无人驾驶技术的三种定位技术解决方法

  在自动驾驶技术问题中，定位技术（自身定位以及对周围环境相对位置的认知）似乎是无人驾驶汽车最难掌握的技术，这与城市的动态性质有关。例如施工路面、封闭道路、新标志和缺失的道路标志等，都是这种动态性和不确定性的例子。人类面对以上随时随地有几率发生改变的因素都会感到困惑，更不用说机器了。目前没有办法能够完美地解决无人驾驶汽车的定位问题，但以下几种是当前最为有效也最有希望处理问题的办法。不同公司有不同的倾向性选择，本文将根据具体的公司策略对三种定位办法来进行介绍。

  自从特斯拉和Waymo等公司出现以来，车企对无人驾驶技术的关注愈发增加。这种情况在2018年更甚，从而加速了无人驾驶汽车尽快落地的可能。例如，通用汽车公司在旧金山的员工已经用上了没有方向盘或踏板的cruise；福特、大众、丰田和奔驰也都在无人驾驶竞争之列；上个月，特斯拉在芯片发布会上宣布，到2020年他们将制造出完全无人驾驶汽车。

  无人驾驶的实现前途光明，但道路曲折。目前无人驾驶仍然面临很多难题，例如需要快速而连续地分析数据流、需要做对机器来说很繁琐但对人类来说只是鸡毛蒜皮的一些小事等。具体来说，物体检测、距离、速度、定位和交通法规等都是在驾驶过程中做决策时需要仔细考虑的因素。为了达到SAE标准中的L5级别，计算机驾驶系统要能够执行上述所有基本任务，找到针对不一样问题的技术解决方案。

  定位技术（自身定位以及对周围环境相对位置的认知）似乎是无人驾驶汽车最难掌握的技术，这与城市的动态性质有关。例如施工路面、封闭道路、新标志和缺失的道路标志等，都是这种动态性和不确定性的例子。人类面对以上随时随地有几率发生改变的因素都会感到困惑，更不用说机器了。目前没有办法能够完美地解决无人驾驶汽车的定位问题，但以下几种是当前最为有效也最有希望处理问题的办法。不同公司有不同的倾向性选择，本文将根据具体的公司策略对三种定位办法来进行介绍。

  以特斯拉为例的一类企业倾向于使用基于视觉的Visual SLAM（简称VSLAM）技术做定位，他们将尽可能多的视觉传感器置入汽车中，不依靠预先录制的地图，而是希望将图像处理和机器学习结合起来，让特斯拉车辆能够对周围环境做到实时了解。特斯拉车辆随时随地都在学习并与其他车辆分享知识。他们依靠周围的实时环境数据而不是历史数据，不存在依赖过时地图而出错的风险。

  特斯拉的目标非常明确，即建造可以在任何条件下驾驶的车辆而不受周围环境的影响。前段时间特斯拉的芯片发布会上，因马斯克diss激光雷达还引起了一场轩然。马斯克说，使用激光雷达的定位方法摆脱了“丑陋，昂贵且不必要”的绘图设备，为此付出的代价是在处理不确定性时更加依赖相机和软件。特斯拉人工智能高级主管 Andrej Karpathy 强调物理数据的作用是无法代替的，相对于利用激光雷达建立虚拟高精地图来说，特斯拉更相信现实的物理数据，看图比看雷达更真实。

  目前，使用VSLAM实现定位的无人驾驶车辆主要配备三类传感器：单目、双目（或多目）、RGBD。除此以外还有鱼眼、全景等特殊相机，由于在研究和产品中都属于少数在此不做介绍。就实现难度而言，这三类方法难易程度从难到易依次为：单目视觉、双目视觉、RGBD。在定位过程中，VSLAM无人驾驶车辆从一个未知环境中的未知地点出发，在运动过程中通过以上这些视觉传感器观测定位自身位置、姿态、运动轨迹，再依据自己位置做增量式的地图构建，进而达到同时定位和地图构建的目的。定位和建图是两个相辅相成的过程，地图能够给大家提供更好的定位，而定位也能更加进一步扩建地图。

  通用汽车和奔驰都看好通过激光雷达或GPS预先制作的高精地图来做定位的方法。通用汽车于2017年收购了自己的激光雷达供应商。福特与百度合作，向一家激光雷达供应商Velodyne 投资1．5亿美元，奔驰也与Velodyne签订激光雷达供应合约。

  激光雷达是非常传统的定位传感器。它能够给大家提供机器人本身与周围环境障碍物间的距离信息。常见的激光雷达有SICK、Velodyne、Rplidar等。使用激光雷达制作高精地图，实际上是利用激光点云融合技术进行激光雷达扫描，返回场景分布点的技术。激光点云融合的技术又分为两种，一是基于点云融合的算法，其应用场景较广，不仅限于GPS场景；第二种是基于比较精确的差分GPS和精确惯导，其对场景依赖较强，必须在比较开阔的场景使用，对于高架桥等GPS信号弱的场景效果不佳。基于图像和GPS技术解决方案精度比较差，主要用来制作L2、L3的ADAS地图，而激光点云则可以满足L4、L5的需求。

  这类车辆依赖于预先记录好的3D高分辨率地图，而这些地图是使用配备激光雷达的车辆预先捕获的。然后，无人驾驶车辆能够正常的使用其自身配备的激光雷达设备获取旁边的环境的信息，与预先制作的高精地图进行比对，判断环境是不是已经改变，然后在地图涵盖区域内实现无人驾驶。这显示了相对来说更广泛的无人驾驶策略。为了保持地图的准确性和车辆的可用性，需要市政当局和汽车制造商之间更广泛的合作，以创建和维护最新的高精度地图供车辆使用。

  以凯迪拉克的超级巡航系统为例，只有当车身雷达获取的信息与高精地图信息一致并通过安全检查时，车辆才能在预存了高精地图的高速公路上导航行驶。这种方法提供了高度的可靠性和可预测性，但高精地图所需要处理的数据量巨大，一定要使用数据中心计算机集群来做处理，并且涉及很多并行计算和处理，这些对数据处理能力都是极大的考验；高精地图的实时更新也很重要，道路环境有可能在不断的变化，要实现快速有效的更新。以上这些由于记录地图和使用激光雷达设备制造车辆所需的努力，都使得实现无人驾驶所付出的成本相对更高。

  无人驾驶定位的另一种方法，不关注如何使汽车更灵活地适应环境，而是关注如何让环境为自动驾驶汽车服务，即创造更智能的环境。这减轻了车辆的负担，使其能够找出其环境中的所有不确定因素。在这种情况下，变化的外因会自己“找上门”，让车辆更准确地了解到周围环境的状况，建筑物可以直接“告诉”进入的汽车建筑区域和临时车道的具置。

  大众汽车一直在努力建立自己作为V2X技术先驱的身份。在2017年大众就宣布所有2019年的车型都将配备完整的V2X功能套件。这些连接将提供大约500米以内的交通状况、事故和与当地环境共享的其他交通状况信息，甚至更广。

  通过车联网办法来进行定位的车辆通过GPS、RFID、传感器、摄像头图像处理等装置，在由车辆位置、速度和路线等信息构成的巨大交互网络中完成自身环境和状态信息的采集。在互联网信息库中，所有车辆将自身的各种信息传输汇聚到中央处理器，实现位置信息的交互共享。目前，国家强制要求所有运营车辆都要转配车载定位终端，同时接入相关企业服务平台，并最终接入省部级服务平台。

  具体来说，车辆节点的定位和位置感知技术是车联网的技术核心。定位强调位置信息的唯一性，即定位得到的是真实的地理坐标信息，而位置感知侧重于节点之间在位置上的相对性，反映的是移动节点在时间维度和空间维度上的轨迹。

  位置感知中，其位置信息是参照锚节点来计算的，而锚节点的产生视不同的算法实现而不同，主要采用非测距技术（Renge－free）来定位。无线测距的基本原理分为三边测量法、三角测量法、极大似然估计法和质心算法四种类型。三边测量法原理比较简单，是在已知3个锚节点二维坐标信息的前提下，就可以计算出1个未知节点的位置信息；三角测量法的原理是在网络中选定一系列的锚节点构成相互连接的三角形，通过测量某一三角形的三个角节点到某一位置节点的相对水平角度来对节点做定位。

  车联网的定位技术则是通过合理部署在城市交通道路周边的RSU，利用无线测距技术实现对移动中车联的实时定位。目前所采用的技术主要有利用接收信号强度值（RSSI）、到达时间（TOA）、到达时间差（TDOA）、到达角度（AOA）及到达频率差（FDOA）等。FDOA定位技术具有无模糊区、精度高等优点，它可以与TDOA等定位技术结合，实现更完善的定位功能，成为车联网定位技术的一个发展趋势。在此不做具体介绍。

  虽然目前对车联网定位和感知技术的研究取得了一定的成果，但仍然有很多问题是需要进一步解决，大多数表现在专对于车联网的定位和感知技术、室外移动三维定位技术、精准无缝的协作定位等方面。当然，能够辅助实现定位目的的有例如GPS 、卫星、激光雷达、相机及其他多种传感器，本文介绍的三种方法是实现无人驾驶定位的三种不同思路，思路上的不同并不排斥具体使用技术上的借鉴与融合。

  技术只是无人驾驶的一个方面，道路安全法律和法规也需要适应无人驾驶市场的变化。今年福特、通用和丰田在无人驾驶汽车相关安全法规上就达成了合作伙伴关系。另外，在人类社会不断向前发展的进程中，经验是一个不可忽视的重要的条件，无论现时段无人驾驶面临了什么小成就和大挫折，都必须清楚地明白一点：我们生活在技术不停地改进革新的时代，新技术解决新困难，时间会说明无人驾驶是如何向我们一步步走来的。

  上一篇：iXblue推出基于光纤陀螺的惯性导航系统 定位精度高达0.01米

  2018 年国际消费电子展 （下称 CES 2018） 开幕在即，今年将是记者连续第四次前往美国拉斯维加斯现场报道这场每年一度的开年科技盛会。   作为消费类电子科技类产品大展，自 2015 年起，CES 慢慢的受到汽车行业企业的青睐，他们更愿意将最新产品和技术带到这里向全世界展示，特别是 无人驾驶 ，更是从那一年开始，爆发出前所未有的能量。   今年更是如此，来自全球各地与出行相关的科技公司、老牌车企、传统供应商、新造车企业和初创公司，纷纷涌向拉斯维加斯，参与这场盛会。据 CES 官方给出的数据，今年参展的企业超过 3900 家，几乎覆盖了所有行业。其中，接近 300 家汽车科技公司参加展览—— 占据 28 万平方英尺的展位面积。

  据外媒报道，日本国家警察厅（National Police Agency）公布了一项法案草案，将允许具高度无人驾驶功能的车辆在公共道路上行驶，并且计划于2020年上半年实施该法案。 该法案将会使国家道路交通法得到修订，允许政府归类为3级无人驾驶的车辆在公共道路上行驶。3级无人驾驶的车辆可让驾驶员将注意力转移到别处，让系统自行行驶，除非出现紧急状况和系统故障，则需要驾驶员重新控制车辆。在早期阶段，日本政府可能只会在公路发生交通堵塞期间，允许使用3级无人驾驶技术。 无人驾驶技术一共分为5类。根据现行法律，只有具有自动转向、自动加速或制动功能的1级无人驾驶车辆，以及具备多项自动功能的2级无人驾驶车辆可在公共道路上行驶。4级无人驾驶车辆是

  1.定义状态 状态定义：明确定义系统中的状态，确保每个状态都是清晰且互斥的。每个状态应该具有明确的含义和行为。 不同的无人驾驶功能可能具有不一样的状态机，状态的定义是由功能决定的，系统要在不同的条件下正确地执行相应的行为和功能。同时，状态机的设计原理也应该为系统的扩展和维护提供了便利，使得系统能适应一直在变化的需求和环境；比如在NOP功能设计时，应考虑到如何与LCC/ACC等功能进行切换。 L0的ADAS功能，比如FCW/LDW/BSD等等基本不涉及车辆控制，仅起到预警作用。其状态定义也较为简单，可大致分为以下几个状态： OFF:系统关闭，未进行工作。 Standby：系统满足运行条件，正在待机。 Warning：符合预

  Quantum supremacy成功了……吗？ 所谓的Quantum supremacy，能够理解为量子优势，也有人翻译为量子霸权，一般指的是量子计算在某一个问题上，能解决经典计算机不能解决的问题或者是比经典计算机有显著的加速（一般是指数加速）。 说得再直白点就是它拥有秒杀所有传统计算机的计算能力。 最近有消息称，通过谷歌研究人员的努力，量子霸权慢慢的变成了现实。然而，并不是所有人都认为谷歌的成果意味着能开始挥舞量子至高无上的旗帜。 这并不是说其54量子位的Sycamore处理器不厉害，只是，许多人会觉得为时过早，且极具争议。这可能仅仅是为实现可行的量子计算提供的另一个途径。 我们先来看看关于量子计算机的

  汽车 /

  梅赛德斯-奔驰和宝马计划一起发展出行服务和无人驾驶业务。两家巨头之间的深度合作是一次创举，具有深刻的时代印记。 今年2月，戴姆勒和宝马双方就对出行服务业务进行合并，成立合资公司，共同应对这一领域的竞争和挑战。 宝马“DriveNow”及戴姆勒“Car2go”合并后的新公司不仅提供共享出行服务、出租车预订及顺风车业务，未来还将拓展智能停车和电动车充电服务业务。所有这些服务内容将被整合到同一个名为“Share Now”的APP中。戴姆勒和宝马给这样的平台的未来发展定位是成为覆盖整个城市的出行服务和无人驾驶车队运行移动终端。 在无人驾驶研发技术领域，戴姆勒和宝马也计划开展合作，以期携手应对来自Uber、Lyft及中国IT

  据外媒报道，4D成像雷达开发商Vayyar Imaging推出了全球首款多射程XRR芯片。这是一种射程为0至300米的单一RFIC（射频集成电路）芯片，专为乘用车、卡车和摩托车设计。该前沿平台由48天线MIMO（多输入多输出）阵列支持，为众多安全应用提供高精度雷达成像，且无需外部处理器。 （图片来自：Vayyar） Vayyar的XRR芯片具有非常出色的射程、分辨率和性能。凭借超宽视场和丰富的4D点云成像，XRR芯片可在单芯片平台上提供多种功能，支持数十种ADAS、ARAS和无人驾驶功能，使得车辆无需多个昂贵传感器，从而可减少成本、复杂性、硬件、软件、功耗、布线和集成工作。 多射程XRR芯片提供0至300米的射程，可区分

  设计 /

  据外媒报道，近日，科学家们发明了一种仿生复眼，能够在一定程度上帮助科学家了解昆虫是如何利用自己的复眼快速感知物体以及物体的运动轨迹。此外，该种复眼还可与摄像头一起工作，为机器人、 无人驾驶 汽车和无人机创建3D定位系统。 （图片来自：天津大学） 中国天津大学的研究人员表示他们研发出一种仿生复眼，该种眼睛不仅看起来像昆虫的眼睛，而且工作起来也与昆虫的眼睛类似。复眼由数百至数千个相同的小眼组成，而且每一个小眼都是一个独立的感光单位。 研究小组中一名成员表示：“模仿昆虫的视觉系统让我们大家都知道，与人类视觉系统中利用精确图像来探测物体的轨迹不同，昆虫会根据物体发出的光的强度来探测物体的轨迹。此种运动探测法需要的信息更少，可以让昆虫快速对威胁

  汽车等创建3D定位系统 /

  知情的人偷偷表示，根据最新的变化，苹果希望最早在2028年推出电动汽车，比其最近的预测约晚两年。苹果公司发现无法在可预见的未来完成全自动驾驶汽车后，转而开发更基本的驾驶辅助功能，向特斯拉现有的水平看齐。 吵了近十年的Apple Car，现在终于面临到关键抉择点，他们决定放弃没办法实现的全无人驾驶野心，改用更实际一点的设计，目标就是让这个2014就启动的项目，可以在2028年产出真正的成果。 尽管这两年有许多媒体和分析师喊线年推出Apple Car，可惜事与愿违，不仅如此，即使苹果放弃全自动驾驶，但他们的Apple Car上市时间还是往后推迟，最新的时间表已经推后到2028年。 2014年启动的Apple C

  的新特性

  中的应用与难点

  深度学习训练营：21天实战TensorFlow+Keras+scikit-learn (张强)

  直播回放：自动驾驶和AI的起点——毫米波雷达与3D ToF 解决方案

  直播回放: Keysight World Tech Day 2023 - 汽车无人驾驶与新能源

  有奖征文：邀一线汽车VCU/MCU开发工程师，分享开发经验、难题、成长之路等

  MPS电机研究院 让电机更听话的秘密！ 第一站：电机应用知识大考！第三期考题上线，跟帖赢好礼~

  3 月 6 日消息，根据韩国市场调研机构 SNE Research 发布的最新报告，2024 年 1 月全球电动汽车电池总装机量为 51 5 GWh，相比 ...

  毫米波雷达传感器融合的困境问题不在于毫米波没办法识别静态物体，而是在于毫米波自己分辨率低，噪声多，无法正确识别静态物体的位置，也很难 ...

  车载以太网协议介绍：AI的发展线引言车载以太网的概念：车载以太网是一种专为汽车内部通信而设计的网络技术，它基于传统的以太网标准做改进和优化，以满足汽车行业中对 ...

  3月7日消息，SK On首席执行官李硕熙表示，该公司已完成了自己的磷酸铁锂（LFP）电池的开发，计划于2026年开始生产。他表示，虽然中国公 ...

  百年前，魏源在其著作《海国图志》中提出“师夷长技以制夷”，呼吁学习西方先进的技术，以抵抗列国侵略。百年后，中国非公有制企业筚路蓝缕、栉风 ...

  有奖直播：ADI数字主动降噪耳机方案 8月6日上午10:00-11:30 邀您聆听让技术为我们静下来

  站点相关：动力系统底盘电子车身电子信息及娱乐系统安全总线与连接车用传感器/MCU检测与维修其他技术行业动态