高精度定位理論及應用
從移動互聯到物聯網，位置是一個基礎的不可或缺的信息，但是從精細化的行業應用需求來說，只有更高精度的定位信息才能帶來更高的價值，人們可以更加精確地知道事物所處的位置，知道人員具體位置在哪兒，更好的管理企業、人員或物資。比如說保障隧道施工人員人身安全，協助監獄搭建全局化、可視化的監管平台；提高石油化工行業安全保障效率；助力建築工地智慧管理升級等等。
而以上行業在定位方案的超高定位精度、大容量、低延遲、高刷新率這幾個指標上都具有很高的要求。
定位（Location）和導航（Navigation）技術是負責實時提供載體（如自動駕駛車輛）的運動信息，包括載體的位置、速度、姿態、加速度、角速度等。自動駕駛往往采用的是多傳感器融合定位的方式。本文主要講解IMU在自動駕駛定位中的應用。
高精度定位的工作原理
在無人車感知層面，定位的重要性不言而喻，無人車需要知道自己相對於環境的一個確切位置，這里的定位不能存在超過10cm的誤差。
GPS可以為車輛提供精度為米級的絕對定位，差分GPS或RTK GPS可以為車輛提供精度為厘米級的絕對定位，然而並非所有的路段在所有時間都可以得到良好的GPS信號。因此，在自動駕駛領域，RTK GPS的輸出一般都要與IMU，汽車自身的傳感器(如輪速計、方向盤轉角傳感器等)進行融合。
IMU的全稱是inertial measurement unit，即慣性測量單元，通常由陀螺儀、加速劑和算法處理單元組成，通過對加速度和旋轉角度的測量得出自體的運動軌跡。我們把傳統的IMU和與車身、GPS等信息融合的算法組合在一起的系統稱為廣義的、針對自動駕駛的IMU。
這個技術的出現彌補了 GPS 定位的不足，兩者相輔相成，可以讓自動駕駛汽車獲得最准確的定位信息。目前使用最廣泛的無人車定位方法當屬融合全球定位系統（Global Positioning System，GPS）和慣性導航系統（Inertial Navigation System）定位方法。
組合導航涉及到復雜的坐標系轉換，需要先對慣導系統做初始校准。一般是借助參考導航系統（如GNSS）給慣導系統一個初始位置值（目的是建立地理坐標系和地球坐標系的初始坐標轉換矩陣）和初始速度值；通過IMU本身的測量值或借助測量儀器（傾角儀或雙天線高精度GPS定向系統）獲得初始姿態角（IMU輸出的是載體坐標系相對於當地水平導航坐標系的姿態角，也叫歐拉角），對四元數和坐標轉換矩陣進行初始化。
對於室內定位系統，需將自定義的局域直角坐標系（一般選擇定位區域的某個角作為原點，邊界線作為x軸，右手准則確定y軸，垂直地面向上作為z軸）作為導航坐標系，由於二者都是直角坐標系但坐標系的原點和方向不一樣，需要進行原點位移和坐標軸旋轉，因此也需要初始對准。初始對准結束后進入慣導推算過程，讀取IMU的角速度測量值更新四元數和姿態變換矩陣，進而更新速度和位置，最后還可以將速度和位置轉換到其他目標坐標系上進行表達，例如GNSS的經緯高地球坐標系。
高精度定位的方法
為了滿足自動駕駛對導航與定位的要求，采用的方法有：
慣性導航 INS
目前自動駕駛常用的慣性測量單元（IMU），按照精度分可以為兩類：第一類是基於光纖陀螺（FOG）的IMU，它的特點是精度高，但同時成本也高，一般應用於精度要求較高的地圖采集車輛。第二類是基於微機電系統（MEMS）器件的IMU，它的特點是體積小，成本低，環境適應性強，但缺點是誤差大。如果把它應用在自動駕駛車輛中，其需要經過比較復雜的處理。為了從IMU的原始數據得出導航定位輸出，定位系統需要進行捷聯慣性導航（SINS）解算，解算包括下面四個模塊：
1. 通過陀螺輸出的角速度信息積分得到姿態信息
2. 通過姿態信息對加速度計輸出的比力進行轉換，由載體坐標系得到導航坐標系
3. 進行重力計算，有害加速度、地球自轉角速度等補償計算
4. 由加速度信息積分得到速度與位置
不過需要注意的是，積分過程造成的輸出誤差會隨着工作時間發生積累
全球導航衛星系統 GNSS
全球導航衛星定位是基於測距的絕對定位方案，其輸出誤差不會隨着工作時間以及載體運動而發生變化。全球導航衛星定位的一個顯著特點是由單頻單系統向多頻多系統轉變，多頻多系統在極大的程度上提高了我們導航系統的可靠性與可用性。另一個顯著特點是精密定位，已在民用領域得到廣泛應用。尤其是基於載波相位動態差分的RTK技術，在智能駕考、無人機、精密農業等領域都有所應用。然而由於GNSS是基於衛星定位的導航，這極大增加了定位的影響因子，也增大了定位結果的不確定性。另外一個脆弱性體現在信號干擾上。如果自動駕駛車輛本身以及加裝設備導致車輛的電磁環境非常惡劣。
高精地圖與線上激光 lidar 點雲匹配定位
通過事先建立的高精度地圖，配合線上的激光點雲，定位系統也能實現絕對定位和厘米級高精度。這種方法的局限性則是增加了定位系統對高精地圖的依賴。
里程計
自動駕駛獲得車輪信息的方式有兩種：外接和內置。
外接輪式傳感器的特點是分辨率和精度都非常高，缺點是結構復雜，可靠性難以保證，一般更適用於地圖采集車。內置輪式傳感器的特點是無需外接設備，缺點是精度低，誤差比較大，如果用於自動駕駛車輛，則需要經過多重的處理才行。不論是采用哪種方式，輪式傳感器對於定位系統都十分重要。
結合車輛運動特性的運動約束
這種運動約束能保證極端的情況下，自動駕駛車輛的定位結果不至於產生極大的誤差。
在無人駕駛中的應用
自動駕駛定位的方法不一而足，其涉及傳感器也各不相同。因此自動駕駛往往采用的是多傳感器融合定位的方式。多傳感器融合定位一般包括以下幾個部分：
- 數據預處理：包括慣性導航解算，GNSS的質量控制，激光雷達數據的誤差補償，還有基於輪式傳感器的計算以及在線估計和補償。
- 基於激光雷達數據和高精地圖的匹配定位。
- 四個核心模塊：
1. ZUPT/ZIHR/NHC，車輛運動約束部分
2. INS Alignment，慣性導航初始對准部分
3. Integrated，組合部分
4. FDI，故障檢測與隔離部分
- 安全相關的模塊：對於所有輸出的完好性監測。
目前常用的導航定位優化方法，仍然基於傳統的卡爾曼濾波器（Kalman Filter），其優化的指標是使狀態方差達到最小。一般建立卡爾曼濾波器模型，首先要選擇狀態變量，目前多是基於導航參數誤差和車載傳感器誤差，進行狀態估計。隨后，通過一步預測和量測更新，狀態方程可以實現在時間域的遞推。另外，定位系統的故障診斷與隔離可采用的傳統軟件方法有很多，比如卡方檢測等，另一方面則可以借助硬件上的冗余實現。例如，通過配備多套 GNSS/IMU，定位系統能夠配合軟件解析余度實現多傳感器冗余，提高可靠性。
產業
根據不同的使用場景，從手機定位、運動手表的步數記錄，到自動駕駛汽車的高精度定位，對 IMU 的精度有不同的要求，精度高，也意味着成本高。
精度更高的 IMU 會用於導彈或航天飛機。為了讓 IMU 獲得更高的精度，在三個加速度計和三個陀螺儀的基礎上，很多廠商還會添加磁力計，為了提高可靠性，有的還會增加傳感器的數量。常見IMU廠商：
ADI
ADI 公司的 MEMS IMU 傳感器以多軸方式組合精密陀螺儀、加速度計、磁力計和壓力傳感器。ADI 可以可靠地檢測並處理多個自由度(DoF) 即便是極為復雜的應用和動態環境下。這些即插即用型解決方案包括完整的出廠校准、嵌入式補償和傳感器處理以及簡單的可編程接口。
博世
博世的 IMU 模塊主要應用於無人機和機器人，以及一些消費類的產品中。博世將兩個 3 軸 MEMS 傳感器集成到一個封裝中，IMU 中的加速度傳感器和陀螺儀的組合可以滿足高級消費電子應用的需求，例如智能手機中的游戲控制台或游戲應用。
深迪半導體
深迪半導體是國內少數幾家能將三軸陀螺儀和三軸加速度計集成到一個芯片中的廠商，深迪的IMU具有體積小、功耗低的特點，適用於消費電子市場，如穩定平台、車聯網、機器人等。