Apollo-定位*

定位：在汽车将自己传感器检测到的地标和地图上的地标进行比对时，需要将自身的坐标系转换到地图的坐标系，“在不同坐标系中做数据转换”，并且在地图上以10厘米的精度将自己定位

常见的定位方法：
GNSS RTK

没理解这里为什么要做坐标系转换，只知道车的坐标系和地图的坐标系不同，这可能体现在不同方法里，对坐标系也有考究？

定位的一大重要要求：精确，精确地知道自己在哪，精确到自己在哪个车道

GNSS RTK（GPS+RTK）

三角测量

GPS的基本组成：

卫星：
控制站：监视和控制卫星，保证卫星的运作和定位精度
接收器：每次至少接收到4颗GPS卫星的信号

定位方式：

1. 得到的是卫星信号到达接收器的时间：Time
2. Distance = C x Time
3. 由于C数量级很大，时间上有少许偏差都会极大影响最终的结果：
   1. 卫星上有高精度的原子钟
   2. 利用RTK技术

RTK技术：
地面上布置了很多RTK基站，这些基站知道自己的实际坐标，它会通过卫星信号计算一遍坐标，其中的误差，给到附近的车辆，从而尽可能减少GPS定位误差

优势：

1. 在RTK的帮助下，GPS的定位可以精确到10厘米以内

缺陷：

1. 当有高楼或者其他障碍物时，性能会很差
2. GPS的刷新频率较低：10Hz(10次/s)，这对高速形式的车辆而言有些慢了。

疑问：为什么需要至少4颗卫星？但从定位的角度多少颗卫星足够？

惯性导航
如果已知初始位置、速度、加速度，我们就能得到任一时刻车辆的位置、车速

但，怎么得到加速度？

IMU：加速度计+陀螺仪

加速度计：三轴加速度传感器
加速度计会在车辆自身的坐标系下测量，我们需要将这些测量值转换到全局坐标系：陀螺仪（这里说的测量值是指什么？）

三轴陀螺仪中，外部三个环是在不断变化的，只有中间的轴一直固定在世界坐标系中。
我们通过计算中轴和其他三个环的相对位置，来计算车辆在坐标系中的位置。

优势：刷新频率高（1000Hz）
缺点：运动误差随时间增加而增加（只能在短时间内进行定位）

一种改进：IMU + GPS
IMU的高频、GPS稳定而十分不错的精度
但，GPS会有信号差的时候（穿过山林、经过隧道…）

激光雷达定位
先预测我们的新位置，然后用传感器测量我们的位置。

激光雷达扫描周围的环境，和高精度地图进行比对来找到自己的位置。

优点：稳健性
缺点：高精度地图制作较为困难，尤其是保持时刻的更新。

点云是什么？（如下图，来源于百度）
成千上万个点，构成了周遭环境的三维图，点包含的信息如坐标、颜色等等。

视觉定位

光靠照片来定位时有困难的，用概率来实现

优点：图像数据容易获得
缺点：不提供三维信息、不依赖三维地图

apollo定位：
传感器上：GPS 激光雷达 IMU 高精度地图 雷达相融合。

“这些传感器同时支持GNSS定位和LiDAR定位”
（是说这两种定位是一种架构，或者说方法？而非限制于某一传感器？）

利用到了贝尔曼滤波

GNSS定位：输出位置、速度
LiDAR定位：输出位置、方向

融合框架通过卡尔曼滤波器，将这些数据结合在一起

卡尔曼滤波建立在两步预测测量周期之上

IMU解决过程用于卡尔曼滤波的预测步骤
GNSS、LiDAR用于更新步骤

卡尔曼滤波？？？