慣性導航系統由于具有的輸出信息不間斷、不受外界干擾的獨特優勢；同時可以將多種傳感器的信息以及車身信息進行更深層次的融合，為決策層提供精確可靠的連續的車輛位置，因而將成為自動駕駛定位信息融合的中心。

隨著智能駕駛的興起和快速發展，預計慣性傳感器在2018 年的全球市場空間為1.6 億美元，到 2022 年將達 9 億美元。

本文我們推薦來自基業常青經濟研究院的慣性導航報告，介紹慣性導航技術的進展，盤點產業格局預測未來發展。

以下為小編整理呈現的干貨：

一、自動駕駛的前世今生

智能汽車的終極目標是利用各種技術實現使車輛按照人的意愿自動行駛到達目的地。這個目標的關鍵是利用車載傳感系統和信息終端實現與人、車、路等的智能信息交換，使車輛具備智能的環境感知能力，能夠自動分析車輛行駛的安全及危險狀態。

世界各國及各大汽車公司都在布局自動駕駛。自上世紀70 年代開始，自動駕駛汽車的發展經歷了技術研究的興起、自動駕駛技術可行性和實用性方面的進展等階段，目前行業已經逐步進入到了市場化的階段。

可見，自動駕駛已成為汽車行業發展的確定性趨勢。自動駕駛最大的意義在于解放駕駛員的雙手帶來人類空間意義首次的無縫連接，智能汽車使汽車的角色不再局限于交通工具，可以是移動的生活空間，通訊工具，娛樂平臺等更富有想象力的定位。

▲自動駕駛發展歷程

歐美企業的自動駕駛技術處于領導者地位。根據市場研究機構NavigantResearch 發布了 2017 年的自動駕駛技術汽車公司排名，第一梯隊領導者的 8家企業中，有4 家美國企業、3 家德國企業聯盟和 1 家日本企業，只有 1 家中國公司排入第二梯隊行列。

▲世界自動駕駛技術水平格局

二、黃金發展期的背后驅動力

政策、經濟、社會、技術等多維因素的推動，極大地促進了中國智能汽車行業的發展。

政策層面，國家從戰略層次進行規劃，引導汽車行業向智能化方向做大做強。政府在《汽車產業中長期發展規劃》、《國家車聯網產業標準體系建設指南》等一系列文件中都提到要估計和促進智能汽車的發展。尤其是2018 年1 月 5 日國家發改委發布《智能汽車創新發展戰略》（征求意見稿），對智能汽車的市場化做了長遠的規劃。

▲智能汽車發展規劃

社會層面，自動駕駛可以給社會帶來良好的效益，激發消費者興趣、提升接受度。根據德勤對全球消費者的調查，中國消費者對自動駕駛技術保持了較高的興趣和接受度，其中很大一部分原因是自動駕駛可以減少交通事故發生率、降低傷亡，同時也可以提升通行效率。

▲消費者對不同級別自動駕駛汽車的感興趣比例

技術層面，新技術的發展為自動駕駛技術賦能。人工智能技術如深度神經網絡的機器學習算法讓車輛對周邊物體的探測和分類能力大幅提高，傳感器數據的融合也變得更準確；5G 的高帶寬、低延遲、大容量數據傳輸特性可以為自動駕駛海量數據傳輸提供解決方案。這一系列新技術的發展為自動駕駛的發展提供了基礎。

在政策、技術發展、社會需求等多維度因素的推動下，中國有望成為全球最大的智能汽車市場。根據基業常青經濟研究院發布的《汽車如何走進智能時代》報告的估計。預計至2030 年，汽車傳感器市場規模將達到 2077 億元，2017 年至 2030 年 CAGR 為 19%；由此推算國內智能駕駛市場規模至 2030 年有望達到4154 億元。

▲國內智能駕駛市場規模趨勢

三、自動駕駛的發展現狀

技術研發包括三種路徑自動駕駛的分級方法比較公認的是SAE的 3016的方法：《關于自動駕駛系統的分級和術語定義》。此標準在2014年1月發表，于2016年9月進行改版。根據當前自動駕駛的發展現狀，改版對很多定義做了更加細致的解釋與說明。

按照SAE J3016 的定義，自動駕駛的分類可分為 L0-L5 等 6 個級別；每個級別對轉向及加減速、駕駛環境的監控、駕駛接管的執行要求的主體及系統使用的場景進行了嚴格的區分。目前自動駕駛處于L2/L3 發展階段，

▲SAE 關于自動駕駛的定義分級

不同的廠商對自動駕駛的研發采用不同的路徑，主要有以下三種路徑：1. 逐級研發，由低級別的 L1/L2 駕駛輔助系統逐級向 L4/L5 系統研發；2. 跳過駕駛輔助系統，直接從高度自動駕駛 L4 系統切入；3. 以上兩條路線同時實施。

▲不同廠商對自動駕駛的研發路徑

目前自動駕駛的量產車型處于L2/L3 之間的狀態。現已發布的量產車型中有處于L3 的奧迪 A8、處于 L2.5 的 Tesla、還有處于 L2 的凱迪拉克 CT6 等。其中奧迪A8 的配備 L3 級別自動駕駛，由于法規和監管等原因，功能并未真正開放，無法在公共道路中使用。

▲自動駕駛量產車型進度表

四、慣性導航

自動駕駛核心中的核心

自動駕駛的核心內涵包括定位、感知、決策、執行四個部分，其中定位是決策和執行的前提。定位系統主要作用是確定車輛所處的絕對位置；感知層的主要作用是收集和解析出周圍環境的信息；決策層基于對當前位置和周圍環境的理解，做出實時的安全有效的執行計劃；執行層則是按照決策層的計劃進行。

▲自動駕駛的核心框架圖

定位系統主要是以高精地圖為依托，通過慣性傳感器（IMU）和全球定位系統（GNSS），來精確定位車輛所處絕對位置。其中，高精地圖可以為車輛環境感知提供輔助，提供超視距路況信息，并幫助車輛進行規劃決策。慣導系統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航系統；而全球定位系統是通過衛星定位，在地球表面或近地空間的任何地點，提供三維坐標和速度的定位系統。二者的結合就可以取長補短，共同構成自動駕駛定位導航系統。

▲自動駕駛的定位系統核心框架圖

感知層主要功能是對環境信息和車內信息進行采集與處理，例如車輛的速度，方向，運動姿態和交通狀況等，并向決策層輸出信息。這一環節涉及到道路邊界檢測、車輛檢測、行人檢測等多種技術，所用到的傳感器一般有激光雷達、攝像頭、毫米波雷達、超聲波雷達等。由于各個傳感器在設計的時候有各自的局限性，單個傳感器滿足不了各種工況下的精確感知，想要車輛在各種環境下平穩運行，就需要運用到多傳感器融合技術，該技術也是環境感知這一大類技術的關鍵所在。

▲感知層利用多種傳感器收集解析環境信息

決策層的作用在于接收來自車體自身感知器件以及來自車聯網的網絡虛擬空間信號，通過整合車載或云端處理結果，替代人類進行決策判斷，輸出車輛控制信號。例如在車道保持、車道偏離預警、車距保持，障礙物警告中，需要預測本車與其他車輛、車道、行人等在未來一段時間內的狀態，并做出下一步動作決策。這項技術相當于自動汽車的“駕駛腦”，以算法為核心，并通過半導體等硬件技術對高速運算提供支持。

▲感知層、決策層的協調工作

執行層主要是在系統做出決策后，替代人類對車輛進行控制，反饋到底層模塊執行任務。車輛的各個操控系統都需要能夠通過總線與決策系統相鏈接，并能夠按照決策系統發出的總線指令精確地控制加速程度，制動程度以及轉向幅度等駕駛動作。

慣性導航是不可替代的關鍵定位技術，將成為自動駕駛定位信息融合的中心

在自動駕駛的定位技術中，高精地圖、全球衛星導航系統（GlobalNavigation Satellite System，GNSS）和慣性導航的是互相配合的。GNSS 通過導航衛星可以提供全局的定位信息，慣性導航可以提供不依賴于環境的定位信息。通過GNSS 和慣性導航得到的定位信息與高精地圖對比，得到車輛在地圖中的精確位置，進而進行路徑的規劃與決策。

高精地圖包含有大量自動駕駛所必須具備的信息。高精地圖除了靜態的地圖信息外，還有大量普通導航地圖所不具備的動態高精地圖信息，比如道路擁堵情況、施工情況、是否有交通事故、交通管制情況、天氣情況等動態交通信息。

▲高精地圖與導航地圖比較

GNSS 定位可以為自動駕駛提供全局定位信息的來源。GNSS 是通過使用三角定位法，通過3 顆以上的衛星，可以準確地定位地球表面的任一位置。同時，使用實時動態技術(RTK)，GNSS 可以提供精確到厘米級別的定位精度。

▲GNSS 定位技術原理

慣性導航（inertial navigation system，INS）是一種使用了慣性測量單元（inertial measurement unit, IMU）的以加速度測量為基礎的導航定位方法。它不依賴于外部信息、也不向外部輻射能量的自主式導航系統，不受外界天氣狀況等影響。慣性導航系統除了可以獲得車輛的位置和姿態外，還能夠實時、準確的測量車輛坐標系內三個方向的加速度、角速度等信息，供決策控制系統精準控制車輛。慣性測量單元（IMU）傳感器以智能方式融合了精密陀螺儀、加速度計、磁力計和壓力傳感器的多軸組合，即使在復雜工作環境中以及在動態或極限運動動態下，精密的IMU 也能提供所需的精度水平。

慣性導航將成為自動駕駛定位信息融合的中心

慣性導航在自動駕駛定位系統中具有不可替代性。慣導具有輸出信息不間斷、不受外界干擾等獨特優勢，可保證在任何時刻以高頻次輸出車輛運動參數，為決策中心提供連續的車輛位置、姿態信息，這是任何傳感器都無法比擬的。

GNSS+IMU 方案是一種最常用的組成組合慣導系統的方案。GNSS 在衛星信號良好時可以提供厘米級定位，但地下車庫和城市樓宇之間等衛星信號丟失或者信號微弱的場景提供的定位精度會大大下降。慣導可以不依賴外界環境提供穩定的信號，但它會有累積誤差。

通過IMU 與 GNSS 信號進行融合后組成慣性組合導航系統，可以發揮兩者優勢，并規避各自劣勢。通過整合GPS 與 IMU，汽車可以實現既準確又足夠實時的位置更新。GPS 更新頻率過低（僅有 10Hz）不足以提供足夠實時的位置更新，IMU 的更新頻率可以達到100Hz 或者更高完全能彌補 GPS 所欠缺的實時性。GPS/IMU組合系統通過高達100Hz 頻率的全球定位和慣性更新數據，可以幫助自動駕駛完成定位。在衛星信號良好時，INS 系統可以正常輸出得到 GPS 的厘米級的定位；而衛星信號較弱時，慣導系統可以依靠IMU 信號提供定位信息。

▲慣性組合導航系統的基本原理

慣性導航系統將成為自動駕駛定位信息融合的中心。由于慣導具有的輸出信息不間斷、不受外界干擾的獨特優勢，慣導可以在車輛運行中提供連續的測量信息，同時可以將視覺傳感器、雷達、激光雷達、車身系統信息進行更深層次的融合，為決策層提供精確可靠的連續的車輛位置，姿態的信息，成為定位信息融合的中心。

▲慣導系統作為定位信息中心融合其他模塊提供的定位信息

以百度阿波羅的多傳感器融合定位架構為例：慣性導航系統處于定位模塊的中心位置，模塊將IMU、GNSS、Lidar 等定位信息進行融合，通過慣性導航系統解算修正后輸出6 個自由度的位置信息。

▲百度阿波羅的慣性融合定位模塊框架

準備起飛，2022 年全球慣導系統的市場市場空間將達 45 億美元

車用高精度的慣性導航是隨著智能駕駛的興起新增的市場。根據半導體/傳感器研究機構Yole development 的估計，慣性傳感器 IMU 的 2018 年的全球市場空間為1.6 億美元，到 2022 年將達 9 億美元。慣性導航傳感器價格一般是慣性導航系統的1/5，由此測算慣導系統的全球市場空間在 2018 年為 8 億美元，至2022 年為 45 億美元，對應 2018-2022 年 CAGR 為 54%。

▲自動駕駛市場規模

五、短期看算法 長遠看慣性傳感器芯片

慣性導航系統在自動駕駛中的應用屬于起步階段，短期內競爭力主要體現在算法上。算法包括了MEMS 慣性傳感器的標定等硬件信息的處理，速度、加速度、航向及姿態的確定，以及與其他傳感器信息、車身信息的融合等主要模塊。算法的優劣決定傳感器是否能發揮其最佳性能，也決定了慣性導航系統的穩定性和可靠性。

從長遠看，慣性導航系統的競爭力在慣性傳感器芯片。隨著自動駕駛技術級別的提升，對MEMS 慣性傳感器芯片的性能要求將持續提高；同時隨著慣性導航系統算法的不斷成熟，通過算法優化來提升系統性能的空間越來越小，而對慣性傳感器芯片硬件性能的依賴程度則會相應提高。MEMS 慣性傳感器芯片的設計、制造、封測及標定將成為慣性導航系統中比較關鍵的環節。

▲自動駕駛對慣性傳感器芯片的基本要求

智東西認為，自動駕駛是汽車產業與人工智能（AI）、物聯網、云計算等新一代信息技術深度融合的產物，自動駕駛是一個龐大而且復雜的工程，涉及的技術很多，它也是當前汽車行業與出行領域智能化和網聯化發展的主要方向，已成為各國爭搶的戰略制高點及熱點。

高精度行車定位技術以及高精度地圖技術是自動駕駛汽車的兩項核心技術，也是自動駕駛破局的關鍵點。在定位系統中，所有需要用到GPS的地方都需要使用慣性導航系統，例如車輛定位、激光雷達的GPS接口等。在GPS信號丟失的時候，慣性導航能夠將定位信號模擬出來。但慣性導航系統成本昂貴，如何攻克慣導技術難關，如何生產大批量車規級慣性導航裝置一直是業界難題。這些年隨著各種利好，相信慣性導航行業的前景將是一片光明。

未來智能實驗室是人工智能學家與科學院相關機構聯合成立的人工智能，互聯網和腦科學交叉研究機構。