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、控制站和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。