作者：晓畅 Auto
起源：知乎，深蓝 AI
编辑：东岸因为
原文：详解主动驾驶多传感器交融定位技术
谈到定位，实际上每个人都很相熟。无论是你手机里的 GPS 还是交换沟通时“我在 xxx”，都是一个定位的概念的表白。
而对于无人驾驶车辆而言，它也须要表白本人的地位。那这时候它不能仅仅简略地表白“我在某某路上”，这太毛糙了，咱们须要晓得每个时刻它处于一个什么点位上，这时候就须要引入坐标系了，因为在坐标系下你就能够用 XYZ 来示意你的具体位置了，并且该地位是惟一的。
对于坐标系既能够应用全局坐标系，例如 GPS 取得的寰球定位坐标；也能够应用一个部分坐标系，例如你明天就只运行在某段关闭路线或园区内，就能够以终点作为坐标系原点。
除了这些外在的不会随便变动的坐标系，无人驾驶汽车自身还有一个自车坐标系，也就是常说的位姿。位姿就是地位 + 姿势，地位即 X、Y、Z 三维，姿势即横摆 yaw、俯仰 pitch、侧倾 roll。对于车辆而言，个别都行驶在路面上，产生 Z 这个维度的数值比拟少见。同样地，俯仰和侧倾也绝对较少。如果产生大范畴侧倾，那可能主动驾驶性能是没本事纠正回来了，这时候可能须要叫个拖车。
定位性能为后续布局、管制模块提供了重要的输出信息，也因而对定位模块提出了很高的需要。具体能够看看下表。
首先是精度要求，咱们常说定位要精准，那怎么精准法，就是要求误差不能超过 10cm。想想，如果你的定位和理论地位差得太大，那在遇到简单场景时想要变道避让就会和别的指标产生碰撞。鲁棒性说的是定位系统的容错能力，保障最差不会差过 30cm。全天候场景也好了解，谁也不心愿车在雨雪大雾天或者隧道里就不能使了。
那么，要实现这么高的要求须要怎么的技术呢？
罕用的有三种：
（1）基于电子信号的定位；
（2）航迹推算；
（3）环境特色匹配。
先来说说第一种。基于电子信号的定位用艰深点的话来说就是 GPS 定位。通过承受卫星实时的电子信号，解算出指标以后时刻的地位。不过 GPS 定位算法也有好有差，例如咱们手机里用的定位误差就能达到三四米，这也是为什么有的时候你在桥上走，定位却显示你在水里游的起因。
那汽车显然不能用误差这么大的办法，于是就有了实时动静载波相位差分技术。说人话就是通过车辆到天上多个卫星之间的回波周期数，通过比拟解除周期含糊，确定一个数值，这个值就是准确的定位地位。
这个办法的劣势就是定位精度是真的很高，能达到 5cm，然而毛病也很显著，他得须要在车上装置一套设施，既和卫星通信也和基站交互，同时还不能去高楼大厦、隧道、立交桥这种对信号有遮挡的中央。显然，这一办法满足了精度，缺漠视了鲁棒性和场景。
航迹推算说的是依据上一时刻的地位姿势，联合以后测量到的信息来揣测当初的位姿。做航迹推算必不可少的传感器便是 IMU 惯性测量单元。有印象的同学会记得咱们在之前的系列中讲过这一传感器，不记得的同学请点击下方传送门，这里就不赘述这个传感器了。
间接来说说这一办法的长处，因为 IMU 是装在本人车上的，装上就能测，也不须要接管啥内部信号，因而对于场景就齐全不在乎。同时这个小东西输入频率十分高，5ms 就输入一次位姿信息，并且短时精度也很高，看着相当生猛。它的毛病就是会累计误差，用着用着就越来越不准了，因而须要不停的校准，经常与其余定位办法联合在一起打消零漂。
显然，这一办法满足了精度和场景，然而鲁棒性不够。
最初咱们再来看看环境特色匹配。所谓的环境特色匹配其实就是 SLAM 技术，及时定位与建图。那 SLAM 有激光 SLAM 和视觉 SLAM，所以依据传感器不同分为激光环境特色匹配和视觉环境特色匹配。
激光定位就是利用激光雷达当时生成一个地图，这个地图能够是 3D 的也能够是 2D 的。
随后咱们把感知失去的实时点云和事后建设的地图进行匹配，最容易想到的就是搜寻形式。任选地图中的某一块区域，拿现有点云和它去做比拟，看色彩信息是否靠近、高度信息是否统一，计算出一个匹配概率，概率最高的当然就是匹配胜利的点。
通过这种形式咱们就实现了一个事实世界到地图的转换，能够很准确计算出咱们处在地图中的某个地位，相似在景区地图上找本人所在位置的感觉。
视觉定位与上述激光定位原理统一，也是须要一幅预制好的高精地图，通过摄像头感知到的实时数据与地图上的信息进行匹配，确认本人的地位。然而须要留神的一点是，视觉定位在主动驾驶中受光照烦扰很大，因为室外场景光线会一直变动，因而之前提前到的特色点可能换个工夫就提取不到了。
这时候对视觉感知提出了更高要求，须要从场景中提取语义信息，例如交通标志牌、红绿灯等等参考指标，他们绝对于光照要稳固的多。除非路线大革新，否则一块路牌、一个红绿灯立在那很多年是没问题的。
这种基于环境特色的定位因为有高精地图 buff 在手，因此定位再差也不会差到哪儿去，同时实时的测量值输出进来也一直较准系统的预测。这样看来，这个办法的鲁棒性可能失去保障。
介绍完这三种定位形式，你会发现“小孩子才做抉择，成年人全都要”。多传感器交融定位能力舍短取长，让整个零碎施展出最优效力，实现主动驾驶汽车的精准定位。
以卡尔曼滤波器串连起 GPS 定位、IMU 定位与激光点云定位
1. 45 个主动驾驶开源数据集总结
2. 书籍举荐 -《大规模 SLAM 技术》
3. 书籍举荐 -《ROS2 机器人编程扼要教程》
4. 基于多传感器交融的定位和建图零碎
5. 最新|3D SLAM 对于 z 轴精度的优化思路整顿
6. 书籍举荐 -《自主移动机器人与多机器人零碎：静止布局、通信和集群》