无人驾驶——定位

1.定位方法：

　　1.1 基于电子信号的定位：GPS

　　1.2 航迹推算：IMU（加速度计+陀螺仪），轮速计

　　1.3 环境特征匹配：传感器感知+融合

	信号定位	航迹推算	激光点云匹配	摄像头特征匹配
信号	位置； 速度；	位置，姿态； 速度； 加速度
优点	全球； 全天候； 全天时； 高精度	六自由度； 短时精度高； 频率高	鲁棒性强； 无信号区域可工作
缺点	基站成本； 电磁干扰； 信号遮挡； 卫星依赖	误差累计	地图依赖； 恶劣雨天受影响； 环境特征相似无法定位

2.地图：

　　2.1 3D voxel地图

　　2.2 点云地图

　　2.3 2D概率地图

　

 

3.技术

　　2.1 RTK：容易受电磁环境干扰’

　　2.2 GPS：

　　　　1.缺点：多径效应

　　2.3 激光点云定位技术：反射值+高度值，自适应匹配

　　　　1.缺点：场景变化太大，废掉

　　　　2.相关技术和工具：PostgreSQL，PostGIS, pgpointcloud:   https://github.com/digoal/blog

 

　　2.4 视觉定位：

　　　　1.在线特征检测：FCN图像分割；分段直线聚类

　　　　2.特征匹配：

　　2.5 惯性导航

　　　　1.yaw对齐：双天线（两个GPS连线的方向）；车跑起来的速度方向+之后的卡尔曼滤波 

　　　　2.缺点：短时很准，随着时间推移，误差增大

　　2.6 组合导航

　　　　1.融合方法：卡尔曼滤波器（惯导的输出作为时间更新；GPS/点云的位置作为量测更新）

 

3.高精地图

　　3.1  高精地图方案：百度-激光+相机；宽凳科技-纯视觉制图20cm；英伟达-高精实时制图；DeepMotion-纯视觉制图

　　3.2 地图格式：

　　　　1. NDS：国内不是很多，国外大厂-宝马

　　　　2. OpenDrive：apollo

　　　　　　section；lane；junction；

　　3.3 厂商：

　　　　1. here-诺基亚，80%欧美市场，戴姆勒30亿美金收购，腾讯、四维入股

　　　　2. mobileye

　　　　3.谷歌：激光+图像

　　　　4.TomTom：激光点云　

　　　　5.apollo：GPS（RTK）+IMU，激光（64线+16线）+摄像头，长短焦

　　3.4 关键技术

　　　　1.激光：点云分割，点云DeepLearning，点云Slam，点云特征提取

　　　　2.算法输出：定位地图；高精地图；路径规划地图；仿真地图

　　3.5 包含信息：

　　　　1.lane；Road及其边界——>辅助横向定位

　　　　2.红绿灯，指示牌——>指导驾驶

　　　　3.树木，建筑——>可以辅助定位车辆

　　　　4.司机的驾驶习惯：什么地方加减速——>让无人驾驶更像人

 　　3.6 apollo高精地图

　　　　1.坐标系：UTM；WGS84；坐标系