《智能汽车概论》-智能汽车技术概论 项目四

任务一

卫星导航定位1.GPS导航定位系统1)系统简介全球定位系统也称全球卫星定位系统,是一个中距离圆形轨道的卫星导航系统,如图4-1所示。GPS可为地球表面绝大部分地区(98%)提供准确的定位、

测速和高精度的时间标准。

任务一

卫星导航定位1.GPS导航定位系统3)定位原理GPS定位原理是三球交会定位原理。

接收机测量出自身到三颗卫星的距离;卫星的位置精确已知,通过电文播发给接收机;以卫星为球心,距离为半径画球面;三个球面相交得两个点,根据地理常识排除一个不合理的点即得接收机的位置,如图4-2所示。任务一

卫星导航定位1.GPS导航定位系统如图4-3所示，设地面点p到卫星i的距离矢量为S,，地心圆点0到卫星i的距离矢量为S，地心圆点0到地面点p的距离矢量为S,。假设卫星钟和地面钟不存在任何时间差说明此时伪距观测量代表了p与卫星之间的真实距离S,，其值如式(4.1)所示。(4.1)S.=c(t;-t;)-cT式中，c为光的传播速度;,为地面接收机已同步的观测时刻;t,为卫星已同步的发射时刻;r为传播过程中的附加时延。然而，卫星钟和地面钟之间的完全同步仅在理论层面可能实现，实际情况是两者间一定存在时钟差，所以实际测量的并非真实距离，而是伪距，如式(4.2)所示。(4.2)p.=c(ti-t.)式中，p.为地面点p到卫星i的伪距;.为含有时钟差的地面站接收时刻;.为含有时钟差的卫星发射时刻。任务一

卫星导航定位3.卫星导航定位系统的定位精度及误差卫星导航定位的误差分析如表4-1所示。任务一

卫星导航定位3.卫星导航定位系统的定位精度及误差3)多路径误差接收机在接收正常卫星信号时,也会接收周围物体反射的卫星信号(见图4-4),这样二者就会产生干涉,从而产生测距误差。

多路径误差是卫星导航定位系统中的一种主要误差源,会影响卫星定位精确度,严重时还会引起信号的失锁。任务一

卫星导航定位4.差分定位

差分定位的工作原理是当两个接收机所在位置十分接近时,两者的信号将具有几乎相同的误差,如果能精确地计算出其中一个接收机的误差,就可以对另一个接收机的定位结果进行修正,如图4-5所示。任务一

卫星导航定位4.差分定位3)载波相位差分RTK是一种利用接收机实时观测卫星信号载波相位的技术,结合了数据通信技术与卫星定位技术,采用实时解算和数据处理的方式,能够为流动站提供在指定坐标系中的实时三维坐标点,在极短的时间内实现高精度的位置定位。差分定位中基准站和流动站结构如图4-6与图4-7所示。任务二

惯性导航定位1.惯性元件

一个惯性测量单元包括三个相互正交的单轴加速度计(Accelerometer)和三个相互正交的单轴陀螺仪(Gyroscopes)。惯性测量单元结构如图4-8所示。信号预处理部分对惯性测量单元输出信号进行信号调理、误差补偿并检查输出量范围等,以确保惯性测量单元正常工作。任务二

惯性导航定位1.惯性元件

加速度传感器利用重力加速度,可以检测设备的倾斜角度,但由于会受到运动加速度的影响,导致倾角测量不够准确,所以通常需利用陀螺仪和磁传感器进行补偿。

同样,磁传感器测量方位角时需利用地磁场,当系统中电流变化或周围有导磁材料以及当设备倾斜时,量出的方位角也不准确,这时需要用加速度传感器(倾角传感器)和陀螺仪进行补偿。

某公司生产的陀螺仪实物如图4-9所示。任务二

惯性导航定位2.捷联式惯导的原理

捷联式惯性导航系统是在平台式惯性导航系统基础上发展而来的,是把惯性仪表直接固连在载体上,用计算机来完成导航平台功能的惯性导航系统,如图4-10所示。它是一种无框架系统,由三个速率陀螺、三个线加速度计和微型计算机组成。

如图4-11所示,对捷联式惯性导航系统而言,平台的作用和概念体现在计算机中,它是写在计算机中的方向余弦阵。任务三SLAM定位

无论是激光SLAM,还是视觉SLAM,都存在着一个经典框架,SLAM系统框架示意图如图4-12所示,一般分为5个模块,包括传感器数据、前端(视觉里程计)、后端、回环检测及地图构建。任务三SLAM定位

不同方式创建地图的差异如图4-13所示。图4-13(a)所示为独立利用里程计定位、

独立利用激光传感器感知环境所创建的地图,由于没有进行里程计误差补偿,因此几次创建的地图差异很大,与实际环境也不符;图4-13(b)所示为采用SLAM创建的地图,基于SLAM可以利用已创建的地图修正里程计的误差,这样智能汽车的位姿误差就不会随着智能汽车行驶距离的增大而无限制增长,因此可以创建精度更高的地图,也同时解决了未知环境中的定位问题。任务三SLAM定位

目前,SLAM技术被广泛用于机器人、

无人机、

无人驾驶、AR、VR等领域,依靠传感器可实现机器的自主定位、

建图、

路径规划等功能。

由于传感器不同,SLAM的实现方式也有所不同,按传感器来分,SLAM主要包括激光SLAM和视觉SLAM两大类,表4-2所示为两种SLAM的优劣势对比。任务三SLAM定位1.激光SLAM

图4-14所示为激光SLAM系统框架,方框里为传感器获得的数据或者生成的数据,椭圆里为ROS节点。任务三SLAM定位2.视觉SLAM

经典的视觉SLAM框架由传感器数据、

视觉里程计(VisualOdometry,VO)、

后端优化(Optimization)、

回环检测(LoopClosing)和构建地图(Mapping)几个部分组成,如图4-16所示。任务四

无线通信辅助定位二、4G/5G定位5G技术是一种宽带技术,其更高的带宽可以实现设备与gNodeB基站之间交换更多定位信息(定位参考信号,缩写为PRS)。

利用5G技术可以进行异构融合,如图4-17所示。

定位异构融合定位系统不是简单地对各种定位网络叠加,而是需要研究各种定位技术的智能融合技术,综合实现最优的定位性能。任务五

多传感器融合定位二、GPS/INS组合导航系统

在INS/GNSS组合模式中,松耦合是最简单的一种组合方式,其原理如图4-18所示。

在该组合模式下,惯性导航系统与GNSS在工作过程中相互独立,通过利用组合滤波器对两子系统的数据进行融合并得到最优的估计结果,最终将该结果反馈给惯性导航系统中对其进行修正。任务六

高精度地图2.高精度地图对自动驾驶的价值

高精度地图作为自动驾驶的必备构件,能够满足自动驾驶汽车在行驶过程中地图精确计算匹配、实时路径规划导航、辅助环境感知、驾驶决策辅助和智能汽车控制的需要,并在每个环节都发挥着至关重要的作用。