高精度地圖一定是匹配高精度定位來使用的，如果車輛定位本身精度不高，就類似于你獲得了碧血?jiǎng)ψV，但是沒有自宮，這個(gè)武功是沒有辦法學(xué)會的。

高精度定位與高精度地圖緊密聯(lián)系，為自動駕駛汽車路線規(guī)劃，道路感知，駕駛控制提供支持，首先，高精度地圖數(shù)據(jù)的采集、處理、以及地圖的建模都需要以高精度的位置坐標(biāo)作為框架。高精度地圖中道路和場景是自動駕駛汽車感知和決策的數(shù)據(jù)基礎(chǔ)，若在制圖過程中位置標(biāo)定出現(xiàn)誤差，就有可能造成自動駕駛系統(tǒng)的判斷失誤。

其次，以高精度地圖為基礎(chǔ)，結(jié)合感知匹配實(shí)現(xiàn)高精度的自主導(dǎo)航定位，在定位信號中斷或不穩(wěn)定的情況下，保證自動駕駛汽車仍明確知曉車輛在當(dāng)前環(huán)境中的準(zhǔn)確位置。而高精度地圖與高精度定位相結(jié)合，車輛能夠提供了解當(dāng)前位置可能的道路特征情況，調(diào)高傳感器的識別精度，降低對于傳感器的性能要求。

前面說了普通GPS的定位精度只能到5-10米左右的絕對精度，做的相對比較好的可以做到5米左右，但是無法充分滿足自動駕駛汽車對高精定位的要求，需要尋求其他輔助手段來提高定位精度。

RTK絕對位置高精度定位

RTK——“地面上的衛(wèi)星定位系統(tǒng)”。RTK技術(shù)指實(shí)時(shí)動態(tài)載波相位差分技術(shù)， 通過地面基準(zhǔn)站與流動站之間的觀測誤差，實(shí)現(xiàn)分米乃至厘米級的高精度定位。衛(wèi)星定位的誤差難以避免，而地面上某些固定點(diǎn)位的絕對位置坐標(biāo)是可以相對精確給定的——例如特定的地理坐標(biāo)點(diǎn)、衛(wèi)星接收站等，以該點(diǎn)位為中心的20-40km半徑范圍內(nèi)，對流層、電離層等環(huán)境干擾對衛(wèi)星信號的干擾方向和程度基本一致。

因此這類點(diǎn)位作為RTK中的“基準(zhǔn)站”，協(xié)助附近的運(yùn)動物體一一“流動站”矯正衛(wèi)星定位的結(jié)果。簡要流程如下：

一、基準(zhǔn)站將衛(wèi)星定位結(jié)果與已有精確坐標(biāo)比對，計(jì)算出此時(shí)該區(qū)域的衛(wèi)星定位的綜合誤差；

二、基準(zhǔn)站將該誤差數(shù)據(jù)發(fā)送給附近的流動終端；

三、流動站收到誤差數(shù)據(jù)，矯正自身衛(wèi)星定位結(jié)果， 實(shí)現(xiàn)厘米至亞米量級定位精度。

簡單點(diǎn)理解，就是增加了一些基站，類似移動4G這樣的基站，這個(gè)基站是專門用來做高精度輔助定位的，此時(shí)就需要在車上增加RTK接收的天線，同時(shí)這個(gè)RTK類似于移動收費(fèi)一樣，用戶需繳服務(wù)費(fèi)獲得差分修正數(shù)據(jù)，這筆錢要交給地基增強(qiáng)網(wǎng)運(yùn)營商。

從RTK原理可以看出，除了設(shè)備和技術(shù)本身，RTK定位精度還取決于基站絕對位置的精度，以及距基準(zhǔn)站的距離。RTK的供應(yīng)商國內(nèi)第一的就是千尋，全國建立超過2600個(gè)地基增強(qiáng)站，這個(gè)可以在很多位置可以覆蓋高精度定位。

是不是看起來非常理想，通過RTK就可以解決高精度定位，還是太年輕，想想RTK的本質(zhì)還是需要接收到GPS信號，同時(shí)結(jié)合接收RTK的基站信號，成本這里就不談了，需要增加接收差分信號接收天線和模塊，關(guān)鍵你怎么保障你車子行駛的位置都有GPS和RTK基站信號。

首先來看GPS信號接收比較困難，是因?yàn)樾l(wèi)星的發(fā)射功率并不大，信號到達(dá)地面時(shí)已經(jīng)很弱。這種信號強(qiáng)度相當(dāng)于1.6萬公里外一個(gè)25瓦的燈泡發(fā)出的光。再做個(gè)比喻，它比電視機(jī)天線所接收到的功率還要低10億倍，所以在隧道、樹木茂密、高樓林立的地方，雖然天空中有7-8顆衛(wèi)星，但是至少需要接收到4顆衛(wèi)星及以上才能定位。

此時(shí)經(jīng)過信號的反射多路徑干擾，隧道的衰減等等，所以在這些天橋、隧道、樹木茂密等駕駛環(huán)境下GPS搜不到信號也是正常。

我們再來看看RTK的一個(gè)基站覆蓋的范圍是20-40KM，而且基站建立的成本也不低，主要在城市道路或者常用的高速道路附近有基站，所以不能完全保證在所有道路上都能定位，碰上GPS信號不好，而且RTK基站也不能覆蓋的地方，難道就繳械投降了？

不著急，我們還有一種方式定位，IMU慣性導(dǎo)航定位，專門就是用來應(yīng)對這些場景的。

IMU實(shí)現(xiàn)不依賴外部信息的自主導(dǎo)航 慣性導(dǎo)航

IMU即慣性策略單元，是組成慣性導(dǎo)航系統(tǒng)的設(shè)備單元， 是組成慣性導(dǎo)航系統(tǒng)的設(shè)備單元，由陀螺儀、加速計(jì)、算法處理單元三部分組成。陀螺儀與加速計(jì)分別測量角度、加速度信息。不依靠外界的信息輸入，慣性導(dǎo)航系統(tǒng)可以向自動駕駛汽車提供航向、姿態(tài)、速度、位置等導(dǎo)航參數(shù)， 是高精定位不可或缺的一部分。IMU提供信息的維度稱為自由度(DOF) ， 三軸(x軸、y軸、z軸) 陀螺儀加三軸加速計(jì)， 組成六自由度IMU， 也稱六軸IMU。再加上用于測量相對于地球磁場方向的三軸磁強(qiáng)計(jì)組成九自由度IMU， 也稱九軸IMU。IMU提供的信息與汽車輪速記、方向盤轉(zhuǎn)角等信息有重疊， 為自動駕駛汽車感知方位與姿態(tài)提供冗余信息。

有點(diǎn)難懂，我們從網(wǎng)上找到比較簡單容易理解的方式；

當(dāng)我們晚上回到家，發(fā)現(xiàn)家里停電時(shí)，眼睛在黑暗中什么都看不見的情況下，只能根據(jù)自己的經(jīng)驗(yàn)，極為謹(jǐn)慎地走小碎步，并不斷用手摸周圍的東西（比如冰箱），用以確定自己所在的位置。

IMU的原理和黑暗中走小碎步很相似。

在黑暗中，由于自己對步長的估計(jì)和實(shí)際走的距離存在誤差，走的步數(shù)越來越多時(shí)，自己估計(jì)的位置與實(shí)際的位置相差會越來越遠(yuǎn)。

就像下圖所示。

走第一步時(shí)，估計(jì)位置（黑人所在位置）與實(shí)際位置（白人所在位置）還比較接近；但隨著步數(shù)增多，估計(jì)位置與實(shí)際位置的差別越來越大。

圖中的小人只朝一個(gè)方向移動，是一維的。根據(jù)此方法推廣到三維，就是慣性測量單元的原理。

學(xué)術(shù)上的語言是：以牛頓力學(xué)定律為基礎(chǔ)，通過測量載體在慣性參考系的加速度，將它對時(shí)間進(jìn)行積分，且把它變換到導(dǎo)航坐標(biāo)系中，就能夠得到在導(dǎo)航坐標(biāo)系中的速度、偏航角和位置等信息。

所以看到這個(gè)慣性導(dǎo)航，實(shí)際就是根據(jù)牛頓力學(xué)，在GPS失去信號的時(shí)候，根據(jù)當(dāng)前的位置，前進(jìn)的速度，方向和角度，自己建立一個(gè)坐標(biāo)系，算出一個(gè)預(yù)估的位置，輸出給導(dǎo)航地圖一個(gè)經(jīng)緯度位置，實(shí)現(xiàn)自主導(dǎo)航，從圖片中也可以看到，這個(gè)有一個(gè)確定，這個(gè)可以短時(shí)間使用，如果長時(shí)間使用的話，這個(gè)位置累積偏移會非常嚴(yán)重。如果要測試一個(gè)IMU的自主導(dǎo)航的偏移度怎么樣，就應(yīng)該長時(shí)間失去GPS信號的情況下去測試，此時(shí)最合適的就是長長的隧道，所以為什么臺北的雪山隧道，這么受到車廠的測試愛戴，因?yàn)樗L約12.9公里，完全有這么長的時(shí)間測試IMU的偏移度。

IMU在自動駕駛汽車高精定位中的作用：協(xié)助GPS定位與無外部信號自主導(dǎo)航。IMU在自動駕駛過程中時(shí)刻發(fā)揮著作用：GPS信號的更新頻率為10Hz——也就是每0.1秒更新一次GPS定位信息， 而IMU設(shè)備的更新頻率在100Hz以上， 在兩次GPS信號更新之間， 自動駕駛汽車可以結(jié)合IMU提供的車輛方位、姿態(tài)、速度等信息推算汽車的精確位置，實(shí)現(xiàn)高頻率高精度定位，滿足自動駕駛汽車對實(shí)時(shí)定位的要求。

而在無定位信號或弱定位信號區(qū)域， 自動駕駛汽車可以通過IMU實(shí)現(xiàn)短時(shí)間自主導(dǎo)航——這是IMU在自動駕駛高精定位環(huán)節(jié)發(fā)揮的另一重要作用。例如，當(dāng)自動駕駛汽車駛?cè)胨淼?、山路等信號較弱路段，或接收電磁波信號、光信號(用于攝像頭識別)受到強(qiáng)烈干擾導(dǎo)致設(shè)備無法正常工作時(shí)，汽車保留最后一次穩(wěn)定接收到的定位數(shù)據(jù)， 基于IMU提供的參數(shù)信息計(jì)算汽車在弱信號路段的具體位置， 結(jié)合高精地圖數(shù)據(jù)實(shí)現(xiàn)自主導(dǎo)航。但I(xiàn)MU的計(jì)算誤差會隨時(shí)間增大， 因此強(qiáng)調(diào)是在一定時(shí)間范圍內(nèi)的自主導(dǎo)航。

跑在控制器上的軟件對信息的處理流程在時(shí)間維度上類似下圖。在0~100ms的周期中，使用IMU進(jìn)行9次位置的估計(jì)，待新的GPS定位數(shù)據(jù)進(jìn)來時(shí)，則進(jìn)行修正，以此實(shí)現(xiàn)高頻率的定位結(jié)果輸出。

就這樣，GPS與IMU便相輔相成地實(shí)現(xiàn)了無人車的穩(wěn)定定位,就能解決我們前面提到的定位刷新頻率≥100HZ的問題。

到這里了，高精度定位絕對位置的倚天和屠龍都已經(jīng)亮出來了，我們看看首先是RTK在GPS信號和基站信號的情況下可以實(shí)現(xiàn)2-30cm的高精度定位，而IMU慣性導(dǎo)航，可以彌補(bǔ)GPS定位缺陷，精確感應(yīng)定位和車身姿態(tài)，IMU全天候工作，受外界干擾小，短期精度和穩(wěn)定性好，數(shù)據(jù)更新頻率高，劣勢就是自動駕駛的IMU的成本需要非常高。

其實(shí)這里也可以看到RTK使用有很多痛點(diǎn)：

第一，用戶購買終端硬件貴，差分技術(shù)及元器件實(shí)際上過去是應(yīng)用測繪行業(yè)，硬件成本高。

第二，用戶需繳服務(wù)費(fèi)獲得差分修正數(shù)據(jù)，這筆錢要交給地基增強(qiáng)網(wǎng)運(yùn)營商。

第三，用戶需繳通訊流量費(fèi)用于用戶端與增強(qiáng)系統(tǒng)間的數(shù)據(jù)傳輸，這筆錢要交給4G運(yùn)營商。

第四，數(shù)據(jù)保密問題，地基增強(qiáng)網(wǎng)是雙向數(shù)據(jù)，用戶位置數(shù)據(jù)會被運(yùn)營方自動無償獲取。

第五，使用范圍有限制：只在差分站覆蓋范圍內(nèi)，實(shí)際上有保障可用信號的范圍目前還非常有限。

第六，由于技術(shù)復(fù)雜，導(dǎo)致維權(quán)法律上取證難度大。出現(xiàn)事故后，在衛(wèi)星網(wǎng)絡(luò)、地基增強(qiáng)網(wǎng)絡(luò)、3G/4G運(yùn)營商、終端設(shè)備供應(yīng)商之間難以鑒別劃分責(zé)任。

總結(jié)下來從車廠還有用戶角度出發(fā)的最關(guān)鍵痛點(diǎn)是：

用戶終端硬件貴

需繳服務(wù)費(fèi)和通信費(fèi)：獲得差分修正數(shù)據(jù)

使用范圍有限制：差分站和通訊網(wǎng)絡(luò)覆蓋范圍內(nèi)

其實(shí)在這里除了RTK這樣的屠龍，還有一種葵花寶典的RAC技術(shù)。在最近的2020智能網(wǎng)聯(lián)汽車C-V2X“新四跨”暨大規(guī)模先導(dǎo)應(yīng)用示范活動在上海國際汽車城測試場，本次“新四跨”大規(guī)模測試驗(yàn)證的17個(gè)實(shí)現(xiàn)車路協(xié)同的場景，絕大多數(shù)都要求車輛具有高精度的實(shí)時(shí)定位能力。在不依賴車載雷達(dá)和視覺的條件下，高精度衛(wèi)星定位已成為不可或缺的技術(shù)方案。

此次新四跨大規(guī)模實(shí)際道路測試和現(xiàn)場公開演示中，百度Apollo，PSA等多家廠商經(jīng)過大規(guī)模測試選用搭載RAC，駕駛精度和駕駛體驗(yàn)都優(yōu)于RTK，得到體驗(yàn)專家和媒體的高度評價(jià)。

RAC就是多陣列天線去接收GPS信號，通過算法來實(shí)現(xiàn)精度的提高。

可以看到用戶使用RAC的BOM成本低，無需差分修正數(shù)據(jù)支持，所以不需要流量費(fèi)用，數(shù)據(jù)可以得到很好的保密，只為用戶和車廠所有，使用范圍也廣，在城市環(huán)境，樹木遮擋、高架橋下、RAC動態(tài)穩(wěn)定性魯棒性比RTK好。

高精度定位相對定位

絕對位置定位是以地球?yàn)閰⒖枷?，相對位置定位以?dāng)前駕駛場景為參考系，相對位置定位思路和人類駕駛過程更為類似：人類駕駛員在駕駛過程中，通過視覺觀察周圍場景中的物體，包括建筑、路緣、標(biāo)志線等，經(jīng)過對比判斷車輛在當(dāng)前場景中的位置。

類似的，自動駕駛汽車通過高清攝像頭、激光雷達(dá)等感知設(shè)備獲取周圍場景內(nèi)物體的圖像或反射信號，將其與事先采集的高精度地圖數(shù)據(jù)進(jìn)行匹配，從而獲得車輛當(dāng)前位置的精確估計(jì)。

相對位置定位可以分為（激光雷達(dá)）點(diǎn)云匹配和視覺定位兩大技術(shù)路線。點(diǎn)云匹配以激光雷達(dá)為核心；激光雷達(dá)向外發(fā)射激光脈沖，從地面或者物體表面發(fā)射形成多個(gè)回波返回進(jìn)行匹配，實(shí)現(xiàn)汽車當(dāng)前場景的高精度定位。目前主流的匹配算法包括概率地圖與NDT（正太分布變換）算法兩種，代表玩家如google、HERE、TomTom。

視覺定位以攝像頭為核心，分為兩種路徑：視覺匹配和視覺里程定位，視覺匹配通過提取圖像中的道路標(biāo)識、車道線等參照物體與高精度地圖進(jìn)行匹配，實(shí)現(xiàn)精準(zhǔn)定位，代表玩家如特斯拉、Mobileye、英偉達(dá)。基于視覺里程算法的定位技術(shù)以雙目攝像頭為主，通過圖像識別以及前后兩幀圖像之間的特征關(guān)系來計(jì)算車輛當(dāng)前的位置，但該方案依賴攝像頭的成像質(zhì)量，在光線不佳、視線遮擋等環(huán)境下定位可靠性有待考量，一般不會單獨(dú)使用。

如何利用高精度地圖和高精度定位來進(jìn)行“導(dǎo)航”

當(dāng)前自動駕駛導(dǎo)航過程可以簡要分為三個(gè)階段：路線級規(guī)劃、車道級規(guī)劃、自動駕駛控制。路線級規(guī)劃通過導(dǎo)航地圖確定具體行駛路線，考慮交通方式、路線距離、交通狀況、途徑地點(diǎn)等，是點(diǎn)到點(diǎn)的粗略規(guī)劃。車道級規(guī)劃依靠高精度地圖，根據(jù)給定的路線確定具體的形式方案，包括車輛起步和停止、速度限制、車道保持與變道、車道坡度等。在自動駕駛控制階段，系統(tǒng)依據(jù)具體的行駛方案控制汽車，實(shí)現(xiàn)自動駕駛。

具體到自動駕駛的控制，我們可以將自動駕駛流程分為“感知層-決策層-執(zhí)行層”，高精地圖橫跨“感知層”和“決策層”。在感知層，車輛通過攝像頭、毫米波雷達(dá)、激光雷達(dá)等設(shè)備獲取周圍場景信息，實(shí)現(xiàn)周圍感知；將周圍場景信息與高精度地圖進(jìn)行比對，確定車輛相對位置，并通過GNSS、RTK 定位、慣性導(dǎo)航系統(tǒng)確定自身姿態(tài)、速度和絕對位置，共同實(shí)現(xiàn)自我感知。感知信息進(jìn)入決策層，算法將依據(jù)高精地圖、車聯(lián)網(wǎng)技術(shù)提供的多維度信息對具體駕駛問題做出判斷、輸出車輛控制信號并交給執(zhí)行層執(zhí)行。

①感知層首先要感知周圍環(huán)境，高精地圖用于環(huán)境感知，能夠與激光雷達(dá)、攝像頭等感知設(shè)備輸出結(jié)果形成冗余，提高識別的準(zhǔn)確度。此外，高精地圖信息能夠?yàn)楦兄O(shè)備識別提供輔助信息。例如，通過高精度地圖，已知汽車在當(dāng)前位置附近有紅綠燈，再通過攝像頭、雷達(dá)設(shè)備感知該紅綠燈存在的準(zhǔn)確率能夠有所提升。

②除了感知周圍環(huán)境，自動駕駛的車輛同時(shí)要實(shí)現(xiàn)自我感知，即知道“我在哪”。利用高精度地圖&高精度定位（絕對位置+相對位置）是自動駕駛汽車定位解決方案的定位模式。

以激光雷達(dá)點(diǎn)云匹配的定位方案為例：一方面，車載激光雷達(dá)掃描獲得點(diǎn)云數(shù)據(jù)，并提取數(shù)據(jù)中包含的環(huán)境特征；另一方面，車輛從“ GNSS + RTK + IMU ”定位組合中獲得車輛位置的預(yù)測值，從高精地圖中獲取該位里附近的環(huán)境特征，之后將掃描識別的環(huán)境特征與高精地圖記述的環(huán)境特征做匹配融合，獲取車輛當(dāng)前場景下精確的位置信息。高精定位方案中，共有三部分相互重盈的定位子系統(tǒng)：

一、衛(wèi)星定位，包括RTK 定位技術(shù)、地基增強(qiáng)網(wǎng)絡(luò)等；

二、航位推算引擎，包括 IMU 、車身里程計(jì)、以及車輛控制系統(tǒng)的總線信息；

三、基于高精地圖的相對位置。

三部分之間信息相互藕合，結(jié)果相互冗余，從而保證定位的精度和可靠性。

我們來看看行業(yè)最具代表性的百度Apollo 2.0的多傳感器高精度定位的實(shí)現(xiàn)方式。

按照百度 APollo的劃分，適用于自動駕駛汽車的定位技術(shù)可由六部分組成，分別為：慣性導(dǎo)航（定位）、衛(wèi)星定位、磁力導(dǎo)航（定位）、重力導(dǎo)航（定位）、激光點(diǎn)云定位、視覺定位。不同部分之間優(yōu)勢互補(bǔ)，定位結(jié)果之間相互重疊以矯正誤差，提高定位精度和魯棒性。

以 Apollo2.O 多傳感器融合定位模塊為例，以IMU為基礎(chǔ)的慣性導(dǎo)航解算子模塊、以地面基站和車端天線為基礎(chǔ)的 GNSS 定位子模塊、以及以激光雷達(dá)、高精地圖為基礎(chǔ)的點(diǎn)云匹配子模塊相互融合，輸出一個(gè) 6 DOF（自由度）位置和姿態(tài)信息，并且融合結(jié)果反饋給 GNSS 定位和點(diǎn)云定位子模塊，提高兩定位模塊的精度。在該框架中， GNSS定位模塊向系統(tǒng)提供車輛絕對位置信息，而點(diǎn)云定位模塊向車輛提供相對距離、相對位置信息。

③感知完周邊環(huán)境和自我位置之后，高精度地圖接下來用于進(jìn)行決策支持。在規(guī)劃與決策層面，高精地圖除了用于自動駕駛汽車車道級別的線路規(guī)劃外，還能夠?yàn)闆Q策和識別算法提供支持。例如，當(dāng)車輛駛近人行橫道——高精地圖上標(biāo)注的“興趣區(qū)”時(shí)，識別算法將提前進(jìn)行模型比較，提高對各類行人姿態(tài)的識別準(zhǔn)確率，同時(shí)降低車速，避免事故的發(fā)生。

由于自動駕駛需要極高的安全性，因此系統(tǒng)的魯棒性非常重要，由于攝像頭、激光雷達(dá)、毫米波雷達(dá)、高精度地圖都有信息缺失或者不能及時(shí)獲取的可能，因此各種傳感器的信息相互補(bǔ)充，互為冗余就非常重要了。高精地圖和感知層（激光雷達(dá)、毫米波雷達(dá)、攝像頭）一起構(gòu)成了信息冗余的組成環(huán)節(jié)，信息冗余確保自動駕駛的魯棒性。高精地圖提供的部分道路和環(huán)境信息，例如道路細(xì)節(jié)信息、交通標(biāo)志等，與自動駕駛汽車通過攝像頭、激光雷達(dá)等感知設(shè)備獲取的信息存在重疊，達(dá)到“信息冗余”狀態(tài)。一方面，冗余信息確保車輛在遇到惡劣環(huán)境、信號不佳、識別錯(cuò)誤等非常規(guī)狀況時(shí)能夠依靠多余信息實(shí)現(xiàn)正確駕駛決策，確保自動駕駛的“魯棒性”。另一方面，信息冗余為相對位置定位提供支持。通過將實(shí)時(shí)感知信息與高精地圖信息進(jìn)行對比，汽車可以獲取當(dāng)前行駛的相對位置，與基于GNSS 等技術(shù)手段的絕對位置定位互補(bǔ)，構(gòu)成另一層次的“信息冗余”。