自動駕駛定位有兩種主流方法：一種是絕對定位法，直接測出空間位置坐標(biāo)；另一種是相對定位法，已知現(xiàn)在所處位置，和下一步移動的方向和距離，計算出下一步位置。

2000年，軟銀投資阿里巴巴，電商時代自此開始；20年后，軟銀9.4億美元押注無人駕駛運(yùn)貨車創(chuàng)業(yè)公司nuro，這是否預(yù)示，20年自動駕駛時代即將開啟？本文深入淺出講自動駕駛，希望我們“時間有效率，時間有思考”。

我們?nèi)粘ｑ{駛使用app地圖導(dǎo)航，輸入所處位置、目的地后，地圖軟件會規(guī)劃出適合的路徑。地圖APP的定位功能一般由GPS定位系統(tǒng)提供，精度在米級別，特殊環(huán)境會丟失定位信號。但得益于人類司機(jī)的視覺和經(jīng)驗，米級別定位已經(jīng)能夠滿足導(dǎo)航需求。但想象一下，自動駕駛需要自主判斷何時轉(zhuǎn)向，分叉口選哪一條，立交橋上哪一層，對定位的精度和實(shí)時性要求極高，目前認(rèn)為厘米級精度才能滿足安全。

自動駕駛定位有兩種主流方法：一種是絕對定位法，直接測出空間位置坐標(biāo)；另一種是相對定位法，已知現(xiàn)在所處位置，和下一步移動的方向和距離，計算出下一步位置。

舉個栗子：小明來到陌生的城市，可以通過地圖APP中的GPS定位，或是通過對照周圍街道和建筑物，在地圖中找到自己位置；之后，小明向東走500米，右拐又走了500米，這時不再需要打開地圖，就可以估算出是起始點(diǎn)東南方500*√2 的位置。自動駕駛兩類定位方法，包括類似查閱地圖的絕對定位：GPS和高清地圖定位，也包括類似計算位移的相對定位：慣性傳感器和視覺里程計（VO）。

I 絕對定位--GPS

GPS是一種衛(wèi)星定位技術(shù)，起始于美國軍方的項目，通過計算天上多顆衛(wèi)星和目標(biāo)之間的距離，實(shí)現(xiàn)目標(biāo)定位。具體來說，衛(wèi)星發(fā)出可以穿透大氣層的低頻電磁波信號，被目標(biāo)的接收器天線接收，光速乘以信號傳播時間，就是接收器和衛(wèi)星的距離。理論上，目標(biāo)接收器接收到3個衛(wèi)星的測距信號，就可以根據(jù)三角定位原理定位出所在的位置。假設(shè)A衛(wèi)星測量距離接收器1萬千米，那么可以把接收器的位置限定在地球距離衛(wèi)星1萬米的圈圈軌跡上；B衛(wèi)星2萬千米，C衛(wèi)星3萬千米，同理得到兩個可選軌跡；三個軌跡的交點(diǎn)，就是所在的位置，即通過畫圈圈求交點(diǎn)實(shí)現(xiàn)定位。實(shí)際應(yīng)用里面，接收器都是利用4個甚至更多的衛(wèi)星，來更精確確定位置。

GPS的測距簡單方便，但也會有誤差。主要因為光速（真空中約300,000km/s）實(shí)在太快了，測量的信號傳播時間稍微有些偏差，或是不同介質(zhì)光速傳播速度影響，就會導(dǎo)致距離誤差無法忽視，對于實(shí)現(xiàn)厘米級定位精度提出了挑戰(zhàn)。

為了降低GPS的定位誤差，引入了差分GPS技術(shù)。舉個栗子說明原理：小巨人小明身高2米26，這個身高已經(jīng)過官方認(rèn)證。小明的朋友小小明身高未知。一次，小明和小小明用同一臺測量計量身高，顯示小明身高2米36，小小明為1米60，小小明的真實(shí)身高是多少呢？這個例子中求解思路和差分GPS原理類似：通過比較已知量和測量量估算測量誤差，用于待測目標(biāo)的誤差矯正。

差分GPS的具體做法是：在需要精確測度誤差的區(qū)域安裝接收機(jī)基準(zhǔn)站，基準(zhǔn)站的精確位置坐標(biāo)已知。通過對比基準(zhǔn)站GPS測量數(shù)據(jù)和其真實(shí)坐標(biāo)，獲得誤差數(shù)據(jù)，來糾正附近定位目標(biāo)的誤差。通常基準(zhǔn)站能夠覆蓋方圓100km內(nèi)的定位目標(biāo)，用差分GPS修正后誤差能控制在亞米級別甚至厘米級別。

不過GPS和差分GPS相結(jié)合對于自動駕駛還不夠用，主要原因有：城市環(huán)境的高樓大廈，會對衛(wèi)星信號產(chǎn)生反射和折射，干擾測距；另外GPS還有個更新頻率低的問題，民用GPS是10HZ，意味著0.1秒才會刷新一次定位數(shù)據(jù)，高速自動駕駛來無法容忍，必須和其他傳感器搭配使用。

I 絕對定位--高精地圖定位

高清地圖定位也是一種絕對定位方法。高清地圖精度很高，用戶將所在位置環(huán)境信息匹配到高清地圖中，能精確確定位置。根據(jù)主傳感器不同，高清地圖有激光點(diǎn)云地圖和高清視覺地圖。

1. 激光點(diǎn)云地圖匹配

“傳感器篇”中我們介紹過，激光雷達(dá)能夠測距并形成點(diǎn)云，準(zhǔn)確度高，是目前L3級以上自動駕駛中非常重要的傳感器。基于激光雷達(dá)的點(diǎn)云地圖匹配獲得位置信息，是一種常用的辦法。

這個定位方法首先需獲得高精度激光點(diǎn)云地圖。安裝了激光雷達(dá)的地圖采集車反復(fù)采集行駛道路的環(huán)境，制備成點(diǎn)云地圖。自動駕駛車使用時，通過把激光雷達(dá)實(shí)時收集到的周圍環(huán)境點(diǎn)云信息，和高清點(diǎn)云地圖匹配，確定位置。

由于高清地圖的數(shù)據(jù)量很大，定位目標(biāo)通過激光雷達(dá)采集到的點(diǎn)云信息直接和整幅地圖進(jìn)行匹配計算量太大，因此經(jīng)常結(jié)合GPS數(shù)據(jù)，先定位到一個局部的地圖，然后在局部地圖的范圍內(nèi)進(jìn)行匹配，降低計算量。

這種方法的理論上精度很高，但也有短板，比如在天氣不佳時激光雷達(dá)的測量會受到影響；再比如道路環(huán)發(fā)生變化，高清地圖就要迅速修正，否則會影響匹配。

2. 高清視覺地圖匹配

視覺地圖匹配和激光匹配的原理類似。裝有高清攝像頭的地圖采集車采集和制備高精度視覺地圖，自動駕駛車行駛過程中，攝像頭實(shí)時采集數(shù)據(jù)和高清地圖數(shù)據(jù)比照，確定位置。

視覺所用的攝像頭相對于激光雷達(dá)很便宜，但也面臨兩個主要問題：一個是對光照條件要求高，光照不足、光照過強(qiáng)、視野模糊等，都會導(dǎo)致圖像的像素值發(fā)生較大變化，導(dǎo)致匹配失敗；另外一個是算力要求高，實(shí)時的圖片搜索匹配需要大量算力，往往需要使用GPU。

I 相對定位--慣性傳感器（IMU）

不同于GPS和點(diǎn)云地圖的絕對定位方法，慣導(dǎo)（IMU，Inertial measurement unit）通過測量加速度和角速度得到目標(biāo)運(yùn)動狀態(tài)，從而計算出下一時刻的速度和行進(jìn)到的位置，實(shí)現(xiàn)相對定位。

自動駕駛應(yīng)用中，GPS和慣導(dǎo)（IMU）功能非常互補(bǔ)：慣導(dǎo)（IMU）計算的下一時刻位置是根據(jù)上一時刻位置推導(dǎo)，誤差會一直累計下去，長時間運(yùn)行后精度不能達(dá)到自動駕駛要求，所以隔一段時間就需要校準(zhǔn)修正一次，相對準(zhǔn)確的GPS就成了校準(zhǔn)IMU的神器。于此同時，IMU更新頻率高，通常為1kHZ，也能彌補(bǔ)GPS更新頻率低的不足。

I 相對定位--視覺里程計（VO）

視覺里程計（VO，VisualOdometry）顧名思義是用視覺的方法，確定自己的位置，是一種相對定位法。基本思想是基于自動駕駛攝像頭（單目、雙目）傳感器獲取的連續(xù)圖像信息，估算相鄰時間點(diǎn)兩幅圖像的位移，測度運(yùn)動物體的位置變化。而將位置變化累計起來，就可以推算物體的運(yùn)動軌跡，從而找到物體的位置。這種通過測度相對位移來推算位置的思想和IMU類似。

視覺里程計測量，首先需要將相鄰圖像關(guān)聯(lián)，通過對比圖像的變化，計算相對位移。但直接匹配兩幅圖上的像素，算力代價太大，所以通常選擇容易識別且比較穩(wěn)定的點(diǎn)作為代表，比如物體的角點(diǎn)、邊緣點(diǎn)等，來建立相鄰兩幅圖的關(guān)系聯(lián)系，這就是特征點(diǎn)法。再通過特征點(diǎn)在相鄰圖像的位移變化，計算出目標(biāo)的相對運(yùn)動。

類似視覺高清地圖，視覺里程計也有光線條件要求高、算力要求大的問題。無論是特征點(diǎn)的提取、特征點(diǎn)匹配還是相對運(yùn)動的計算，都要求有高精度圖片和高算力的支持。

I 小結(jié)

真實(shí)場景自動駕駛，往往要面臨信號弱、延時等問題，特別是在高架橋、隧道等復(fù)雜場景，更需要結(jié)合多種定位方法使用。自動駕駛大腦通過分析，選取出各種方法定位指向的概率最大的位置，作為最終定位結(jié)果。

推薦閱讀

▼

▎本文來源：從0到1看科技，智車科技（IV_Technology）整理編輯，轉(zhuǎn)載請注明來源。如有侵權(quán)請第一時間聯(lián)系我們。