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:
- 得到的是卫星信号到达接收器的时间:Time
- Distance = C x Time
- 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:
- 卫星上有高精度的原子钟
- 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:
- 在RTK的帮助下,GPS的定位可以精确到10厘米以内
缺陷:
- 当有高楼或者其他障碍物时,性能会很差
- 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???