1、GNSS 与 IMU定位技术特点对比分析
1)基于卫星信号的绝对定位 - GNSS定位原理
GNSS (三角定位法) —— 装在无人车上的GPS接收机,首先测量无线电信号到达卫星的传播时间,再将传播时间乘以光速,即可得到当前GPS接收机到达卫星的距离。利用三颗卫星各自测定的距离为半径,以卫星为球心,分别构成三个球体,再通过三个球体交汇的方式便可确定无人车GPS接收机的位置;
![f0d68d75e83810b1ea0d7808eb75d052.png](https://i-blog.csdnimg.cn/blog_migrate/a81b3708c9d03721b8733cadf4dd9321.jpeg)
图1. GNSS - 三角定位原理示意图
2)基于航迹推算的相对定位 - IMU定位原理
IMU —— 利用汽车的初始速度、加速度以及初始位置计算汽车位置和速度的方法。一个IMU包含了3个单轴的加速度计和3个单轴的陀螺仪;利用3个单轴上的加速计传感器来测量加加速度,陀螺仪则用来获取汽车坐标系相对于地面坐标系的位置;
3)技术特点对比分析
![3853a660988d8abf3c5a9dc906579917.png](https://i-blog.csdnimg.cn/blog_migrate/2cafdb392029574a80caa7eb4fbeb2a8.jpeg)
表1. 两种方式技术特点分析
2、RTK - GNSS 和 PPP-GNSS技术对比分析
1)RTK-GNSS即载波相位差分,其工作原理:
需要在位置坐标已知的基站上设置一个GNSS接收器;基站GNSS收器通过卫星数据计算其位置,并将该位置与实际已知位置进行比较,计算出基站到卫星的距离误差修正值(用测定的实时载波相位差来消除大气层、卫星轨道、时钟等误差),并由基站将该误差修正数据发送出去;用户车辆上的GNSS接收器在接受卫星观测数据的同时,也接收到基站发来的修正数据,并对其定位结果进行修正,从而提高定位精度;
(当基站的GNSS接收器与车载GNSS接收器相距较近(<20km),可以认为两者的GPS信号通过同一片大气区域,即两者的信号误差基本一致。)
![5a66a48f06d76037d1bc3ddd66374c84.png](https://i-blog.csdnimg.cn/blog_migrate/9a91cb89a51dd8714bf6282a44874310.jpeg)
图2. RTK-GNSS定位原理示意图
2)PPP - GNSS即精准点定位,其工作原理:
PPP将精确的卫星轨道和时钟与双频GNSS接收器相结合,能够提供从厘米到分米级的位置解决方案。PPP需要的全球分布参考站较少,并且解决方案在很大程度上不受个别参考站故障的影响。这些参考站实时接收精确的卫星轨道和时钟信息,并计算应用于卫星定位结果的校正值,并通过卫星或互联网传送给最终用户车辆;用户车辆上的双频GNSS接收器用于消除电离层产生的误差;
![691820fefe2dc86c807b698fa3e8fc16.png](https://i-blog.csdnimg.cn/blog_migrate/2a2c7150313fe4203be6da5bd80d6149.jpeg)
图3. PPP - GNSS定位原理示意图
3)RTK -GNSS 与 PPP-GNSS技术特点对比分析
![0f91a95e1b50db915aafb44a62eb14f1.png](https://i-blog.csdnimg.cn/blog_migrate/441c2ebba4b814adb101152daa24f7c6.jpeg)
表2. 两种定位方式技术特点对比
3、GNSS和IMU组合导航的耦合形式
GNSS和IMU组合导航的耦合形式可分为紧耦合和松耦合两种形式;
1)松耦合:GPS和IMU各自独立工作,并将各自输出位置和速度估值信息进行比较,得到的差值作为测量值,再经由组合卡尔曼滤波器(以测量误差为状态)进行优化处理,给出最优结果;卡尔曼滤波器的输出结果仅反馈给SINS,用来校正SINS的定位结果;
2)紧耦合:利用GPS接收机直接输出原始星历数据、伪距ρ1和伪距率ρ1,再通过SINS输出的位置和速度以及估计的GPS接收机时钟误差计算出基于SINS信息的伪距ρ2和伪距率ρ2,最后基于SINS信息得到的伪距和伪距率与GPS得到的伪距和伪距率信息进行比较,并将差值作为测量值,通过卡尔曼滤波器估计INS和GPS接收机的误差,然后对两个系统进行校正;
3)两种耦合形式对比分析
![ce5f0e857eecbb215ec5f543b60ce6d1.png](https://i-blog.csdnimg.cn/blog_migrate/cd4a77fc9165b278b8a19fa8694ee4f4.jpeg)
表3. 两种耦合形式对比分析
4、基于环境特征匹配的定位技术
自动驾驶中基于环境特征匹配定位常见的形式有:Camera + 高精地图 , Lidar + 高精地图
1)Camera + 高精地图
基本原理:摄像头获取图像信息,再利用图像中具有语义信息的稳定特征,并与预先采集地图基准数据进行匹配,来获得车辆的位置和朝向;
具体过程解析:首先通过相机获取图像,并进行图像特征的检测,图像检测的主要目标物为:车道线以及杆状物;然后从预先采集3D地图里,提取相关的车道线和杆状物元素;我们再通过GPS获取一个初始的位置,通过该位置,控制器将会把相机获的特征和地图里采集的对应特征进行一次匹配;再用IMU去进行姿态的预测,做完预测后,匹配完,把结果输出,无人车相对于地图的位置和朝向就知道了。(源自:百度参见百度Apollo自定位技术详解课程)
2)Lidar +高精地图
基本原理:利用激光雷达获取的点云特征与预先采集的高精地图基准数据进行联系比较,从而获取无人车在高精地图中的为位置和朝向;
具体过程解析:首先GPS给定初始位置,通过IMU和车辆的Encoder(编码器)可以得到车辆的初始位置,然后将激光雷达的局部点云信息,包括点线面的几何信息和语义信息进行特征提取,并结合车辆初始位置进行空间变化,获取基于全局坐标系下的矢量特征,接着将这些特征跟高精度地图的特征信息进行匹配,最后获取一个准确的定位。(源自:百度参见百度Apollo自定位技术详解课程)
常见点云匹配算法:1、迭代最近点(ICP) 2、直方图滤波算法 3、卡尔曼滤波
3)技术特点对比分析
![ebf1d1ec50da01dd54a96fa8f54ee8da.png](https://i-blog.csdnimg.cn/blog_migrate/1fe9200f3b01236365798955ee61ef2b.jpeg)
表4. 两种方式技术特点对比分析