百度Apollo学习笔记（1）——定位技术

1.无人车的定位是什么

  无人车的定位就是确定无人车相当于一个坐标系的位姿。

• 坐标系包括了全局坐标系和局部坐标系
• 位姿包括了6个自由度（如下图所示）

2.定位系统指标要求

项目	指标	理想值
精度	误差均值	<10cm
鲁棒性	最大误差	<30cm
场景	覆盖场景	全天候

3.无人车定位方法

• 基于电子信号定位（GNSS、Wifi、Cell phone、FM radio、UWB）
• 航迹推算（IMU、Odometry）
• 环境特征匹配（Lidar、Radar、Camera）

4.定位常用坐标系

4.1 地心惯性坐标系（ECI）

• 地心惯性坐标系是原点在地心
• z轴指向北极星
• x、y轴位于赤道平面上，与z轴满足右手法则，指向两颗恒星
• 常作为地球表面传感器输出的惯性坐标系
  

4.2 地心地固坐标系（ECEF）

  地心地固坐标系（Earth-Centered, Earth-Fixed，简称ECEF）简称地心坐标系，是一种以地心为原点的地固坐标系（也称地球坐标系），是一种笛卡儿坐标系。

• 原点 O (0,0,0)为地球质心
• z 轴与地轴平行指向北极点
• x 轴指向本初子午线与赤道的交点
• y轴垂直于xOz平面(即东经90度与赤道的交点)构成右手坐标系
• 与地球固连在一起，随地球转动

4.3 当地水平坐标系

• 原点位于载体所在的地球表面
• x、y轴在当地的水平面内，分别指向东和北
• z轴竖直向上
• 和地球固连一起
• 机器人领域中的世界坐标系
• 常在导航解算过程中被选为导航坐标系（n系），也称“东北天（ENU）”坐标系或者“北东地（NED）”坐标系

4.4 通用横轴墨卡托投影（UTM投影）

  通用横轴墨卡托投影（Universal Transverse Mercator），简称UTM，是一种国际标准化的地图投影法。它使用笛卡儿座标系，标记南纬80°至北纬84°之间的所有位置。

   座标格式如下︰[经度区间][纬度区间] [方格座标]
   纬度区间：从南纬80°开始，每8°被编排为一个纬度区间，而最北的纬度区间(北纬74°以北之区间)则被延伸至北纬84°，以覆盖世界上大部分陆地。每一个纬度区间均以一个英文字母表示，由南向北数以"C"至"X"编排。
   经度区间：每6°被编排为一经度区间。每一个经度区间均以一个数字表示，由西向东数以01至60编排。
   方格座标：方格由每一个纬度和经度区间重叠而成，而一点的方格座标指该点由方格西南角起计向北和向东的距离。座标可由不同位数的数字组成，视乎准确度而定。一般会以4位数或6位数报告。

• 一般定位输出所采用的坐标系

4.5 车体坐标系

  车体坐标系有“右前上（RFU）”坐标系、“前左上（FLU）”坐标系等。一般采用的是“右前上（RFU）”坐标系。

• 原点位于载体质量中心与载体固连（通常选取后轴中心位置）
• x轴沿载体轴向指向右
• y轴指向前
• z轴指向上

4.7 IMU坐标系

• 原点为加速度计和陀螺仪的坐标原点
• xyz三轴与加速度计和陀螺仪的对应轴平行
• 因为IMU与载体固连，所以不考虑安装误差角情况下，载体坐标即为IMU坐标系

4.8 相机坐标系相

• 原点为相机光心
• xy轴与成像平面坐标系的对应轴平行
• z轴为相机的光轴

4.6 激光雷达坐标系

• 原点位于多线束中点旋转轴的交点处
• z轴沿轴线向上
• xy轴构成水平平面与z轴垂直

5.百度无人车定位技术

5.1 百度无人车方案

• “探路者”
• 无人驾驶微循环车——“阿波龙”
• 无人驾驶物流车——“新石器”

5.2 GPS定位技术

• 电文已知，根据时间可以推算卫星的位置
• 距离交汇
• 本地钟差较大，设参估计，需要4颗卫星
• 定位精度5~10m

5.3 载波定位技术

  与基于TOA的伪距不同，载波由接收机内部环路锁相环给出的不足整周部分。常用载波定位技术包括RTK和PPP技术。目前无人车主要采用RTK技术。

RTK技术特点：

• 基本5s内提供cm级别的定位精度
• 缺点在于需要建基站及双向链路（4kpbs）

5.4 激光点云定位技术

5.4.1 点云定位算法框架

• 输入包括预测的位姿和实时点云信息
• 输出四个维度信息，xyz和yaw

5.4.2 定位地图

• 反射值地图。颜色值（灰度值）和颜色值的方差。
• 高度值地图

5.4.3 基于Histogram Filter的激光点云定位

(x,y)优化：

SSD-Sum of Squared Difference（平方差总和）：
$$d(u,v)=\sum _{(x,y)}(f(x,y)-t(x-u,y-v){)}^2$$

航向角（yaw）优化： Lucas-Kanade算法

5.5 视觉定位技术

  通过识别图像中具有语言信息的稳定特征，并与地图匹配来获得车辆的位置和朝向。

特点：

• 相机技术成熟，结构化地图尺寸小，成本低
• 车道线、路灯等道路信息稳定性高，不易变动，地图生命周期较长
• 配置灵活，易于扩展

算法流程：

5.6 捷联惯性导航技术

• 初始条件：初始速度和位姿。
• 输入数据：惯性测量元件测得的角和线的运动参数。
• 解算方法：捷联惯性导航解算和IMU数据积分
• 输出结果：实时速度和位姿。
• 优点：自主性、隐蔽性；可获得三维速度和位姿信息；输出频率高；短时间精度高。
• 缺点：误差随时间累积。

5.7 组合导航技术

• 系统组成：两种或两种以上非相似的导航系统组成。
• 必要条件：可以对同一信息进行测量。
• 融合方法：卡尔门滤波算法
• 优点：弥补每个子系统的缺点；充分发挥每个子系统的优势；提高系统的稳定性。