自動駕駛汽車需要高精度組合導航係統

文章出處：新聞資訊責任編輯：开云体育网页登录發表時間：2024-12-04 15:51:37

放手是汽車行業(ye) 發展的必然趨勢。隨著越來越多的智能駕駛功能成為(wei) 汽車的出廠標配，如何提高自動駕駛汽車的安全性和準確性？什麽(me) 將支持自動駕駛車輛的整體(ti) 路徑規劃？這些已成為(wei) 汽車行業(ye) 的共識問題。

什麽是高精度組合導航係統？

自動駕駛汽車沒有集成導航係統的缺點

我們(men) 以限製場景下自動停車的實現為(wei) 例。高精度組合導航係統依賴於(yu) 傳(chuan) 感器係統返回的周圍環境數據。處理中心代替人腦向控製係統發出指令。最終通過執行器實現自動停車。然而，隨著停車場景的擴大，道路複雜程度不斷增加。僅(jin) 由傳(chuan) 感器係統收集的數據不足以支持更高級別的駕駛策略。

高精度組合導航係統用於(yu) 無人車導航測試

在自動駕駛中的作用

如果把地圖導航和視覺傳(chuan) 感器比作汽車的“眼睛和耳朵”，那麽(me) 高精度組合導航係統則可以視為(wei) 無人駕駛係統的“小腦”，增加了“整體(ti) 控製和平衡”的能力。 ”到車上。通常以GNSS獲取定位衛星信號，輔以地麵參考站差分信號，結合INS測量車輛自身三軸加速度和三軸角速率進行軌跡估計。這三種方法協同工作，可以準確捕獲車輛周圍環境、路況和行駛軌跡的信息。

為什麽GNSS+RTK+INS能夠賦予汽車“全局掌控”的能力？

GNSS/全球導航衛星係統

GNSS 也稱為(wei) 全球衛星導航係統。它為(wei) 用戶提供全天候的三維坐標、速度、空間和時間信息，如中國的北鬥和美國的GPS。高精度 GNSS 測量需要使用載波相位觀測。

RTK/實時運動定位

RTK定位技術是一種基於(yu) 載波相位觀測的動態定位技術。它可以進行實時差分改正，提供地球坐標係下的三維定位結果，精度達到厘米級。高精度衛星差分定位技術高度依賴無線信號和通信鏈路。

INS/慣性導航係統

如果在城市峽穀、林蔭道、立交橋下等信號差的場景中行駛，慣性導航係統將在汽車“盲區”時發揮非常重要的作用。當沒有GNSS信號時，INS主要依靠慣性測量單元（IMU）中的三軸MEMS加速度傳(chuan) 感器、三軸陀螺儀(yi) 和求解電路。 IMU根據DR算法輸出車輛的定位和姿態數據，並計算下一時刻的導航狀態。

IMU/慣性測量單元

標定技術幫助IMU實現最大性能

高精度IMU在性能要求上有一個(ge) 特點，那就是“沒有盡頭”。除了汽車行業(ye) 之外，IMU還應用於(yu) 機器人自主移動等領域，例如基於(yu) 視覺的實時定位和地圖構建（VSLAM/VIO）。 VSLAM/VIO基於(yu) 攝像頭獲取RGB和地圖深度信息，同時還集成了IMU傳(chuan) 感器用於(yu) 定位輔助。

DAISCH做了一些性能對比測試。兩(liang) 個(ge) 陀螺儀(yi) 零偏置不穩定性分別為(wei) 3.5°/h 和 6.3°/h 的 MEMS IMU 與(yu) 雙目視覺相結合，用於(yu) VSLAM 構建。測試結果表明，在嚴(yan) 格控製其他變量的情況下，隨著步行距離（每圈約550m）的增加，不同樣本的軌跡渲染性能會(hui) 出現較大差異。

根據50次重複測試的對比數據，零偏不穩定度為(wei) 3.5°/h的樣品A在準確性和重複性方麵具有顯著優(you) 勢。其誤差經過累加後表現出較好的穩定性。在沒有輪速裏程表輔助的場景中，依然可以實現5米左右的箱圖分布。

為什麽需要校準？

IMU基於(yu) DR算法輸出車輛定位和姿態數據。 DR算法的精度取決(jue) 於(yu) IMU中陀螺儀(yi) 和MEMS加速度計的精度。由於(yu) 計算模塊積分計算時存在累積誤差，誤差會(hui) 隨著時間的增加而線性增大。此外，在實際應用中，高頻振動還會(hui) 降低INS組件中IMU硬件的可靠性和精度。這是汽車場景對高精度IMU標定技術需求不斷增加的主要原因。

實驗數據表明，校準後隨溫度漂移的零偏誤差可降低至0.01dps，較校準前提高1-2個(ge) 數量級。在傳(chuan) 感器的全量程內(nei) ，比例因子誤差範圍可從(cong) 3%降低到0.3%，提高了1個(ge) 數量級。正交誤差也可以從(cong) 1%降低到0.01%，提高了2個(ge) 數量級。