1,、GNSS 與 IMU技術特點對比分析

1）基于衛(wèi)星信號的絕對定位 - GNSS定位原理

GNSS （三角定位） ——  裝在無人車上的GPS接收機,，首先測量無線電信號到達衛(wèi)星的傳播時間，再將傳播時間乘以光速,，即可得到當前GPS接收機到達衛(wèi)星的距離,。利用三顆衛(wèi)星各自測定的距離為半徑，以衛(wèi)星為球心,，分別構成三個球體,，再通過三個球體交匯的方式便可確定無人車GPS接收機的位置；

圖1. 三角定位方法示意圖

2）基于航跡推算的相對定位 - IMU定位原理

IMU —— 利用汽車的初始速度,、加速度以及初始位置計算汽車位置和速度的方法,。一個IMU包含了3個單軸的加速度計和3個單軸的陀螺儀；利用3個單軸上的加速計傳感器來測量加加速度,，陀螺儀則用來獲取汽車坐標系相對于地面坐標系的位置,；

2、RTK 和 PPP兩種形式對比分析

1）RTK-GNSS即載波相位差分,，其工作原理：

需要在位置坐標已知的基站上設置一個GNSS接收器,；基站GNSS收器通過衛(wèi)星數(shù)據(jù)計算其位置，并將該位置與實際已知位置進行比較,，計算出基站到衛(wèi)星的距離誤差修正值（用測定的實時載波相位差來消除大氣層,、衛(wèi)星軌道、時鐘等誤差）,，并由基站將該誤差修正數(shù)據(jù)發(fā)送出去,；用戶車輛上的GNSS接收器在接受衛(wèi)星觀測數(shù)據(jù)的同時，也接收到基站發(fā)來的修正數(shù)據(jù),，并對其定位結果進行修正,，從而提高定位精度；

（當基站的GNSS接收器與車載GNSS接收器相距較近（＜20km）,，可以認為兩者的GPS信號通過同一片大氣區(qū)域,，即兩者的信號誤差基本一致。）

圖2. RTK-GNSS定位方式示意圖

2）PPP - GNSS即精準點定位,，其工作原理：

PPP將精確的衛(wèi)星軌道和時鐘與雙頻GNSS接收器相結合,，能夠提供從厘米到分米級的位置解決方案。PPP需要的全球分布參考站較少,，并且解決方案在很大程度上不受個別參考站故障的影響,。這些參考站實時接收精確的衛(wèi)星軌道和時鐘信息,，并計算應用于衛(wèi)星定位結果的校正值，并通過衛(wèi)星或互聯(lián)網(wǎng)傳送給最終用戶車輛,；用戶車輛上的雙頻GNSS接收器用于消除電離層產(chǎn)生的誤差,；

圖3. PPP-GNSS定位方式示意圖

表2. RTK與PPP兩種方式對比

3、GPS和IMU組合導航的耦合形式

GPS和IMU組合導航的耦合形式可分為緊耦合和松耦合兩種形式,；

1）松耦合：GPS和IMU各自獨立工作,，并將各自輸出位置和速度估值信息進行比較，得到的差值作為測量值,，再經(jīng)由組合卡爾曼濾波器（以測量誤差為狀態(tài)）進行優(yōu)化處理,，給出最優(yōu)結果；卡爾曼濾波器的輸出結果僅反饋給SINS,用來校正SINS的定位結果,；

2）緊耦合：利用GPS接收機直接輸出原始星歷數(shù)據(jù),、偽距ρ1和偽距率ρ1，再通過SINS輸出的位置和速度以及估計的GPS接收機時鐘誤差計算出基于SINS信息的偽距ρ2和偽距率ρ2,，最后基于SINS信息得到的偽距和偽距率與GPS得到的偽距和偽距率信息進行比較,，并將差值作為測量值，通過卡爾曼濾波器估計INS和GPS接收機的誤差,，然后對兩個系統(tǒng)進行校正,；

3）兩種耦合形式對比分析

表3. 組合導航的兩種耦合形式對比

4、基于環(huán)境特征匹配的定位技術

自動駕駛中基于環(huán)境特征匹配定位常見的形式有：

a,、Camera + 高精地圖         b,、Lidar + 高精地圖

1）Camera + 高精地圖 

基本原理：攝像頭獲取圖像信息，再利用圖像中具有語義信息的穩(wěn)定特征,，并與預先采集地圖基準數(shù)據(jù)進行匹配,，來獲得車輛的位置和朝向,；

具體過程解析：首先通過相機獲取圖像,，并進行圖像特征的檢測，圖像檢測的主要目標物為：車道線以及桿狀物,；然后從預先采集3D地圖里,，提取相關的車道線和桿狀物元素；我們再通過GPS獲取一個初始的位置,，通過該位置,，控制器將會把相機獲的特征和地圖里采集的對應特征進行一次匹配；再用IMU去進行姿態(tài)的預測,，做完預測后,，匹配完，把結果輸出,，無人車相對于地圖的位置和朝向就知道了,。（參考：百度Apollo自定位技術詳解課程）

2）Lidar +高精地圖 

基本原理：利用激光雷達獲取的點云特征與預先采集的高精地圖基準數(shù)據(jù)進行聯(lián)系比較,，從而獲取無人車在高精地圖中的為位置和朝向；

具體過程解析：首先GPS給定初始位置,，通過IMU和車輛的Encoder（編碼器）可以得到車輛的初始位置,，然后將激光雷達的局部點云信息，包括點線面的幾何信息和語義信息進行特征提取,，并結合車輛初始位置進行空間變化,，獲取基于全局坐標系下的矢量特征，接著將這些特征跟高精度地圖的特征信息進行匹配,，最后獲取一個準確的定位,。（參考：百度Apollo自定位技術詳解課程）

常見點云匹配算法：1、迭代最近點（ICP） 2,、直方圖濾波算法  3,、卡爾曼濾波

3）兩種方式技術特點對比分析

表4.  基于環(huán)境特征匹配定位的兩種方式對比

公眾號對話框回復【定位】獲取 百度Apollo自定位技術詳解 課程視頻