高精度定位：激光雷达点云匹配与视觉定位传感器等融合助力实现

  

  我们预计高精定位将随着ADAS 的推广而普及并逐渐成熟，最终在L3 级别无人驾驶阶段实现井喷。

  精度与频率：根据推算，高精定位要实现≤25cm 的定位精度，更新频率≥100Hz，因此就需要在一般导航定位方案的基础上，与激光雷达、摄像头等感知设备相结合。

  解决方案：按照定位参考系的不同，我们将其分为绝对位置与相对位置两个维度，前者以 GNSS/ RTK 定位代表，后者结合高精地图，以点云或视觉匹配为核心。

  实际应用：在实际应用中是兼而有之的融合方案，例如百度 Apollo 以 GNSS 定位与点云匹配定位相融合，最终输出一个 6 自由度的位置和姿态信息。

  高精定位技术位于感知层和决策层，为无人驾驶系统提供底层支持。为无人驾驶汽车提供车辆的空间坐标与当前场景下的相对位置坐标，以及位置相关信息，包括速度、加速度、车辆姿态、航向角等。

  向上延伸，高精定位涉及车辆速度控制、路径规划、障碍物检测与避让、车辆行为决策等决策层与控制层内容。

  从实际驾驶场景看，可以估算面向无人驾驶的高精定位精度≤25cm，更新频率≥ 100Hz。

  一般情况下，人工驾驶车辆距离道路一侧路牙的安全距离约 25cm，假设无人驾驶汽车最高时速为 90km/h，行驶 25cm 距离用时 0,01s（对应频率 f=1/t=100Hz）。

  因此，能够支持无人驾驶汽车的高精定位技术应实现≤25cm 的精度，定位信息更新频率在100Hz 及以上，才能有效确保无人驾驶车辆的行驶安全。与常规定位导航系统——包括无线电定位导航、惯性导航系统、卫星定位导航等相比，精度和频率是高精度定位（与导航）最显著的两大特征。

  单纯依靠卫星定位不足以满足无人驾驶对定位精度和更新频率的要求，因而需要多种定位技术的整合。

  例如，RTK 定位基于地面基准站修正卫星定位误差，IMU 通过感知车辆速度、姿态等信息提高定位频率和稳健性。

  从相对位置定位角度看，高精定位借助激光雷达、摄像头等感知设备和高精地图，通过对周围场景的识别比对实现厘米级精度定位。

  依靠每一个位置所观察到的不同的环境特征与已有的高精地图匹配，不断修正车辆自身位置的误差量，以此来实现无人驾驶汽车长距离自主导航。

  此外还有不依靠高精地图支持，单纯通过视觉里程算法实现定位的思路。据高德高精地图团队谷小丰透露，高德基于“激光雷达+摄像头”的相对位置定位方案，可以在一定程度上完成平均误差 9cm 的定位精度。

  相对位置与绝对位置代表思考高精定位的不同视角，在实际运用中是兼而有之。无人驾驶汽车在实际行驶过程中会遭遇各种路况环境，比如卫星信号中断、视线模糊、激光雷达反射遮挡等，以及尚未遭遇到的“长尾案例”。为实现 L3 及更高级别的无人驾驶，仅仅依靠某一定位方案是远远不足的，而需要多传感器、多系统的融合定位方案。

  一方面，车载激光雷达扫描获得点云数据，并提取数据中包含的环境特征；另一方面，车辆从“GNSS+RTK+IMU”定位组合中获得车辆位置的预测值，从高精地图中获取该位置附近的环境特征，之后将扫描识别的环境特征与高精地图记述的环境特征做匹配融合，获取车辆当前场景下精确的位置信息。

  二、航位推算引擎，包括 IMU、车身里程计、以及车辆控制管理系统的总线信息；三、基于高精地图的相对位置定位。三部分之间信息相互耦合，结果相互冗余，来保证定位的精度和可靠性。

  高精定位与高精地图紧密联系，为无人驾驶汽车路线规划、道路感知、驾驶控制提供支持。

  首先，高精地图数据的采集、处理、以及地图的建模需要以高精度的位置坐标作为框架。高精地图中道路和场景信息是无人驾驶汽车感知和决策的数据基础，若在制图过程中位置标定出现误差，就非常有可能造成无人驾驶系统的判断失误。

  其次，以高精地图为基础，结合感知匹配实现高精度的自主导航定位，在定位信号中断或不稳定的情况中，保证自动驾驶汽车仍明确知晓车辆在当前环境中的准确位置。

  而高精地图与高精定位相结合，车辆能够提前了解当前位置可能的道路特征情况，提高传感器的识别精度，降低对传感器的性能要求。

  绝对位置定位以地球为参考系，相对位置定位以当前驾驶场景为参考系。相对位置定位思路与人类驾驶过程更类似：人类驾驶员在驾驶过程中，通过视觉观察周围场景中的物体，包括建筑、路缘、标志线等，经过比对判断车辆在当前场景中的位置。

  类似地，无人驾驶汽车通过高清摄像头、激光雷达等感知设备获取周围场景内物体的图像或反射信号，将其与事先采集的高精地图数据来进行匹配，从而获取对车辆当前位置的精确估计。

  点云匹配以激光雷达为核心：激光雷达向外发射激光脉冲，从地面或物体表面反射形成多个回波返回到激光雷达传感器，经处理后的反射数据称为点云数据。

  采集到的点云数据与高精地图进行匹配，以实现汽车在当前场景的高精定位，目前主流的匹配算法包括概率地图与 NDT （正态分布变换）算法两种，代表玩家如 Google、HERE、TomTom。

  视觉定位以摄像头为核心，分为两种路径：视觉匹配与视觉里程定位。视觉匹配通过提取图像中的道路标识、车道线等参照物体与高精地图进行匹配，实现精准定位，代表玩家如特斯拉、Mobileye、英伟达。基于视觉里程算法的定位技术以双目摄像头为主，通过图像识别以及前后两帧图像之间的特征关系来计算车辆当前位置。

  但该方案依赖摄像头的成像质量，在光线不佳、视线遮挡等环境下定位可靠性有待考量，正常情况下不会单独使用。不管是点云匹配还是视觉定位，在实际运用中都并非单纯依靠某一种感知设备，而是实现包括 GNSS/RTK 定位、IMU、雷达在内多套子系统的融合。

  高精度定位由多个定位导航子系统交叉组成，彼此之间相互冗余。按照百度 Apollo的划分，适用于无人驾驶汽车的定位技术可由六部分所组成，分别为：惯性导航（定位）、卫星定位、磁力导航（定位）、重力导航（定位）、激光点云定位、视觉定位。不同部分之间优势互补，定位结果之间相互重叠以矫正误差，提高定位精度和鲁棒性。

  以 Apollo2.0多传感器融合定位模块为例，以 IMU 为基础的惯性导航解算子模块、以地面基站和车端天线为基础的 GNSS 定位子模块、以及以激光雷达、高精地图为基础的点云匹配子模块相互融合，输出一个 6 DOF（自由度）位置和姿态信息，并且融合结果反馈给 GNSS 定位和点云定位子模块，提高两定位模块的精度。在该框架中，GNSS 定位模块向系统提供车辆绝对位置信息，而点云定位模块向车辆提供相对距离、相对位置信息。

  。GNSS 全称为全球卫星定位系统，泛指所有的卫星导航系统，包括中国的北斗、美国的 GPS、欧洲的伽利略、俄罗斯的格洛纳斯等，和相关的增强系统。

  目前 GPS 仍在技术和普及程度方面保持领先。实现相对精确的卫星定位至少需要 4 颗卫星：首先由三颗卫星发出电磁波信号形成的球面相切于一点，得到定位物体的空间坐标，但由于定位物体——例如无人驾驶汽车的时钟与卫星的时钟并非精确的标准时间，时间度量的误差意味着无法正确计算信号传播距离，由此引入第四颗卫星进行钟差的解算。

  消除时间误差可以有明显效果地提高定位精度，但卫星定位过程中的其他误差因素仍难以避免，例如传输误差——信号传输过程中遇到电离层、对流层等外因影响导致传输路径发生偏折，导致信号传输距离计算误差。

  卫星定位的定位误差一般在 5-10m 量级，无法充分满足无人驾驶汽车对高精定位的要求，因此就需要寻求其他辅助解决方案。

  RTK 技术指实时动态载波相位差分技术，通过地面基准站与流动站之间的观测误差，实现分米乃至厘米级的高精度定位。

  卫星定位的误差难以避免，而地面上某些固定点位的绝对位置坐标是可以相对精确给定的——例如特定的地理坐标点、卫星接收站等，以该点位为中心的 20-40km 半径范围内，对流层、电离层等环境干扰对卫星信号的干扰方向和程度基本一致。

  因此这类点位作为 RTK 中的“基准站”，协助附近的运动物体——“流动站”矫正卫星定位的结果。

  一、基准站将卫星定位结果与已有精确坐标比对，计算出此时该区域的卫星定位的综合误差；

  三、流动站收到误差数据，矫正自身卫星定位结果，实现厘米至亚米量级定位精度。RTK 技术分为单频和双频两种，单频 RTK 接收 L1载波信号，误差在分米量级；双频 RTK 接收 L1、L2 载波信号，误差能够达到厘米量级（L1、 L2 属于不同频段的卫星信号）。目前，绝大多数的 RTK 定位技术采用双频模式。

  从 RTK 原理能够准确的看出，除设备和技术本身，RTK 定位精度还取决于基准站绝对位置的精度，以及距基准站的距离。

  千寻位置已在全国建立超 2600 个地基增强站，依托北斗地基增强系统实现“全国一张网”，能够向全国大部分地区提供实时厘米级定位服务。

  而在四维图新旗下高精度定位服务提供商六分科技的 2020 产品发布会上，六分科技 CEO 金水祥表示，六分科技正在全国范围内积极布设基准站网，实时接收北斗、GPS、伽利略、格洛纳斯和准天顶卫星系统五大系统的卫星数据，基于自研算法提供高精准定位服务。

  IMU 即惯性测量单元，是组成惯性导航系统的设备单元，由陀螺仪、加速计、算法处理单元三部分所组成。陀螺仪与加速计分别测量角度、加速度信息。不依靠外界的信息输入，惯性导航系统能向无人驾驶汽车提供航向、姿态、速度、位置等导航参数，是高精定位不可或缺的一部分。

  IMU 提供信息的维度称为自由度（DOF），三轴（x 轴、y 轴、z 轴）陀螺仪加三轴加速计，组成六自由度 IMU，也称六轴 IMU。再加上用于测量相对于地球磁场方向的三轴磁强计组成九自由度 IMU，也称九轴 IMU。IMU 提供的信息与汽车轮速记、方向盘转角等信息有重叠，为无人驾驶汽车感知方位与姿态提供冗余信息。

  IMU在无人驾驶过程中时刻发挥着作用：GPS 信号的更新频率为 10Hz——也就是每 0.1 秒更新一次 GPS 定位信息，而 IMU 设备的更新频率在 100Hz 以上，在两次 GPS 信号更新之间，无人驾驶汽车能结合 IMU 提供的车辆方位、姿态、速度等信息推算汽车的精确位置，实现高频率高精度定位，满足无人驾驶汽车对实时定位的要求。而在无定位信号或弱定位信号区域，无人驾驶汽车能够最终靠 IMU 实现短时间自主导航——这是 IMU 在无人驾驶高精定位环节发挥的另一重要作用。

  例如，当无人驾驶汽车驶入隧道、山路等信号较弱路段，或接收电磁波信号、光信号（用于摄像头识别）受到强烈干扰导致设备无法正常工作时，汽车保留最后一次稳定接收到的定位数据，基于 IMU 提供的参数信息计算汽车在弱信号路段的具置，结合高精地图数据实现自主导航。但 IMU 的计算误差会随时间增大，因此强调是在一段时间范围内的自主导航。

  一是传统导航类定位企业，这类企业在 GNSS/RTK定位、相关导航定位硬件等领域已拥有深厚的应用基础，并以此为起点进军面向无人驾驶的高精度定位市场，例如华测导航、北斗星通等；

  二是定位算法与高精地图供应商，这类企业更关注方案融合，而非硬件基础，例如专注于高精度定位算法与服务的千寻位置，而由于高精定位与高精地图之间的紧密关联，高精地图供应商——如高德、四维图新等同样热情参加其中；

  三是自动驾驶研发技术企业，例如百度的 Apollo，由于其“主战场”在无人驾驶技术本身，对高精定位领域的开拓具有联动优势，更容易结合激光雷达、摄像头等感知设备量身打造高精定位系统。当前 ADAS 已经大规模落地，而对高精定位依赖程度更高的 L3 级别无人驾驶也已进入上路前最后冲刺阶段，作为自动驾驶系统重要组成部分的高精定位领域正在快速地发展和扩张，为 L3 级别无人驾驶大规模量产做“最后准备”。

  国外芯片巨头参与中国高精定位市场的底层竞争。同智能手机芯片类似，高精定位芯片为整个定位子系统提供算力支持，芯片性能关系到定位精度、功耗、系统成本等方面。

  目前，国内高精定位芯片领域的竞争格局已经初露头角，国内玩家包括华为、移远、“北斗系”的北斗星通等，海外玩家包括高通、u-blox、意法半导体（ST）、英伟达等芯片巨头。

  2018 年 3 月，千寻与高通达成技术合作，将在高通骁龙 X5 LTE 车载通讯芯片中集成高精度位置服务；

  2019 年 12 月，高德与英伟达宣布达成战略合作，英伟达将为高德高精地图和定位技术提供芯片和算法支持。

  此外，u-blox 的 F9 技术平台、ST 的 Teseo APP系列等高精定位芯片也已出现在国内面向无人驾驶的高精度定位市场。

  高精定位技术的应用落地需要硬件支持和软件算法相结合。硬件支持包括 GNSS/RTK模组、惯导器件、用于匹配定位的激光雷达和摄像头、以及地面基准站建设等，决定高精定位的质量。而软件算法则实现不同感知设备之间的数据融合与协作，同无人驾驶系统更好地对接。

  2019 年 9 月，千寻位置联合移远通信、ST 共同发布面向 L3 及以上级别无人驾驶车辆的 LG69T 车规双频高精度定位模组，可以在一定程度上完成在开阔环境下 10cm 精度的定位数据，而在高架下、隧道等卫星信号遮挡区域，也能够连续保持高精度定位能力。在此次三方合作中，由千寻位置基于其 FindAUTO 的高精度定位服务和终端算法，ST 提供定位芯片和惯性测量单元，移远负责封装。

  北斗是卫星定位环节的中国方案，国产替代循序渐进。卫星定位是高精定位的支柱环节，涉及定位卫星、地面基准站、接收单元、定位芯片、融合算法等多个子环节。2020年 6 月，北斗卫星导航系统完成全球组网，意味着北斗将能够为全球用户更好的提供高精度的定位、导航和授时服务。

  据新华社报道，截止 2019 年底，国内超过 650 万辆营运车辆、3万辆邮政和快递车辆，36 个中心城市约 8 万辆公交车已应用北斗系统，2019 年全国卫星导航与位置服务产业总产值达 3450 亿元。以无人驾驶为代表的新兴技术产业将成为北斗新兴产业链发展的有力助推。

  2020 年 7 月，千寻位置宣布启动业内首个大规模北斗高精度定位路测，基于“全国一张网”的北斗地基增强站，路测实时定位精度最高达到 2cm，标志着北斗高精度定位技术将在自动驾驶领域大规模落地。

  融合发展是高精度定位技术的未来发展的新趋势。当前高精度定位的关注点主要在车端，未来随着 V2X 的普遍化、深入化发展，更多驾驶元素将被纳入到高精定位范围中来。例如在车路协同模块，路侧的交通标志、建筑物等能够主动广播位置信息，辅助周围无人驾驶车辆做定位，或构建分布式定位网络，以汽车作为基准站主动测距并进行位置广播，实现道路内车辆协同定位。而随着 5G 技术的推进，未来基于 5G 网络的高精定位方案同样值得期待。

  2020年9月24-25日智车行家携手易贸信息科技（上海）有限公司、数十家行业媒体以及科研院所共同召开 “2020汽车抬头显示（HUD）前瞻技术展示交流会”,与知名车企、Tier1、交互系统供应商、HUD集成商、芯片厂商、 PGU企业、显示玻璃、曲面镜、光学材料供应商、封装测试及科研院所等相关单位约250余位行业资深人士一同探讨HUD抬头显示的产业现状及趋势、技术突破及难点、未来发展新机遇、行业发展新需求等话题。

  行家焦点访谈:CPO/OIO哪个技术最先商业化？光进铜退还是光退铜进？CPO标椎何时落地？未来集成光学在通讯领域应用所占的比重？

  【雷达头条】加特兰出货量破1000万片！速腾聚创前三季销量超去年;禾赛获独家定点;经纬恒润携手Arbe;炬光获欧洲Tier1定点

  11日上午10点！特斯拉Robotaxi发布在即，助力全球产业变革加速发展

上一篇：更精准、更快速、更还原众趣3D激光扫描仪新品发布

下一篇：投资评级 - 股票数据 - 数据中心证券之星-提炼精华 解开财富密码