[首發于智駕最前沿微信公眾號]自動駕駛汽車在道路上行駛的時候，需要持續知道自己在哪里。這聽起來很簡單，就像手機地圖顯示你當前所在哪條街道上一樣，只是自動駕駛汽車對位置的要求遠比手機定位嚴格得多。自動駕駛汽車不僅要知道自己現在在哪一條街道上，還要清楚自己在車道中的哪個位置、身體朝向如何、與路邊設施和其它車輛的距離是多少。只有具備準確的定位信息，自動駕駛系統才能做出正確的規劃和控制決策，從而完成變道、轉彎或者避讓行人等操作。

在自動駕駛領域，定位可以按照參考坐標系的不同分成兩個概念，即全局定位和局部定位。這兩個定位可以協同工作，彼此補充，各自承擔不同的功能。

全局定位：讓車知道它“在地球上的位置”

全局定位的核心目標是給自動駕駛汽車提供一個絕對、不隨時間漂移的位置坐標，這個坐標以地球表面某個標準系統為參考。實現這一目標主要依靠全球導航衛星系統（GNSS），其中最常見的是美國的GPS、中國的北斗、歐盟的伽利略等。

全局定位輸出的是一個包含經度、緯度和高度的坐標信息，對應車輛在地球表面的位置。舉個例子，一輛自動駕駛汽車在北京市朝陽區某個十字路口，其全局坐標可以精確到十幾厘米甚至更高，這就是高精度GNSS與差分（RTK）技術配合使用的結果。

全局定位最大的特點是它不依賴車輛之前的行駛歷史軌跡或者內部估計，它本質上是從外部世界直接讀位置。這意味著不管車輛以前走過什么路線，只要衛星信號穩定，它都可以立刻得出當前位置。

全局定位提供的是絕對坐標，比如當一個自動駕駛出租車接到一個行程請求時，它需要知道出發點和目的地在地圖上的絕對位置。導航模塊會基于這個絕對位置生成路徑，而車輛后續的控制系統則按照預定路徑行駛。全局定位是整個自動駕駛系統的定位基礎，它讓車輛知道在地圖的大框架里，現在在哪個位置。這種定位方式具有全球一致性和無需累積計算的特點。

不過，全局定位也有局限。衛星信號雖然覆蓋面廣，但在隧道、城市高樓密集的峽谷式道路或者樹木遮擋嚴重的區域，信號會受到干擾甚至完全丟失，使得定位精度下降或不可用。即使在開闊地區，單純使用GNSS輸出的位置也會因為信號噪聲產生幾米到十幾米的誤差，這對自動駕駛來說是不夠精確的。為了解決這個問題，自動駕駛汽車的定位不能只依賴衛星，而是要把全局定位作為基礎，再結合其他技術補充精度。

局部定位：讓車知道它“在局部環境里的精確位置”

當車輛處于某一具體環境中時，全局定位提供的只是一個大致的坐標，這在高速行駛或者精細操控時無法滿足需求。這時就需要依賴局部定位。

局部定位的核心是使用車輛自身的傳感器（如激光雷達、相機、慣性測量單元IMU等）對周圍環境進行感知，并把這些感知信息與某種地圖或者先前建立的局部模型進行匹配，從而得到車輛在當前局部區域內的精確位置。

圖片源自：網絡

局部定位強調的是短距離高精度和連續性。當自動駕駛汽車在一條路段上持續行駛時，它通過視覺、點云等感知到的特征，與地圖或上次知道的位置進行配準，從而判斷自己在局部坐標系中的位置變化。這類技術在自動駕駛領域通常被稱為Visual Odometry、Lidar Odometry或者更廣義的SLAM（同時定位與地圖構建）技術。

舉個直觀的例子，當車輛進入一個隧道后，衛星信號可能完全無法使用，這時就必須通過車載傳感器來判斷車輛在車道上的精確位置。激光雷達會掃描前方和周圍的環境，將采集到的點云與已有的高清地圖進行匹配，通過這種匹配結果可以計算出車輛的位置變化。同樣，使用相機視覺的定位也是類似的道理，通過識別道路標志、路緣、建筑物等視覺特征，再結合慣性傳感器（IMU）進行短時間的估計，就可以在局部范圍內精確定位。

局部定位的另一個重要優勢是連續性。不同于全局定位那樣受衛星信號影響大，局部定位只要傳感器和計算系統工作正常，它就可以持續輸出車輛相對于起點或參考地圖的相對位置。它對短時間的動態變化非常敏感，尤其適合高速行駛中對橫向和縱向位置精確控制的需求。

不過局部定位本質上也只是相對定位，依賴于先前的狀態作為參考。如果長時間只依賴局部定位，它的位置估計會因為累積誤差而發生漂移。想象一下，如果自動駕駛汽車一直用車輪編碼器和IMU來估計位置，所有的小誤差都會隨著時間疊加起來，最終導致位置和方向的估計越來越不準。因此，局部定位需要周期性地與全局定位或者已知的地標等絕對參考進行校準。

兩者如何協同：融合才是關鍵

如上所述，全局定位和局部定位各有優勢和不足，全局定位提供的是世界尺度上的位置參考，而局部定位強調短時間、高精度的位置估計。自動駕駛系統要達到既能全球導航又能精確控制的目標，就必須融合這兩種定位。

圖片源自：網絡

融合通常采用一種叫做狀態估計或濾波器的技術，像是擴展卡爾曼濾波或者優化方法就屬于這類技術。它的作用是把全局定位給出的絕對位置和局部定位給出的相對精細位置結合起來，可以保留全局定位不漂移的特點，還能具備局部定位的高精度和連續性。通過這種融合，自動駕駛系統就能在復雜環境中持續提供高精度的車輛姿態（位置和朝向）。

這種融合的實現有多種形式。在有些實現中，全局定位給出一個粗略的位置初值，然后局部定位在此基礎上進行細化處理。當車進入衛星信號不好的區域時，全局定位暫時中斷，局部定位繼續跟蹤車輛的位置變化；當車輛重新獲得全局定位時，再將當前局部估計與全局參考對齊，修正漂移。此外，還可以在一張更高級別的地圖框架下，實時把局部定位結果通過圖優化的方法融入到全局定位網絡中，使整體定位更穩定。

應用場景與挑戰

從實際應用角度看，全局定位和局部定位的協同對于自動駕駛的每一個階段都是不可或缺的。在城市道路、高速公路和鄉村道路等不同場景中，它們各自的權重不同。

在開闊區域或高速公路上，全局定位表現得會比較好，可以持續提供穩定的位置參考，而局部定位則可以用來細化道路內的位置。這種情況下，車輛導航和路徑規劃可以主要依賴全局定位，局部定位作為輔助增強精度。在城市中心或隧道、地下車庫等環境，全局定位可能嚴重弱化甚至喪失，此時局部定位就成為主要定位手段。

自動駕駛定位本身也面臨不少挑戰。如在多變環境下，局部定位的特征匹配可能由于光照變化、道路遮擋等原因失效；全局定位會在信號遮擋區域失去有效性。這就要求定位系統不僅要有良好的傳感器融合能力，還要有智能的場景識別和自適應機制。

此外，構建高精地圖、實時更新環境信息，以及處理動態對象對定位的干擾，都是自動駕駛落地過程中必須要解決的問題。

總結

全局定位和局部定位是自動駕駛定位系統中兩大核心部分，它們分別從不同尺度給車輛提供位置估計。全局定位給出世界尺度的絕對坐標，讓車輛知道自己在大地圖上的位置；局部定位則在短時間內提供高精度、連續性的局部坐標，支持車輛實時控制。兩者結合才是真正讓自動駕駛車輛既能全局導航，又能精細駕駛的基礎。打造魯棒的定位系統，是實現安全、可靠自動駕駛的核心技術之一。

審核編輯 黃宇