面向无人自动驾驶车辆的实时定位技术 .pdfVIP

面向无人自动驾驶车辆的实时定位技术

第一章概念解析

随着自动驾驶技术的不断发展，越来越多的无人驾驶车辆走进

我们的生活中。而在这些无人驾驶车辆的运行过程中，实时定位

技术是非常关键的一环。简单来说，实时定位技术就是通过各种

手段获取车辆当前所处位置的技术。无人驾驶车辆需要不断更新

自己的位置信息，以便更好地规划出行路线并避免碰撞等问题。

目前，市场上常用的实时定位技术主要有以下几种：

1.全球定位系统（GPS）

GPS被广泛应用于各种类型的车辆中，包括无人驾驶车辆。通

过使用GPS，车辆可以精确地确定自己的位置和方向，进而规划

出行路线。然而，GPS并不是完美的技术，室内和城市峡谷等区

域容易受到信号干扰而影响准确性。

2.惯性导航系统（INS）

惯性导航系统通过测量车辆的加速度和角速度来确定位置和方

向。INS本身具有一定的鲁棒性，可以在没有GPS信号的情况下

工作，但随着时间的推移，误差会逐渐积累并且需要进行校准。

3.视觉定位系统（VLS）

视觉定位系统通过拍摄路标或其他特征点的图像来确定位置。

VLS可以在室内和城市峡谷等GPS信号不稳定的区域工作，但需

要高分辨率的摄像头和强大的计算能力。

4.激光雷达（Lidar）

激光雷达是一种通过发射激光脉冲并侦测反射信号的技术。

Lidar可以精确地捕捉到车辆周围的物体并绘制出三维模型，进而

确定自身位置和方向。然而，Lidar设备的价格昂贵，使用范围受

限。

第二章GPS实时定位技术

在无人驾驶车辆中，GPS是最常用的实时定位技术之一。GPS

可以通过GPS卫星定位模块获取车辆当前的经纬度信息，进而确

定车辆位置。但是GPS实时定位技术也存在着一些不足之处。

首先，GPS受到天气状况和环境干扰的影响。针对此问题，目

前有很多对抗技术，例如跟踪预测技术、多传感器融合等，能够

使GPS在短期的故障下继续提供良好的位置信息，并减轻GPS失

效的风险。

其次，GPS在城市峡谷和室内等雷达信号较弱或者缺失的区域

会失效。为了解决这一问题，针对城市峡谷和室内等GPS失效区

域，目前有很多基于DTM的解决方案。DTM就是数字地形模型，

通过收集车辆上方的地形数据建立3D地形模型，使GPS在缺失

信号的情况下，通过3D地形模型与惯性导航或其他传感器进行数

据协同，使其更加严密鲁棒。

第三章VLS实时定位技术

视觉定位系统是一种新型的实时定位技术，通过拍摄路标或物

体的图像来描述车辆周围的环境，从而确定车辆位置。VLS可以

工作在室内和山谷等GPS信号不稳定的环境中，对于这种情况下

的无人驾驶车辆，VLS是一种非常有效的实时定位技术。

与传统的GPS和惯性导航不同，VLS可以通过图像技术来实现

定位，可以借助于相机、光学和计算机视觉技术来对车辆当前位

置进行3D重建。

VLS实时定位技术充分利用了摄像机的硬件设备，通过视觉信

息实现车辆定位，所以不但易于实现，而且定位精度也相当高。

同时，VLS克服了GPS所遇到的在室内、山谷等场合因接收不到

GPS信号而无法定位的问题，定位的稳定度与鲁棒性更强。除此

之外，地标视觉定位技术(XSLAM)也在无人驾驶领域中得到了广

泛的应用。

第四章INS实时定位技术

惯性导航系统是与GPS定位系统紧密结合的实时定位技术。

INS通过测量车辆的加速度和角速度来确定位置和方向，可以在

航行灯等GPS信号较弱或其他原因失效的场景下继续提供良好的

位置信息，具有很高的可靠性和稳定性。

与GPS相同，INS也有一定的误差和漂移问题。如何解决这些

问题，提高INS的定位精度，是当前各大科研机构和企业所关注

的热点问题。对于INS定位精度的提高，最主要的方法就是将其

与其他定位技术进行融合，从而减少误差和漂移现象。

第五章Lidar实时定位技术

激光雷达技术被广泛应用于现代较高级别的无人驾驶车辆中，

其适用于各种园区航路等设施精密运动控制的场所。激光雷达可

以利用激光束对车辆周围的3D环境进行高精度的扫描，然后建立

环境地图，最后进行对比，确定车辆当前的位置。

激光雷达的定位精度可以达到厘米级别，且具有很高的鲁棒性，

不受天气、光线等因