智能网联汽车技术-项目3 智能网联汽车导航定位系统

任务1高精度定位技术整体认知学习内容定位系统的作用和要求；高精度定位系统的组成；常见的定位方法。能力要求掌握智能网联汽车对定位系统的基本要求；掌握智能网联汽车常见的定位方法。任务引入“高精度定位技术是智能网联汽车的核心技术，能解决在哪里（初始位置）和要去哪里（目标位置）的问题，通过5G网络连接形成卫星地面基准站网络，实现厘米级精度定位，助力智能网联汽车的发展。任务描述通过对定位系统的作用和要求；高精度定位系统的组成；常见的定位方法等知识的学习，增强对高精度定位技术整体认知，并在学习小组或班级里进行交流汇报。相关知识智能网联汽车高精度定位是一种高精度定位技术，它的关键技术包括环境感知技术，无线通信技术，智能互联技术，请通过网络进行查找。一、定位系统的作用和要求定位系统的作用是提供车辆的位置和姿态等信息。对于智能网联汽车而言，定位的重要作用不言而喻，可以帮助车辆了解自己相对外界环境的精准位置，从而做出正确的决策，同时辅助感知系统，得到准确的检测和跟踪结果。智能网联汽车对定位系统的基本要求有以下四种。（一）精度高达到厘米级。（二）高可用性智能网联汽车测试已经从封闭的场景转移到更开放的场景，这要求定位系统能更好的处理更多更复杂的情况。（三）高可靠性定位输出是感知、规划与控制的输入，如果定位出现偏差将会导致自动驾驶的严重后果。（四）自主完好性检测由于系统的可靠性能只能做到非常接近100%，但是难以达到真正的100%，这要求系统在无法提供准确输出的时候，能及时地警告用户采取措施避免发生事故，因此，要求定位系统保证较低的虚警率和漏警率。高精度定位在自动驾驶中起决定作用，是实现无人驾驶或者远程驾驶的基本前提，因此对特定性能的要求也非常苛刻，其中L4/L5级自动驾驶对于定位的需求非常高，如：位置精度，误差均值<10cm；位置鲁棒性最大误差<30cm；姿态精度，误差均值<0.5°；姿态鲁棒性最大误差<2.0°；场景覆盖是全天候。图3‑1车辆高精度定位示意图二、高精度定位系统的组成高精度定位系统主要包括终端层、网络层、平台层和应用层四个部分。其中，终端层实现多源数据融合算法，保障不同应用场景、不同业务的定位需求；网络层包括5G基站、RTK基站和路测单元，为定位终端实现数据可定位引擎，并实现定位能力开放；应用层基于高精度定位系统能够为应用层提供车道级导航、线路规划和自动驾驶等应用。如所示。图3‑2车辆高精度定位系统（一）终端层为满足车辆在不同环境下的高精度定位需求，需要在终端采用多源数据融合的定位方案，包括基于差分数据的GNSS定位数据，惯性导航系统数据、传感器数据、高精度地图数据以及蜂窝数据等。（二）网络层系统网络层主要实现信号测量和信息传输，包括5G基站、PTK基站和RSU的部署。（三）平台层平台层可实现功能模块化。主要包括：1）高精度地图。2）交通动态信息。3）差分解算。4）数据管理。5）数据计算。（四）应用层在应用层为用户提供地图浏览、规划线路显示、数据监控和管理功能，以及基于位置的其它车联网业务，例如辅助驾驶和自动驾驶。三、常见的定位方法根据场景以及定位性能的需求不同，车辆定位是多种多样的。常用的定位技术有全球导航技术、惯性导航技术、航迹推算技术、路标定位技术、高精度地图定位技术、无线电定位技术、视觉定位技术、同时定位技术与地图创建技术等。由于任何单一技术都有自己的无法克服的弱点，智能网联汽车通常需要组合定位技术来实现精准定位。组合定位技术融合了两种或两种以上的不同类型的定位传感器信息，实现优势互补，以获得更高的定位性能。随堂测试简述高精度定位系统的组成。简述智能网联汽车对定位系统的基本要求。任务实施任务工单任务2高精度定位关键技术认知学习内容全球导航卫星系统；惯性导航系统；SLAM自主导航系统；蜂窝网定位。能力要求掌握全球卫星系统的分类、组成和定位原理；了解惯性导航系统的组成和基本定位原理；掌握SLAM技术的分类和基本定位原理；了解蜂窝网定位的基本原理。任务引入目前全球范围内已经有137个国家与北斗卫星导航系统签下了合作协议，随着全球组网的成功，北斗卫星导航系统未来的国际应用空间将会不断扩展，最终建设世界一流的卫星导航系统，满足国家安全与经济社会发展需求。任务描述请查阅相关资料，了解北斗卫星导航定位系统的定位原理和优缺点。在学习小组或班级里进行交流汇报。相关知识北斗卫星导航为全球用户提供连续、稳定、可靠的服务，发展北斗产业，服务经济社会发展和民生改善，深化国际合作，提高全球卫星导航系统的综合应用效益。一、全球导航卫星系统（一）分类全球导航卫星系统（GNSS）分为以下几类，包括美国的GPS、俄罗斯的格洛纳斯卫星导航系统、欧洲的伽利略系统和我过的北斗系统。（二）组成以GPS为例，全球导航卫星系统是由空间星座部分，地面监控部分和用户设备部分这三部分组成的。最少只需要4颗卫星，就能迅速确定用户端在地球上所处的位置及海拔，所能连接到的卫星数越多，解码出来的位置就越精确，如。图3‑3

GPS示意图（三）全球导航卫星系统的定位原理其实就是三角定位法，如。简单来说，就是通过在不同的位置测量卫星和接收器之间的距离，从而确定接收器的位置。通常来说，一个接收器需要随时至少能够和4颗GPS卫星直接联系，才能精确判断自己所处的位置；如果只有3颗卫星，那么就无法判断海拔高度；如果只有2颗，那就无法计算精确位置了。图3‑4三角定位原理二、惯性导航系统惯性导航系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统，如。其工作环境不仅包括空中、地面，还可以在水下。惯导的基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，求得运动载体的速度、角速度，之后进行二次积分求得运动载体的位置信息。且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息，如。图3‑5惯性导航系统惯性导航系统具有以下优点：1．能提供位置、速度、航向和姿态角数据，所产生的导航信息连续性好且噪声小；2．数据更新高，短期精度和稳定性好；3．可全天候工作与空中、地面及水下；4．隐蔽性好，且不受外界电磁干扰的影响。图3‑6惯性导航系统工作原理图三、SLAM自主导航系统我们先来了解SLAM系统介绍。同时定位与地图构建，通常是指在机器人或者其它载体上，通过对各种传感器数据分析采集和计算，生成对其自身位置姿态的定位和场景地图信息的系统。SLAM起源于机器人领域，其问题可以描述为：将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边移动一边逐步描绘出此环境完整的地图，最终实现全局机器人的自主定位和导航们。一般来讲，SLAM系统包含多种传感器和多种功能模块。按照核心的功能模块来区分，目前常见的智能网联汽车SLAM系统一般具有两种形式：基于激光雷达和基于视觉的SLAM。激光SLAM通过对不同时刻两片点云的匹配与对比，计算激光雷达相对运动的距离和姿态的改变，也就完成了对机器人自身的定位。视觉SLAM可以从环境中获取海量的、冗余的纹理信息，拥有超强的场景辨识能力，如。图3‑7视觉SLAM导航示意图四、蜂窝网定位其定位基本过程由定位客户端发起定位请求给定位服务器，定位服务器通过配置无线接入网络节点进行定位目标的测量，或者通过其他手段从定位目标处获得位置相关信息，最终计算得出位置信息并和坐标匹配。需要指出的是，定位客户端和定位目标可以合设，即定位目标本身可以发起针对自己的定位请求，也可以是外部发起针对某个定位目标的请求；最终定位目标位置的计算可以由定位目标自身完成，也可以由定位服务器计算得出。五、高精度定位在智能网联汽车上的应用以百度Apollo2.0为例，介绍高精度定位在智能网联汽车上的应用。Apollo2.0的多传感器融合定位模块的框架如所示；左边列出了定位模块依赖的硬件以及数据，包括IMU、车端天线、基站、激光雷达，以及定位地图；中间是GNSS定位以及激光点云定位模块，GNSS定位输出位置及速度信息，点云定位输出位置及航向角信息；右边是融合框架，融合框架包括两部分：惯性导航解算、卡尔曼滤波；融合定位的结果会反过来用于GNSS定位和点云定位的预测；融合定位的输出是一个6自由度的位置和姿态，以及协方差矩阵。图3‑8Apollo2.0的多传感器融合定位模块的框架随堂测试简述全球导航系统的分类。简述惯性导航系统的优点。任务实施任务工单任务3决策规划整体认知学习内容决策规划的概念；决策规划的分类；决策规划的要求。能力要求掌握现有计算平台的解决方案；获得分析问题和解决问题的一些基本方法；养成定期反思与总结的习惯，改进不足，提高工作效率。任务引入查阅相关资料，了解智能网联汽车智能决策技术，并判断收集分析数据、转向制动、定义规划路线、预测周边环境等选项是不是智能决策技术的功能？任务描述智能决策技术的功能类似于给智能网联汽车下达相应的任务：一方面要进行预测，例如在车道保持、车道偏离预警、车距保持、障碍物警告等系统中，需要预测本车及相遇的其它车辆、车道、行人等在未来一段时间内的状态；另一方面要进行规划。对于周围的车辆或其它障碍物，智能网联汽车需要在给定的约束条件下，规划出一条可以走的路线。相关知识智能网联汽车是集感知、决策和控制等功能于一体的自主交通工具，其中，智能决策是依据感知信息来进行决策判断，确定适当工作模型，制定相应控制策略，替代人类驾驶人做出驾驶决策。一、决策规划的概念决策规划是智能网联汽车自动驾驶的关键部分之一，它首先融合多传感器信息，对周围可能存在障碍物的目标状态进行预测，然后根据驾驶需求进行决策，规划处两点间多条可选择的安全路径，并在这些路径中规划选取一条最优的路径作为车辆行驶轨迹。我们今天共同学习决策规划整体认知。和人类驾驶人一样，机器在做驾驶决定时需要回答几个问题。我在哪儿？周围的环境怎么样？接下来会发生什么？我该做什么？这是一个基于信息感知进行决策的过程，具体如何决定需要自动驾驶的决策层完成。决策层包括环境认知和决策规划两部分主要完成工作具体来说可以分为两个步骤：第一步认知理解，即依据感知层不同传感器采集的信息，通过高精度地图对智能网联汽车自身的位置精确定位，同时对周围的环境信息和目标状态进行精确感知；第二步决策规划包含目标状态预测、行为决策和路径规划，依据对智能网联汽车周围的目标状态精确感知，准确预测未来可能发生的情况，对下一步行为进行正确判断和决策，规划并选择事宜的路径达到目标，如。图3‑9决策实施步骤二、决策规划的分类从轨迹决策的角度考虑，根据事先对环境信息的已知程度，可把路径规划规划分为以下两类。（一）全局路径规划全局路径规划是全局环境已知，按照一定的算法搜寻一条最优或者近似最优的无碰撞路径。例如，从上海到北京有很多条路，规划处一条最优行驶路线，即全局规划，如。图3‑10全局路径规划（二）局部路径规划局部路径规划是对环境局部未知或完全未知，随着自主车辆的运动，通过传感器为自主车辆提供有用的信息，从而能够确定出障碍物和目标点的位置，进而规划出一条由起始点到目标点的路径。例如，在全局规划好的上海到北京的那条路线上会有其它车辆或者障碍物，想要避过障碍物或者车辆，需要转向调整车道，这就是局部路径规划，如。图3‑11局部路径规划从获取障碍物信息是静态或是动态的角度看，全局路径规划属于静态规划（又称为离线规划），局部路径规划属于动态规划（又称为在线规划）。全局路径规划需要掌握所有的环境信息，是高精度地图下的车道及寻径问题，解决的是起点到终点的最佳道路行驶序列；局部路径规划只需要有传感器实时采集环境信息，了解环境地图信息，然后确定出所在地图的位置及局部的障碍物分布情况，从而可以选出从当前节点到某一子目标节点的最优路径。根据所研究环境的信息特点，路径规划还可以分为离散域范围内的路径规划问题和连续域范围内的路径规划问题。离散域范围内的路径规划问题属于一维静态优化问题，相当于环境信息简化后的路线优化问题；而连续域范围内的路径规划问题是连续性多维动态环境问题。二、决策规划的要求决策规划是自动驾驶进行行为决策和路径规划过程，该过程要完全符合人类对于驾驶性的预期，并且满足安全、舒适、高效等性能和品质的要求。具体表现在以下几个放面：车辆应该在自动避开所有障碍物的前提下，到达指定的目的地。车辆安全到达目的地所用的时间最短，路程最短。采用的路径简单可靠，以便简单实现对无人车的控制。车辆行驶的路径尽量不重复或者少重复。车辆选用合适的行驶策略，减少车辆的能量消耗。★决策规划整体认知信息化二维码随堂测试简述决策规划的要求。简述决策规划的分类。任务实施任务工单任务4决策规划方法认知学习内容目标状态预测；行为决策；路径规划；路径规划的一般步骤。能力要求掌握现有计算平台的解决方案；获得分析问题和解决问题的一些基本方法；养成定期反思与总结的习惯，改进不足，提高工作效率。任务引入智能汽车自动驾驶车辆控制中，对于道路状况的信息识别与处理是非常重要的。自动驾驶系统能够识别道路、行人、障碍物、红绿灯等，其中的环境感知系统负责车辆定位、静态/移动障碍物检测与跟踪、车道线检测与识别、交通信号检测与识别等任务。任务描述路径规划模块需要根据局部环境感知、可用的全局车道级路径、相关交通规则，提供能够将车辆引导向目的地（或目的点）的路径。路径规划可分为全局路径规划方法、局部路径规划。相关知识路径规划技术是汽车自动控制技术的重要组成部分，根据环境信息的己知程度，全局路径规划是对全局环境已知，并根据算法搜索出最优或接近最优的路径。而局部路径规划则对环境局部未知或完全未知，通过传感器为自动驾驶提供有用的信息确定障碍物和目标点的位置，并规划起始点到目标点的最优化路径。一、目标状态预测当前主流的目标状态预测方法主要有以下三种方法。（一）基于运动模型的卡尔曼滤波方法主要考虑了目标运动状态的不确定性变化，在恒速模型中实现了目标的运动轨迹预测。（二）基于马尔科夫链的预测方法该方法是指t+k时刻的状态与t时刻的状态有关，而与t时刻以前的状态无关，该方法实现了对目标状态的搞笑预测。（三）基于数据的神经网络方法该方法主要基于对大数据的收集和分析，根据道路采集的环境信息和跟踪目标的运动信息，预测周围人、车以及物的运动位置。二、行为决策它指的是通过传感器感知得到环境信息，考虑周边环境，动/静态障碍物，车辆汇入等，与智能驾驶库中的经验知识等进行匹配，进而选择合适当前交通环境下的驾驶策略。这种驾驶策略一般指的是在某个特定状态下，是变道、跟随还是超车等宏观意义上的驾驶行为。智能网联汽车的行为决策方法包括两种方法。（一）基于规则的行为决策方法该方法主要是讲无人车的运动行为进行划分，根据当前任务路线、交通环境、交通法规以及驾驶规则知识库等行为规则库，对不同的环境状态进行行为决策逻辑推理，输出驾驶行为，同时接受并根据运动规划层对当前行为执行情况的反馈情况，进行实时动态调整。（二）基于强化学习的行为决策方法该方法主要是利用各种学习算法来进行决策，利用智能网联汽车配备的各种传感器，来感知周边的环境信息，传递给强化学习决策系统，此时强化学习决策系统的作用就相当与人脑，来对各种信息进行分析和处理，并结合经验来对无人驾驶汽车做出行为决策。三、路径规划路径规划是智能网联汽车实现自主驾驶的基础，其作用是在当前工作环境中按照某种性能指标搜索出一条从起点到终点的最优或次优路径。从严格意义上讲，路径规划是将行为决策的宏观指令解释成一条带有时间信息的轨迹曲线，包括轨迹规划和速度规划。根据车辆导航系统的研究历程，智能网联汽车路径规划算法可以分为静态路径规划算法和动态路径规划算法。静态路径规划是以物理地理信息和交通规则等条件为约束来寻求最短路