CiDi 知识银行 | 失去定位,无人驾驶将驶向何方?

发布时间:2022-05-17 10:40:02
邱月、李瑞涵
1.jpg

     
 

希迪智驾多重冗余传感器定位算法方案帮助车辆高精度运行完成自动驾驶任务,解决了整个行业的难点。


图片



也许你并没有想过,当今社会如此发达,如果只是关闭全球导航卫星系统(GNSS),会有什么后果?


是的,全世界的人类文明都会停摆。


关闭导航卫星的第一个小时,全球所有正在飞行的飞机立刻会失去方向,没有地方降落,甚至发生碰撞。海上的船只也是一样,只能在海上随处漂泊。


关闭导航卫星的第一天,陆地交通全部瘫痪,司机只能使用路标或地图,火车站将不再能看到“即将到来”的列车时刻表,运营商无法通过手机信号定位呼叫者,无法快速派遣救援服务或警车。


关闭导航卫星的第一周,港口交通堵塞,集装箱起重机无法有序卸载货物。“无库存”使超市货架缺货、物流系统停止运作。材料不能到位,工厂全部关闭,农业、建筑、渔业和勘测全部受到影响。


关闭导航卫星的第一个月...


只靠卫星定位就万事大吉?


在城市高楼中行走迷路,我们往往会打开高德地图看看自己在哪里,而高德地图实时定位就依靠于全球导航卫星系统(GNSS)。无人驾驶车也一样,如果他都不知道自己在哪,如何实现自动驾驶,那给汽车装上手机导航定位系统是不是就可以了?答案是否定的。

2.jpg


平时使用高德地图,你有没有遇到过自己的实际位置和手机定位位置并不一致的情况,内心瞬间崩溃~

这就体现出了全球导航卫星系统(GNSS)的局限性:很容易受到周边环境及天气不好带来的的信号干扰。手机导航定位系统的定位精度在1~3米,且在高楼、山谷间精度更差,如果无人驾驶车和手机导航定位有着同样的定位精度,估计车祸每天都在上演,无人驾驶车辆可能随时走错岔路、撞向障碍...因此无人驾驶车需要更精准的厘米级精度。

图片


让我们尝试缩小误差

全球卫星系统基于信号的定位,采用飞行测距法获取汽车与卫星间的距离,这个方法并不是直接测量汽车与卫星间的距离,而是先统计信号的飞行时间,也就是信号从卫星传播到你的卫星定位接收器需要的时长,再通过将光速乘以这个时间来计算卫星与汽车的距离,最后使用三球定位原理得到汽车的空间绝对位置。

3.jpg

光速数值很大,即使有很细微的时间误差,得出的定位结果也与事实差之千里,这就是你用手机地图导航常常感到崩溃的原因。


既然只靠全球卫星导航不能满足无人驾驶对定位对精准性的要求,那我们来加点码。


RTK实时动态定位

我们在地面建立一些基站,所有基站都可以明确自己的实际定位,同时接收来自卫星传来的位置信号。当卫星传输的位置信号有误差时,基站就可以计算出误差并且传递给无人驾驶车辆的信号接收器,从而使无人驾驶车辆及时修正自身的定位结果。这种方法可以将卫星的定位误差稳定在10cm内。


4.jpg


一旦汽车在山谷、高楼间行驶,卫星定位信号即使精准也会被障碍物阻挡变得很微弱,信号更新频率也降至每秒10次。而自动驾驶汽车在快速移动的行驶过程中需要更新更稳定、高频率的定位信息,所以即使有RTK辅助定位,全球卫星导航系统也无法使定位顺利进行。


图片

那么我们来转变一个思维方向

全球卫星定位也好、RTK的配合也好,实现的是无人驾驶车辆的绝对定位。


但是,如果我们所处的环境,没有任何卫星定位信号,没有任何RTK基站,比如1000米深的井下矿,比如长隧道。那自动驾驶车辆该如何行走?


不用着急,我们可以让相对定位来解决这个问题。车辆根据自己的历史移动轨迹或周围固定建筑、物体的位置来判断实时相对定位,在隧道、峡谷或其他卫星信号微弱的路段,也不会走投无路。


5.jpg


这也是希迪智驾自动驾驶系统最核心的技术之一。


IMU惯性导航


车辆在路上匀速直线行驶,根据车辆的初始位置、行驶速度及时长,可以计算出车辆的当前位置。如果我们可以获取车辆的加速度、初始速度和初始位置,任何时间点的车速及位置都可以计算得出。怎样获取加速度成为解决问题的关键。


为获得车辆加速度,并将根据车辆坐标系记录的测量结果转换为世界坐标系,我们需要用到”三轴加速计“和”三轴陀螺仪“,两种传感器是组成IMU(惯性测量单元)的主要组件。陀螺仪利用 coriolis 定理,将旋转物体的角速度转换成与角速度成正比的直流电压信号,其核心部件通过掺杂技术、光刻技术、腐蚀技术、LIGA技术、封装技术等批量生产的,它主要特点是:


1. 体积小、重量轻,其边长都小于 1mm,器件核心的重量仅为1.2mg。

2. 成本低

3. 可靠性好,工作寿命超过 10 万小时,能承受1000g 的冲击。

4. 测量范围大


IMU(惯性测量单元)以1000赫兹的高频更新来提供最接近实时的位置信息,但它也有一定缺陷——其运动误差会根据时间的增加累计,所以我们只能短时间范围内使用它进行定位。当无人驾驶车辆结合全球导航卫星系统(GNSS)和IMU定位时,IMU可以弥补导航卫星更新频率较低的缺陷,导航卫星也可以纠正IMU的运动误差。


帮助无人驾驶车辆自己“看”清周围


想象一下汽车拥有视觉甚至可以看清周围建筑、障碍物形状时的交通世界,这个世界会彻底颠覆人类以往的出行方式。曾经需要我们来判断的交通状况,现在汽车自己就能帮我们解决,我们可以完全放空自己的双眼,在车上看书、工作、打王者...


6.png


摄像头成本较低、种类繁多且易于使用,可以收集到简单的图像数据,以此可以判断道路景象、建筑及障碍。


而激光雷达(LiDAR)发射出一束激光来探测目标的位置,反射回来的无数信号点形成点云。首先这些点会根据物体的形状反馈回不同的位置、距离信号,车辆就能感知到周围障碍物的具体形状;其次激光雷达随着车辆移动将反馈周围障碍物的实时点云,对两次点云扫描结果进行匹配,车辆就可以得出这个时间段的位移及姿态。


LiDAR定位效果确实稳健,但是难以构成高精度地图并使其保持最新。每个地图上都包含瞬时元素,路过的汽车、行人甚至障碍物,下一次车辆路过同一场景时都有可能早已消失,世界上的所有元素都在发生变化。图像实现精确定位难度就更大了,虽然数据容易获得,但缺乏三维信息,依赖其他卫星、传感器、三维地图的定位结果。


图片


希迪智驾

让自动驾驶汽车拥有精准“上帝视角”

希迪智驾开创性推出融合式导航定位系统,系统融合GNSS、IMU、LiDar、视觉、轮速计等多传感器信息,实现优势互补,在不同场景环境下,提供高精度、高可靠性的定位信息,可满足自动驾驶商用车研发的技术要求,多重冗余传感器定位算法方案帮助车辆高精度运行完成自动驾驶任务,解决了整个行业的难点。


7.jpg

希迪智驾定位系统应用场景:开放道路定位


我们的定位系统可以做到:

  • 提供精准全局定位

  • 提供精准相对定位

  • 支持多场景覆盖

  • 提供零速修正

  • 高精度定位算法、定位精度3~5cm,航向角误差<0.1°

  • 多重冗余:相机、激光雷达、GNSS、IMU,轮速计等相融合


园区物流及井下矿车是自动驾驶定位系统实践落地的重要应用场景,希迪智驾定位系统多重冗余传感器使得车辆在GNSS状况不佳的情况下,依然能够高精度定位。


8.jpg

希迪智驾定位系统应用场景:开放场景定位


任何传感器都无法绝对精确的反映现实,即传感器的测量值存在噪声。如何将不同传感器带给我们的信息综合在一起得出最终结论,是我们关心的首要问题。


因此,由于无法获得真实值的噪声的存在,当我们想知道车辆的运动状态时,实际上我们要知道的是,车辆当前运动状态为何的可能性最大,而不是车的真实运动状态本身,因为由于随机噪声的存在我们永远也无法得出车辆一瞬间的真实运动状态。比如:你有一个走时不算准的手表,你买它的时候老板告诉你,这只手表可能比真实时间快一些,但是经大量测试得知手表的误差平均在3分钟之内,当你拿起手表看了看时间是下午15:07,那么有人问你现在几点了,你大概会说下午三点十分,而无法说出现在是下午三点零九分三十九秒三九。


9.jpg

希迪智驾定位系统应用场景:GPS失锁场景定位


10.jpg

希迪智驾定位系统应用场景:无GPS场景定位


贝叶斯学派的思想认为,一切的随机都来源于对信息掌握的不充分。当我们可以获得一个系统瞬间的所有真实变量,并且又恰好建立了一个完全精确的模型时,系统的状态将被完全确立。在此,我们不考虑量子尺度下所表现出的“真随机”,我们仅仅讨论宏观系统。


当我们的系统模型,充分考虑各种误差来源时,在极限情况下可以“消除”系统过程所带来的随机性。而仅仅留下传感器内的一些无法测量瞬时值的噪声。而这些噪声产生的影响,和系统模型息息相关,即我们无法得知噪声的大小,但可以通过建立准确的系统模型来传递噪声的影响。更进一步,我们可以用一些统计学的方法建立噪声本身的统计学模型。因此,我们就可以将各传感器的噪声都充分考虑进来,计算车辆运动状态的各种可能性,并从中挑选出最大可能性的车辆状态。并且,根据我们所建立的模型,还可以计算出车辆在当前状态下有多“可信”,从数学上可以证明,两种传感器融合在一起,要比单独任何一个传感器的“可信度”要高。同理,多种传感器的信息融合在一起,会弥补各传感器的不足,并极大地提高车辆运动状态估计值的“可信度”。


我们的工作:


1. 将GNSS/RTK,雷达,IMU,视觉,轮速等传感器信息紧密联系在一起。

2. 建立了精确的车辆运动学模型以及各传感器的噪声统计学模型

3. 开发了先进的状态估计算法,以估计车辆位置,速度,姿态等运动状态

4. 根据能观性分析,自适应的调整所建立的模型,提升定位的精度与稳定性

5. 开发了高精度的传感器标定算法,对传感器原始数据进行补偿,最大程度的减小定位过程中由于安装误差、温度等引入的误差。

6. 利用开环以及闭环反馈等不同结构的组合提升系统稳定性建立了一套严格准确的专家系统,定量的计算误差传递所产生的系统不稳定程度,以及各个传感器输入数据的有效性,进行数据的过滤以及定位状态的分析与自我监测,极大的提高了定位的鲁棒性与冗余度。


11.jpg

短隧道场景定位(300米左右)


12.jpg

矿井下定位


在希迪智驾主导建设的重庆两江协同创新区车联网示范区二期项目中,通过定位技术方面的突破,自动驾驶车辆成功应用多重冗余定位系统通过在示范区长度超600米隧道,并提供高精度的定位保持稳定运行。项目以解决实际交通出行为导向,规划建设车路协同式自动驾驶、功能型自动驾驶车辆、智能网联车辆等13大类约280余辆,借助智能后视镜、微信小程序、5G RCS消息、地图等手段,提升C端用户触达能力,多维度、多手段扩展车联网用户规模。


在金川井下矿,通过多重传感器融合定位,希迪智驾已经解决了井下巷道特征少、定位易漂移等多种技术难点,可以实现井下矿卡的厘米级定位。通过定位技术的突破,我们目前已保障金川井下自动驾驶矿卡超过1000公里的稳定运行。金川项目以解决井下矿的人员安全、井下人员作业环境恶劣等问题,提升井下矿的数字化和自动化为导向,目前已规划金川井下的12台矿卡全无人全流程运行,借助远程驾驶与自动驾驶的深度融合,让井下矿更智慧、更安全。



文|邱月、李瑞涵

一审 | 谭露露

二审 | 希迪内容审核小组


返回上一页