你最后一次從手套箱里拿出地圖來弄清楚如何從一個地方到另一個地方是什么時候？您上一次訪問 Mapquest.com 打印前往新地點(diǎn)的路線是什么時候？

由于技術(shù)和精確導(dǎo)航的進(jìn)步，我們不再依賴于地圖導(dǎo)航的“舊方式”。這些進(jìn)步來自全球定位系統(tǒng) (GPS)、慣性測量單元 (IMU) 和全球連接技術(shù)的革命性改進(jìn)，可為您的智能手機(jī)提供您的位置和方向，以便導(dǎo)航到您的目的地。

話雖如此，仍然需要使用傳感器組合來定位我們所在位置的更高精度的導(dǎo)航系統(tǒng)。今天，我們在智能手機(jī)和汽車中看到了這種精確需求，因?yàn)槲覀兛吹轿覀兊奈恢迷诘貓D上跳躍，同時穿過隧道或高速公路立交橋。解決實(shí)現(xiàn)真正精確導(dǎo)航的挑戰(zhàn)被認(rèn)為非常重要，以至于DARPA一直在積極開發(fā)改進(jìn)導(dǎo)航的工作——它被認(rèn)為是“圣杯”，能夠在有限或沒有 GPS/GNSS 覆蓋的情況下確定精確位置。

什么是精準(zhǔn)導(dǎo)航？在當(dāng)今許多應(yīng)用的背景下，精確導(dǎo)航是車輛和操作員以高精度、可重復(fù)性和可信度持續(xù)了解其在 3D 空間中的絕對和相對位置的能力。為了安全高效地運(yùn)行，精確的位置數(shù)據(jù)還需要快速、經(jīng)濟(jì)高效且不受地理位置限制。

許多行業(yè)的重要應(yīng)用都需要可靠的精確導(dǎo)航、定位和微定位方法。智能農(nóng)業(yè)越來越需要使用自主或半自主設(shè)備來提高種植和收獲世界糧食供應(yīng)的超精確度和生產(chǎn)力。在全球大流行期間，物流效率對倉儲和運(yùn)輸/交付行業(yè)的影響變得顯而易見——倉庫和貨運(yùn)機(jī)器人的有效性取決于它們的定位和導(dǎo)航能力。遠(yuǎn)程和最后一英里交付的自主能力也需要精確導(dǎo)航。

今天確實(shí)存在高精度解決方案，并用于衛(wèi)星導(dǎo)航、商用飛機(jī)和潛艇等應(yīng)用。然而，這些解決方案的成本很高（數(shù)十萬美元）并且尺寸很大（一條面包）。這些慣性導(dǎo)航系統(tǒng) (INS) 成本和尺寸高的原因主要在于所需的高性能 IMU 的成本和尺寸，其中陀螺儀性能最為關(guān)鍵。

IMU 技術(shù)逐漸提高了硬件的尺寸和成本，從笨重的萬向陀螺儀到光纖陀螺儀，再到今天的微型微機(jī)電系統(tǒng) (MEMS) 傳感器。另一個需要考慮的方面是 INS 軟件開發(fā)和集成的成本，因?yàn)楝F(xiàn)代應(yīng)用程序的復(fù)雜性和復(fù)雜性增加，結(jié)合人工智能和機(jī)器學(xué)習(xí)來改進(jìn)決策和安全性。

慣性導(dǎo)航系統(tǒng)和傳感器的性能、尺寸和成本各不相同。盡管最初是為專門的解決方案而開發(fā)的，但現(xiàn)在都可以在汽車應(yīng)用中找到。（來源：ACEINNA）

將這項(xiàng)技術(shù)帶入日常生活的關(guān)鍵是在保持性能的同時降低成本和尺寸。這樣做可以實(shí)現(xiàn)新功能，這些功能對于無人機(jī)、農(nóng)業(yè)機(jī)器人、自動駕駛汽車和智能手機(jī)的進(jìn)步至關(guān)重要。

導(dǎo)致您在地圖上的位置跳躍的原因突出了當(dāng)今 GPS 技術(shù)的局限性。大氣干擾和過時的衛(wèi)星軌道路徑數(shù)據(jù)可以在一定程度上得到修正，計算出的最佳位置精度約為1米。與城市地區(qū)的多徑誤差或其他地區(qū)的覆蓋差相結(jié)合，接收器的誤差范圍增加，位置置信度降低。

這種誤差范圍轉(zhuǎn)化為道路級別的準(zhǔn)確性，即車輛可能在哪條道路上的知識。更高精度的導(dǎo)航旨在獲得車道級精度或更好的車道位置知識。

想象一下，一個人在路上開車，無需非常努力，駕駛員就能夠觀察并繞過障礙物，例如行人、騎自行車的人和坑洼，而不會偏離車道。即使在惡劣的天氣條件下，每天都會穿越帶有令人困惑的道路標(biāo)志的復(fù)雜十字路口。人類使用多種感知（和深度感知），結(jié)合過去積累的經(jīng)驗(yàn)和實(shí)踐，來執(zhí)行看似簡單的駕駛?cè)蝿?wù)。

以類似的方式，自主和半自主車輛使用一套感知傳感器與導(dǎo)航解決方案相結(jié)合，以安全地從一個點(diǎn)移動到另一個點(diǎn)。由于 GPS 和 INS 的現(xiàn)有限制（性能、成本和尺寸之間的權(quán)衡），車輛系統(tǒng)必須采用額外的方法來提高定位精度。車道級或厘米級的位置精度在 L2+ 自動化系統(tǒng)中非常重要，可以使車輛在復(fù)雜、動態(tài)的環(huán)境中安全導(dǎo)航，而無需人工干預(yù)。

一種流行的定位方法是使用來自激光雷達(dá)和攝像頭的圖像和深度數(shù)據(jù)，結(jié)合高清地圖，參考已知的靜態(tài)地標(biāo)和物體實(shí)時計算車輛位置。高清地圖是一個強(qiáng)大的工具，包含大量數(shù)據(jù)，包括道路和車道級別的細(xì)節(jié)和語義、動態(tài)行為數(shù)據(jù)、交通數(shù)據(jù)等等。攝像機(jī)圖像和/或 3D 點(diǎn)云被分層并交叉引用到車輛的高清地圖數(shù)據(jù)，以做出車輛控制的機(jī)動決策。

這種本地化方法雖然有效，但也存在挑戰(zhàn)。高清地圖是數(shù)據(jù)密集型的，大規(guī)模生成的成本很高，并且必須不斷更新。感知傳感器容易受到環(huán)境干擾，從而影響數(shù)據(jù)質(zhì)量。

隨著道路上自動測試車隊(duì)數(shù)量的增加，生成了更大的真實(shí)世界駕駛場景數(shù)據(jù)集，并且用于定位的預(yù)測建模變得更加穩(wěn)健。然而，它的代價是昂貴的傳感器、計算能力、算法、高運(yùn)營維護(hù)以及數(shù) TB 的數(shù)據(jù)收集和處理成本。

通過將實(shí)時運(yùn)動學(xué) (RTK) 整合到 INS 解決方案中，有機(jī)會提高用于精確導(dǎo)航的定位方法的準(zhǔn)確性和完整性。RTK 是一種技術(shù)和服務(wù)，可糾正 GPS/GNSS 數(shù)據(jù)中的錯誤和模糊性，以實(shí)現(xiàn)厘米級精度。

RTK 與固定基站網(wǎng)絡(luò)一起工作，這些基站通過空中向移動的車輛或流動站發(fā)送校正數(shù)據(jù)。每個流動站都將這些數(shù)據(jù)集成到他們的 INS 定位引擎中以實(shí)時計算位置，即使沒有任何額外的傳感器融合并且收斂時間非常短，也可以實(shí)現(xiàn)高達(dá) 1 cm + 1 ppm 的精度。

將 RTK 集成到 INS 和傳感器融合架構(gòu)中相對簡單，不需要大量使用系統(tǒng)資源。RTK 的使用確實(shí)需要連接和 GPS 覆蓋以實(shí)現(xiàn)最精確的導(dǎo)航，但即使在中斷的情況下，系統(tǒng)也可以采用航位推算和使用高性能IMU來持續(xù)安全運(yùn)行。

RTK 的優(yōu)勢在于通過為每個位置基準(zhǔn)提供精確的絕對位置以及置信區(qū)間來支持視覺定位方法。定位引擎可以使用它來減少歧義并驗(yàn)證時間和上下文估計。

結(jié)論精確導(dǎo)航能力是無數(shù)現(xiàn)代應(yīng)用和行業(yè)的核心，這些應(yīng)用和行業(yè)致力于改善我們的日常生活——自動駕駛汽車、微型移動、智能農(nóng)業(yè)、建筑和測量。如果機(jī)器可以移動，那么準(zhǔn)確和確定地測量和控制其運(yùn)動至關(guān)重要。

慣性傳感器對于測量運(yùn)動至關(guān)重要，GPS 提供有關(guān) 3D 空間中位置的有價值的上下文感知，添加 RTK 可提高可靠性和完整性。視覺傳感器可實(shí)現(xiàn)深度感知，讓您可以規(guī)劃未來。來自這些不同傳感器和技術(shù)的數(shù)據(jù)相結(jié)合，使人們對航行規(guī)劃和決策充滿信心，從而提供安全、精確和可預(yù)測的結(jié)果。

關(guān)于作者Reem Malik 負(fù)責(zé)ACEINNA的戰(zhàn)略銷售和業(yè)務(wù)發(fā)展，專注于自主應(yīng)用的精確定位硬件和軟件解決方案。她擁有超過 15 年的工程和銷售經(jīng)驗(yàn)，與 Analog Devices 和 Allegro Microsystems 的全球汽車、消費(fèi)和儀器儀表客戶密切合作。Reem 在馬薩諸塞州伍斯特市的 WPI 獲得電氣工程碩士學(xué)位和學(xué)士學(xué)位。

Eric Aguilar 擁有技術(shù)學(xué)位（Cal Poly/USC），他的職業(yè)生涯始于在美國海軍研究實(shí)驗(yàn)室為無人機(jī)制造傳感器。這些傳感器是解鎖自主飛行和進(jìn)一步提升無人機(jī)能力的基礎(chǔ)。在海軍服役期間，他加入了一家公司，該公司致力于將他的團(tuán)隊(duì)所從事的傳感器商業(yè)化。這導(dǎo)致了一家名為“Lumedyne”的初創(chuàng)公司，該公司制造了一種運(yùn)動傳感器，后來被谷歌以 8500 萬美元的價格收購。

埃里克隨后轉(zhuǎn)而開發(fā)自主系統(tǒng)。他是 Google[x] Project Wing 的航空電子設(shè)備負(fù)責(zé)人，并為其商業(yè)交付無人機(jī)啟用了自主飛行。然后，他在特斯拉工作（并領(lǐng)導(dǎo)了一個 300 人的團(tuán)隊(duì)），負(fù)責(zé) Model 3 的集成工作，以實(shí)現(xiàn)自動駕駛。他最近在 Argo AI（一家由福特和大眾資助的自動駕駛公司）領(lǐng)導(dǎo)他們的機(jī)器人出租車車隊(duì)的傳感器集成工作。

Eric 現(xiàn)在是Omnitr on Sensors的首席執(zhí)行官和聯(lián)合創(chuàng)始人，也是Ascent Robotics的顧問。Omnitron 為傳感器的硅工藝設(shè)計提供了新的自由度。該公司正在與領(lǐng)先的汽車供應(yīng)商和機(jī)器人公司討論建立合作伙伴關(guān)系。

審核編輯 黃昊宇