轉自：https://blog.csdn.net/mabingyao/article/details/104821307
主講人：萬國偉 百度自動駕駛事業部研發工程師
百度的無人車定位技術
1. 配置多種傳感器方案的自動駕駛汽車成果展示
“探路者”車型：寶馬、北汽、奇瑞、MKZ——慣導和64線激光雷達，配置都比較高
無人駕駛微循環車“阿波龍”：百度×廈門金融——三個16線激光雷達，傳感器配置大概10w左右
無人駕駛物流車“新石器”：百度×創業公司——一個激光雷達，傳感器配置<5w
2. GNSS定位技術
- GNSS定位
- GPS（USA）、北斗（CHN）、GLONASS（RUS）、Galileo（EU）、QZSS（JPN）
- GPS技術：
（1）衛星星座（設計方案）：24顆GPS衛星
（2）載波信號頻率：L1、L2
（3）信號調制：載波信號上調制有測距碼（L1–C/A碼和P碼；L2–P碼）和導航電文
（4）系統基本功能：定位（P）、測速（V）、授時（T）
（5）測距：三顆衛星交會兩點，舍棄外部空間點，就可以得到自己的測繪點，由於鍾差，一般用四顆衛星，剔除誤差
- 載波定位技術
- RTK：所有衛星把自己觀測的數據給基站和接收機，基站根據多個衛星鍾差計算出一個誤差項，誤差項傳遞給車端，車端利用誤差項消除自己的觀測誤差，最后達到模糊度的固定。然后整周計算，最后得到精准的位置。
（1）基本原理：20km基線/22000km地衛距，視徑重疊誤差強相關
（2）優勢：基本5秒內就可以提供cm級定位精度
（3）劣勢：建基站、雙向鏈路（4kpbs）
（4）發展趨勢：終端低成本化、數據協議5G標准化 - PPP：基站將衛星發送的數據誤差做分離處理，再傳遞給衛星，此時衛星已經剔除了誤差，再對車端定位
（1）基本原理：各項誤差被單獨分離后終端矯正
（2）優勢：全球均勻布站100+，單向廣播
（3）當前劣勢：建15+min的收斂時間；接收GEO廣播需授權
（4）發展趨勢：LEO-GNSS增強
- GNSS/GPS在無人車中的作用
- GPS授時：為無人車提供納秒（ns）級的授時精度
- HD-MAP制圖
- 在線定位
- 存在挑戰
- 可靠性：不封閉，易受電磁干擾
- 可用性：城市峽谷和林蔭路效果不好，很難達到cm級
3. 激光點雲定位技術
- 百度激光點雲定位算法框架
-
兩個模塊：圖像對齊、SSD-HF。 圖像對齊用於航向角（yaw）的優化，SSD-HF用於（x，y）的優化，z從點雲地圖中輸出。
-
定位地圖以數據形式存在
（1）定位地圖每個格子的大小是128m×128m，每個各自拿出來得到反射值地圖塊和高度值地圖塊。
（2）反射值地圖塊：反射值可以理解為灰度值，圖中有車道線等，再分成1024×1024，每個小格子的大小為12.5cm，存儲了反射值、反射值方差。
（3）高度值地圖塊：存放高度z -
輸入預測位姿+實時點雲數據。輸出用於進行進一步融合定位
-
定位
----- x，y方向的定位
（1）SSD—Sum of Squared Difference（平方差總和）
每個激光點有對應的顏色值或高度值，地圖上找一個對應點，二者相減，再求平方，再把所有點誤差加起來。
（2）HF—直方圖濾波器
在一個范圍內每一個點都計算SSD值，最后把這個值轉換成一個概率，得到一個分布圖，紅色表示響應度高，藍色表示概率低，綠色是過渡。
----- 航向角優化——基於LK算法
（1）不做航向角優化直接匹配，會發現有比較大的x，y方向的偏差，這在無人車系統中造成的威脅是很大的。
（2）基於LK算法的框架，對顏色值和高度值進行優化，一般情況下誤差很小，可以采用這個方法。若誤差很大，這個方法不適用。
----- 反射值與高度值自適應融合
由於地面變化，在單一的反射值匹配和高度值匹配時可能不能得到很好的直方圖，這時，通過自適應算法分別給反射值匹配和高度值匹配一個權重，最后融合到一個直方圖中去。對比匹配結果如下圖：
4. 視覺定位技術
- 視覺定位是通過識別圖像中具有語義信息的穩定特征，並於地圖匹配來獲得車輛的位置和朝向。
- 特點：
（1）攝像頭技術成熟，結構化地圖尺寸小，有利於降低系統生產成本。
（2）車道線，路燈等道路元素穩定性高，不易變動，地圖生命周期較長。
（3）配置靈活，根據識別算法性能，可以使用不同的特征組合，易於拓展。 - 算法流程：
（1）3D特征地圖離線生成，是基於視覺的全局定位算法基礎。
（2）圖像特征檢測及匹配是定位算法的核心，IMU和輪速計信息在這個環節用於估計車輛運動。
（3）最后的數據融合可以將GPS、視覺定位和IMU數據整合，優化定位結果，並提供高頻輸出。
5. 捷聯慣性導航技術
捷聯慣性導航系統
- 概述
- 初始條件：已知的初始速度、位置、姿態
- 輸入數據：慣性測量元件測量到的載體相對於慣性空間角運動和線運動參數。
- 解算方法：捷聯慣性導航解算，IMU數據積分
- 輸出結果：實時的載體速度、位置和姿態
- 優點：
（1）自主性、隱蔽性
（2）三維速度、位置和姿態
（3）輸出頻率高
（4）短時間精度高 - 缺點：誤差隨時間累積
- 慣性測量單元IMU
- 組成單元：陀螺儀、加速度計
- 輸出元素
（1）加速度計能夠測量出載體相對於慣性空間所受的力
（2）陀螺儀能夠測量出載體沿陀螺儀軸向的旋轉角速度或旋轉增量 - 功能
IMU是慣性導航系統的基礎，直接決定了慣性導航系統所能達到的精度。
- 捷聯慣性導航系統——初始對准
- 把載體坐標系或者說IMU坐標系與世界坐標系（也可以叫導航坐標系）對應起來，要對准位置和姿態
- 對准方式不同：
高精度IMU：
（1）精度等級：陀螺儀零偏<1°/h，加速度計零偏<1mg
（2）特點：能夠敏感到地球自轉角速度（15°/h）
（3）原理：重力矢量與地球自轉矢量不共線、Kalman濾波速度匹配精對准
（4）典型IMU：光纖和激光IMU
低等級IMU：
（1）精度等級：陀螺儀零偏>1°/h，加速度計零偏>1mg
（2）特點：無法敏感到地球自轉角速度（15°/h）、測量噪聲大、存在隨機開機零偏等誤差
（3）原理：加速度計水平對准、航向粗對准（外部輔助，磁強計，gps速度等）、Kalman濾波速度匹配精對准
（4）典型IMU：MEMS以及消費級IMU
（5）航向優化方式：雙天線，或者得到車行駛起來的速度，或直接使用dps速度
- 捷聯慣性導航系統——解算
捷聯解算框圖
6. 組合導航技術
組合導航系統
- 概述
- 系統組成：兩種或兩種以上非相似的導航系統（如GNSS、SINS等）
- 必要條件：可以對同一信息進行測量（如GNSS、SINS都可以計算出載體的位置速度信息）
- 融合方法：以SINS的誤差方程作為Kalman濾波的狀態方程，GNSS等其他系統與SINS的誤差作為觀測量進行SINS的誤差估計，並對SINS進行矯正。
- 優點：
（1）協同：超越單一子系統的性能，彌補各個單一子系統的缺點
（2）優勢互補：充分發揮各個子系統的優勢
（3）余度：提高系統的穩定性
- 百度組合導航系統——系統框圖
注意：從SINS模塊輸出的原因：高頻輸出