第三章：百度apollo定位技术

课时1：技术入门：

1.什么是无人车自定位系统：

自动驾驶汽车定位系统指标要求：

1.精度
2.鲁棒性
3.场景

2.为什么无人车需要精确的定位系统？

1.与自动驾驶地图配合提供静态环境感知
2.速度、加速度、角速度等信息用于路线规划及车辆控制
3.航迹推算：

IMU：惯性测量单元：包含了加速度计和陀螺仪

3.卫星实时的动态差分技术（GNSS）

距离差分：伪距差分和载波相位差分

4.激光定位

1.预先制作一个地图，比如点云图，概率地图等
2.然后拿实时点云与地图做匹配，例如可以使用搜索的方式，选择一个区域，在每个小格子里面做匹配，每个小格子里面算一个匹配的概率，匹配用实时点云里面的颜色值或者高度值的分布和这个地图去匹配，得到概率图采用加权平均的方式得到一个XY的位置

5.视觉定位

环境的影响很大，需要找标志性的特征位置，这些是十分有用的信息。

6.惯性导航

基于IMU。
价格分布很广：

输出频率高：200HZ以上

7.将GNSS，惯性导航，视觉定位，激光定位结合

课时2：基础知识

1.三维的几何变换

1.旋转：
我们可以将旋转表示成矩阵的形式

欧拉角和四元数：

四元数和欧拉角大部分情况下是一对一的关系，是一个向量

四元数优点：旋转操作的效率非常高，可以去插值，在优化中间用的很多

2.平移

3.刚体的朝向与位置

车是一个刚体

2.定位中常用的几个坐标系

1.地心惯性坐标系(ECI)

特点：XY是不动的

2.地心地固坐标系（ECEF）

特点：XY随着地球的自转而变化，和地球固连在一起

3.当地水平坐标系

特点：原点一般定义在载体上，只和经纬度相关

4.UTM
5.车体坐标系

5.IMU坐标系（和载体坐标系基本上一样）

6.相机坐标系

7.激光雷达坐标系

8.小结

课时3：百度无人车定位技术

1.配置多种传感器方案的自动驾驶汽车

1.“探路者”
2.无人驾驶微循环车“阿波龙”
3.无人驾驶物流车“新石器”

三种车的特点：

1.无人驾驶物流车“新石器”

2.无人驾驶微循环车“阿波龙”

“探路者”

2.用到的技术

1.GNSS定位技术

载波技术：（RTK和PPP）需要建立基站



2.激光点云定位技术

两个模块：
1.图像对齐：主要用于航向角的优化。点云定位里面输出四个维度的信息：XYZ和Yaw（航向角）
2.SSD HF（Histogram Filter）：用于XY的优化

SSD-HF


用直方图滤波器在一个范围内做搜索，对于每一个点都会计算一下它的SSD的值，然后把这个值转换成一个概率，通过加权平均可以得到最后pose里面的一个XY
航向角的优化：LK算法

自适应融合方式


用反射值+高度值自适应匹配效果很好

3.视觉定位技术

摄像头很小，成本较低，配置很灵活

视觉定位算法流程：

3D特征地图的生成：

在线特征的检测：

检测两种元素
1.车道线
2.杆状物

特征匹配定位

4.捷连惯性导航及组合导航技术

对准方式：
1.对于高等级IMU：通过重力矢量这个反向再加上车本身的自身坐标系和地球自转的变化计算出来姿态
2.低等级做法简单，但需要依赖一些外部条件。需要外部给他一个初始的位置等
对于航向角Yaw的对准（较难），两种方式：
1.双天线方式：两个GPS，两个GPS的连线有一个朝向
2.车运动起来，得到速度，将速度的方向作为Yaw的方向，初始对准之后，通过卡尔曼滤波器根据他不断输入的这些量测更新去优化他

初始化后进入惯导解算（递推）：
知道现在的位置和姿态，输入一个新的角速度、加速度得到一个新的位置

加速度计输入了一个比力。比力：所测量的加速度是相对于惯性系的 ，惯性系里包含了重力加速度
陀螺仪输出角速度做积分，得到姿态的一个增量，加上之前的姿态值叠加之后得到现在的一个姿态值，把姿态值作用于加速度

5.组合导航系统

融合方法：一般使用卡尔曼滤波器，用惯导的输出作为他的时间更新。。