新能源汽車與智能網(wǎng)聯(lián)技術(shù) 課件 第4章 高精地圖與定位

新能源汽車與智能網(wǎng)聯(lián)技術(shù)第4章

高精地圖與定位“十四五”時期國家重點出版物出版專項規(guī)劃項目新能源與智能網(wǎng)聯(lián)汽車新技術(shù)系列叢書中國機械工業(yè)教育協(xié)會“十四五”普通高等教育規(guī)劃教材課程負(fù)責(zé)人：靳文瑞譚理剛黃晉wrjin@本章內(nèi)容4.1高精地圖4.2適用于車輛駕駛的定位技術(shù)4.3慣性導(dǎo)航定位4.4地圖匹配定位4.5多傳感器融合定位本章內(nèi)容4.1高精地圖4.2適用于車輛駕駛的定位技術(shù)4.3慣性導(dǎo)航定位4.4地圖匹配定位4.5多傳感器融合定位4.1高精地圖自動駕駛高精地圖概述自動駕駛地圖指的是服務(wù)于自動駕駛汽車的一類地圖。在現(xiàn)有自動駕駛技術(shù)下,純粹依靠單車來實現(xiàn)全方位的感知和應(yīng)對各種復(fù)雜環(huán)境的自動駕駛決策仍然是一個難題。因此,實現(xiàn)高級別自動駕駛需要高精度的交通環(huán)境信息來輔助。面向SAEL3~L5級的高度自動駕駛地圖(HighlyAutomatedDrivingMap,HAD

MAP),其精度要求為1~10cm,相比精度為米級的普通地圖,具有更高的精度,因此在業(yè)內(nèi),高度自動駕駛地圖也常稱為高分辨率地圖(HighDefinitionMap,HDMAP)或高精度地圖,簡稱高精地圖。

高精地圖的定義用于自動駕駛的高精地圖,是關(guān)于車輛環(huán)境數(shù)據(jù)和交通運行數(shù)據(jù)元素的存儲和呈現(xiàn)結(jié)構(gòu)的。在車輛環(huán)境數(shù)據(jù)方面,高精地圖擁有精確位置信息、豐富道路元素的數(shù)據(jù);在交通運行數(shù)據(jù)方面,高精地圖包含交通規(guī)則以及交通狀況等數(shù)據(jù)。4.1高精地圖高精地圖為智能駕駛提供先驗知識,擁有類似人腦對真實道路的整體記憶與認(rèn)知的功能,可以為智能汽車預(yù)知環(huán)境和交通中的復(fù)雜信息,規(guī)避駕駛潛在的風(fēng)險,是實現(xiàn)自動駕駛的核心基礎(chǔ)。高精地圖兼具高分辨率與面向高級別自動駕駛兩大特性。高精地圖通過精細(xì)化描述道路、車道線、路沿交通標(biāo)志等靜態(tài)與動態(tài)信息,為自動駕駛定位、規(guī)劃、決策、控制等應(yīng)用提供安全保障,是自動駕駛領(lǐng)域的核心與基礎(chǔ)。高精地圖作為無人駕駛領(lǐng)域的剛需,在整個領(lǐng)域扮演著核心角色,可以幫助汽車定位、預(yù)先感知路面復(fù)雜信息,結(jié)合智能路徑規(guī)劃,讓汽車做出正確決策。4.1高精地圖高精地圖的特點在自動駕駛領(lǐng)域,高精地圖具有如下3個公認(rèn)特性。絕對坐標(biāo)精度高(絕對坐標(biāo)精度指的是地圖上某個目標(biāo)和真實的外部世界的事物之間的精度)。豐富的道路交通信息元素,最重要的就是道路網(wǎng)的精確三維表征,如交叉路口的布局和路標(biāo)位置等,還包含很多語義信息,如交通信號燈顏色定義、道路限速信息、車輛轉(zhuǎn)彎開始位置等。更新頻率高,提供最新、最準(zhǔn)確的靜態(tài)信息;提供實時的交通狀況、障礙物等動態(tài)信息。這些特性使高精地圖區(qū)別于日常生活中一般導(dǎo)航地圖,高精地圖要求更高。高精地圖的作用高精地圖主要在高級別自動駕駛中起到關(guān)鍵作用。

4.1高精地圖根據(jù)SAE對自動駕駛的分級,L2級及以下的低級別自動駕駛是由人來完成全部或部分的駕駛動作,由精度為米級和亞米級的ADAS地圖支持即可,而L3級及以上的高級別自動駕駛,在某些或全部情況下由系統(tǒng)來完成所有駕駛操作,因此需要高精地圖,特別是L4、L5級的無人駕駛情況下,沒有人類駕駛?cè)私槿?高精地圖則是必備項。高精地圖主要從環(huán)境感知、高精定位、路徑規(guī)劃、車輛控制4個方面對自動駕駛提供幫助。輔助環(huán)境感知

單純依靠車載傳感器實現(xiàn)全方位的準(zhǔn)確環(huán)境感知,對于現(xiàn)今的自動駕駛技術(shù)仍然是一個挑戰(zhàn)。高精地圖中包含的大量靜態(tài)道路信息,如車道線、道路邊界、交通標(biāo)志等,對實車環(huán)境感知是一個直接的補充。在車聯(lián)網(wǎng)語境下,高精地圖還能補充實時交通狀況、動態(tài)障礙物等信息。利用高精地圖還可以實現(xiàn)部分環(huán)境元素的超視距感知。4.1高精地圖輔助高精定位

在城區(qū)中由于GNSS信號受到較多的干擾,其定位精度大大下降,不能滿足自動駕駛的定位精度需求。此時,可以利用高精度地圖來輔助高精定位。將地圖中的靜態(tài)的道路基礎(chǔ)設(shè)施和固定元素(常用車道線、燈桿、交通標(biāo)志等)與感知結(jié)果相匹配,就可以對GNSS給出的定位信息進行糾正,從而實現(xiàn)高精度(厘米級)定位。這對判斷自車所在車道、自車與車道的相對位置關(guān)系具有重要的意義。輔助路徑規(guī)劃高精地圖除了傳統(tǒng)的電子導(dǎo)航地圖提供的道路級宏觀路在規(guī)劃功能,還可以在車道級路網(wǎng)和交通狀況信息的協(xié)同之下,提供車道級宏觀路徑規(guī)劃的服務(wù)。高精地圖所提供的道路曲率、坡度、障礙物信息、交通規(guī)則相關(guān)信息(如限速信息、人行橫道)等,對局部路徑規(guī)劃具有一定輔助作用。車聯(lián)網(wǎng)語境下,高精地圖還能提供車輛、行人等動態(tài)障礙物信息,對局部路徑規(guī)劃具有重要意義。輔助車輛控制高精地圖提供的道路曲率、坡度、交通規(guī)則信息等,可對汽車加速、并道和轉(zhuǎn)彎等控制動作提供參考,對實際車輛動力學(xué)控制提供輔助。4.1高精地圖自動駕駛地圖制圖技術(shù)高精地圖制圖的基本環(huán)節(jié)包括靜態(tài)地圖構(gòu)建和動態(tài)地圖構(gòu)建。在制圖過程中,需要進一步明確動態(tài)地圖與靜態(tài)地圖關(guān)系。此外,高精地圖更新也是制圖技術(shù)的一種延伸,使靜態(tài)元素與動態(tài)元素都能保持比較合理的更新頻率,保證高精地圖的時效性。靜態(tài)地圖構(gòu)建靜態(tài)地圖數(shù)據(jù)加工主體環(huán)節(jié)可以分為數(shù)據(jù)采集、數(shù)據(jù)智能化處理、人工加工確認(rèn)、數(shù)據(jù)出品4個環(huán)節(jié)。圖1靜態(tài)數(shù)據(jù)加工主體環(huán)節(jié)4.1高精地圖數(shù)據(jù)采集

數(shù)據(jù)采集是一項龐大的任務(wù),需要投入大量的采集車收集用于高精地圖制作的源數(shù)據(jù),而且道路環(huán)境不斷變化,為保持高精地圖的“鮮度”,需確保每次環(huán)境發(fā)生變化時,高精地圖均會得到快速更新以保證自動駕駛汽車的安全性。數(shù)據(jù)采集的方式有集中制圖和眾包制圖兩種。集中制圖指的是圖商利用自己的專業(yè)采集車采集數(shù)據(jù),再統(tǒng)一進行集中處理的方式;眾包制圖指的是利用普通大眾的車輛上搭載的雷達、相機等傳感器數(shù)據(jù)作為基本數(shù)據(jù)源進行處理的方式。目前,地圖采集以集中制圖為主,部分初創(chuàng)公司以眾包制圖為主。采集車是數(shù)據(jù)采集的核心載體,搭載了激光雷達、攝像頭、IMU和GNSS等系統(tǒng)及傳感器設(shè)備。采集數(shù)據(jù)包括行車軌跡、圖像、點云等數(shù)據(jù),可以據(jù)此識別車道線、路沿、護欄、路燈、交通標(biāo)志牌等信息。這些原始數(shù)據(jù)具有數(shù)據(jù)量大、計算速度慢的特點,且根據(jù)我國測繪法,需要對原始精度數(shù)據(jù)嚴(yán)格保密,此環(huán)節(jié)是后續(xù)數(shù)據(jù)處理、加工和出品的基礎(chǔ)。4.1高精地圖數(shù)據(jù)智能化處理

高精地圖生產(chǎn)中,對道路元素的識別要求較高,目前主流的方式為基于深度學(xué)習(xí)的圖像識別算法進行車道線、地面標(biāo)志線、交通標(biāo)志牌的識別,如Faster-RCNN、MaskR-CNN、YOLOV3、DeepLabV3等。利用激光雷達可以重建道路三維環(huán)境,并進行道路要素提取與識別,以準(zhǔn)確反映道路環(huán)境并描述道路環(huán)境特征,不僅可以得到高精點云地圖,而且可以與影像融合處理,實現(xiàn)高精準(zhǔn)度的道路要素識別?；诩す饫走_點云和圖像多傳感器數(shù)據(jù)融合可以識別車道標(biāo)志、障礙物和交通標(biāo)志,自動化率90%以上,相對精度可以達到20cm。對于誤識別、漏識別的要素需要進行人工檢核與驗證。然而,由于自動駕駛對數(shù)據(jù)質(zhì)量及精度的高要求(3σ,σ為方差),使得該環(huán)節(jié)對工具自動處理的召回率、準(zhǔn)確率都尤為重要。召回率、準(zhǔn)確率越高,需要人工參與量越低,質(zhì)量越有保障。此環(huán)節(jié)是人工加工工作量的關(guān)鍵。4.1高精地圖人工加工確認(rèn)

由于自動識別存在漏檢、誤差及錯誤,需要增加人工加工確認(rèn)環(huán)節(jié)以保證地圖創(chuàng)建過程的正確性與完整性。通過自動提取獲取的高精地圖數(shù)據(jù)與對應(yīng)的圖像信息進行比對,尋找錯誤并進行改正,包括車道線識別是否正確,交通信號燈及標(biāo)志牌的邏輯處理,路口虛擬道路邏輯線生成涉及紅綠燈與相應(yīng)停止線的邏輯信息處理。此外,還需要為自動化處理的地圖數(shù)據(jù)完善對應(yīng)的屬性信息,例如車道線類型、車道線顏色、車道通行狀態(tài)等屬性信息。但是,人工工作的介入也有可能帶來數(shù)據(jù)精度損失、質(zhì)量損失的風(fēng)險。因此,此環(huán)節(jié)是數(shù)據(jù)處理的核心,也是數(shù)據(jù)質(zhì)量控制的必經(jīng)之路。數(shù)據(jù)出品

最后的數(shù)據(jù)出品環(huán)節(jié)主要的工作是轉(zhuǎn)換數(shù)據(jù)格式,以及提供地圖引擎和發(fā)布,最終形成具有統(tǒng)一規(guī)定格式并且能夠方便調(diào)用和讀取的高精地圖。經(jīng)過以上各步驟就能形成達到精度要求、符合標(biāo)準(zhǔn)規(guī)范、便于使用的自動駕駛高精地圖。4.1高精地圖動態(tài)地圖構(gòu)建動態(tài)數(shù)據(jù)包含兩類來源的數(shù)據(jù),一類是交通狀況數(shù)據(jù),包括交通流量、事故情況、交通管制信息等;

另一類是通過車聯(lián)網(wǎng)上傳的高度動態(tài)的車輛、行人等障礙物信息。通過基于車聯(lián)網(wǎng)的大數(shù)據(jù)分析可以獲取交通流量的信息,并以線要素的形式,作為道路的一種動態(tài)屬性來進行表達。交通事故信息則通過交通電臺和用戶上報的形式,作為點要素標(biāo)示于地圖中。交通管制信息則由當(dāng)?shù)氐慕煌ü芾聿块T發(fā)布,同樣以線要素的形式作為道路的屬性來進行表達。此外,由于城市建設(shè)、封路、重大事件的影響等,交通規(guī)則有可能發(fā)生臨時性的變化,這些同樣需要根據(jù)實際情況進行更新。第二類信息為高度動態(tài)數(shù)據(jù),需要利用車聯(lián)網(wǎng)來進行實時更新。這部分?jǐn)?shù)據(jù)可以由自動駕駛汽車的車載傳感器來獲取,也可以由路側(cè)感知設(shè)備來獲取。然后,利用車聯(lián)網(wǎng)V2X,將車輛位置、車輛行駛(位置和速度)、車輛操作數(shù)據(jù)和行人位置以廣播方式通知其他相關(guān)車輛,每輛車在車載終端的動態(tài)地圖上不斷更新周邊車輛的位置和行人信息,以實現(xiàn)高度動態(tài)數(shù)據(jù)的構(gòu)建。4.1高精地圖建立動態(tài)數(shù)據(jù)與靜態(tài)地圖的關(guān)系建立動態(tài)數(shù)據(jù)與靜態(tài)地圖的關(guān)系,同時根據(jù)動態(tài)數(shù)據(jù)中各要素的速度、運動方向,預(yù)測可能的方向,建立動態(tài)地圖,進而動態(tài)地圖與靜態(tài)地圖疊加。汽車的動態(tài)地圖數(shù)據(jù)與靜態(tài)地圖之間是相輔相成的,靜態(tài)地圖提供了基礎(chǔ)的道路和環(huán)境信息,而動態(tài)地圖數(shù)據(jù)可以增強自動駕駛汽車對于道路環(huán)境的感知和決策能力。汽車可以同時使用這兩類地圖數(shù)據(jù)來提高自身的自動駕駛能力。地圖存儲結(jié)構(gòu)表示地理實體的空間數(shù)據(jù)包含空間特征和屬性特征,對這些復(fù)雜特征的空間數(shù)據(jù),組織和建立它們之間的聯(lián)系,以便計算機存儲和操作,這稱為地圖存儲的數(shù)據(jù)結(jié)構(gòu)?？臻g數(shù)據(jù)結(jié)構(gòu)是空間地理信息數(shù)據(jù)呈現(xiàn)在計算機內(nèi)部的一種組織與編碼形式,抽象描述并表達了地理實體的空間排列及其空間關(guān)系等信息,適用于計算機存儲、處理、管理的空間數(shù)據(jù)邏輯結(jié)構(gòu)?？臻g數(shù)據(jù)結(jié)構(gòu)的具體實現(xiàn)為空間數(shù)據(jù)編碼,通過給定的數(shù)據(jù)結(jié)構(gòu)將影像數(shù)據(jù)、圖形數(shù)據(jù)、統(tǒng)計數(shù)據(jù)等相關(guān)資料轉(zhuǎn)換為計算機存儲與處理的形式。4.1高精地圖高精地圖更新高精地圖數(shù)據(jù)如果不能及時更新,自動駕駛車輛就有可能對環(huán)境做出錯誤的判斷。一般地,高精地圖中的動態(tài)數(shù)據(jù)是必須要更新的,因此談到高精地圖的更新,一般指的是高精地圖中靜態(tài)數(shù)據(jù)的更新。高精地圖的更新可以通過專業(yè)采集車或者眾包數(shù)據(jù)來實現(xiàn)。高精地圖更新的基本目的是通過將采集到的數(shù)據(jù)與地圖中已有的數(shù)據(jù)進行比對,調(diào)整元素的位置,補充原有地圖中沒有的元素,并刪去當(dāng)前已經(jīng)不存在的元素。通過專業(yè)采集車進行的更新,具有較高的精度和可靠性,但是成本較高,而且由于專業(yè)采集車的數(shù)量較少,更新的速度比較慢。而通過眾包數(shù)據(jù)來進行更新,即利用自動駕駛汽車車載傳感器感知到的數(shù)據(jù)進行更新,其精度低于專業(yè)采集車,但是隨著自動駕駛汽車數(shù)量的增多,感知數(shù)據(jù)量增多,在云端收集這些數(shù)據(jù)后,利用大數(shù)據(jù)分析也可以得到精度較高的更新結(jié)果。本章內(nèi)容4.1高精地圖4.2適用于車輛駕駛的定位技術(shù)4.3慣性導(dǎo)航定位4.4地圖匹配定位4.5多傳感器融合定位4.2適用于車輛駕駛的定位技術(shù)四大衛(wèi)星導(dǎo)航系統(tǒng)衛(wèi)星導(dǎo)航定位系統(tǒng)是星基無線電導(dǎo)航系統(tǒng),以人造地球衛(wèi)星作為導(dǎo)航臺,為全球海陸空的各類軍民載體提供位置、速度和時間信息,這些信息都具有全天候且高精度等特征,因而又被稱作天基定位、導(dǎo)航和授時系統(tǒng)。衛(wèi)星導(dǎo)航定位系統(tǒng)包括全球四大導(dǎo)航衛(wèi)星系統(tǒng)、區(qū)域衛(wèi)星導(dǎo)航系統(tǒng)和增強系統(tǒng)。全球四大導(dǎo)航衛(wèi)星系統(tǒng)中國的北斗導(dǎo)航衛(wèi)星系統(tǒng)(BeidouNavigationSatelliteSystem,BDS):2000年年底建成北斗一號系統(tǒng),向我國提供服務(wù);2012年年底建成北斗二號系統(tǒng),向亞太地區(qū)提供服務(wù);2020年建成北斗三號系統(tǒng),向全球提供服務(wù)。4.2適用于車輛駕駛的定位技術(shù)美國的全球定位系統(tǒng)(GlobalPositioningSystem,GPS):提供具有全球覆蓋、全天時、全天候、連續(xù)性等優(yōu)點的三維導(dǎo)航和定位功能。俄羅斯的全球?qū)Ш叫l(wèi)星系統(tǒng)(GlobalNavigationSatelliteSystem,GLONASS):為海陸空的民用和軍用提供全球范圍內(nèi)的實時、全天候連續(xù)導(dǎo)航、定位和授時服務(wù)。歐盟的伽利略衛(wèi)星導(dǎo)航系統(tǒng)(GalileoSatelliteNavigationSystem,GALILEO):正在建設(shè)中的全球衛(wèi)星導(dǎo)航系統(tǒng),目的是使歐洲擺脫對美國GPS的依賴。區(qū)域衛(wèi)星導(dǎo)航系統(tǒng)區(qū)域衛(wèi)星導(dǎo)航系統(tǒng)有日本的準(zhǔn)天頂衛(wèi)星系統(tǒng)(Quasi-ZenithSatelliteSystem,QZSS)、印度區(qū)域?qū)Ш叫l(wèi)星系統(tǒng)(IndianRegionalNavigationSatelliteSystem,IRNSS)。4.2適用于車輛駕駛的定位技術(shù)星基增強系統(tǒng)星基增強系統(tǒng)(Satellite-BasedAugmentationSystem,SBAS)是由美國實施選擇可用性(SelectiveAvailability,SA)政策而發(fā)展起來的。SBAS主要由空間段、地面段和用戶段構(gòu)成。地基增強系統(tǒng)(Ground-BasedAugmentationSystems,GBAS)是衛(wèi)星導(dǎo)航系統(tǒng)建設(shè)中的一項重要內(nèi)容,可以大大提升系統(tǒng)服務(wù)性能,綜合使用了各種不同效果的導(dǎo)航增強技術(shù),主要包括精度增強技術(shù)、完好性增強技術(shù)、連續(xù)性和可用性增強技術(shù),實現(xiàn)其增強衛(wèi)星導(dǎo)航服務(wù)性能的功能。地基增強系統(tǒng)4.2適用于車輛駕駛的定位技術(shù)定位原理根據(jù)后方交會定位原理,要實現(xiàn)GNSS定位,需要解決兩個問題:一是觀測瞬間衛(wèi)星的空間位置;二是觀測站點和衛(wèi)星之間的距離,即衛(wèi)星在某坐標(biāo)系中的坐標(biāo)。坐標(biāo)系統(tǒng)和時間系統(tǒng)坐標(biāo)系統(tǒng)可分為地理坐標(biāo)系、慣性坐標(biāo)系、地球坐標(biāo)系、地心坐標(biāo)系和參心坐標(biāo)系。GNSS采用了一個獨立的時間系統(tǒng)作為導(dǎo)航定位計算的依據(jù),稱為GNSS時間系統(tǒng),簡稱GNSST。GNSST屬于原子時系統(tǒng),其秒長與原子時秒長相同。4.2適用于車輛駕駛的定位技術(shù)定位原理GNSS被設(shè)想為一種測距系統(tǒng),測量從衛(wèi)星在太空中已知位置到陸地、海上、空中和太空中未知位置的距離。信號離開衛(wèi)星和到達接收器之間的時間間隔是確定距離的關(guān)鍵。需要衛(wèi)星作為參考點,在任何給定時間知道每顆衛(wèi)星的確切位置(參考點)。衛(wèi)星發(fā)送的電子信號,使接收器能夠測量到衛(wèi)星的距離。圖2GNSS定位原理如圖2所示,每個衛(wèi)星相對于地球中心的空間坐標(biāo)可以根據(jù)開普勒定律從衛(wèi)星廣播的星歷表中計算出來。通過記錄(編碼)衛(wèi)星信號到達接收器所需的時間,可以準(zhǔn)確地測量到每顆衛(wèi)星的距離。4.2適用于車輛駕駛的定位技術(shù)如圖3所示,終端(Receiver)X、第Si顆導(dǎo)航衛(wèi)星、地球地心三者構(gòu)成三角關(guān)系差分定位差分GNSS可有效利用已知位置的基準(zhǔn)站將公共誤差估算出來,通過相關(guān)的補償算法削弱或消除部分誤差,從而提高定位精度。圖3GNSS定位原理4.2適用于車輛駕駛的定位技術(shù)基本原理為:在一定地域范圍內(nèi)設(shè)置一臺或多臺接收機,將一臺已知精密坐標(biāo)的接收機作為差分基準(zhǔn)站,基準(zhǔn)站連續(xù)接收GNSS信號,與基準(zhǔn)站已知的位置和距離數(shù)據(jù)進行比較,從而計算出差分校正量?；鶞?zhǔn)站會將此差分校正量發(fā)送到其范圍內(nèi)的流動站進行數(shù)據(jù)修正,從而減少甚至消除衛(wèi)星時鐘、衛(wèi)星星歷、電離層延遲與對流層延遲所引起的誤差,提高定位精度。根據(jù)差分校正的目標(biāo)參量的不同,差分GNSS主要分為位置差分、偽距差分和載波相位差分。位置差分系統(tǒng)將坐標(biāo)測量值與基準(zhǔn)站實際坐標(biāo)值的差值作為差分校正量,通過數(shù)據(jù)鏈路發(fā)送給車輛,與車輛的測量值進行差分改正。由于基準(zhǔn)站與流動站必須觀測同一組衛(wèi)星,通常流動站與基準(zhǔn)站間距離不超過100km。4.2適用于車輛駕駛的定位技術(shù)通過在基準(zhǔn)站上利用已知坐標(biāo)求出測站至衛(wèi)星的幾何距離,并將其與觀測所得的偽距比較,然后利用一個濾波器將此差值濾波并求出其偽距修正值,再將所有衛(wèi)星的偽距修正值傳輸給流動站,流動站利用此誤差來改正GNSS衛(wèi)星傳輸測量偽距。偽距差分系統(tǒng)載波相位差分系統(tǒng)與其他差分技術(shù)相比,載波相位差分技術(shù)中基準(zhǔn)站不直接傳輸關(guān)于GNSS測量的差28分校正量,而是發(fā)送GNSS的測量原始值。流動站收到基準(zhǔn)站的數(shù)據(jù)后,與自身觀測衛(wèi)星的數(shù)據(jù)組成相位差分觀測值,利用組合后的測量值求出基線向量完成相對定位,推算出測量點的坐標(biāo)。本章內(nèi)容4.1高精地圖4.2適用于車輛駕駛的定位技術(shù)4.3慣性導(dǎo)航定位4.4地圖匹配定位4.5多傳感器融合定位4.3慣性導(dǎo)航定位慣性導(dǎo)航定位系統(tǒng)組成慣性導(dǎo)航定位系統(tǒng)是一種不依賴于外部信息,也不向外部輻射能量的自主式導(dǎo)航系統(tǒng),主要由慣性測量單元、信號預(yù)處理單元和機械力學(xué)編排模塊3個模塊組成。圖4慣性導(dǎo)航定位系統(tǒng)組成一個慣性測量單元包括3個相互正交的單軸加速度計(Accelerometer)和3個相互正交的單軸陀螺儀(Gyroscopes)。信號預(yù)處理單元對慣性測量單元輸出信號進行信號調(diào)理、誤差補償并檢查輸出量范圍等,以確保慣性測量單元正常工作4.3慣性導(dǎo)航定位慣性導(dǎo)航定位工作原理慣性導(dǎo)航定位系統(tǒng)是一種以陀螺儀和加速度計為感知元件的導(dǎo)航參數(shù)解算系統(tǒng),應(yīng)用航跡遞推算法提供位置、速度和姿態(tài)等信息,可以說是一個由慣性測量單元和積分器組成的積分系統(tǒng)。該系統(tǒng)通過陀螺儀測量載體旋轉(zhuǎn)信息求解得到載體的姿態(tài)信息,再將加速度計測量得到載體“比力”信息轉(zhuǎn)換到導(dǎo)航坐標(biāo)系進行加速度信息的積分運算,就能推算出車輛的位置和姿態(tài)信息。工作原理:基于牛頓第二運動定律,通過慣性測量單元檢測載體所受“比力”,可算出車輛在三維空間內(nèi)的運動加速度和角速度,慣性導(dǎo)航定位誤差分析在外部沖擊、振動等力學(xué)環(huán)境中,慣性導(dǎo)航系統(tǒng)除了需要的加速度和角速度之外,還有很多誤差源。這些誤差可分為固定誤差與隨機誤差。4.3慣性導(dǎo)航定位航跡遞推從一個已知的坐標(biāo)位置開始,根據(jù)載體在該點的航向、航速和航行時間,推算下一時刻坐標(biāo)位置的導(dǎo)航過程稱為航跡遞推。航跡遞推是一種非常原始的定位技術(shù),最早是海上船只根據(jù)羅經(jīng)和計程儀所指示的航向、航程以及船舶操縱要素和風(fēng)流要素等在不借助外界導(dǎo)航物標(biāo)的條件下求取航跡和船位,逐漸演化成如今自動駕駛車輛定位技術(shù)中最常用的方法。一維航跡遞推已知車輛的初始位置、初始速度,通過對加速度進行積分即可得到車輛在t時刻的速度,對速度積分即可得到t時刻的位置。圖5車輛一維運動示意圖4.3慣性導(dǎo)航定位二維航跡遞推將車輛看作是在二維平面上運動,已知車輛的起始點和起始航向角,通過實時檢測車輛在x、y兩個方向上的行駛距離和航向角的變化,即可實時推算車輛的二維位置。下圖中坐標(biāo)系為導(dǎo)航坐標(biāo)系,N軸與地理北向保持一致。圖6車輛二維航跡遞推捷聯(lián)式慣性導(dǎo)航二維航跡遞推慣性坐標(biāo)系到導(dǎo)航坐標(biāo)系的轉(zhuǎn)換4.3慣性導(dǎo)航定位三維航跡遞推三維航跡遞推需要3個陀螺儀來測量載體相對于慣性空間的旋轉(zhuǎn)角速率,還需要3個加速度計來測量載體相對慣性空間受到的比力。圖7車輛三維航跡遞推本章內(nèi)容4.1高精地圖4.2適用于車輛駕駛的定位技術(shù)4.3慣性導(dǎo)航定位4.4地圖匹配定位4.5多傳感器融合定位4.4地圖匹配定位地圖匹配定位指將自動駕駛車輛行駛軌跡的經(jīng)緯度采樣序列與高精地圖路網(wǎng)匹配的過程。地圖匹配定位技術(shù)將車輛定位信息與高精地圖提供的道路位置信息進行比較,并采用適當(dāng)?shù)乃惴ù_定車輛當(dāng)前的行駛路段以及在路段中的準(zhǔn)確位置,校正定位誤差,并為自動駕駛車輛實現(xiàn)路徑規(guī)劃提供可靠依據(jù)。圖8地圖匹配定位4.4地圖匹配定位地圖匹配定位工作原理在已知車輛位姿信息的條件下進行高精地圖局部搜索的過程。圖9地圖匹配定位地圖匹配過程如下圖所示。圖9地圖匹配過程4.4地圖匹配定位地圖匹配定位誤差分析地圖匹配定位誤差主要由局部搜索范圍正確性問題引起。局部搜索范圍正確性即道路選擇的正確性,是地圖匹配中極大的影響因素之一,在選擇道路正確的情況下,才能繼續(xù)地圖匹配過程。常見的地圖匹配誤差類型有:路況引起的誤差、傳感器誤差、高精地圖誤差、算法誤差。地圖匹配常用算法根據(jù)不同的地圖匹配特點,將地圖匹配算法分為:幾何匹配算法、概率統(tǒng)計算法和其他高級算法。任何一種地圖匹配算法都涉及兩個根本問題,一是當(dāng)前車輛在哪一條道路上,二是當(dāng)前車輛在對應(yīng)道路的哪一個位置。因此,地圖匹配算法幾乎都可以用下式進行形式化描述,即：本章內(nèi)容4.1高精地圖4.2適用于車輛駕駛的定位技術(shù)4.3慣性導(dǎo)航定位4.4地圖匹配定位4.5多傳感器融合定位4.5多傳感器融合定位多傳感器融合定位是指將不同傳感器對某一目標(biāo)或環(huán)境特征的描述信息進行綜合,從而實現(xiàn)高精度定位。系統(tǒng)分層融合包括數(shù)據(jù)層融合、特征層融合和決策層融合。數(shù)據(jù)層融合也稱像素級融合,首先將傳感器的觀測數(shù)據(jù)融合,然后從融合的數(shù)據(jù)中提取特征向量,并進行判斷識別。圖10不同層次的融合特征層融合屬于中間層次,先從每種傳感器提供的觀測數(shù)據(jù)中提取有代表性的特征,這些特征融合成單一的特征向量,然后運用模式識別的方法進行處理。決策層融合指在每個傳感器對目標(biāo)做出識別后,再將多個傳感器的識別結(jié)果進行融合,屬于高層次的融合。4.5多傳感器融合定位多傳感器融合定位系統(tǒng)組成多傳感器融合定位系統(tǒng)組成。多傳感器的數(shù)據(jù)預(yù)處理可以考慮為傳感器初始化及校準(zhǔn)。完成傳感器初始化后,利用各傳感器對共同目標(biāo)采集得到的數(shù)據(jù)進行數(shù)據(jù)配準(zhǔn)。配準(zhǔn)主要包括時間配準(zhǔn)和空間配準(zhǔn)兩個方面。圖11多傳感器融合定位系統(tǒng)組成4.5多傳感器融合定位時間配準(zhǔn):關(guān)于同一目標(biāo)的各傳感器不同步的量測信息同步到同一時刻。常用時間配準(zhǔn)算法有最小二乘虛擬融合法、拉格朗日插值法、泰勒展開法和最小二乘曲線擬合法等?？臻g配準(zhǔn):借助于多傳感器對空間共同目標(biāo)的量測對傳感器的偏差進行估計和補償。常用空間配準(zhǔn)算法有實時質(zhì)量控制法、最小二乘法、