， 為自動駕駛汽車感知方位與姿態(tài)提供冗余信息。
有點難懂，我們從網(wǎng)上找到比較簡單容易理解的方式；
當我們晚上回到家，發(fā)現(xiàn)家里停電時，眼睛在黑暗中什么都看不見的情況下，只能根據(jù)自己的經(jīng)驗，極為謹慎地走小碎步，并不斷用手摸周圍的東西（比如冰箱），用以確定自己所在的位置。
在黑暗中，由于自己對步長的估計和實際走的距離存在誤差，走的步數(shù)越來越多時，自己估計的位置與實際的位置相差會越來越遠。
走第一步時，估計位置（黑人所在位置）與實際位置（白人所在位置）還比較接近；但隨著步數(shù)增多，估計位置與實際位置的差別越來越大。
圖中的小人只朝一個方向移動，是一維的。根據(jù)此方法推廣到三維，就是慣性測量單元的原理。
學(xué)術(shù)上的語言是：以牛頓力學(xué)定律為基礎(chǔ)，通過測量載體在慣性參考系的加速度，將它對時間進行積分，且把它變換到導(dǎo)航坐標系中，就能夠得到在導(dǎo)航坐標系中的速度、偏航角和位置等信息。
所以看到這個慣性導(dǎo)航，實際就是根據(jù)牛頓力學(xué)，在GPS失去信號的時候，根據(jù)當前的位置，前進的速度，方向和角度，自己建立一個坐標系，算出一個預(yù)估的位置，輸出給導(dǎo)航地圖一個經(jīng)緯度位置，實現(xiàn)自主導(dǎo)航，從圖片中也可以看到，這個有一個確定，這個可以短時間使用，如果長時間使用的話，這個位置累積偏移會非常嚴重。如果要測試一個IMU的自主導(dǎo)航的偏移度怎么樣，就應(yīng)該長時間失去GPS信號的情況下去測試，此時最合適的就是長長的隧道，所以為什么臺北的雪山隧道，這么受到車廠的測試愛戴，因為它全長約12.9公里，完全有這么長的時間測試IMU的偏移度。
IMU在自動駕駛汽車高精定位中的作用：協(xié)助GPS定位與無外部信號自主導(dǎo)航。IMU在自動駕駛過程中時刻發(fā)揮著作用：GPS信號的更新頻率為10Hz——也就是每0.1秒更新一次GPS定位信息， 而IMU設(shè)備的更新頻率在100Hz以上， 在兩次GPS信號更新之間， 自動駕駛汽車可以結(jié)合IMU提供的車輛方位、姿態(tài)、速度等信息推算汽車的精確位置，實現(xiàn)高頻率高精度定位，滿足自動駕駛汽車對實時定位的要求。
而在無定位信號或弱定位信號區(qū)域， 自動駕駛汽車可以通過IMU實現(xiàn)短時間自主導(dǎo)航——這是IMU在自動駕駛高精定位環(huán)節(jié)發(fā)揮的另一重要作用。例如，當自動駕駛汽車駛?cè)胨淼馈⑸铰返刃盘栞^弱路段，或接收電磁波信號、光信號(用于攝像頭識別)受到強烈干擾導(dǎo)致設(shè)備無法正常工作時，汽車保留最后一次穩(wěn)定接收到的定位數(shù)據(jù)， 基于IMU提供的參數(shù)信息計算汽車在弱信號路段的具體位置， 結(jié)合高精地圖數(shù)據(jù)實現(xiàn)自主導(dǎo)航。但IMU的計算誤差會隨時間增大， 因此強調(diào)是在一定時間范圍內(nèi)的自主導(dǎo)航。
跑在控制器上的軟件對信息的處理流程在時間維度上類似下圖。在0~100ms的周期中，使用IMU進行9次位置的估計，待新的GPS定位數(shù)據(jù)進來時，則進行修正，以此實現(xiàn)高頻率的定位結(jié)果輸出。
就這樣，GPS與IMU便相輔相成地實現(xiàn)了無人車的穩(wěn)定定位,就能解決我們前面提到的定位刷新頻率≥100HZ的問題。
到這里了，高精度定位絕對位置的倚天和屠龍都已經(jīng)亮出來了，我們看看首先是RTK在GPS信號和基站信號的情況下可以實現(xiàn)2-30cm的高精度定位，而IMU慣性導(dǎo)航，可以彌補GPS定位缺陷，精確感應(yīng)定位和車身姿態(tài)，IMU全天候工作，受外界干擾小，短期精度和穩(wěn)定性好，數(shù)據(jù)更新頻率高，劣勢就是自動駕駛的IMU的成本需要非常高。
第一，用戶購買終端硬件貴，差分技術(shù)及元器件實際上過去是應(yīng)用測繪行業(yè)，硬件成本高。
第二，用戶需繳服務(wù)費獲得差分修正數(shù)據(jù)，這筆錢要交給地基增強網(wǎng)運營商。
第三，用戶需繳通訊流量費用于用戶端與增強系統(tǒng)間的數(shù)據(jù)傳輸，這筆錢要交給4G運營商。
第四，數(shù)據(jù)保密問題，地基增強網(wǎng)是雙向數(shù)據(jù)，用戶位置數(shù)據(jù)會被運營方自動無償獲取。
第五，使用范圍有限制：只在差分站覆蓋范圍內(nèi)，實際上有保障可用信號的范圍目前還非常有限。
第六，由于技術(shù)復(fù)雜，導(dǎo)致維權(quán)法律上取證難度大。出現(xiàn)事故后，在衛(wèi)星網(wǎng)絡(luò)、地基增強網(wǎng)絡(luò)、3G/4G運營商、終端設(shè)備供應(yīng)商之間難以鑒別劃分責任。
總結(jié)下來從車廠還有用戶角度出發(fā)的最關(guān)鍵痛點是：
需繳服務(wù)費和通信費：獲得差分修正數(shù)據(jù)
使用范圍有限制：差分站和通訊網(wǎng)絡(luò)覆蓋范圍內(nèi)
其實在這里除了RTK這樣的屠龍，還有一種葵花寶典的RAC技術(shù)。在最近的2020智能網(wǎng)聯(lián)汽車C-V2X“新四跨”暨大規(guī)模先導(dǎo)應(yīng)用示范活動在上海國際汽車城測試場，本次“新四跨”大規(guī)模測試驗證的17個實現(xiàn)車路協(xié)同的場景，絕大多數(shù)都要求車輛具有高精度的實時定位能力。在不依賴車載雷達和視覺的條件下，高精度衛(wèi)星定位已成為不可或缺的技術(shù)方案。
此次新四跨大規(guī)模實際道路測試和現(xiàn)場公開演示中，百度Apollo，PSA等多家廠商經(jīng)過大規(guī)模測試選用搭載RAC，駕駛精度和駕駛體驗都優(yōu)于RTK，得到體驗專家和媒體的高度評價。
RAC就是多陣列天線去接收GPS信號，通過算法來實現(xiàn)精度的提高。
可以看到用戶使用RAC的BOM成本低，無需差分修正數(shù)據(jù)支持，所以不需要流量費用，數(shù)據(jù)可以得到很好的保密，只為用戶和車廠所有，使用范圍也廣，在城市環(huán)境，樹木遮擋、高架橋下、RAC動態(tài)穩(wěn)定性魯棒性比RTK好。
絕對位置定位是以地球為參考系，相對位置定位以當前駕駛場景為參考系，相對位置定位思路和人類駕駛過程更為類似：人類駕駛員在駕駛過程中，通過視覺觀察周圍場景中的物體，包括建筑、路緣、標志線等，經(jīng)過對比判斷車輛在當前場景中的位置。
類似的，自動駕駛汽車通過高清攝像頭、激光雷達等感知設(shè)備獲取周圍場景內(nèi)物體的圖像或反射信號，將其與事先采集的高精度地圖數(shù)據(jù)進行匹配，從而獲得車輛當前位置的精確估計。
相對位置定位可以分為（激光雷達）點云匹配和視覺定位兩大技術(shù)路線。點云匹配以激光雷達為核心；激光雷達向外發(fā)射激光脈沖，從地面或者物體表面發(fā)射形成多個回波返回進行匹配，實現(xiàn)汽車當前場景的高精度定位。目前主流的匹配算法包括概率地圖與NDT（正太分布變換）算法兩種，代表玩家如google、HERE、TomTom。
視覺定位以攝像頭為核心，分為兩種路徑：視覺匹配和視覺里程定位，視覺匹配通過提取圖像中的道路標識、車道線等參照物體與高精度地圖進行匹配，實現(xiàn)精準定位，代表玩家如特斯拉、Mobileye、英偉達。基于視覺里程算法的定位技術(shù)以雙目攝像頭為主，通過圖像識別以及前后兩幀圖像之間的特征關(guān)系來計算車輛當前的位置，但該方案依賴攝像頭的成像質(zhì)量，在光線不佳、視線遮擋等環(huán)境下定位可靠性有待考量，一般不會單獨使用。
如何利用高精度地圖和高精度定位來進行“導(dǎo)航”
當前自動駕駛導(dǎo)航過程可以簡要分為三個階段：路線級規(guī)劃、車道級規(guī)劃、自動駕駛控制。路線級規(guī)劃通過導(dǎo)航地圖確定具體行駛路線，考慮交通方式、路線距離、交通狀況、途徑地點等，是點到點的粗略規(guī)劃。車道級規(guī)劃依靠高精度地圖，根據(jù)給定的路線確定具體的形式方案，包括車輛起步和停止、速度限制、車道保持與變道、車道坡度等。在自動駕駛控制階段，系統(tǒng)依據(jù)具體的行駛方案控制汽車，實現(xiàn)自動駕駛。
具體到自動駕駛的控制，我們可以將自動駕駛流程分為“感知層-決策層-執(zhí)行層”，高精地圖橫跨“感知層”和“決策層”。在感知層，車輛通過攝像頭、毫米波雷達、激光雷達等設(shè)備獲取周圍場景信息，實現(xiàn)周圍感知；將周圍場景信息與高精度地圖進行比對，確定車輛相對位置，并通過GNSS、RTK 定位、慣性導(dǎo)航系統(tǒng)確定自身姿態(tài)、速度和絕對位置，共同實現(xiàn)自我感知。感知信息進入決策層，算法將依據(jù)高精地圖、車聯(lián)網(wǎng)技術(shù)提供的多維度信息對具體駕駛問題做出判斷、輸出車輛控制信號并交給執(zhí)行層執(zhí)行。
①感知層首先要感知周圍環(huán)境，高精地圖用于環(huán)境感知，能夠與激光雷達、攝像頭等感知設(shè)備輸出結(jié)果形成冗余，提高識別的準確度。此外，高精地圖信息能夠為感知設(shè)備識別提供輔助信息。例如，通過高精度地圖，已知汽車在當前位置附近有紅綠燈，再通過攝像頭、雷達設(shè)備感知該紅綠燈存在的準確率能夠有所提升。
②除了感知周圍環(huán)境，自動駕駛的車輛同時要實現(xiàn)自我感知，即知道“我在哪”。利用高精度地圖&高精度定位（絕對位置+相對位置）是自動駕駛汽車定位解決方案的定位模式。
以激光雷達點云匹配的定位方案為例：一方面，車載激光雷達掃描獲得點云數(shù)據(jù)，并提取數(shù)據(jù)中包含的環(huán)境特征；另一方面，車輛從“ GNSS + RTK + IMU ”定位組合中獲得車輛位置的預(yù)測值，從高精地圖中獲取該位里附近的環(huán)境特征，之后將掃描識別的環(huán)境特征與高精地圖記述的環(huán)境特征做匹配融合，獲取車輛當前場景下精確的位置信息。高精定位方案中，共有三部分相互重盈的定位子系統(tǒng)：
一、衛(wèi)星定位，包括RTK 定位技術(shù)、地基增強網(wǎng)絡(luò)等；
二、航位推算引擎，包括 IMU 、車身里程計、以及車輛控制系統(tǒng)的總線信息；
三部分之間信息相互藕合，結(jié)果相互冗余，從而保證定位的精度和可靠性。
我們來看看行業(yè)最具代表性的百度Apollo 2.0的多傳感器高精度定位的實現(xiàn)方式。
按照百度 APollo的劃分，適用于自動駕駛汽車的定位技術(shù)可由六部分組成，分別為：
慣性導(dǎo)航（定位）、衛(wèi)星定位、磁力導(dǎo)航（定位）、重力導(dǎo)航（定位）、激光點云定位、視覺定位。
不同部分之間優(yōu)勢互補，定位結(jié)果之間相互重疊以矯正誤差，提高定位精度和魯棒性。
以 Apollo2.O 多傳感器融合定位模塊為例，以IMU為基礎(chǔ)的慣性導(dǎo)航解算子模塊、以地面基站和車端天線為基礎(chǔ)的 GNSS 定位子模塊、以及以激光雷達、高精地圖為基礎(chǔ)的點云匹配子模塊相互融合，輸出一個 6 DOF（自由度）位置和姿態(tài)信息，并且融合結(jié)果反饋給 GNSS 定位和點云定位子模塊，提高兩定位模塊的精度。在該框架中， GNSS定位模塊向系統(tǒng)提供車輛絕對位置信息，而點云定位模塊向車輛提供相對距離、相對位置信息。
③感知完周邊環(huán)境和自我位置之后，高精度地圖接下來用于進行決策支持。在規(guī)劃與決策層面，高精地圖除了用于自動駕駛汽車車道級別的線路規(guī)劃外，還能夠為決策和識別算法提供支持。例如，當車輛駛近人行橫道——高精地圖上標注的“興趣區(qū)”時，識別算法將提前進行模型比較，提高對各類行人姿態(tài)的識別準確率，同時降低車速，避免事故的發(fā)生。
由于自動駕駛需要極高的安全性，因此系統(tǒng)的魯棒性非常重要，由于攝像頭、激光雷達、毫米波雷達、高精度地圖都有信息缺失或者不能及時獲取的可能，因此各種傳感器的信息相互補充，互為冗余就非常重要了。高精地圖和感知層（激光雷達、毫米波雷達、攝像頭）一起構(gòu)成了信息冗余的組成環(huán)節(jié)，信息冗余確保自動駕駛的魯棒性。高精地圖提供的部分道路和環(huán)境信息，例如道路細節(jié)信息、交通標志等，與自動駕駛汽車通過攝像頭、激光雷達等感知設(shè)備獲取的信息存在重疊，達到“信息冗余”狀態(tài)。一方面，冗余信息確保車輛在遇到惡劣環(huán)境、信號不佳、識別錯誤等非常規(guī)狀況時能夠依靠多余信息實現(xiàn)正確駕駛決策，確保自動駕駛的“魯棒性”。另一方面，信息冗余為相對位置定位提供支持。通過將實時感知信息與高精地圖信息進行對比，汽車可以獲取當前行駛的相對位置，與基于GNSS 等技術(shù)手段的絕對位置定位互補，構(gòu)成另一層次的“信息冗余”。
到這里為止，就講明白了高精度地圖，高精度定位，怎么通過傳感器的融合和冗余實現(xiàn)高精度地圖的感知、定位、決策的整套流程。
