Udacity无人驾驶课程笔记:定位

定位的任务是知道车辆在高精地图中的位置。

GPS对定位来说不够精确,在1~3m范围,在高楼、峡谷等GPS信号弱的地方,甚至达到10~50m的误差。

车辆通过传感器得到的数据坐标与高精地图坐标进行对比,得到自身坐标和地图坐标之间的转换数据,这是车辆精确定位的关键。

GNSS RTK

由美国政府研发并在全球范围内运营的卫星导航系统,这类系统的通用名成为全球导航系统卫星或者GNSS,GPS是使用最广泛的GNSS系统

GPS分三部分组成:卫星控制站GPS接收器

RTK涉及在地面上建立几个基站,每个基站都知道自己精确的“地面实况”位置,“地面实况位置”与接收到的GPS位置之间的偏差为GPS的测量偏差,通过将误差传递到其他基站以供自身的位置计算,在RTK的帮助下可以将定位误差限制在10cm以内,但仍存在高楼和其他障碍物阻挡GPS信号的问题,GPS还存在更新频率低(大约10Hz)的缺点

 

惯性导航

可以使用加速度、初始速度和初始位置来计算车辆在任何时间点的车速和位置。

陀螺仪是惯性测量单元(IMU)的主要组件,IMU的一个重要特征在于它以高频率更新,更新频率可以达到1000Hz,可以提供接近实时的位置信息,缺点是其运动误差会随着时间增加而增加,因此只能依靠IMU在短时间内进行定位,但可以结合GPS,一方面弥补GPS更新频率低的缺陷,另一方面GPS纠正IMU的运动误差。

 

激光雷达

利用激光雷达的电影能匹配对车辆进行定位,通过激光雷达数据与预先存在的高精地图进行连续配对,可以获知车辆在根据地图的全局位置和方向。

Apollo使用的是直方图滤波,也称为误差平方和方法(SSD),将通过传感器扫描的点云滑过地图上的每一个位置,在每个位置计算扫描点与高精地图上对应点之间的误差或距离,然后对误差的平方进行求和,求得的和最小,扫描结果与地图之间的匹配越好。

激光雷达定位的优势在于稳健性,只要从高精地图开始并且存在有效的传感器就能始终进行定位,主要缺点在于难以构建高精地图并保持更新。

 

视觉定位

单纯靠图像实现精确定位是非常困难的,一般与其他传感器数据进行融合。

视觉定位的优点在于图像数据很容易获得,缺点在于缺乏三维信息和三维地图的依赖。

 

Apollo定位

Apollo使用基于GPS、IMU和激光雷达的多传感器融合定位系统,,利用之间的优势互补,GNSS输出位置和速度信息,LiDAR输出位置和行进方向信息,再通过卡尔曼滤波融合在一起,其中惯性导航用于卡尔曼滤波的预测步骤,GNSS和LiDAR用于卡尔曼滤波的测量结果更新步骤。

 

 

 

 

你可能感兴趣的:(论文笔记)