项目六-智能网联汽车高精度定位技术PPT课件下载推荐.pptx

项目六-智能网联汽车高精度定位技术PPT课件下载推荐.pptx

《项目六-智能网联汽车高精度定位技术PPT课件下载推荐.pptx》由会员分享，可在线阅读，更多相关《项目六-智能网联汽车高精度定位技术PPT课件下载推荐.pptx（89页珍藏版）》请在冰点文库上搜索。

,智能网联汽车高精度定位技术,1、高精度定位技术整体认知,

（1）终端层,为满足车辆在不同环境下的高精度定位需求，需要在终端采用多源数据融合的定位方案，包括基于差分数据的GNSS定位数据、惯性导航系统数据、传感器数据、高精度地图数据以及蜂窝网数据等。

智能网联汽车高精度定位技术,1、高精度定位技术整体认知,

（2）网络层,系统网络层主要实现信号测量和信息传输，包括5G基站、RTK基站和RSU的部署。

5G作为更新一代的通信技术，可以保证较高的数据传输速率，满足高精度地图实时传输的需求。

5G基站也可完成与终端的信号测量，上报平台，在平台侧完成基于5G信号的定位计算，为车辆高精度定位提供辅助。

基于5G边缘计算，可实现高精度地图信息的实时更新，提升高精度地图的实时性和准确性。

智能网联汽车高精度定位技术,1、高精度定位技术整体认知,地基增强站主要完成RTK测量，地基增强站可以与运营商基站共建，大大降低网络部署以及运维成本。

同时可通过5G网络实现RTK基站测量数据的传输，可实现参考站快速灵活部署。

RSU一方面可实现RTK信息播发，避免传统的RTK定位中终端初始位置的上报，同时RSU可提供局部道路车道级地图、实时动态交通信息广播。

智能网联汽车高精度定位技术,1、近距离通信技术认知,（3）平台层,智能网联汽车高精度定位技术,平台层可实现功能模块化，主要包括：

高精度地图,交通动态信息,数据管理,差分解算,数据计算,1、高精度定位技术整体认知,1）高精度地图,静态高精度地图信息，如车道线、车道中心线、车道属性变化等，此外还包含道路的曲率、坡度、航向、横坡等参数，能让车辆准确的转向、制动和爬坡等，还包含交通标志牌、路面标志等道路部件，标注出特殊的点如GNSS消失的区域、道路施工状态等。

智能网联汽车高精度定位技术,1、高精度定位技术整体认知,2）交通动态信息,例如道路拥堵情况、施工情况、交通事故、交通管制和天气情况等动态交通信息。

智能网联汽车高精度定位技术,1、高精度定位技术整体认知,3）差分解算,平台通过RTK基站不断接收卫星数据，对电离层误差、对流层误差、轨道误差以及多路径效应等误差在内的各种主要系统误差源进行了优化分析，建立整网的电离层延迟、对流层延迟等误差模型，并将优化后的空间误差发送给移动车辆。

智能网联汽车高精度定位技术,1、高精度定位技术整体认知,4）数据管理,例如全国行政区划数据、矢量地图数据、基础交通数据、海量动态应急救援车辆位置数据、导航数据、实时交通数据、POI（PointofInterest）数据等，这里的数据是经过数据生产工艺，进行整合编译后的运行数据。

智能网联汽车高精度定位技术,1、高精度定位技术整体认知,5）数据计算,包括路径规划、地图静态数据计算、动态实时数据计算、大数据分析、数据管理等功能。

智能网联汽车高精度定位技术,1、高精度定位技术整体认知,（4）应用层,在应用层，为用户提供地图浏览、规划路线显示、数据监控和管理等功能，以及基于位置的其他车联网业务，例如辅助驾驶、自动驾驶等。

智能网联汽车高精度定位技术,1、高精度定位技术整体认知,三、常见的定位方法,根据场景以及定位性能的需求不同，车辆定位方案是多种多样的。

常用的定位技术有全球导航卫星（GlobalNavigationSatelliteSystem，GNSS）技术、惯性导航（InertialNavigationSystem,INS）技术、航迹推算（Dead-Reckoning，DR）技术、路标定位技术、高精度地图匹配定位技术、无线电（如蜂窝网、局域网等）定位技术、视觉定位技术、同时定位与地图创建（SimultaneousLocalizationandMapping,SLAM）技术等。

由于任何一种单独定位技术都有无法克服的弱点，智能网联汽车通常需要组合定位技术来实现精准定位。

组合定位技术融合了两种或两种以上的不同类型的定位传感器信息，实现优势互补，以获得更高的定位性能。

智能网联汽车高精度定位技术,学习小结,1.定位系统用来提供车辆的位置、姿态等信息。

2.智能网联汽车对定位系统的基本要求如下：

高精度、高可用性、高可靠性和自主完好性检测。

3.高精度定位系统主要由终端层、网络层、平台层和应用层等组成。

4.常见的定位技术包括：

全球导航卫星技术、惯性导航技术、航迹推算技术、路标定位技术、高精度地图匹配定位技术、无线电定位技术、视觉定位技术、同时定位与地图创建技术等。

智能网联汽车高精度定位技术,高精度定位关键技术认知,2,学习目标,1.了解全球卫星导航系统的分类、组成和定位原理2.了解惯性导航系统的组成和基本定位原理3.了解SLAM技术的分类和基本定位原理4.了解蜂窝网定位的基本原理5.了解高精度定位技术在智能网联汽车上的应用,智能网联汽车高精度定位技术,理论知识,一、全球导航卫星系统二、惯性导航系统三、SLAM自主导航系统四、蜂窝网定位五、高精度定位在智能网联汽车上的应用案例,智能网联汽车高精度定位技术,2、高精度定位关键技术认知,一、全球导航卫星系统,全球导航卫星系统（GlobalNavigationSatelliteSystem,GNSS）是一种基于卫星基础设施的，具有全球覆盖范围的无线电定位技术，如图6-2-1所示。

智能网联汽车高精度定位技术,图6-2-1GNNS系统运行示意图,2、高精度定位关键技术认知,

（1）全球导航卫星系统分类,当前，投入运作的GNSS主要包括美国的全球定位系统GPS、俄罗斯的格洛纳斯卫星导航系统（GLONASS）、欧洲的伽利略系统（GALILEO）和我国的北斗系统（BDS）。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,GPS,GPS（GlobalPositioningSystem）是由美国国防部研制的全球首个定位导航服务系统，19901999年为系统建成并进入完全运作能力阶段，1993年实现24颗在轨卫星满星运行。

其中，24颗导航卫星平均分布在6个轨道面上，保证在地球的任何地方可同时见到412颗卫星，使地球上任何地点、任何时刻均可实现三维定位、测速和测时，使用世界大地坐标系（WGS-84）。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,GLONASS,GLONASS的空间星座由27颗工作星和3颗备用星组成，均匀地分布在3个近圆形的轨道平面上，这3个轨道平面两两相隔120，使用前苏联地心坐标系（PZ-90）。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,GALILEO,GALILEO是欧盟于2002年批准建设的卫星定位系统，计划由分布在3个轨道平面上的30颗中等高度轨道卫星构成，每个轨道平面上有10颗卫星，9颗正常工作，1颗运行备用，轨道平面倾角56，轨道高度为24126km，其民用精度较高，使用世界大地坐标系（WGS-84）。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,BDS,BDS（BeiDouNavigationSatelliteSystem）是由我国自主研发、独立运行的全球卫星定位与通讯系统，空间段包括5颗静止轨道卫星和30颗非静止轨道卫星，采用我国独立建设使用的CGCS2000坐标系。

表6-2-1为四大卫星导航系统的性能对比数据。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,智能网联汽车高精度定位技术,表6-2-1已部署或者在建的GNSS系统情况和技术数据,2、高精度定位关键技术认知,

（2）全球导航卫星系统组成,以GPS为例，介绍GNNS的系统组成。

如图6-2-2，全球导航卫星系统主要由空间星座部分、地面监控部分和用户设备部分组成。

智能网联汽车高精度定位技术,图6-2-2GPS系统组成,2、高精度定位关键技术认知,1）空间星座由24颗卫星组成，其中21颗为工作卫星，3颗为备用卫星。

24颗卫星均匀分布在6个轨道平面上，即每个轨道平面上有4颗卫星，卫星轨道平面相对于地球赤道面的轨道倾角为55，各轨道平面的升交点的赤经相差60，1个轨道平面上的卫星比西边相邻轨道平面上的相应卫星升交角距超前30。

这种布局的目的是保证在全球任何地点、任何时刻至少可以观测到4颗卫星。

而最少只需要其中3颗卫星，就能迅速确定用户端在地球上所处的位置及海拔，所能连接到的卫星数越多，解码出来的位置就越精确。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,2）地面监控部分主要由1个主控站、5个监测站和3个注入站组成。

主控站负责从各个监控站收集卫星数据，计算出卫星的星历和时钟修正参数等，并通过注入站注入卫星；

并向卫星发布指令，控制卫星，当卫星出现故障时，调度备用卫星。

监测站在主控站的直接控制下，自动对卫星进行持续不断的跟踪测量，并将自动采集的伪距观测量气象数据和时间标准等进行处理，然后存储并传送到主控站。

注入站则负责将主控站计算的卫星星历、钟差信息、导航电文、控制指令发动给卫星。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,3）用户设备主要是GPS接收器、卫星天线及相关设备，主要作用是从GPS卫星接收信号并利用传来的信息计算用户地理位置的纬度、经度、高度、速度和时间等信息。

车载、船载GPS导航仪，内置GPS功能的移动设备，GPS测绘设备等都属于GPS用户设备。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,（3）全球导航卫星系统定位原理,GNNS定位系统是利用卫星基本三角定位原理、接收装置以测量无线电信号的传输时间来测量距离。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,如图6-2-3所示。

三个卫星组成一个三角形，通过计算三个卫星位置几何数据，并融合同步计算结果，从而计算出当前接收器的卫星坐标位置。

通常，GPS接收器会使用第四颗卫星的位置对前三个卫星的位置测量进行确认，以达到更好的效果。

智能网联汽车高精度定位技术,图6-2-3三角定位原理图,2、高精度定位关键技术认知,假设我们测量到第一颗卫星的距离为18000km，就可以把当前可能位置范围限定在离第一颗卫星18000km的地球表面。

接下来，假设我们测量到第二颗卫星的距离为20000km，那么我们可以进一步把当前位置范围限定在距离第一颗卫星18000km和距离第二颗卫星20000km的交叉区域。

然后我们再对第三颗卫星进行测量，通过三颗卫星的距离交汇点定位出当前的位置。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,根据上文介绍，只要得到卫星几何平面的参数及无线电传播时间，就能计算得到智能网联汽车的位置。

但在实际工程应用中，卫星信号的传播还受大气电离层的、云层、树木、高楼、城市、峡谷等遮挡、反射折射，以及多路径干扰，这些都会影响到GPS信号传播，从而影响到测距信息的准确度。

为了降低天气、云层对GPS信号的影响，出现了其他GPS技术，如差分GPS（DifferentialGPS,DGPS）。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,如图6-2-4所示，DGPS技术通过在一个精确的已知位置（基准站）上安装GPS监测接收机，计算得到基准站与GPS卫星的距离，然后再根据误差修正结果提高定位精度。

智能网联汽车高精度定位技术,图6-2-4差分GPS工作示意图,2、高精度定位关键技术认知,差分GPS分为两大类，即位置差分和距离差分。

距离差分又分为两类，即伪距差分和载波相位差分。

目前，很多智能网联汽车公司如百度、小马等，都采用了实时动态载波相位差分技术RTK（Real-TimeKinematic）技术。

RTK技术是实时处理两个基站载波相位观测量的差分方法，即将基准站采集的载波相位发送给用户接收机，通过求差解算坐标。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,RTK可使定位精度达到厘米级，这也是很多智能网联汽车公司采用RTK技术定位的原因。

但RTK也存在的一定的问题：

基站铺设成本较高；

非常依赖卫星数量，比如在一些桥洞和高楼大厦的环境下，可视的卫星数量会急剧下降；

容易受到电磁环境干扰。

在受到遮挡时，信号丢失，没有办法做定位。

因此目前采用RTK定位技术实现大规模量产商用的可行性不高。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,二、惯性导航系统,惯性导航系统（InertialNavigationSystem，INS），简称惯导，是一种不依赖于外部信息，也不向外部辐射能量的自主式导航系统。

惯性导航系统基于陀螺仪和加速度传感器的信号组合进行自主式导航，图6-2-5为惯导外观图，陀螺仪测量物体三轴的角速率，用于计算载体姿态；

加速度计测量物体三轴的线加速度，可用于计算载体速度和位置。

智能网联汽车高精度定位技术,图6-2-5惯导外观图,2、高精度定位关键技术认知,惯性导航系统的基本工作原理是以牛顿力学定律为基础，测量载体在惯性参考系的加速度和角加速度信息，再将这些测量值对时间进行一次积分，求得运动载体的速度、角速度，之后进行二次积分求得运动载体的位置信息，然后将其变换到导航坐标系，得到在导航坐标系中的速度、偏航角和位置等信息，其工作原理框图如图6-2-6所示。

一般情况下惯导会结合GPS使用，并融合经纬度信息以提供更精确的位置信息。

智能网联汽车高精度定位技术,图6-2-6惯性导航系统原理框图,2、高精度定位关键技术认知,智能网联汽车高精度定位技术,惯性导航系统具有以下优点：

2、高精度定位关键技术认知,差分GNNS是一个比较精确的定位系统，但是其具有更新频率过低的局限性，同时易受环境影响（如建筑物遮挡），因此在特定环境下不足以提供足够实时的位置更新。

与此相比，INS的更新频率快，并补偿了GNNS短时间信号缺失（如遮挡）的情况，但是存在累积误差缺陷。

因此通过整合GNNS与INS的定位方法，可以为智能网联汽车提供既准确又足够实时的位置更新。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,三、SLAM自主导航系统,同时定位与地图构建（SimultaneousLocalizationAndMapping，简称SLAM），通常是指在机器人或者其他载体上，通过对各种传感器数据进行采集和计算，生成对其自身位置姿态的定位和场景地图信息的系统。

SLAM起源于机器人领域，其问题可以描述为：

机器人在未知环境中开始启动，并尝试从一个未知位置开始移动，在移动过程中根据自身位姿估计和地图匹配进行自身定位，然后在自身定位的基础上实现运动中拓展地图，最终实现全局机器人的自主定位和导航。

智能网联汽车高精度定位技术,

（1）SLAM系统介绍,2、高精度定位关键技术认知,SLAM示意图如图6-2-7所示，黑色边界即激光雷达探测到的障碍物边界，表示此路不通，白色区域时可行驶的自由区域，放射性状的线条表示此处有窗户或门，激光雷达部分点散射了出去。

通过扫描整个环境，可以形成一幅2D的激光雷达视觉地图。

通过与环境的匹配对比，机器人或车辆判断自身目前在地图中所处的位置。

黄色线条是规划和行驶的路线。

智能网联汽车高精度定位技术,图6-2-7SLAM示意图,2、高精度定位关键技术认知,

（2）SLAM分类,一般来讲，SLAM系统通常都包含多种传感器和多种功能模块。

而按照核心的功能模块来区分，目前常见的智能网联汽车SLAM系统一般具有两种形式：

基于激光雷达的SLAM（激光SLAM）和基于视觉的SLAM（VisualSLAM或VSLAM）。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,激光SLAM系统通过对不同时刻两片点云的匹配与比对，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。

激光雷达距离测量比较准确，误差模型简单，在强光直射以外的环境中运行稳定，点云的处理也比较容易。

同时，点云信息本身包含直接的几何关系，使机器人的路径规划和导航变得直观。

激光SLAM理论研究也相对成熟，落地产品更丰富。

以谷歌汽车为例，车辆携带有GPS，通过GPS对位置进行判断，并以激光雷达SLAM点云图像与高精度地图进行坐标配准，匹配后确认自身位姿。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,视觉SLAM可以从环境中获取海量的、富于冗余的纹理信息，拥有超强的场景辨识能力。

图6-2-8为视觉SLAM导航与避障应用案例。

智能网联汽车高精度定位技术,图6-2-8视觉SLAM导航与避障应用案例,2、高精度定位关键技术认知,视觉SLAM的优点是它所利用的丰富纹理信息。

这在重定位、场景分类上无可比拟的巨大优势。

例如两块尺寸相同内容却不同的广告牌，基于点云的激光SLAM算法无法区别他们，而视觉则可以轻易分辨。

同时，视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标，如行人、车辆等，对于在复杂动态场景中的应用这是至关重要的。

此外，视觉的投影模型理论上可以让无限远处的物体都进入视觉画面中，在合理的配置下（如长基线的双目相机）可以进行很大范围场景的定位与地图构建。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,视觉SLAM根据所用的摄像头个数又分为单目、双目SLAM。

单目SLAM成本低，但由于无法测量深度、尺度等问题，导致精度不高。

双目SLAM经过系统的标定后，可以通过计算得到深度信息。

因此，从鲁棒性和可靠性来说，双目要比单目SLAM要好一些。

一般来说，视觉SLAM都结合IMU等传感器使用，以更大程度地提高见图精度和姿态估计精度。

SLAM在自动驾驶、服务型机器人、无人机、AR/VR等领域有着广泛的应用，可以说凡是拥有一定行动能力的智能体都拥有某种形式的SLAM系统。

在诸如无人清扫车、园区无人摆渡车、园区无人快递车等低速智能网联汽车应用场景中得到广泛应用。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,四、蜂窝网定位,基于蜂窝网定位的基本逻辑架构如图6-2-9所示。

一般来说，定位基本过程由定位客户端发起定位请求给定位服务器，定位服务器通过配置无线接入网络节点进行定位目标的测量，或者通过其他手段从定位目标处获得位置相关信息，最终计算得出位置信息并和坐标匹配。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,需要指出的是，定位客户端和定位目标可以合设，即定位目标本身可以发起针对自己的定位请求，也可以是外部发起针对某个定位目标的请求；

最终定位目标位置的计算可以由定位目标自身完成，也可以由定位服务器计算得出。

智能网联汽车高精度定位技术,图6-2-9基于蜂窝网定位的基本逻辑架构,2、高精度定位关键技术认知,基于4G的蜂窝定位，受信号带宽、同步以及网络部署的影响，定位精度一般在几十米左右，而随着5G的到来，大带宽、多天线以及高精度同步技术等的支撑，可以使得5G的定位精度大幅提高，目前在仿真/测试场景下，室内定位可达23m精度，可在室内及隧道环境下弥补卫星定位的不足。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,五、高精度定位在智能网联汽车上的应用案例,根据前文的介绍可以看出，不同定位方式各有优劣，智能网联汽车在实际应用中，一般采用多传感器融合的定位，既做到优势互补，也提高了稳定性，增强了定位精度。

L4无人车运营商常用的定位方案中多使用多线束的激光雷达和高精度的GPS/IMU，虽然这些高精密的传感器能够提供丰富的信息，但成本十分高昂，并且也无法满足车规的要求。

禾多科技研发了面向量产的多传感器融合定位技术，采用了全车规级的低成本传感器，如GNSS、相机、低成本车规级IMU、轮速计等，以满足量产的需求。

接下来，以百度Apollo2.0为例，介绍高精度定位在智能网联汽车上的应用。

智能网联汽车高精度定位技术,2、高精度定位关键技术认知,Apollo2.0的多传感器融合定位模块的框架如图6-2-10所示：

左边列出了定位模块依赖的硬件以及数据，包括IMU、车端天线、基站、激光雷达、以及定位地图；

中间是GNSS定位以及激光点云定位模块，GNSS定位输出位置及速度信息，点云定位输出位置及航向角信息；

右边是融合框架，融合框架包括两部分：

惯性导航解算、Kalman滤波；

融合定位的结果会反过来用于GNSS定位和点云定位的预测；

融合定位的输出是一个6自由度的位置和姿态，以及协方差矩阵。

智能网联汽车高精度定位技术,图6-2-10Apollo2.0的多传感器融合定位模块的框架,学习小结,1.GNSS主要包括美国的全球定位系统GPS、俄罗斯的格洛纳斯卫星导航系统（GLONASS）、欧洲的伽利略系统（GALILEO）和中国的北斗系统（BDS）.2.GNSS主要由空间星座部分、地面监控部分和用户设备部分组成。

利用卫星基本三角定位原理来测量距离，3.惯性导航系统是一种基于陀螺仪和加速度传感器的信号组合进行自主式导航技术。

4.SLAM是指在机器人或者其他载体上，通过对各种传感器数据进行采集和计算，生成对其自身位置姿态的定位和场景地图信息的系统。

SLAM系统一般具有两种形式：

激光SLAM和视觉SLAM。

5.基于蜂窝网定位的基本过程是：

由定位客户端发起定位请求给定位服务器，定位服务器通过配置无线接入网络节点进行定位目标的测量，或者通过其他手段从定位目