云點(diǎn)定位
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時(shí)間：2021-10-12
云點(diǎn)定位的實(shí)例教程
本文是自動(dòng)駕駛中激光雷達(dá)點(diǎn)云定位相關(guān)綜述，由于篇幅文章內(nèi)容以及參考文獻(xiàn)有所刪減
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(shí)現(xiàn)方式。
按照百度 APollo的劃分，適用于自動(dòng)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(diǎn)云定位、視覺定位。
不同部分之間優(yōu)勢互補(bǔ)，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(dá)、高精地圖為基礎(chǔ)的點(diǎn)云匹配子模塊相互融合，輸出一個(gè) 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(diǎn)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(diǎn)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(jìn)行決策支持。在規(guī)劃與決策層面，高精地圖除了用于自動(dòng)駕駛汽車車道級別的線路規(guī)劃外，還能夠?yàn)闆Q策和識(shí)別算法提供支持。例如，當(dāng)車輛駛近人行橫道——高精地圖上標(biāo)注的“興趣區(qū)”時(shí)，識(shí)別算法將提前進(jìn)行模型比較，提高對各類行人姿態(tài)的識(shí)別準(zhǔn)確率，同時(shí)降低車速，避免事故的發(fā)生。
由于自動(dòng)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(dá)、毫米波雷達(dá)、高精度地圖都有信息缺失或者不能及時(shí)獲取的可能，因此各種傳感器的信息相互補(bǔ)充，互為冗余就非常重要了。高精地圖和感知層（激光雷達(dá)、毫米波雷達(dá)、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(dòng)駕駛的魯棒性。
展開 實(shí)現(xiàn)高精度定位有以下幾種方式：
1、差分GPS：
差分GPS和手機(jī)上的普通GPS不一樣，它是一種特殊的高精度的定位設(shè)備，它可以消除三類誤差：公有誤差、傳播延遲誤差、接收機(jī)固有誤差。通過消除這些誤差可以把定位精度提升到2cm左右。可是在現(xiàn)實(shí)中，道路旁邊有建筑物、高架、樹木，這些都會(huì)影響差分GPS信號(hào)的質(zhì)量，所以還需要其他方式配合以獲得更高精度的定位。
2、基于視覺特征點(diǎn)的定位
是基于圖像中局部灰度的變化來發(fā)現(xiàn)圖像中一些穩(wěn)定的特征點(diǎn)，利用這些特征點(diǎn)對圖像進(jìn)行編碼，通過對環(huán)境持續(xù)觀察以達(dá)到實(shí)現(xiàn)對自車的精準(zhǔn)定位。再通過重定位找到最佳定位匹配點(diǎn)。此外，在無人駕駛車輛行駛中會(huì)通過定位跟蹤模式持續(xù)獲得精準(zhǔn)位姿。
3、激光雷達(dá)定位：
激光雷達(dá)點(diǎn)云定位是激光雷達(dá)通過掃描得到一系列單幀的點(diǎn)云，通過匹配位姿優(yōu)化生成地圖。和基于視覺特征點(diǎn)的定位方式一致，激光雷達(dá)也需要進(jìn)行重定位找到最佳定位匹配點(diǎn)。
4、語義定位：
語義定位是對道路環(huán)境中存在的人類可識(shí)別的高級特征標(biāo)識(shí)進(jìn)行識(shí)別并做自車定位，比如車道線、立柱、箭頭等各種標(biāo)識(shí)。同樣，語義建圖包含三步：第一步，通過激光雷達(dá)與攝像頭融合的數(shù)據(jù)進(jìn)行三維重建，得到彩色的點(diǎn)云；第二步，對三維重建結(jié)果進(jìn)行語義分割，標(biāo)記點(diǎn)云屬于什么分類；第三步，自動(dòng)提取出語義標(biāo)識(shí)，從而完成語義地圖的構(gòu)建。最終自車根據(jù)語義地圖來實(shí)現(xiàn)定位。
5、融合定位：
融合定位是將所有的定位源輸出的結(jié)果和車體內(nèi)部狀態(tài)融合在一起，如IMU（慣性單元）、車身輪速計(jì)等，最終得出統(tǒng)一的自車定位信息發(fā)送給下游模塊使用。
展開 圖 8 自定義標(biāo)準(zhǔn)與Euro NCAP標(biāo)準(zhǔn)的場景評估
2、場景導(dǎo)出器：從LogSim到WorldSim的轉(zhuǎn)換
為了推動(dòng)仿真測試的便捷化，我們基于相機(jī)圖像、激光雷達(dá)點(diǎn)云、GPS定位信息等原始駕駛數(shù)據(jù)，通過內(nèi)部的感知算法將其轉(zhuǎn)化為仿真場景，完成了從LogSim到WorldSim的高效轉(zhuǎn)換。轉(zhuǎn)化后的仿真場景能夠被導(dǎo)出為仿真所需的ASAM標(biāo)準(zhǔn)文件格式（OpenSCENARIO與OpenDrive），實(shí)現(xiàn)數(shù)字孿生。
圖 9 場景導(dǎo)出器：一鍵導(dǎo)出與自定義導(dǎo)出
數(shù)據(jù)輸入支持多種數(shù)據(jù)格式（如RosBag、LCM、ADTF等），并可以根據(jù)需求自定義導(dǎo)出場景的時(shí)間范圍（最長30秒），導(dǎo)出的場景文件可以直接導(dǎo)入支持標(biāo)準(zhǔn)OpenX格式文件的仿真器（如aiSim5），根據(jù)需要進(jìn)行修改后運(yùn)行仿真測試。
圖 10聯(lián)動(dòng)aiSim仿真器的場景仿真示例
五、集成式Euro NCAP道路評估器
為了更快速且可靠地對駕駛系統(tǒng)性能安全進(jìn)行評估，并幫助在未來Euro NCAP的安全輔助評估中拿到高評分，數(shù)據(jù)管理與分析平臺(tái)（DAP）內(nèi)將集成Euro NCAP道路評估器（On-road Evaluator），獲得基于海量駕駛數(shù)據(jù)的深刻見解。
1、基于Euro NCAP協(xié)議的三大評估板塊
通過在數(shù)據(jù)管理與分析平臺(tái)中集成Euro NCAP道路評估器，可以支持對道路ADAS性能快速提供評估結(jié)果，減少評估時(shí)間和成本，同時(shí)確保嚴(yán)格遵守既定的標(biāo)準(zhǔn)，幫助在評定中獲得更高的星級。
展開 
云點(diǎn)定位的相關(guān)專題、標(biāo)簽、搜索
云點(diǎn)定位的最新內(nèi)容
圖 8 自定義標(biāo)準(zhǔn)與Euro NCAP標(biāo)準(zhǔn)的場景評估
2、場景導(dǎo)出器：從LogSim到WorldSim的轉(zhuǎn)換
為了推動(dòng)仿真測試的便捷化，我們基于相機(jī)圖像、激光雷達(dá)點(diǎn)云、GPS定位信息等原始駕駛數(shù)據(jù)，通過內(nèi)部的感知算法將其轉(zhuǎn)化為仿真場景，完成了從LogSim到WorldSim的高效轉(zhuǎn)換。
3、激光雷達(dá)定位：
激光雷達(dá)點(diǎn)云定位是激光雷達(dá)通過掃描得到一系列單幀的點(diǎn)云，通過匹配位姿優(yōu)化生成地圖。和基于視覺特征點(diǎn)的定位方式一致，激光雷達(dá)也需要進(jìn)行重定位找到最佳定位匹配點(diǎn)。
4、語義定位：
語義定位是對道路環(huán)境中存在的人類可識(shí)別的高級特征標(biāo)識(shí)進(jìn)行識(shí)別并做自車定位，比如車道線、立柱、箭頭等各種標(biāo)識(shí)。
本文是自動(dòng)駕駛中激光雷達(dá)點(diǎn)云定位相關(guān)綜述，由于篇幅文章內(nèi)容以及參考文獻(xiàn)有所刪減
按照百度 APollo的劃分，適用于自動(dòng)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(diǎn)云定位、視覺定位。
不同部分之間優(yōu)勢互補(bǔ)，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。
