智能驾驶进阶课程3——定位技术

定位技术

  • 无人车的定位技术
    • 技术入门
    • 基础知识
    • 百度无人车的定位技术
      • GNSS定位
      • 载波定位技术
      • 激光点云定位技术
      • 视觉定位系统
      • 捷联惯性导航系统
      • 组合导航

无人车的定位技术

技术入门

无人车的自定位系统:相对某一个坐标系(局部坐标系、全局坐标系),确定无人车的位置和姿态。
位置和姿态的6个自由度:

  • 位置:XYZ
  • 姿态:三个方向的旋转,欧拉角表示,包括航向、俯仰、横滚,是车辆坐标系相对于XYZ(本地)坐标系的变化夹角智能驾驶进阶课程3——定位技术_第1张图片
    还包括置信度等

自动驾驶汽车定位系统指标要求

  • 精度
  • 鲁棒性
  • 场景
    智能驾驶进阶课程3——定位技术_第2张图片
    为什么无人车需要精准的定位系统
  • 人是一个自然的智能体,无人车无法进行自然的智能识别。
  • 可以提供速度、角速度、加速度等信息用于路线规划和车辆控制。

三种定位方法:

  • 基于电子信号定位
    • GNSS
  • 航迹推算
    • IMU
  • 环境特征匹配
    • LiDAR、Camera

实时动态差分技术

  • 距离差分
    • 伪距差分:卫星信号传递到地面基站和接收站,得到距离差分
    • 载波相位差分:估计一个载波相位的整周(波长固定,到)
  • 位置差分

激光定位

  • 预先做出一个地图
    • 2D概率地图
    • 点云地图

视觉定位

SLAM机器人同时定位与建图
适用于车道线、红绿灯定位信息

IMU

加速度计提供瞬时加速度(需要剔除重力加速度),陀螺仪提供瞬时角速度。
加速度积分得到速度,同理角速度可以得到姿态信息,结合得到位置信息。

优点

  • 6自由度信息
  • 短时精度高
  • 输出频率高、无延迟
  • 无外部依赖

缺点

  • 误差随着时间积累

多传感器融合定位

智能驾驶进阶课程3——定位技术_第3张图片
KF卡尔曼滤波器是核心的模块,会接收IMU输出的递推作为时间的更新,保证滤波器有高频输出,又接收GPS、激光点云定位或视觉定位,更新低频的位置状态
·

基础知识

  • 三维的几何变换
    • 二维旋转,用于车辆中描述车辆坐标系相对于一个固定的相对坐标系的旋转智能驾驶进阶课程3——定位技术_第4张图片
    • 三维旋转,旋转空间点就是将三维矩阵与要旋转的点的矩阵进行3X1的计算。元素较多,有九个,优化困难
      • 欧拉角
      • 四元数智能驾驶进阶课程3——定位技术_第5张图片
    • 三维平移
    • 刚体的位置和朝向
      • 刚体坐标系:确定刚体的位置和朝向,在刚体内取一点P为原点建立刚体坐标系
      • 刚体位置:可以看作刚体原点P相对参考坐标系原点O做的平移,用三维平移向量表示
    • 坐标系
      • 根据各个轴的位置关系不同,分为左手坐标系和右手坐标系(大部分用这个)
      • ECI地心惯性坐标系(I系):不随着地球自转变化的坐标系,地球表面载体运动时存在这个坐标系可以作为相对坐标系
      • ECEF地心地固坐标系(E系):X、Y轴随着地球自转而转动,旋转到指定位置时与ECI重合,ECI绕Z轴做时间上的旋转可以得到ECEF
      • 当地水平坐标系(L系):原点在载体上面,东向北向天向(ENU)为XYZ,随地球一起转,与E系可以相互转换
      • UTM坐标系(横轴墨卡托坐标系):经纬度划分地球规定带,6度一个带,形成投影带
      • 车体坐标系:原点位于车体后轴中心位置,用与N系的旋转关系表明车的姿态
      • IMU坐标系:类似车体坐标系,依赖于IMU的安装误差
      • 相机坐标系
      • 导航坐标系(N系)
      • 激光雷达坐标系:局部坐标定义与相机坐标系不同
        智能驾驶进阶课程3——定位技术_第6张图片

百度无人车的定位技术

GNSS定位

  • GPS定位技术基本原理
    • 24颗GPS卫星
    • 2个载波信号频率:L1、L2
    • 信号调制:载波信号上调制有测距码(L1上为C/A码和P码,L2上为P码)和导航电文
    • 系统基本功能:定位、测速、授时
    • 美国GPS、中国北斗
    • TOA测距

载波定位技术

  • 固定载波整周数,消除噪声,达到更高的精度
  • RTK(无人车在用)
  • PPP :一种很强的单点,需要很多种基础基站的建设。卫星数据的误差在基站中做分离处理,消除误差后在对车端定位。
  • RTK缺点:要建基站
    智能驾驶进阶课程3——定位技术_第7张图片
  • GPS在无人车中的作用
    • GPS授时
    • HD-MAP制图,在RTK基础上进行后解算,做出更精准的位置信息
    • 在线定位

激光点云定位技术

智能驾驶进阶课程3——定位技术_第8张图片
点云输出的是四个维度:XYZ Yaw(航向角),Z由定位地图获得

  • 图像对齐模块
    • 航向角优化
  • SSD-HF模块
    • XY的优化
  • 两个输入
    • 预测的初始位姿:因为是局部搜索过程
    • 实时点云数据

激光点云定位地图格式

  • 定位地图(每一个格子可以有以下两种表示)
    • 反射值地图块:灰度值/颜色值
    • 高度值地图块:存储z值

SSD-HF

  • 利用SSD,颜色值与地图找一个相应的点
  • 引用直方图滤波器

    智能驾驶进阶课程3——定位技术_第9张图片

航向角优化:基于LK的光流优化算法
(用于小误差)。

视觉定位系统

  • 也是输出XYZ和Yaw
  • 视觉定位是通过识别图像中具有语义信息的稳定特征,并与地图匹配来获得车辆的位置和朝向
  • 视觉定位算法流程
    • 3D特征地图离线生成,是基于视觉的全局定位算法基础
    • 图像特征检测以及匹配是定位算法的核心,IMU和轮速计信息在这个环节用于估计车辆运动,预测位姿
    • 最后的数据融合将GPS、视觉定位、IMU数据整合,优化定位结果
      智能驾驶进阶课程3——定位技术_第10张图片
  • 第一部分:3D地图生成:采用结构化(分段直线)表示,3D地图提取路灯、电线杆等物体的竖直部分,2D地图提取车道线、停止线、导流线等路面标记。
  • 第二部分:
    • 在线特征检测:检测车道线、检测杆状物。
    • 特征匹配:绝对定位。车道线特征匹配的难点的解决方法:粒子滤波

捷联惯性导航系统

  • 需要初始对准:IMU坐标系与世界/导航坐标系对应(位置、姿态)
    • 高精度IMU通过重力矢量和地球自转矢量和车本身坐标系
    • 低等级IMU需要外部给一初始位置、速度,要知道俯仰、横滚,航向角利用双天线方式或者让车跑起来
  • 惯导解算:已知位姿,输入新的加速度和角速度,得到新的位置智能驾驶进阶课程3——定位技术_第11张图片

组合导航

智能驾驶进阶课程3——定位技术_第12张图片
利用卡尔曼滤波
智能驾驶进阶课程3——定位技术_第13张图片

你可能感兴趣的:(智能驾驶进阶课程3——定位技术)