趙 佳，劉清波

(中通客車控股股份有限公司，山東聊城 252000)

高精定位導(dǎo)航技術(shù)是自動駕駛汽車安全行駛不可或缺的核心技術(shù)之一，在車輛橫向/縱向精確定位、障礙物檢測與碰撞避讓、智能車速控制、路徑規(guī)劃及行為決策等方面發(fā)揮著重要作用［1］。本文分析高精定位的技術(shù)路線與工作原理，研究其在自動駕駛汽車應(yīng)用過程中的優(yōu)劣勢特點，更好地服務(wù)并促進自動駕駛汽車的發(fā)展。

1 自動駕駛汽車對定位系統(tǒng)的需求分析

人類開車不需要知道車輛的經(jīng)緯度，而自動駕駛汽車一定要知道其絕對定位信息，本質(zhì)原因在于兩者環(huán)境感知能力的差異。人類可以憑雙眼和一些記憶、知識就能比較準確地得出周圍的可行駛區(qū)域、道路邊界、車道線、障礙物、交通規(guī)則等關(guān)鍵信息，并據(jù)此控制汽車安全行駛。但是目前用于汽車的環(huán)境感知傳感器和算法還無法達到人類同樣的感知性能，自動駕駛汽車對于周邊環(huán)境的理解需要高精定位、高精地圖、聯(lián)合感知等技術(shù)的支持［2］。

自動駕駛汽車能夠持續(xù)安全可靠運行的一個關(guān)鍵前提是車輛的定位系統(tǒng)必須實時穩(wěn)定地輸出足夠高精度的位置和與位置相關(guān)的信息，這些信息包括車輛的經(jīng)度、緯度、航向角、速度、加速度、俯仰角、更新頻率等。一旦這些信息無法及時精確地獲取，車輛就無法確定自身位置，必須立即退出自動駕駛模式由駕駛員接管車輛。

自動駕駛汽車對定位系統(tǒng)性能的要求與車輛的行駛速度密切相關(guān)。相關(guān)標準法規(guī)規(guī)定，乘用車行駛最高車速不得超過120 km/h［3］，客車最高設(shè)計車速不應(yīng)大于100 km/h［4］?；谀壳暗淖詣玉{駛汽車整體技術(shù)水平和車輛限速要求，自動駕駛乘用車的最高車速不宜超過90 km/h，自動駕駛客車的最高車速不宜超過70 km/h。一般情況下，人工駕駛控制車輛距離道路一側(cè)路牙石的安全距離約為25 cm，自動駕駛汽車必須在行駛25 cm的時間內(nèi)更新一次定位信息且定位精度應(yīng)≤25 cm，否則就有可能導(dǎo)致車輛超出道路邊界發(fā)生事故。按照最高車速90 km/h計算，根據(jù)公式t=s/v，車輛行駛25 cm用的時間是0.01 s，根據(jù)公式f=1/t，則定位信息更新頻率為100 Hz。因此，定位信息更新頻率需≥100 Hz，定位精度須≤25 cm才能保證車輛行駛安全。

目前，常規(guī)的定位導(dǎo)航系統(tǒng)［5］(包括無線電定位導(dǎo)航、慣性定位導(dǎo)航、衛(wèi)星定位導(dǎo)航、移動基站定位導(dǎo)航等)都不能同時滿足上述指標。比如:慣性定位導(dǎo)航系統(tǒng)存在定位誤差隨時間積累、長時間內(nèi)不能保證足夠的導(dǎo)航精度的問題;衛(wèi)星定位導(dǎo)航系統(tǒng)存在多路徑、衛(wèi)星信號遮擋和更新頻率低(一般為10 Hz)等問題。因此，要實現(xiàn)汽車自動駕駛功能，必須采用高精定位導(dǎo)航技術(shù)［6］。目前的高精定位技術(shù)路線主要有3種:基于衛(wèi)星定位系統(tǒng)和捷聯(lián)慣導(dǎo)系統(tǒng)的組合定位技術(shù)［7］，基于激光雷達點云和高精地圖的匹配定位技術(shù)［8］，以及基于計算機視覺里程算法的定位技術(shù)［9］。

2 高精定位技術(shù)原理和特點

2.1 衛(wèi)星定位和捷聯(lián)慣導(dǎo)組合定位技術(shù)

實現(xiàn)衛(wèi)星定位(GPS)和慣導(dǎo)的組合方案有很多，不同的組合方案可以滿足不同的要求和應(yīng)用目的?；诳柭鼮V波器的最優(yōu)估計理論的數(shù)據(jù)處理方法為組合導(dǎo)航系統(tǒng)提供了理論基礎(chǔ)并被廣泛應(yīng)用。在導(dǎo)航系統(tǒng)輸出數(shù)據(jù)的基礎(chǔ)上，利用卡爾曼濾波濾除噪聲干擾估計系統(tǒng)的誤差狀態(tài)，并用誤差狀態(tài)的估計值去校正系統(tǒng)，從而達到優(yōu)化組合導(dǎo)航系統(tǒng)綜合性能的目的，提高導(dǎo)航系統(tǒng)的精度。

卡爾曼濾波器運行時主要分預(yù)測和更新兩個階段。預(yù)測階段，在得到新GPS數(shù)據(jù)前，通過積分慣性傳感器的數(shù)據(jù)來預(yù)測車輛的當前位置;更新階段，當接收到新的比較精準的GPS數(shù)據(jù)時，使用新的GPS數(shù)據(jù)對當前的位置進行預(yù)測更新。通過不斷地執(zhí)行這兩個步驟來實現(xiàn)對自動駕駛汽車的準確實時定位［5，7］。

2.2 激光雷達點云和高精地圖匹配定位技術(shù)

高精地圖的絕對坐標精度更高，而且所含有的道路交通信息元素更豐富、細致。借助高精地圖能夠擴展車輛的靜態(tài)環(huán)境感知能力，為車輛提供其他傳感器無法提供的全局視野，包括車載環(huán)境感知傳感器檢測范圍外的道路、交通和設(shè)施信息。

激光雷達在車輛行駛過程中不斷收集點云來動態(tài)了解周圍環(huán)境，通過這些環(huán)境信息與高精地圖進行比對匹配確定車輛位置。最常用的點云匹配算法就是迭代最近點算法(ICP)。該算法的目標是在給出兩組點云的情況下，假設(shè)場景不變，算出這兩組點云之間的位置。第一組點云的每個點在第二組點云里找到一個最近的匹配，之后通過所有的匹配來計算均方誤差，進而調(diào)整估計的位置，多次迭代后，最終計算出兩組點云的相對位置［10］。在預(yù)先有地圖的情況下，用實時的點云加上一個大概位置猜測就可以精準算出車輛的當前位置，從而實現(xiàn)全局最優(yōu)估計。其定位原理如圖1所示。

圖1 基于激光點云的全局最優(yōu)估計定位原理

該定位過程是一個遞推的過程，融合了激光雷達和GPS及慣導(dǎo)的信息，并跟蹤環(huán)境特征，最后由匹配的環(huán)境特征反過來對自動駕駛汽車的位置進行修正，得到其位置的最優(yōu)估計。依靠每一個位置所觀察到的不同的環(huán)境特征和已有高精地圖匹配，不斷修正自身位置的誤差量，從而實現(xiàn)自動駕駛汽車長距離的自主導(dǎo)航［11］。

2.3 視覺里程算法的定位技術(shù)

基于視覺的定位算法主要有兩大類［12］:基于地標拓撲的算法和基于幾何的視覺里程算法?；诘貥送負涞乃惴ò阉械牡貥顺橄蟪梢粋€拓撲圖，當自動駕駛汽車監(jiān)測到某個地標時，便可以根據(jù)地標位置大致推斷出自身所在的位置;基于幾何的視覺里程算法較為復(fù)雜，但是不需要預(yù)先建立精準的拓撲圖，在定位的同時還能夠擴展地圖，其中典型的基于雙目攝像頭的視覺里程算法原理如圖2所示，具體的計算流程如下:

1)雙目攝像頭抓取左右兩圖(既雙目圖像)，雙目圖像經(jīng)過三角剖分產(chǎn)生當前幀的視差圖。

2)提取當前幀與之前幀的特征點，如果之前幀的特征點已經(jīng)提取好了，可以被直接使用。

3)對比當前幀與之前幀的特征點，找出幀與幀之間的特征點對應(yīng)關(guān)系;根據(jù)此對應(yīng)關(guān)系，推算出兩幀之間車輛的運動。

4)根據(jù)推算出的兩幀之間車輛的運動，以及之前的車輛位置，計算出最新的車輛位置。

圖2 視覺里程算法原理圖

通過以上的視覺里程算法，自動駕駛汽車實時推算自己的位置并進行自主導(dǎo)航［2］。但是攝像頭成像質(zhì)量對光線相當敏感。在不同的光線環(huán)境下，同樣的場景可能不被識別，導(dǎo)致算法失效［9］。因此不建議在自動駕駛場景中獨立依賴視覺里程算法進行車輛定位。

2.4 技術(shù)路線特點分析

從安全角度講，多種高精定位導(dǎo)航技術(shù)同時應(yīng)用，充分考慮各種失效模式的功能和性能冗余，是定位導(dǎo)航系統(tǒng)支撐自動駕駛汽車規(guī)?；瘧?yīng)用的目標。但是隨著高精度定位導(dǎo)航性能的提升，定位導(dǎo)航系統(tǒng)對各種資源的要求更加苛刻，比如:對計算機硬件的存儲速度、存儲容量、計算速度的要求，對軟件復(fù)雜融合算法的容錯性、可靠性、魯棒性的要求等。這些資源需求直接影響成本控制，不利于自動駕駛汽車的推廣應(yīng)用。因此，根據(jù)不同的自動駕駛場景和不同定位導(dǎo)航技術(shù)自身的優(yōu)劣勢特點，找到功能性能要求與成本的平衡點，然后選擇最恰當?shù)亩皇亲顝?fù)雜最昂貴的高精定位導(dǎo)航系統(tǒng)方案。3種高精定位導(dǎo)航技術(shù)的特點總結(jié)如下:

1)衛(wèi)星定位和捷聯(lián)慣導(dǎo)組合定位技術(shù)成熟度高，應(yīng)用廣泛。但是高度依賴基站，存在區(qū)域限制。

2)激光雷達點云和高精地圖匹配定位技術(shù)在定位的同時具備障礙物檢測功能。但是成本高，環(huán)境適應(yīng)性差，高精地圖更新頻率低。

3)視覺里程算法定位技術(shù)的成本最低，但是可靠性差，視覺算法容易受光線干擾。

3 結(jié)束語

未來高精定位技術(shù)的進步需要依賴多學(xué)科多領(lǐng)域知識的廣泛融合和研究，比如衛(wèi)星、運動物理、地磁物理、地理信息、光學(xué)、視覺等。隨著組合導(dǎo)航技術(shù)研究的不斷深入，導(dǎo)航定位信息融合算法也是一項亟需突破的關(guān)鍵技術(shù)，多源定位數(shù)據(jù)輸入下如何及時地解算出最精確的坐標信息是一項艱巨的任務(wù)。隨著國家戰(zhàn)略的大力支持和科技進步，不限場景的最優(yōu)全局定位技術(shù)定會獲得突破，真正的全路況無人駕駛汽車將為智能交通和智慧城市建設(shè)帶來更多便利。

修改稿日期:2018－07－02