自動駕駛定位的特點

對于定位系統和傳統定位來說，自動駕駛車輛的位置和姿態有以下特點：

◆厘米級別的精度，需要精確到車在車道線的具體位置，例如距離左右邊線幾公分。

◆高頻低延遲，需要毫秒級別的時間延遲，實時傳輸車的位置，否則會出現安全事故。

幾種定位方式

全球導航衛星系統

特點：

米級別精度

低頻

干擾或者遮擋

解決方法：RTK（Real - time kinematic，實時動態）載波相位差分技術，可以達到厘米級別。

相對定位：慣性測量單元IMU

特點：

加速度以及角速度

三個方向的加速度計和三軸的陀螺儀

高頻（通常100HZ）

累積誤差

解決方法：慣性導航系統

點云定位

魯棒性好，不依賴于 GPS 信息。

依賴于先驗地圖，地圖的準確性和實時性可能會導致定位誤差。

需要解決：弱特征環境。比如說在橋上，往前開10米和往后開10米看到的場景都是類似的，對于這類環境來說，如何去找到準確位置，這是必須考慮的問題。

定位系統

多傳感器融合定位

綜合來說，靠單一傳感器定位是不夠的，所以采取多傳感器融合的方案。基于卡爾曼濾波模型，整體定位效果會有更高的精度和更好的魯棒性。

卡爾曼濾波模型

卡爾曼濾波是一種高效率的遞歸濾波器，它能夠從一系列的不完全和包含噪聲的測量中，估計動態系統的狀態。

基于卡爾曼濾波模型，我們把自動駕駛車輛當時的位置看作是高斯分布，也就是說，車輛定位在某個區域范圍之內，且位于中間的可能性是最大的。

隨著車輛行駛，根據運動方程，定位系統能夠得到車輛的位置預測。假設一輛車往前行駛了10米，于是車輛產生一個預測位置，然而實際行駛中，預測位置和實際位置的誤差逐漸變大。這是因為，此數據可能是由IMU給出，而IMU作為傳感器自然會存在誤差。同時假設這輛車還裝有GPS，那么GPS給出的位置信息便相當于上圖中的藍色的部分，這個定位數據也是包含一定誤差的。

于是，我們得到關于這輛車的兩個位置信息，將二者結合后便可得到較為準確且可信的結果。由此可見，卡爾曼濾波是不斷在更新迭代的，最終實現得到一個比較準確位置的目標。

我認為，定位系統的最終目標是萬里無憂，對自動駕駛的挑戰則是更低成本和更苛刻的外部環境。最終我們一定會把這些問題解決好，實現這個目標。