当前位置:首页 > 商务车改装 > 正文

汽车gps导航系统(汽车gps导航系统是什么)

本节将介绍自动驾驶汽车的定位技术,包括GNSS(全球导航卫星系统)、RTK(实时运动定位)和惯性导航。

汽车gps导航系统(汽车gps导航系统是什么)  第1张

图1

定位是自动驾驶汽车找到自己准确位置的一种方式,对于自动驾驶汽车来说非常重要。当你在开车的时候完全迷路了,你不知道你在哪里,那么你就有了一张高精度的世界地图。定位的任务是确定你的车辆在这张高精度地图上的位置(见图1)。

汽车gps导航系统(汽车gps导航系统是什么)  第2张

图2

在日常生活中,我们总是使用手机GPS来确定自己的位置,但1米到3米之间的GPS精度对于自动驾驶汽车来说还不够精确。当我们被高楼、高山或峡谷包围时,GPS的精度可能更差,只有10m或50m(见图2)。

既然不能完全信任GPS,那就必须另辟蹊径,更准确地确定车辆在地图上的位置。最常见的 *** 是将车辆传感器看到的内容与地图上显示的内容进行比较。车辆传感器可以测量车辆与静态障碍物(树木、电线杆、路标和墙壁)之间的距离。

汽车gps导航系统(汽车gps导航系统是什么)  第3张

图3

我们在车辆自身的坐标系中测量这些距离,以及静态障碍物的方向。在车辆自身的坐标系中,车辆的前进方向始终是向前的。当车辆左转或右转时,坐标系随车辆一起旋转,使车辆的前进方向在坐标系中继续向前。当车辆转弯时,车辆自身的坐标系必然与地图坐标不一致(见图3),车辆坐标和地图坐标可能都取决于手机导航系统中的设置。

汽车gps导航系统(汽车gps导航系统是什么)  第4张

图4

还可以在地图上找到车辆传感器检测到的地标。为了估计车辆在地图上的位置,我们将传感器的地标观测值与这些地标在地图上的位置进行匹配。地图有自己的坐标系,无人驾驶软件必须将车辆坐标系中的传感器测得的坐标转换成地图坐标系中的坐标(见图4)。进行这样的转换是解决定位问题的关键步骤。

概要:车辆将其传感器识别的地标与高精度地图上存在的地标进行比较。为了进行比较,它必须能够在自己的坐标系和地图坐标系之间转换数据。然后,系统必须确定车辆在地图上的准确位置,精确度为10厘米。

定位提供了很多可供选择的 *** ,每种 *** 都有自己的优缺点。接下来,我们将讨论几种常见的自动驾驶汽车定位 *** 。

全球导航卫星系统

如果迷路了,如何在高精地图上定位自己?

汽车gps导航系统(汽车gps导航系统是什么)  第5张

图5

如果你看到自己在距离一棵树75米的地方,你可能知道自己在哪里,但你仍然不能确定,因为你智能地判断出自己在一个以树为圆心,半径为75米的圆上(见图5)。

汽车gps导航系统(汽车gps导航系统是什么)  第6张

图6

然后,你看到离自己64米远的一栋房子,于是你知道自己在两个圆的交点上,但你不知道自己在哪个交点上(见图6)。

汽车gps导航系统(汽车gps导航系统是什么)  第7张

图7

现在假设你看到第三个路标:离你55米远的路灯。如果你有一张世界上这些地标的确切位置的地图,那么你就可以知道你相对于这些路标的确切位置。这个过程称为三角测量(见图7)。

我们想在地球表面做三维定位,用传输地标和我们之间距离的卫星,而不是我们能看到的地标。这就是GPS的工作原理。那么,我们需要多少颗卫星才能准确知道我们的位置?

GPS,即全球定位系统,是由美国 *** 开发并在全球范围内运行的卫星导航系统。这类系统俗称全球导航卫星系统或GNSS,GPS是应用最广泛的GNSS系统。起初,GPS仅用于军事导航,但现在任何人都可以使用GPS接收器来收集GPS卫星的信号并使用该系统。

GPS由三部分组成:

卫星。在任何给定时间,大约有30颗GPS卫星在Tai 空中运行,每颗卫星距离地球表面大约2万公里。

控制台。控制站分散在世界各地,用来监视和控制卫星。他们的主要目的是保持系统运行,并验证GPS广播信号的准确性。

GPS接收器。GPS接收器存在于手机、电脑、汽车、船和许多其他设备中。如果周围没有高楼之类的障碍物,天气也很好,那么无论你在哪里,GPS接收器应该一次至少能探测到四颗GPS卫星。

汽车gps导航系统(汽车gps导航系统是什么)  第8张

GPS接收器实际上并不直接检测你和卫星之间的距离。它首先测量信号的飞行时间,也就是信号从卫星传播到你的GPS接收器需要多长时间,然后用光速乘以这个飞行时间计算出卫星的距离。

实时运动定位RTK

因为光速的数值非常大,即使是很小的时间误差也会在计算过程中造成巨大的误差,所以每颗卫星都配备了高精度的原子钟。为了进一步减少误差,我们可以使用RTK(实时运动定位)。

RTK需要在地面上建几个基站。每个基站都知道自己确切的地面位置,同时每个基站也通过GPS测量自己的位置。已知的地面位置与GPS测得的位置之间的偏差就是GPS测量结果中的误差,然后基站将这个误差传递给其他GPS接收机,供他们调整定位结果。

在RTK的帮助下,GPS可以将定位误差限制在10cm以内,但是:

高楼和其他障碍物可能会阻挡GPS信号,导致定位困难或根本不可能;

同时,GPS的更新频率很低,大约10 Hz(每秒10次更新),但由于自动驾驶汽车正在快速移动,因此需要更频繁地更新位置。

指导

假设一辆车匀速直线行驶,知道车的初始位置、速度和行驶时间,就可以计算出车的当前位置。此外,我们可以使用加速度,初速度和初始位置来计算车辆在任何时间点的速度和位置。在这个计算过程中,我们需要解决一个问题:如何测量加速度。

汽车gps导航系统(汽车gps导航系统是什么)  第9张

当前位置=初始位置+速度×时间

为了测量加速度,我们需要一个“三轴加速度计”传感器。它可以精确地测量加速度。但是加速度计本身不足以计算出车辆的位置和速度。加速度计根据车辆的坐标系记录测量结果,然后将这些测量值转换成世界坐标系。为了实现这种转换,我们需要“陀螺仪”传感器的帮助。三轴陀螺仪的三个外万向环一直在转动,但三轴陀螺仪中的转轴在世界坐标系中始终是固定的。飞行器通过测量旋转轴和三个外部万向环的相对位置来计算其在坐标系中的位置。

汽车gps导航系统(汽车gps导航系统是什么)  第10张

陀螺仪显示图

加速度计和陀螺仪是IMU(惯性测量单元)的主要组成部分。IMU的一个重要特点是更新频率高,其频率可以达到1000 Hz,因此IMU可以提供接近实时的位置信息。

惯性测量单元的缺点是其运动误差随时间增大,所以我们只能依靠惯性测量单元在短时间范围内进行定位。但是,我们可以结合GPS和IMU来定位汽车。一方面,IMU弥补了GPS更新频率低的问题;另一方面,GPS修正IMU的运动误差。

对于自动驾驶汽车来说,只有GPS和IMU系统的结合并不能完全解决定位的问题。如果我们在山区、峡谷或者地下隧道中行驶,可能会有很长一段时间没有GPS更新,这会让整个定位面临失败的风险。

本节将介绍自动驾驶汽车的定位技术:激光雷达定位和视觉定位,以及Apollo框架如何解决定位问题。

激光雷达定位

使用激光雷达,我们可以通过点云匹配来定位汽车,点云匹配将激光雷达传感器的检测数据与预先存在的高精度地图进行持续匹配。通过这种对比,可以知道汽车在高精地图上的全球位置和行驶方向。

汽车gps导航系统(汽车gps导航系统是什么)  第11张

很多算法可以用来匹配点云,迭代最近点(ICP)就是其中之一。假设我们想要匹配两个点云扫描。对于之一次扫描中的每个点,我们需要在另一次扫描中找到最接近的匹配点。最后会收集多对匹配点,每对点之间的距离误差相加,计算平均距离误差。

汽车gps导航系统(汽车gps导航系统是什么)  第12张

我们的目标是通过旋转和平移点云来最小化这种平均距离误差,以便可以在传感器扫描和地图之间找到匹配。我们将传感器扫描到的车辆位置转换为全球地图上的位置,并计算出地图上的准确位置。

滤波算法是一种激光雷达定位 *** ,可以剔除冗余信息,在地图上找到最可能的车辆位置。Apollo使用直方图过滤算法,有时也称为误差平方和(SSD)算法。为了应用直方图过滤,我们在地图上的每个位置扫描传感器扫描的点云。在每个位置,我们计算扫描点与高精地图上对应点之间的误差或距离,然后对误差的平方求和。总和越小,扫描结果与地图的匹配度越好。

此示例图中显示的一些对齐良好的点显示为红色;以及一些对齐性不好的点,用蓝色表示;绿色表示中等对齐。

卡尔曼滤波是另一种激光雷达定位 *** ,也是一种算法。它根据我们过去的状态和新的传感器测量结果来预测我们的当前状态。具体来说,卡尔曼滤波使用预测更新周期:

首先,我们根据之前的状态和对移动距离和方向的估计来估计或“预测”我们的新位置,并通过使用传感器来测量我们的位置并进行校正。一旦我们用传感器测量了我们的新位置,我们可以使用概率规则将传感器测量结果与我们现有的位置预测相结合。我们会一直遵循这个预测更新周期,也就是需要定位车辆的时候,先预测我们的新位置,然后用传感器测量我们的位置。

总结:激光雷达定位的主要优势在于鲁棒性。只要我们从高精度的地图开始,并且有有效的传感器,我们总是可以定位它。主要缺点是难以构建高精度地图并保持其最新。事实上,让地图完全保持最新几乎是不可能的,因为几乎每个地图都包含瞬态元素。汽车和行人,甚至是停着的汽车,在我们下次开车经过的时候都会消失,街上的垃圾会被吹走,世界上很多元素都在不断变化。

目测定向

图像需要收集最简单的数据类型。相机便宜,种类多,好用。我们可以用图像来定位汽车吗?

通过图像实现精确定位是非常困难的。事实上,摄像头图像通常会与其他传感器的数据相结合,以准确定位汽车。但是,将相机数据与地图和GPS数据结合起来比单独使用相机图像要好。

假设有一辆车在路上行驶,它感应到右边有一棵树,但地图显示道路右侧有几棵树,都处于无法通行的位置。我们如何知道车辆现在“看到”了哪棵树?

汽车gps导航系统(汽车gps导航系统是什么)  第13张

我们可以用概率来解决这个问题。想象我们位于道路上许多不同点中的任何一点。利用概率,我们可以确定哪个点最有可能代表我们的实际位置。

已知车辆右侧有一棵树。我们假设从某些点看右边有一棵树,而从其他点看没有。我们可以一边开车一边继续观察周围的世界。

汽车gps导航系统(汽车gps导航系统是什么)  第14张

想象一下,我们向前行驶,观察车辆右侧的另一棵树。在观察了地图上的其余点后,我们发现只有少数几个位置的车辆右侧有两棵树成行排列。当然,我们最有可能位于这些位置之一,因此我们可以排除所有其他位置。

继续通过观察结果、概率和地图来确定我们最可能的位置。这个过程被称为粒子滤波。因为我们用质点或者点来估计最可能的位置,当然很多道路上树很少见,但是很多道路上车道线很常见。您可以使用相同的粒子过滤器原理拍摄车道线的照片。使用捕获的图像来确定车辆在道路上的位置,并将道路摄像机图像与地图进行比较。我们的相机图像与地图的某些部分匹配得很好,但与地图的其他部分不太匹配。

汽车gps导航系统(汽车gps导航系统是什么)  第15张

视觉车道线示例

上图是视觉车道线的例子。蓝色代表地图上两个不同位置的车道线,红色代表车载摄像头观察到的车道线。红线与右蓝线的匹配度远高于与左蓝线的匹配度,因此我们更有可能位于右图对应的地图位置。

总结:视觉定位的优点是影像数据容易获取,缺点是缺乏3D信息,依赖3D地图。

0