欢迎光临
我们一直在努力

现代智能汽车系统——高精定位与地图0

高精定位与地图 (Positioning & Map) —— 智驾的“眼睛”

自动驾驶模块里,除了感知(Camera/Lidar),定位是独立的。

  • 高精定位 (High Precision Positioning): GNSS(卫星)、RTK(差分)、IMU(惯导)的融合算法。
  • 高精地图 (HD Map) vs 重感知 (Map-less): 地图引擎、SLAM(即时定位与地图构建)。

1. 高精定位(High Precision Positioning):多源融合的艺术

单纯依靠某一种传感器是无法满足自动驾驶对厘米级定位(<20cm)和高置信度的要求的。因此,核心在于融合(Fusion)。

通常这部分会集成在一个被称为 P-Box (Positioning Box) 的独立硬件模块中。

  • GNSS (Global Navigation Satellite System) + RTK (Real-Time Kinematic):
    • 作用: 提供绝对坐标(经纬度)。
    • 局限: 刷新率低(10Hz左右),易受遮挡(隧道、林荫道、高楼峡谷),有信号多径效应。
    • RTK的作用: 通过地面基准站发送差分信号,修正卫星信号穿过大气层时的误差,将米级精度提升至厘米级。
  • IMU (Inertial Measurement Unit,惯性测量单元):
    • 作用: 测量角速度和加速度。它是车辆的“内耳”。
    • 优势: 完全不依赖外部信号,刷新率极高(100Hz-200Hz+),在隧道里卫星信号全断时,全靠它进行航位推算(Dead Reckoning)。
    • 局限: 随时间推移会有累积误差(漂移),需要GNSS不断纠偏。
  • 轮速计/车辆动力学模型 (Odometer):
    • 作用: 从底盘CAN总线读取车轮转速、方向盘转角,辅助推算位移。
  • 融合算法 (Kalman Filter / Graph Optimization):
    • 这是软件的核心。将上述信号(“卫星说我在A”,“惯导说我向左移动了1米”)进行加权融合,输出一个最优的定位结果。

2. 高精地图 vs. 重感知 (The Map War):智驾路线的分水岭

这是目前智驾行业争论最激烈、演变最快的领域。

A. 高精地图派 (HD Map – High Definition Map)
  • 定义: 包含车道线、路沿、交通灯、限速牌精确位置甚至路面曲率的厘米级地图。
  • 优势: 上帝视角。即使传感器被大车遮挡,车辆也知道前面路口有几条车道,这是一种极强的安全冗余。
  • 致命弱点:
  • 鲜度(Freshness): 道路天天修,地图做不到天天更。如果地图显示直行,实际路面改成了施工改道,车辆会懵圈甚至发生危险。
  • 成本与覆盖率: 采集和维护成本极高,导致只能覆盖高速和一线城市主干道,难以做到“全国都能开”。
  • 合规性: 测绘资质和国家安全限制。
B. 重感知/无图/轻地图派 (Map-less / Light Map)
  • 定义: “所见即所得”。不依赖预制的厘米级高精地图,而是利用 SD 地图(普通导航地图)提供大概路径,依靠强大的**感知模型(BEV + Transformer + Occupancy Network)**实时生成“局部地图”。
  • 技术核心: 车辆一边开,一边用摄像头和雷达“画”出车道线和拓扑结构(Online Mapping)。
  • 优势:
  • 泛化能力强: “有路就能开”。只要SD地图能导航到的地方,智驾就能启用。
  • 更像人: 人开车不需要知道路缘石的精确坐标,只要看清路在哪就行。
  • 现状: 2023-2024年,华为、小鹏、理想、大疆等主流玩家纷纷切换至“无图/轻图”方案,推动 City NOA (城市领航辅助) 的大规模落地。

3. SLAM (Simultaneous Localization and Mapping):连接感知的桥梁

SLAM 是机器人领域的技术,现在被深度应用于汽车。

  • 应用场景1:AVP (Automated Valet Parking,代客泊车)
    • 在地下车库,没有GNSS信号。车辆必须依靠摄像头识别车位线、柱子,或者激光雷达扫描墙壁特征,利用 SLAM 算法构建车库地图并定位自己。
  • 应用场景2:众包建图 (Crowdsourced Mapping)
    • 每一辆跑在路上的量产车,都可以看作一个采集终端。通过车端运行的 SLAM 算法,提取道路特征变化,上传云端,用来更新高精地图或训练感知模型。这是特斯拉和头部新势力最大的数据护城河。

总结

在智驾软件栈中,定位与地图正在经历一场从“依赖先验知识(高精地图)”向“依赖实时能力(重感知/实时建图)”的范式转移。

  • 硬件上: 追求 IMU 的高精度和 GNSS 的多频抗干扰。
  • 软件上: 定位算法不再是独立的孤岛,而是与感知(Perception)深度耦合——感知辅助定位(如视觉特征匹配),定位辅助感知(提供先验位置)。

最终的目标是:让车拥有像老司机一样**“心中有图(导航),眼中有路(实时感知)”**的能力。

赞(0)
未经允许不得转载:171主机测评 » 现代智能汽车系统——高精定位与地图0
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址