无人驾驶实践进阶——定位

无人驾驶实践进阶——定位

技术入门

定义：相对某一个坐标系，确定无人车的位置和姿态

位置和姿态分别的三个自由度：

无人车自定位系统定位内容：
另外需要对输出结果加入置信度

指标要求：
主要有精度、鲁棒性和场景

定位系统的意义：
结合自动驾驶地图提供静态环境感知

提供速度、加速度、角速度等信息用于路线规划以及车辆控制

定位的方法：
基于电子信号定位、航迹推算与环境特征匹配

基础知识

差分定位（载波相位差分）：
定位精度小于5厘米
优缺点：

激光定位：
通过预存的2D地图进行匹配定位

视觉定位：
基于特征点的定位

惯性导航：

多传感器融合定位：
惯性导航（高频）、GPS、激光点云、视觉定位（低频）等的融合

三位几何变换：
坐标系类型：
目前多数为右手坐标系

二维旋转：
通过二维旋转矩阵实现

三维旋转：
通过X、Y、Z分别进行二维旋转

复合得到三维旋转矩阵
用于计算而不适合用于优化

欧拉角与四元数：
用于优化中

三维平移：

刚体的位置和朝向：
常用坐标系：
ECI：

ECEF：

当地水平坐标系：

UTM坐标系：

车体坐标系：

IMU坐标系：

激光雷达坐标系：

总结：
各坐标系间为旋转关系

Apollo定位技术

百度的自动驾驶汽车：
探路者：用于探索新的方向，传感器昂贵，雨天、林荫路、立交桥洞
“阿波龙”微循环车：较为便宜的传感器，低成本、林荫路
“新石器”物流车：非常便宜的传感器，低成本、低速

GNSS定位

基本原理：

最少三颗卫星，一般四颗，多出一颗用于排除误差

GPS误差来源：

精度5-10m
载波定位：
RTK载波定位：
利用基站消除误差，分为RTK和PPP技术

PPP载波定位：

总结：

目前应用较广的为RTK技术
GNSS作用：
GPS授时、高精地图制图、在线定位

激光点云定位

激光点云定位算法：
主要分为两个模块：图像对齐与SSD-HF

定位地图的格式：

一种激光点云定位的方法：

一种航向角优化的方法：

自适应融合匹配：

匹配效果对比：

视觉定位

定位特征对象及特点：

视觉定位算法流程：


在线特征检测：

特征匹配定位：

惯性导航

概述：

IMU：

初始对准：

不同等级IMU对准方式的不同：

惯导解算：

组合导航

概述：

系统融合框图：

Project与论文：