1.3 导航定位的方法

导航定位的方法主要有全球定位系统（GPS）定位、差分全球定位系统（DGPS）定位、北斗卫星导航系统（BDS）定位、惯性导航系统（Inertial Navigation System，INS）定位、航迹推算（Dead Reckoning，DR）定位、视觉传感器定位、激光雷达定位以及组合定位等。

1.全球定位系统定位

全球定位系统（Global Positioning System，GPS）是一种以空中卫星为基础的高精度无线电导航的定位系统，全球定位系统定位是一种绝对位姿估计方法。该方法通过GPS来进行车辆定位，如图1-9所示。基于GPS的定位方法优点是可全天候连续定位，且适用于全局定位；缺点是受环境影响较大，高楼、树木、隧道等都会屏蔽GPS信号，而且GPS定位精度低，更新周期长，远远不能满足自动驾驶的需求。

2.差分全球定位系统定位

差分全球定位系统（Differential Global Position System，DGPS）是在GPS的基础上利用差分技术使用户能够从GPS中获得更高的精度。其基本原理就是车辆在行驶过程中用GPS作为基准，在GPS更新的时候，通过差分辅助，完成车辆厘米级的精确定位，如图1-10所示。

3.北斗卫星导航系统定位

北斗卫星导航系统（BeiDou Navigation Satellite System，BDS）是中国自行研制的全球卫星导航系统，目前在汽车领域还没有大面积推广应用，但在国家制定的智能汽车发展规划中，已明确提出要大力推广北斗卫星导位系统在智能网联汽车和无人驾驶汽车中的应用。2020年，北斗卫星导航系统完成全部组网。

北斗卫星导航系统定位如图1-11所示。

4.惯性导航系统定位

惯性导航系统由陀螺仪、加速度传感器及软件构成，通过测量运动载体的加速度和角速度数据，并将这些数据对时间进行积分运算，从而得到运动载体的速度、位置和姿态。在汽车驶入深山隧道时，汽车上安装的惯性导航系统的定位导航作用会非常显著，如图1-12所示。

5.航迹推算定位

航迹推算定位是利用载体上一时刻的位置，结合无人驾驶汽车的航向、速度等信息，推算出当前时刻的位置。DR导航是一种自主式导航，一般不会受到外界环境的干扰，由于其定位误差会随着时间增长而累计，不能长时间独立工作，一般用来辅助其他导航。

航迹推算原理如图1-13所示。

6.视觉传感器定位

视觉传感器提供了丰富的颜色和图像信息，处理这些信息正是深度学习技术的强项。通过深度学习模型可识别车道线、道路上文字、停止线等固定的标识，并与高精度地图数据进行对比，从而获取车辆的当前位置。视觉传感器定位的优点是成本低；缺点是精度低，误差大，并且在强光、逆光、黑夜场景下的效果不好。

视觉传感器定位如图1-14所示。

7.激光雷达定位

激光雷达定位是指事先通过采集车采集道路的3D点云地图数据，在智能网联汽车行驶过程中实时利用激光雷达采集点云地图数据，并与事先采集的点云地图数据进行比较，从而获取当前的车辆位置。它的优点是探测精度高，探测距离远，对GPS的初值依赖度低，在没有GPS信号的场景下也能实现精准的车辆定位；缺点在于成本高，并且基于点云地图数据时效性差，维护成本高。

激光雷达定位如图1-15所示。

8.组合定位

高精度定位是无人驾驶汽车的核心关键技术。所谓高精度是指定位精度要达到厘米级，上述任何一种定位方法很难满足要求，因此，无人驾驶汽车须使用组合定位。

图1-16所示为采用组合方式实现高精度定位，保障无人驾驶汽车安全可靠行驶。

百度Apollo系统使用了全球导航卫星系统（GNSS）、激光雷达、惯性测量单元（IMU）等融合加上一个误差状态卡尔曼（Kalman）滤波器，使定位精度可以达到5～10cm，且具备高可靠性和鲁棒性，市区允许车速超过60km/h。图1-17所示为百度Apollo组合导航定位系统框图。

德国博世公司发布了一套自动驾驶精准定位解决方案，如图1-18所示，这套系统将采用厘米级定位技术，让自动驾驶更加安全。博世公司现已开发用于自动驾驶汽车精确定位的卫星定位智能传感器。这款新型传感器内置一个高性能的全球导航卫星系统（GNSS）信号接收器，来自GNSS的信号能够帮助车辆确定自己的绝对位置。

精确定位和导航是无人驾驶车辆在未知或已知环境中能够正常行驶的最基本要求，是实现在宏观层面上引导无人驾驶车辆，按照设定路线或者自主选择路线到达目的地的关键技术。 8dk9ZWtjw18aWQ6pyLr5iIeEINFe2+9oFliK3nnf74U6p0D8X0gw+sIN29Y8ial0