近年來，業內關于自動駕駛的討論不絕耳語，包括主機廠、供應商、互聯網科技巨頭、創業公司在內的產業鏈各方，均將自動駕駛掛在嘴邊，唯恐被行業甩在身后。然而，如果將自動駕駛視為最終目標，那么在實現這一目標過程中的基礎力量，往往被人忽視。這其中，作為自動駕駛重要“基礎設施”的高精度定位就首當其沖。

“高精度定位”在自動駕駛中專注于解決“我在哪里？”這個問題。解決“我在哪里？”，看似目的簡單卻意義重大。就現今的智力水平看，自動駕駛汽車像孩子一樣，還處在從爬到走的階段。我們知道這個年齡段的孩子對位置信息的處理還處在初級水平，特別是對距離的把握很弱。比如他們覺得夠得著的東西，往往要比想象中遠，這對應到汽車上就是很難實現精準定位。

在當前的實際應用中，自動駕駛需要結合多個傳感器聯合解決定位問題，方案包括以下幾種情況：

1.差分 GPS+IMU方案

IMU全稱Inertial measurement unit，是一種慣性測量手段，簡單說它是利用測量加速度和旋轉速度并輔助以算法，來獲得準確定位。這項技術的最大優勢在于更新頻率比較高，一般可達到1KHz，相當于GPS更新頻率的100倍。

不過IMU并不是萬能的，準確說它屬于一種準確度很高的實時定位技術，不擅于長時定位。為什么說是實時定位，是因為它在運動過程中存在位移誤差、比例誤差以及背景白噪聲誤差，而且這些誤差還會不斷累積。為了彌補IMU的缺點，GPS被考慮進來。雖然GPS更新頻率較低，但GPS 給出的全局錨定，在長時間定位上不會出現誤差累積。因此GPS+IMU的組合方案很好的實現了優勢互補，可以為車輛定位提供既準確又足夠實時的位置更新。

準確說還需要帶上路面基站，它能用來增強信號、消除誤差等。即高精度的差分GPS+慣導IMU+地面基站的組合是現今的主流方法。

2. 差分GPS+IMU+激光雷達（視覺）方案

差分GPS在天氣較好、遮擋較少的情況下能夠獲得很好的定位精度，但是在城市高樓區域、惡劣天氣情況下效果下降非常多，這時候融合IMU+激光雷達（視覺）的方案剛好能夠填補不足。

3. GPS+ 雷達+高精地圖匹配方案

GPS 給出全局錨定，中間使用雷達SLAM 前端里程計做累加，可以配合高精地圖的圖匹配，做類似后端回環優化的方式，將GPS、激光雷達及已知地圖進行融合定位。

4. 多對雙目視覺攝像頭SLAM方案

這種方案成本低，考驗的主要是算法，現在很少有自動駕駛公司宣稱自己主攻純視覺方案，該方案也不是當前的主流。

5. 深度攝像頭+ IMU 融合

目前行業中有很多視覺+IMU的融合方案，視覺傳感器在大多數紋理豐富的場景中效果很好，但是如果遇到玻璃，白墻等特征較少的場景，基本上無法工作；IMU長時間使用有非常大的累積誤差，但是在短時間內，其相對位移數據又有很高的精度，所以當視覺傳感器失效時，融合IMU數據，能夠提高定位的精度。

以上組合只是市面上能看到的一些產品采用的定位手段，當然還可以結合目前的自動駕駛定位技術:GPS RTK技術,IMU，基于視覺和雷達的SLAM技術，高精地圖等進行隨意組合。融合方案的定位精度會優于單一傳感器，一個傳感器在某種環境失效，補充傳感器能頂上。

自動駕駛的定位問題隨著自動駕駛功能及車輛自動化等級的提升而愈發重要。從以奧迪為代表的交通擁堵輔助功能，通用超級巡航功能為代表的高階ADAS功能，到博世高速自動駕駛功能，奧迪交通擁堵自動駕駛功能等L3級別以上功能中均有應用。

返回第一電動網首頁 >