自動駕駛系統(tǒng)的定位方法有哪些

　　【太平洋汽車網(wǎng)】該自動駕駛定位方法包括根據(jù)需求分別自動切換以下三種自動駕駛的定位技術：在感應到基站的情況下，采用衛(wèi)星定位和捷聯(lián)慣導組合的定位技術；在未感應到基站的情況下，采用激光雷達點云和高精度地圖匹配的定位技術；在隧道或夜間外界環(huán)境光線穩(wěn)定的情況下，采用視覺里程算法的定位技術。

　　目前使用最廣泛的自動駕駛定位方法包括融合全球定位系統(tǒng)（GNSS，Global Navigation Satellite System）和慣性導航系統(tǒng)（INS，Inertial Navigation System）。其中，GNSS的定位精度由器件成本決定，一般在幾十米到幾厘米級別之間，精度越高，成本也越貴。融合GNSS和INS的定位方法能夠在一定程度上解決GNSS在環(huán)境惡劣條件（高樓、樹木遮擋，大面積水域、隧道等）下定位精度偏差較大的影響，但對于城市這樣大范圍定位條件都不好的情況，單純的GNSS+INS的定位技術還是不夠滿足自動駕駛的需求。

　　地圖輔助類定位方法是另一種廣泛使用的自動駕駛定位技術，代表算法是同步定位與地圖構建（SLAm，Simultaneous Localization And mapping）。SLAM的目標是構建地圖的同時使用該地圖進行定位，SLAM通過傳感器（攝像頭、Lidar等）觀測到的環(huán)境特征，確定當前車輛的位置以及當前觀測目標的位置，這是一個利用以往的先驗概率分布和當前的觀測值來估計當前位置的過程，這一過程通常使用的方法有：貝葉斯濾波器（Bayesian Filter）、卡爾曼濾波器（Kalman Filter）、擴展卡爾曼濾波器（Extend Kalman Filter）、粒子濾波器（Partical Filter）等，這些都是基于概率和統(tǒng)計原理的定位技術。

　　SLAM是機器人定位領域的研究熱點，在特定場景下的低速自動駕駛定位的應用過程中也有較多現(xiàn)實的實例，如園區(qū)無人擺渡車、無人清潔掃地車、掃地機器人等，都廣泛采用了SLAM技術。實際上，在此類特殊場景中，用戶并不是在定位的同時實時建圖，而是事先使用傳感器（如激光雷達、攝像頭等）對車輛運行環(huán)境區(qū)進行SLAM地圖的構建，然后在建好的地圖SLAM地圖的基礎上實現(xiàn)定位、路徑規(guī)劃等其他進一步的操作。

（圖/文/攝：太平洋汽車網(wǎng) 問答叫獸）