剑灵-自动驾驶杂乱环境下高精度定位技能



文章作者:崔留争 Pony.ai

编辑整理:Hoh Xil

内容来历:DataFun AI Talk

出品社区:DataFun

注:欢迎转载,转载请注明出处

今日为咱们共享下,自动驾驶在杂乱环境下的高精度定位技能。



定位/导航担任实时供给载体的运动信息,包含载体的:方位、速度、姿势、加速度、角速度等信息。

自动驾驶对定位体系的根本要求:

1. 高精度:到达厘米级。

2. 高可用性:坚持它的稳定性,自动驾驶测验现已从关闭的场景转移到更敞开的场景,这要求咱们定位体系能处理更多更杂乱的状况。

3. 高牢靠性:整个定位的输出是感知,规划与操控的输入,假如定位体系呈现差错将会导致很严重的成果。

4. 自主完好性检测:因为咱们体系的牢靠性只能做到十分挨近100%,可是难以到达真实的100%,这要求咱们在没有办法供给准确的输出的时分,能及时的正告用户,采纳办法,防止发作事端。对它的要求便是要确保较低的虚警率与漏警率。



为了满意自动驾驶对导航与定位的要求,选用的办法有:

  • 惯性导航 INS
  • 全球导航卫星体系 GNSS
  • 高精地图与线上激光 lidar 点云匹配定位
  • 路程计
  • 结合车辆运动特性的运动束缚



接下来介绍下惯性丈量单元 IMU ,现在自动驾驶常用的依照精度分为两类:

一种是根据光纤陀螺 FOG 的 IMU ,它的特色是精度高,但一起本钱也高,一般运用于精度要求较高的地图收集车辆。

第二种是根据 MEMS 器材的 IMU ,它的特色是体积小,本钱低,环境适应性强,缺陷是差错大,假如把它运用在自动驾驶测验车辆中,需经过比较杂乱的处理。



为了有 IMU 输出的原始数据得到导航定位输出,需求进行捷联惯性导航 ( SINS ) 解算,包含这样的几个模块:

1. 陀螺输出角速度信息积分得到姿势

2. 选用姿势信息对加速度计输出的比力做转化,由载体坐标系到导航坐标系

3. 重力核算,有害加速度,地球自转角速度等补偿

4. 加速度信息积分得到速度与方位

因为积分进程的存在,形成输出差错跟着作业时刻发作堆集。



下面介绍下全球卫星定位导航,它是根据测定的肯定定位计划,差错不会跟着作业时刻以及载体运动发作变化。

现在全球卫星导航的一个明显的特色是由单频单体系向多频多体系改变,比方咱们国家的斗极导航体系,俄罗斯的 Glonass ,欧盟的 Galileo 等。这幅图是北京某一天所能接纳到的卫星信号的星空图,可见根本能够确保在恣意时刻咱们都能收到35颗以上的卫星。多频多剑灵-自动驾驶杂乱环境下高精度定位技能体系在极大的程度上进步了咱们导航体系的牢靠性与可用性。



别的一个明显的特色是精细定位,在民用范畴的广泛运用,尤其是根据载波剑灵-自动驾驶杂乱环境下高精度定位技能相位动态差分的 RTK 技能在智能驾考剑灵-自动驾驶杂乱环境下高精度定位技能,无人机,精细农业等范畴得的了遍及的运用。在自动驾驶范畴他的长处是:

  • 厘米级定位精度
  • 双天线测向

精细定位在进步定位精度的一起,因为需求基站信息,这也增加了整个体系关于基站(基站服务供给商)和网络信号的依靠。



因为 GNSS 是根据卫星定位的导航,具有十分软弱的特色:

咱们在城市里经常会遇到城市峡谷,使咱们没办法接纳低仰角的卫星信号,极大的增加了咱们定位的因子,增大了定位成果的不确定性。别的一个是信号搅扰,车辆自身及加装设备等使车辆的电磁环境十分恶劣,假如处理不得当,会严重影响接纳机的收星及观测值的质量。



接下来是根据高清度地图匹配定位,它是事前树立的高精度地图,合作咱们线上的激光点云,能够做到肯定定位,厘米级高精度,它的一个明显的局限性是增加了咱们对高精地图的依靠。



别的一个是轮式传感器 Wheel Sensor ,自动驾驶现在取得车轮的信息有两种办法:外接和内置。

外接,它的特色是分辨率和精度都十分高,缺陷是结构杂乱,牢靠性难以确保,一般用于咱们的地图收集车。

内置传感,它的特色是无需外接设备,缺陷是精度低,差错比较大,假如用于测验车辆需求经过许多的处理才能够。

别的,IMU 的灵敏轴,很难确保与车的运动方向是彻底平行的,所以需求做一个准确的标定,除了轮速的输出,要得到有用的车速信息和路程信息,需求做一些核算,需求一些车轮的参数,而车轮的参数会跟着咱们的工况发作变化,所以咱们需求对它做在线的估量。在这个进程中剑灵-自动驾驶杂乱环境下高精度定位技能,咱们的核算差错会跟着运动的间隔发作堆集,且会遭到路况的影响,比方轮胎打滑或许过减速带。



咱们还能够结合车辆的运动特色做些束缚。比方咱们能够经过一些办法检测车辆是否处于停止,这样就能够假设在停止的时分速度等于0,能够确保咱们在极点的状况下,咱们的定位成果不发作很大的差错。咱们能够参加一些车辆横向或许纵向的束缚条件参加到多传感器交融的体系中。



在取得传感器输出数据之后,咱们整个多传感器交融定位,包含几个部分:

1. 数据预处理,将惯性导航解算,GNSS 的质量操控,雷达数据的差错补偿,还有根据轮式传感器的核算,以及在线估量和补偿。

2. 根据雷达数据和高精地图的匹配定位。

3. 四个中心模块:

  • ZUPT/ZIHR/NHC,车辆运动束缚部分
  • INS Alignment,惯性导航初始对准部分
  • Integrated,组合部分
  • FDI,毛病检测与阻隔部分

4. 安全相关的模块,便是关于输出的完好性监测。



现在咱们的导航定位优化办法,仍是根据传统得卡尔曼滤波器,其优化的一个目标是使状况方差到达最小。在树立 Kalman Filter 模型的时分,首先要挑选状况变量,现在咱们仍是根据导航参数差错+车载的传感器差错,作为状况估量。然后状况方程经过一步猜测和量测更新,完成咱们在时刻域的递推。



下面简略介绍下毛病诊断与阻隔,传统的软件办法有许多,比方卡方检测等,别的是硬件上的冗余。假如咱们能够装备多套 GNSS/IMU ,咱们能够合作软件解析余度完成多个冗余,来进步牢靠性。

典型场景:



首先是一个十分典型的场景,视界十分开阔,这时咱们能够运用,Gnss/Rtk ,Scan Math Pose 作为量丈量校准 IMU/ Wheel sensor 差错,并作出补偿。



这个场景是咱们的车辆运行在一个激光雷达纵向特征十分不明显的桥上,导致咱们的高精定位在纵向上失效状况。解决办法是运用 GNSS, IMU,Wheel Sensor 信息,检测 scan match 纵向失效状况, 使其不影响定位体系输出。



上面这个场景是咱们的激光雷达因为点云被遮挡,导致咱们与高精地图匹配定位失利,这要求咱们整个体系能不依靠于匹配定位,也能输出十分牢靠的成果。



这俩个场景是关于卫星导航来说十分恶劣的场景,需求咱们从传感器交融部分去处理,使其具有野值的除掉才能,以及对它陈绍基得罪了谁参数的自适应调理才能。



这个场景更极点,是车辆穿越高架桥的下面,导致咱们整个卫星定位导航失利,此刻需求咱们的体系能独立于卫星导航,也能牢靠的作业,得到牢靠的成果。