Google和百度的无人驾驶汽车是这样实现高精度的定位

武汉市众向科技有限公司2020-06-29 08:07:12

无人驾驶汽车要解决的根本问题是:在哪里,要去哪里,怎么去。无人驾驶汽车行驶的过程也是在不断的计算这三个问题的过程。其中在哪里就是我们今天要讨论的高精度定位系统。无人驾驶汽车只有知道了自己所在的位置,再综合对周围环境的感知,才能知道下一步的应该如何行驶。

自动驾驶系统的传感器配备


目前各个公司的用的技术方案大同小异,采用的传感器都基本是GNSS、Lidar、Camera、Radar、IMU等,但各个公司又各有偏重,有的公司以激光雷达为主,Camera为辅,有的公司则倾向于以Camera为主,即使是同样以激光雷达为主的技术方案,也存在64线激光雷达、16线激光雷达的差异。

激光雷达技术的定位方案

事先通过采集车采取道路的3D点云地图数据,在无人驾驶车辆行驶过程中实时利用激光雷达采集点云数据,并与事先采集的点云数据进行比较,从而获取当前的车辆位置。

它的优势在于探测精度高,探测距离远,对GPS的初值依赖度低,在没有GPS信号的场景下也能实现精准的车辆定位。缺点在与成本高,一个64线激光雷达价格在六七十万的量级,对于车企或者普通消费者很难承受。并且基于点云的地图数据时效性差,维护成本高。

基于Camera的定位方案

Camera提供了丰富的颜色和图像信息,处理这些信息正是深度学习技术的强项。通过深度学习模型识别车道线、道路上文字、停止线等固定的标识,并与高精地图数据进行对比,从而获取车辆的当前位置。

它的优势在于成本低,一个摄像头几百块钱,缺点在与精度低,误差大,并且在强光、逆光、黑夜场景下的效果很惨,对于北京的雾霾天气也很困难。

RTK定位方案

通过双天线的接收机,利用差分GPS卫星定位技术,实现对车辆的厘米级定位。它的优点是成本低,使用方便,定位精度高;缺点是容易收到电磁干扰、环境遮挡影响。

高精度组合惯导定位技术

利用陀螺仪和速度仪通过积分累加去推算车辆下一个时刻所处位置、航向。它的优势是不依赖外界环境,靠自身就可以实现定位。但存在的问题是,如果长时间推算,存在一个累计误差,随着时间越来越长,如果没有办法给它提供校正的话,这个误差就会越来越大。

其他辅助定位手段


车辆上安装的毫米波雷达、超声波雷达都可以获取周围物体的状态信息,从而实现辅助定位的功能

任何一种定位技术都有自己的优势,也有自身无法解决的问题,所以现在的无人驾驶系统一般都采用了上述多种定位方法,将多种定位结果进行融合,从而达到全场景实时厘米级定位的效果。